用遗传算法的阈值选取法检测铝合金MIG焊熔池边缘

针对铝合金MIG焊熔池边缘提取问题,建立视觉传感和采集的实验系统,提出基于最大类间方差阀值的遗传算法来提取铝合金MIG焊熔池边缘.介绍系统与算法的结构,同时与基于Sobel算子、Canny算子的熔池边缘提取结果进行对比.结果表明,遗传算法阀值图像分割在熔池图像边缘提取是可行的,通过该算法提取的铝合金MIG焊接熔池边缘清晰,可以有效地克服熔池图像信号中的噪声及阴极雾化区的影响,该方法提供了一种新的焊接熔池边缘实时检测与控制的方法.     

旁路耦合电弧MIG焊熔池边缘提取算法

对一种新型高效多弧焊接方法——旁路耦合电弧MIG焊(DE-GMAW)在连续大电流焊接条件下的焊接熔池图像进行被动视觉采集和熔池边缘提取算法研究,为降低熔池周围电弧信号对边缘提取结果的影响,提出一种新的图像预处理算法,并在对比6种微分算子边缘提取结果的基础上,提出一种新的熔池边缘提取算法.结果表明:新的图像预处理算法可以...     

基于PI控制不同解耦补偿控制器的铝合金MIG焊过程MIMO解耦控制仿真

针对铝合金脉冲MIG焊存在多参数强烈耦合并严重影响过程控制稳定性的问题,建立其多输入多输出(MIMO)控制模型.运用多变量控制理论分析系统的耦合程度,基于PI控制器设计前馈补偿解耦、反馈补偿解耦和对角矩阵解耦3种结构的解耦控制系统.介绍它们的结构和算法,分析控制对象的特点,对铝合金脉冲MIG焊过程进行仿真.仿真结果表明,采用对角矩阵解耦PI控制铝合金MIG焊接过程,能取得满意的动态和稳态性能.     

基于多维PCNN的彩色枸杞细胞显微图像的边缘检测

改进脉冲耦合神经网络模型,结合矢量运算,提出一种基于多维脉冲耦合神经网络的边缘检测模型,直接提取彩色细胞图像边缘,且本模型算法在染色不均匀造成的弱边缘检测和抗噪性能等方面表现优异.仿真和实验结果进一步表明了该算法的有效性.     

铝合金钨极氩弧焊熔池图像处理

对铝合金熔池图像特点进行了分析,提出了一种快速有效的熔池边缘提取算法．采用边缘保持滤波和模糊增强对铝合金熔池图像进行预处理,并采用max-min算子对边缘进行检测,采用投影法对边缘进行细化和去除伪边缘而获得清晰的熔池边缘．该算法抗干扰强、计算速度快、计算准确,能有效提取熔池的形状．     

铝合金钨极氩弧焊熔池被动视觉信息传感

采用自行设计的三光路传感器,获取了多方向上清晰的填丝脉冲铝合金熔池图像,并对斜后方图像进行了处理.针对斜后方图像特点,采用退化恢复、滤波、边缘检测、自动阈值分割、投影细化方法进行了预处理;对于预处理后的图像噪声,经过阈值滤波去除,获得间断熔池边缘图像;最后采用任意位置椭圆来拟合熔池边缘,拟合结果可以较好地反映熔池形状.     

基于LabVIEW的实时视觉铝合金脉冲MIG焊测控系统

针对铝合金脉冲MIG焊过程测控的需要,利用LabVIEW虚拟仪器技术设计铝合金脉冲MIG焊过程多数据的同步实时采集及控制系统.考虑脉冲MIG的特点及开发的效率、控制速度等要求,采用"数据采集卡+PC机+实时控制器"的模式,通过选择LabVIEW做为测控系统的信号采集及处理平台,并在硬件平台设计的基础上,通过COM技术的引入,实现了复杂信号处理算法下的电流、电压与视频信号高速数据流的并行处理.实验表明:所建立的平台能正确稳定地实时采集并处理铝合金脉冲MIG焊过程中信息,程序界面友好且可扩展性强.     

基于脉冲耦合神经网络和形态学的边缘检测

阐述了脉冲耦合神经网络(pulse coupled neural network,PCNN)模型的基本工作原理.对于含有噪声的图像,用传统的边缘检测方法不能很好地将图像边缘检测出来.考虑到PCNN在图像分割中的天然优势和数学形态学对图像的膨胀腐蚀作用,采用PCNN和数学形态学相结合的方法对含有噪声图像进行边缘检测.实验结果表明,该算法是有效可行的.     

双旁路耦合电弧GMAW熔池图像边缘提取算法

为了研究在双旁路耦合电弧气体保护电弧焊(DB-GMAW)方法下的铝合金焊接过程,通过被动视觉检测系统对焊接过程中的熔池图像进行了采集.介绍了该焊接方法的原理和系统组成,对所得焊接熔池图像进行了Roberts、Sobel、Prewitt、LOG、Canny、ZeroCross 6种微分算子的边缘提取和结果对比.结果表明:由于旁路电弧的分流作用使得通过母材的电流大幅减小,显著降低了熔池区电弧的亮度,从而降低了熔池图像采集和处理的难度;比较6种微分算子对熔池图像边缘提取的结果,Canny算子可以得到连续性、完整性和准确性均符合控制要求的熔池边缘结果,为实现该种焊接方法的过程控制奠定了基础.     

基于熔池尾部图像特征的三明治板激光焊焊偏状态在线检测方法

提出了一种基于熔池尾部图像特征的三明治板激光焊焊偏移状态检测方法,在无外加光源的条件下拍摄熔池尾部图像,利用改进的Snake算法提取熔池尾部边缘图像,计算3个熔池图像特征参数熔池尾部的长度、面积以及熔池在入射激光两侧的面积差.结果表明:3个熔池图像特征参数易于提取计算,且其随入射激光偏移量的改变而变化明显;随着偏移量增大,由于腹板外侧可熔化金属量及熔池流动状态的影响,使得熔池尾部的长度及面积呈下降的变化趋势,入射激光两侧的熔池面积差逐渐增大;3个熔池图像特征参数可用于三明治板激光焊焊偏状态的在线检测.     

焊接熔池正面几何参数和背面熔宽的数据提取方法

不论熔透控制还是焊缝跟踪，都需要实时或离线提取焊接熔池正面或反面的几何参数．在小电流脉冲TIG焊接试验条件下，为了获得训练焊缝熔透神经网络模型的大量数据，提出了一套方法，包括用于实时提取焊接熔池正面几何参数的算法和离线提取焊缝背面熔宽的摄影测量法，并采用C 语言开发了相应的软件．试验证明，该方法是可行的．     

基于PCNN的RLNSW-NSCT卫星云图融合算法研究

提出了一种基于PCNN的RLNSW-NSCT卫星云图融合新方法。首先采用基于冗余提升不可分离小波的NSCT变换对卫星云图进行变换。对带通方向子带系数的融合设计了基于PCNN的融合规则,而低通子带系数的融合则采用基于图像区域信息熵的系数加权融合规则。为验证算法的有效性,对不同多尺度变换算法和不同融合规则分别进行了融合实验。结果表明该方法在较多地保留云图红外信息的同时,具有更好图像细节表达能力,融合云图的云层特征更为分明。     

基于遗传算法优化BP神经网络的TIG焊缝尺寸预测模型

建立了4-12-4结构的误差反向传播(BP)神经网络.以训练样本预测误差作为适应度函数,采用具有全局寻优功能的遗传算法得到最优化的BP神经网络的权值和阀值.以TIG焊接工艺参数电弧长度、保护气流量、焊接电流和焊接速度作为网络输入,焊缝的上余高、下余高、上焊宽和下焊宽作为网络的输出,优化后的BP网络模型具有良好的泛化能力和预测能力.     

Edge detection of range images using genetic neural networks

Due to the complexity and asymmetrical illumination, the images of object are difficult to be effectively segmented by some routine method. In this paper, a kind of edge detection method based on image features and genetic algorithms neural network for range images was proposed. Fully considering the essential difference between an edge point and a noise point, some characteristic parameters were extracted from range maps as the input nodes of the network in the algorithm. Firstly, a genetic neural network was designed and implemented. The neural network is trained by genetic algorithm, and then genetic neural network algorithm is combined with the virtue of global optimization of genetic algorithm and the virtue of parallel computation of neural network, so that this algorithm is of good global property. The experimental results show that this method can get much faster and more accurate detection results than the classical differential algorithm, and has better antinoise performance.     

基于NSST域的改进加权非负矩阵分解的图像融合

针对加权非负矩阵分解中算法复杂度较高的问题,提出一种基于加权非负矩阵分解和双通道脉冲耦合神经网络的图像融合的改进算法。首先,对已经配准的两个源图像进行非下采样Shearlet变换;然后,对于图像低频子带,采用改进的WNMF的算法,动态更新权值矩阵,更好地提取图像特征信息。对于高频子带,采用改进双通道脉冲耦合神经网络的算法,链接强度值采用块的梯度值,更好地保留图像的微小细节信息;最后,经过非下采样Shearlet的逆变换得到融合图像。实验表明,将加权非负矩阵分解与双通道脉冲耦合神经网络相结合,不仅能很好的提取图像的特征信息,保留更多细节信息;同时双通道的脉冲耦合神经网络的方法能提高算法运行效率。     

基于五阶CNN的图像边检测算法研究

边缘是图像的最基本的特征之一,边缘提取是图像分析中非常重要的步骤,而细胞神经网络是边缘检测中很有效的一种方法.作者基于细胞神经网络(cellular neural network,简称CNN),研究了5阶CNN模板对图像边缘检测的过程,阐述了算法实现过程中的关键步骤,并且证明了算法的稳定性.对图像分别采用基于5阶、3阶CNN算法和经典算子(Prewit、Canny、Sobel等)进行边缘提取,定性分析比较了几类算法在性能上的优劣,定量比较了检测结果的准确性.实验结果表明,基于5阶CNN模板算法的边缘检测结果更加显著,且在硬件实现上能够高速并行计算,实现图像实时处理.