基于激光扫描的焊缝成形尺寸测量

提出了一种基于激光扫描获取焊缝成形尺寸的视觉测量方法.搭建了一套焊缝表面成形视觉成像系统并进行系统标定;实时采集投射激光条纹的焊缝视觉图像,采用中值滤波、二值化分割、骨络化和形态学图像处理方法实现了图像中线激光条纹的提取和细化;以细化的条纹图像为信息源来表征焊缝成形轮廓,并建立了焊缝宽度和焊缝长度的检测算法.实测结果表明,所提出的激光条纹辅助视觉测量方法能够实现焊缝成形尺寸的非接触自动测量,测定的焊缝宽度及焊缝长度可以满足焊缝成形表征的需求.     

钨极惰性气体保护焊熔池三维自由表面特征参数的激光视觉测量

摘要： 针对现有的钨极惰性气体保护焊熔池三维自由表面测量方法难以应用于强弧光、高温辐射、液态金属表面镜面反射等问题,提出一种激光视觉测量法. 利用小功率点或线阵模式结构激光照射覆盖整个熔池表面,采用高速摄像机实时采集经熔池液态金属表面反射畸变的激光图像.设计图像处理算法提取成像激光点位置坐标,建立与投射激光点位置坐标的空间转换数学模型,离线获得熔池三维自由表面的几何特征参数值,对比实测凝固熔池表面对应参数值发现,所提取的几何特征参数值与实测值吻合较好,熔宽、长度和凸度误差分别为0.8%、0.6%和4.7%,证明激光视觉法能够实现熔池自由表面三维信息的动态测量,为采用几何特征参数调整熔池自由表面形貌变化控制焊缝成形及缺陷提供一种新方法.     

重轨表面缺陷机器视觉检测的关键技术

针对重轨生产线中重轨表面缺陷在线检测的困难,提出了基于机器视觉检测的系列关键技术,包括缺陷成像机理、多CCD组合采集器、图像处理技术、基于多空间的缺陷参数提取等.通过图像校正、基于支持向量机(SVM)的直线(面)边缘搜索算法和缺陷特征参数提取等核心技术,可获得完整的重轨全表面的图像,其提纯的缺陷特征参数可以进行模式识别.实验验证表明,采用上述关键技术对重轨表面常见的缺陷识别,正确率在80%以上,达到了工程检测的需要.     

X射线检测焊缝的图像处理与缺陷识别

根据射线检测焊缝图像的特点,设计了图像去噪、增强的算法;针对焊缝缺陷对比度差、光照不均、纹理较多等不利因素,在去除焊缝背景情况下,设计了动态划分焊缝区域算法,利用局域阈值法分割提取出对比度不均的缺陷;通过对焊缝缺陷特征分析,选取缺陷识别的特征参数;建立了用于焊缝缺陷识别的模糊神经网络模型。试验结果表明,图像预处理和缺陷提取是成功的,提出的识别算法能够提高介于模糊边界模式分类时的识别率,对焊缝缺陷识别的效果优于分类识别法。     

一种基于立体视觉的焊缝成形质量评价方法

摘要： 提出了一种基于立体视觉检测而实现焊缝成形质量评价的新方法.从采集的焊缝原始图像中分割出表征成形特征的焊缝图像，在确定相似性测度函数、匹配窗口大小和相似性阈值的基础上，建立了基于图像灰度的焊缝区域匹配算法；由视差图建立了焊缝轮廓的三维坐标，完成了焊宽、余高的提取和焊缝的三维重构；依据焊缝外观尺寸的检验标准(GB10854-89)建立了焊宽最大差、余高最大差、填充度和直线度等焊缝成形质量参数的评价指标.实际验证结果表明，所建立的焊缝视觉评价方法和指标可以快捷有效地评判焊缝成形的质量.     

基于多类支持向量机的X射线焊缝图像缺陷类型识别方法

压力容器的焊缝结构多变,纹路复杂,增加了压力容器检测焊缝缺陷时定级的难度.提出一种基于多类支持向量机的X射线焊缝图像缺陷类型识别方法.首先通过对X射线焊缝图像进行预处理及缺陷轮廓检测,提取表征焊缝缺陷的状态特征,以构造特征向量;然后基于多类支持向量机建立焊缝缺陷识别模型,对产品的焊缝缺陷进行分类识别.实验结果表明了该方法的有效性.     

基于机器视觉的轴承外圈表面图像拼接方法

尽管基于机器视觉的缺陷检测技术已较为成熟,但应用在轴承外圈表面缺陷检测的理论研究还相对较少。应用图像拼接方法,将拍摄到的含有不完整缺陷区域的轴承外圈表面图像拼接为一幅缺陷信息完整的图像,以便后续进行缺陷的识别。在图像拼接过程中,同时采用SURF算法和图像柱面投影原理,还原了图像边缘缺陷区域的真实空间信息。建立Hessian矩阵(基于SURF算法)提取并匹配特征点,运用加权平均融合算法实现对含有缺陷信息的轴承外圈表面图像无缝拼接。经实验分析,结果表明该方法有效还原了轴承的空间几何特性,保留了边缘特征信息,能为图像拼接的准确性及拼接质量提供有效保障。无论从理论还是实践的角度来说,均有研究和探索的必要性。     

热态重轨表面缺陷机器视觉检测的关键技术

针对目前热态重轨表面缺陷检测速度慢、精度低的问题,提出一种基于机器视觉的热态重轨表面缺陷检测系统。利用多线阵CCD摄像机采集图像,根据重轨几何特征及其缺陷高频区域特性,对重轨进行了六视角拍摄,然后在图像工作站中进行各种图像处理。系统采用改进的Hough变换提取特征缺陷,针对SVM算法训练速度慢的特点,利用模糊Kohonen神经网络对重轨表面缺陷进行分类。采用上述机器视觉检测关键技术对热态重轨表面进行缺陷识别,提高了检测速度,且正确率在85%以上。     

管道焊缝缺陷图像特征参数的提取

焊缝的质量直接影响管道的使用寿命.有效检测出焊缝的缺陷,具有十分重要的现实意义和经济价值.本文介绍了焊缝图像缺陷特征参数的提取方法,为管道焊缝缺陷识别与评价奠定了基础,为管道焊缝质量控制和缺陷检测提供技术保障.     

基于模糊理论的焊缝缺陷图像识别算法研究

为提高无损检测中焊缝缺陷射线检测效率、降低人工操作强度,针对射线胶片焊缝缺陷自动检测技术普遍存在难以自动准确识别缺陷问题,充分利用焊缝图像中各种信息,提出了一种焊缝缺陷智能检测识别方法。基于自动选择阈值,使用模糊集合进行灰度变换以增强图像对比度;利用最大类间方差算法(OTSU)求解自适应阈值,检测并提取焊缝边缘;依据缺陷几何特征识别不同缺陷。结果表明,该系统可以较为准确地检测各种焊缝图像的边界和缺陷,具有较好地适应性和实用性。     

高频焊管错边缺陷的图像处理及特征提取

为准确捕捉到高频焊管错边缺陷的图像照片,建立了高频焊管焊缝图像的CCD视觉系统.对错边缺陷的焊缝图像进行了特征分析,使用形态学方法对焊管错边缺陷进行图像处理,提取图像边缘,在此基础上进一步提取了焊缝宽度和亮度信息.研究结果表明:焊缝宽度和焊缝边缘亮度可以作为视觉检测焊缝错边缺陷的重要图像特征,为进一步构建高频焊管焊缝缺陷视觉检测系统提供了基础.在虚拟仪器开发软件LabVIEW环境下,选择比色测温法构建了高频焊管焊接温度控制系统,并进行温控试验.试验结果表明:采样比色测温模式可较好降低烟尘、水汽等因素对测温的影响,提高测温结果的稳定性和精度,在测温稳定准确的基础上,温控系统控温效果良好.     

基于稀疏成像与机器视觉的金属材料次表面缺陷检测方法

传统方法缺陷区域的轮廓边缘存在断续,缺陷定位区域封闭性较差,导致检测识别准确率较低。针对这一问题,提出基于稀疏成像与机器视觉的金属材料次表面缺陷检测方法。扫描采集材料次表面二维图像,采用均值滤波和高斯滤波,对图像进行去噪处理,分割次表面缺陷的预处理图像,利用机器视觉,定位并合并缺陷区域,提取灰度、形状、纹理缺陷特征,利用稀疏成像,修正特征参数,对参数进行BP神经网络训练,进而识别金属次表面缺陷类型。选取钢管的凹坑、划痕和擦伤次表面缺陷,进行对比实验,结果表明,此次方法提高了缺陷检测识别准确率,更加符合检测方面的要求。     

钢轨表面图像冗余信息的模糊匹配算法

为了解决高速铁路轨道表面缺陷机器视觉检测系统中采集图像的冗余问题,本文提出一种钢轨表面图像冗余信息的模糊匹配算法.该种算法首先采用竖直投影法提取钢轨表面区域;之后对钢轨表面区域进行预处理并二值化,得到缺陷的位置信息;然后通过感知哈希算法,得到钢轨表面缺陷的形态信息;最后计算缺陷的位置误差和形态相似度,基于模糊匹配算法,得到匹配结果.通过实验验证,该算法能有效识别系统图像中的冗余部分,准确率达到97.5%.     

基于深度学习One-stage方法的焊缝缺陷智能识别研究

目前基于深度学习的卷积神经网络在对焊缝缺陷射线图像进行智能识别时,多采用基于候选区域的two-stage方法,检测速度难以满足实时性要求。针对该问题,提出基于深度卷积神经网络的one-stage焊缝缺陷识别定位算法,将整张图像输入网络,并直接在输出图像上标定目标缺陷位置及类别。通过采用特征金字塔、减小网络深度、引入跳跃连接卷积块和K-means算法等方法对YOLO网络进行改进,提高了网络对焊缝缺陷识别定位的准确率和速度。实验结果表明:该方法比two-stage识别定位算法和YOLO原网络在检测速度和检测精度方面都有所提升,单个图像的平均识别准确率为94.9%,召回率为94.1%,处理时间为19.58 ms,具备焊缝缺陷在线实时识别的工程应用价值。     

基于多类支持向量机的X射线焊缝图像缺陷类型识别方法

压力容器的焊缝结构多变,纹路复杂,这增加了压力容器检测时焊缝缺陷定级的难度,提出一种基于多类支持向量机的X射线焊缝图像缺陷类型识别方法。首先通过对X射线焊缝图像进行预处理及缺陷轮廓检测,提取表征焊缝缺陷的状态特征,以构造特征向量,然后基于多类支持向量机建立焊缝缺陷识别模型,对产品的焊缝缺陷进行分类识别。实验结果表明了该方法的有效性。     

焊缝图像边缘线提取的一种有效算法

基于机器视觉智能焊接自动化,提出了一种有效的焊缝识别算法.通过对图像进行滤波、图像锐化、二值化增强,以及针对二值化后的图像以形态学滤波方法进一步滤除图像中的孤点噪声等方式,采用Roberts边缘算子提取出焊缝图像的边缘,并利用骨架运算提取.在预处理和检测时都使用感兴趣区域.结果表明,该算法具有良好的实时性、可靠性和鲁棒性.     

表面贴装器件图像处理关键技术研究

针对贴片机中表面贴装器件(Surface Mount Device,SMD)的视觉测量问题,研究了SMD的图像识别和测量算法.基于视觉飞行对中技术获取SMD图像.根据SMD的几何特征,提出了用于其图像处理流程的高斯滤波、迭代算法和最小面积外接矩形算法,并分别在Halcon和OpenCV两大机器视觉平台上进行对比分析与验证.     

基于模糊模式识别的焊缝缺陷图像检测

以埋弧焊管焊缝的X射线检测图像为对象,通过图像处理、特征提取和模糊识别实现了对缺陷的识别。为提高识别精度与实时性,采用主成分分析法对采集图像的像素矩阵进行了主元分析,结合模糊识别中的模糊C均值聚类算法对圆形缺陷和线形缺陷进行识别。相比于传统的通过提取缺陷的若干几何特征分类识别的方法,此方法具有算法简单、占用内存空间小、识别准确率高、实时性强等特点。最终平均识别率可达到90.93%,能够较准确地对焊缝缺陷进行分类识别。     

专用焊接打磨机器人视觉系统的研究

针对水轮机修复专用机器人视觉系统进行了系统地描述,并对其硬件与图像处理方法作了较详细地阐述.采用主动视觉检测法,利用CCD摄像机等相关硬件获取图像和小波变换对获取后图像进行处理,实现了对叶片表面缺陷的识别并且引导机器人焊枪跟踪焊缝,实时调整焊枪姿态,以完成补焊及焊后打磨工作.     

高铁轮毂表面缺陷的视觉显著性超像素图像检测方法

针对高铁轮毂表面缺陷实时在线检测问题,提出一种基于视觉显著性注意机制的超像素自适应检测方法。首先采用同态滤波器对缺陷图像进行预处理,去除环境光污染噪声引起的图像亮度分布不均匀问题,构建轮毂表面缺陷图像的谱残差视觉注意模型,之后采用超像素分割算法对缺陷显著性图像进行自适应阈值分割,标记出高铁轮毂表面缺陷的二维空间位置,实现轮毂表面缺陷的边界检测和形态估计。本文方法在高铁轮毂表面缺陷检测实验平台上进行了实验验证,结果表明：该方法能够有效抑制图像分割中的过分割问题,对缺陷的边界信息提取准确,鲁棒性较好。