基于视觉传感的薄板对接焊缝特征提取方法的研究.docx

基于视觉传感的薄板对接焊缝特征提取方法的研究
摘要：
本文提出了一种基于视觉传感的薄板对接焊缝特征提取方法。该方法主要包括三个步骤：基于灰度共生矩阵的图像增强、基于Canny算子的边缘检测和基于形状特征的焊缝提取。实验结果表明，该方法可以有效地提取出薄板对接焊缝的边界和形状特征，为后续焊接自动化控制提供了可靠的数据支持。
关键词：视觉传感；薄板对接焊缝；特征提取；灰度共生矩阵；Canny算子；形状特征
正文：
引言
薄板对接焊缝具有焊接速度快、焊接成本低、焊接后形变小等优点，因此在工业生产中得到了广泛应用。随着“智能制造”理念的不断提升，自动化焊接技术也得到了快速发展。而对于焊接的自动化控制，首先需要解决的就是对焊缝进行准确、快速的特征提取。因此，本文旨在提出一种基于视觉传感的薄板对接焊缝特征提取方法，为后续的焊接自动化控制提供可靠的数据支持。
方法
本文提出的特征提取方法主要包括三个步骤：基于灰度共生矩阵的图像增强、基于Canny算子的边缘检测和基于形状特征的焊缝提取。下面将分别进行介绍。
1.基于灰度共生矩阵的图像增强
图像增强是图像处理的一个基本步骤，对于薄板对接焊缝的特征提取来说也是至关重要的。本文选择了灰度共生矩阵进行图像增强。对于输入图像I(x,y)和位移向量(dx,dy)，灰度共生矩阵G(theta)的定义如下：
其中，P(i,j)表示灰度值为i和j的像素对在角度theta方向上的出现概率，theta为位移向量(dx,dy)的方向。
本文采用了对称及灰度翻转的灰度共生矩阵，即：
G(theta)=P(i,j)+P(j,i)(theta=0,45,90,135)
P(i,j)+P(j,i)(theta=-45,-90,-135)
图像增强的公式如下：
I_enhanced(x,y)=sum(G(theta)*I(x+dx,y+dy))
2.基于Canny算子的边缘检测
边缘检测是图像处理中的一个重要环节，可以有效地提取出图像中的边缘信息。本文采用了经典的Canny算子进行边缘检测。Canny算子主要有四个步骤，即高斯滤波、求梯度、非极大值抑制和双阈值处理。其中，高斯滤波可以去除噪声；而求梯度、非极大值抑制和双阈值处理可以有效地将边缘提取出来。
3.基于形状特征的焊缝提取
在进行边缘检测之后，接下来需要进行焊缝的提取。由于焊缝在图像中的形状比较规则，因此可以运用相关形状特征进行提取。本文采用了以下步骤进行焊缝提取：
（1）对边缘进行二值化处理；
（2）对二值化图像进行闭运算，填充图像中的空隙；
（3）对闭运算后的图像进行开运算，去除残留的噪点；
（4）对二值化图像进行Hough变换，检测出直线；
（5）根据检测出的直线，计算出线段的端点坐标；
（6）根据端点坐标，计算出线段之间的平行度和距离，提取出焊缝的位置。
实验结果
本文对实验样本进行了特征提取，其中图像大小均为3000×2000像素，焊缝宽度为3毫米。实验结果表明，本文提出的特征提取方法可以有效地提取出薄板对接焊缝的边界和形状特征，如图1所示。
图1薄板对接焊缝特征提取实验结果
结论
本文提出了一种基于视觉传感的薄板对接焊缝特征提取方法，主要包括三个步骤：基于灰度共生矩阵的图像增强、基于Canny算子的边缘检测和基于形状特征的焊缝提取。实验结果表明，该方法可以有效地提取出薄板对接焊缝的边界和形状特征，为后续焊接自动化控制提供了可靠的数据支持。
参考文献
[1]陈新华.智能焊接技术的研究与应用[D].河南大学,2019.
[2]吴宝鑫.基于视觉感知的焊缝检测技术研究[D].北京交通大学,2017.
[3]周维明.基于Canny算子的图像边缘检测研究[J].计算机应用与软件,2019,36(7):238-241.