畢業(yè)論文-機(jī)器視覺在焊縫檢測中的應(yīng)用

III機(jī)器視覺在焊縫檢測中的應(yīng)用摘要：本文采用機(jī)器視覺對焊縫進(jìn)行檢測，對機(jī)器視覺系統(tǒng)、焊縫圖像的采集和圖像的處理識別等技術(shù)進(jìn)行研究，實(shí)現(xiàn)了對焊縫的檢測。首先，為保證獲取圖像的質(zhì)量，方便后期圖像的處理，對機(jī)器視覺系統(tǒng)部件進(jìn)行選擇，包括光源、攝像機(jī)、鏡頭、圖像采集卡重要部件。其次，對焊縫圖像的處理和特征提取是本文的核心部分，從CCD獲得原始焊縫圖像后，利用圖像處理技術(shù)對圖像進(jìn)行有效處理，包括圖像濾波、邊緣檢測、去除偽邊緣、提取焊縫邊緣、圖像細(xì)化、直線擬合，最終有效的提取出焊縫的中心線位置信息，達(dá)到對焊縫圖像進(jìn)行檢測的預(yù)期目的。最后，通過對相關(guān)缺陷識別標(biāo)準(zhǔn)的分析，歸納總結(jié)焊接構(gòu)件表面缺陷的特征參數(shù)，對焊縫缺陷進(jìn)行識別。關(guān)鍵詞：機(jī)器視覺，焊縫檢測，圖像處理TheApplicationOfMachineVisionInTheWeldAbstract:Inthispaper,weldlineswastestedbymachinevision,andthemachinevisionsystem,weldimageacquisitionandimageprocessingandrecognitionarestudied,theultimategoalistorealizethedetectionoftheweldseam.First,thearticleneedtoselectthemachinedependingonthesystemcomponents,onlyinthiswaycanguaranteethequalityoftheimage,andfacilitatetheprocessingofthelateimage.Thepartsincludedthelightsource,camera,lensandimageacquisitioncard.Secondly,thecoreofthispaperisprocessingweldimageandfeatureextractionoftheweldimage.TheoriginalimageobtainedfromCCDwaseffectivelyprocessedbyimageprocessingtechnology,includingimagefiltering,edgedetection,removalofpseudoedgeandsoon.Intheend,thegoalistogetthepositioninformationoftheweldcenterline,andachievetheexpectedpurposeoftheweldimagedetection.Finally,thecharacteristicsofthedefectsareidentifiedbytheanalysisoftherelevantdefectidentificationcriteriaandsummarizesthecharacteristicparametersofsurfacedefectweldedcomponents.Keywords:Machinevision,Welddetection,ImageProcessing

目錄1前言 11.1課題研究背景及意義 11.2機(jī)器視覺概述 11.3焊縫檢測概述 31.4圖像處理技術(shù) 51.5本文主要研究內(nèi)容 52機(jī)器視覺系統(tǒng) 72.1機(jī)器視覺系統(tǒng)的總體框架 72.2光學(xué)照明 72.3CCD相機(jī)的特性分析 82.3.1CCD的分類 92.3.2CCD的選擇 92.4圖像采集卡 102.5機(jī)器視覺系統(tǒng)開發(fā)時使用的軟件系統(tǒng)HALCON 112.6本章小結(jié) 123焊縫圖像獲取和圖像處理 133.1圖像取得過程 133.2圖像處理過程 133.3焊縫圖像預(yù)處理 143.3.1焊件圖像灰度化 143.3.2圖像平滑 163.3.3圖像濾波 173.3.4圖像銳化處理 183.3.5邊緣提取 193.4圖像輪廓跟蹤和提取 223.5圖像細(xì)化 233.6邊緣曲線擬合 243.7焊縫的中線提取 263.8本章小節(jié) 274焊縫缺陷的識別 284.1缺陷特征參數(shù)的設(shè)定 284.1.1缺陷區(qū)域的周長 284.1.2缺陷區(qū)域的面積 294.1.3缺陷區(qū)域的圓形度 294.2焊縫缺陷的分類 304.2.1真實(shí)缺陷 304.2.2偽缺陷 334.3焊接缺陷對構(gòu)件質(zhì)量的影響 334.4本章小節(jié) 345結(jié)論 35參考文獻(xiàn) 36致謝 38太原工業(yè)學(xué)院畢業(yè)設(shè)計(jì)PAGE391前言1.1課題研究背景及意義焊接是作為一項(xiàng)和新興學(xué)科發(fā)展聯(lián)系非常緊密的綜合性的先進(jìn)加工技術(shù),在現(xiàn)代化加工生產(chǎn)中的應(yīng)用十分廣泛,例如在石油管道、材料加工、機(jī)械設(shè)計(jì)、核工業(yè)以及航天工業(yè)等方面。但焊接過程特別容易受到操作手的焊接熟練程度、焊接環(huán)境的好壞等因素的影響，從而導(dǎo)致構(gòu)件會出現(xiàn)很多焊縫缺陷，使產(chǎn)品出現(xiàn)質(zhì)量問題，嚴(yán)重的話會導(dǎo)致整個產(chǎn)品無法繼續(xù)使用，造成一系列損失。因此,在焊接工藝中,必須對焊縫中出現(xiàn)的氣孔、裂紋、未焊透、夾渣等焊縫缺陷進(jìn)行檢測，其焊縫檢測質(zhì)量的結(jié)果好壞會直接影響產(chǎn)品的可靠性和壽命。視覺是人類從外界獲取信息的一種重要途徑，視覺的表現(xiàn)形式是圖像，所以圖像是視覺信息的載體。一直以來，人們在機(jī)器視覺領(lǐng)域投入了大量的研究力量，通過機(jī)器來進(jìn)行視覺檢測、控制等應(yīng)用越來越廣泛。而且，現(xiàn)在計(jì)算機(jī)技術(shù)日益成熟，不再是處理傳統(tǒng)的二值圖像，現(xiàn)在可以處理各種高分辨率甚至彩色的圖像。在處理二維圖像信息到三維立體視覺信息及視覺系統(tǒng)模型的創(chuàng)建到算法開發(fā)研究等領(lǐng)域，都取得了非常大的進(jìn)展。而且現(xiàn)在機(jī)器視覺已經(jīng)發(fā)展到一個新的階段，在生活中，隨處可以看見視覺產(chǎn)品，能夠很大程度的促進(jìn)機(jī)器視覺體系的完善。隨著產(chǎn)品的自動化、智能化深入，機(jī)器視覺有非常大的潛力。機(jī)器視覺主要可以構(gòu)成視覺修正系統(tǒng)和視覺監(jiān)視系統(tǒng)，它的主要任務(wù)是進(jìn)行各種圖像的處理，獲取有用的空間信息。圖像處理是指對采集來的圖像進(jìn)行加工處理，提取出有用信息，通過一些技術(shù)去除噪點(diǎn)及不相關(guān)信息，從而可以更好的驅(qū)動機(jī)械，完成相應(yīng)工作，提高產(chǎn)業(yè)的智能化，更好的提高效率。本課題研究的是機(jī)器視覺在焊縫檢測中的應(yīng)用。機(jī)器視覺隨著計(jì)算機(jī)技術(shù)、圖像傳感技術(shù)等技術(shù)的發(fā)展，被廣泛的應(yīng)用到各行業(yè)中，可以說是現(xiàn)代工業(yè)的核心技術(shù)之一。比如在醫(yī)學(xué)上的計(jì)算機(jī)治療、三維掃描儀、交通系統(tǒng)中的車牌識別、汽車制造、產(chǎn)品加工等中的應(yīng)用。在此背景下，在焊縫檢測中，使用機(jī)器來替代傳統(tǒng)的人工檢測，并且完成焊縫缺陷的識別和分類，這將大大的提高檢測效率，有一定的發(fā)展前景和實(shí)際意義。1.2機(jī)器視覺概述眼睛是人與外界進(jìn)行信息交流的重要器官，但人類雙眼具有一定的局限性，在一些條件惡劣的地方和人類作業(yè)很不方便的情況下很難發(fā)揮出什么作用。所以人類就希望在一些特定的環(huán)境里機(jī)器可以幫助甚至代替人眼來獲得我們所需要的信息，從而可以方便人類的后續(xù)工作?？傊?，機(jī)器視覺就是使用機(jī)器來代替人眼做測量，并在獲得信息的基礎(chǔ)上做出基本判斷。當(dāng)今世界，中國是世界機(jī)器視覺發(fā)展最迅速的地區(qū)之一，在各個領(lǐng)域中都有舉足輕重的地位。表1.1機(jī)器視覺與人眼視覺能力比較能力人眼視覺機(jī)器視覺運(yùn)動判斷定量分析定量分析，但受限制測距定量估測局限性很大定方向定量估測定量計(jì)算邊緣區(qū)域檢測定量、定性分析對信噪比敏感圖像機(jī)構(gòu)非常發(fā)達(dá)需要專用軟件，能力有限圖像形狀非常發(fā)達(dá)受分割、噪聲限制陰影非常發(fā)達(dá)水平較低三維解釋非常發(fā)達(dá)能力很差二維解釋非常發(fā)達(dá)局限性很大整體評估適合復(fù)雜非結(jié)構(gòu)環(huán)境的定量解釋適合簡單結(jié)構(gòu)環(huán)境的定量測量表1.2機(jī)器視覺與人眼視覺性能標(biāo)準(zhǔn)比較性能標(biāo)準(zhǔn)機(jī)器視覺人眼視覺分辨率能力有限定量估計(jì)處理速度零點(diǎn)幾秒/每幀圖像定量估計(jì)視覺功能串行處理，部分并行處理眼睛每秒處理(實(shí)時)1010空間數(shù)據(jù)視覺功能二維、三維立體視覺有限自然形式三維立體視覺感光范圍紫外、紅外、可見光可見光機(jī)器視覺是是通過圖像攝取裝置（CMOS和CCD），對目標(biāo)對象得圖像進(jìn)行實(shí)時獲取，然后利用圖像采集卡將圖像數(shù)字化，然后計(jì)算機(jī)會對數(shù)字化后的圖像進(jìn)行一系列圖像和算法的處理，從而獲得目標(biāo)焊縫的特征，系統(tǒng)可以對焊縫特征進(jìn)行自動識別，進(jìn)而根據(jù)得到的信息以及目標(biāo)環(huán)境控制設(shè)備進(jìn)行下一步行動。機(jī)器視覺所涉及得學(xué)科非常多，可以說是綜合性學(xué)科，與圖像理解、圖像處理、計(jì)算機(jī)軟硬件技術(shù)、模擬與數(shù)字視頻技術(shù)、控制技術(shù)、照明等領(lǐng)域緊密相關(guān)。除此之外，機(jī)器視覺在軍事、農(nóng)業(yè)、航空航天、工業(yè)、醫(yī)藥等領(lǐng)域都扮演著非常重要的角色。1.3焊縫檢測概述焊縫檢測和識別技術(shù)有40多年的研究發(fā)展歷史，從實(shí)驗(yàn)研究逐漸走向?qū)嵺`生產(chǎn)，并且隨著機(jī)械化生產(chǎn)的快速發(fā)展，生產(chǎn)的智能化，焊縫檢測技術(shù)已經(jīng)發(fā)展到新的高度。當(dāng)時為了降低設(shè)備安裝復(fù)雜度、減少工件形變、飛濺等干擾因素造成的焊接位置偏差，提高焊縫精度，從而對焊縫檢測進(jìn)行了研究。現(xiàn)代的焊接技術(shù)將焊接自動控制化、焊接工藝制造自動化技術(shù)融合在了一起。焊接過程自動化控制包含焊縫得自動識別和焊接特征參數(shù)得自動控制兩個方面[1]。傳統(tǒng)檢測定位精度不夠，經(jīng)常會出現(xiàn)焊縫偏差較大等結(jié)果，無法滿足焊接需求。通過機(jī)器視覺技術(shù)進(jìn)行焊縫檢測，并將其應(yīng)用到生產(chǎn)中，使焊接控制自動化程度有了明顯提高，現(xiàn)已成為自動化控制的研究熱點(diǎn)[2]。在焊縫檢測系統(tǒng)中的自動化控制上，伴隨視覺傳感技術(shù)、圖像處理、信息技術(shù)、智能控制、模式識別等技術(shù)的快速發(fā)展，已經(jīng)取得了很大地成功。特別是圖形處理技術(shù)和視覺傳感技術(shù)的發(fā)展，對焊縫機(jī)器人進(jìn)行各種焊接控制的識別和檢測起了極大的支撐作用。又隨著視覺傳感技術(shù)的應(yīng)用和推廣，使國內(nèi)外焊縫跟蹤系統(tǒng)出現(xiàn)了各種商業(yè)化產(chǎn)品。一直以來，國際上對焊縫檢測技術(shù)很早就開始研究，所涉及的研究范圍、學(xué)科領(lǐng)域十分廣泛，而且取得的成果也是十分巨大的，主要集中在跟蹤系統(tǒng)和自動化控制算法的研究。例如，在控制算法的部分研究成果如下：20世紀(jì)80年代中期，D.Lakov教授提出將模糊模型應(yīng)用到對焊接過程中不確定性的研究中，視覺識別方面使用配置的非接觸式激光傳感器，從而實(shí)現(xiàn)對焊縫的準(zhǔn)確跟蹤，通過很多次的實(shí)驗(yàn)論證，采用模糊集概念能夠進(jìn)行實(shí)時預(yù)測、評估和控制[3，4]。20世紀(jì)90年代，N.Nayak等人設(shè)計(jì)出分級控制方法實(shí)現(xiàn)可以對焊縫自動化跟蹤控制系統(tǒng)，此系統(tǒng)通過分析三維焊縫圖像，可以準(zhǔn)確進(jìn)行預(yù)測和焊縫識別[4]。H.B.Smartt等人在對焊縫跟蹤控制的研究中結(jié)合使用模糊控制技術(shù)和人工神經(jīng)網(wǎng)絡(luò)，通過計(jì)算和獲取焊縫位置偏差，從而實(shí)現(xiàn)對焊縫位置的控制[2]。在焊縫檢測研發(fā)系統(tǒng)方面主要有：WorthingtonIndustries公司曾經(jīng)研制出一種焊縫跟蹤檢測設(shè)備，能夠?qū)す夂附舆M(jìn)行準(zhǔn)確的跟蹤，而且最高精度可以達(dá)到0.1mmMetaMachinesLtd研發(fā)的MetaTorch200和MetaTorch500都是通過激光為光源的焊縫跟蹤系統(tǒng)，定位精度達(dá)到0.1mm[2,24]。Servo-Robot公司成功將高分辨率的激光攝像機(jī)應(yīng)用到視覺傳感的焊縫跟蹤系統(tǒng)中，而且能夠?qū)崿F(xiàn)對焊接自動控制，對焊接跟蹤的速度最快達(dá)到10m/min。ASEA公司研發(fā)出LaserTrack視覺跟蹤系統(tǒng)，對焊接過程已經(jīng)可以實(shí)現(xiàn)自動控制，全過程不再需要人工的參與[5]。在焊接過程中，如何對焊縫實(shí)現(xiàn)自動檢測，國外的研究者已經(jīng)進(jìn)行了大量的研究，與此同時，在焊接自動化控制的研究上我國也取得了極大的進(jìn)步。其中清華大學(xué)陳強(qiáng)、何方殿和潘際鑾等多位教授對通過對焊接跟蹤系統(tǒng)中的傳感設(shè)備進(jìn)行長久的分析研究，各種性能進(jìn)行分析，提出基于焊縫圖像特征的焊縫軌跡識別算法，該算法通過使用圖像處理技術(shù)對焊縫進(jìn)行分割，將其分成多段，再通過特征向量來進(jìn)行描述，而且前段焊縫特征可以對下段焊縫的識別進(jìn)行指導(dǎo)，能夠準(zhǔn)確對各種坡口進(jìn)行識別，并能夠根據(jù)實(shí)際情況進(jìn)行自適應(yīng)控制[6,7]。山東大學(xué)研發(fā)出視覺傳感設(shè)備為CCD攝像機(jī)，通過脈沖焊接來獲得熔池參數(shù)的檢測系統(tǒng)，系統(tǒng)能夠獲得比較高清的熔池圖像，并且可以通過圖像處理技術(shù)得出熔池的熔池半長、熔寬、熔池后拖角、熔池后部面積等幾何參數(shù)，該系統(tǒng)在焊接過程自動化控制中有廣泛的應(yīng)用。華南理工大學(xué)的研究者在焊縫檢測中同樣做了大量的研究，他們通用傳感器來采集焊縫信息，將模糊控制和人工智能應(yīng)用在焊接系統(tǒng)中，并且提出基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)共振理論的焊縫跟蹤算法[7,8]。該算法的核心思想是通過將焊縫橫截面上的灰度分布劃分成多種空間模式，并通過特定的算法存儲在神經(jīng)網(wǎng)絡(luò)，然后通過傳感器獲取的實(shí)際焊接圖像的空間模式和存儲的空間模式進(jìn)行匹配，通過分布信息來計(jì)算出焊縫中心和焊距的偏差，從而可以準(zhǔn)確地在模糊控制中進(jìn)行應(yīng)用[9]。以上，通過介紹國內(nèi)外焊縫跟蹤的研究成果，很明顯視覺傳感技術(shù)、模式識別技術(shù)、圖像處理的研究將是焊接系統(tǒng)發(fā)展的方向。通過將視覺傳感器和焊接自動化控制進(jìn)行結(jié)合，使系統(tǒng)可以得到更多有用的信息，然后將獲得的信息進(jìn)行處理和模式識別，從而可以為焊接系統(tǒng)智能化和自動化提供了研究基礎(chǔ)。1.4圖像處理技術(shù)在焊接過程中，周圍的環(huán)境會對圖像的攝取有很大的影響，比如煙霧、弧光等，尤其是弧光對攝取的焊縫圖像質(zhì)量影響更大，所以在焊縫檢測中圖像處理技術(shù)有極其重要的作用，是焊縫檢測系統(tǒng)的核心之一。它通過對CCD視覺傳感器采集到的圖像信息進(jìn)行處理，對焊縫特征進(jìn)行提取。一般情況下，圖像處理技術(shù)包括圖像預(yù)處理、圖像分割和圖像后處理三個過程，通在經(jīng)過處理后我們就可以得到焊縫位置的精確信息。圖像處理的過程如圖1.1所示：圖像預(yù)處圖像預(yù)處理圖像后處理圖像分割中值濾波、均值濾波、拉普拉斯濾波等各種濾波技術(shù)閾值分割、梯度分割、邊緣檢測、等分割方法細(xì)化、粗化、距離變換等二值圖像運(yùn)算方法圖1.1圖像處理過程1.5本文主要研究內(nèi)容伴隨著焊縫技術(shù)的發(fā)展，現(xiàn)在焊接手段已從手工焊接發(fā)展成為高精度、自動化的焊接生產(chǎn)手段，傳統(tǒng)手工焊接已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足現(xiàn)在在焊接需求及焊接質(zhì)量上的要求。因此，在焊接過程中引入機(jī)器視覺和圖像處理技術(shù)對焊縫進(jìn)行檢測，對焊接自動化程度有很大的提高，在保證焊縫的質(zhì)量中焊縫檢測和對焊縫如何進(jìn)行有效跟蹤是關(guān)鍵，在焊接過程中，首先通過視覺傳感設(shè)備對目標(biāo)對象進(jìn)行檢測，然后對焊接過程進(jìn)行實(shí)時檢測及控制，這直接對焊接的質(zhì)量有決定性的作用，所以研究機(jī)器視覺在焊縫檢測中的應(yīng)用有十分重要的意義。主要研究內(nèi)容如下：（1）首先對機(jī)器視覺及其相關(guān)的理論知識進(jìn)行介紹，其中包括機(jī)器視覺體系、它的發(fā)展動力因素及它所涉及的相關(guān)技術(shù)等概念。對機(jī)器視覺系統(tǒng)了解后，我們就可以更好的理解其應(yīng)用。（2）對焊縫檢測系統(tǒng)的總體框架、視覺系統(tǒng)及圖像采集系統(tǒng)進(jìn)行介紹，在總體架構(gòu)上對焊縫圖像采集方式和處理方法進(jìn)行介紹。（3）機(jī)器視覺系統(tǒng)的根本目的是對圖像進(jìn)行處理并將其應(yīng)用到生產(chǎn)中。接下來對焊縫圖像處理的全過程及其處理方法進(jìn)行詳細(xì)的描述。其中包括平滑、中值濾波、邊緣檢測和焊縫中心線提取等一系列操作。

2機(jī)器視覺系統(tǒng)現(xiàn)代的焊接技術(shù)主要是基于機(jī)器視覺的焊縫檢測技術(shù)，它的方式主要是通過視覺方法先得到焊縫圖像，然后通過圖像分析及處理，從而可以得到焊縫圖像的特征及其特征參數(shù)，能夠?qū)附舆^程進(jìn)行有效的指導(dǎo)，所以被廣泛應(yīng)用在焊接領(lǐng)域。本章節(jié)將對機(jī)器視覺系統(tǒng)的組成部分及其工作原理進(jìn)行介紹。2.1機(jī)器視覺系統(tǒng)的總體框架一般一個典型的機(jī)器視覺系統(tǒng)主要由光照、CCD攝像機(jī)、圖像采集卡和圖像處理單元四部分組成。當(dāng)中任何一部分都對系統(tǒng)有及其重要的作用。圖2.1為一個典型的機(jī)器視覺系統(tǒng)的基本結(jié)構(gòu)：圖像采集卡計(jì)算機(jī)圖像采集卡計(jì)算機(jī) 光照CCD攝像機(jī)光照CCD攝像機(jī)圖2.1機(jī)器視覺系統(tǒng)結(jié)構(gòu)它的工作原理是，首先通過CCD攝相機(jī)來攝取焊縫的圖像，然后通過圖像采集卡將其傳輸?shù)焦た貦C(jī)，通過工控機(jī)對圖像進(jìn)行各種處理，從而就可以得到焊縫圖像特征及特征參數(shù)。然后就可以對下一步的焊接過程進(jìn)行有效的指導(dǎo)。2.2光學(xué)照明首先在機(jī)器視覺系統(tǒng)中，找到好的光源，給目標(biāo)提供合適的光照條件是整個系統(tǒng)能否成功的關(guān)鍵，是視覺系統(tǒng)的基礎(chǔ)，所謂的照明并不是直接給目標(biāo)打上光而已，好的光照要能夠?qū)⒛繕?biāo)的特征顯現(xiàn)出來，而且能夠在目標(biāo)對象上讓檢測部分與其他部分有顯著的區(qū)別，有足夠的對比度。除此之外，還應(yīng)當(dāng)盡量保證目標(biāo)的整體亮度，所采集到的圖像不會因?yàn)槟繕?biāo)位置有所變化而圖像質(zhì)量下降。一般在機(jī)器視覺系統(tǒng)中，有反射光和透視光兩種。對反射光而言，應(yīng)當(dāng)充分考慮光學(xué)鏡頭和光源的相對位置、物體的幾何形狀、物體的表面紋理等要素。同時光源的選擇還應(yīng)當(dāng)符合系統(tǒng)所需的照明亮度幾何形狀、發(fā)光的光譜特性、均勻度等，還要考慮到光源的使用壽命和發(fā)光效率。在系統(tǒng)中光源的作用就是對圖像進(jìn)行采集時能夠提供相適應(yīng)的照明。其作為獲得圖像的第一步，它的重要性可想而知，因?yàn)楂@取的圖像質(zhì)量的好壞將直接影響后面對圖像的準(zhǔn)確分析。使用光源的目的如下[10]：（1）將目標(biāo)對象和背景區(qū)域能夠明顯區(qū)分開；（2）增強(qiáng)目標(biāo)對象的邊緣清晰度；（3）將運(yùn)動中的目標(biāo)對象“凝固”在圖像上；（4）消除噪音；（5）消除陰影。LED光源是目前應(yīng)用比較廣泛的視覺光源,其主要原因是:（1）抗沖擊及防震動性能好,壽命比較長，功耗很低；（2）高頻特性好，發(fā)光響應(yīng)速度很快而且單色性好；（3）LED光源比較節(jié)能、不會引起環(huán)境污染；（4）有很多種顏色可以選,可以根據(jù)不同被測物體的材質(zhì)和表面特征選擇不同顏色的光源,從而獲得更好的圖像。2.3CCD相機(jī)的特性分析電荷耦合器件，即CCD(ChargeCoupledDevice)，和大多數(shù)以電壓或電流為信號的器材是有區(qū)別的，CCD是以電或光產(chǎn)生的電荷為信號。當(dāng)CCD相機(jī)受到特定時序的脈沖時，存儲在CCD器件中的MOS（金屬-氧化物-半導(dǎo)體）電容器中的信號電荷就可以在相機(jī)內(nèi)作定向傳輸，然后將信號電荷傳輸?shù)叫盘柼幚黼娐愤M(jìn)行處理，就可以顯示出采集信號。CCD與其他設(shè)備在功能上相比有如下特點(diǎn)[11]：（1）重量輕體積小，抗震動與沖擊性能好（2）與超大規(guī)模集成電路的集成性好，采集圖像清晰，像素分辨率高；（3）圖像采集控制的靈敏度高而且噪聲信息較少，動態(tài)范圍大；（4）控制響應(yīng)速度較快，具有掃描功能而且圖像畸變比較小，圖像沒有殘像；（5）工作電壓低，功耗小，壽命長且工作性能穩(wěn)定。2.3.1CCD的分類CCD器件的功能是將二維圖像的光學(xué)信號轉(zhuǎn)變?yōu)橐痪S信號并將圖像輸出，從設(shè)計(jì)結(jié)構(gòu)上分類，CCD可以分為線陣CCD和面陣CCD兩大類。線陣CCD攝像機(jī)的光照敏感區(qū)是由MOS電容或光敏二極管組成，加工工藝比較簡單，成本相對低，因?yàn)樗慕Y(jié)構(gòu)特點(diǎn)，所以線陣CCD攝像機(jī)的感光單元數(shù)目比較多，在測量精度相同的條件下，該攝像機(jī)的測量范圍更大，而且實(shí)時的自掃描和光電轉(zhuǎn)換信號速度較快。根據(jù)線陣CCD內(nèi)部結(jié)構(gòu)進(jìn)行分類，可以分為單溝道和雙溝道兩種。線陣CCD在攝取二維圖像的過程中會受到其結(jié)構(gòu)影響，所以必須按照掃描的方式來進(jìn)行圖像采集，根據(jù)光積分的時間可以確定采集圖像所需時間。所以，線陣CCD的有效像素數(shù)可以決定采集到的圖像的縱向分辨率，而光積分時間和采集時間可以決定其橫向分辨率。所以可以通過調(diào)整CCD和目標(biāo)對象間運(yùn)動的相對速度來控制圖像的橫向分辨率。所以線陣CCD在條形掃碼等領(lǐng)域應(yīng)用較廣泛。與線性CCD相比面陣CCD的內(nèi)部結(jié)構(gòu)較復(fù)雜，它由多個一維光照敏感區(qū)組合成二維陣列，并按照所需的組合成面陣CCD，所以它的圖像的分辨率由自身的結(jié)構(gòu)所決定且不會受到采集方式的干擾。按照其組合連接方式，可以將它分為行幀間轉(zhuǎn)移型（FIT）、行間轉(zhuǎn)移型（IT）及幀間轉(zhuǎn)移型（FT）三大類。面陣CCD所有的像素全部用于感光區(qū)，在采集圖像的時候，像素會用于處理電荷的傳輸，而不再采集新的圖像。與此同時，因?yàn)槊骊嘋CD本身制造結(jié)構(gòu)的特點(diǎn)，所以該類CCD通過機(jī)械控制的方式來實(shí)現(xiàn)對快門開關(guān)的控制，對鏡頭的入射光線進(jìn)行隔離，從而保證采集圖像的質(zhì)量。所以在物體外形尺寸的測量等領(lǐng)域面陣CCD應(yīng)用較廣泛。2.3.2CCD的選擇通過對CCD傳感器的分析我們可以了解到通過面陣CCD采集到的圖像的質(zhì)量較高，而線陣CCD雖然采集速度較快，但圖像的分辨率較低，所以不適合高精度的生產(chǎn)檢測[12]。而且高精和高速的CCD器件價格比較高，所以一般選用面陣CCD傳感器作為機(jī)器視覺的采集設(shè)備。當(dāng)前，機(jī)器視覺系統(tǒng)中CCD的應(yīng)用十分廣泛，通過對市場上產(chǎn)品的分析，發(fā)現(xiàn)中國大恒圖像的CCD相機(jī)的性價比較高。比如其推出的DH-SV-G系列的141GM攝像機(jī)，其攝像機(jī)通過太網(wǎng)接口，完全可以滿足工業(yè)級要求，而且安裝較簡單，使用很方便，相機(jī)的參數(shù)如下表2.1所示：表2.1DH-SV141GM型號攝像機(jī)基本參數(shù)規(guī)格參數(shù)分辨率1392×1040傳感器類型逐行掃描CCD像素尺寸6.45μm×6.45μm最大分辨率下的幀率1/50000s～0.06s數(shù)據(jù)接口GigabitEthernet圖像數(shù)據(jù)格式Mono8Mono12Mono12Packed模數(shù)轉(zhuǎn)換精度12位像素輸出深度8/12位增益可調(diào)0～36dB功耗額定4W/12V，最大功率5W/12V工作溫度0～50°C工作濕度20%80%外殼尺寸65mm×65mm×55mm2.4圖像采集卡圖像采集卡是將圖像采集器與計(jì)算機(jī)連接起來的接口。因?yàn)樵趥鬏攬D像信號中需要比較高的傳輸速度,但一般的傳輸接口無法滿足此要求,所以需要使用圖像采集卡進(jìn)行連接[13]。圖像采集卡的功能如下：（1）對圖像信號進(jìn)行接收和A/D轉(zhuǎn)換模塊，將圖像信號進(jìn)行放大和數(shù)字化。（2）對攝像機(jī)進(jìn)行控制時的輸入輸出接口，負(fù)責(zé)定時拍照、實(shí)現(xiàn)異步重置拍照和協(xié)調(diào)攝像機(jī)進(jìn)行同步。（3）作為總線接口，通過PC級的內(nèi)部總線傳輸數(shù)字?jǐn)?shù)據(jù)。圖像采集流程：圖像采集卡通過緩存器將通過A/D轉(zhuǎn)換后的數(shù)字視頻信號輸送到計(jì)算機(jī)內(nèi)存中，然后通過計(jì)算機(jī)對其進(jìn)行圖像處理，同時還可以將內(nèi)存中的圖像輸送到顯示設(shè)備上進(jìn)行顯示。在圖像采集器中圖像儲存在圖像卡，而且和計(jì)算機(jī)的PCI插槽連接，同時還和計(jì)算機(jī)的CPU/內(nèi)存和顯示卡等器件間形成關(guān)聯(lián)，可以對數(shù)據(jù)的傳送進(jìn)行調(diào)整。作為圖像采集與處理的核心部分，圖像卡的性能直接影響到系統(tǒng)的實(shí)時性,DH-CG400采集卡可以采集黑白以及彩色圖像，使用PCI總線進(jìn)行圖像傳輸，通過圖像采集卡所提供的庫函數(shù)能很容易地對視頻圖像進(jìn)行采集，傳輸和保存，是市場上使用廣泛的圖像采集卡之一。圖像采集卡的工作流程如圖2.2所示：開始（設(shè)備初始化，資源申請）開始（設(shè)備初始化，資源申請）參數(shù)設(shè)置采集到顯示采集到存儲結(jié)束（設(shè)備初始化）圖2.2采集卡工作流程2.5機(jī)器視覺系統(tǒng)開發(fā)時使用的軟件系統(tǒng)HALCONHALCON是德國MVtec公司開發(fā)的包含有大量完整視覺算法包，能夠完成很多圖像處理工作，擁有應(yīng)用廣泛的機(jī)器視覺集成開發(fā)環(huán)境維視圖像開發(fā)定制軟件。能夠完成對各種圖像的濾波處理，對圖像的色彩，幾何形狀等各類圖形的分析與計(jì)算，而且它還具有其它各類基本圖像處理的功能，可以不夸張的說，在各類行業(yè)中，如果你需要對圖像進(jìn)行處理，都可以采用HALCON軟件來進(jìn)行處理。HALCON支持市場上主流的操作環(huán)境，都可以良好的運(yùn)行，充分保證投資的有效性。整個函數(shù)庫可以用C，C++，C#，Visual

basic和Delphi等多種普通編程語言訪問。同時，HALCON可以與市場上幾乎所有的圖像獲取裝置進(jìn)行數(shù)據(jù)連接，充分保證其硬件的獨(dú)立性。它可以為各類工業(yè)相機(jī)和圖像采集卡提供所需要的接口，包括GenlCam，GigE和IIDC1394。利用HALCON可以完成許多復(fù)雜的數(shù)字圖像處理操作或者圖像處理算法的應(yīng)用。2.6本章小結(jié)本章首先對機(jī)器視覺系統(tǒng)的硬件組成進(jìn)行了介紹，包括獲取圖像過程中的各部件、圖像采集卡等。然后對各個硬件的功能還有視覺系統(tǒng)所使用的軟件進(jìn)行簡單介紹。選擇一套合適的機(jī)器視覺系統(tǒng)來采集焊縫圖像，是對焊縫圖像檢測的首要前提。

3焊縫圖像獲取和圖像處理我們通過CCD傳感器獲得焊縫圖像后，還需要通過平滑、濾噪等一系列處理，分離出圖像特征并獲得圖像邊緣因子，這樣才算是完成對焊縫圖像的檢測。在本章中將對圖像處理的流程和焊縫特征提取的算法進(jìn)行詳細(xì)的介紹。3.1圖像取得過程通過機(jī)器視覺來采集焊縫圖像一般包括主動式視覺傳感和被動式視覺傳感兩類，都是通過CCD攝像機(jī)來獲取焊縫圖像的。被動式視覺傳感一般利用存在的弧光和自然光作為光源，通過結(jié)構(gòu)光原理來進(jìn)行成像處理。這種方法的檢測誤差小，不存在焊接對象和檢測對象的差位，設(shè)備操作簡單，成本低。但在焊接過程中會因?yàn)榛」獾纫蛩禺a(chǎn)生圖像噪聲，會對采集到的圖像信息有一定影響。生產(chǎn)中一般通過中性減光來解決干擾，對降低紅外干擾和弧光有很好的效果[14]。主動式視覺傳感一般采用復(fù)合濾光處理來去除強(qiáng)光干擾，輔助光源為激光，能夠獲得清晰的圖像，但設(shè)備較復(fù)雜，使用較少。圖像采集過程如圖3.1所示：CCD攝像機(jī)CCD攝像機(jī)被測工件A/D轉(zhuǎn)換圖像處理存儲器主計(jì)算機(jī)圖3.1圖像采集示意圖3.2圖像處理過程CCD攝像機(jī)攝取到的圖像一般都存在飛濺、弧光噪音等噪聲，所以圖像清晰度不高，所以需要通過圖像處理來減少干擾點(diǎn)，盡可能消除干擾點(diǎn)。處理過程有：噪聲過濾、校驗(yàn)處理、獲得相對清晰的圖像。圖像處理有兩個主要步驟：(1)通過圖像處理去出圖像中干擾點(diǎn)。(2)對圖像進(jìn)行邊緣檢測等操作，最后提取焊縫圖像特征。圖3.2為處理過程[14]。圖像去噪圖像去噪中值濾波閾值變換邊緣檢測圖像采集特征提取圖3.2圖像處理過程3.3焊縫圖像預(yù)處理通過圖像預(yù)處理可以去除焊接過程中熱變形、強(qiáng)光等因素對圖像的干擾，尤其是一些特殊形狀的焊縫比如V形，在圖像采集過程中會受到結(jié)構(gòu)光反射的影響，導(dǎo)致圖像質(zhì)量不清晰。總之，焊縫檢測的關(guān)鍵是獲取高清的圖像，準(zhǔn)確、快速的進(jìn)行圖像處理。下面將介紹一些處理算法。3.3.1焊件圖像灰度化因?yàn)椴煌腃CD采集到的圖像的色彩會有所不同，而且彩色圖像中信息量和顏色數(shù)較多，所以在圖像處理過程中會比較復(fù)雜，將降低系統(tǒng)處理的效率。但彩色圖和灰度圖之間只有亮度差異和感官上的差異，沒有其他的差異。所以，為了增加系統(tǒng)的適用性，有必要將焊縫圖像經(jīng)過灰度化處理，從而提高圖像的準(zhǔn)確性和識別效率。圖像灰度化處理后顏色的分度值相同，（R=G=B），取值范圍是0到255.所以一般將圖像灰度級分成256級，同理，灰度圖像中最多有256個像素值，一般圖像灰度化有三種方法[15]：(1)最大值法該處理方法的表達(dá)式為R=G=B=Max(R,G,B)，把圖像色彩分量中的最大值用做該點(diǎn)的像素值。所以，這種方法處理后圖像的亮度偏高，視覺效果不好；(2)平均值法該處理方法的表達(dá)式為R=G=B=(R+G+B)/3，把圖像色彩各分量求和之后取平均值，使用平均值作為該點(diǎn)像素值。所以，這種方法處理后圖像亮度柔和，視覺效果好，不過容易丟失一些圖像的細(xì)節(jié)；(3)加權(quán)平均值法該處理方法的表達(dá)式為R=G=B=Wr*R+Wg*G+Wb*B，Wr、Wg、Wb分別是R、G、B的權(quán)值，通過采用分量加權(quán)來求取該點(diǎn)的像素值。通過了解得知，人一般對綠色比較敏感，紅色次之，對藍(lán)色敏感度最低。所以加權(quán)系數(shù)應(yīng)滿足Wg>Wr>Wb。通過查閱資料了解到在Wr=30%，Wg=59%，Wb=11%的時候，可以更好的保存圖像細(xì)節(jié)，圖像亮度適中，顯示較好。采用此方法灰度化后，效果圖如下：圖3.3焊縫灰度原圖圖3.4圖像灰度直方圖圖3.5灰度均衡圖圖3.6灰度均衡直方圖3.3.2圖像平滑焊縫圖像在攝取和傳輸?shù)倪^程中會被各種噪聲所干擾，導(dǎo)致圖像質(zhì)量下降，對后續(xù)圖像的分析不利。噪聲干擾使圖像退化而且質(zhì)量下降，使圖像模糊，甚至圖像特征都變得不明顯，所以為了提升圖像的質(zhì)量，有必要對圖像進(jìn)行平滑處理。對圖像平滑處理比較常見的算法有自適應(yīng)平滑、線性平滑和非線性平滑[16]。（1）自適應(yīng)平滑處理會按照實(shí)際情況來進(jìn)行邊緣輪廓平滑處理，一般不會模糊邊緣信息，并且會根據(jù)目標(biāo)差異改變自適應(yīng)方法。（2）線性平滑通過Box模板來對圖像模板處理，使用像素的灰度值代替領(lǐng)域值，線性平滑濾波雖然可以降低噪聲但會將圖像的邊緣模糊。（3）非線性平滑在線性平滑的基礎(chǔ)上進(jìn)行了改進(jìn)，當(dāng)像素的灰度值與領(lǐng)域的差值平均值大雨某一閾值的時候用均值代替。它的優(yōu)點(diǎn)是能消除孤立的噪聲干擾，不會影響圖像的細(xì)節(jié)，但會使是圖像邊緣失真。本文選用方法（3）中的鄰域平均法：鄰域平均法是通過模板對圖像進(jìn)行處理，是通過一點(diǎn)與鄰域中像素點(diǎn)的均值來消除突變的像素點(diǎn)，可以過濾一部分的噪音。數(shù)學(xué)表達(dá)式如公式3.1。（3.1）式中，x,y=1,2,3,…,N-1，S為以（x，y）為中心鄰域的坐標(biāo)集合，M為S的點(diǎn)數(shù)。在運(yùn)算過程中，只需把各個像素累加取平均值。下圖為原始圖像和濾波后的圖像圖3.7和3.8為原始圖像和均值濾波圖像，圖中陰影部分為待處理像素點(diǎn)。12143134445456956789567891214312234576895768956789圖圖3.7原始圖像圖3.8均值濾波圖像鄰域平均法雖然簡單但它相當(dāng)于把圖像上的噪聲進(jìn)行了均化處理，雖然可以一直噪聲但同時會把邊緣給模糊，從下圖3.9中可以發(fā)現(xiàn)：a)灰度均衡圖b)圖像平滑后的圖像圖3.9圖像平滑3.3.3圖像濾波從圖像采集開始、傳輸和數(shù)字化的過程中都會產(chǎn)生噪聲，會影響系統(tǒng)對圖像信息的理解和分析，可以將其理解為和真實(shí)圖片無關(guān)的圖像。因?yàn)楹附舆^程中存在飛塵、濺射、弧光的影響，所以攝像機(jī)采集圖像會受到很大的干擾。所以我們必須對圖像進(jìn)行濾波。圖像濾波一般分為頻率域法和空間域法[17]，空間域法又包括高斯模板法、平均值法和中值濾波法。平均值法雖然可以消除隨機(jī)噪聲，但容易使圖像邊緣模糊化。高斯模板法會充分考慮像素位置的影響，采用加權(quán)平均，所以濾波效果會好點(diǎn)。而中值濾波是將窗口領(lǐng)域中的像素按灰度等級排序，選擇中間值為輸出像素值。不僅可以消除噪聲還可以保護(hù)圖像邊緣，復(fù)原效果較好[18,19]。但如果圖像中細(xì)節(jié)較多的時候就不適合使用中值濾波。在三種方法中中值濾波的效果最好，高斯濾波和均值濾波的效果基本相當(dāng)。圖3.10為中值濾波后的圖像：a)灰度均衡圖b)中值濾波后的圖像圖3.10中值濾波3.3.4圖像銳化處理圖像銳化的目的在于：（1）使圖像灰度反差增強(qiáng)，圖像邊緣增強(qiáng)，圖像更加清晰；（2）對目標(biāo)對象的邊界進(jìn)行提取，分割圖像，便于識別目標(biāo)區(qū)域。對圖像銳化處理的算法很多，常見的是梯度銳化方法和拉普拉斯銳化方法。本文選用拉普拉斯法進(jìn)行圖像處理，使用該方法時需要先對圖像拉普拉斯銳化然后才可以進(jìn)行中值濾波。拉普拉斯算子是一種基于二階導(dǎo)數(shù)的各向同性微分算子，有旋轉(zhuǎn)不變性。計(jì)算中選取二階導(dǎo)數(shù)的垂直和水平方向分量之和。假設(shè)原始圖像為s(x,y)，目標(biāo)圖像t(x,y)，公式定義如下：（3.2）當(dāng)離散的時候公式為：（3.3）當(dāng)使用模板的話，對應(yīng)的掩碼如下圖3.11：0101-41010圖3.11拉普拉斯模板從模板中可以看出，當(dāng)一個亮點(diǎn)出現(xiàn)在圖像中的較暗區(qū)域時，使用該算法會使亮點(diǎn)變得更亮。所以使用該算法進(jìn)行邊緣檢測的效果會比較好。效果如圖3.12：a)中值濾波圖像b)拉普拉斯銳化處理圖3.12拉普拉斯銳化圖像經(jīng)過拉普拉斯銳化處后，邊緣特征變得突出。再進(jìn)行一次中值濾波，可以發(fā)現(xiàn)得到的圖像效果比銳化處理前的中值濾波圖像更加清晰。效果如圖3.14：圖3.14二次中值濾波處理3.3.5邊緣提取圖像的邊緣是指數(shù)字圖像中像素發(fā)生明顯變化的區(qū)域，區(qū)域的灰度剖面可以看做一個階躍。所謂邊緣提取就是使用有圖像大部分信息的邊緣信息來替代整個圖像的信息，可以減少大量的數(shù)據(jù)，而且可以去除很多不相干的信息且保留圖像的結(jié)構(gòu)信息。邊緣檢測首先用邊緣檢測算子對圖像邊緣增強(qiáng)處理，然后通過閾值設(shè)定來提取邊緣信息。一般，邊緣檢測算子是通過圖像邊緣的突變性質(zhì)來檢測邊緣的。主要有兩種類型：一種是基于一階導(dǎo)數(shù)的方法，原理是對圖像進(jìn)行一階導(dǎo)數(shù)計(jì)算后根據(jù)最大和最小值來確定邊緣，一般有Prewitt算子、Sobel算子和Roberts算子；另一種是基于二階導(dǎo)數(shù)的方法，先對圖像進(jìn)行二階導(dǎo)數(shù)的運(yùn)算，利用零穿越點(diǎn)來確定邊緣，零穿越點(diǎn)為Laplacian過零點(diǎn)或者非線性差分的過零點(diǎn)。下面將對各種算子進(jìn)行介紹[20]：（1）Roberts算子Roberts算子通過局部差分算子來尋找邊緣，公式為：g(x,y)=[]2+[]2（3.4）其中:f(x,y)、f(x+1,y)、f(x,y+1)、f(x+1,y+1)為領(lǐng)域的坐標(biāo)，且是具有整數(shù)像素坐標(biāo)的輸入圖像；Roberts算子的模板是2×2的。下圖中的兩個卷積核組成Roberts算子。圖像中每個點(diǎn)都使用這兩個核來做卷積。圖3.15Roberts算子模板該算子對噪聲很敏感，如果圖像中存在大量噪聲信號的時候就不適合（2）Sobel算子Sobel算子屬于一階微分算子，通過像素附近區(qū)域的梯度值來計(jì)算一個像素的梯度，再根據(jù)閾值來取舍。公式如下：S=(dx2+dy2)1/2（3.5）該算子是3×3的算子模板，由下圖的兩個卷積核組成，可以對垂直邊緣響應(yīng)和水平邊緣響應(yīng)。當(dāng)用這兩個卷積的最大值作為輸出值時，輸出結(jié)果為邊緣幅度圖像。圖3.16Sobel算子模板該算子雖然可以抑制噪聲，但得到的邊緣比較粗，而且會出現(xiàn)偽邊緣，所以焊縫邊緣檢測不合適。（3）Prewitt邊緣檢測算子該算子也是3×3的算子模板，由下圖的兩個卷積核組成，和Sobel算子一樣，該方法圖像中的點(diǎn)也是用兩個核先進(jìn)行卷積，然后取最大值為輸出值。結(jié)果也是輸出邊緣幅度圖像，圖3.17Prewitt算子模板該算子的公式為：Sp=(dx2+dy2)1/2 （3.6）該算子可以很好的抑制噪聲，可以提取出焊縫邊緣信息。（4）Laplace邊緣檢測算子拉普拉斯算子屬于對二維函數(shù)運(yùn)算的二階導(dǎo)數(shù)算子，算子如圖3.18所示：圖3.18Laplace算子模板連續(xù)函數(shù)在圖像中的位置（x，y）用拉普拉斯運(yùn)算表示如下：▽2（3.7）該算法會對噪聲進(jìn)行放大，所以邊緣檢測時還會引入大量噪聲，并且不具有方向性，無法得到邊緣方向等信息，檢測效果不好。下圖各種算子處理后的圖像。a)Roberts邊緣檢測b)Sobel邊緣檢測c)Prewitt邊緣檢測d)Laplace邊緣檢測圖3.19不同算子對比圖3.4圖像輪廓跟蹤和提取在對圖像邊緣檢測后，邊緣依舊模糊而不適合提取，所以需要在邊緣檢測后還需要對圖像進(jìn)行輪廓跟蹤與提取。識別圖像中目標(biāo)時，首先需要對目標(biāo)邊緣進(jìn)行跟蹤處理，即輪廓跟蹤[21]。簡而言之，就是根據(jù)順序來找出邊緣點(diǎn)進(jìn)行跟蹤邊界。在二值圖像中，不同區(qū)域的像素值不同，但區(qū)域內(nèi)的像素值一樣，，輪廓提取就是按照此原理來進(jìn)行提取的。通過二值圖像輪廓跟蹤對目標(biāo)圖像進(jìn)行提取，然后對其進(jìn)行進(jìn)一步的處理[21,22]，如：計(jì)算輪廓長度、重心等。一般采用線段表和鏈碼兩種方法描述輪廓，通過鏈碼來描述輪廓需要對輪廓起點(diǎn)和輪廓上各個點(diǎn)相對于前一點(diǎn)的鏈碼值列表。因?yàn)闊o法知道輪廓點(diǎn)的數(shù)量，所以可以先使用vector進(jìn)行動態(tài)管理內(nèi)存，簡化設(shè)計(jì)程序，效果圖如3.20所示：a)Laplace邊緣檢測示意圖b)輪廓提取示意圖圖圖3.20輪廓提取3.5圖像細(xì)化圖像細(xì)化的原理是去除圖像中的一些區(qū)域和線條，使圖像在保留本身特征的基礎(chǔ)上變得細(xì)小，圖像的輸出結(jié)果與骨架的二值圖像類似。通過輪廓提取后能大致得到焊縫的邊緣信息，但因?yàn)檫吘墧?shù)據(jù)點(diǎn)的數(shù)目較多，不利于后續(xù)圖像處理，所以需要對圖像進(jìn)行細(xì)化處理，這樣就可以得到單像素寬的線條，從而減少數(shù)據(jù)量，能顯著提升后續(xù)數(shù)據(jù)處理的精度和速度。對圖像細(xì)化算法的要求如下：（1）條形區(qū)域細(xì)化后應(yīng)當(dāng)成為單像素的線條。（2）若單像素的線條來自條形區(qū)域，那線條的原始位置應(yīng)該在條形區(qū)域中的居中位置。（3）獲得單像素線條后，圖像的原始拓?fù)浣Y(jié)構(gòu)特性能夠很明顯的看出。圖像細(xì)化后的效果圖如3.21所示：a)輪廓提取示意圖b）圖像細(xì)化示意圖圖3.21圖像細(xì)化3.6邊緣曲線擬合圖像在經(jīng)過細(xì)化處理后邊緣還不連續(xù)，有一些離散、游離的像素，通過曲線擬合可以去除這些游離點(diǎn)，將其連接起來。這里選用最小二乘法來進(jìn)行曲線擬合。在曲線擬合中直線擬合[21]使最基本的。直線函數(shù)方程式為：（3.8）a1為斜率,a0為截距設(shè)等精度測出的N組數(shù)據(jù)(xi,yi),i=1,2…N,xi是正確的，那么所有的誤差都會和yi有聯(lián)系。最小二乘法的原理是觀測值yi的偏差的加權(quán)平方和為最小，可以表示為最小。對參數(shù)a0,a1分別求偏導(dǎo)，可以得到a0,a1最佳的估計(jì)值[21]：a0=（3.9）a1=（3.10）在對觀測數(shù)據(jù)點(diǎn)(x,y)直線擬合時，必須求出x與y的線性關(guān)系，所以引入相關(guān)系數(shù)。（3.11）和為x和y的算術(shù)平均值。數(shù)值的范圍為。>0時，直線斜率是正值，稱為正相關(guān)；<0時為負(fù)相關(guān)，如果=1，表明數(shù)據(jù)點(diǎn)(xi,yi)都和擬合直線重合。則表明二者不相關(guān)?？傊绻麩o線接近±1，就說明二者的線性關(guān)系越密切[21]。a)圖像細(xì)化示意圖b)直線擬合示意圖圖3.22圖像擬合可以看出，經(jīng)過擬合后焊縫邊緣可以去除斷點(diǎn)，線條連續(xù)性較好。經(jīng)過上述的步驟后，便可以完成對圖像的處理，完成對焊縫圖像的檢測。焊縫圖像的處理流程為：灰度均衡輪廓提取灰度均衡輪廓提取圖像細(xì)化邊緣檢測直線擬合圖像平滑中值濾波銳化處理閾值變換二次中值濾波原始圖像圖3.23圖像處理過程示意圖3.7焊縫的中線提取通過上述的圖像處理，就能夠得到焊縫的邊緣，最終的目的是通過擬合出來的邊緣線段來計(jì)算焊縫的中心線，從而應(yīng)用到焊接操作中。提取焊縫中心線有很多種方法，如果焊縫對接緊密適合使用最小二乘法、形態(tài)學(xué)細(xì)化、Hough變換等，如果焊縫坡口比較大則一般使用平均值法。在圖像經(jīng)過最小二乘法處理后的基礎(chǔ)上，這里使用平均值法來提取中心線，假設(shè)擬合后焊件的上下邊緣的方程式為[21]：（3.12）（3.13）對二者取平均值，便可以求出焊縫中心線的方程： （3.14）這樣便完成了對中心線的提取，效果圖如下：a)圖像細(xì)化圖b)中心線提取圖圖3.17焊縫中心線提取從圖中我們可以看出，提取出的焊縫中心線在坡口邊緣的正中心處均勻分布，精度較高，而且算法實(shí)現(xiàn)起來很簡單，效率很高。3.8本章小節(jié)本章對圖像的采集和預(yù)處理作了詳細(xì)的介紹，主要工作有：講述如何利用結(jié)構(gòu)光來采集焊縫圖像；圖像采集卡的工作原理；為了能夠更好的對圖像進(jìn)行處理，將圖像灰度化，使其能夠突顯出焊縫特征；對各種濾波方法進(jìn)行對比；分析介紹常用的邊緣檢測方法的優(yōu)缺點(diǎn)，確定最合適的算法，最后完成對中心線的提取。

4焊縫缺陷的識別焊件表面各種缺陷在形貌上存在著一定的差異性，采用特征參數(shù)描述的方法可實(shí)現(xiàn)對缺陷分類。同時，不同加工工藝及構(gòu)件結(jié)構(gòu)可能產(chǎn)生不同的外觀缺陷。所以，實(shí)現(xiàn)焊件表面缺陷的識別時，不僅需要考慮缺陷區(qū)域的特征參數(shù)，而且需要考慮加工方法及構(gòu)件結(jié)構(gòu)的特點(diǎn)。因此，本文將首先對焊件表面缺陷的特征參數(shù)進(jìn)行介紹，然后在根據(jù)相關(guān)特征參數(shù)及其他缺陷識別條件，實(shí)現(xiàn)基于模糊推理的專家系統(tǒng)的開發(fā)，最終實(shí)現(xiàn)焊件表面缺陷的識別。4.1缺陷特征參數(shù)的設(shè)定缺陷的特征參數(shù)是實(shí)現(xiàn)焊件表面缺陷識別與評級關(guān)鍵指標(biāo)，是用于描述某一缺陷特征的定量值。焊件外觀缺陷特征參數(shù)主要表面包括缺陷的幾何形狀、所處位置以及分布等特征信息。這些特征不僅可用于焊件表面缺陷的分類，而且便于檢測人員對缺陷等級進(jìn)行評判及焊件外觀尺寸的測量。焊縫表面缺陷的幾何特征參數(shù)主要包括的面積、周長、長短軸之比等。4.1.1缺陷區(qū)域的周長圖像進(jìn)行數(shù)字化存儲時，各圖形區(qū)域以像素點(diǎn)離散化的形式進(jìn)行存儲，每個像素點(diǎn)對應(yīng)一個灰度值。離散化后的圖形的示意圖如圖4.1所示。圖4.1離散化圖形由圖4.1可以看出，圖像的像素點(diǎn)可分為三類：第一類點(diǎn)為缺陷外部點(diǎn)（如A點(diǎn)）、第二類點(diǎn)為缺陷內(nèi)部點(diǎn)（如Z點(diǎn)）以及第三類點(diǎn)缺陷邊界點(diǎn)（如B、C、D...S點(diǎn)）。經(jīng)過圖像分割后，區(qū)域外部點(diǎn)的灰度值為255（白），邊緣點(diǎn)及內(nèi)部點(diǎn)的灰度值均為0（黑）。因此，焊縫缺陷的周長就可以通過缺陷邊緣相鄰像素間的距離之和來表示，為了計(jì)算方便，通常將像素點(diǎn)所所占單元格的長度設(shè)為1個單位長度。在對各區(qū)域的提取時，邊界點(diǎn)與內(nèi)部點(diǎn)分別存儲于相應(yīng)的數(shù)據(jù)組中。因此，對缺陷區(qū)域周長計(jì)算時，只需對存儲邊界點(diǎn)的數(shù)組進(jìn)行數(shù)據(jù)遍歷即可實(shí)現(xiàn)計(jì)算。數(shù)據(jù)遍歷時，從數(shù)組中第一個被標(biāo)記的像素點(diǎn)開始掃描，然后向該點(diǎn)的8個連通區(qū)域進(jìn)行統(tǒng)計(jì)，并不斷地擴(kuò)展，最后掃描至數(shù)組內(nèi)的最后一點(diǎn)時結(jié)束。鏈碼中0°、90°、180°、270°的方向上長度為1，45°、135°、225°、315°方向的長度為2，計(jì)算區(qū)域長度時將相同方向的鏈碼數(shù)求和，再乘以相應(yīng)的長度系數(shù)即可實(shí)現(xiàn)區(qū)域周長的計(jì)算，計(jì)算數(shù)學(xué)表達(dá)式如式4.1所示。（4.1）其中，表示（j=0~7）方向鏈碼。4.1.2缺陷區(qū)域的面積缺陷面積通過缺陷所占區(qū)域內(nèi)（包括缺陷邊界）像素的數(shù)目來表示。計(jì)算方法為，將區(qū)域內(nèi)（包括缺陷邊界）所有灰度值為0的像素進(jìn)行求和。同時，為了便于缺陷面積的表達(dá)，每格像素點(diǎn)邊長已設(shè)定為1，那么該像素點(diǎn)的面積也為1，因此，可將缺陷區(qū)域面積的數(shù)學(xué)表達(dá)式表示如式4.2所示。（4.2）其中，p是標(biāo)記缺陷區(qū)域內(nèi)像素，K為像素點(diǎn)的邊緣單位長度，本文規(guī)定k=1。該公式計(jì)算的面積值為區(qū)域的顯示面積，而實(shí)際面積將通過相應(yīng)的比例轉(zhuǎn)換關(guān)系求得。4.1.3缺陷區(qū)域的圓形度為了便于實(shí)現(xiàn)缺陷的分類，引入圓形度的概念通過缺陷區(qū)域的外形進(jìn)行分類。圓形度是用于描述區(qū)域趨于圓形的程度。通過對焊接缺陷的類型分析可知，利用圓形度進(jìn)行分類，容易將諸如飛濺及氣孔之類的圓形特征顯著的缺陷進(jìn)行區(qū)域。因此，區(qū)域的圓形度是缺陷識別的重要參數(shù)，其數(shù)學(xué)表達(dá)式如式4.3所示：（4.3）其中，R為圓形度，取值范圍為(0,1]；S是缺陷區(qū)域的面積，L是缺陷區(qū)域的周長。若缺陷區(qū)域的圓形度接近于1，則表明該缺陷形狀越接近于圓形，缺陷種類是飛濺或表面氣孔的可能性就較大；若缺陷區(qū)域的圓形度越趨緊于0，則該缺陷的形狀就趨于條狀，是凹陷，表面裂紋等其他缺陷的可能性較大。4.2焊縫缺陷的分類對焊縫進(jìn)行檢測后，還需要對其焊縫類型以及表現(xiàn)出的圖像特征進(jìn)行分析，本節(jié)針對焊縫圖像存在的真實(shí)缺陷與偽缺陷進(jìn)行了討論與分析。4.2.1真實(shí)缺陷在進(jìn)行缺陷特征選取之前,首先要了解常見的缺陷種類。根據(jù)國標(biāo)GB6417—86《金屬溶化縫缺陷分類說明》134][24]，將其分為：裂紋、氣孔、未熔合、未焊透、夾渣以及形狀缺陷六種。（1）裂紋：裂紋是焊縫中最常見、最危險的缺陷，焊縫受到力的作用時，裂紋會進(jìn)一步延伸、擴(kuò)展，從而減少焊縫的斷面積，特別容易產(chǎn)生應(yīng)力集中，最終導(dǎo)致構(gòu)件斷裂造成損失。裂紋又分為橫向裂紋跟縱向裂紋。橫向裂紋產(chǎn)生的原因是由焊縫上的金屬破裂引起的,縱向裂紋產(chǎn)生的原因是沿焊縫長度破裂而導(dǎo)致的不連續(xù)黑線。裂紋的影像特征為：裂紋在焊道和熱影響區(qū)附近產(chǎn)生的幾率比較大，通常有尖銳端頭而且開口位移長，在X射線底片上，圖像為不規(guī)則的黑色細(xì)線條，如圖4.2所示。a)焊縫橫向裂紋 b)焊縫縱向裂紋圖4.2裂紋圖像（2）未熔合：未熔合是指焊縫金屬和母材金屬或焊縫金屬之間未熔化而結(jié)合在一起的缺陷，會減低焊縫的強(qiáng)度。根據(jù)其產(chǎn)生位置的不同還可以分為邊緣未熔合、根部未熔合及層間未熔合。未熔合的影像特征：該缺陷的位置偏離焊縫中心,寬度也不相同，在X射線底片上，圖像為不連續(xù)的直線條紋，但黑度不均勻，如圖4.3所示。圖4.3未熔合缺陷（3）未焊透:未焊透是指焊縫金屬和母材金屬二者沒有完全熔化,焊縫金屬沒有進(jìn)入焊縫根部而形成的缺陷。一般可以分為雙面未焊透和單面未焊透兩種。產(chǎn)生的原因是因?yàn)楹缚p坡口純邊的根部沒有完全熔化。未焊透的影像特征：該缺陷一般產(chǎn)生在焊縫根部的位置，非常容易識別，在X射線底片上，圖像為斷續(xù)狀或連續(xù)狀分布,有時甚至?xí)灤┱麖圶射線底片，如圖4.4。圖4.4未焊透缺陷（4）夾渣:夾渣是指焊縫金屬中殘留有外來固體物質(zhì)而形成的焊接缺陷。產(chǎn)生的原因是：焊接電流過小，金屬凝固速度加快，使雜質(zhì)不能與液態(tài)金屬分離并浮出。根據(jù)形態(tài)可以分為點(diǎn)狀夾渣、條狀夾渣、塊狀夾渣三種；按殘留固體物質(zhì)種類,又可分為非金屬夾渣和金屬夾雜兩種。夾渣的影像特征：在X射線底片上，一般為點(diǎn)狀，如圖4.5所示。圖4.5夾渣缺陷（5）氣孔:氣孔是指熔入焊縫金屬的氣體所引起的空洞。產(chǎn)生的原因是因?yàn)殡娀≈車目諝狻⒛覆暮秃覆谋砻娴碾s質(zhì)等產(chǎn)生的氣體。高溫下，液態(tài)金屬中有大量氣體，冷卻時，氣體聚集為氣泡上浮，但因?yàn)楹缚p表面金屬結(jié)晶而無法逸出，所以就會留在金屬中形成氣孔。根據(jù)其形狀可以分為球狀氣孔、針形氣孔、條形氣孔三種;根據(jù)其分布狀態(tài)可以分為單個氣孔、鏈狀氣孔、密集氣孔、蟲狀氣孔等。氣孔的影像特征：在X射線底片上，氣孔的圖像為黑色圓點(diǎn),也可能為黑線或者其它不規(guī)則的形狀，如圖4.6所示。 a)密集氣孔b)鏈狀氣孔圖4.6氣孔缺陷（6）形狀缺陷:形狀缺陷是指焊縫金屬表面成形不良或其他原因造成的缺陷,包括咬邊、燒穿、根部內(nèi)凹等。這類缺陷都存在于工件的表面,直接肉眼就可以識別。a)咬邊缺陷 b)燒穿缺陷圖4.7形狀缺陷4.2.2偽缺陷偽缺陷是干擾正常焊縫缺陷檢測的重要因素。它的成因比較復(fù)雜，通常認(rèn)為是由于車間塵埃與補(bǔ)涂用的防銹膠水的混合物因振動滴落至焊縫區(qū)域所造成的。偽缺陷的類型也非常多。下文僅按照偽缺陷存在的位置分兩類進(jìn)行討論：（1）這類偽缺陷位于焊縫核心區(qū)域外圍，通過圖像預(yù)處理操作，通常能剔除這類干擾信息，我們稱之為A類偽缺陷，如圖4.8所示。（2）這類偽缺陷位于焊縫核心區(qū)域或者緊貼核心區(qū)域，無法通過圖像預(yù)處理程序剔除干擾信息。由于其特征信息與真實(shí)缺陷的特征信息非常接近，因此在檢測環(huán)節(jié)依然無法避免誤檢，圖B是一個較難避免