轮廓提取作为熔池的基本视觉形态特征,在焊接质量在线监测中起着重要作用.文中建立了非熔化极惰性气体保护电弧焊(tungsten Inert gas welding, TIG)焊接工艺环境下的熔池视觉传感系统,采集了高质量的熔池图像.针对TIG焊不锈钢熔池图像...
详细信息
轮廓提取作为熔池的基本视觉形态特征,在焊接质量在线监测中起着重要作用.文中建立了非熔化极惰性气体保护电弧焊(tungsten Inert gas welding, TIG)焊接工艺环境下的熔池视觉传感系统,采集了高质量的熔池图像.针对TIG焊不锈钢熔池图像中弱边缘检测的难点提出了一种基于边缘导向算子模板匹配的熔池轮廓提取算法(operator template matching based on edge direction guidance, OTM-EDG),算法中首先基于非线性灰度变换方法增强弱边缘.之后利用4个方向的Sobel算子与熔池图像进行卷积操作来判断后端弱边缘的方向并计算梯度图.最后对梯度图进行边缘连接操作以及基于数学形态学的边缘平滑操作,得到需要提取的熔池轮廓.结果表明,文中算法能够提取到封闭完整且定位准确的TIG焊不锈钢熔池轮廓.在实际焊接环境中具有较高的鲁棒性,有效解决了熔池区域弱边缘难以准确检测的问题.
工业焊接中,熔池视觉形态特征对焊接工艺质量的在线控制起着关键的作用,本文对熔池轮廓边缘的提取算法以及成形焊缝宽度的预测方法进行深入的研究,实现了准确的熔池轮廓提取与焊缝宽度预测。主要研究工作如下:(1)建立了基于被动式视觉传感法的熔池图像采集系统,针对TIG焊不锈钢熔池图像的特点,为了在充分挖掘弱边缘信息的同时获得封闭完整的熔池轮廓,对传统图像算法进行改进设计了一种熔池轮廓提取算法(Operator Template Matching based on Edge Direction Guidance,OTM-EDG),该算法主要包括了基于非线性灰度变换的弱边缘区域增强操作以及基于边缘导向算子模板匹配的梯度计算操作。通过对实验结果的分析,证实了本章算法相较于传统边缘检测算法在弱边缘检测中的准确性,并能获取到封闭完整的轮廓边缘。(2)提出一种基于卷积神经网络的熔池轮廓提取方案,以残差网络作为基本模型设计了语义分割网络Res-Seg,为了使训练得到的网络模型鲁棒性进一步提高,结合了基于DCGAN(Deep Convolutional GAN)网络的数据集扩充方法与网络训练时进行的色彩与形态学上的数据增广操作。通过与传统边缘检测算法以及其他语义分割网络的对比,验证了本章提出的网络模型在工业环境中对于多种焊接工艺参数下的熔池图像具有较高的分割准确度以及较强的泛化能力。(3)提出了一种利用BP神经网络进行焊缝宽度预测的方法,将熔池区域像素宽度、焊接电流强度、焊速和送丝速度四种参数作为网络输入,实际焊缝宽度作为网络输出对BP神经网络训练。在对测试结果进行比较分析之后,验证了本章方法的平均测试误差小于0.25mm,能够用于工业焊接环境当中的焊缝宽度预测。
电弧焊接过程包含了大量复杂信息,还存在高温、弧光、飞溅、烟尘和电磁干扰等因素影响,焊接过程的状态决定了焊接后成形质量,因此焊接过程状态的监督是一项至关重要的任务。随着智能制造的发展,熔焊在线质量监测成为重要研究内容。本文研究了冷金属过渡(Cold Metal Transfer,CMT)焊接工艺过程,基于视觉和光谱信息设计了在线质量监测系统,实现了焊接状态的高效监测。具体研究内容如下:(1)熔池图像采集和轮廓提取技术:建立了被动熔池视觉成像系统,结合触发设置装置,采集到高质量的熔池图像。针对熔池图像成像特征,设计了一套基于超像素的区域合并和自适应抠图方法提取熔池轮廓,将超像素分割和最大相似度合并相结合得到初始熔池轮廓,在该轮廓的基础上用闭合形式抠图算法进行边缘细分割,提取了准确的熔池轮廓,为熔池形态参数的获取奠定了基础。通过与其他算法进行结果对比,验证了本文方法的有效性。(2)多源信息融合的焊丝成分定量监测技术:通过FPGA开发板在电流峰值时刻触发相机和光谱仪进行电弧信息采集,实现图像和光谱数据同步。将卷积神经网络引入到该任务中,提出基于特征融合的多模态模型。根据电弧光谱和图像特点,将Alex Net进行改进用于提取光谱特征,将Res Net进行改进用于提取图像特征,然后将提取的特征进行特征融合和结果预测,结合改进的标准均方误差损失函数训练模型,实现了焊丝成分定量监测。用均方根误差评估本章方法预测结果为0.4951,比单源信息模型以及其他模型预测结果误差小,验证了本文方法的有效性。(3)利用LabVIEW平台设计开发了CMT焊接过程质量监测系统,集成数据采集和数据处理模块,实现了焊接过程中参数设置、熔池和电弧多个信息实时显示、多任务同步处理分析以及缺陷预警等功能。
暂无评论