郭波　石永華

(華南理工大學(xué) 機(jī)械與汽車工程學(xué)院，廣東 廣州 510640)

?

基于視覺傳感的CO2焊焊接偏差識(shí)別*

郭波石永華?

(華南理工大學(xué) 機(jī)械與汽車工程學(xué)院，廣東 廣州 510640)

高質(zhì)量焊接圖像的獲取和焊接偏差信息的獲取是焊接偏差檢測(cè)中的兩個(gè)重要步驟.文中在對(duì)CO2焊的成像特征進(jìn)行分析的基礎(chǔ)上，采用寬動(dòng)態(tài)范圍相機(jī)采集清晰和穩(wěn)定的CO2焊實(shí)時(shí)圖像，并根據(jù)焊接圖像的特點(diǎn)，開發(fā)了一種改進(jìn)的Canny算法來獲得邊緣信息，結(jié)合Hough變換和先驗(yàn)知識(shí)提取出坡口邊緣；為了擬合出熔池邊緣，提出一種基于條件約束的差分進(jìn)化(Differential Evolution,DE)橢圓識(shí)別算法；在此基礎(chǔ)上計(jì)算得到焊接偏差；并通過試驗(yàn)對(duì)焊接偏差識(shí)別算法的魯棒性和精確性進(jìn)行驗(yàn)證.結(jié)果表明：文中提出的算法可滿足焊縫跟蹤和焊接自動(dòng)化的要求.

視覺傳感；CO2焊；焊接偏差識(shí)別；DE算法；改進(jìn)的Canny算法

焊接過程中的偏差識(shí)別是實(shí)現(xiàn)焊接自動(dòng)化的前提.根據(jù)獲取焊接偏差的傳感器類型，焊接偏差識(shí)別方式可分為電弧傳感式、視覺傳感式、聲學(xué)傳感式和溫度傳感式等.其中，由于視覺傳感方式具有結(jié)構(gòu)簡(jiǎn)單、信息量豐富、精度高、抗干擾能力強(qiáng)等優(yōu)點(diǎn)，成為焊接偏差識(shí)別廣泛采用的方式.目前，視覺傳感方式主要包括結(jié)構(gòu)光視覺傳感方式和直接拍攝視覺傳感方式.結(jié)構(gòu)光視覺傳感方式在技術(shù)方面已相對(duì)成熟，并形成了商業(yè)化的產(chǎn)品.但由于結(jié)構(gòu)光投射的位置需與電弧區(qū)保持一定距離，無法保證焊縫偏差識(shí)別的實(shí)時(shí)性；另外，該方式僅得到坡口的信息，而不能同時(shí)獲取電弧和熔池的信息.直接拍攝視覺傳感方式用相機(jī)直接對(duì)焊接區(qū)域進(jìn)行拍攝，可實(shí)時(shí)獲取電弧、熔池和坡口等信息，是近年來焊接自動(dòng)化領(lǐng)域研究的熱點(diǎn).為了降低強(qiáng)烈的電弧光對(duì)成像的影響，眾多學(xué)者采用在普通相機(jī)前添加濾光片的方式來獲取焊接圖像.針對(duì)非熔化極和熔化極氣體保護(hù)焊，文獻(xiàn)[1-3]和文獻(xiàn)[4-6]分別采用該方式采集到焊接圖像并對(duì)焊縫偏差識(shí)別算法進(jìn)行了相關(guān)研究.然而由于焊接圖像中焊絲、電弧、熔池、坡口等有用的信息分布在光譜的各個(gè)波段，當(dāng)使用濾光片濾除某個(gè)波段范圍內(nèi)弧光時(shí)，雖然減弱了弧光對(duì)成像的干擾，但同時(shí)也丟失了一些有用的圖像信息，使得圖像質(zhì)量下降、邊緣變得模糊，從而影響到偏差識(shí)別的精度.

針對(duì)目前直接拍攝視覺傳感方式存在的弊端，文中不使用任何結(jié)構(gòu)光源或?yàn)V光片，僅用寬動(dòng)態(tài)范圍相機(jī)實(shí)時(shí)采集到較清晰的CO2焊焊接圖像.在此基礎(chǔ)上開發(fā)了一系列圖像處理算法提取坡口中心線與熔池前端中心后得到焊縫偏差.

1　焊接圖像的特征分析

為了提高焊接偏差識(shí)別的實(shí)時(shí)性，相機(jī)采集焊接圖像時(shí)應(yīng)盡量靠近電弧.然而，取像位置離電弧越近，強(qiáng)烈的電弧光會(huì)使相機(jī)感光芯片的像元飽和，導(dǎo)致采集的焊接圖像丟失關(guān)鍵信息.為了避免上述現(xiàn)象，文中采用由對(duì)數(shù)特性感光芯片構(gòu)成的寬動(dòng)態(tài)范圍工業(yè)相機(jī)作為視覺傳感器[7]，采集的焊接圖像見圖1.圖1具有如下特征：①同時(shí)獲取了熔池、坡口邊緣等關(guān)鍵信息，坡口邊緣和熔池的輪廓較明顯；②圖像受到多種污染，污染源包括從焊接區(qū)飛出的飛濺、彌漫在電弧區(qū)周圍的煙塵和短路過渡過程電磁干擾導(dǎo)致的橫向條紋；③灰度分布有一定的特點(diǎn)，圖像中灰度值較大的區(qū)域集中分布在電弧區(qū).

圖1　焊接圖像

2　焊接圖像預(yù)處理

2.1去除飛濺

圖像中大量飛濺的存在嚴(yán)重影響ROI(Region of Interest)提取的準(zhǔn)確性.由于在焊接圖像A(見圖2(a))中飛濺的主要表現(xiàn)形式是小顆粒狀，構(gòu)造半徑為8像素的圓形結(jié)構(gòu)元素B1，對(duì)采集的焊接圖像A進(jìn)行形態(tài)學(xué)腐蝕，表示為AΘB1={z|(B1)Z?A}.腐蝕后的圖像作為標(biāo)記，焊接圖像A作為模板，用快速混合重建算法對(duì)圖像重建后[8]，結(jié)果如圖2(b)所示.可見，多數(shù)飛濺已被濾除.

圖2　去除飛濺

2.2選取ROI

為了減少運(yùn)算量、縮短運(yùn)算時(shí)間和提高實(shí)時(shí)性，在進(jìn)行焊接偏差識(shí)別前，往往先截取包含關(guān)鍵信息的尺寸較小的圖像作為ROI.由于文中試驗(yàn)系統(tǒng)相機(jī)與焊槍位置固定，故選取長(zhǎng)寬為90像素的方形區(qū)域作為ROI.圖2(b)虛線框內(nèi)的區(qū)域即為選取的ROI.

3　識(shí)別坡口邊緣

焊接圖像中坡口邊緣和熔池邊緣往往被彌漫的煙塵覆蓋，表現(xiàn)為弱邊緣.Canny算法是功能優(yōu)異的弱邊緣檢測(cè)算法[9].然而，傳統(tǒng)Canny算法在用于CO2焊焊接圖像邊緣檢測(cè)時(shí)，存在如下弊端：①由于圖像中干擾橫條紋寬窄不一，很難用圖像處理的方法濾除，在用傳統(tǒng)Canny算法識(shí)別邊緣信息時(shí)，獲取的邊緣信息往往包括大量的無用橫條紋邊緣；②傳統(tǒng)Canny算法為了保證邊緣的連續(xù)性，用雙閾值的方法連接邊緣.但處理文中焊接圖像時(shí)，識(shí)別出大量的偽邊緣，包括未濾除的飛濺、熔池周圍的偽邊緣和彌漫的條狀煙塵等.傳統(tǒng) Canny算法對(duì)ROI處理后結(jié)果如圖3所示.

圖3　傳統(tǒng)Canny算法的處理結(jié)果

針對(duì)傳統(tǒng) Canny算法處理文中焊接圖像的弊端，提出一種改進(jìn)的Canny算法.

構(gòu)造一維高斯濾波內(nèi)核函數(shù)：

(1)

對(duì)G(x)歸一化到[0，1]范圍內(nèi)，然后分別在x和y方向?qū)D4(a)進(jìn)行一維高斯平滑濾波，得到D1和D2.兩個(gè)方向上的梯度幅值分別為

(2)

(3)

將dx和dy的最大值和最小值分別映射為最大灰度值255和最小灰度值0，中間的值映射為255和0之間的灰度值，y方向幅值灰度圖如圖4(b)所示.用單閾值僅對(duì)y方向梯度幅值進(jìn)行非極大值抑制，y方向梯度幅值僅用于計(jì)算梯度方向，從而得到邊緣信息，如圖4(c)所示.

在改進(jìn)的Canny算法檢測(cè)邊緣之后，需使用邊緣連接算法連接真實(shí)坡口邊緣.文中選用基于圖像全局特性的Hough變換連接邊緣.經(jīng)過Hough變換后，計(jì)算出參數(shù)空間的峰值點(diǎn)，即對(duì)應(yīng)原圖像空間的直線段.根據(jù)坡口兩邊緣線近似平行且距離較大的先驗(yàn)知識(shí)，識(shí)別出坡口兩邊緣線，如圖4(d)中的兩虛線線段.圖4(e)為所識(shí)別的坡口邊緣在ROI上標(biāo)示，可見坡口邊緣識(shí)別較準(zhǔn)確.

圖4識(shí)別坡口邊緣的圖像處理順序圖

Fig.4Procedure diagram of image processing for detecting groove edge

4　識(shí)別熔池邊緣

由改進(jìn)的Canny算法得到的邊緣二值圖像(見圖4(c))中包括坡口邊緣、熔池邊緣、焊絲邊緣和電弧邊緣.雖然已提取坡口邊緣，但在其余的邊緣信息中直接識(shí)別出熔池邊緣，依然存在困難.在圖4(a)中，灰度值較大的區(qū)域集中分布在電弧區(qū).焊絲的熔化端被電弧包圍，與電弧區(qū)具有銜接特性.根據(jù)該銜接特性，首先分割出電弧區(qū)和焊絲區(qū)，與已提取的坡口邊緣組合成掩模圖像，然后用邊緣二值圖像與該掩模圖像相減，最后得到熔池邊緣二值圖像.在此基礎(chǔ)上進(jìn)行小面積區(qū)域?yàn)V除，得到非連續(xù)的熔池邊緣.依據(jù)熔池前端的外形類似橢圓的特點(diǎn)，提出一種基于條件約束的差分進(jìn)化(Differential Evolution，DE)算法擬合出熔池前端邊緣.

4.1生成掩模圖像

為了準(zhǔn)確地?cái)M合出熔池前端邊緣，應(yīng)盡可能在邊緣二值圖像中濾除熔池邊緣之外的信息.掩模圖像包含了邊緣二值圖像中熔池、焊絲和坡口的邊緣.掩模圖像生成步驟如下：

(1)由于試驗(yàn)系統(tǒng)沒有使用任何外部光源，僅靠電弧光照亮視場(chǎng)，焊接圖像灰度值較大的區(qū)域集中在電弧區(qū).通過ROI的灰度直方圖統(tǒng)計(jì)所有灰度值的概率，選取統(tǒng)計(jì)值大于90%的像素灰度值作為閾值，分割出電弧區(qū)，如圖5(a)所示.

(2)CO2焊屬于熔化極氣體保護(hù)焊[10]，熔化的焊絲末端被電弧包圍.求取電弧區(qū)域頂端在同一行中距離最大的兩個(gè)內(nèi)邊緣點(diǎn)，如圖5(b)中紅色星號(hào)所示.根據(jù)上文Hough變換求出的坡口邊緣角度，以這兩個(gè)點(diǎn)為起點(diǎn)確定線段，直到達(dá)到圖像頂端，如圖5(c)所示.對(duì)其進(jìn)行填充操作，得到圖5(d).添加已識(shí)別的坡口邊緣后，如圖5(e)所示.為了盡可能地使掩模圖像包含除熔池邊緣之外的信息，把圖4(c)與圖5(d)的八連通部分也添加到掩模圖像中，圖5(f)即為生成的掩模圖像.

4.2擬合熔池邊緣

改進(jìn)的Canny算法得到的邊緣二值圖像(圖6(a))減去掩模圖像(圖6(b))，得到熔池邊緣二值圖像(圖6(c)).對(duì)圖6(c)進(jìn)行區(qū)域面積濾除，得到熔池邊緣圖像(圖6(d)).可見熔池邊緣既不閉合也不連續(xù)，這給焊接偏差識(shí)別時(shí)獲取熔池前端中心造成了困難.大量有關(guān)CO2焊熔池的研究表明[11-12]，熔池前端外形具有明顯的橢圓特性.利用檢測(cè)橢圓的圖像處理算法擬合出熔池邊緣是一種可行的方法.DE算法 根據(jù)種群個(gè)體之間的差異進(jìn)行隨機(jī)搜索尋優(yōu)，是一種新興的進(jìn)化計(jì)算技術(shù)[13-14].在醫(yī)學(xué)圖像處理領(lǐng)域，文獻(xiàn)[15]根據(jù)白細(xì)胞具有類似橢圓的特點(diǎn)，采用一種DE橢圓識(shí)別算法擬合出白細(xì)胞的邊緣.本研究在此基礎(chǔ)上進(jìn)行改進(jìn)，提出一種基于條件約束的DE橢圓識(shí)別算法，用于擬合不連續(xù)的熔池邊緣.具體步驟如下：

圖5　生成掩模圖像的圖像處理順序圖

(1)根據(jù)先驗(yàn)知識(shí)確定兩個(gè)已知點(diǎn)作為條件約束

正如兩點(diǎn)確定一條直線，5點(diǎn)可確定一個(gè)橢圓.在圖6(d)中，熔池邊緣由4個(gè)不連續(xù)的邊緣線段組成，圖像下部?jī)蓚€(gè)邊緣線段的頂端包含了少部分焊縫邊緣，而圖像上部?jī)蓚€(gè)邊緣線段包含了真實(shí)的熔池邊緣.為了避免擬合后的橢圓形熔池邊緣受到少部分焊縫邊緣的影響，文中通過搜索算法找出圖像上部的兩個(gè)邊緣線段的末端作為已知的兩個(gè)橢圓擬合點(diǎn)P4、P5(如圖6(d)紅色星號(hào))，以此作為DE算法尋優(yōu)迭代的約束條件.

(2)初始化其他3個(gè)未知點(diǎn)的種群

圖6(d)中的邊緣為單像素邊緣.獲取邊緣的總像素?cái)?shù)，以總像素?cái)?shù)作為初始化種群的上限Vmax，1作為初始化種群的下限Vmin.N為種群個(gè)體的數(shù)量，Storn 等[13]指出N的大小合適范圍位于5D和10D(D為未知點(diǎn)的個(gè)數(shù)，即為3)之間，文中選N為20，t為迭代次數(shù)，初始化種群表示如下：

xi，t=Vmin+rand(0，1)(Vmax-Vmin)

(4)

其中，i=1，2，…，N.

當(dāng)初次迭代次數(shù)t=0時(shí)得到個(gè)體

(5)

其中：i=1，2，…，N.

(3)評(píng)價(jià)函數(shù)值

求出5點(diǎn)確定的單像素橢圓與圖6(d)中的邊緣之間的公共像素M，M與Vmax的比值作為個(gè)體評(píng)價(jià)函數(shù)值.

(4)變異操作

為保證所擬合的熔池邊緣的精度，文中選擇變異算子：

Vi，t=Xi，t+F[(Xbest，t-Xi，t)+(Xr1，t-Xr2，t)]

(6)

其中：r1，r2∈{1，2，…，20}，是互不相等的隨機(jī)數(shù)，且不等于當(dāng)前個(gè)體序號(hào)i；Xbest，t為當(dāng)前(第t次迭代)種群的最優(yōu)個(gè)體；Xi，t是當(dāng)前(第t次迭代)種群的序號(hào)為i的個(gè)體；變異步長(zhǎng)F選為0.8.

(5)交叉、選擇操作

交叉操作的方式采用Binomial方式[14].選擇操作過程如下：如果試驗(yàn)個(gè)體的評(píng)價(jià)函數(shù)值優(yōu)于與之相比較的個(gè)體評(píng)價(jià)函數(shù)值，則在下一次迭代中用試驗(yàn)個(gè)體作為最優(yōu)個(gè)體，否則當(dāng)前最優(yōu)個(gè)體保持不變.

(6)終止條件

由于熔池的前端外形僅類似橢圓，并不是規(guī)則的橢圓，故選擇評(píng)價(jià)函數(shù)值達(dá)到0.6時(shí)，DE算法終止.

(7)擬合出熔池邊界

在圖6(e)中，原熔池邊緣用褐色線標(biāo)示，DE算法得出的最優(yōu)3點(diǎn)用黃色星號(hào)標(biāo)示，擬合出熔池前端橢圓邊界用綠線標(biāo)示.圖6(f)為所擬合的橢圓熔池邊緣在ROI上的標(biāo)示，可見其與實(shí)際邊界基本吻合.

圖6　擬合熔池邊緣的圖像處理順序圖

5　計(jì)算焊接偏差

首先求取坡口兩邊緣線的中心線段(見圖7綠色虛線)；然后求取橢圓的中心點(diǎn)(見圖7藍(lán)色星號(hào))，過該點(diǎn)做與坡口中心線平行的虛線段(見圖7中紅色虛線段).最后求取紅綠兩虛線段在x方向差值的絕對(duì)值，即為所求焊接偏差(如圖7圓形放大區(qū)所示).

圖7焊接偏差

Fig.7Welddeviation

6　試驗(yàn)

焊接過程是多因素耦合的非線性過程[16]，通過試驗(yàn)對(duì)提出的識(shí)別算法的魯棒性和精確性進(jìn)行驗(yàn)證.

6.1試驗(yàn)系統(tǒng)

試驗(yàn)系統(tǒng)主要由視覺傳感部分、PC機(jī)、焊接系統(tǒng)和運(yùn)動(dòng)執(zhí)行機(jī)構(gòu)組成，系統(tǒng)結(jié)構(gòu)圖如圖8所示.視覺傳感部分由NITMC1104寬動(dòng)態(tài)范圍相機(jī)、長(zhǎng)焦距鏡頭和保護(hù)玻璃片組成.為了在同一幀圖像中同時(shí)獲取熔池和坡口邊緣信息，相機(jī)與焊槍安裝在機(jī)械手末端；焊槍垂直于水平放置的待焊工件；相機(jī)與待焊工件平面呈60°夾角，如圖9所示.焊接系統(tǒng)由PanasonicYD-400GE焊機(jī)、焊槍、氣瓶及配套的送絲機(jī)組成.為了減少飛濺量，試驗(yàn)系統(tǒng)使用藥芯焊絲.焊接參數(shù)見表1.焊槍運(yùn)動(dòng)執(zhí)行機(jī)構(gòu)采用ABB公司的IRB140六軸機(jī)械手.

圖8系統(tǒng)結(jié)構(gòu)圖

Fig.8Schematicdiagramofexperimentalsystem

圖9　試驗(yàn)現(xiàn)場(chǎng)圖

6.2試驗(yàn)方案

試驗(yàn)焊縫長(zhǎng)度約為20cm，帶有坡口斜面的兩工件用夾具固定，以減小焊接過程中熱變形.

試驗(yàn)中對(duì)機(jī)械手進(jìn)行示教，使其末端焊槍首先在焊接起的始位置處沿坡口中心進(jìn)行焊接，然后逐漸偏離坡口中心，在焊接結(jié)束位置設(shè)置沿焊接方向的右側(cè)偏離坡口中心1mm，即焊槍沿逐漸偏離坡口中心的斜線運(yùn)動(dòng).

示教完畢后，焊槍的運(yùn)行軌跡記錄在機(jī)械手控制器內(nèi).由于文中算法每幀圖像的處理耗時(shí)在180ms內(nèi)，考慮到焊縫偏差識(shí)別實(shí)時(shí)性的要求，寬動(dòng)態(tài)范圍每秒采集并處理5幀圖像.在待焊工件的表面放置棋盤格標(biāo)定板(方格大小為2mm×2mm)，使用Matlab標(biāo)定工具箱對(duì)相機(jī)進(jìn)行標(biāo)定[17]，獲得相機(jī)的內(nèi)外參數(shù).雖然相機(jī)與焊件呈一定的角度，但是由于ROI區(qū)域尺寸較小，每個(gè)方格所包含的像素?cái)?shù)幾乎一致，約為40像素，故圖像的物理分辨率為0.05mm/像素.

焊接系統(tǒng)起弧焊接的同時(shí)，寬動(dòng)態(tài)范圍相機(jī)開始采集圖像，機(jī)械手根據(jù)示教的軌跡啟動(dòng)運(yùn)行.焊后的焊件如圖10所示.

圖10焊件

Fig.10Weldment

6.3焊接偏差識(shí)別算法的魯棒性

為了驗(yàn)證焊接偏差識(shí)別算法的魯棒性，選取污染較為嚴(yán)重的4幀圖像進(jìn)行處理.圖11(a)為熔池前端有飛濺飛出的圖像；圖11(b)和圖11(d)為煙塵彌漫較嚴(yán)重的圖像；圖11(c)為熔池附近存在嚴(yán)重電磁干擾橫條紋的圖像；圖11(d)是焊接偏差較大的圖像.圖11(a)、(b)中，焊接偏差被圓形放大區(qū)域放大，右下端的圖像為選取ROI后的熔池邊緣識(shí)別圖像.由圖可見，坡口邊緣均能被提取，最后焊接偏差亦均能被有效識(shí)別.

圖11　試驗(yàn)圖像的焊接偏差識(shí)別

6.4焊接偏差識(shí)別算法的精確性

焊接偏差的識(shí)別精確性是文中算法能否應(yīng)用于焊縫跟蹤和焊接機(jī)器人的關(guān)鍵.由于所使用的機(jī)械手示教重復(fù)精度(±0.03mm)可忽略不計(jì)，所以試驗(yàn)所得的識(shí)別精度可認(rèn)為是文中算法的精度.試驗(yàn)共采集并處理200幀焊接圖像，焊接偏差精度結(jié)果如圖12所示.由圖12可見，算法識(shí)別偏差均在包絡(luò)線范圍內(nèi)，故文中算法的識(shí)別精度為±0.3mm，完全能夠滿足焊接過程中焊縫跟蹤的要求.

圖12焊接偏差識(shí)別算法的精度

Fig.12Precisionoftheweldingdeviationdetectionalgorithm

7　結(jié)語(yǔ)

本研究首先針對(duì)現(xiàn)有直接拍攝視覺傳感方式存在的不足，提出了不使用結(jié)構(gòu)光源或?yàn)V光片，僅采用由對(duì)數(shù)特性感光芯片構(gòu)成的寬動(dòng)態(tài)范圍相機(jī)采集焊接圖像的方案；然后根據(jù)焊接圖像的特點(diǎn)，提出一種改進(jìn)的Canny算法得到邊緣信息，并結(jié)合Hough變換和先驗(yàn)知識(shí)，提取出坡口邊緣；最后，提出一種基于條件約束的DE橢圓識(shí)別算法，擬合出熔池邊緣，在此基礎(chǔ)上計(jì)算得出焊接偏差.文中通過試驗(yàn)對(duì)提出的焊接偏差識(shí)別算法的魯棒性和精確性進(jìn)行了驗(yàn)證，結(jié)果表明：對(duì)于污染較嚴(yán)重的圖像，算法依然能有效識(shí)別；焊縫偏差的精度可控制在±0.3mm.可見，文中焊縫偏差識(shí)別完全滿足焊縫跟蹤的要求，可作為焊接機(jī)器人的被控量，實(shí)現(xiàn)CO2焊的自動(dòng)化焊接；文中的熔池邊緣識(shí)別算法也可應(yīng)用于焊接質(zhì)量監(jiān)控領(lǐng)域中的熔池寬度監(jiān)控.

[1] GAO J Q，WU C S.Vision based measuring system for both weld pool and root gap in continuous current GTAW [J].Science and Techno-logy of Welding and Joining，2007，12(1)：50-54.

[2]XU Y，YU H，ZHONG J，et al.Real-time seam tracking control technology during welding robot GTAW process based on passive vision sensor [J].Journal of Materials Processing Technology，2012，212(8)：1654-1662.

[3]薛家祥，劉曉，朱思君，等.基于分形和數(shù)學(xué)形態(tài)學(xué)的TIG焊熔池圖像分析 [J].華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版)，2007，35 (8)：7-10.

XUE Jia-xiang，LIU Xiao，ZHU Si-jun，et al.Analysis of molten pool image of TIG welding based on fractal and mathematical morphology [J].Journal of South China University of Technology (Natural Science Edition)，2007，35(8)：7-10.

[4]XU Y，F(xiàn)ANG G，CHEN S，et al.Real-time image processing for vision-based weld seam tracking in robotic GMAW [J].The International Journal of Advanced Manufacturing Technology，2014，73(9/10/11/12)：1413-1425.

[5]SHI Y H，WANG G R.Vision based seam tracking system for underwater flux cored arc welding [J].Science and Technology of Welding and Joining，2006，11(3)：271-277.

[6]LI W，GAO K，WU J，et al.SVM-based information fusion for weld deviation extraction and weld groove state identification in rotating arc narrow gap MAG welding [J].The International Journal of Advanced Manufacturing Techno-logy，2014，74(9/10/11/12)：1355-1364.

[7]NI Y，ZHU Y，ARION B.A 768x576 logarithmic image sensor with photodiode in solar cell mode [C]∥ International Image SensorWorkshop.London：IEEE，2011：215-218.

[8]VINCENT L.Morphological grayscale reconstruction in image analysis：applications and efficient algorithms [J].IEEE Transactions on Image Processing，1993，2(2)：176-201.

[9]CANNY J.A computational approach to edge detection [J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1986，10(6)：679-698.

[10]殷樹言.氣體保護(hù)焊工藝基礎(chǔ)及應(yīng)用 [M].北京：機(jī)械工業(yè)出版社，2012.

[11]SUN Z，CHEN Q，ZHANG W，et al.A novel visual image sensor for CO2short circuiting arc welding and its application in weld reinforcement detection [J].Measurement Science and Technology，2006，17(12)：3212-3220.

[12]曹一鵬，陳強(qiáng)，孫振國(guó).CO2短路過渡焊接熔池圖像傳感器 [J].焊接學(xué)報(bào)，2004,25(2)：1-4.

CAO Yi-peng，CHEN Qiang，SUN Zhen-guo.Pool image sensor for CO2short circuiting arc welding [J].Tran-sactions of The China Welding Institution，2004,25(2)：1-4.

[13]STORN R，PRICE K.Differential evolution—a simple and efficient heuristic for global optimization over conti-nuous spaces [J].Journal of Global Optimization，1997，11(4)：341-359.

[14]QIN A K，HUANG V L，SUGANTHAN P N.Differential evolution algorithm with strategy adaptation for global numerical optimization [J].IEEE Transactions on Evolutionary Computation，2009，13(2)：398-417.

[15]CUEVAS E，DIAZ M，MANZANARES M，et al.An improved computer vision method for white blood cells detection [J].Computational and Mathematical Methods in Medicine，2013，2013：1-14.

[16]ZHANG Y.Real-time weld process monitoring [M].Berlin：Elsevier，2008.

[17]BOUGUET J.Camera calibration toolbox for matlab [EB/OL].(2015-10-14)[2015-11-29].http：∥www.vision.caltech.edu/bouguetj/calib_doc/.

s： Supported by the National Natural Science Foundation of China(51374111,51175185)and the Science and Technology Planning Project of Guangdong Province(2015B010919005,2013B010402005)

Vision-Based Welding Deviation Detection for CO2Arc Welding

GUOBoSHIYong-hua

(School of Mechanical and Automotive Engineering，South China University of Technology，Guangzhou 510640，Guangdong，China)

Capturing high-quality welding images and extracting deviation information are two important steps of welding deviation detection. In this paper，on the basis of imaging characteristics analysis in the process CO2arc welding，real-time welding images were acquired clearly and steadily by using a wide dynamic range camera. Then，according to the characteristics of welding images，an improved Canny algorithm was developed to detect groove edges，and both Hough transform and prior knowledge were used to connect these edges. Moreover，in order to fit out the edge of weld pool，a differential evolution ellipse detection algorithm on the basis of condition restriction was proposed，with which welding deviation can be successfully calculated. Experimental results show that the proposed algorithm possesses strong robustness and high precision，so that it meets the requirements of seam tracking and welding automation well.

vision sensing； CO2arc welding； welding deviation detection； DE algorithm； improved Canny algorithm

1000-565X(2016)07-0001-08

2015-11-29

國(guó)家自然科學(xué)基金資助項(xiàng)目(51374111,51175185)；廣東省科技計(jì)劃項(xiàng)目(2015B010919005，2013B010402005)

郭波(1981-)，男，博士生，講師，主要從事焊接自動(dòng)化研究.E-mail:guobo651@126.com

石永華(1973-)，男，教授，博士生導(dǎo)師，主要從事焊接自動(dòng)化研究.E-mail:yhuashi@scut.edu.cn

TG 409doi： 10.3969/j.issn.1000-565X.2016.07.001