黃冠雄，高向東，蕭振林，陳曉輝，李秀忠

（1.廣東工業(yè)大學(xué)機電工程學(xué)院，廣東廣州510006；2.廣州番禺高勛染整設(shè)備制造有限公司，廣東廣州511400；3.佛山職業(yè)技術(shù)學(xué)院，廣東佛山528137）

微間隙焊縫磁光成像傳感自適應(yīng)識別方法

黃冠雄1，高向東1，蕭振林2，陳曉輝2，李秀忠3

（1.廣東工業(yè)大學(xué)機電工程學(xué)院，廣東廣州510006；2.廣州番禺高勛染整設(shè)備制造有限公司，廣東廣州511400；3.佛山職業(yè)技術(shù)學(xué)院，廣東佛山528137）

對于微間隙（小于0.1 mm）對接焊縫，針對焊接過程中磁光傳感器提離高度不斷變化的狀態(tài)，設(shè)計焊縫位置檢測試驗系統(tǒng)。通過對焊件施加感應(yīng)磁場，并利用法拉第旋光原理構(gòu)成的磁光傳感器獲取焊縫磁光圖像序列。為了識別焊縫的準確位置，研究一種改進的多閾值最大類間方差算法。根據(jù)傳統(tǒng)最大類間方差法的基本思想進行多閾值推廣，并使用松弛余量的方法優(yōu)化算法的搜索過程。根據(jù)焊縫磁光圖像的特征，運用算法自適應(yīng)確定圖像的兩個分割閾值，獲得焊縫的準確位置。焊縫位置識別試驗結(jié)果表明，改進的多閾值最大類間方差識別算法是一種有效的焊縫位置自適應(yīng)識別方法，適用于基于磁光成像檢測的焊縫路徑實時跟蹤。

磁光成像；微間隙焊縫；圖像分割；最大類間方差

0　前言

激光焊接技術(shù)已廣泛應(yīng)用于制造業(yè)，激光焊接自動化是當(dāng)前焊接技術(shù)發(fā)展的重要趨勢。為了保證焊接質(zhì)量，準確的焊縫位置識別與精確的焊縫跟蹤是進行激光焊接的重要前提[1]。在激光焊接過程中，當(dāng)激光束聚焦光斑足夠小時，產(chǎn)生的能量才能使焊件熔化而被連接在一起，因此焊縫間隙寬度必須小于激光束聚焦光斑的直徑大小?；诖殴獬上駛鞲械暮缚p檢測技術(shù)是一種針對緊密對接、無坡口、超窄間隙焊縫的有效檢測新方法[2]。它以法拉第磁旋光效應(yīng)為基礎(chǔ)，通過對焊件施加感應(yīng)磁場，得到反映焊縫上方磁場分布的焊縫磁光圖像序列，根據(jù)圖像序列的特征提取焊縫位置，從而精確地實現(xiàn)焊縫跟蹤。

焊縫過渡帶是微間隙焊縫磁光圖像的最主要特征，從磁光圖像中準確識別焊縫過渡帶并提取焊縫中心是進行微間隙焊縫位置精確跟蹤的關(guān)鍵。目前焊縫磁光圖像的處理方法主要包括焊縫過渡帶邊緣信息提取法和焊縫過渡帶目標分割法。其中邊緣信息提取法有傳統(tǒng)的Canny邊緣提取、小波邊緣提取等，但由于磁光傳感器對工業(yè)現(xiàn)場的電、磁等干擾非常敏感，導(dǎo)致獲取的焊縫磁光圖像的邊緣復(fù)雜性大大增加，使這些方法檢測到的焊縫邊緣往往比較粗糙，而且計算量大，不能滿足實時焊縫跟蹤的要求；目標分割法有雙峰法（最優(yōu)固定閾值法）、Otsu法（最大類間方差法）等，其特點是計算量較小，適合應(yīng)用于在線焊縫跟蹤。

在復(fù)雜工業(yè)現(xiàn)場中，焊件表面不可能保持完全水平，磁光傳感器與焊件表面的距離（提離高度）也會由于跟蹤運動過程中的振動而發(fā)生改變。因此根據(jù)磁光傳感器對提離高度具有高敏感度的特點，設(shè)計試驗方案，模擬提離高度不斷變化的焊縫位置檢測過程，研究一種針對焊縫磁光圖像特征的改進的多閾值最大類間方差分割算法，并改善算法的運算速度和可靠性，使其能滿足焊縫跟蹤的實時性要求。

1　試驗系統(tǒng)

激光焊接試驗系統(tǒng)示意如圖1所示。磁場發(fā)生器位于焊件下方，其作用是磁化焊件并使焊縫間隙處產(chǎn)生漏磁。磁光成像傳感器位于焊縫上方，通過圖像采集系統(tǒng)獲取焊縫磁光圖像并存儲到計算機中。

磁光成像傳感器工作原理如圖2所示，由單色高功率發(fā)光二極管作為光源發(fā)出的光經(jīng)起偏器變?yōu)榫€偏振光，通過磁光薄膜并被反射鏡片反射。由于反射鏡片下方焊縫處的垂直磁場分量發(fā)生變化，根據(jù)法拉第磁旋光效應(yīng)，線偏振光的偏振方向會發(fā)生一定角度的偏轉(zhuǎn)，包含了焊縫信息的線偏振光經(jīng)檢偏器檢偏后被成像元件接收，形成焊縫磁光圖像。

圖1　試驗裝置示意Fig.1Schematic diagram of experimental system

圖2　磁光成像傳感器工作原理示意Fig.2Schematic of magneto-optical imaging device

2　焊縫位置磁光檢測試驗及圖像序列特征

2.1磁光檢測焊縫位置試驗方案

磁光傳感器的成像效果與提離高度的大小密切相關(guān)，不同的磁光成像效果會使縫磁光圖像特征發(fā)生改變，給下一步焊縫位置的準確檢測帶來困難。為了模擬焊縫跟蹤過程中提離高度不斷變化的情況，設(shè)計了如圖3所示的磁光檢測焊縫位置試驗方案，其中D1為磁光傳感器起始位置的提離高度，即磁光傳感器與焊件的距離，D2為磁光傳感器終止位置的提離高度。在改變D1和D2的條件下分別進行兩組試驗，磁光檢測焊縫位置試驗的試驗參數(shù)如表1所示。

表1　試驗參數(shù)Tab.1Testing parameters

圖3　磁光檢測焊縫位置試驗示意Fig.3Schematic of weld detection testing with MOI

2.2焊縫磁光圖像序列特征分析

圖4是在試驗1中通過磁光傳感器采集到的焊縫磁光圖像序列的部分樣本。

圖4　焊縫磁光圖像序列Fig.4Weld magneto-optical images sequence

圖像中較亮和較暗的部分分別對應(yīng)被磁化的焊件的N極和S極，中間的過渡區(qū)域（焊縫過渡帶）反映焊縫處的漏磁場的分布。當(dāng)磁場沿著焊縫兩側(cè)對稱分布時，焊縫漏磁場亦沿著焊縫兩側(cè)對稱分布，而磁光傳感器將磁場分布信息以光強的形式表現(xiàn)出來，就形成了磁光圖像。因此理論上焊縫過渡帶的中心線就是焊縫中心的位置。

在焊縫跟蹤過程中，當(dāng)提離高度始終保持不變時，焊縫過渡帶的寬度會保持不變；當(dāng)提離高度按照圖3的試驗方案發(fā)生變化時，其焊縫過渡帶寬度也會隨之發(fā)生改變。試驗1磁光圖像序列焊縫過渡帶寬度的變化曲線如圖5所示，隨著提離高度的增加，焊縫過渡帶變得越來越寬。

圖5　磁光圖像焊縫過渡帶變化曲線Fig.5Curve of weld transition zone changing

根據(jù)磁光圖像的多背景灰度的特征，即背景既包含小于目標的灰度級，也包含大于目標的灰度級，需要采用多閾值的目標分割方法，在本研究中磁光圖像序列采用的是雙閾值。根據(jù)磁光圖像灰度直方圖中灰度級的概率分布特征進行手動目標分割，得到分割時所使用的兩個最優(yōu)閾值——下閾值和上閾值，圖6和圖7是試驗1磁光圖像序列中下閾值和上閾值的變化曲線，下閾值隨著提離高度的增加逐漸減小，上閾值隨著提離高度的增加逐漸增大。

因此，需要研究一種既能自動檢測出焊縫中心的準確位置，又能滿足焊縫跟蹤實時性要求的自適應(yīng)雙閾值分割算法。

圖6　磁光圖像下閾值變化曲線Fig.6Curve of low-threshold of magneto-optical images

圖7　磁光圖像上閾值變化曲線Fig.7Curve of high-threshold of magneto-optical images

3　多閾值最大類間方差法

3.1最大類間方差法

最大類間方差法又稱Otsu法，其基本原理是以最佳閾值將圖像的灰度直方圖分割成兩部分，使兩部分的方差取最大值，意味著錯分概率最小，即分割效果最好[3]。最大類間方差選擇函數(shù)定義為

式中ω0和ω1分別為目標出現(xiàn)概率和背景出現(xiàn)概率；μ0和μ1分別為目標的灰度均值和背景的灰度均值；μ為全局圖像均值，令ω0=ω(T)，μ0=μ(T)，則式（1）可以簡化為

最大類間方差法可以自動得到統(tǒng)計意義上的最佳分割閾值，實際應(yīng)用中對目標-背景類的圖像具有很好的分割效果。但傳統(tǒng)的最大類間方差法是單閾值的，只能把圖像分割為兩類，而磁光圖像并不是簡單的單峰圖像，因此不能直接對磁光圖像進行分割，需將最大類間方差法推廣到多閾值。

3.2最大類間方差法的推廣

設(shè)有M個閾值把磁光圖像分成M+1類，閾值區(qū)間為[0，1，…，t1]，[t1+1，…，t2]，…，[tM+1，…，L-1]。根據(jù)最大類間方差法的基本思想，最大類間方差選擇函數(shù)可推廣定義為[4]

式中ωk，μk，μ分別為在每一個類出現(xiàn)的概率、灰度均值和圖像的總體灰度均值。使得最大值的一組閾值就是所要求的最優(yōu)閾值，即最優(yōu)閾值為

算法的基本過程是：首先根據(jù)用戶設(shè)定的閾值個數(shù)M劃分類別區(qū)間，初始化閾值大小t1，t2，…，tM，然后計算類間方差并保存于數(shù)組sigma2B中，循環(huán)搜索直方圖，組合t1，t2，…，tM，每次循環(huán)使其中一個閾值ti=ti+1（i=1，2，…，M），比較sigma2B中所有的類間方差找出最大類間方差對應(yīng)的那組閾值（t1，t2，…，tM）即為所求的最優(yōu)分割閾值。

3.3多閾值最大類間方差法的改進

多閾值最大類間方差法本質(zhì)上是一種數(shù)值優(yōu)化的窮舉搜索算法，其搜索運算的循環(huán)數(shù)近似等于以灰度級數(shù)為底、以閾值數(shù)為冪的指數(shù)。因此，如果不加改進，多閾值最大類間方差法分割的運算效率較低。為此，根據(jù)焊縫跟蹤的實時性要求，對上述方法進行了如下的改進。

在進行最大類間方差分割之前，使用雙峰法粗略得到各分割閾值，確定一個較小的灰度級范圍作為相應(yīng)局部閾值的搜索范圍（稱為松弛余量）。各閾值不再窮盡搜索整個直方圖，而是在松弛余量范圍內(nèi)進行搜索[5]。如果最終搜索到的最佳閾值到達搜索范圍邊界，則表明粗分割閾值與最優(yōu)閾值差別過大，應(yīng)擴大松弛余量，重新進行最佳閾值的搜索，以取得全局最優(yōu)分割。

4　焊縫識別結(jié)果與誤差分析

4.1焊縫位置識別結(jié)果

首先標定磁光圖像的像素當(dāng)量。在磁光傳感器內(nèi)部，鏡頭與成像平面的距離固定，因此像素當(dāng)量不會隨著提離高度的改變而發(fā)生變化，經(jīng)過標定得到磁光傳感器像素當(dāng)量為1/103（單位：mm/pixel）。

在磁光圖像采集過程中不可避免地會存在系統(tǒng)噪聲，這些噪聲會導(dǎo)致磁光圖像直方圖上出現(xiàn)偽峰值，從而影響后續(xù)目標分割的準確性。因此在進行圖像分割前，使用3×3的模板對磁光圖像進行一次中值濾波，以降低噪聲對分割算法準確性的影響。

然后運用多閾值最大類間方差法對焊縫磁光圖像序列進行目標分割，根據(jù)磁光圖像特征可分為三類，即閾值數(shù)為2。分割完成后圖像中仍然會存在一些小面積偽目標，因此使用3×3菱形結(jié)構(gòu)元素進行了腐蝕膨脹操作，保留最大的目標，即焊縫過渡帶。算法處理后磁光圖像分割結(jié)果的部分樣本如圖8所示。

圖8　多閾值最大類間方差法分割結(jié)果Fig.8Segmentation result of multi-threshold Otsu method

4.2誤差分析

在試驗1和試驗2中運用多閾值最大類間方差法和固定閾值法識別焊縫位置的曲線如圖9所示。固定閾值法是指根據(jù)磁光圖像序列首幀圖像進行最優(yōu)閾值提取后，整個序列都采用此組閾值的算法。試驗1和試驗2中運用多閾值最大類間方差法和固定閾值法識別焊縫位置的識別誤差曲線如圖10所示。由于工作臺開始運動時處于加速運動狀態(tài)，而實際焊縫路徑是根據(jù)磁光傳感器與自帶同軸攝像頭相對坐標關(guān)系按照勻速運動的情況給出的，所以由誤差曲線可以看到，試驗1和試驗2的前100幀圖像的識別誤差都較大。

統(tǒng)計分析試驗1和試驗2中101～400幀磁光圖像序列的焊縫位置識別誤差，如表2所示，其中算法1表示多閾值最大類間方差法，算法2表示固定閾值法。表中各誤差的定義如下

圖9　焊縫位置識別結(jié)果Fig.9Result of weld position recognition

由表2可知，根據(jù)多閾值最大類間方差法提取的焊縫位置識別誤差小，在磁光傳感器提離高度發(fā)生變化時能更準確地提取焊縫位置信息。

5　結(jié)論

（1）基于法拉第磁旋光效應(yīng)的磁光成像傳感器能夠有效檢測超微間隙焊縫，適用于激光焊接過程中間隙小于0.1 mm的微間隙焊縫的檢測和跟蹤。

（2）針對提離高度發(fā)生變化的狀態(tài)下的焊縫磁光圖像序列特征，提出一種改進的多閾值最大類間方差算法對焊縫位置進行自適應(yīng)識別。試驗結(jié)果表明，算法的計算復(fù)雜度小，處理時間短，識別誤差小，焊縫路徑跟蹤精度高，適用于基于磁光成像檢測的焊縫路徑實時跟蹤。

圖10　焊縫位置測量絕對誤差Fig.10Absolute error of weld position measurement

表2　焊縫位置測量誤差統(tǒng)計Tab.2Error statistics of weld position measurement

[1]Zhang Y，Gao X，Katayama S.Weld appearance prediction with BP neural network improved by genetic algorithm during disk laser welding[J].Journal of ManufacturingSystems，2015（34）：53-59.

[2]Gao X，Chen Y.Detection of micro gap weld using magnetooptical imaging during laser welding[J].The International Journal of Advanced Manufacturing Technology，2014，73（1-4）：23-33.

[3]張召長，戴耀東，周正東.基于Otsu多閾值和分水嶺算法的乳腺腫塊分割[J].計算機應(yīng)用，2008（S2）：198-200.

[4]張立云，劉南艷，侯媛彬，等.多閾值SF的光照不均圖像分割[J].光電工程，2014，41（7）：81-87.

[5]鄧富亮，唐娉，劉源，等.引入松弛因子的高分辨率遙感影像自動多層次分割[J].遙感學(xué)報，2013，17（6）：1492-1507.

Adaptive recognition method of micro-gap weld position based on magneto-optical sensing

HUANG Guanxiong1，GAO Xiangdong1，XIAO Zhenlin2，CHEN Xiaohui2，LI Xiuzhong3
（1.School of Electromechanical Engineering，Guangdong University of Technology，Guangzhou 510006，China；2.Guangzhou Panyu Gofront Dyeing&Finishing Machinery Manufacturer Ltd.，Guangzhou 511400，China；3. Foshan Polytechnic，F(xiàn)oshan 528137，China）

For micro-gap weld joint whose width is less than 0.1 mm and simulating the changing condition of lift-off height of magneto-optical sensor in welding processing，designed a experiment scheme to detect weld position by using magneto-optical senser.In the experiment，the weldments were magnetized by using an excitation magnetic field.Meanwhile，a magneto optical sensor based on the principle of Faraday magneto effect was applied to acquire the magneto optical images sequences of weld joint.An improved multi-threshold Otsu algorithm was developed to deal with recognition.Multi-threshold method was promoted according to basic idea of traditional Otsu and relaxation margin was being used to optimize the search process of proposed algorithm.For the characteristics of weld magneto-optical images，the proposed algorithm was applied to adaptively determine two segmentation thresholds which got the exact weld position.The result of seam detecting test shows that the proposed method is an effective and adaptive way to recognize weld position and is suitable for the real-time micro-gap seam tracking based on magneto-optical imaging sensing.

magneto optical imaging；micro weld joint；image segmentation；Otsu method

TG409

A

1001－2303（2016）04－0049-06

10.7512/j.issn.1001-2303.2016.04.11

2015-07-15；

2015-10-16

國家自然科學(xué)基金資助項目（51175095）；廣東省學(xué)科建設(shè)科技創(chuàng)新項目資助（2013KJCX0063）；廣東省重大科技專項資助（2014B090921008）；廣州市科學(xué)研究專項資助（1563000554）；佛山市科技創(chuàng)新專項資金項目資助（2014AG10015）

黃冠雄（1990—），男，碩士，主要從事焊接自動化的研究工作。