李國華，高向東，蕭振林，陳曉輝

（1.廣東工業(yè)大學機電工程學院，廣東廣州510006；2.廣州番禺高勛染整設備制造有限公司，廣東番禺511400）

微間隙焊縫磁光圖像Otsu骨架法識別

李國華1，高向東1，蕭振林2，陳曉輝2

（1.廣東工業(yè)大學機電工程學院，廣東廣州510006；2.廣州番禺高勛染整設備制造有限公司，廣東番禺511400）

在緊密對接焊縫跟蹤過程中，針對磁光傳感的焊縫磁光圖像，研究一種基于Otsu和骨架法的焊縫位置識別方法。通過自適應中值濾波對焊縫磁光圖像進行降噪處理，利用改進的Otsu算法和數(shù)學形態(tài)學將焊縫磁光圖像分割成母材部分和焊縫部分，最后根據(jù)最大圓盤骨架法提取焊縫中心。試驗結果表明，該方法能準確提取肉眼難以分辨的微間隙焊縫中心。

焊縫；最大類間方差；骨架法；磁光圖像

0　前言

在焊接過程中，焊縫跟蹤是焊接過程自動控制的關鍵技術，利用各種傳感檢測技術進行焊縫偏差檢測，及時糾偏激光束位置以達到對準焊縫[1-2]。目前，焊縫跟蹤方法主要有結構光視覺傳感法、激光頻閃攝像法、焊縫區(qū)直接圖像傳感法[3]。這三種方法對于緊密對接的微間隙焊縫都難以實現(xiàn)自動檢測和跟蹤。

磁光成像技術以磁感應原理和法拉第效應為理論基礎，以磁場感應器激勵焊件使其感應出磁場，磁場分布將在焊縫間隙處改變，磁光傳感器在該磁場的作用下獲取焊縫磁光圖像，研究了焊縫在磁光圖像中的特征，能檢測出微間隙焊縫中心位置并實現(xiàn)焊縫跟蹤。當焊縫間隙小于0.1 mm時，普通攝像機難以清楚顯示焊縫圖像，而焊縫處的磁場分布會發(fā)生畸變，利用描述磁場分布的磁光成像傳感器則可檢測出焊縫位置。針對焊縫磁光圖像存在較多噪點且退化現(xiàn)象嚴重，研究一種基于Otsu和骨架法的焊縫中心識別方法。

1　試驗裝置

試驗裝置主要包括YAG激光焊接設備、磁場激勵器、磁光傳感器、保護氣體（氬氣）和焊接工作臺等，工作臺配備伺服電機和夾具。試驗裝置結構如圖1所示，試驗采用平板對接焊，焊件為100 mm× 79 mm×1.84 mm的碳鋼板，焊縫間隙0.1 mm。磁光傳感器置于焊件上方，距激光熔池前方約55 mm處，用于采集焊縫磁光圖像，采樣速度25幅/s，分辨率512像素×512像素。

圖1　激光焊接試驗裝置結構

2　圖像濾波去噪處理

在焊接過程中，由于存在焊件表面不平整、鐵銹或劃痕，以及各光電傳感元件電路之間產(chǎn)生的光、電、磁等干擾等因素，導致磁光傳感器采集到的焊縫磁光圖具有較多噪聲點，且圖像輪廓和邊緣模糊不清。為此在提取焊縫之前有必要對圖像進行濾波降噪處理，以使圖像變得更清晰。

自適應中值濾波是一種非線性濾波方法，其采用一個矩形區(qū)域的窗口模板對圖像進行濾波，此模板通常為奇數(shù)，例如3×3、5×5等，以便確認賦予中值的像素點位置。在濾波過程中，自適應中值濾波根據(jù)一定的設定條件增加或減少濾窗的大小，使得自適應中值濾波在減少圖像邊緣失真、保留完整細節(jié)方面明顯優(yōu)于傳統(tǒng)中值濾波。

令Sxy表示一個中心在（x，y）的矩形濾波窗口，Zxy表示在（x，y）處的灰度值，Zmin、Zmed、Zmax分別表示Sxy濾窗內(nèi)灰度的最小值、中值、最大值，Smax為濾窗允許的最大尺寸。自適應中值濾波算法由A和B兩部分構成，其步驟如下[4]：

A層：如果Zmin＜Zmed＜Zmax成立，則轉到B層，否則增加濾波尺寸Sxy。如果濾窗尺寸Sxy≤Smax，則重復執(zhí)行A層，否則輸出Zxy。

B層：如果Zmin＜Zxy＜Zmax成立，則輸出Zxy，否則輸出Zmed。

為了比較傳統(tǒng)中值濾波和自適應中值濾波的去噪效果，分別采用3×3傳統(tǒng)中值濾波和最大濾窗尺寸為7×7的自適應中值濾波對磁光傳感器采集到的磁光圖像進行濾波降噪處理。

圖2為使用傳統(tǒng)中值濾波和自適應中值濾波對原始圖像進行去噪處理的效果對比圖。由圖2可知，使用傳統(tǒng)的3×3中值濾波能有效去除圖像中的微小噪聲點，使圖像變得平滑，但圖像焊縫邊緣也因此變得模糊，嚴重失真；最大窗口尺寸為7×7的自適應中值濾波在去除圖像噪點的同時很好地保留了圖像焊縫邊緣的完整細節(jié)，圖像整體顯得較為清晰明亮。

圖2　圖像濾波去噪對比

3　焊縫圖像二值化分割

Otsu法（最大類間方差法）以圖像灰度直方圖為依據(jù)，尋找使得目標和背景之間的方差為最大時的閾值，并以此閾值進行圖像分割。設圖像X有L個灰度級，初選閾值t將圖像分割成兩個區(qū)域，A0區(qū)域的灰度級為[1，2，…，t]，A1區(qū)域的灰度級為[t+1，t+2，…，L]，分別計算兩區(qū)域產(chǎn)生的概率ω0和ω1，兩區(qū)域的平均灰度u0與u1及圖像的整體灰度值u，采用遍歷的方法尋找使得類間方差σt2最大時的閾值t，即為Otsu法求得的最佳閾值。

類間方差σt2定義為[5]

然而傳統(tǒng)的Otsu法局限于單閾值的灰度圖像分割，對于具有過渡帶形式的磁光焊縫圖像并不能準確地將焊縫從母材中分割出來。針對所處理的磁光圖像，提出一個新的方法：將焊縫圖像分成上下兩個子圖像，分別用Otsu進行圖像分割，而后再將這兩個子圖像合并起來。提取圖像第256列各像素點的灰度值（見圖3），計算兩相鄰像素間的灰度差（見圖4），取灰度變化最快（峰值）的兩個點的中點所在的那一行作為圖像的分割線。由于磁光圖像較為復雜且焊縫四周仍存在少數(shù)獨立噪點，導致許多“偽峰值”，為此，引進“彈性區(qū)間”這一概念，即在彈性區(qū)間范圍內(nèi)，若存在多個峰值則只取最大峰值所在的點而舍棄其他峰值點，從而避免了“偽峰值”的影響。

圖3　圖像第256列各像素點灰度值

圖4　圖像第256列灰度變化

Otsu二值化焊縫圖像如圖5所示，Otsu算法能有效地將母材區(qū)域和焊縫區(qū)域分割，但二值化圖像存在較多的獨立點，且邊緣比較粗糙。因此，采用數(shù)學形態(tài)學開-閉運算對二值化圖像進行處理。先采用半徑為3的圓形結構元素對二值化圖像進行開運算以去除圖中孤立的“小島”和毛刺，然后采用相同結構元素對其進行閉運算以填充圖像內(nèi)部細小空洞和平滑圖像邊緣，處理后圖像如圖6所示。

圖5　Otsu二值化焊縫圖像

圖6　形態(tài)學開-閉運算后焊縫圖像

4　焊縫中心提取與誤差分析

4.1骨架法提取焊縫中心

得到焊縫二值化圖像后，需要識別和提取出表征焊縫信息的像素點所在位置，特別是焊縫中心線的位置。以往在提取焊縫中心線之前都會用邊緣檢測算子對焊縫邊緣進行檢測和提取，一般用到的邊緣檢測算子有Canny算子、Sobel算子等。骨架法中軸的概念如下：想象一片與物體形狀相同的草，在某一時刻將圖像邊緣上的所有點同時點燃，火焰以相同速度向圖像內(nèi)部蔓延，當波前相遇時，火焰熄滅，火焰熄滅處各點的軌跡就是圖像的中軸（骨架）。最大圓盤形態(tài)學骨架法略過邊緣提取步驟而直接用對二值化圖像進行焊縫中心線提取，避免了因二次操作而增大的疊加誤差。

骨架法提取的焊縫中心線如圖7所示，針對焊縫中心線首尾兩端出現(xiàn)分岔的情況，提出一個優(yōu)化方法：對分岔部分，用上下兩個邊緣像素點的中點表示中心線位置，提取后效果如圖8所示。

圖7　骨架法提取焊縫中心

圖8　優(yōu)化后骨架法提取焊縫中心效果

4.2焊縫識別誤差分析

為進一步驗證Otsu法和骨架法用于檢測磁光圖像微間隙焊縫的有效性，進行了焊縫偏差的測量試驗。同時，與傳統(tǒng)的焊縫中心線提取方法作比較，驗證其精準性。此處采用傳統(tǒng)方法，將中值濾波去噪后的磁光圖像經(jīng)數(shù)學形態(tài)學處理后用Canny算子提取焊縫邊緣線，根據(jù)磁場在焊縫兩側分布的對稱性，取兩邊緣的中心作為焊縫中心線。試驗過程中對同一試驗條件下的像素當量進行標定，標定值為102 pixel/mm。試驗結果如圖9、圖10及表1所示。

圖9　焊縫中心實際值與焊縫中心測量值

圖9分別列出了骨架法和Canny法的實際焊縫位置和焊縫測量位置的曲線；圖10分別列出了骨架法和Canny法的焊縫實際中心線和測量中心線的誤差絕對值隨圖像序列變化的曲線；表1列出了骨架法和Canny法焊縫測量誤差的各種統(tǒng)計參數(shù)。測量誤差e定義為

圖10　焊縫位置測量誤差

表1　焊縫測量誤差統(tǒng)計

式中Mn為第n幅圖像焊縫中心測量值；Ma為對應的焊縫中心實際值。

系統(tǒng)的測量誤差平均值ē為

式中en為第n幅圖像測量誤差。

標準誤差Εb定義為

從表1可以看出，相比Canny法，

Page 131

Recognition of micro-gap weld seam magneto-optical image based on Otsu algorithm and skeleton method

LI Guohua1，GAO Xiangdong1，XIAO Zhenlin2，CHEN Xiaohui2
（1.School of Electromechanical Engineering，Guangdong University of Technology，Guangzhou 510006，China；2. Guangzhou Panyu Gofront Dyeing&Finishing Machinery Manufacturer Ltd.，Panyu 511400，China）

During the weld-seam tracking，a method is introduced for weld centre recognition based on Otsu algorithm and skeleton method.The weld seam magneto-optical images were collected by a magneto-optical sensor.The adaptive median filtering was applied to reduce noises，and the weld region was segmented by the improved Otsu algorithm with mathematical morphology method.Then the weld-centre was extracted by skeleton method.Experimental results showed that the micro-gap weld centre which is difficult to be identified by our eyes could be extracted efficiently and accurately.

weld seam；Otsu algorithm；skeleton method；magneto-optical image

TG409

A

1001－2303（2016）03－0109-05

10.7512/j.issn.1001-2303.2016.03.23

2014－10－08；

2015－01－05

國家自然科學基金資助項目（51175095）；廣東省學科建設科技創(chuàng)新項目（2013KJCX0063）；廣州市科學研究專項（1563000554）

李國華（1990—），男，在讀碩士，主要從事焊接自動控制的研究工作。