莫之劍，范彥斌，彭明仔

（1.廣東利元亨智能裝備股份有限公司，廣東惠州 516000；2.佛山科學(xué)技術(shù)學(xué)院機(jī)電工程學(xué)院，廣東佛山 528000；3.廣州科技貿(mào)易職業(yè)學(xué)院機(jī)電工程學(xué)院，廣州 510000）

0 引言

在動(dòng)力電池生產(chǎn)過(guò)程中，有多個(gè)工序采用激光焊接工藝。激光焊接質(zhì)量的好壞直接關(guān)系到電池的質(zhì)量和使用壽命。為了保證產(chǎn)品質(zhì)量，在激光焊接后增加一道焊縫質(zhì)量檢測(cè)工序，防止不合格產(chǎn)品流入下一個(gè)工序。

目前，國(guó)內(nèi)大多數(shù)工廠采用人工檢測(cè)方法為主，這種方法受工人的主觀因素影響，容易出現(xiàn)誤判和漏檢，不符合生產(chǎn)信息化要求。也有部分企業(yè)采用傳統(tǒng)2D機(jī)器視覺(jué)方法[1-3]檢測(cè)焊縫質(zhì)量，由于焊縫缺陷形式多元化、多樣化，出現(xiàn)概率隨機(jī)性大，且2D視覺(jué)無(wú)法提取缺陷的深度信息，從而造成檢測(cè)結(jié)果誤判率高。國(guó)內(nèi)在3D機(jī)器視覺(jué)檢測(cè)技術(shù)研究方面實(shí)際應(yīng)用較少，且效果不理想[4-5]。國(guó)外對(duì)動(dòng)力電池焊縫質(zhì)量檢測(cè)主要集中在焊縫跟蹤和焊中過(guò)程監(jiān)控方面研究和應(yīng)用比較多，但是這些檢測(cè)設(shè)備價(jià)格昂貴，推廣難度大[6]。到目前為止，激光焊縫質(zhì)量自動(dòng)檢測(cè)還沒(méi)有一個(gè)比較成熟和完美的解決方案。

為實(shí)現(xiàn)企業(yè)對(duì)焊縫自動(dòng)化檢測(cè)要求，本文采用了一種融合2D機(jī)器視覺(jué)，機(jī)器學(xué)習(xí)及3D機(jī)器視覺(jué)焊縫質(zhì)量在線檢測(cè)方法，通過(guò)提取缺陷的顯著特征——深度信息，計(jì)算缺陷深度、長(zhǎng)度和寬度等信息，SVM對(duì)這些特征信息進(jìn)行學(xué)習(xí)訓(xùn)練，然后進(jìn)行分類，判斷焊縫中是否存在缺陷，這種方法大幅提高了檢測(cè)結(jié)果的準(zhǔn)確率，且具有檢測(cè)速度快、檢測(cè)效率高的特點(diǎn)[7]，成功地解決了動(dòng)力電池焊縫質(zhì)量自動(dòng)化檢測(cè)的難題。

1 3D視覺(jué)檢測(cè)方法的測(cè)量原理

3D視覺(jué)檢測(cè)采用線激光輪廓傳感器，采集焊縫表面輪廓點(diǎn)云數(shù)據(jù)，這種傳感器是采用激光三角測(cè)量法原理[8]，如圖1所示。激光三角測(cè)量過(guò)程是激光發(fā)射器通過(guò)鏡頭將可見(jiàn)激光射向被測(cè)物體表面，內(nèi)部CCD通過(guò)接收器鏡頭接收物體表面反射的激光，根據(jù)不同的距離，CCD線性相機(jī)可以在不同的角度下采集到這個(gè)光點(diǎn)。根據(jù)這個(gè)角度，激光和相機(jī)之間的距離，計(jì)算出傳感器和被測(cè)物體之間的距離，得到被測(cè)物體表面的點(diǎn)云數(shù)據(jù)。

圖1 激光三角測(cè)量原理

2 3D視覺(jué)檢測(cè)硬件、軟件系統(tǒng)

2.1 硬件系統(tǒng)

焊縫3D視覺(jué)檢測(cè)系統(tǒng)由圖像采集、圖像處理和運(yùn)動(dòng)控制3部分組成，如圖2（a）所示。本文采用LMIGocator線輪廓傳感器LMI2520，它具有10 kHz的掃描速度和13～17μm的X方向分辨率，是一款性能優(yōu)越，專業(yè)的電子元器件在線檢測(cè)傳感器。

圖2 實(shí)驗(yàn)硬件系統(tǒng)

根據(jù)焊縫檢測(cè)精度要求，本文選擇LMI2520傳感器作為點(diǎn)云數(shù)據(jù)采集設(shè)備，并設(shè)計(jì)了檢測(cè)實(shí)驗(yàn)裝置，如圖2（b）所示。檢測(cè)系統(tǒng)工作過(guò)程，首先把相機(jī)固定在支架上，動(dòng)力電池固定在專用夾具中；按下平臺(tái)運(yùn)動(dòng)鍵，電池隨平臺(tái)運(yùn)動(dòng)，當(dāng)產(chǎn)品運(yùn)動(dòng)到相機(jī)正下方時(shí)，PLC發(fā)出相機(jī)觸發(fā)采集信號(hào)，相機(jī)按照伺服電機(jī)編碼器信號(hào)采集產(chǎn)品輪廓數(shù)據(jù)，工業(yè)計(jì)算機(jī)接收到輪廓數(shù)據(jù)后轉(zhuǎn)化為高度圖像和亮度圖；然后對(duì)高度圖或灰度圖進(jìn)行圖像處理，分析和計(jì)算，SVM進(jìn)行分類，判斷產(chǎn)品是否存在缺陷。3D視覺(jué)焊縫缺陷檢測(cè)具體流程如圖3所示。

圖3 3D視覺(jué)檢測(cè)流程圖

2.2 軟件系統(tǒng)

本文采用Visual Studio2019設(shè)計(jì)3D視覺(jué)檢測(cè)軟件，軟件分為生產(chǎn)測(cè)試界面和用戶調(diào)試界面，如圖4所示。用戶在調(diào)試界面里可以設(shè)置相機(jī)參數(shù)，編輯、保存測(cè)試步驟、測(cè)試內(nèi)容和測(cè)試要求，管理用戶身份等功能。生產(chǎn)測(cè)試界面主要是實(shí)現(xiàn)產(chǎn)品在線測(cè)試、結(jié)果顯示、與外設(shè)通信、測(cè)試數(shù)據(jù)統(tǒng)計(jì)和生產(chǎn)報(bào)表生成等功能。

圖4 3D視覺(jué)檢測(cè)軟件界面

3 3D視覺(jué)檢測(cè)算法的實(shí)現(xiàn)

視覺(jué)檢測(cè)算法主要包括圖像預(yù)處理，圖像糾正，SVM樣品學(xué)習(xí)與訓(xùn)練，缺陷特征值算法等。機(jī)器視覺(jué)算法采用OpenCV-4.1.1編寫，實(shí)現(xiàn)整個(gè)軟件算法功能[10]。

3.1 圖像預(yù)處理

相機(jī)在采集圖像過(guò)程中受周圍環(huán)境的影響，采集到的點(diǎn)云數(shù)據(jù)中存在噪聲，這些噪聲給圖像處理帶來(lái)干擾。因此，在圖像處理之前須對(duì)圖像進(jìn)行濾波。本文采用OpenCV的GaussianBlur高斯濾波函數(shù)[11-12]，濾波模板大小為(5，5)，對(duì)焊縫區(qū)域ROI進(jìn)行濾波，去除部分噪聲和平滑圖像。

3.2 圖像糾正

由于相機(jī)安裝位置與產(chǎn)品位置不可能保證完全垂直或平行水平面，導(dǎo)致相機(jī)采集到圖像的邊緣輪廓與垂直方向形成一定夾角，為了準(zhǔn)確提取焊縫區(qū)域，需要對(duì)采集到的圖像進(jìn)行糾正，得到一張產(chǎn)品邊緣輪廓垂直水平面的圖像。本文采用Sobel算子搜索電池外殼的邊緣輪廓點(diǎn)，然后把這些點(diǎn)擬合直線。計(jì)算直線與垂直方向夾角α和產(chǎn)品輪廓中心坐標(biāo)，以產(chǎn)品輪廓中心作為旋轉(zhuǎn)中心，α角度為旋轉(zhuǎn)角度，得到圖像的旋轉(zhuǎn)角矩陣，然后對(duì)圖像進(jìn)行仿射變換，實(shí)現(xiàn)圖像糾正目的，圖像糾正流程如圖5所示。圖像糾正后邊緣輪廓垂直于水平面，圖像糾正效果如圖6所示。

圖5 圖像糾正流程

圖6 圖像糾正效果

3.3 缺陷判斷算法

焊縫缺陷表現(xiàn)形式多種多樣，其中一個(gè)顯著特點(diǎn)就在缺陷處剖面輪廓線有明顯的高度變化，如圖7所示。本文利用這種變化來(lái)判斷焊縫中是否存在缺陷。

圖7 焊縫剖面輪廓線

3.4 焊縫區(qū)域定位

焊縫定位精度直接影響圖像處理結(jié)果。在焊縫定位過(guò)程中，在焊縫剖面輪廓線內(nèi)找焊縫最高點(diǎn)。它位于焊縫中間。利用焊縫與母材交接處有明顯的高度變化原理找到焊縫內(nèi)外點(diǎn)，從而實(shí)現(xiàn)對(duì)整個(gè)焊縫精確定位。

3.5 焊縫窗口積分算法

確定焊縫區(qū)域后，根據(jù)焊縫檢測(cè)精度要求，沿焊縫長(zhǎng)度方向劃分成大小相等的窗口。劃分窗口后，在窗口內(nèi)對(duì)焊縫剖面輪廓線進(jìn)行積分，過(guò)程如下。

（1）根據(jù)檢測(cè)要求，設(shè)置窗口大?。ㄒ话銥闄z測(cè)精度的3～5倍為窗口長(zhǎng)度)，沿焊縫方向劃分搜索窗口；在第一個(gè)窗口內(nèi)，沿長(zhǎng)度方向，從開(kāi)始位置以焊縫寬度為搜索直線寬度，計(jì)算搜索直線的剖面輪廓線，對(duì)剖面輪廓線進(jìn)行積分，即，f(x)為搜索直線的輪廓線。

（2）沿著窗口y方向計(jì)算窗口的積分值，即f(y)為搜索直線的積分結(jié)果。

（3）重復(fù)步驟（2）和（3），計(jì)算每個(gè)窗口的積分值，并把積分結(jié)果保存在數(shù)組Array1中。

（4）計(jì)算完所有窗口值后，從第一次掃描的第一個(gè)窗口中心位置開(kāi)始，沿著整個(gè)焊縫重新劃分窗口，計(jì)算每個(gè)窗口體積，并保存在數(shù)組Array2中，窗口掃描過(guò)程如圖8所示。

圖8 移動(dòng)窗口掃描過(guò)程

（5）分別找出數(shù)組Array1和Array2的最小值，取其中最小值為焊縫窗口的最小積分值，窗口內(nèi)最高點(diǎn)和最低點(diǎn)高度差，積分最小值窗口的最低點(diǎn)和參考平面高度差作為評(píng)估缺陷的特征參量，調(diào)用SVM進(jìn)行分類，判斷是否存在缺陷。

4 實(shí)驗(yàn)數(shù)據(jù)與處理

在實(shí)驗(yàn)中，選擇窗口內(nèi)積分最小值，最高點(diǎn)和最低點(diǎn)高度差、最低點(diǎn)與參考平面高度差這3個(gè)參量去評(píng)估是否存在缺陷。根據(jù)SVM原理，在檢測(cè)之前，抽取一批樣品進(jìn)行測(cè)試，對(duì)樣本數(shù)據(jù)進(jìn)行訓(xùn)練學(xué)習(xí)，得到OK和NG產(chǎn)品的超平面[10]。

樣品數(shù)量30個(gè)，10個(gè)NG、20個(gè)OK樣品，樣品學(xué)習(xí)訓(xùn)練的部分?jǐn)?shù)據(jù)如表1所示，其中標(biāo)簽值1表示人工檢測(cè)為OK品，-1表示人工檢測(cè)為NG品。SVM對(duì)樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)訓(xùn)練，訓(xùn)練結(jié)果以xml文件格式保存到計(jì)算機(jī)中。

表1 樣品學(xué)習(xí)訓(xùn)練的部分?jǐn)?shù)據(jù)

完成樣品訓(xùn)練學(xué)習(xí)后，用非樣品產(chǎn)品進(jìn)行測(cè)試，測(cè)試結(jié)果表明：系統(tǒng)可以準(zhǔn)確判斷缺陷面積大于0.5mm2，深度大于0.2mm的氣孔、凹坑等缺陷。

5 結(jié)束語(yǔ)

本文針對(duì)傳統(tǒng)人工檢測(cè)動(dòng)力電池焊縫缺陷的不足，設(shè)計(jì)了基于激光三角測(cè)量的3D視覺(jué)檢測(cè)系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，該方法檢測(cè)精度高、可靠性好，具有實(shí)際推廣意義[13]。同時(shí)還具有以下優(yōu)點(diǎn)。

（1）3D視覺(jué)檢測(cè)系統(tǒng)通過(guò)圖像處理，分析和計(jì)算焊縫的深度信息，利用深度信息作為評(píng)估缺陷的模型，克服了傳統(tǒng)2D視覺(jué)無(wú)法獲取深度信息的不足。同時(shí)，運(yùn)用機(jī)器學(xué)習(xí)SVM對(duì)缺陷進(jìn)行分類，這樣得到的結(jié)果更穩(wěn)定可靠。

（2）SVM訓(xùn)練學(xué)習(xí)30個(gè)樣本的特征數(shù)據(jù)，根據(jù)學(xué)習(xí)結(jié)果自動(dòng)判斷出OK和NG，很好地實(shí)現(xiàn)焊縫缺陷在線檢測(cè)的目的，克服深度學(xué)習(xí)需要大量樣本進(jìn)行訓(xùn)練學(xué)習(xí)不足之處，SVM在小樣本的條件下，同樣取得很好的學(xué)習(xí)效果。在實(shí)際應(yīng)用過(guò)程中采用大于60個(gè)樣品進(jìn)行SVM學(xué)習(xí)結(jié)果更好。

（3）比較容易檢測(cè)出焊縫的凹坑，同時(shí)還可以檢測(cè)出蓋板是否在焊接過(guò)程中產(chǎn)生變形、彎曲、下沉等問(wèn)題。

（4）3D機(jī)器視覺(jué)檢測(cè)法能夠克服2D視覺(jué)背景復(fù)雜和環(huán)境光影響等問(wèn)題，傳感器自帶的激光光源比2D機(jī)器視覺(jué)的LED光源更穩(wěn)定，更可靠。