段萬(wàn)政，郭 波，曾 瑄，徐 輝

(南昌工程學(xué)院 南昌市焊接機(jī)器人與智能化技術(shù)重點(diǎn)試驗(yàn)室，江西 南昌 330099)

近年來(lái)，焊接智能化相關(guān)技術(shù)尤其是智能焊接機(jī)器人發(fā)展迅速。智能機(jī)器人焊接工藝包括四個(gè)方面，即焊槍初始焊接位置的引導(dǎo)、焊縫跟蹤、焊接質(zhì)量的檢測(cè)和控制[1]。這四個(gè)方面均與焊縫識(shí)別關(guān)聯(lián)，準(zhǔn)確地提取焊縫坡口邊緣是焊接智能化的關(guān)鍵技術(shù)之一。

被動(dòng)式視覺(jué)傳感是利用熔池液態(tài)金屬自身輻射或熔池及工件表面反射的電弧光作為信號(hào)源。這一方法降低了對(duì)拍攝系統(tǒng)的照明要求，但強(qiáng)烈的弧光干擾會(huì)影響焊縫坡口邊緣線的提取。研究者為了提高熔池圖像的清晰度，抑制強(qiáng)烈的弧光噪聲，提出了多種解決方法，其中研究較多的是復(fù)合濾光法。Xu[2]、王克鴻[3]使用復(fù)合濾光法對(duì)焊接系統(tǒng)設(shè)計(jì)合適的減光濾波片，都有很好的弧光抑制效果，獲取到清晰的焊縫圖像。Shao[4]等提出了基于粒子濾波的無(wú)源視覺(jué)傳感器焊縫檢測(cè)方法。Li[5]等提出了一種基于支持向量機(jī)的弧光傳感器和視覺(jué)傳感器融合的焊縫跟蹤系統(tǒng)。Zhang[6]等提出了一種基于混合光譜雙路徑成像方法，使用660nm窄帶和850nm長(zhǎng)通為工作區(qū)，獲取高信噪比的熔池圖像。Guo[7]等提出了一種在不使用任何外部光源或?yàn)V波器的情況下，只使用寬動(dòng)態(tài)范圍相機(jī)獲取實(shí)時(shí)捕獲清晰的焊接圖像。此外狀態(tài)觸發(fā)取像法[8]等方法也可以提取到有效的焊接圖像。在焊縫提取的研究中，Zhou[9]等提出了一種基于顯著性檢測(cè)與Sobel變換相結(jié)合的焊縫提取。Zhen[10]等對(duì)熔池前端信息進(jìn)行感興趣區(qū)域(ROI)提取焊接坡口圖像，有效的略過(guò)熔池區(qū)域提取到清晰的焊縫坡口圖像。

本文不使用任何外部光源，只使用寬動(dòng)態(tài)范圍相機(jī)采集焊接圖像。在此基礎(chǔ)上，提出了一種基于改進(jìn)Edlines邊緣識(shí)別算法識(shí)別出坡口邊緣。

1 視覺(jué)系統(tǒng)

如圖1所示，實(shí)驗(yàn)系統(tǒng)主要由視覺(jué)傳感部分、計(jì)算機(jī)、焊接系統(tǒng)和執(zhí)行機(jī)構(gòu)組成。視覺(jué)傳感部分主要設(shè)備是NIT工業(yè)相機(jī)，考慮到近距離拍攝熔池圖像需在鏡頭前安裝防護(hù)玻璃，避免鏡頭被煙霧污染和飛濺傷害。工業(yè)相機(jī)采集圖像后通過(guò)圖像采集卡傳輸給計(jì)算機(jī)進(jìn)行圖像處理。焊接系統(tǒng)由焊機(jī)、焊槍、焊件、氣瓶、工作臺(tái)等組成。執(zhí)行機(jī)構(gòu)夾持的焊槍垂直于水平方向。

圖1 被動(dòng)視覺(jué)系統(tǒng)

2 圖像的處理與分析

2.1 圖像預(yù)處理

圖2是焊接工件實(shí)物圖和一幀焊接圖像。本文設(shè)計(jì)的圖像處理流程為，對(duì)熔池下方特征區(qū)域進(jìn)行提取，接著進(jìn)行濾波處理，然后進(jìn)行閾值處理得到焊縫坡口特征，最后對(duì)其進(jìn)行坡口邊緣線提取。

圖像的主要亮度分布集中在熔池中心區(qū)域，熔池區(qū)域會(huì)影響坡口邊緣提取。由于在熔池下方有明顯的焊縫坡口線凸起狀態(tài)，所以對(duì)此特征進(jìn)行提取。ROI提取后圖像如圖3所示，根據(jù)熔池中心點(diǎn)和焊接圖像的尺寸進(jìn)行固定的ROI提取，選取大小為350×120感興趣區(qū)域。提取后的圖像數(shù)倍小于原圖像，不僅濾除很多無(wú)用信息，而且對(duì)下一步圖像處理減少計(jì)算量，加快圖像處理速度。

圖2 (a)焊接工件(b)焊接圖像 圖3 ROI提取

經(jīng)過(guò)ROI提取后對(duì)圖像進(jìn)行濾波處理，根據(jù)濾波處理算法的特點(diǎn)選用高斯濾波。高斯濾波的特點(diǎn)是將圖像進(jìn)行平滑，對(duì)直線的保留效果更好，對(duì)下一步坡口邊緣提取更有利。高斯濾波處理服從正態(tài)分布，其公式為

(1)

其中(x，y)為掩膜內(nèi)任意一點(diǎn)坐標(biāo)，(x1，y1)為掩膜內(nèi)中心點(diǎn)坐標(biāo)，σ是標(biāo)準(zhǔn)差。標(biāo)準(zhǔn)差代表著數(shù)據(jù)離散程度，σ值越大離散程度越小，處理效果越好。σx為在x方向上標(biāo)準(zhǔn)差，σy為在y方向上標(biāo)準(zhǔn)差。圖4是對(duì)幾種相同和不同σx，σy值進(jìn)行圖像濾波處理，直觀上判斷標(biāo)準(zhǔn)差更大的圖像濾波效果更好。

由于使用被動(dòng)光視覺(jué)系統(tǒng)，常用的最大類間方差方法不適合此處的閾值化處理。分析被動(dòng)光視覺(jué)焊接坡口兩側(cè)處于較暗狀態(tài)，可以對(duì)圖像進(jìn)行單閾值處理，如式(2)所示：

(2)

在遍歷整個(gè)圖像的像素值時(shí)，小于閾值T則記為0，否則記為255。處理后如圖5所示。在圖像進(jìn)行閾值化處理后，產(chǎn)生許多的毛刺點(diǎn)，不利于下一步直線檢測(cè)，對(duì)圖像膨脹處理并選擇合適的卷積核，可以將焊縫特征區(qū)域平滑。圖6是使用11×11的卷積核進(jìn)行膨脹處理的圖像結(jié)果。

圖4 高斯濾波效果圖

圖5 圖像二值化 圖6 圖像膨脹

2.2 EDlines直線識(shí)別

在文獻(xiàn)[11]中提出了一個(gè)快速、無(wú)參數(shù)的線段檢測(cè)器，命名為EDLines 。它產(chǎn)生強(qiáng)大和準(zhǔn)確的結(jié)果，比最快的已知線段檢測(cè)器速度更快。EDLines一般經(jīng)過(guò)3個(gè)步驟：首先給定一個(gè)灰度圖像，進(jìn)行新的邊緣檢測(cè)、然后通過(guò)邊緣繪制算法，產(chǎn)生一套干凈的，像素相鄰的鏈，提取到的邊緣線段可以直觀地反應(yīng)對(duì)象的邊界。然后利用直線度準(zhǔn)則，從生成的像素鏈中提取線段，通過(guò)線段參數(shù)的選擇來(lái)判定需要的直線線段。最后線的驗(yàn)證步驟基于亥姆霍茲原理，目的是消除虛假線段的檢測(cè)。

算法運(yùn)用點(diǎn)到點(diǎn)補(bǔ)全思想，計(jì)算一組錨點(diǎn)，然后通過(guò)智能路由算法進(jìn)行相鄰錨點(diǎn)的連接，在錨點(diǎn)間進(jìn)行直線描繪。其主要的四個(gè)步驟為高斯濾波、梯度計(jì)算、錨點(diǎn)的選擇和錨點(diǎn)的連接。在本文圖像預(yù)處理后無(wú)需用濾波處理，可以刪減程序，減少計(jì)算。在梯度幅值的計(jì)算中選擇式(3)進(jìn)行計(jì)算。

(3)

在錨點(diǎn)的選擇中，以該點(diǎn)梯度G(x，y)與附近點(diǎn)梯度做判斷，T為設(shè)定的梯度閾值，通過(guò)式(4)～(7)，4個(gè)判斷條件計(jì)算是否符合錨點(diǎn)。所以錨點(diǎn)一定是局部峰值，如圖7所示。

G(x，y)-G(x，y-1)≥T，

(4)

G(x，y)-G(x，y+1)≥T，

(5)

G(x，y)-G(x-1，y)≥T，

(6)

G(x，y)-G(x+1，y)≥T.

(7)

最后在邊緣繪制中，以錨點(diǎn)為起點(diǎn)I(x，y)向左移動(dòng)，在I(x-1，y-1)，I(x-1，y)，I(x-1，y+1)三個(gè)方向進(jìn)行檢索，以I(x-1，y-1)方向上為例，以梯度大小判斷。通過(guò)式(8)～(9)進(jìn)行方向選擇，滿足條件就往此方向進(jìn)行移動(dòng)，行進(jìn)方向如圖8所示。

G(x-1，y-1)>G(x-1，y)

(8)

G(x-1，y-1)>G(x-1，y+1)

(9)

圖9為采用Edlines算法和Cannylines算法對(duì)無(wú)干擾、飛濺干擾、煙霧干擾的焊接圖像進(jìn)行處理的結(jié)果。處理后的實(shí)驗(yàn)數(shù)據(jù)在表1中，結(jié)果顯示Edlines算法平均得到了17條線段，運(yùn)行時(shí)間在0.42s左右。使用Cannylines算法進(jìn)行對(duì)比，Cannyline算法平均得到了13條線段，運(yùn)行時(shí)間在0.44s左右。從線段提取效果來(lái)看，Edlines算法具有更好的直線檢測(cè)性能；從運(yùn)行時(shí)間來(lái)看，Edlines比Cannyline算法更快。

圖7 錨點(diǎn)選擇圖

圖8 錨點(diǎn)行進(jìn)圖

圖9 圖像處理算法結(jié)果

表1 直線提取結(jié)果

2.3 改進(jìn)的Edlines算法

觀察EDlines線段檢測(cè)的結(jié)果，難以直接對(duì)其進(jìn)行焊縫坡口邊緣提取。根據(jù)需要提取的焊縫坡口特征，對(duì)算法進(jìn)行檢索方向改進(jìn)，原算法提出的是以錨點(diǎn)為起點(diǎn)對(duì)周圍4個(gè)方向進(jìn)行判別。本文系統(tǒng)焊接圖像坡口邊緣在垂直方向，因此對(duì)圖像只進(jìn)行垂直的二個(gè)方向搜索，行進(jìn)示意圖如圖10所示。

圖10 垂直方向行進(jìn)圖

垂直方向處理后未能直接提取到焊縫坡口邊緣，在線段參數(shù)選取時(shí)原算法提出的是一個(gè)關(guān)于對(duì)數(shù)函數(shù)的非線性調(diào)參設(shè)置，如式(10)。其中w表示圖像寬度，h為圖像的高度。

(10)

本文針對(duì)焊縫坡口圖像將其修改為線性調(diào)參設(shè)置如式(11)：

(11)

表2為改進(jìn)算法后圖11中α=3.5 時(shí)的數(shù)據(jù)。以上處理結(jié)果可以看出通過(guò)改進(jìn)錨點(diǎn)的行進(jìn)方向和直線提取的決策方式，通過(guò)修改變量α，提取到兩條清晰的焊縫坡口邊緣。達(dá)到了焊縫坡口邊緣提取的目的，且程序運(yùn)行時(shí)間有一定的加快。本文所有的算法實(shí)驗(yàn)環(huán)境描述如下：Windows7操作系統(tǒng)，8.00GB內(nèi)存，2.1GHz CPU，VS2015 +OPENCV3.1軟件。

表2 改進(jìn)后直線提取結(jié)果

圖11 焊縫坡口邊緣提取

本文提出的算法流程如圖12所示，為了進(jìn)一步加強(qiáng)算法魯棒性的驗(yàn)證，選取了MAG寬縫焊接過(guò)程的焊縫圖像進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)數(shù)據(jù)為375張，準(zhǔn)確識(shí)別出346張，識(shí)別率達(dá)到了92.3%，其中選取了一幀圖像處理過(guò)程效果如圖13?？梢则?yàn)證本文提出的基于Edlines直線提取在被動(dòng)視覺(jué)焊縫坡口邊緣提取中具有較好的適應(yīng)性。

圖12 圖像處理流程

圖13 MAG焊圖像處理過(guò)程

3 結(jié)束語(yǔ)

本文通過(guò)對(duì)被動(dòng)視覺(jué)焊接圖像處理，首先對(duì)焊縫特征區(qū)域ROI提取，進(jìn)而對(duì)焊接曲縫進(jìn)行類似直線處理，擴(kuò)大了算法的應(yīng)用范圍。

改進(jìn)Edlines算法的搜索方向和決策方式后，與其他算法對(duì)比。實(shí)驗(yàn)結(jié)果表明，本文提出的改進(jìn)算法處理速度更快，且僅提取到兩條有效的焊縫坡口邊緣，無(wú)干擾雜亂邊緣出現(xiàn)。

最后對(duì)多種焊接情況進(jìn)行實(shí)驗(yàn)，坡口邊緣提取的實(shí)驗(yàn)結(jié)果準(zhǔn)確率達(dá)到了92.3%，驗(yàn)證了本文改進(jìn)算法的適應(yīng)性。