CN108247179A - 基于熔池图像的i形坡口co2焊接偏差检测方法和装置 - Google Patents

基于熔池图像的i形坡口co2焊接偏差检测方法和装置 Download PDF

Info

Publication number
CN108247179A
CN108247179A CN201711360157.5A CN201711360157A CN108247179A CN 108247179 A CN108247179 A CN 108247179A CN 201711360157 A CN201711360157 A CN 201711360157A CN 108247179 A CN108247179 A CN 108247179A
Authority
CN
China
Prior art keywords
image
welding
roi
variance
profile
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711360157.5A
Other languages
English (en)
Other versions
CN108247179B (zh
Inventor
朱彦军
高珊
吴志生
李科
李晔
李砚峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Taiyuan Chenhang Technology Co ltd
Original Assignee
Taiyuan University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Taiyuan University of Science and Technology filed Critical Taiyuan University of Science and Technology
Priority to CN201711360157.5A priority Critical patent/CN108247179B/zh
Publication of CN108247179A publication Critical patent/CN108247179A/zh
Application granted granted Critical
Publication of CN108247179B publication Critical patent/CN108247179B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B23MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23KSOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K9/00Arc welding or cutting
    • B23K9/16Arc welding or cutting making use of shielding gas
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B23MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23KSOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K9/00Arc welding or cutting
    • B23K9/095Monitoring or automatic control of welding parameters
    • B23K9/0956Monitoring or automatic control of welding parameters using sensing means, e.g. optical
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B23MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23KSOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K9/00Arc welding or cutting
    • B23K9/32Accessories

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Plasma & Fusion (AREA)
  • Mechanical Engineering (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及焊接领域,提出了基于熔池图像的I形坡口CO2焊接偏差检测方法和装置,该方法包括:S1、通过图像采集系统采集焊接稳定后的熔池图像;S2、选取采集图像的ROI区域作为ROI图像,所述ROI区域仅包括熔池前区和焊丝所在区域;S3、计算ROI图像的平均灰度值AVG,当ROI图像的平均灰度值AVG小于50时,进入步骤S4;S4、以出现最大类间方差、类内方差比β时的阈值为最佳阀值Th,进行二值化处理,提取熔池前区轮廓和焊丝轮廓;S5、对得到的熔池前区轮廓和焊丝轮廓进行由下向上逐行扫描,得到焊接对缝中心坐标和焊枪中心坐标并计算其横坐标差值,得到焊接偏差。本发明提高了焊接偏差检测的精度和效率,可广泛应用于焊接领域。

Description

基于熔池图像的I形坡口CO2焊接偏差检测方法和装置
技术领域
本发明涉及焊接领域,具体涉及基于熔池图像的I形坡口CO2焊接偏差检测方法和装置。
背景技术
在CO2自动焊接中,薄板对接焊缝采用I形坡口,容易出现焊接偏差。焊接中识别焊接偏差最直接的方法是采用视觉传感。根据是否需要外加光源分为主动视觉传感和被动视觉传感,主动视觉的光源有激光和结构光,被动视觉的光源为自然光和电弧光。主动视觉焊接偏差识别,采用激光等辅助光源对焊接区进行照明,减小了弧光对图像质量的影响,提高了图像质量。目前应用较多的是产生一条、多条或网状分布的结构光投射到焊件上,根据结构光条纹的变形获取有关的几何形状信息。陈善本教授等采用激光光源,视觉传感器采用CCD摄像机,光路系统加入有窄带光学滤光片,有效地抑制了弧光干扰,获得了清晰的MAG焊缝轮廓和边缘。这种主动式二维视觉传感检测方式的特点是熔池图像的清晰度好,通用性强;检测处理简单,实时性好。局限性是激光条纹与熔池位置相差较远,控制会出现时间差问题,控制的实时性不好。在I形坡口的对接焊中,光斑图像难以产生明显畸变。
被动式视觉焊缝跟踪,利用弧光照明焊接区域。应用复合窄带滤光技术,利用电弧和熔池的自身光谱辐射,通过选择一个特定的辐射频域,使焊接区各辐射源的光强达到一个适中的比例,能够实现从单一信号源中得到焊接区图像的综合信息。
被动式直接视觉焊接偏差识别,焊缝偏差主要有四种定义方式:一、当熔池和焊缝图像较清晰时可以利用熔池中心和焊缝中心的偏差作为控制量实现焊缝纠偏,许艳玲博士利用单目视觉系统采集到清晰的TIG焊接对缝和熔池图像,并实现了焊缝跟踪。二、高向东教授研究气体保护钨极电弧焊,提取熔池图像质心(熔池灰度图像的重心,当电弧对准焊缝时,熔池图像的灰度是对称分布的,熔池质心对应中心值;电弧偏离焊缝时熔池质心偏离中心值。通过对图像质心位置的估计,得到电弧偏离焊缝的预测值来实现焊缝跟踪。三、叶震研究焊丝在工件表面的投影点到焊缝中心线的垂直距离距离作为控制量实现焊缝纠偏。四、经图象处理得到焊枪中心相对于焊缝中心的偏差量和偏差方向。
发明内容
本发明克服现有技术存在的不足,所要解决的技术问题为:提供基于熔池图像的I形坡口CO2焊接偏差检测方法和装置。
为了解决上述技术问题,本发明采用的技术方案为:一种基于熔池图像的I 形坡口CO2焊接偏差检测方法,包括以下几个步骤:
S1、通过图像采集系统采集焊接稳定后的熔池图像;
S2、选取采集图像的ROI区域作为ROI图像,所述ROI区域仅包括熔池前区和焊丝所在区域;
S3、计算ROI图像的平均灰度值AVG,当ROI图像的平均灰度值AVG大于等于50时,舍弃该图像,并返回步骤S1;当ROI图像的平均灰度值AVG 小于50时,进入步骤S4;
S4、通过设定不同的阈值T0,将ROI图像划分为不同背景区域C1和目标区域C2,并计算ROI图像的背景区域和目标区域之间的类间方差和类内方差以出现最大类间方差、类内方差比β时的阈值为最佳阀值Th,所述 根据最佳阀值Th进行二值化处理,并提取熔池前区轮廓和焊丝轮廓;
S5、对得到的熔池前区轮廓和焊丝轮廓进行由下向上逐行扫描,扫描到熔池前区轮廓的最底端顶点,将该点坐标记为焊接对缝中心坐标;扫描到焊丝轮廓的水平距离等于焊丝实际直径的行时,将焊丝轮廓在该行的中间点的坐标,记为焊枪中心坐标;计算焊接对缝中心坐标与焊枪中心坐标的横坐标差值,并根据像素与实际距离值的比例关系,转化为焊接偏差。
所述步骤S1还包括以下步骤:
检测焊接系统的焊接电压和电流值,并对焊接系统的焊接电压进行二值化处理,当焊接电压低于10V时将其转化为低电平,电压高于10V时将其转化为高电平,并在二值化处理后的电压值处于低电平且持续0.001s时,控制图像采集系统延时0.003s进行图像采集。
所述步骤S3中,ROI图像的总平均灰度值AVG的计算公式为:
其中,表示灰度i出现的概率,fi表示灰度为i的所有像素的个数,M和N分别表示图像的水平像素和垂直像素的个数,L表示灰度级。
所述步骤S4中,ROI图像的背景区域和目标区域之间的类间方差和类内方差的计算公式分别为:
其中,ω1表示背景区域C1部分出现的概率,ω2表示目标区域C2部分出现的概率,μ1表示背景区域C1部分的平均灰度,μ2表示目标区域C2部分的平均灰度,δ1表示背景区域C1部分灰度方差,δ2表示目标区域C2部分灰度方差,f(x,y)表示图像IM×N在 (x,y)处的灰度值。
所述步骤S4中,二值化处理的公式为:
本发明还提供了一种基于熔池图像的I形坡口CO2焊接偏差检测装置,包括焊接系统,还包括图像采集系统、电压和电流采集系统、复合滤光系统和控制单元,所述图像采集系统安装在焊接系统的机器人T轴前方,安装方向与焊接前进方向一致;用于采集熔池图像并发送给所述控制单元,所述复合滤光系统设置在图像采集系统的前端;所述电压和电流采集系统用于检测焊接系统的焊接电压和电流值,并发送到所述控制单元,所述控制单元用于根据所述电压和电流采集系统的测量值控制所述图像采集系统进行图像采集,所述控制单元还用于对所述图像采集系统采集到的图像信息进行计算处理,得到焊接偏差,所述控制单元的计算处理步骤为:
选取采集图像的ROI区域作为ROI图像,所述ROI区域仅包括熔池前区和焊丝所在区域;
计算ROI图像的平均灰度值AVG,当ROI图像的平均灰度值AVG大于等于50时,舍弃该图像;当ROI图像的平均灰度值AVG小于50时,通过设定不同的阈值T0,将ROI图像划分为不同背景区域C1和目标区域C2,并计算 ROI图像的背景区域和目标区域之间的类间方差和类内方差以出现最大类间方差、类内方差比β时的阈值为最佳阀值Th,所述根据最佳阀值Th进行二值化处理,并提取熔池前区轮廓和焊丝轮廓;
对熔池前区轮廓和焊丝进行由下向上逐行扫描,扫描到熔池前区轮廓的最底端顶点,将该点坐标记为焊接对缝中心坐标;扫描到焊丝轮廓的水平距离等于焊丝实际直径的行时,将焊丝轮廓在该行的中间点的坐标,记为焊枪中心坐标;计算焊接对缝中心坐标与焊枪中心坐标的横坐标差值,并根据像素与实际距离值的比例关系,转化为焊接偏差。
电压和电流采集系统包括霍尔传感器和外围电路;图像采集系统包括CMOS 工业相机和相机外触发电路,所述相机外触发电路用于将电压和电流采集系统采集到的电压进行模数转换以及在所述外围电路的输出电压为低电平且持续 0.001s后,触发所述CMOS工业相机延时0.003s进行图像采集。
所述控制单元与焊接系统连接,用于将计算得到的焊接偏差发送给焊接系统,以实现焊接过程的自动纠偏。
焊接系统包括弧焊机器人、焊接电源和焊接行程控制工作台,,所述复合滤光系统包括630±10nm的滤光片、10%的减光片和焊接用防飞溅玻璃板。
所述控制单元的计算处理过程中,ROI图像的平均灰度值AVG的计算公式为:
其中,表示灰度i出现的概率,fi表示灰度为i的所有像素的个数,M和N分别表示图像的水平像素和垂直像素的个数,L表示灰度级。
ROI图像的背景区域和目标区域之间的类间方差和类内方差的计算公式分别为:
其中,ω1表示背景区域C1部分出现的概率,ω2表示目标区域C2部分出现的概率,μ1表示背景区域C1部分的平均灰度,μ2表示目标区域C2部分的平均灰度,δ1表示背景区域C1部分灰度方差,δ2表示目标区域C2部分灰度方差,f(x,y)表示图像IM×N在 (x,y)处的灰度值。
二值化处理的公式为:
本发明与现有技术相比具有以下有益效果:本发明的基于熔池图像的I形坡口CO2焊接偏差检测装置,通过测量焊接系统的电流值和电压值,在电压下降沿触发图像采集单元进行图像采集,使得图像采集的照片质量更好,同时,通过选取仅包括熔池前区和焊丝所在区域的ROI,并计算ROI切割后的图像的总平均灰度AVG来滤除弧光干扰严重导致熔池轮廓不容易完整提取的图像,因此,从而减小了计算量,使得照片处理的效率更高;而且,本发明通过最大类间方差、类内方差比β来求取最佳阀值,并进行图像分割,使得图像的二值化处理的准确度高,效果更好。
附图说明
图1为本发明提供的基于熔池图像的I形坡口CO2焊接偏差检测方法的流程示意图;
图2为本发明采集到的熔池图像;
图3为焊接无偏差时熔池示意图;
图4为选取ROI区域后的ROI图像;
图5为对ROI图像进行基于最大类间、类内方差比法的图像分割后的图;
图6为得到的熔池前区轮廓和焊丝轮廓的示意图;
图7是3类常见的熔池前区图像以及对应的基于最大类间、类内方差比法进行图像分割的图像和提取到的熔池前区轮廓和焊丝的轮廓;
图8为本发明提出的基于熔池图像的I形坡口CO2焊接偏差检测装置的结构示意图;
图9为复合滤光系统的结构示意图;
图10为本发明中触发CMOS工业相机的信号处理示意图;
图11为利用高速摄影机拍摄电压下跳后熔滴流下和熔池照片。
图中:1为焊接系统,2为图像采集系统,3为电压和电流采集系统,4为复合滤光系统,5为控制单元,11为熔池,12为焊丝,13为焊丝中心,14为熔池中心,15为工件,21为CMOS工业相机,22为照相机镜头,41为光学滤波片,42为减光片;43为防飞溅玻璃板,46为焊接矩。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例;基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明提供了一种基于熔池图像的I形坡口CO2焊接偏差检测方法,包括以下几个步骤:
S1、通过图像采集系统采集焊接稳定后的熔池图像;
其中,在采集图像时,还可以对焊接系统的焊接电压和电流值进行检测,并控制图像采集系统在焊接系统的电压值处于下降沿时进行图像采集,具体地,先对采集到的焊接系统的焊接电压进行电路处理,如图10所示,当电压低于 10V时将其转化为低电平2V,电压高于10V时将其转化为高电平11V,滤除了点1处的电压跳变,低电平持续时间小于0.001秒时不触发相机,此时滤除点1、2的干扰。低电平持续0.001秒后延时0.003秒拍照,此时可以拍到清晰的熔池图像。此时采集的图像为熄弧时熔池图像,如图2所示,该图像具有以下优点:1、图像避免了电弧干扰和飞溅干扰,提高图像采集的效率;2、图像包含了焊丝、熔池、焊接对缝信息;3、图像中熔池部分灰度值较高。观察熔池图像可见,在焊接前方的熔池均具有一个突出尖端.正常焊接情况下,熔化的焊丝流入焊接对缝并形成熔池底部,照相机在焊枪前方倾斜拍摄熔池图像,如图11所示,为利用高速摄影机每隔0.001s拍摄的电压下跳后熔滴流下和熔池照片。由图11可见,熔滴流下后填充坡口。由图可以判断熔池图像中的这一突出尖端即为坡口中心位置。
图3为焊接无偏差时熔池示意图,经过大量图像与实物对比发现熔池最下端对应图3的熔池最尖端点,图3中,11为熔池,12为焊丝,13为焊丝中心, 14为熔池中心,15为工件。
S2、选取采集图像的ROI区域作为ROI图像,所述ROI区域仅包括熔池前区和焊丝所在区域。
如图4所示,为选取ROI区域后的ROI图像,进行图像采集时,可以通过复合滤光系统降低图像的灰度值,由于尤其是距离熔池较远的范围图像灰度值很低。并且离熔池较远的范围,图像携带的是较少的有效信息。对于熔池图像图3,焊接偏差检测与测量来说,有效的信息主要集中在熔池前区,故选取仅包括熔池前区和焊丝所在区域(70×80像素)作为ROI图像。
S3、计算ROI图像的平均灰度值AVG,当ROI图像的平均灰度值AVG大于等于50时,舍弃该图像,并返回重新采集图像;当ROI图像的平均灰度值 AVG小于50时,进入下一步。
虽然在图像采集过程中照相机采取电压下降沿触发拍照,但是CO2气体保护焊焊接过程不稳定,仍有可能采集到有较强弧光和飞溅的熔池图像。对使用 ROI切割后的图像求平均灰度AVG。AVG大于50时弧光干扰熔池轮廓较严重,不能提取完整熔池或焊丝轮廓,对这类图像不处理、不保存。AVG小于 50时,熔池轮廓、焊丝轮廓清晰,对这类图像保存并进一步处理。图像平均灰度计算法如下:
设图像IM×N在(x,y)处的灰度值f(x,y),灰度级为L,则f(x,y)∈[0,L-1]。若灰度级i所有的像素个数为fi,则第i等级出现的概率为:
其中i=0,1,2,…L-1,且M和N分别表示图像的水平像素和垂直像素的个数。
图像的平均灰度值AVG为:
S4、通过设定不同的阈值T0,将ROI图像划分为不同背景区域C1和目标区域C2,并计算ROI图像的背景区域和目标区域之间的类间方差和类内方差以出现最大类间方差、类内方差比β时的阈值为最佳阀值Th,所述 根据最佳阀值Th进行二值化处理,并提取熔池前区轮廓和焊丝轮廓。
将ROI图像中的像素值用阈值T0划分为背景C1和目标C2。背景C1的灰度级为0到T0-1,对应的像素{f(x,y)<T0};目标C2的灰度级为T0到L-1,对应的像素{f(x,y)≥T0}。
背景区域C1部分出现的概率为ω1,目标区域C2部分出现的概率为ω2,且ω12=1。
背景区域C1部分的平均灰度为μ1(t),目标区域C2部分的平均灰度为μ2(t)。
对选取的ROI图像进行基于最大类间、类内方差比法的图像分割,分割后图像如图5所示。图像分割算法如下。
图像中背景区域C1部分灰度方差为:
图像中目标区域C2部分灰度方差为:
ROI图像中背景和目标的类间方差和类内方差
最大类间方差、类内方差比
按下式对原图像进行二值化处理然后提取熔池前区轮廓、焊丝轮廓。
查找二值图像的边缘,得到熔池前区轮廓和焊丝轮廓如图6所示。
S5、对ROI图像的熔池轮廓进行由下向上逐行扫描,扫描到熔池前区轮廓的最底端顶点,将该点坐标记为焊接对缝中心坐标;扫描到焊丝轮廓的水平距离等于焊丝实际直径的行时,将焊丝轮廓在该行的中间点的坐标,记为焊枪中心坐标;计算焊接对缝中心坐标与焊枪中心坐标的横坐标差值,并根据像素与实际距离值的比例关系,转化为焊接偏差。
如图7所示,为选用200A焊接电流改变焊接速度和焊接偏差量进行焊接试验时,采集到的三组熔池图像,以及对应的基于最大类间、类内方差比法进行图像分割的图像和提取到的熔池前区轮廓和焊丝的轮廓,对应参数如表1。
表1熔池图像对应的参数
图7是3类常见的熔池前区图像,图像最前端是曲率最大点,且具有唯一的尖端。经实验对比发现尖端点就是焊接对缝中心。因此,对图7中熔池轮廓图像由下向上着行扫描,熔池最前端顶点坐标为焊接对缝中心坐标。
下面结合图7a对应的ROI图像,介绍焊丝中心坐标提取的具体步骤。
假设焊丝直径1.2mm在图像中占14个像素。
焊丝熔滴滴落后焊丝前端轮廓左右不对称,会出现2种情况:第1种情况,焊丝前端直径小于焊丝实际直径1.2mm,焊丝图像顶点偏离焊丝中心如图7a、 7c;第2种情况,焊丝前端直径大于焊丝实际直径1.2mm,焊丝图像顶点偏离焊丝中心如图7b。所以不能简单地把焊丝图像顶点定义为焊丝中心。因此,由下向上逐行扫描,当焊丝图像直径为14个像素时焊丝中间点的坐标就是焊枪中心坐标。
焊丝左边的点Pl(Xl,Yl),焊丝右边的点Pr(Xr,Yr)令焊丝中心坐标Ps(Xs,Ys),焊缝中心坐标Pz(Xz,Yz)。焊接偏差量的计算只需要横坐标位置即可,偏差量用Δ表示。
当Xr-Xl=14时
Xs=Xr+7 (14)
图7是搜索得到的焊接对缝中心、焊丝轮廓左侧点、焊丝轮廓右侧点和计算得到的焊丝轮廓中心点。图7a的焊接偏差量Δ=29-33=-4像素,焊枪偏右0.34mm。图7b焊接偏差量Δ=33-33=0像素焊枪居中。7c焊接偏差量Δ=36-31=5像素,焊枪偏左0.43mm。
在实际焊接时,该方法能够快速提取清晰的熔池前区、焊接对缝中心轮廓,焊丝轮廓。能有效提取I形坡口焊接偏差信息,具有良好的稳定性,准确性较高。
此外,如图8所示,本发明还提供了一种基于熔池图像的I形坡口CO2焊接偏差检测装置,包括焊接系统1,图像采集系统2、电压和电流采集系统3、复合滤光系统4和控制单元5,所述图像采集系统1安装在焊接系统的机器人T轴前方,用于采集焊接稳定后的熔池图像并发送给所述控制单元,所述复合滤光系统4设置在图像采集系统2的前端;所述电压和电流采集系统3用于检测焊接系统1的焊接电压和电流值,并发送到所述控制单元5,所述控制单元5用于根据所述电压和电流采集系统2的测量值控制所述图像采集系统2进行图像采集,所述控制单元1还用于对所述图像采集系统2采集到的图像信息进行计算处理,得到焊接偏差,所述控制单元1的计算处理步骤为:
选取采集图像的ROI区域作为ROI图像,所述ROI区域仅包括熔池前区和焊丝所在区域;
计算ROI图像的平均灰度值AVG,当ROI图像的平均灰度值AVG大于等于50时,舍弃该图像;当ROI图像的平均灰度值AVG小于50时,通过设定不同的阈值T0,将ROI图像划分为不同背景区域C1和目标区域C2,并计算 ROI图像的背景区域和目标区域之间的类间方差和类内方差以出现最大类间方差、类内方差比β时的阈值为最佳阀值Th,所述根据最佳阀值Th进行二值化处理,并提取熔池前区和焊丝轮廓;
对ROI图像进行由下向上逐行扫描,扫描到熔池前区轮廓的最底端顶点,将该点坐标记为焊接对缝中心坐标;扫描到焊丝轮廓的水平距离等于焊丝实际直径的行时,将焊丝轮廓在该行的中间点的坐标,记为焊枪中心坐标;计算焊接对缝中心坐标与焊枪中心坐标的横坐标差值,并根据像素与实际距离值的比例关系,转化为焊接偏差。
具体地,电压和电流采集系统包括霍尔传感器和外围电路;图像采集系统包括CMOS工业相机和相机外触发电路,所述相机外触发电路用于将电压和电流采集系统采集到的电压进行模数转换以及在所述外围电路的输出电压为低电平且持续0.001s后,触发所述CMOS工业相机延时0.003s进行图像采集。
此外,所述控制单元5还可以与焊接系统1连接,用于将计算得到的焊接偏差发送给焊接系统1,以实现焊接过程的自动纠偏。
具体地,焊接系统1包括弧焊机器人、焊接电源和焊接行程控制工作台;电压和电流采集系统3包括霍尔传感器;如图9所示,图像采集系统2包括 CMOS工业相机21和照相机镜头22,所述复合滤光系统4包括630±10nm的滤光片41、10%的减光片42和焊接用防飞溅玻璃板43。
具体地,所述控制单元的计算处理过程中,ROI图像的平均灰度值AVG的计算公式为:
其中,表示灰度i出现的概率,fi表示灰度为i的所有像素的个数,M和N分别表示图像的水平像素和垂直像素的个数,L表示灰度级。
具体地,ROI图像的背景区域和目标区域之间的类间方差和类内方差的计算公式分别为:
其中,ω1表示背景区域C1部分出现的概率,ω2表示目标区域C2部分出现的概率,μ1表示背景区域C1部分的平均灰度,μ2表示目标区域C2部分的平均灰度,δ1表示背景区域C1部分灰度方差,δ2表示目标区域C2部分灰度方差,f(x,y)表示图像IM×N在(x,y)处的灰度值。
具体地,二值化处理的公式为:
本发明提出了一种根据熔池图像测量I形坡口焊接偏差量的实时检测方法,设置ROI切割图像,提高图像处理速度,减小熔池中区、后区无效信息对熔池前区有效的信息的干扰;求取图像平均灰度值AVG,AVG较大时,熔池或焊丝被弧光影响,停止熔池轮廓提取,AVG较较小时,熔池图像,较清晰完整;利用最大类间、类内方差比法对图像分割、提取熔池前区轮廓;用搜索算法找到焊接对缝中心即熔池轮廓尖端顶点水平坐标与焊丝轮廓中心水平坐标之差为焊接偏差量。本发明提高了焊接偏差检测的精度和效率,实验证明,该方法能实现机器人焊接偏差在线检测、测量,为自动焊接对缝跟踪、纠偏提供技术支持。本发明还提供了基于该方法的装置。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种基于熔池图像的I形坡口CO2焊接偏差检测方法,其特征在于,包括以下几个步骤:
S1、通过图像采集系统采集焊接稳定后的熔池图像;
S2、选取采集图像的ROI区域作为ROI图像,所述ROI区域仅包括熔池前区和焊丝所在区域;
S3、计算ROI图像的平均灰度值AVG,当ROI图像的平均灰度值AVG大于等于50时,舍弃该图像,并返回步骤S1;当ROI图像的平均灰度值AVG小于50时,进入步骤S4;
S4、通过设定不同的阈值T0,将ROI图像划分为不同背景区域C1和目标区域C2,并计算ROI图像的背景区域和目标区域之间的类间方差和类内方差以出现最大类间方差、类内方差比β时的阈值为最佳阀值Th,所述 根据最佳阀值Th进行二值化处理,并提取熔池前区轮廓和焊丝轮廓;
S5、对得到的熔池前区轮廓和焊丝轮廓进行由下向上逐行扫描,扫描到熔池前区轮廓的最底端顶点,将该点坐标记为焊接对缝中心坐标;扫描到焊丝轮廓的水平距离等于焊丝实际直径的行时,将焊丝轮廓在该行的中间点的坐标,记为焊枪中心坐标;计算焊接对缝中心坐标与焊枪中心坐标的横坐标差值,并根据像素与实际距离值的比例关系,转化为焊接偏差。
2.根据权利要求1所述的基于熔池图像的I形坡口CO2焊接偏差检测方法,其特征在于,所述步骤S1还包括以下步骤:
检测焊接系统的焊接电压和电流值,并对焊接系统的焊接电压进行二值化处理,当焊接电压低于10V时将其转化为低电平,电压高于10V时将其转化为高电平,并在二值化处理后的电压值处于低电平且持续0.001s时,控制图像采集系统延时0.003s进行图像采集。
3.根据权利要求1所述的基于熔池图像的I形坡口CO2焊接偏差检测方法,其特征在于,所述步骤S3中,ROI图像的总平均灰度值AVG的计算公式为:
其中,表示灰度i出现的概率,fi表示灰度为i的所有像素的个数,M和N分别表示图像的水平像素和垂直像素的个数,L表示灰度级。
4.根据权利要求1所述的基于熔池图像的I形坡口CO2焊接偏差检测方法,其特征在于,所述步骤S4中,ROI图像的背景区域和目标区域之间的类间方差和类内方差的计算公式分别为:
其中,ω1表示背景区域C1部分出现的概率,ω2表示目标区域C2部分出现的概率,μ1表示背景区域C1部分的平均灰度,μ2表示目标区域C2部分的平均灰度,δ1表示背景区域C1部分灰度方差,δ2表示目标区域C2部分灰度方差,f(x,y)表示图像IM×N在(x,y)处的灰度值。
5.根据权利要求4所述的基于熔池图像的I形坡口CO2焊接偏差检测方法,其特征在于,所述步骤S4中,二值化处理的公式为:
6.一种基于熔池图像的I形坡口CO2焊接偏差检测装置,包括焊接系统,其特征在于,还包括图像采集系统、电压和电流采集系统、复合滤光系统和控制单元,所述图像采集系统安装在焊接系统的机器人T轴前方,安装方向与焊接前进方向一致;用于采集熔池图像并发送给所述控制单元,所述复合滤光系统设置在图像采集系统的前端;所述电压和电流采集系统用于检测焊接系统的焊接电压和电流值,并发送到所述控制单元,所述控制单元用于根据所述电压和电流采集系统的测量值控制所述图像采集系统进行图像采集,所述控制单元还用于对所述图像采集系统采集到的图像信息进行计算处理,得到焊接偏差,所述控制单元的计算处理步骤为:
选取采集图像的ROI区域作为ROI图像,所述ROI区域仅包括熔池前区和焊丝所在区域;
计算ROI图像的平均灰度值AVG,当ROI图像的平均灰度值AVG大于等于50时,舍弃该图像;当ROI图像的平均灰度值AVG小于50时,通过设定不同的阈值T0,将ROI图像划分为不同背景区域C1和目标区域C2,并计算ROI图像的背景区域和目标区域之间的类间方差和类内方差以出现最大类间方差、类内方差比β时的阈值为最佳阀值Th,所述根据最佳阀值Th进行二值化处理,并提取熔池前区轮廓和焊丝轮廓;
对熔池前区轮廓和焊丝进行由下向上逐行扫描,扫描到熔池前区轮廓的最底端顶点,将该点坐标记为焊接对缝中心坐标;扫描到焊丝轮廓的水平距离等于焊丝实际直径的行时,将焊丝轮廓在该行的中间点的坐标,记为焊枪中心坐标;计算焊接对缝中心坐标与焊枪中心坐标的横坐标差值,并根据像素与实际距离值的比例关系,转化为焊接偏差。
7.根据权利要求6所述的基于熔池图像的I形坡口CO2焊接偏差检测装置,其特征在于,电压和电流采集系统包括霍尔传感器和外围电路;图像采集系统包括CMOS工业相机和相机外触发电路,所述相机外触发电路用于将电压和电流采集系统采集到的电压进行模数转换以及在所述外围电路的输出电压为低电平且持续0.001s后,触发所述CMOS工业相机延时0.003s进行图像采集。
8.根据权利要求6所述的基于熔池图像的I形坡口CO2焊接偏差检测装置,其特征在于,所述控制单元与焊接系统连接,用于将计算得到的焊接偏差发送给焊接系统,以实现焊接过程的自动纠偏。
9.根据权利要求6所述的基于熔池图像的I形坡口CO2焊接偏差检测装置,其特征在于,焊接系统包括弧焊机器人、焊接电源和焊接行程控制工作台,所述复合滤光系统包括630±10nm的滤光片、10%的减光片和焊接用防飞溅玻璃板。
10.根据权利要求1所述的基于熔池图像的I形坡口CO2焊接偏差检测装置,其特征在于,所述控制单元的计算处理过程中,ROI图像的平均灰度值AVG的计算公式为:
其中,表示灰度i出现的概率,fi表示灰度为i的所有像素的个数,M和N分别表示图像的水平像素和垂直像素的个数,L表示灰度级;
ROI图像的背景区域和目标区域之间的类间方差和类内方差的计算公式分别为:
其中,ω1表示背景区域C1部分出现的概率,ω2表示目标区域C2部分出现的概率,μ1表示背景区域C1部分的平均灰度,μ2表示目标区域C2部分的平均灰度,δ1表示背景区域C1部分灰度方差,δ2表示目标区域C2部分灰度方差,f(x,y)表示图像IM×N在(x,y)处的灰度值;
二值化处理的公式为:
CN201711360157.5A 2017-12-15 2017-12-15 基于熔池图像的i形坡口co2焊接偏差检测方法和装置 Active CN108247179B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711360157.5A CN108247179B (zh) 2017-12-15 2017-12-15 基于熔池图像的i形坡口co2焊接偏差检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711360157.5A CN108247179B (zh) 2017-12-15 2017-12-15 基于熔池图像的i形坡口co2焊接偏差检测方法和装置

Publications (2)

Publication Number Publication Date
CN108247179A true CN108247179A (zh) 2018-07-06
CN108247179B CN108247179B (zh) 2019-09-27

Family

ID=62722875

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711360157.5A Active CN108247179B (zh) 2017-12-15 2017-12-15 基于熔池图像的i形坡口co2焊接偏差检测方法和装置

Country Status (1)

Country Link
CN (1) CN108247179B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109514137A (zh) * 2018-12-07 2019-03-26 北京博清科技有限公司 焊点自动对准系统及方法
CN110773840A (zh) * 2019-11-12 2020-02-11 湖北文理学院 焊接偏差测定方法、装置和自动焊接系统
CN111069748A (zh) * 2019-12-20 2020-04-28 南京理工大学 一种实时检测及控制空心螺柱焊电弧旋转的方法与装置
CN111570974A (zh) * 2020-05-12 2020-08-25 湖北文理学院 基于同步采图的焊接偏差测定方法、装置和自动焊接系统
CN111570975A (zh) * 2020-05-12 2020-08-25 湖北文理学院 基于同步采图的焊接偏差测定方法、装置和自动焊接系统
CN112059384A (zh) * 2020-08-14 2020-12-11 湘潭大学 一种磁控等离子弧与丝材端部、熔池距离自适应控制方法
CN113042863A (zh) * 2021-03-31 2021-06-29 山东齐星铁塔有限公司 一种基于激光视觉传感器的焊缝实时跟踪方法
CN113263246A (zh) * 2021-05-19 2021-08-17 太原科技大学 一种基于交变磁场的磁控焊接装置
CN115178837A (zh) * 2022-08-24 2022-10-14 中国核工业第五建设有限公司 焊缝偏差量实时检测方法、系统和焊缝偏差纠正方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101774065A (zh) * 2010-03-17 2010-07-14 昆山工研院工业机器人研究所有限公司 机器人焊缝跟踪偏差补偿方法
CN105205821A (zh) * 2015-09-21 2015-12-30 江苏科技大学 一种焊接图像分割方法
CN105588845A (zh) * 2016-01-04 2016-05-18 江苏科技大学 一种焊接缺陷特征参数提取方法
CN106181162A (zh) * 2016-08-12 2016-12-07 中国矿业大学 一种基于机器视觉的实时焊缝跟踪检测系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101774065A (zh) * 2010-03-17 2010-07-14 昆山工研院工业机器人研究所有限公司 机器人焊缝跟踪偏差补偿方法
CN105205821A (zh) * 2015-09-21 2015-12-30 江苏科技大学 一种焊接图像分割方法
CN105588845A (zh) * 2016-01-04 2016-05-18 江苏科技大学 一种焊接缺陷特征参数提取方法
CN106181162A (zh) * 2016-08-12 2016-12-07 中国矿业大学 一种基于机器视觉的实时焊缝跟踪检测系统及方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109514137B (zh) * 2018-12-07 2020-04-10 北京博清科技有限公司 焊点自动对准系统及方法
CN109514137A (zh) * 2018-12-07 2019-03-26 北京博清科技有限公司 焊点自动对准系统及方法
CN110773840B (zh) * 2019-11-12 2021-09-24 湖北文理学院 焊接偏差测定方法、装置和自动焊接系统
CN110773840A (zh) * 2019-11-12 2020-02-11 湖北文理学院 焊接偏差测定方法、装置和自动焊接系统
CN111069748A (zh) * 2019-12-20 2020-04-28 南京理工大学 一种实时检测及控制空心螺柱焊电弧旋转的方法与装置
CN111570975A (zh) * 2020-05-12 2020-08-25 湖北文理学院 基于同步采图的焊接偏差测定方法、装置和自动焊接系统
CN111570974A (zh) * 2020-05-12 2020-08-25 湖北文理学院 基于同步采图的焊接偏差测定方法、装置和自动焊接系统
CN111570975B (zh) * 2020-05-12 2022-04-05 湖北文理学院 基于同步采图的焊接偏差测定方法、装置和自动焊接系统
CN112059384A (zh) * 2020-08-14 2020-12-11 湘潭大学 一种磁控等离子弧与丝材端部、熔池距离自适应控制方法
CN112059384B (zh) * 2020-08-14 2022-01-25 湘潭大学 一种磁控等离子弧与丝材端部、熔池距离自适应控制方法
CN113042863A (zh) * 2021-03-31 2021-06-29 山东齐星铁塔有限公司 一种基于激光视觉传感器的焊缝实时跟踪方法
CN113042863B (zh) * 2021-03-31 2023-01-24 山东齐星铁塔有限公司 一种基于激光视觉传感器的焊缝实时跟踪方法
CN113263246A (zh) * 2021-05-19 2021-08-17 太原科技大学 一种基于交变磁场的磁控焊接装置
CN115178837A (zh) * 2022-08-24 2022-10-14 中国核工业第五建设有限公司 焊缝偏差量实时检测方法、系统和焊缝偏差纠正方法

Also Published As

Publication number Publication date
CN108247179B (zh) 2019-09-27

Similar Documents

Publication Publication Date Title
CN108247179B (zh) 基于熔池图像的i形坡口co2焊接偏差检测方法和装置
CN210046133U (zh) 基于激光结构光的焊缝视觉跟踪系统
CN102814574B (zh) 基于红外视觉传感的窄间隙焊接监控及焊缝偏差检测方法
CN106181162B (zh) 一种基于机器视觉的实时焊缝跟踪检测方法
CN101486124B (zh) 多结构光双目复合视觉焊缝跟踪方法及装置
CN107486608B (zh) 图像处理的gtaw增材制造堆积高度视觉检测方法及系统
Gao et al. Infrared image recognition for seam tracking monitoring during fiber laser welding
CN105678776B (zh) 一种基于激光视觉传感器焊缝图像特征点提取方法
WO2022188482A1 (zh) 基于主被动视觉结合的焊接偏差检测系统及检测方法
Guo et al. Weld deviation detection based on wide dynamic range vision sensor in MAG welding process
WO2013089038A1 (ja) レーザ溶接の溶接位置検出装置および溶接位置検出方法
CN103983203B (zh) 一种激光熔覆熔池离焦量测量装置及其测量方法
CN105033408A (zh) Gma增材制造双被动视觉传感检测装置及其检测方法
CN108015455B (zh) 基于复合激光结构光的多功能视觉传感器装置
CN108032011B (zh) 基于激光结构光焊缝初始点导引装置及方法
CN106735749A (zh) 一种激光辅助焊缝智能寻迹系统
CN107796328A (zh) 金属增材制造熔池形貌三维视觉传感器及检测方法
CN102519387B (zh) 一种电子束焊接熔池形状参数的视觉检测方法
CN105689859A (zh) 一种不同种类金属之间的连接方法和设备
CN108152291A (zh) 基于熔池动态特征的端缝焊接未熔合缺欠实时检测方法
CN106624418A (zh) 一种应用特征谱线焊接熔池流动监测方法
JP2007054879A (ja) ハイブリッド溶接装置、並びに、ハイブリッド溶接装置の画像処理方法および画像処理プログラム
朱彦军 et al. Welding deviation detection method based on weld pool image contour features
Nilsen et al. Adaptive control of the filler wire rate during laser beam welding of squared butt joints with varying gap width
CN114523236A (zh) 一种基于机器视觉的智能化自动检测平台

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220928

Address after: 030027 pb108, South Building, Xinhe science and Technology Park, No.9, Xinhe Road, Yangqu Park, Taiyuan City, Shanxi Province

Patentee after: Shanxi Zhida Intelligent Equipment Co.,Ltd.

Address before: 030024 No. 66 tile Road, Wan Berlin District, Shanxi, Taiyuan

Patentee before: TAIYUAN University OF SCIENCE AND TECHNOLOGY

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230106

Address after: 030027 102, Unit 1, Building 4, Dongshe East Road to Shanyuan, Wanbailin District, Taiyuan, Shanxi

Patentee after: Taiyuan Chenhang Technology Co.,Ltd.

Address before: 030027 pb108, South Building, Xinhe science and Technology Park, No.9, Xinhe Road, Yangqu Park, Taiyuan City, Shanxi Province

Patentee before: Shanxi Zhida Intelligent Equipment Co.,Ltd.