CN109886958B - 一种基于方管焊缝位置自动识别的方法、装置及系统 - Google Patents
一种基于方管焊缝位置自动识别的方法、装置及系统 Download PDFInfo
- Publication number
- CN109886958B CN109886958B CN201910204046.8A CN201910204046A CN109886958B CN 109886958 B CN109886958 B CN 109886958B CN 201910204046 A CN201910204046 A CN 201910204046A CN 109886958 B CN109886958 B CN 109886958B
- Authority
- CN
- China
- Prior art keywords
- welding seam
- contour
- pictures
- picture
- area
- 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.)
- Active
Links
Images
Abstract
本发明为了现有技术中存在的问题,创新提出了一种基于方管焊缝位置自动识别的方法,包括:图像采集设备采集方管横截面的图片并保存;图像处理设备将采集的图片等分为九块并对其进行编号,并选取至少四个包含内部侧面的图片分别保存;图像处理设备将分别获取选取的至少四个包含内部侧面的图片中焊缝的的轮廓长度和/或焊缝的轮廓总面积,根据图片中焊缝的的轮廓长度和/或焊缝的轮廓总面积确定焊缝所在图片的编号,本发明还提供了一种基于方管焊缝位置自动识别的装置及系统,解决了人工判断方管焊缝中存在费时费力、定位旋转效率低的问题,而且避免了人工观察判断时存在的误差,提高数控激光切管机上加工方管的精确性,提高了加工效率,降低了人力成本。
Description
技术领域
本发明涉及机器视觉和自动控制领域,尤其是涉及一种基于方管焊缝位置自动识别的方法、装置及系统。
背景技术
目前,随着图像处理技术的发展,在PC机中安装编程软件以及机器视觉库,即可对图片进行图像处理,通过各种图像处理方法就可以检测出图片上各种形状情况。
在数控激光切管机上加工方管时,管材在切割时需要根据焊缝位置确定加工形状的位置,每根管材焊缝位置在管材捆料中放置不确定,所以需要在加工之前先判断焊缝在方管的哪一个侧面上。
在当前的技术应用中,需要用人眼观察焊缝的位置,然后再由人工把方管旋转到合适的位置,再进行相应加工,这样存在费时费力、效率低的问题,而且人工观察判断时不可避免会存在误差,影响数控激光切管机上加工方管的精确性。
发明内容
本发明为了解决现有技术中存在的问题,创新提出了一种基于方管焊缝位置自动识别的方法、装置及系统,解决了人工判断方管焊缝中存在费时费力、定位旋转效率低的问题,而且避免了人工观察判断时存在的误差,提高数控激光切管机上加工方管的精确性,提高了加工效率,降低了人力成本。
本发明第一方面提供了一种基于方管焊缝位置自动识别的方法,包括:
图像采集设备采集方管横截面的图片并保存;
图像处理设备将采集的图片等分为九块并对其进行编号,并选取至少四个包含内部侧面的图片分别保存;
图像处理设备分别获取选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积,根据图片中焊缝的轮廓长度和/或焊缝的轮廓总面积确定焊缝所在图片的编号。
结合第一方面,在第一方面第一种可能的实现方式中,所述采集方管横截面的图片至少包括方管内部四个侧面。
结合第一方面,在第一方面第二种可能的实现方式中,所述图像处理设备将采集的图片等分为九块并对其进行编号,并选取至少四个包含内部侧面的图片分别保存具体是:
图像处理设备将采集的图片等分为九块并对其进行编号,并通过分别计算九块图片包含方管内部侧面面积的大小,至少选取包含方管内部第一侧面面积最大的第一图片、包含方管内部第二侧面面积最大的第二图片、包含方管内部第三侧面面积最大的图片以及包含方管内部第四侧面面积最大的第四图片在内的四块图片并分别保存。
结合第一方面,在第一方面第三种可能的实现方式中,所述图像处理设备分别获取选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积,根据图片中焊缝的轮廓长度和/或焊缝的轮廓总面积确定焊缝所在图片的编号具体包括:
图像处理设备对选取的至少四个包含内部侧面的图片通过中值滤波法进行平滑处理;
将经过平滑处理的选取的至少四个包含内部侧面的图片进行灰度化处理;
将经过灰度化处理的选取的至少四个包含内部侧面的图片进行膨胀处理;
设定第一灰度阈值,将经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点的灰度值与设定第一灰度值进行比较,选取大于设定第一灰度阈值的经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点;
将经过选取的大于设定第一灰度阈值的经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点针对x,y,两个对角线方向分别求导,该方向的导数达到局部最大值的像素点组成边缘像素的候选像素点,将边缘像素的候选像素点通过双阈值筛选拼装成焊缝的轮廓;
根据边缘像素形成的焊缝的轮廓,调用函数计算焊缝的轮廓长度和/或焊缝的轮廓总面积,焊缝的轮廓总面积为焊缝所有轮廓面积之和;
通过比较选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积的大小,选取焊缝的轮廓长度的最大值和/或焊缝的轮廓总面积的最大值所在的图片为焊缝所在图片。
结合第一方面,在第一方面第四种可能的实现方式中,所述焊缝的轮廓总面积还包括焊缝的轮廓外接矩形总面积。
结合第一方面,在第一方面第五种可能的实现方式中,所述方法还包括:
根据焊缝所在图片的编号按照对应规则确定出方管焊缝所处角度,根据焊缝所处角度,由控制设备在自动加工时,控制电机驱动方管工装旋转至指定加工的位置。
本发明第二方面提供了一种基于方管焊缝位置自动识别的装置,包括:
图像采集单元,图像采集设备采集方管横截面的图片并保存;
图像分割单元,图像处理设备将采集的图片等分为九块并对其进行编号,并选取至少四个包含内部侧面的图片分别保存;
图像获取及确定单元,图像处理设备分别获取选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积,根据图片中焊缝的轮廓长度和/或焊缝的轮廓总面积判断焊缝所在图片的编号。
结合第二方面,在第二方面第一种可能的实现方式中,还包括:
焊缝角度确定及加工单元,根据焊缝所在图片的编号按照对应规则判断出方管焊缝所处角度,根据焊缝所处角度,由控制设备在自动加工时,控制电机驱动方管工装旋转至指定加工的位置。
本发明第三方面提供了一种基于方管焊缝位置自动识别系统,包括:
摄像机,采集方管横截面的图片并保存;
计算机,将采集的图片等分为九块并对其进行编号,并选取至少四个包含内部侧面的图片分别保存,分别获取选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积,根据图片中焊缝的的轮廓长度和/或焊缝的轮廓总面积确定焊缝所在图片的编号。
结合第三方面,在第三方面第一种可能的实现方式中,还包括:伺服电机以及伺服电机驱动器,所述计算机根据焊缝所在图片的编号按照对应规则确定出方管焊缝所处角度,根据焊缝所处角度,由计算机在自动加工时,控制伺服电机驱动器驱动伺服电机控制方管工装旋转至指定加工的位置。
本发明采用的技术方案包括以下技术效果:
本发明为了现有技术中存在的问题,创新提出了一种基于方管焊缝位置自动识别的方法、装置及系统,解决了人工判断方管焊缝中存在费时费力、定位旋转效率低的问题,而且避免了人工观察判断时存在的误差,提高数控激光切管机上加工方管的精确性,提高了加工效率,降低了人力成本。
应当理解的是以上的一般描述以及后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
为了更清楚说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单介绍,显而易见的,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明方案中实施例一一种基于方管焊缝位置自动识别的方法的流程示意图;
图2为本发明方案中实施例一一种基于方管焊缝位置自动识别的方法中图像等分为九块并编号的示意图;
图3为本发明方案中实施例二一种基于方管焊缝位置自动识别的方法中步骤S3的流程示意图;
图4为本发明方案中实施例三一种基于方管焊缝位置自动识别的方法的流程示意图;
图5为本发明方案中实施例四一种基于方管焊缝位置自动识别的装置的结构示意图;
图6为本发明方案中实施例五一种基于方管焊缝位置自动识别的装置的结构示意图;
图7为本发明方案中实施例六一种基于方管焊缝位置自动识别的系统的结构示意图;
图8为本发明方案中实施例七一种基于方管焊缝位置自动识别的系统的结构示意图。
具体实施方式
为能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
实施例一
如图1所示,本发明提供了一种基于方管焊缝位置自动识别的方法,包括:
S1,图像采集设备采集方管横截面的图片并保存;
S2,图像处理设备将采集的图片等分为九块并对其进行编号,并选取至少四个包含内部侧面的图片分别保存;
S3,图像处理设备分别获取选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积,根据图片中焊缝的轮廓长度和/或焊缝的轮廓总面积确定焊缝所在图片的编号。
在步骤S1中,采集方管横截面的图片至少包括方管内部四个侧面,本发明实施例中图像采集设备均为网络摄像机,但不限于网络摄像机,其他图像采集设备均可;图像处理设备均为工控机,但不限于工控机,其他图像处理设备(像PC机等其他计算机)均可,网络摄像机通过路由器连接工控机,摄像机通过编程软件Aottosoftware_V1.0拍摄方管横截面照片保存至工控机。
优选地,图像采集设备的镜头与方管横截面正对放置、移动方管使方管横截面至摄像机镜头正对放置的位置,即使方管每个横截面中心与摄像机镜头中心位置在一条直线上,并且图像采集设备中镜头与方管之间的距离小于设定阈值,本发明实施例设定阈值为10mm,即方管距离摄像头镜头优选小于10mm,通过工控机控制网络摄像机拍摄方管横截面照片,为保证拍摄效果,图片像素不低于200万,生成一个文本文件存放到PC机固定目录路径下。本发明技术方案中图像采集设备的镜头与方管横截面正对放置,图像采集设备中镜头与方管之间的距离小于设定阈值,这样可以使图像采集设备最大化的清晰的采集方管横截面的图形,方便后期图像处理设备的分割以及识别,保证了图像处理设备可以自动识别方管中焊缝位置。
在步骤S2中,如图2所示,图像采集设备即摄像头所拍摄照片通过软件编程实现等分切割9块并予以编号,并通过分别计算九块图片包含方管内部侧面面积的大小,至少选取包含方管内部第一侧面面积最大的第一图片、包含方管内部第二侧面面积最大的第二图片、包含方管内部第三侧面面积最大的图片以及包含方管内部第四侧面面积最大的第四图片在内的四块图片,并在固定路径目录下保存,在本实施例中,包含方管内部第一侧面面积最大的第一图片、包含方管内部第二侧面面积最大的第二图片、包含方管内部第三侧面面积最大的图片以及包含方管内部第四侧面面积最大的第四图片分别对应为编号为2、4、6和8所示图片,由于方管焊缝只可能存在于编号为2、4、6和8的图片中,所以只要至少保存这4张图片,并对这至少4张图片分别进行图片处理并分析以确定焊缝存在于哪张图片,编号也可以按照其他规则予以编号,只要至少选取包含方管内部第一侧面面积最大的第一图片、包含方管内部第二侧面面积最大的第二图片、包含方管内部第三侧面面积最大的图片以及包含方管内部第四侧面面积最大的第四图片在内的四块图片就可以,本发明在此不做限制。
其中计算九块图片包含方管内部侧面的大小具体是:首先图像处理设备识别九块图片中每块图片是否包含方管内部侧面分割线,如果没有包含方管内部侧面分割线,直接计算图片本身的面积;如果包含方管内部侧面分割线,分别计算图片的第一边框、第二边框以及方管内部侧面分割线形成第一图形的第一面积,以及图片的第三边框、第四边框以及图形分割线形成第二图形的第二面积;其中侧面分割线为方管内部不同侧面之间的分割线。
包含方管内部第一侧面面积最大的第一图片:将包含方管内部第一侧面但不包含方管内部侧面分割线的图片的面积与包含方管内部第一侧面同时包含方管内部侧面分割线图片的第一图形(或第二图形)的第一面积(或第二面积)进行比较,选取其中面积最大图片即为第一图片;包含方管内部第二侧面面积最大的第二图片:将包含方管内部第二侧面但不包含方管内部侧面分割线的图片的面积与包含方管内部第二侧面同时包含方管内部侧面分割线图片的第一图形(或第二图形)的第一面积(或第二面积)进行比较,选取其中面积最大图片即为第二图片;包含方管内部第三侧面面积最大的图片:将包含方管内部第三侧面但不包含方管内部侧面分割线的图片的面积与包含方管内部第三侧面同时包含方管内部侧面分割线图片的第一图形(或第二图形)的第一面积(或第二面积)进行比较,选取其中面积最大图片即为第三图片;包含方管内部第四侧面面积最大的第四图片:将包含方管内部第四侧面但不包含方管内部侧面分割线的图片的面积与包含方管内部第四侧面同时包含方管内部侧面分割线图片的第一图形(或第二图形)的第一面积(或第二面积)进行比较,选取其中面积最大图片即为第四图片。
本发明技术方案解决了人工判断方管焊缝中存在费时费力、定位旋转效率低的问题,而且避免了人工观察判断时存在的误差,提高数控激光切管机上加工方管的精确性,提高了加工效率,降低了人力成本。
实施例二
如图3所示,本发明技术方案一种基于方管焊缝位置自动识别的方法中步骤S3具体包括:
S31,图像处理设备对选取的至少四个包含内部侧面的图片通过中值滤波法进行平滑处理;
S32,将经过平滑处理的选取的至少四个包含内部侧面的图片进行灰度化处理;
S33,将经过灰度化处理的选取的至少四个包含内部侧面的图片进行膨胀处理;
S34,设定第一灰度阈值,将经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点的灰度值与设定第一灰度值进行比较,选取大于设定第一灰度阈值的经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点;
S35,将经过选取的大于设定第一灰度阈值的经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点针对x,y,两个对角线方向分别求导,该方向的导数达到局部最大值的像素点组成边缘像素的候选像素点,将边缘像素的候选像素点通过双阈值筛选拼装成焊缝的轮廓;
S36,根据边缘像素形成的焊缝的轮廓,调用函数计算焊缝的轮廓长度和/或焊缝的轮廓总面积,焊缝的轮廓总面积为焊缝所有轮廓面积之和;
S37,通过比较选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积的大小,选取焊缝的轮廓长度的最大值和/或焊缝的轮廓总面积的最大值所在图片为焊缝所在图片。
在步骤S31中,采用中值滤波的方法对原始图像即选取的至少四个包含内部侧面的图片进行平滑处理,目的是为了消除图像中存在的噪声干扰,尽可能地提高图像质量。中值滤波是一种非线性处理技术,主要作用是让与周围像素灰度值差较大的像素修改为与周围像素值接近的值,从而消除孤立的噪声点,有效地抑制图像中的噪声。
在步骤S32中,灰度化处理主要是基于RGB的颜色标准,RGB的颜色标准分别代表红、绿、蓝3个通道的颜色,也称为三基色,其他颜色由这3种颜色混合而成,是目前运用最广泛的颜色系统之一。RGB颜色模型中,原点(0,0,0)对应黑色,顶点(1,1,1)对应白色,在坐标轴上的3个顶点表示RGB三基色。规定R、G、B取值的区间均为[0,255],当三色都为255时为白色,都为0时为黑色,三色数值相同时为无色彩的灰度色,白色与黑色的连线即表示灰度级。用g(i,j)表示点(i,j)处的灰度值,R(i,j)、G(i,j)、B(i,j)分别表示该点的三基色色值。灰度化的公式为:
g(i,j)=0.3R(i,j)+0.59G(i,j)+0.11(i,j)
在步骤S33中,膨胀是图像与核(卷积核)进行卷积。核是任何形状或大小,拥有单独定义的参考点。膨胀是求局部最大值的操作。核与图像卷积,即计算核覆盖的区域的像素点最大值,并把这个最大值赋值给参考点制定的像素,使图像中的高亮区域增长。
在步骤S34中,设原始图像像素点的灰度值为f(x,y),以一定的准则在f(x,y)中找出合适灰度值,作为第一灰度阈值t,第一灰度值t的选取可以根据实际情况进行确定,本发明在此不做限制,对原始图像进行分割,获取的图像g(x,y)为
若取b0=0(黑)、b1=1(白),即为图像二值阈值化。将经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点的灰度值f(x,y)与设定第一灰度值t进行比较,选取大于设定第一灰度阈值t的经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点。
在步骤S35中,Canny边缘检测法中,首先将经过选取的大于设定第一灰度阈值的经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点针对x,y,两个对角线方向分别求导,这四个方向导数达到局部最大值的点就是组成边缘像素的候选像素点,将边缘像素的候选像素点通过双阈值筛选拼装成焊缝的轮廓,Canny算法最重要的一个特点是其将独立边的候选像素点拼装成焊缝的轮廓。焊缝的轮廓的形成是对这些像素运用滞后性阈值。这意味着有两个阈值,上限阈值和下限阈值。如果一个像素点的梯度大于上限阈值,则被认为是边缘像素,则予以保留,如果一个像素点的梯度低于下限阈值,则被抛弃。
在步骤S36中,根据边缘像素形成的焊缝的轮廓,调用函数可计算焊缝的轮廓长度及焊缝的轮廓面积,计算焊缝的轮廓长度函数为cvArclength(),计算焊缝的轮廓面积函数为cvContourArea(),焊缝的轮廓总面积为焊缝的所有轮廓面积之和。也可计算焊缝的轮廓外接矩形总面积。
在步骤S37中,通过比较选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积或焊缝的轮廓外接矩形总面积的大小,选取焊缝的轮廓长度最大值和/或焊缝的轮廓总面积的最大值所在图片为焊缝所在图片,其中焊缝的轮廓总面积也可以是焊缝的轮廓外接矩形总面积,只要三者的数值有一为最大值或三者的数值有二为最大值或三者的数值全部为最大值,即可以确定焊缝在该图片中。
实施例三
如图4所示,本发明还提供了一种基于方管焊缝位置自动识别的方法,包括:
S1,图像采集设备采集方管横截面的图片并保存;
S2,图像处理设备将采集的图片等分为九块并对其进行编号,并选取至少四个包含内部侧面的图片分别保存;
S3,图像处理设备分别获取选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积,根据图片中焊缝的轮廓长度和/或焊缝的轮廓总面积确定焊缝所在图片的编号;
S4,根据焊缝所在图片的编号按照对应规则判断出方管焊缝所处角度,根据焊缝所处角度,由控制设备在自动加工时,控制电机驱动方管工装旋转至指定加工的位置。
在步骤S4中,按照本发明编号规则,焊缝所在图片的编号与方管焊缝所处角度对应关系具体为:2对应90度,6对应180度,8对应270度,4对应0度。当然也可以根据不同编号规则,对应关系也会发生相应调整变化,但是图片在九块分割图片中的位置与方管焊缝所述角度的对应关系不变,根据焊缝所处角度,由软件Aottosoftware_V1.0生成倍福系统可执行子程序文件并存放至倍福系统工控机(计算机)固定目录路径下,在自动加工时,倍福系统工控机调用此子程序,控制电机驱动方管工装旋转至适合加工的位置。
实施例四
如图5所示,本发明技术方案还提供了一种一种基于方管焊缝位置自动识别的装置,包括:
图像采集单元11,图像采集设备采集方管横截面的图片并保存;
图像分割单元12,图像处理设备将采集的图片等分为九块并对其进行编号,并选取至少四个包含内部侧面的图片分别保存;
图像获取及确定单元13,图像处理设备分别获取选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积,根据图片中焊缝的轮廓长度和/或焊缝的轮廓总面积确定焊缝所在图片的编号。
实施例五
如图6所示,本发明技术方案还提供了一种一种基于方管焊缝位置自动识别的装置,包括:
图像采集单元11,图像采集设备采集方管横截面的图片并保存;
图像分割单元12,图像处理设备将采集的图片等分为九块并对其进行编号,并选取至少四个包含内部侧面的图片分别保存;
图像获取及确定单元13,图像处理设备分别获取选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积,根据图片中焊缝的轮廓长度和/或焊缝的轮廓总面积确定焊缝所在图片的编号;
焊缝角度确定及加工单元14,根据焊缝所在图片的编号按照对应规则确定出方管焊缝所处角度,根据焊缝所处角度,由控制设备在自动加工时,控制电机驱动方管工装旋转至指定加工的位置。
实施例六
如图7所示,本发明技术方案还提供了一种一种基于方管焊缝位置自动识别的系统,包括:
摄像机21,采集方管横截面的图片并保存;
计算机22,将采集的图片等分为九块并对其进行编号,并选取至少四个包含内部侧面的图片分别保存,将分别获取选取的至少四个包含内部侧面的图片中焊缝的的轮廓长度和/或焊缝的轮廓总面积,根据图片中焊缝的的轮廓长度和/或焊缝的轮廓总面积确定焊缝所在图片的编号。
实施例七
如图8所示,本发明技术方案还提供了一种一种基于方管焊缝位置自动识别的系统,包括:
摄像机21,采集方管横截面的图片并保存;
计算机22,将采集的图片等分为九块并对其进行编号,并选取至少四个包含内部侧面的图片分别保存,将分别获取选取的至少四个包含内部侧面的图片中焊缝的的轮廓长度和/或焊缝的轮廓总面积,根据图片中焊缝的的轮廓长度和/或焊缝的轮廓总面积确定焊缝所在图片的编号;
伺服电机24以及伺服电机驱动器23,计算机22根据焊缝所在图片的编号按照对应规则确定出方管焊缝所处角度,根据焊缝所处角度,由计算机22在自动加工时,控制伺服电机驱动器23驱动伺服电机24控制方管工装旋转至指定加工的位置。
基于计算机(工控机)数控系统应用越来越广泛,例如倍福数控系统等,就是在装有windows系统的计算机上安装了数控相关专用软件,可控制伺服系统,驱动伺服电机运动。
本发明通过在计算机(工控机)中安装了Visual Studio编程软件,并移植安装了Opencv机器视觉库,编程开发图像处理软件Aottosoftware_V1.0,可对图片进行图像处理,通过各种图像处理方法就可以检测出图片上各种形状情况。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于方管焊缝位置自动识别的方法,其特征是,包括:
图像采集设备采集方管横截面的图片并保存;
图像处理设备将采集的图片等分为九块并对其进行编号,并选取至少四个包含内部侧面的图片分别保存;
图像处理设备分别获取选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积,根据图片中焊缝的轮廓长度和/或焊缝的轮廓总面积确定焊缝所在图片的编号;其中,所述图像处理设备分别获取选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积,根据图片中焊缝的轮廓长度和/或焊缝的轮廓总面积确定焊缝所在图片的编号具体包括:
图像处理设备对选取的至少四个包含内部侧面的图片进行平滑处理;
将经过平滑处理的选取的至少四个包含内部侧面的图片进行灰度化处理;
将经过灰度化处理的选取的至少四个包含内部侧面的图片进行膨胀处理;
设定第一灰度阈值,将经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点的灰度值与设定第一灰度值进行比较,选取大于设定第一灰度阈值的经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点;
将经过选取的大于设定第一灰度阈值的经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点针对x,y,两个对角线方向分别求导,该方向的导数达到局部最大值的像素点组成边缘像素的候选像素点,将边缘像素的候选像素点通过双阈值筛选拼装成焊缝的轮廓;
根据边缘像素形成的焊缝的轮廓,调用函数计算焊缝的轮廓长度和/或焊缝的轮廓总面积,焊缝的轮廓总面积为焊缝所有轮廓面积之和;
通过比较选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积的大小,选取焊缝的轮廓长度的最大值和/或焊缝的轮廓总面积的最大值所在的图片为焊缝所在图片。
2.根据权利要求1所述的基于方管焊缝位置自动识别的方法,其特征是,所述采集方管横截面的图片至少包括方管内部四个侧面。
3.根据权利要求1所述的基于方管焊缝位置自动识别的方法,其特征是,所述图像处理设备将采集的图片等分为九块并对其进行编号,并选取至少四个包含内部侧面的图片分别保存具体是:
图像处理设备将采集的图片等分为九块并对其进行编号,并通过分别计算九块图片包含方管内部侧面面积的大小,至少选取包含方管内部第一侧面面积最大的第一图片、包含方管内部第二侧面面积最大的第二图片、包含方管内部第三侧面面积最大的图片以及包含方管内部第四侧面面积最大的第四图片在内的四块图片并分别保存。
4.根据权利要求1所述的基于方管焊缝位置自动识别的方法,其特征是,图像处理设备对选取的至少四个包含内部侧面的图片进行平滑处理具体是:
图像处理设备对选取的至少四个包含内部侧面的图片通过中值滤波法进行平滑处理。
5.根据权利要求4所述的基于方管焊缝位置自动识别的方法,其特征是,所述焊缝的轮廓总面积还包括焊缝的轮廓外接矩形总面积。
6.根据权利要求1所述的基于方管焊缝位置自动识别的方法,其特征是,所述方法还包括:
根据焊缝所在图片的编号按照对应规则判断出方管焊缝所处角度,根据焊缝所处角度,由控制设备在自动加工时,控制电机驱动方管工装旋转至指定加工的位置。
7.一种基于方管焊缝位置自动识别的装置,其特征是,包括:
图像采集单元,图像采集设备采集方管横截面的图片并保存;
图像分割单元,图像处理设备将采集的图片等分为九块并对其进行编号,并选取至少四个包含内部侧面的图片分别保存;
图像获取及确定单元,图像处理设备分别获取选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积,根据图片中焊缝的轮廓长度和/或焊缝的轮廓总面积判断焊缝所在图片的编号;其中,所述图像处理设备分别获取选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积,根据图片中焊缝的轮廓长度和/或焊缝的轮廓总面积确定焊缝所在图片的编号具体包括:
图像处理设备对选取的至少四个包含内部侧面的图片进行平滑处理;
将经过平滑处理的选取的至少四个包含内部侧面的图片进行灰度化处理;
将经过灰度化处理的选取的至少四个包含内部侧面的图片进行膨胀处理;
设定第一灰度阈值,将经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点的灰度值与设定第一灰度值进行比较,选取大于设定第一灰度阈值的经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点;
将经过选取的大于设定第一灰度阈值的经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点针对x,y,两个对角线方向分别求导,该方向的导数达到局部最大值的像素点组成边缘像素的候选像素点,将边缘像素的候选像素点通过双阈值筛选拼装成焊缝的轮廓;
根据边缘像素形成的焊缝的轮廓,调用函数计算焊缝的轮廓长度和/或焊缝的轮廓总面积,焊缝的轮廓总面积为焊缝所有轮廓面积之和;
通过比较选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积的大小,选取焊缝的轮廓长度的最大值和/或焊缝的轮廓总面积的最大值所在的图片为焊缝所在图片。
8.根据权利要求7所述的基于方管焊缝位置自动识别的装置,其特征是,还包括:
焊缝角度确定及加工单元,根据焊缝所在图片的编号按照对应规则确定出方管焊缝所处角度,根据焊缝所处角度,由控制设备在自动加工时,控制电机驱动方管工装旋转至指定加工的位置。
9.一种基于方管焊缝位置自动识别的系统,其特征是,包括:
摄像机,采集方管横截面的图片并保存;
计算机,将采集的图片等分为九块并对其进行编号,并选取至少四个包含内部侧面的图片分别保存,分别获取选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积,根据图片中焊缝的轮廓长度和/或焊缝的轮廓总面积确定焊缝所在图片的编号;其中,所述分别获取选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积,根据图片中焊缝的轮廓长度和/或焊缝的轮廓总面积确定焊缝所在图片的编号具体包括:
对选取的至少四个包含内部侧面的图片进行平滑处理;
将经过平滑处理的选取的至少四个包含内部侧面的图片进行灰度化处理;
将经过灰度化处理的选取的至少四个包含内部侧面的图片进行膨胀处理;
设定第一灰度阈值,将经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点的灰度值与设定第一灰度值进行比较,选取大于设定第一灰度阈值的经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点;
将经过选取的大于设定第一灰度阈值的经过膨胀处理的选取的至少四个包含内部侧面的图片的像素点针对x,y,两个对角线方向分别求导,该方向的导数达到局部最大值的像素点组成边缘像素的候选像素点,将边缘像素的候选像素点通过双阈值筛选拼装成焊缝的轮廓;
根据边缘像素形成的焊缝的轮廓,调用函数计算焊缝的轮廓长度和/或焊缝的轮廓总面积,焊缝的轮廓总面积为焊缝所有轮廓面积之和;
通过比较选取的至少四个包含内部侧面的图片中焊缝的轮廓长度和/或焊缝的轮廓总面积的大小,选取焊缝的轮廓长度的最大值和/或焊缝的轮廓总面积的最大值所在的图片为焊缝所在图片。
10.根据权利要求9所述的基于方管焊缝位置自动识别的系统,其特征是,还包括:伺服电机以及伺服电机驱动器,所述计算机根据焊缝所在图片的编号按照对应规则确定出方管焊缝所处角度,根据焊缝所处角度,由计算机在自动加工时,控制伺服电机驱动器驱动伺服电机控制方管工装旋转至指定加工的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910204046.8A CN109886958B (zh) | 2019-03-18 | 2019-03-18 | 一种基于方管焊缝位置自动识别的方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910204046.8A CN109886958B (zh) | 2019-03-18 | 2019-03-18 | 一种基于方管焊缝位置自动识别的方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109886958A CN109886958A (zh) | 2019-06-14 |
CN109886958B true CN109886958B (zh) | 2022-03-25 |
Family
ID=66932826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910204046.8A Active CN109886958B (zh) | 2019-03-18 | 2019-03-18 | 一种基于方管焊缝位置自动识别的方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109886958B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111215763B (zh) * | 2020-02-24 | 2021-01-15 | 深圳信息职业技术学院 | 异形管三维立体激光切割焊接一体化设备的控制方法 |
CN112001935B (zh) * | 2020-07-28 | 2023-07-18 | 上海巧视智能科技有限公司 | 基于激光扫描的t型焊缝打磨方法、系统、介质及终端 |
CN112991426A (zh) * | 2021-05-06 | 2021-06-18 | 荣旗工业科技(苏州)股份有限公司 | 一种焊锡长度的视觉测量方法 |
CN116079138B (zh) * | 2023-03-14 | 2023-10-20 | 广东盈通纸业有限公司 | 一种打筒机自动控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1924896A (zh) * | 2006-09-14 | 2007-03-07 | 上海交通大学 | 基于局部图像处理的对接类型焊缝识别方法 |
CN102384920A (zh) * | 2011-11-11 | 2012-03-21 | 江南大学 | 焊缝射线探伤检测数据分析及像片识别系统 |
CN105976352A (zh) * | 2016-04-14 | 2016-09-28 | 北京工业大学 | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 |
CN106651872A (zh) * | 2016-11-23 | 2017-05-10 | 北京理工大学 | 基于Prewitt算子的路面裂缝识别方法及系统 |
CN106952281A (zh) * | 2017-05-15 | 2017-07-14 | 上海交通大学 | 一种焊缝轮廓特征识别及其焊道实时规划的方法 |
CN107202797A (zh) * | 2017-07-06 | 2017-09-26 | 天津电气科学研究院有限公司 | 非接触式连续热镀锌生产线带钢焊缝检测系统及其方法 |
CN107424142A (zh) * | 2017-03-30 | 2017-12-01 | 上海万如科技发展有限公司 | 一种基于图像显著性检测的焊缝识别方法 |
CN108921828A (zh) * | 2018-06-15 | 2018-11-30 | 湖南科技大学 | 一种复杂场景下不显著焊缝识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4525787B2 (ja) * | 2008-04-09 | 2010-08-18 | 富士ゼロックス株式会社 | 画像抽出装置、及び画像抽出プログラム |
-
2019
- 2019-03-18 CN CN201910204046.8A patent/CN109886958B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1924896A (zh) * | 2006-09-14 | 2007-03-07 | 上海交通大学 | 基于局部图像处理的对接类型焊缝识别方法 |
CN102384920A (zh) * | 2011-11-11 | 2012-03-21 | 江南大学 | 焊缝射线探伤检测数据分析及像片识别系统 |
CN105976352A (zh) * | 2016-04-14 | 2016-09-28 | 北京工业大学 | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 |
CN106651872A (zh) * | 2016-11-23 | 2017-05-10 | 北京理工大学 | 基于Prewitt算子的路面裂缝识别方法及系统 |
CN107424142A (zh) * | 2017-03-30 | 2017-12-01 | 上海万如科技发展有限公司 | 一种基于图像显著性检测的焊缝识别方法 |
CN106952281A (zh) * | 2017-05-15 | 2017-07-14 | 上海交通大学 | 一种焊缝轮廓特征识别及其焊道实时规划的方法 |
CN107202797A (zh) * | 2017-07-06 | 2017-09-26 | 天津电气科学研究院有限公司 | 非接触式连续热镀锌生产线带钢焊缝检测系统及其方法 |
CN108921828A (zh) * | 2018-06-15 | 2018-11-30 | 湖南科技大学 | 一种复杂场景下不显著焊缝识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109886958A (zh) | 2019-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109886958B (zh) | 一种基于方管焊缝位置自动识别的方法、装置及系统 | |
CN111044522A (zh) | 缺陷检测方法、装置及终端设备 | |
US20110274353A1 (en) | Screen area detection method and screen area detection system | |
CN111127402A (zh) | 一种机器人焊接质量的视觉检测方法 | |
CN111192198A (zh) | 一种基于管道机器人的管道全景扫描方法 | |
CN105825494A (zh) | 一种图像处理方法及移动终端 | |
CN108907526A (zh) | 一种具有高鲁棒性的焊缝图像特征识别方法 | |
CN112837257A (zh) | 一种基于机器视觉的曲面标签拼接检测方法 | |
CN114820475B (zh) | 边缘识别方法、系统、晶圆加工装置及晶圆与加工台同心状态确定方法 | |
CN108109154A (zh) | 一种工件的新型定位及数据获取方法 | |
CN111311487B (zh) | 一种光伏组件图像的快速拼接方法及系统 | |
CN109671084B (zh) | 一种工件形状的测量方法 | |
CN114938410A (zh) | 一种手机屏幕画检分区方法和系统 | |
CN116258838B (zh) | 一种用于管片模具合模系统的智能视觉引导方法 | |
CN112285876A (zh) | 基于图像处理与气泡检测的相机自动对焦方法 | |
JP7043992B2 (ja) | 変更点検出装置、変更点検出方法及び変更点検出プログラム | |
CN112839168B (zh) | 一种自动调整aoi检测系统中相机成像分辨率的方法 | |
JPH08329110A (ja) | 画像処理方法 | |
CN101150651A (zh) | 一种获得差分图像的预处理方法 | |
CN111630569B (zh) | 双目匹配的方法、视觉成像装置及具有存储功能的装置 | |
JP2006133055A (ja) | ムラ欠陥検出方法及び装置、空間フィルタ、ムラ欠陥検査システム並びにムラ欠陥検出方法のプログラム | |
CN111666889A (zh) | 一种焊缝的识别方法以及识别装置 | |
CN113313759B (zh) | 基于双目视觉的焊点定位方法、系统、装置、设备和介质 | |
KR101007149B1 (ko) | 광각 카메라의 교정을 위한 워핑 포인트 추출 방법 및 차량 탑뷰 이미지 획득방법 | |
CN108830867A (zh) | 基于直线边缘特征的稳像方法、系统 |
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 |