CN115178837A - 焊缝偏差量实时检测方法、系统和焊缝偏差纠正方法 - Google Patents
焊缝偏差量实时检测方法、系统和焊缝偏差纠正方法 Download PDFInfo
- Publication number
- CN115178837A CN115178837A CN202211020414.1A CN202211020414A CN115178837A CN 115178837 A CN115178837 A CN 115178837A CN 202211020414 A CN202211020414 A CN 202211020414A CN 115178837 A CN115178837 A CN 115178837A
- Authority
- CN
- China
- Prior art keywords
- image
- welding gun
- deviation
- line
- welding
- 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.)
- Pending
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/32—Accessories
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/12—Automatic feeding or moving of electrodes or work for spot or seam welding or cutting
- B23K9/127—Means for tracking lines during arc welding or cutting
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Image Processing (AREA)
Abstract
提供一种焊缝偏差量实时检测方法,包括以下步骤:实时获取焊缝的实时俯视图像;对俯视图像进行处理,获得优化图像;在优化图像中实时识别出焊缝两侧的待焊接第一部件和待焊接第二部件的坡口线条,并根据两坡口线条绘制出两坡口线条的中间线作为焊缝中心线;在优化图像中识别钨极焊枪的轮廓并提取钨极焊枪的两侧边界所在线,以两边界所在线的相交点位置为基准确定钨极焊枪中心;以钨极焊枪中心所在点位置做平行于焊缝中心线的辅助线并视作钨极焊枪行走线;计算焊缝中心线与钨极焊枪行走线的偏差量,并转化成偏移距离。上述焊缝偏差量实时检测方法能够实时的、快捷的、准确的获得焊缝偏差量。还提供一种焊缝偏差量检测系统和焊缝纠正方法。
Description
技术领域
本发明涉及图像识别领域,具体涉及焊缝图像识别领域。
背景技术
目前工程建设的自动弧焊设备主要是轨道固定式预设焊缝轨迹模式,在自动弧焊设备焊接过程中,自动弧焊设备,也即焊枪可以在其工作空间内按照预设的焊缝轨迹行走。但上述技术有一定的局限性,即焊接环境因素变化时缺乏相应的应变能力。在实际自动弧焊设备焊接过程中,焊接条件的变化,如工件在制造、坡口加工、组对过程中的形状尺寸和位置偏差以及焊接过程中工件的受热和散热条件的变化而引起的变形,均会影响焊接质量。现有焊缝质量控制主要依靠焊工对焊接过程的焊缝成型及熔池形状的视觉主观判断来进行动态调整,施工环境、焊工状态等容易影响焊工判断,导致焊接缺陷产生。
发明内容
本发明的一个目的是提供一种焊缝偏差量检测方法,能够实时获知焊缝偏差量,为焊接过程提供重要指导。
焊缝由待焊接第一部件和待焊接第二部件相向而对形成,使用钨极焊枪实时熔化焊丝以填充所述焊缝,所述钨极焊枪中心和所述焊缝中心线形成焊缝偏差。焊缝偏差量实时检测方法包括以下步骤:实时获取焊缝的实时俯视图像;对所述俯视图像进行处理,获得优化图像;在所述优化图像中实时识别出焊缝两侧的所述待焊接第一部件和所述待焊接第二部件的坡口线条,并根据两所述坡口线条绘制出两所述坡口线条的中间线,作为焊缝中心线;在所述优化图像中识别钨极焊枪的轮廓,并提取钨极焊枪的两侧边界所在线,以两所述边界所在线的相交点位置为基准,确定钨极焊枪中心;以所述钨极焊枪中心所在点位置做平行于所述焊缝中心线的辅助线,将该辅助线视作钨极焊枪行走线;计算所述焊缝中心线与所述钨极焊枪行走线的偏差量,并转化成偏移距离。
在一个或多个实施例中,所述钨极焊枪倾斜置于所述焊缝内,包括焊枪喷嘴头和杆部,所述焊枪喷嘴头用于提供热源,所述杆部为直杆,所述钨极焊枪的两侧边界所在线为所述直杆在所述俯视图像中两侧的轮廓线。
在一个或多个实施例中,所述钨极焊枪倾斜置于所述焊缝内,括焊枪喷嘴头和杆部,所述焊枪喷嘴头用于提供热源,所述杆部为直杆,所述焊枪喷嘴头为弯头,与所述杆部中心间距第一尺寸,所述钨极焊枪的两侧边界所在线为所述直杆在所述俯视图像中两侧的轮廓线,通过两所述边界所在线的相交点位置和所述第一尺寸共同确定钨极焊枪中心。
在一个或多个实施例中,所述钨极焊枪倾斜置于所述焊缝内,括焊枪喷嘴头和杆部,所述焊枪喷嘴头用于提供热源,所述杆部为直杆,所述焊枪喷嘴头为弯头,与所述杆部中心间距第一尺寸,所述弯头与所述杆部中心的角度为第一角度,所述钨极焊枪的两侧边界所在线为所述直杆在所述俯视图像中两侧的轮廓线,通过所述第一尺寸、所述第一角度和两所述边界所在线的相交点位置共同确定钨极焊枪中心。
在一个或多个实施例中,在优化图像时包括如下步骤:在预处理阶段,将焊缝图像转化为灰度图像;将感兴趣区域(ROI)从所述灰度图像背景中分离;对坡口线条进行增强;在边缘检测阶段,识别焊缝边缘的轮廓线条;在检测直线并拟合阶段,将轮廓线条转化为精细线条,通过设置长度阈值筛选出所需线条,筛除无关短线条;通过拟合算法进行直线拟合,得到所述优化图像。
在一个或多个实施例中,在优化图像时使用如下方法:在边缘检测阶段,反复使用冲击滤波器增强图像特征,锐化原图,以识别坡口线条;使用Canny算子并用OTSU分割提取图像边缘区域;在检测直线并拟合阶段,将所述轮廓线条转化为亚像素模式以得到所述精细线条;通过最小二乘法拟合算子进行直线拟合。
在一个或多个实施例中,使用被动视觉传感器,在自然光照或者焊接强光条件下获取焊缝的实时俯视图像。
本发明的另一个目的是提供一种焊缝纠正方法,该方法能够依据实时焊缝偏差量,实现钨极焊枪中心与焊缝中心的实时自动纠偏,而保证焊缝质量。
为实现上述目的的焊缝偏差纠正方法包括以下步骤:使用上述焊缝偏差量实时检测方法获得焊缝偏差量;将所述焊缝偏差量数值输入PLC,通过PLC控制焊枪控制组件,进而调整焊枪位置,使该偏差量被消除。
本发明的再一个目的是提供一种焊缝偏差量检测系统,用于实时计算焊缝偏差量,具有焊缝识别及跟踪能力。
为实现上述目的的焊缝偏差量实时检测系统包括图像采集模块、偏差检测模块和控制模块。图像采集模块包括相机,用于实时获取被动视觉的焊缝图片;偏差检测模块包括图像处理模块和偏差计算模块,所述图像处理模块用于实时接收所述焊缝图像并对所述焊缝图像进行图像处理,获得处理图片,所述偏差计算模块用于在所述处理图片上采用算法计算偏差量;控制模块包括PLC和焊枪控制组件,所述PLC用于根据所述偏差量判断焊枪移动量,并能够向焊枪控制组件输入移动量信号,所述焊枪控制组件用于控制所述焊枪的移动。
在一个或多个实施例中,该系统还包括人机交互模块,所述人机交互模块包括交互屏幕,所述交互平面用于实时显示熔池焊缝图像及处理图像,所述人机交互模块还用于设定所述相机的拍摄参数、设定监控数据存储路径、查阅用于实现历史存储监控图像数据的调取、建立与下位机之间的通讯使得偏差量能准确传递至PLC。
上述焊缝偏差量检测方法通过钨极焊枪两侧线段端点坐标求得相交点位置,再根据数学知识计算出线段夹角平分线,连接交点便可得到钨极焊枪角平分线,获得焊枪平分线和坡口中分线的偏差后便能及时转化为实际偏差量,从而实时的、快捷的、准确的获得焊缝偏差量,指导焊接过程,实现自动弧焊高质量、高效率的焊接有效指引。
附图说明
本发明的上述的以及其他的特征、性质和优势将通过下面结合附图和实施例的描述而变得更加明显,其中:
图1是焊缝偏差量检测方法的流程图。
图2是焊缝偏差量检测系统的控制流程图。
图3是相机初始化过程的流程图。
图4是图像功能模块的功能流程图。
图5是图像处理算法的步骤流程图。
图6是焊缝图像的灰度图。
图7是图像的ROI选择图。
图8是使用冲击滤波器增强后的图像增强图。
图9是对图像进行边缘提取后的处理图。
图10是过滤线条后的处理图。
图11是进行直线拟合后的处理图。
图12是获得偏差量后的处理图。
图13是交互屏幕上显示的偏差量实时曲线图。
图14是焊枪、焊缝的几何位置示意图。
图15是图14的俯视图。
图16是弯嘴喷头与焊缝的位置示意图。
图17是弯嘴喷头与焊缝的几何位置简化图。
图18是弯嘴喷头与杆部距离的几何简化图。
图19是弯嘴喷头的角度变化的几何简化图。
具体实施方式
下面结合具体实施例和附图对本发明作进一步说明,在以下的描述中阐述了更多的细节以便于充分理解本发明,但是本发明显然能够以多种不同于此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下根据实际应用情况作类似推广、演绎,因此不应以此具体实施例的内容限制本发明的保护范围。
需要注意的是,这些以及后续其他的附图均仅作为示例,其并非是按照等比例的条件绘制的,并且不应该以此作为对本发明实际要求的保护范围构成限制。
焊缝偏差量结合图6、图14和图15理解,图6是焊接焊缝的实时俯视图像,图14是图6的几何侧视图,图15是图6的几何关系简化图,图15是图14的俯视图。焊缝50由待焊接第一部件31和待焊接第二部件32相向而对形成,待焊接第一部件31和待焊接第二部件32靠近焊缝区域的侧边称为坡口,如图11中M和N线所示。使用钨极焊枪10实时熔化焊丝20,以填充该焊缝50区域。焊接时,熔丝20沿焊缝移动,钨极焊枪10在熔丝20后方跟随移动,如图15中箭头P所示。
在实际自动焊接过程中,钨极焊枪10会出现实时移动,以图11或图15为例,钨极焊枪中心和焊缝中心线A形成焊缝偏差。钨极焊枪10的位置与焊缝中心线A发生偏移,将使得焊接部位以焊缝中心线A为中心上下分布不均匀,影响焊接质量。理想状态下,希望钨极焊枪10的钨极焊枪行走线B与焊缝中心线A重合,以获得均匀的焊接线,但受限于自动弧焊设备的局限性,焊接过程无法达到上述要求。因此,焊缝中心与钨极焊枪中心的位置偏差值将影响焊接质量,偏差越大,焊接质量越差。
有鉴于此,本公开所述的焊缝偏差量检测方法即用于实时监测获取钨极焊枪中心与焊缝中心的偏差值,为焊接过程提供数据指导。
进行焊缝偏差量检测的焊缝偏差量检测系统结合图2理解,包括图像采集模块、偏差检测模块和控制模块。图像采集模块包括相机,相机设置在焊枪10附近,通过相机采集焊缝区域图像,以俯视角度获得焊枪及焊缝坡口的位置图,如图6至图11所示。
在一些实施例中,图像采集使用被动视觉采像系统来获取熔池和熔池前端的焊缝图像。被动视觉的光源来自于周围环境,焊缝区域图像的采集在自然光照或者焊接强光条件下获得,不需要辅助光源,通过被动视觉传感器的方式获得焊缝图,降低了光线熔池成像的影响,确保图像为实际位置。
偏差检测模块包括图像处理模块和偏差计算模块,图像处理模块用于实时接收焊缝图像并对焊缝图像进行图像处理,获得处理图片,偏差计算模块用于在处理图片上采用算法计算焊缝中心线A与焊枪行走线B的偏差量。
处理图片的流程如图5所示,从原始焊缝图像经过预处理、边缘检测、检测直线并拟合后,获得能够计算的优化图像,再在优化图像上采用算法提取偏差量。
控制模块包括PLC和焊枪控制组件,PLC用于根据所述偏差量判断焊枪移动量,并能够向焊枪控制系统输入移动量信号,焊枪控制组件用于控制钨极焊枪10的移动,使得钨极焊枪10的位置被纠正至回归到焊缝中心线A上,以提高焊接效果。
在一些实施例中,该系统还包括人机交互模块,人机交互模块包括交互屏幕,交互平面用于实时显示熔池焊缝图像及处理图像。人机交互模块与相机连接并实时获取熔池前后图像显示在监控界面。传输监控界面里实时图像调用机器视觉算法进行图像处理,提取熔池焊缝特征信息,通过算法计算的出钨极焊枪中心线与焊缝中心线偏差值,根据偏差量判断是否需要调整焊枪机构,通过ADS通讯将偏差量信息发送给PLC实施控制焊枪移动到焊缝中心位置,由控制系统完成焊枪的移动控制。
人机交互模块还用于设定相机的拍摄参数、设定监控数据存储路径、查阅用于实现历史存储监控图像数据的调取、建立与下位机之间的通讯使得偏差量能准确传递至PLC。
具体的,人机交互模块具有以下功能:(1)对相机相关参数进行设定,如采集图像帧数、曝光时间、阈值、相机触发模式等;(2)用于实现设定监控数据,如录制焊接视频等的存储的路径、文件名的定义,文件查阅用于实现历史存储监控图像数据的调取、查阅;(3)建立与下位机之间的通讯使得偏差量能准确传递至PLC。对应把系统分为3个模块:相机初始化模块、图像功能模块和通讯模块。
与相机连接并实时获取熔池前后的图像显示在监控界面。传输监控界面里实时图像调用机器视觉算法进行图像处理,提取熔池焊缝特征信息,通过算法计算的出焊枪钨极中心线与焊缝中心线偏差值,根据偏差量判断是否需要调整焊枪机构,通过ADS通讯将偏差量信息发送给PLC实施控制焊枪移动到焊缝中心位置。
相机初始化模块结合图3理解,相机初始化模块是根据相机二次开发包,将其动态链接库添加到项目文件中,添加承载相机图像传输的控件到主界面中。其作用是将相机拍摄到的图像实时显示到控件中,还可对图像进行旋转、FPS(Frames Per Second)设置、缩放等功能进行设置。
图像功能模块结合图4理解,包括图像保存、实时显示,同时还可保存录像格式,所有焊缝视觉数据,如图像、录像等可在客户端保存、查询,为焊缝质量追溯提供数据保障。
在该系统下的焊缝偏差量检测方法结合图1所示的流程图理解,该焊缝偏差量检测方法包括以下步骤。
首先,使用图像采集模块实时获取焊缝的实时俯视图像,如图6所示,该俯视图像内包括待焊接第一部件31、待焊接第二部件32、熔池40、焊缝50、焊丝20和钨极焊枪10。图像获取频率可以为1秒钟一张或多张,一帧一帧图像持续输出至偏差检测模块。
对前述俯视图像进行处理获得优化图像。结合图5所示,对图像处理具体包括以下步骤。
在预处理阶段,将焊缝图像转化为灰度图像;将感兴趣区域(ROI)从灰度图像背景中分离;对坡口线条进行增强。在边缘检测阶段,识别焊缝边缘的轮廓线条,例如反复使用冲击滤波器增强图像特征,锐化原图,以识别坡口线条;使用Canny算子并用OTSU分割提取图像边缘区域。在检测直线并拟合阶段,将轮廓线条转化为精细线条,例如将轮廓线条转化为亚像素模式以得到精细线条。通过设置长度阈值筛选出所需线条,筛除无关短线条;通过拟合算法,如最小二乘法拟合算子进行直线拟合,得到优化图像。
具体的,首先,将相机拍摄的图像转化成灰度图,如图6所示。在处理图像前要先使用算子rgb1_to_gray进行灰度化。其中,gray为处理后的灰度值,red、green、blue分别为红色分量、绿色分量、蓝色分量的灰度值,经过灰度化之后得到图6所示的图像。
完成灰度化之后分析处理图像时,会有一个或者多个关注的感兴趣区域(ROI)。在实际处理图像的过程中,可以通过选取感兴趣区域来仅对目标区域进行操作,而无关的区域可以忽略掉。使用draw_rectangle1算子将目标区域选出来,选择完成后使用reduce_domain算子将选取的感兴趣区域从背景中分离出来,如图7所示的区域A,该方法有效的降低了处理的时间和难度。
由于坡口的线条较细,不容易被识别出来,需要进行增强,所以使用冲击滤波器来增强图像特征。其原理基于图像的灰度值通过膨胀和腐蚀从两侧向边缘传输,满足微分方程:对上述操作反复迭代便可对原图锐化,图像增强后的结果如图8所示。
随后进行边缘检测。由于坡口梯度不够明显,边缘非常扩散,为了有效提取出坡口,使用冲击滤波器优化了图像预处理算法并实现了Canny算子的边缘处理。边缘提取算子为Canny算子并用OTSU分割提取边缘区域,如图9所示,在传统边缘检测器上使用具有值{-1,0,+1}的符号函数s做出。Canny的探测器为可用于mode="canny"和Marr/Hildreth检测器(拉普拉斯算子)s=-sgn(Δu)。如图9所示,经过过滤线条处理后的图像能够识别目标区域内的轮廓,但多出了许多无关的区域线条。
继续采用直线拟合的方式对图像进行处理,将轮廓线条转化为亚像素模式(XLD)以得到精细的线条,通过长度来筛选出所需线条。可以看出无关线条相较于所需线条都零散细短,通过设置长度阈值门槛将无关的短线条筛除掉,结果如图10所示。
得到图10所示的所需线条后,再利用最小二乘法拟合直线并求出钨极焊枪与坡口中线的偏差量。为了方便后续计算提取偏差量需要将其拟合成直线,首先得到每根线条上端点与节点的坐标,再通过最小二乘法拟合算子fit_line_contour_xld拟合直线,运算符为每个轮廓返回起点(rowBegin,colBegin),终点(rowEnd,colEnd),以及回归线到由线的法线向量(Nr,Nc)给出的轮廓线及其距离dist原点,即线方程由r·Nr+c·Nc=Dist给出。直线拟合后的结果如图11所示。
随后,在优化图像中图像实时识别处焊缝两侧的坡口线条,并根据两坡口线条绘制出两坡口线条的中间线,作为焊缝中心线A。
参照图11和图15理解,处理后的优化图像能够识别出代表待焊接第一部件31和待焊接第二部件32的两处坡口,如图11中N线和M线所示。两侧坡口物理位置本身固定平行,特征提取线经相机标定消除畸变,获得N线和M线后,自动求得N线和M线的中分线。如获知N线和M线的二维坐标后,将端点坐标平均后求得其中分线,如图15所示的A线,该线即代表该张图像所代表的时刻下的焊缝中心线A。两坡口线条在图像处理后具有清晰的黑白对比度,因此便于识别、确定位置。
同时,在优化图像中也可以识别钨极焊枪10的轮廓,并提取钨极焊枪的两侧边界所在线,如图11中F线和H线所示,以两边界所在线的相交点位置确定钨极焊枪中心,如图15所示的交点13,可被认为是该张图像所代表的时刻下的钨极焊枪中心。
以钨极焊枪中心所在点13,做平行于焊缝中心线A的辅助线,将该辅助线视作钨极焊枪行走线B,由图11和图15可以明显看出焊枪行走线B和坡口中分线,也即焊缝中心线A存在偏差。焊缝中心线A和焊枪行走线B两条线段在焊缝偏差量检测系统中以坐标形式显示,获得差值。
此差值只是图像坐标差值,还需转化成实际偏移距离。根据相机标定结果将差值转化为实际坐标下的偏差量gap并保留小数点后几位的方式获得实际距离,或者通过处理软件后期转化为实际偏差量,为焊缝中心线A和钨极焊枪行走线B之间的真正焊缝偏差量。
在一些实施例中,钨极焊枪倾斜置于焊缝内,括焊枪喷嘴头12和杆部11,焊枪喷嘴头12用于提供热源,杆部11为直杆,钨极焊枪10的两侧边界所在线为直杆在俯视图像中两侧的轮廓线,如线F和H所示。杆部11在图像处理后具有清晰的黑白对比度,因此便于识别、确定位置。俯视状态下的钨极焊枪10如图15所示,是倾斜的位于图像内,因此也便于识别出杆部的特征轮廓。
在另一些实施例中,如图16至图18所示,钨极焊枪10倾斜置于焊缝50内,括焊枪喷嘴头12和杆部11,焊枪喷嘴头12用于提供热源,杆部11为直杆,焊枪喷嘴头为12弯头,与杆部中心间距第一尺寸L1,钨极焊枪的轮廓为直杆在俯视图像中两侧的轮廓,如图16中线F'和H'所示。以两线所在线的相交点位置和第一尺寸L1共同确定钨极焊枪中心。轮廓线F'和H'的延长线交点13所在处坐标为(x1,y1),则实际弯嘴喷头13'所在处为(x1,y1+L1),从而求得弯嘴喷头的实际所在中心。再依据弯嘴喷头13'所在点做平行于焊缝中心线A的平行线,获得实际弯嘴喷头13'与焊缝中心线A的实际间距,为焊缝实际偏差量。该方法能够通过现有技术,快速辨别出弯嘴喷头13'所在位置,降低分析资源和时间的消耗。
但受限于设备限制,焊枪的弯嘴喷头在行走过程中有可能发生转动,如图19所示。此时,弯嘴喷头与杆部中心间距第一尺寸L1,所述弯头与所述杆部中心的角度为第一角度β,所述钨极焊枪的两侧边界所在线为所述直杆在所述俯视图像中两侧的轮廓线。通过第一尺寸L1、第一角度β和两所述边界所在线的相交点位置共同确定钨极焊枪中心。
具体的,弯嘴喷头与杆部11处于图18所在位置时,弯嘴喷头与杆部11中心的距离为L1。当杆部11旋转,带动弯嘴喷头转动时,由直杆在所述俯视图像中两侧的轮廓线的交点与弯嘴喷头之间的距离不再是L1,而是L1cosβ,因此则实际弯嘴喷头13'所在处为(x1,y1+L1 cosβ)。
获得焊缝偏差量后,可以理解到一种焊缝纠正方法,在使用上述焊缝偏差量检测方法判断偏差量后,将偏差量数值输入PLC,通过PLC控制摆动机构,进而调整焊枪位置,使该偏差量被消除,而保证焊缝质量。
上述基于被动视觉的焊缝偏差量实时检测系统及方法通过给自动化焊接设备加装视觉传感器,使其具有焊缝识别及跟踪等能力,通过相机采集的焊缝区域图像,识别焊缝、熔池、焊接电极形貌提取特征值信息,实时计算钨极焊枪中心与焊缝中心位置的偏差值,偏差值信息反馈至自动化焊接设备,实现钨极焊枪中心与焊缝中心的实时自动纠偏,而保证焊缝质量。
本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
本发明虽然以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以做出可能的变动和修改。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何修改、等同变化及修饰,均落入本发明权利要求所界定的保护范围之内。
Claims (10)
1.一种焊缝偏差量实时检测方法,所述焊缝由待焊接第一部件和待焊接第二部件相向而对形成,使用钨极焊枪实时熔化焊丝以填充所述焊缝,所述钨极焊枪中心和所述焊缝中心线形成焊缝偏差,其特征在于,该方法包括以下步骤:
实时获取焊缝的俯视图像;
对所述俯视图像进行处理,获得优化图像;
在所述优化图像中实时识别出焊缝两侧的所述待焊接第一部件和所述待焊接第二部件的坡口线条,并根据两所述坡口线条绘制出两所述坡口线条的中间线,作为焊缝中心线;
在所述优化图像中识别钨极焊枪的轮廓,并提取钨极焊枪的两侧边界所在线,以两所述边界所在线的相交点位置为基准,确定钨极焊枪中心;
以所述钨极焊枪中心所在点位置做平行于所述焊缝中心线的辅助线,将该辅助线视作钨极焊枪行走线;
计算所述焊缝中心线与所述钨极焊枪行走线的偏差量,并转化成偏移距离。
2.如权利要求1所述的焊缝偏差量实时检测方法,其特征在于,所述钨极焊枪倾斜置于所述焊缝内,包括焊枪喷嘴头和杆部,所述焊枪喷嘴头用于提供热源,所述杆部为直杆,所述钨极焊枪的两侧边界所在线为所述直杆在所述俯视图像中两侧的轮廓线。
3.如权利要求2所述的焊缝偏差量实时检测方法,其特征在于,所述钨极焊枪倾斜置于所述焊缝内,括焊枪喷嘴头和杆部,所述焊枪喷嘴头用于提供热源,所述杆部为直杆,所述焊枪喷嘴头为弯头,与所述杆部中心间距第一尺寸,所述钨极焊枪的两侧边界所在线为所述直杆在所述俯视图像中两侧的轮廓线,通过两所述边界所在线的相交点位置和所述第一尺寸共同确定钨极焊枪中心。
4.如权利要求2所述的焊缝偏差量实时检测方法,其特征在于,所述钨极焊枪倾斜置于所述焊缝内,括焊枪喷嘴头和杆部,所述焊枪喷嘴头用于提供热源,所述杆部为直杆,所述焊枪喷嘴头为弯头,与所述杆部中心间距第一尺寸,所述弯头与所述杆部中心的角度为第一角度,所述钨极焊枪的两侧边界所在线为所述直杆在所述俯视图像中两侧的轮廓线,通过所述第一尺寸、所述第一角度和两所述边界所在线的相交点位置共同确定钨极焊枪中心。
5.如权利要求1所述的焊缝偏差量实时检测方法,其特征在于,在优化图像时包括如下步骤:
在预处理阶段,将焊缝图像转化为灰度图像;将感兴趣区域(ROI)从所述灰度图像背景中分离;对坡口线条进行增强;
在边缘检测阶段,识别焊缝边缘的轮廓线条;
在检测直线并拟合阶段,将轮廓线条转化为精细线条,通过设置长度阈值筛选出所需线条,筛除无关短线条;通过拟合算法进行直线拟合,得到所述优化图像。
6.如权利要求5所述的焊缝偏差量实时检测方法,其特征在于,在优化图像时使用如下方法:
在边缘检测阶段,反复使用冲击滤波器增强图像特征,锐化原图,以识别坡口线条;使用Canny算子并用OTSU分割提取图像边缘区域;
在检测直线并拟合阶段,将所述轮廓线条转化为亚像素模式以得到所述精细线条;通过最小二乘法拟合算子进行直线拟合。
7.如权利要求1所述的焊缝偏差量实时检测方法,其特征在于,使用被动视觉传感器,在自然光照或者焊接强光条件下获取焊缝的实时俯视图像。
8.一种焊缝偏差纠正方法,其特征在于,包括以下步骤:
使用如权利要求1-7任一项所述的焊缝偏差量实时检测方法获得焊缝偏差量;
将所述焊缝偏差量数值输入PLC,通过PLC控制焊枪控制组件,进而调整焊枪位置,使该偏差量被消除。
9.焊缝偏差量实时检测系统,其特征在于,包括:
图像采集模块,包括相机,用于实时获取被动视觉的焊缝图片;
偏差检测模块,包括图像处理模块和偏差计算模块,所述图像处理模块用于实时接收所述焊缝图像并对所述焊缝图像进行图像处理,获得处理图片,所述偏差计算模块用于在所述处理图片上采用算法计算偏差量;
控制模块,包括PLC和焊枪控制组件,所述PLC用于根据所述偏差量判断焊枪移动量,并能够向焊枪控制组件输入移动量信号,所述焊枪控制组件用于控制所述焊枪的移动。
10.如权利要求9所述的焊缝偏差量实时检测系统,其特征在于,该系统还包括人机交互模块,所述人机交互模块包括交互屏幕,所述交互平面用于实时显示熔池焊缝图像及处理图像,
所述人机交互模块还用于设定所述相机的拍摄参数、设定监控数据存储路径、查阅用于实现历史存储监控图像数据的调取、建立与下位机之间的通讯使得偏差量能准确传递至PLC。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211020414.1A CN115178837A (zh) | 2022-08-24 | 2022-08-24 | 焊缝偏差量实时检测方法、系统和焊缝偏差纠正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211020414.1A CN115178837A (zh) | 2022-08-24 | 2022-08-24 | 焊缝偏差量实时检测方法、系统和焊缝偏差纠正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115178837A true CN115178837A (zh) | 2022-10-14 |
Family
ID=83523970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211020414.1A Pending CN115178837A (zh) | 2022-08-24 | 2022-08-24 | 焊缝偏差量实时检测方法、系统和焊缝偏差纠正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115178837A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103341685A (zh) * | 2013-07-17 | 2013-10-09 | 湘潭大学 | 一种基于磁控电弧与激光视觉传感的焊缝自动跟踪控制方法及系统 |
CN104551347A (zh) * | 2014-12-30 | 2015-04-29 | 江苏科技大学 | 窄间隙焊缝偏差的红外视觉传感检测方法及装置 |
CN108247179A (zh) * | 2017-12-15 | 2018-07-06 | 太原科技大学 | 基于熔池图像的i形坡口co2焊接偏差检测方法和装置 |
CN108620714A (zh) * | 2018-07-06 | 2018-10-09 | 太原科技大学 | 基于gmaw熔池轮廓特征的焊接偏差检测系统及其检测方法 |
CN109483017A (zh) * | 2018-10-23 | 2019-03-19 | 东莞理工学院 | 一种基于图像识别的焊缝跟踪系统及其优化方法 |
CN113042862A (zh) * | 2021-03-12 | 2021-06-29 | 湖北文理学院 | 基于主被动视觉结合的焊接偏差检测系统及检测方法 |
CN114406407A (zh) * | 2022-01-12 | 2022-04-29 | 江苏科技大学 | 用于窄间隙脉冲电弧焊接的plc控制系统及控制方法 |
DE102021100664A1 (de) * | 2021-01-14 | 2022-07-14 | wenglor MEL GmbH | Lichtschnitt-Verfahren zur Bewegungsführung eines Schweißroboters und/oder zur Überprüfung, insbesondere einer Schweißnaht sowie Profilsensor für die Durchführung des Verfahrens |
-
2022
- 2022-08-24 CN CN202211020414.1A patent/CN115178837A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103341685A (zh) * | 2013-07-17 | 2013-10-09 | 湘潭大学 | 一种基于磁控电弧与激光视觉传感的焊缝自动跟踪控制方法及系统 |
CN104551347A (zh) * | 2014-12-30 | 2015-04-29 | 江苏科技大学 | 窄间隙焊缝偏差的红外视觉传感检测方法及装置 |
CN108247179A (zh) * | 2017-12-15 | 2018-07-06 | 太原科技大学 | 基于熔池图像的i形坡口co2焊接偏差检测方法和装置 |
CN108620714A (zh) * | 2018-07-06 | 2018-10-09 | 太原科技大学 | 基于gmaw熔池轮廓特征的焊接偏差检测系统及其检测方法 |
CN109483017A (zh) * | 2018-10-23 | 2019-03-19 | 东莞理工学院 | 一种基于图像识别的焊缝跟踪系统及其优化方法 |
DE102021100664A1 (de) * | 2021-01-14 | 2022-07-14 | wenglor MEL GmbH | Lichtschnitt-Verfahren zur Bewegungsführung eines Schweißroboters und/oder zur Überprüfung, insbesondere einer Schweißnaht sowie Profilsensor für die Durchführung des Verfahrens |
CN113042862A (zh) * | 2021-03-12 | 2021-06-29 | 湖北文理学院 | 基于主被动视觉结合的焊接偏差检测系统及检测方法 |
CN114406407A (zh) * | 2022-01-12 | 2022-04-29 | 江苏科技大学 | 用于窄间隙脉冲电弧焊接的plc控制系统及控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shah et al. | Butt welding joints recognition and location identification by using local thresholding | |
Du et al. | Strong noise image processing for vision-based seam tracking in robotic gas metal arc welding | |
CN110363781B (zh) | 基于深度神经网络的熔池轮廓检测方法 | |
CN111127402A (zh) | 一种机器人焊接质量的视觉检测方法 | |
CN110064819A (zh) | 基于结构光的柱面纵向焊缝特征区域提取、焊缝跟踪方法及系统 | |
CN111982916A (zh) | 一种基于机器视觉的焊缝表面缺陷检测方法及系统 | |
CN107909571A (zh) | 一种焊缝图像处理方法、系统、设备及计算机存储介质 | |
Guo et al. | Weld deviation detection based on wide dynamic range vision sensor in MAG welding process | |
CN108247179A (zh) | 基于熔池图像的i形坡口co2焊接偏差检测方法和装置 | |
CN114260547B (zh) | 一种基于深度学习算法的窄间隙旋转电弧gtaw钨极位置纠偏方法 | |
CN102663781A (zh) | 一种基于视觉的亚像素级焊缝中心提取方法 | |
CN112365439A (zh) | 一种镀锌钢gmaw焊缝成形特征与焊枪方向同步实时检测方法 | |
CN113909689B (zh) | 一种激光光条的管道焊接坡口特征提取方法 | |
CN115178837A (zh) | 焊缝偏差量实时检测方法、系统和焊缝偏差纠正方法 | |
CN112461846A (zh) | 工件缺陷检测方法及装置 | |
Zhang et al. | A study on seam tracking in robotic GMA welding process | |
CN116008304A (zh) | 一种适用于管道内部的焊缝检测方法 | |
KR102319258B1 (ko) | 실시간 용접 변수 수집 장치 | |
JP7491876B2 (ja) | 溶接現象の挙動の計測方法、計測装置、溶接システム、およびプログラム | |
KR20230101459A (ko) | 실시간 용접 위빙 궤적 분석 처리 장치 | |
CN111272756B (zh) | 一种合金分析系统 | |
US11235412B2 (en) | Welding tool | |
CN115255565A (zh) | 全局模式识别的窄间隙焊接坡口边缘视觉传感检测方法及应用 | |
CN115971635A (zh) | 一种基于视觉传感的搅拌摩擦焊接控制方法、系统及机床 | |
WO2004109268A1 (en) | Weld quality evaluation |
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 |