基于多结构元素的形态学焊缝起始点识别

焊缝起始点的识别是实现机器人智能焊接系统的一个重要环节。利用多结构元素的形态学方法对CCD在自然光条件下采集到的直焊缝图像进行处理,提取直焊缝边缘后借助于Hough变换得到焊缝初始点位置。试验结果表明,与传统的边缘检测方法和单结构元素形态学方法相比,本文提出的多结构元素形态学边缘检测方法边缘检测效果更佳,能有效去除噪声的同时,保留更多的边缘细节信息,为后续的图像处理操作奠定了基础,是一种有效的边缘检测方法。     

基于形态学多尺度多结构的熔池图像边缘检测

熔池图像的边缘提取是实现焊接自动化的关键环节。本文提出采用多尺度多结构的形态学算子对熔池图像进行处理。运用matlab软件进行边缘提取并进行结果验证,同时将其与传统的边缘检测算子及采用不同结构元素的形态学算子进行对比。结果表明,该算子不仅能够提取完整的边缘,而且实现了边缘精准定位和去噪能力的最佳融合。     

焊缝漏磁图像边缘检测算法的实现

以对接焊缝不同区域分布矩形槽缺陷的漏磁图像为对象,提出一种基于数学形态学的焊缝和缺陷的边缘提取方法。首先利用经典边缘检测算子对焊道上分布矩形槽缺陷和热影响区分布矩形槽缺陷进行边缘提取,检测结果说明了经典算子的不适用性。针对焊缝不同区域分布矩形槽缺陷漏磁图像,利用数学形态学算法,构造圆盘形结构元素进行边缘提取。结果表明:基于灰度膨胀变换的边缘检测算法,可较准确地提取漏磁信号图像的焊缝和缺陷边界,实现焊缝和缺陷二者的有效分离,具有一定的可行性和实用性。     

X射线检测图像中缺陷部分的自动提取

X射线检测图像具有清晰度低、对比度低、缺陷边缘模糊、图像噪声多、存在较大的背景起伏等特点,很难将缺陷部分直接提取出来。本文提出一种基于形态学的缺陷提取方法,能够解决这一难题。首先采用多幅叠加求平均的方法去除噪声,再由原始射线图像出发通过低通滤波技术模拟其背景,通过减影的办法去除背景,最后进行分割并进行形态学处理,提取完整的缺陷部分。实验表明,该方法能够较完整的提取出缺陷部分,把缺陷自动识别的工作向前推进了一大步。     

紧密对接焊缝多尺度形态学磁光成像检测方法

利用磁光传感器获取紧密对接微间隙（0~0.1 mm）焊缝磁光图像.针对传统形态学图像处理方法检测微间隙焊缝时容易出现边缘细节丢失的问题和存在检测精度不高的缺点,在四个不同方向上各选取三种不同尺度的结构元素,应用多尺度多结构元素形态学方法提取微间隙焊缝边缘信息,并与小波边缘检测和Sobel边缘检测结果相比较.在激励磁场变化情况下进行三组试验,分别采用多尺度形态学算法和传统形态学算法提取焊缝中心位置.结果表明,多尺度多结构元素形态学算法能更有效地检测出微间隙焊缝中心位置,为紧密对接焊缝的识别与跟踪控制提供试验依据.     

一种焊缝X射线数字图像的缺陷提取算法

准确提取焊缝X射线图像中的缺陷是图像自动识别的主要问题。针对这一难题,提出了一种以邻域灰度平方差变换为基础,结合灰度级形态学重构和边缘检测,辅之边缘保持滤波和已标注连接分量图像融合的缺陷提取新算法。该方法能可靠地提取出低对比度X射线数字图像中的焊缝缺陷部分。     

X射线线阵实时成像焊缝缺陷检测方法

针对X射线线阵探测器实时成像的焊缝图像,提出了降噪处理、焊缝图像分割及缺陷检测的方法.通过自适应中值滤波方法对焊缝图像进行滤波降噪,利用类间、类内方差比分割法和数学形态学方法进行焊缝图像分割,对焊缝部分应用高频加强变换提取焊接缺陷.结果表明,采用自适应中值滤波能够有效去除噪声的同时保留焊缝和缺陷的边缘细节;类间、类内方差比分割方法与数学形态学方法并用能准确地将图像分割为焊缝与母材区域;高频加强变换能使焊缝中心部位灰度变化突显进而实现缺陷检测.     

计算机辅助铝合金焊缝X射线底片的缺陷检测与分类

X射线底片缺陷计算机辅助分类是目前无损检测领域的研究热点之一,主要包括:底片信息的数字化获取、缺陷区域提取、特征参数设计与计算、缺陷分类和底片评定等内容.针对铝合金构件焊缝射线图像对比度低、边缘模糊、背景起伏等特点导致传统边缘提取及图像分割方法不能有效提取缺陷的现实,在图像处理时用背景相减、数学形态学等方法对缺陷进行了有效地提取,并根据缺陷特征参数进行缺陷的分类.对于线型缺陷(如裂纹)检测问题,由于其特殊的难度,对其检测问题进行了专门的研究和探讨.     

灰度形态学提取焊接熔池图像边缘技术

在由CCD捕获的CO2焊接熔池图像中,存在着大量的点状噪声和线状噪声,要精确地检测出熔池图像的边缘比较困难.采用基于数学形态学理论中的灰度形态学数字图像处理技术,结合焊接熔池图像自身的特点,借助灰度图像二值化取阈值法中的矩量保持法确定结构元素值的大小,通过合理设计形态学滤波器形状和运算顺序,成功地提取出了焊接熔池图像的边缘,通过比较,新的图像处理算法的处理效果非常明显,对后续的焊接质量控制和焊缝跟踪工作提供了非常有用的熔池信息.     

基于X射线图像的焊接接头缺陷提取和识别方法综述

基于X射线数字化图像处理的焊接接头缺陷提取和识别,是焊接接头无损检测的新兴热点研究课题。近年来,随着焊接检测技术的不断提高,利用X射线图像进行焊接接头缺陷提取和识别方面的研究取得了长足的进展。本文对近些年在焊接接头缺陷X射线图像提取和识别方面的新方法进行了综述,为进一步深入研究提供了一定的参考价值。     

图像形态学在初始焊接位置检测中的应用

将图像形态学引入直焊缝的初始焊接位置检测过程中,首先采用结构小巧的CCD摄像机采集直焊缝图像,借助腐蚀边缘检测算子的图像形态学算法进行边缘检测,在保留图像关键信息的同时有效的滤除了其它干扰,然后选择多方向线性结构元素利用形态学处理算法进行方向滤波,最后配合Hough变换得到初始焊位点坐标.该算法直观简便快速,自适应性强,处理精度较高,且对于焊缝边缘的大多数干扰鲁棒性强,满足实际工作需要,为完成整个初始焊位导引过程奠定基础.     

基于神经网络的射线照相技术在焊接缺陷自动化检测中的应用

射线照相技术作为一种无损检测方法被广泛应用于研究和分析焊接不连续性。利用多层感知器MPC(multilayer perceptron)和人工神经网络ANN(artificial neural network),通过检测放射影像的边缘实现焊接缺陷的自动控制和检测。焊接缺陷的自动检测主要包括数据库的准备、MPC培训与编程、图像过滤与分割和轮廓的检测四个阶段。利用上述方法对输气管道用管缺陷进行案例分析,提出了一种更加有效的边缘检测质量评价标准,并归纳总结焊接缺陷检测的可视化方法步骤。     

焊缝X射线图像的数学形态学分析

焊接过程中产生的缺陷影响焊缝质量,X射线无损探伤是常用的检测技术手段。针对焊缝X射线图像的缺陷提取问题,提出使用数学形态学分析的技术方案。先用低帽变换处理原始图像,降低背景灰度的同时凸显缺陷区域,然后设置固定阈值分离缺陷区域,最后使用开运算去除干扰,实现缺陷的自动提取。实验结果表明,提出的技术方案合理可行,能够准确分离焊缝X射线图像上的缺陷区域。     

基于二值形态学的焊缝图像处理

研究了一种基于二值形态学的焊缝图像处理新方法.针对视觉传感获取的焊缝图像的特点,选择合适的结构元素,运用数学形态学的多种形态运算对焊缝图像进行处理,消除图像噪声,提取焊缝,检测焊缝边缘,抽取焊缝中心线.试验表明该方法是一种快速、有效的焊缝图像处理方法.     

基于机器视觉的接头组件表面缺陷检测系统研究

为了解决金属软管接头组件表面检测精准度不高和检测效率不高的实际问题,设计一套基于机器视觉的接头组件表面缺陷检测系统。针对接头组件图像背景复杂、噪声干扰多,通过使用图像滤波去噪、Otsu算法二值化以及图像形态学分析,提高图像的对比度,有效提取目标检测区域。而后采用Canny边缘检测算法,对图像进行边缘轮廓精准识别,并采用快速傅里叶变换方法和R-FCN算法,对缺陷特征信息快速进行匹配提取和分类处理。试验结果表明:此缺陷检测系统能有效提高检测效率,保证较高的检测准确率和精度,满足实际工业检测的需求,具有较好的实用价值。     

基于分形和数学形态学的MAG焊熔池图像分析

焊接过程产生的烟尘、孤光以及飞溅导致焊接熔池图像中存在大量的噪声,运用对噪声敏感的图像处理方法很难准确地提取熔池图像的信息.提出了一种基于分形和数学形态学理论的综合图像处理方法.该方法利用分形理论中离散分数布朗随机场理论得到按分形维分布的熔池灰度图像后,采用常规的图像处理方法提取图像边缘,然后利用数学形态学中开运算和闭运算,得到图像的强连通边界,并利用二值形态学中的连通域检测去除噪声得到目标图像.试验结果表明该方法能够快速、准确地检测到熔池的边缘、高度、宽度以及面积等信息.     

基于B样条曲线的X射线图像焊缝缺陷分割与提取

针对大部分X射线数字图像低对比度、背景起伏大以及纹理复杂的问题,在X射线数字焊缝图像预处理之后,采用B样条曲线对列灰度曲线进行拟合,获得光滑而且顺畅的曲线.在此基础上进一步提取曲线的极值点,并通过定义的波动阈值以及边界阈值进行两次极值点集合的修正.最后利用数学形态学及中值滤波对缺陷的形状和大小进行了修正.结果表明,该技术有效地解决了X射线图像由于焊缝纹理复杂导致缺陷提取困难的问题,有利于实现X射线图像焊接缺陷的自动提取.     

一种采用数学形态学与主动轮廓模型的熔池边缘提取方法

随着焊接过程自动化和智能化的发展,焊接质量信息的提取越来越受到国内外学者们的关注,基于图像处理的边缘提取技术逐渐被广泛应用。根据GMAW焊飞溅大的特点,在分析传感系统获取的熔池图像特征的基础上,结合数学形态学和Chan-Vese模型主动轮廓方法,对熔池图像进行边缘提取实验。实验结果表明,与单纯的数学形态学方法相比较,新的方法可以实时地提取出更加清晰、完整的熔池边缘。     

基于小波和形态学降噪的弧焊视觉图像模糊检测

焊接视觉图像检测是实现焊接过程自动控制的重要步骤.针对焊接图像噪声大、稳定性差的特点,提出了一种基于小波降噪和形态学模糊检测的算法.首先分别用小波变换和灰度形态学算法对焊接熔池图像进行降噪处理,然后将两者结果融合进行模糊处理,最后完成灰度形态学边缘检测.实验结果表明,此方法能够从含有较强噪声的弧焊视觉图像中获取清晰、准...     

基于机器视觉的凸焊螺母焊接缺陷检测

凸焊螺母近年来已在汽车工业中得到了广泛应用.针对凸焊螺母在焊接过程中产生的焊接缺陷,采用机器视觉方法,通过小波包分解,对凸焊螺母的检测图像信号进行分解和边缘特征提取.从试验结果可以看出,采用的小波包方法具有较好的去噪能力,能够最大程度地提取焊接缺陷的边缘信息.