贝叶斯最小概率模式识别在水下V形焊缝识别中光斑去除的应用

水下焊接图像经阚值处理后求取各个光斑的平均高度.利用贝叶斯最小概率模式识别对V形光带的左右边进行分类.获得左边一类后记录最左边点的水平坐标,并求取这些点的平均高度;同理,获得右边一类后记录最右边的一个点的水平坐标.并求取这些点的平均高度.以这2个平均高度作为最终的基准高度,结合V形焊缝的深度,即可最大限度地消除V形焊缝上下的干扰光斑,以最左边和最右边的水平坐标为界可以消除焊缝左右边的干扰.     

基于激光视觉系统的水下焊接焊缝识别

设计了一套基于激光器的视觉系统,该系统利用激光器作为辅助光源,同时利用复合滤光片进行滤光,由CCD采集图像.设计了一种基于最大灰度平均值及其改变量的二维输入、一维输出模糊处理器,能自动获取每个3×3列区域的局部阈值,二值化后单独求取焊缝图像中每个光斑的平均高度,提出基于贝叶斯最小概率模式识别对V形焊缝的左右边进行分类,通过准确分类获得V形焊缝左右边的平均高度,以此高度为基准,结合焊缝深度的特征可以在空域上最大限度去除强光斑形成的干扰数据;最后用分类获得的数据对焊缝的左右边采用最小二乘法进行拟合,可以准确获取焊缝中心位置的坐标.     

水下焊接中无弧V形焊缝的识别

设计了一个水下焊接自动跟踪视觉系统,其主要由激光器、滤光片和CCD摄像机组成,被封装在防水的透明玻璃体中.焊接时激光器作为辅助光源,其与CCD成30°照射焊件,得到焊件的V形剖面焊缝.由于水下焊接时拍摄的图像模糊且比较弱,采用中值滤波的方法进行图像增强,然后进行阈值变换得到焊缝,再用Krisch边缘算子对焊缝进行边缘提取,提出了对边缘的灰度值取平均值得到焊缝中心线,最后对其进行直线拟合,提取V形焊缝的中心线所在的最低点,画出中心线以进行标识.     

水下焊接中V形焊缝的识别

该水下自动焊接系统的视觉系统主要由激光器、滤光片和摄像机组成,其被封装在玻璃盒子中.采用激光作为辅助光源,当玻璃盒子与钢板的距离及玻璃盒子厚度一定,CCD以垂直于焊件位置摄像时,激光器与CCD在同一平面上且夹角为17.4°时拍摄焊件的V形焊缝图像最佳.对水下焊接图像首先进行滤波,再对其进行阈值变换,然后对焊缝进行边缘提取,接着对边缘的灰度值取平均值,得到焊缝的中心线,最后对其进行直线拟合提取到的焊缝特征点,即焊缝的最低点.提出了三种V形焊缝识别方案,通过对图像进行处理得出了其中最好的方案.     

改进的近邻聚类算法用于水下焊缝图像的识别

遍历经阈值处理后的焊缝图像,搜索第一个样本数据作为第一个聚类的初始元素.以欧氏距离作为阈值距离T,计算以后搜索到的样本与当前聚类最后一个元素的距离t.如果该距离t＜T,则计算其与之前所有聚类的最短距离t’,同时记下所在的类c.如果t’＜T,则一方面合并当前聚类和聚类c;另一方面用最近邻法对该样本归类;如果t＞T,则计算其与所有类的最短距离t”,同时记下所在的类c',如果t"＜T,则把该样本归为c’类,否则就开新类.该算法对机器人水下焊接焊缝图像的数据进行分类,可以准确提取V形焊缝数据,有助于自动获取待焊位置的坐标.     

PCA和贝叶斯分类技术在焊缝缺陷识别中的应用

以埋弧焊管焊缝的X射线检测图像为应用对象,针对图像中噪声点与微小缺陷易混淆的问题,提出将朴素贝叶斯与主成分分析法相结合,应用到焊缝图像的缺陷识别中的思路。首先,通过主成分分析进行特征向量的去冗余和正交化处理;其次,采用核密度估计的方法进行未知分布样本的条件概率密度函数估计。最后,利用贝叶斯原理实现缺陷类型的判别。试验表明,通过与主成分分析法的结合,朴素贝叶斯方法在焊缝缺陷识别的准确率上提高了5.5%,可有效地应用于焊缝检测图像的缺陷识别。     

基于贝叶斯神经网络的焊缝跟踪方法

针对目前存在的焊缝跟踪算法复杂程度高和对图像要求较高的问题,提出了一种基于贝叶斯神经网络的焊缝跟踪方法.利用坡口形式为“V”形的样本数据对网络进行训练和仿真,并且研究了该方法的抗干扰能力.结果表明:引入修正项可大幅度地提高网络的泛化能力,其识别精度和抗干扰能力明显高于传统神经网络.     

一种线激光V形焊缝中心点识别的改进算法

在机器人自动化焊接过程中,准确识别、提取出焊缝位置,对于焊接的精度与质量有着很大的影响。基于线激光的V形焊缝轮廓识别算法,在进行阈值分割时,有时由于线激光与V形焊缝接触时会产生激光的变形,导致局部光强下降,部分轮廓会消失。提出一种改进算法,首先通过双边滤波方法,达到图像平滑的目的;然后通过Canny边缘检测算法,准确地提取出线激光在焊缝上变形的区域;通过膨胀算法处理后,再去除焊缝轮廓留下的干扰直线;再通过直线细化算法,识别出与线激光相交的焊缝边缘轮廓点与中心点。最后识别出焊缝中心点位置。     

水下焊缝自动跟踪路径的识别

为满足水下焊缝自动跟踪的需要,设计了一个视觉系统。该系统采用卤钨灯作辅助光源照射焊接电弧前方一定距离处的待焊焊缝．配合复合滤光片进行滤光,能拍摄到较为清晰的焊缝图像。提出了一个基于边缘邻域平均值的算子,用于图像的边缘增强。运用改进的遗传算法计算图像类间方差,求出最佳阈值进行图像边缘分割,能较好地保留图像弱边缘．有效地减少计算时间。对分割后的焊缝图像,提出一种基于待焊焊缝宽度等特征的识别方法,能克服焊接弧光、飞溅、水流、气泡等干扰,识别水下待焊焊缝．准确地获取待焊焊缝中心线．为进一步实现水下焊接的自动化打下了基础。     

V形焊缝特征点提取的算法研究

依据带辅助结构光V形焊缝及其弧光和飞溅干扰图像的特点,尝试结合投影法和曲率法的优势,设计了一种满足实时性要求的焊缝特征点提取的曲线拟合算法.试验结果表明,该算法具有精度高,抗干扰性能力强的特点.     

基于模糊推理的V形焊缝图像阈值的自动选取

介绍了机器人焊接V形焊缝图像处理中基于模糊推理自动获取局部阈值的算法.采用9种不同形状的窗口模板,以列扫描方式求取这些窗口所覆盖区域内的最大平均灰度值,然后以获取的最大平均灰度值以及相邻区域最大平均灰度值的改变量作为模糊推理器的两维输入,经过推理获得这些窗口所履盖区域的阈值.通过变换最大平均灰度值这一论域中各个语言变量...     

V形焊缝未熔合缺欠解决办法

主要针对V形焊缝焊接中的一种缺欠——未熔合现象做出原因分析,并提出一种新的工艺,采用该工艺可以避免V形焊缝焊接中出现的未熔合缺欠。     

BP神经网络在焊缝位置识别中的应用

研究了一种焊缝位置识别新方法,在一定工艺条件下,使用视觉传感器采集焊接熔池图像,选取图像中熔池前端部分进行处理,先对其进行中值滤波与灰度变换,在此基础上,获取每一幅熔池图像的质心值、质心位移、质心速度及电弧与焊缝的偏差值作为训练样本数据.以质心值、质心位移和质心速度为输入量,以偏差值为输出量,利用BP神经网络建立其数学模型,最后对该模型进行检验.检验结果表明,该模型能够较准确地描述熔池图像质心与焊缝偏差之间的关系,为进一步实现精确的焊缝跟踪提供了理论和试验依据.     

基于最小二乘支持向量机的激光拼焊焊缝识别

激光拼焊焊缝质量结构光视觉检测中,对焊缝的准确识别是实现高精度检测的关键. 针对检测图像中结构光光纹畸变特征不明显,无法准确识别焊缝的问题,依据焊缝纹理特征信息,提出了一种基于最小二乘支持向量机的焊缝识别方法. 首先,分析并提取焊缝区和非焊缝区差异明显的纹理特征. 其次,训练最小二乘支持向量机模型,对焊缝进行粗识别. 最后,采用Laws纹理滤波提取焊缝区域,并通过阈值分割方法精确识别焊缝. 针对不同工艺参数下的激光拼焊焊缝开展焊缝识别试验,结果表明,该方法能够有效地识别焊缝.     

焊缝余高变异系数在水下湿法焊接质量评估过程中的应用

针对水下湿法焊接质量评定中缺乏简便、客观的评价指标的现状,提出利用焊缝余高的变异系数表征焊接质量. 该指标具有支持定量分析客观性强、步骤简单易操作等优点. 余高变异系数越大,焊缝外观成形均匀性越差,焊接质量越低;反之,焊缝越平滑、美观,焊接质量越好. 为验证该指标的准确性,设计了相关的工艺试验. 依据脉冲电流对焊接过程稳定性的影响,开展不同脉冲频率条件下焊接. 鉴于送丝方式对焊接过程影响较大,利用焊缝余高变异系数分析送丝方式对水下湿法药芯焊丝焊接过程稳定性研究. 结果表明,余高变异系数评价结果与焊接质量相关度较高. 焊接过程中采用X射线高速成像技术,从焊接过程稳定性与熔滴过渡类型等方面深入分析了焊接过程对余高变异系数的影响,进一步验证了该指标的可靠性.     

小波分析在焊缝检测图像处理中的应用

简述了子波分析在焊缝视觉跟踪过程中检测焊缝方面的应用,从实验结果可以看出,采用多尺度小波变换能够获得清晰的焊缝边缘,可以大大简化硬件设备。     

一种改进的roberts算法在焊缝识别中的应用研究

基于弧光反射的弧焊工业机器人智能跟踪焊缝系统能否成功运行,关键问题是需要一个精确、快速的弧光反射照射下的焊缝区工件间隙图像的识别算法。在各种边缘识别方法中,roberts算法的代码执行效率最高,然而该算法对噪声十分敏感。由于焊接条件本身的复杂性,传统的roberts算法受噪声干扰非常严重,提出了一种改进的roberts算法用于该系统。实验证明,改进后的roberts算法在复杂的焊接条件下能够实现焊缝高效、准确的边缘检测和焊缝特征信息的提取,提高了系统的有效性、实时性和环境适应性。     

超声波在焊缝跟踪中的应用

介绍了超声波的特点及在焊接自动化领域中的应用.将超声波传感器应用于焊缝自动跟踪的关键是距离的测量.文章从减小回波损失、缩小检测盲区、保持回波强度及判断回波到达时刻4个方面论述了利用超声波传感器实现高精度距离测量的方法,对此类传感器在焊接中的应用方式和焊枪控制的方法进行了说明,最后对超声波传感器在焊接中的应用前景和趋势进行了展望.