基于焊接路径节点提取的对接焊缝路径规划方法

当前,焊接机器人大都采用离线编程和示教再现的方式进行路径规划,存在着焊缝定位复杂度高和灵活性差等问题。为了提高路径规划效率和焊接自动化程度,本文提出了一种基于焊接路径节点提取的对接焊缝路径规划的方法。首先通过视觉传感器获得焊接图像,经滤波去噪和阈值分割将焊接图像中的焊缝特征提取出来,进一步通过灰度重心法提取焊缝坐标点并进行直线拟合,将相邻的拟合直线交点作为焊缝的节点输出,完成焊接路径的轨迹规划。最后在对接锯齿形焊缝上进行实验,验证了本文方法的可行性。     

基于改进DRLSE模型的焊接缺陷特征提取方法

目的 针对目前大多数焊接缺陷自动特征提取方法存在的准确度较低的问题,研究满足准确度要求的X射线图像中焊接缺陷特征提取方法。方法 对图像进行增强去噪预处理后,在初步确定焊缝区域的基础上,根据焊缝图像列灰度值曲线梯度特性,设计基于灰度值梯度的焊缝边界精确提取算法;以提取得到的焊缝精确边界为初始轮廓,提出基于改进DRLSE模型的焊接缺陷特征提取方法。结果 基于改进DRLSE模型的焊接缺陷特征提取方法能够有效地提取气孔、夹渣、未熔合和未焊透等缺陷特征,准确率达到94.6%。结论 所提方法克服了原始焊缝X射线图像质量较差、背景复杂的问题,能够精确提取焊缝区域边界,并准确地对各种焊接缺陷进行特征提取,具有较强的适应性和实用性。     

基于多峰灰度直方图分割的遥感影像码头目标提取

针对传统方法在码头目标提取时效率和准确度不高的问题,本文提出了一种基于多峰灰度直方图分割的码头提取算法。首先利用中值滤波法去除浪花等噪声干扰,确定感兴趣区域;然后针对多峰直方图自动寻找最佳分割阈值获取码头目标二值图像;最后对二值图像进行边缘提取,得到码头目标。结果表明,本文方法对不同类型遥感影像均能较完整地提取出码头轮廓,且精度和效率较为理想。     

改进型滤波算法在金刚石检测处理中的应用

提出一种改进型自适应滤波算法,该算法结合图像灰度直方图,先将噪声限制在一定的灰度值范围内,然后通过调整窗口局部大小进行滤波处理。仿真结果表明,与其他滤波算法相比,该方法的处理效果明显改善。     

基于SIFT特征匹配的水表指针自动定位及识别方法

本文通过提取水表图像SIFT特征点与水表子表盘模板进行匹配点筛选,利用Kmeans聚类算法对匹配点进行分类实现水表子表盘的自动定位;接着利用色差模型对水表子表盘图进行灰度化处理;对灰度图进行二值化处理,并采用统计面积法消除干扰点,提取并识别水表指针。实验结果显示该算法精准定位水表指针,并完整识别出水表指针。     

多尺度加权LBP的人脸识别

针对传统局部二值模型(LBP)算子容易受到周围噪声点的干扰的缺点,提出了首先对图像进行Gauss滤波预处理,去除图像中的干扰噪声。针对传统LBP算子无法提取出非局部特征信息,提出一种新的基于多尺度加权的改进LBP(MWLBP)算子。MWLBP算子以不同大小的方型邻域为研究对象,将不同大小区域的LBP直方图进行加权求和。MWLBP比传统LBP算子提取的特征范围更大,在提取了局部特征的同时,保留了一定的非局部特征。相对于Gabor和其它特征提取方法,MWLBP算子在保留了多尺度特征的同时,能控制计算量大小。在ORL和Yale人脸数据库上的实验表明,Gauss滤波预处理确实能去除图像中的干扰噪声,提高识别准确率;MWLBP算子比传统的LBP算子、Gabor和其它特征提取方法减少了计算量,加快了分类器训练和人脸识别的速度,提高了准确率。     

空间观测图像宇宙线噪声去除算法

空间观测图像容易受到宇宙线噪声的干扰。本文提出一种空间观测图像宇宙线噪声去除算法。首先利用Top-hat变换抑制观测图像的杂散光,处理之后的观测图像背景均匀,直方图的近Gaussian形状得以恢复。然后利用形态学运算和中值滤波相结合的方法排除高亮过饱和恒星的干扰。最后利用Laplacians边缘检测算法检测宇宙线噪声像素,并利用邻域最小值滤波的方法对宇宙线像素的灰度值进行插值处理。实验结果表明,本文方法在不产生误检测的前提下,检测概率超过90%,综合性能优于本文中提到的其它三种宇宙线噪声去除方法。     

快速傅里叶变换FFT及其应用

利用快速傅里叶变换FFT将图像信号从空间域转换到频域进行分析,使快速卷积、目标识别等许多算法易于实现;然后根据图像信号的灰度结构特征和频谱分布,用Butterworth带通滤波器和二维维纳滤波器进行滤波处理,去除图像信号中的低频干扰和噪声信号;再利用傅里叶反变换将信号还原。结果显示,处理后的模拟远程高空卫星照片轮廓清晰可见。     

去除脉冲噪声的自适应开关中值滤波

为消除图像中的脉冲噪声,提出了自适应开关中值(ASM)滤波算法。该算法采用一种新的噪声检测方法将图像中的像素分为信号点和噪声点两类。对检测出的噪声点统计其个数并由此估算图像中的噪声密度,根据估计的噪声密度自适应确定滤波窗口尺寸,采用改进的中值滤波对检测出的噪声点进行处理;而信号点则保留其灰度值不予处理。对ASM滤波进行仿真实验,结果表明,它能在有效去除噪声的同时很好地保护图像细节,较传统中值滤波及其它改进中值滤波算法有更优的滤波性能。     

基于图像处理的贮存电压去噪算法研究

本文以一次电路电容贮存电压为识别对象,设计了一套实时视觉检测系统。利用HSI模型中H分量提取待处理采集图像区域,通过多通道色度信息、灰度投影等图像处理技术滤除干扰,完成电压信号的初次提取;并且二值图像灰度化,再将灰度图像阈值分解的变换思想对传统二值化图像进行改进,得到更加光滑的电压信号曲线。最后通过两步细化的改进细化算法对平滑曲线细化,得到单点信号波形。实验结果表明该检测系统是有效可行的。     

基于灰度图像纹理分析的柴油机失火故障特征提取

柴油机失火是其常见的故障模式,传统的诊断方法不仅参数获取困难且原始信号易受噪声污染导致准确性较差。针对此问题,提出了一种基于灰度图像纹理分析的二维故障特征提取模型,可以有效地降低噪声污染,简化计算过程。将时域振动信号转化为灰度图,通过局部二值模式对灰度图进行局部纹理分析,提取其局部特征,并通过二维傅里叶变换识别灰度图的特征频率,达到降噪及识别特征频率的目的。以三缸四冲程柴油机为研究对象,设计了柴油机失火故障的预置试验,采集排气噪声和缸盖振动信号对提出的方法进行验证。结果表明,该方法能有效降低信号噪声,识别柴油机的故障特征。     

计算机数字图像处理的算法探究与实践

在视觉图像采集完成后对图像进行分析处理十分重要。一般的图像处理是以计算机软件为主体,通过不同的图像处理方法得到图像的特征矩阵。由于图像是二维量,因此一般图像识别的目的和最终欲得到的结果是一个唯一的特征矩阵构成的二维数组。该文阐述了通过图像灰度处理、中值滤波处理、自适应二值化处理和形态学滤波处理,最终得到特征矩阵的图像处理算法。     

基于图像形态学的焊缝区域提取与对比度提升技术

铝板焊接后可使用X射线进行焊缝内部缺陷检测,由于X射线成像存在噪声多、对比度低、焊缝区域边缘模糊、焊缝区域与背景区域灰度分布较为相似等问题,使用传统边缘检测方法效果欠佳。提出了一种自动提取焊缝区域并提高其对比度的方法,通过去噪处理、边缘检测、形态学操作等步骤,最终确定焊缝区域位置,并对焊缝区域内像素值进行线性变换,提高了焊缝区域的对比度。实验结果表明,该方法针对大批量的铝板X射线图片,都能够自动提高焊缝区域的对比度,具有良好的鲁棒性和准确性。     

基于改进SUSAN算法的卡钳排气螺钉参数辨识

为对汽车卡钳排气螺钉的微小螺纹尺寸实现高精度在线检测,提出一种基于改进SUSAN算法的卡钳排气螺钉参数辨识方法。首先,对经过兴趣域提取的螺纹图像进行二值化及边缘保持滤波处理,减小光线、噪声等对图像的干扰;SUSAN算法是采用一个近似圆形的模板在图像上移动,寻找出模板内部每个图像像素点的灰度值与模板中心像素的灰度值相同或相似的区域,再根据区域大小判断出角点位置,运用Forstner算子可进一步获得准确的角点坐标,从而计算出M10螺纹大径、中径、小径、螺距及牙型角等几何参数;利用该算法设计一套基于机器视觉螺纹检测系统,并利用万工显与该方法进行比对实验。实验结果表明:该方法的螺距、大径、中径、小径的测量精度为0.01 mm,牙型角精度为8′,均满足螺纹紧固件的测量精度要求,且比传统算法精度高。     

基于熔池图像特征的焊缝质量指标设计与分析

目的 熔池是焊缝形貌的动态成形特征,建立熔池图像质量与焊缝形貌之间的映射关系能促进焊接质量实时智能检测。方法 采用暗通道处理法进行滤波降噪,差分融合算法融合暗通道图和直方均衡化图。结果 利用所述算法对5种焊缝缺陷对应的熔池图像进行处理能有效滤除点状噪声,并且图像的清晰度和对比度较原图增大了两倍及以上。结论 设计融合图像及焊缝形貌评分指标,建立熔池–焊缝评分方程,验证了熔池图像预测焊缝缺陷等级的可行性。     

基于线性变换与多种平滑去噪的爆堆图像增强方法

介绍了自主设计的"基于灰度线性变换与综合多种平滑去噪"的爆堆图像增强方法。首先根据爆堆图像的灰度分布情况对爆堆图像进行灰度线性变换,使图像中矿岩与背景区别更加明显;然后对爆堆图像用均值滤波、中值滤波、高斯滤波进行综合平滑处理,这样不仅祛除了图像的噪声,而且很好的保留了图像中矿岩的边缘。     

工件表面低对比度缺陷快速准确识别方法

针对工件表面低对比度缺陷,提出一种基于图像网格的灰度统计分析识别新方法,首先构造利用空域和值域信息的滤波方式,对原始图像进行处理;然后对图像进行网格划分,并对网格图像的灰度值熵统计分析,实现对缺陷目标的识别。实验结果表明:对低对比度缺陷识别准确率达到97.1%。     

ART-2对滚动轴承振动信号幅值谱的清晰化提取与分类效果研究

滚动轴承振动信号的幅值谱往往在整个频带上都存在着均匀分布的噪声频率干扰，难以用一般的滤波方法去除，这对轴承实际振动频率成分的识别有很大的影响。通过对ART-2神经网络的分析，指出了在信号中的特征信息相对较强，而噪声相对较弱的情况下，利用ART-2可以对信号中的特征信息成分进行增强，并对噪声进行充分抑制。利用这一原理，实现了对轴承振动信号幅值谱的清晰化提取。对13个轴承振动信号幅值谱的处理实例表明，这种方法获得的模式中轴承实际振动频率成分被清晰地提取了出来，而均布噪声频率则被充分抑制。进一步研究了ART-2的警戒系数对幅值谱清晰化处理效果的影响。并对这种影响机理进行了解释。     

焊缝跟踪过程传感与信号处理技术的研究进展

焊接自动化是21世纪焊接技术迈向"数字化"、"智能化"的重要途径。在焊接自动化的实现过程中,对焊缝进行自动、快速、准确地跟踪是其中的关键技术。在自动化焊接技术诞生之前,传统的焊接操作主要靠人工来完成。然而,人工进行焊接监视跟踪的工作有两方面的缺点,一方面焊接工作的恶劣环境会对焊接工人的身体健康造成一定的损害,另一方面还会由于焊工长时间工作疲劳而影响焊接质量。现代的焊缝跟踪技术逐渐地脱离了人为的干涉,越来越多地转向了由信号传感到计算机处理再到机构执行的全自动焊接过程。传感器相当于焊缝跟踪系统的"感官器官",系统完全依靠传感器来感知外界焊接环境,判断焊枪与焊缝的相对位置。同时,焊接环境常常伴随着各种噪声、飞溅、高频辐射等的干扰,会明显地影响传感器所采集的信号,甚至会使得计算机对焊缝位置产生错误的判断。因此,要想得到比较理想的数据信息,采取合适的焊接传感方式并对所采集的信号进行准确快速处理成为焊缝跟踪的迫切需要。焊缝跟踪传感器总体上可分为两大类:直接式传感器(即电弧传感器)和间接式传感器。近年来,这两类传感器都有一定的发展,如磁控电弧传感器的应用为焊缝跟踪提供了新的研究方向,间接式视觉传感器正在向小型化和简单化的方向发展。与此同时,多传感器信息融合技术的出现为克服单一传感器准确性的不足提供了新的可能性。而信号处理技术可以提高信号的信噪比,为获得准确的焊缝位置信息奠定基础。其中,电信号滤波技术正由单纯的硬件滤波逐步向软件滤波和硬件软件结合滤波的方法转变;而对于图像处理技术,图像的抗干扰能力得到进一步提高,但是还需在焊缝识别的准确性、实时性和可靠性方面继续深入研究。本文系统介绍了焊缝跟踪过程中所用到的各种传感方式,并着重介绍了主流的电弧传感器和视觉传感器的详细分类与各自的特点。同时,本文总结了电弧传感中关键的电信号滤波技术以及视觉传感必不可少的图像处理技术的发展现状,并对焊缝跟踪未来的研究方向提出了建议。     

结合数学形态学和Level Set超声图像的分割方法

针对噪声严重的超声图像,提出了一种结合数学形态学和Level Set的分割方法。首先采用全变差模型进行图像滤波,再通过交互式区域选择和数学形态学方法获得感兴趣目标的二值化图像,并把该二值化图像轮廓作为水平集方法的初始曲线。改进隐式测地活动轮廓模型(GAC)中的边缘检测函数,增强了处理弱边缘的能力。分割结果表明,该方法能够准确地提取出目标轮廓,同时减少了迭代次数和运算时间。