不​鏽鋼GTAW熔池正面圖像處理

鏽鋼GTAW熔池正面圖像處理

李來平¹， 樊重建¹ ，林濤¹ ，陳善本¹，楊學勤²，徐愛傑²

（1.上海交通大學 焊接研究所 上海 200030 2. 上海航天800所 上海 201600）

摘要：熟練的焊工可以通過眼睛觀察熔池的形狀變化，並且實時地調整焊接規范，保證焊縫成形穩定。視覺傳感是模擬焊工技術獲取的熔池形狀信息，熔池圖像處理的目的是改善熔池圖像的質量，提取焊接熔池的幾何特征參數。本文分析了不鏽鋼正面熔池圖像的特點，開發了基於小波分析理論的圖像處理軟件包括圖像增強、邊緣檢測、邊緣細化、曲線擬合和熔池類型檢測等步驟。  

關鍵詞： 不鏽鋼熔池圖像，圖像增強，熔池邊緣監測，雙向細化，熔池圖像類型辨別

引言

由於熔池正面特征參數和反面特征參數之間具有很好的對應關系，因此熔池的正面形狀參數對於焊接過程的建模與智能控制具有非常重要的作用^[1~7]。為了精確的獲得熔池正面特征參數，必須對獲取的熔池圖像進行處理。

在焊接過程中存在著電磁幹擾、攝像機與熔池之間存在相對運動、氬氣的流動、攝像機內部噪聲以及圖像采集卡的離散和量化都會使熔池圖像模糊。因此要對熔池圖像進行去噪、邊緣增強、邊緣檢測、邊緣細化和擬合的操作。

在送絲脈沖GTAW中，熔池正面形狀隨著焊接參數的變化而變化，當熔化金屬量逐漸減少時，熔池表面高度最明顯的變化是熔池表面由凸起變為下凹。不鏽鋼熔池正面的形狀由橢圓形變為桃子形。為了判斷熔池圖像屬於凸起還是下塌需要對熔池的形狀進行判斷。

目前，圖像處理的方法很多，但是任何一種圖像處理方法都不能直接應用於熔池圖像的處理。小波分析理論被看作是一種多層次分解函數的數學工具，小波分析在圖像處理中的應用思想是把圖像信號變換到小波域上，成為多層次小波系數，然後根據小波基的特性，分析小波系數的特點，結合常規圖像處理方法處理小波系數，再對小波系數進行反變換。

本文針對不鏽鋼熔池圖像的特點開發了基於小波分析的圖像處理方法，包括邊緣增強和邊緣檢測，然後采用雙向細化方法對熔池邊緣進行細化，最後對熔池邊緣進行擬合和熔池類型辨別。

1 熔池圖像分析

圖1是采用複合濾光系統采集的不鏽鋼正面熔

池圖像。熔池正面圖像由噴嘴、電弧區、液態金屬、已凝固焊道、工件表面組成。由於液態金屬表面的鏡面反射具有方向性，從熔池斜後方獲取的液態金屬表面反射的電弧光較少，使得熔池正面圖像上液態金屬區域具有較低的灰度級，斜後方的鏡面反射較強，呈亮色，已凝固的焊道表面對弧光進行漫反射，在圖像上呈現亮色，工件表面對弧光的反射較弱，所以圖像灰度較低，電弧倒影呈現亮色。凸起型熔池圖像的後拖角較大，呈現近似橢圓形狀；而下塌型熔池圖像的後拖角較小，呈現明顯的桃子形狀。

2 圖像處理

焊接過程的視覺傳感中，由於光學鏡片的反光、複合濾光系統的作用、熔池本身的振動、焊接熔池與攝像機之間的相對運動、氬氣的流動和煙塵造成熔池圖像模糊。焊接過程中高頻以及其他電磁幹擾都會使焊接熔池圖像質量下降。攝像機本身的噪聲以及圖像采集卡的模數轉換和量化也會降低圖像的質量。

2.1 熔池圖像增強  

   為了消除熔池圖像的模糊，需要對采集的熔池圖像進行增強處理

（1）式中f(x,y)是處理前的圖像，g(x,y)表示處理後的圖像，圖像增強算子用T[·]表示。

傳統的圖像平滑方法是將原圖中一個像素的灰度值和它周圍鄰近八個像素的灰度值加權求和，然後求得平均值作為新圖中該像素的灰度值。采用平滑的方法可能造成圖像模糊。雖然中值濾波在一定條件下可以克服線性濾波器帶來的圖像細節模糊，而且對濾除脈沖幹擾非常有效，但是對於細節多的下塌型熔池圖像不適用。傳統的解決圖像模糊的方法是圖像銳化處理，但是圖像銳化可能會重新引入噪聲，降低圖像的信噪比。

   基於小波分析的圖像增強算法是把圖像被分解為不同頻帶的變換系數，根據所需要的頻帶成分進行增強，然後在經過逆變換重建圖像。設φ(x,y) 和ψ(x,y)分別是尺度函數和小波函數，j為圖像分解層次，則對任意一幅圖像f(x,y)，其小波分解的表達式為：

(2)式中，前一項是低分辨率的圖像；後一項是不同頻帶的子圖像。

為了在圖像平滑的時候加強高頻成分，使圖像輪廓更清晰，在式（2）中引入增益系數g_k,n，得到

(3)本文采用Daubechies構造的具有緊支撐正交歸一小波為小波函數，濾波器響應序列為：

{p_k}={0.483,0.8366,0.224,-0.1294}

{q_k}={-0.1294,-0.224,0.8366, -0.483}

圖像的大小為128×128，所以選擇小波分解的級數為2級。由於不鏽鋼的熔池圖像反射光比較強，邊界有些模糊,通過試驗確定增益參數為。圖2是增強處理的圖像。

2.3 熔池邊緣提取

   不鏽鋼的下塌型熔池和凸起型熔池圖像的形狀存在很大的差別，具體表現在後拖角上，因此可以通過測量後拖角的大小來判斷熔池的類型。

   圖像的邊緣是指周圍像素灰度值有階躍變化或者屋頂變化的那些像素的集合。經典的邊緣檢測方法是考察圖像中每個像素在某個鄰域內灰度的變化，利用邊緣鄰近一階或者二階方向導數變化規律來檢測邊緣。

   圖2中，液態熔池與工件之間的對比度較小，並且凝固的焊道處的灰度變化複雜，難以直接用經典的邊緣檢測的方法獲取熔池邊緣。由於圖像邊緣的不連續性在小波變換中體現為奇異性，而小波變換系數的模極大值以及在不同尺度小的變化可以表征出信號的局部奇異性。小波變換的模極大值隨著尺度的變化而變化，因此可以開發基於小波變換的邊緣檢測算法。本文選擇高斯函數為尺度函數，其一、二階導數為小波函數，構成多尺度小波變換。

（4）基於小波變換的圖像邊緣檢測算法為：

   ①選定光滑函數θ(x)為尺度函數，相應地，函數θ(x)的一階、二階導數為小波函數，構成多尺度小波變換。

②設定分解級數。

③對圖像進行小波變換，由小波系數計算不同尺度下的梯度方向和梯度矢量模。

④分別從圖像每一層行與列小波系數中，找出零交叉點，並求出兩兩相鄰零交叉點的最大點，由行與列同時出現最大值處的點設為邊緣點。

⑤按照一定的規則把邊緣點連接成邊界。

圖3是經過邊緣檢測後的熔池圖像，圖像邊緣不是由單個像素表示的曲線，同時圖像中存在著偽邊緣，因此要對熔池邊緣進行細化處理。本文首先從圖像中提取經驗知識，找到電弧中心以及倒影在圖像中的位置，並予以去除。文獻[4]根據熔池的邊緣不在曲線區域中心而位於弧線的內側的特點，發展了投影邊緣細化算法。文獻中的圖像是半個熔池，所以采用了向同一個方向作垂直投影的方法。而本文采集的熔池圖像是整個圖像，因此本文根據熔池圖像是對稱的特點，以fku為中心線沿fkv正負兩個方向搜索，如果當前點的灰度值為0，則檢查fkv方向上的下一點，如果該點的灰度值為0，則繼續搜索，如果該像素點的灰度值為255，並且在fkv兩個方向上的距離相同，則該像素點是熔池的邊界，然後繼續搜索，當遇到灰度值為255時的點時，直接設置為0；如果第一次遇到的灰度值為255的點沒有對稱的話，則繼續搜索，如果沒有找到對稱的點，則該點熔池的邊緣，否則對稱點是熔池的邊緣。圖4是經過細化後的熔池圖像。

    由於工作過程圖像是動態的，每一幅圖像的特征並不是完全一致的，圖像處理後的圖像邊緣是不連續也不完全光滑的，因此需要采取一定的措施來擬合邊緣。描述曲線的方法有Bezier和B樣條曲線，Bezier可以通過特征多邊形頂點的個數實現對曲線的精確控制，但是Bezier曲線不能作局部修改，即改變某一個控制點的位置對整條曲線都有影響。B樣條曲線具有局部性、連續性、幾何不變性、造型靈活的特點，因此可以選擇叁次B樣條曲線來實現熔池邊緣的擬合。叁次B樣條基函數的矩陣表示為：

處理過程中，每次取4個節點，並且使後一次擬合所用的第一、二個節點和前一次擬合所采用的第叁、四個節點相同，就形成了一個連續的曲線。熔池邊緣的擬合結果如圖5所示。

   2.4 熔池圖像類型區別

   鋼的凸出型熔池與下塌型熔池在圖像中表現為下塌角的大小不同，凸出型熔池的後拖角大於90º，下塌型熔池圖像的後拖角小於90º。本文采用Hough變換來確定熔池尾部邊緣線的夾角來區分鋼的熔池圖像類型，采用判斷平均灰度值的方法來區分鋁合金的熔池圖像類型。Hough邊緣用來提取熔池邊緣擬合曲線中的直線段。直線的極坐標表示為：

（5）其中（r,θ）定義了一個從原點到直線上最近點的向量。x,y平面內的任意一直線的Hough變換是極坐標空間（r,θ）中的一個點。圖6不鏽鋼熔池圖像類型的區分結果。

3 結論

   焊接過程視覺傳感是焊接過程智能控制的重要組成部分，熔池表面視覺信息的准確與否直接決定了控制的效果與精度，本文在圖像處理中引入了小波分析理論，用於圖像的去除噪聲和熔池邊緣提取的操作；針對完整熔池對稱的特點，首先對偽邊緣進行識別和去除，提出了雙向投影細化方法來對熔池邊緣進行細化。提出了分別采用檢測熔池尾部邊緣線的夾角的方法判斷不繡鋼熔池圖像的類型。

參考文獻

1.Chen S. B., Wu L, and Wang Q.L., Self-learning Fuzzy Neural Network and Computer Vision for Control of Pulsed GTAW. Welding Journal. 1997, vol. 76 (5):201-209.

2.Lou Yajun, Chen Shanben, and Wu Lin, Monitoring of Weld Joint Penetration Based on Sensing Double-side Vision Images of Weld Pool, Journal of Harbin Institute of Technology, 1998, Vol.7 (11): 22-27.

3.Zhao D.B., Lou Y.J., Chen S.B., Wu L., Surface height and geometry parameters for describing shape of weld pool during pulsed GTAW. SPIE International Symposium on Intelligent System and Advanced Manufacturing, Boston, Massachusetts,USA, 1999,V3833: 91-99.

4.王建軍，鋁合金脈沖TIG焊熔池動態特征的視覺信息獲取與自適應控制[博士學位論文]，上海，上海交通大學，2003.

5. Zhang,Y.M., Kovacevic,R., Wu L., Sensitivity of Front-face Weld Geometry in Representing the Full Penetration, Proc. Inst. Mech. Eng, Part B: Journal of Engineering Manufacture, 1991, Vol. 206: 191-197.

6.Gonzalez R. C. and Woods R.，Digital Image Processing. 3^rd ed, Addison-Wesley．

7.  賈雲得   機器視覺，科學出版社，2000：139-149

8.陳武凡 小波分析及其在圖像處理中的應用，科學出版社，2002：152-200。

9.孫家廣 計算機圖形學，清華大學出版社，1998：308-318。

作者簡介：李來平，男，1974年出生，上海交通大學博士，主要研究方向機器人焊接關鍵技術研究，發表論文10篇。

Email:Llp117@sjtu.edu.cn