Weld Seam Edge Extraction Algorithm Based on Beamlet Transform
激光视觉焊缝跟踪中图像二值化处理
激光视觉焊缝跟踪中图像二值化处理申俊琦;胡绳荪;冯胜强【摘要】焊缝图像的二值化处理是实现焊缝视觉跟踪的一个重要环节.针对激光视觉传感焊缝图像,通过最小二乘法建立了Otsu法所选阈值与焊缝激光带区域灰度平均值的直线回归方程,从而得到了焊缝图像二值化处理的最佳阈值.利用该方法对焊缝图像进行二值化处理,并与传统二值化处理方法的结果进行了对比.结果表明,该二值化阈值选取方法可以有效地选取出适合焊缝图像二值化处理的阈值,处理结果良好,更利于后续的焊缝特征点提取.%The binarization processing of seam image is an important step to realizing the vision seam tracking. Aiming at the seam image of laser vision sensing , the linear regression equation of threshold obtained using Otsu method and average gray value of laser region was concluded based on least square method, hence the optimal threshold of seam image binarization was gained. The binarization processing result of the calculated threshold was compared with that of conventional binarization approach. The results show that the suitable threshold of seam image binarization processing can be automatically obtained, and the seam image binarization result is beneficial to the subsequent image feature point extraction.【期刊名称】《天津大学学报》【年(卷),期】2011(044)004【总页数】5页(P308-312)【关键词】激光视觉传感;焊缝图像;二值化处理;Otsu算法【作者】申俊琦;胡绳荪;冯胜强【作者单位】天津大学材料科学与工程学院,天津,300072;天津市现代连接技术重点实验室,天津,300072;天津大学材料科学与工程学院,天津,300072;天津市现代连接技术重点实验室,天津,300072;天津大学材料科学与工程学院,天津,300072;天津市现代连接技术重点实验室,天津,300072【正文语种】中文【中图分类】TG409随着视觉传感器、计算机技术、图像处理算法以及智能控制技术的不断发展,利用光学视觉传感的焊缝跟踪技术也得到了飞速的发展.这一焊缝跟踪技术因其信息直观、与工件无接触、测量精度高和动态响应快等优点得到了国内外焊接研究工作者的关注[1-5].基于视觉传感的焊缝跟踪中,最为基础也最为关键的就是焊缝图像的处理.焊缝图像处理的最终目标就是快速而准确地得到坡口及焊缝的特征信息,在焊缝图像的处理过程中,图像的二值化处理是非常重要的一个环节.为此,笔者将传统Otsu方法与直线拟合相结合的方法引入到焊缝图像的二值化处理中,通过对实际焊缝图像进行处理,证明了该方法的有效性.激光视觉传感焊缝跟踪是目前使用最多的一种主动光视觉焊缝跟踪方法.本研究利用激光视觉传感器对35°单边V形坡口横焊焊缝进行图像采集,焊接母材选用500,mm×300,mm×25,mm的 D32高强度钢,焊缝图像采集系统示意如图1所示.图2为所采集到的经过打底焊后焊缝原始图像.从图 2中可以看出,焊缝原始图像中有部分噪声,并且焊缝图像中表征坡口和焊缝信息的激光带与图像背景的对比度不强,不利于后续处理,所以首先对所采集到的焊缝原始图像进行了滤波去噪和对比度增强,处理后的焊缝图像如图3所示.对于焊缝图像的处理来讲,最终的目的就是要从焊缝图像中提取出真实的焊缝信号,摒弃其他无关的信号.通过滤波去噪和对比度增强,焊缝图像中表征焊缝信息的激光带图像与背景有了较为强烈的对比,但为了提高后续处理的速度以及精度,则希望通过适当的处理使得焊缝图像中激光带信息为唯一信息,而噪声、飞溅等其他无关信息可以全部去除.灰度图像的二值化处理是指将图像中像素点的灰度值设置为 0或 255,也就是说图像中的像素点不是黑色就是白色.而焊缝图像的二值化处理就是通过运算使得焊缝图像(如图 3所示)中激光带区域像素点的灰度值变为 255(或 0),而其他无关区域的灰度值变为0(或255).从本质上讲,0和255这两个像素值分别对应于关闭和打开,也可以记为0和1.式中: g(x ,y)表示经过转换后像素点(x ,y)的灰度值;f(x ,y)表示转换前该像素点的灰度值;T为二值化变换阈值.从式(1)中可以看出,二值化处理的关键就是阈值T的选择.最简单的二值化阈值选择方法就是根据图像的灰度直方图来进行选择.一般来说,对比度比较大图像的灰度直方图中会有明显的双峰,传统的方法是以双峰间的谷底作为二值化的阈值,把图像中大于阈值的像素点灰度值变为 255,小于阈值的像素点灰度值变为 0.图 4为图 3所示焊缝图像的灰度直方图,从图中可以看出有明显的双峰,双峰间谷底的灰度值在85左右,图5是将谷底灰度值85作为变换阈值的二值化处理结果.从图5中可以看出,若将直方图中两个峰值间的谷底灰度值作为阈值,对焊缝图像进行二值化处理,结果并不理想.这主要是由于焊缝图像中表征焊缝信息的激光带的灰度值是非常高的,而其在整个焊缝图像中所占有的面积却较小,这就使得直方图中不能明显地显示出激光带与其相邻区域的灰度变化.查看焊缝图像中所有像素的灰度值可以发现,激光带区域内像素点的灰度值基本在230左右,所以应将该值作为焊缝图像二值化处理的变换阈值.图 6为将阈值设为230后焊缝图像的二值化处理结果.从图 6可以看出,将阈值设为 230后,焊缝图像的二值化处理与阈值为 85时相比,处理效果良好.但由于焊接过程是一个包含了电场、磁场、热场等的复杂过程,这就导致焊缝图像的灰度分布以及激光带区域内像素点的灰度平均值并不相同,所以对不同焊缝图像进行二值化处理时所需设定的阈值也可能不同.如果焊接过程中对每幅焊缝图像都人工选取阈值的话,那显然是不切实际的.这就需要计算机能够针对不同的焊缝图像自适应地选择相应的二值化变换阈值.自动获取二值化变换阈值的方法有很多种,目前应用较为广泛的是 Otsu法.Otsu法又被称作最大类间方差法,是由日本学者Otsu Nobuyuki[6]于1979年首次提出的,它是一种二值化变换阈值的自适应确定方法,一般记为 Otsu法.到目前为止,Otsu法及其改进算法已经广泛地应用到了有关图像二值化处理的许多研究之中[7-10].Otsu法的基本思想是:对于图像的二值化变换阈值,它应该能够将图像分为灰度大小两类,并使得两类中像素点灰度平均值的类间方差最大,满足这个要求的灰度值就是图像的二值化变换阈值.不管图像的直方图中是否存在明显的双峰,Otsu法都可以通过该算法计算选取出一个较合适的变换阈值T,使得分类的类间方差最大,所以该算法是一种选取全局阈值的算法.通过Otsu法对图1所示的焊缝图像进行二值化阈值选取,所得的二值化处理变换阈值T为96.9.可以看出使用Otsu法虽然可以自动地选取二值化处理的变换阈值,但是由于从根本上该算法选取的还是焊缝图像灰度直方图中最为明显的两峰值间的谷底灰度值作为变换阈值,所以得到的阈值并不能有效反映出表征焊缝信息的激光带区域的灰度特点.从前面的分析可知,若将焊缝图像的二值化变换阈值设为激光带区域像素点的灰度平均值,则二值化处理的结果较好.选取经过滤波去噪和对比度增强的25幅焊缝图像,进行Otsu法二值化变换阈值选取,同时利用图像处理软件分别计算这 25幅焊缝图像中激光带区域像素点的灰度平均值,所得的结果如表1所示.将 Otsu法求取的二值化变换阈值设为x,利用最小二乘法对表1所示的两项数据进行直线拟合,拟合后得到两者关系为式(2)中的y′代表利用上述方法进行拟合后所计算出的激光带区域像素点的灰度平均值.图 7为激光带区域像素点平均灰度的实际值与拟合值.利用直线拟合得到的激光带区域像素点灰度平均值与实际值的最大相对误差为4.83%,最小相对误差为0.04%,平均相对误差为 1.60%,这说明利用直线拟合的方法可以实现焊缝图像二值化阈值的小误差确定.利用 Otsu法以及式(2),可以求出图 3所示的焊缝图像二值化变换阈值.图 8为根据计算出的阈值进行焊缝图像二值化处理的结果.从图8中可以看出,使用本文提出的方法对焊缝图像进行二值化处理,处理结果较好,使得表征焊缝信息的激光带图像得到了有效的保留,而其他无关信息基本去除.利用该方法实现焊缝图像的二值化处理时间不超过 50,ms,整个焊缝跟踪中图像处理的总时间不超过350,ms,可以满足焊缝跟踪实时性的要求.图9为针对图8的二值化焊缝图像的最终处理结果,即为坡口及焊缝特征点提取的结果.(1)使用传统的二值化阈值方法并不能有效地选择出适合焊缝图像二值化处理的阈值,并且由于该方法确定的阈值需要人工选取,所以不能满足自动化的要求. (2)使用Otsu法虽然可以自动地选取图像二值化阈值,但是由于算法本身的特点,所以选取出的阈值还不能满足焊缝图像二值化处理的要求.(3)通过最小二乘法,直线拟合出了 Otsu法选取出的阈值与激光带区域像素点灰度平均值的关系,最终得到了适合焊缝图像二值化处理的阈值自适应选取方法,通过对焊缝图像的二值化处理,证明该方法是切实有效的.【相关文献】[1]陈诚,刘鸣,陈兴梧,等. 自动焊接中焊缝检测跟踪系统的研究[J]. 天津大学学报,2003,36(5):567-570.Chen Cheng,Liu Ming,Chen Xingwu,et al. Research of detection and tracking systemof seam in the automatic welding[J]. Journal of Tianjin University,2003,36(5):567-570(in Chinese).[2]Kang Minggoo,Kim Joonhong,Park Youngjun,et ser vision system for automatic seam tracking of stainless steel pipe welding machine[C]// ICCA 2007-International Conference on Control,Automation and Systems. Seoul,Korea,2007:1046-1051.[3]姜建锋,熊震宇,陈焕明. 数字图像处理在焊缝识别中的应用[J]. 南昌航空工业学院学报:自然科学版,2005,19(1):58-61.Jiang Jianfeng,Xiong Zhenyu,Chen Huanming. Application of digital image processingin the weld seam recognition[J]. Journal of Nanchang Institute of Aeronautical Technology:Natural Science,2005,19(1):58-61(in Chinese).[4]Reddy G,Raman A,Reddy H,et al. Laser vision based seam tracking system for welding automation[C]// Proceedings of the 2008 International Conference on Image Processing,Computer Vision and Pattern Recognition,IPCV 2008. Las Vegas,2008:440-445.[5]刘振国,陈志翔. 激光传感图像处理方法研究[J]. 电焊机,2009,39(4):133-137.Liu Zhenguo,Chen Zhixiang. Research on image processing for laser sensing[J]. Electric Welding Machine,2009,39(4):133-137(in Chinese).[6]Otsu Nobuyuki. Threshold selection method from graylevel histograms[J]. IEEE Transactions on Systems,Man and Cybernetics,1979,9(1):62-66.[7]Buxton B,Abdallahi H,Fernandez-Reyes,et al. Development of an extension ofthe Otsu algorithm for multidimensional image segmentation of thin-filmblood[C]//Proceedings of International Conference on Computing:Theory and Applications,ICCTA 2007. Kolkata,2007:552-561.[8]吴世英,虞欣. 基于智能遗传算法和 Otsu法的多目标图像分割算法[J]. 测绘信息与工程,2006,31(4):47-49.Wu Shiying,Yu Xin. An multi-object image segmentation approach based on intelligent genetic algorithm and Otsu algorithm[J]. Journal of Geomatics,2006,31(4):47-49(in Chinese).[9]Zahara E,Fan Shukai,Tsai Duming. Optimal multithresholding using a hybrid optimization approach[J].Pattern Recognition Letters,2005,26(8):1082-1095. [10]Parkinson I H,Badiei A,Fazzalari N L. Variation in segmentation of bone from micro-CT imaging:Implications for quantitative morphometric analysis[J]. Australasian Physical and Engineering Science in Medicine,2008,31(2):160-164.。
窄间隙磁控-激光复合式焊缝跟踪方法
窄间隙磁控激光复合式焊缝跟踪方法沈言锦1,洪波2,杨鹏昊2,郭韬2(1.湖南汽车工程职业学院,湖南株洲412001;2.湘潭大学焊接机器人及应用湖南省重点实验室,湖南湘潭411105)摘要:针对窄间隙焊接需要精确的焊缝偏差信息以保证焊枪对中的问题,设计了一套磁控电弧-激光传感器相结合的焊缝跟踪系统,由前置的激光视觉传感器扫描焊缝中心,采用形态提取算法和基于Kernel 算法的相关滤波器得到焊缝特征点的坐标,经拉格朗日插值法处理,拟合出焊缝轨迹的近似曲线,设定门限阈值分两种情况采用双传感器数据自适应加权融合方法进行信息融合,使得焊缝偏差信息更为精确,最终保证焊枪的对中和侧壁良好融合。
关键词:窄间隙MAG 焊;磁控电弧激光传感器;焊缝轨迹预测;自适应加权融合方法中图分类号:TG409文献标志码:A 文章编号:1001-2303(2019)12-0032-05DOI :10.7512/j.issn.1001-2303.2019.12.06Narrow gap magnetron-laser composite weld seam tracking methodSHEN Yanjin 1,HONG Bo 2,YANG Penghao 2,GUO Tao 2(1.Hunan Automotive Engineering Vocational College ,Zhuzhou 412001,China ;2.Hunan Provincial Key Laboratoryof Welding Robots and Applications ,Xiangtan University ,Xiangtan 411105,China )Abstract :For narrow gap welding ,precise weld deviation information is needed to ensure the problem of welding gun alignment.A magnetic tracking arc-laser sensor combined weld seam tracking system is designed.The front laser vision sensor scans the weld center and adopts the shape.The extraction algorithm and the correlation filter based on Kernel algorithm can obtain the coordinates of the weld feature points.The Lagrange interpolation method is used to fit the approximate curve of the weld trajectory.The threshold threshold is set in two cases.The adaptive weighted fusion method performs information fusion ,which makes the acquired weld deviation informationmore accurate ,and finally ensures the centering of the welding torch and the good sidewall fusion.Key words :narrow gap MAG welding ;magnetron arc laser sensor ;weld trajectory prediction ;adaptive weighted fusion method 本文参考文献引用格式:沈言锦,洪波,杨鹏昊,等.窄间隙磁控-激光复合式焊缝跟踪方法[J].电焊机,2019,49(12):32-36.收稿日期:2019-03-08基金项目:湖南省自然科学基金项目(2017JJ50)作者简介:沈言锦(1980—),男,博士,教授,主要从事焊接技术的研究工作。
Welchrom SPE产品资料
Welchrom SPE固相萃取产品改善您实验室样品前处理和分析质量的最佳选择!极限的性能,合理的价格,最好的服务Welch Materials, Inc.目录一、SPE固相萃取技术1.什么是SPE?2.SPE的基本方法3. SPE和HPLC的比较二、Welchrom SPE产品简介三、Welchrom硅胶基质SPE1. C18E(封尾)2. C18(未封尾)3. C84. CN5. NH26. Phenyl7.SCX8.SAX9.Silica10.Diol11.WCX四.Welchrom非硅胶基质SPE无机吸附剂1. Florisil(弗洛里硅土)2. GraphiCarb(石墨化碳)3. Alumina-N (中性氧化铝)4. Alumina-A(酸性氧化铝)5. Alumina-B(碱性氧化铝)五.Welchrom聚合物基质SPE1. BRP2. P-SCX3. P-SAX4. PS/DVB5.P-WAX六.Welchrom混合型SPE1. GraphiCarb/NH22. C8/P-SCX一.SPE固相萃取技术1.什么是SPE?SPE是Solid Phase Extraction的英文缩写,中文意思是“固相萃取”。
SPE是一种用途广泛而发展迅速的样品前处理技术,是传统的液-液萃取(LLE)结合液相色谱分离技术融合发展的结果。
样品制备,简称制样,是整个分析测定过程的关键环节,制样所需时间通常占整个分析过程的60%以上,而超过30%的分析误差是来源于制样。
SPE是在分析测定前进行样品净化和富集的有效方法,相对于LLE液-液萃取,具有有机溶剂用量少、便捷、安全、高效和成本不高等特点,还有分析物回收率相对较高,分析结果重现性好等优势,广泛地在食品、医药、环保、疾控卫生、商检和农药残留分析等领域中应用。
SPE可以减少制样时间,改善分析结果的准确性和重现性。
SPE可以大大减少食品、环境样品和生物样本等复杂基体中潜在干扰物的种类和数量,提高分离和定性定量分析的准确性;在色谱分析中,样品的净化还可延长色谱柱的使用寿命;SPE制样对目标分析物的富集浓缩功能,则可大幅提高分析方法的检测灵敏度,使一些重要的痕量分析成为可能。
2 基于区域粗定位与 ChanVese 模型 的熔池边缘提取
Байду номын сангаас
2 基于区域粗定位与 ChanVese 模型 的熔池边缘提取
2.1 熔池区域粗定位 由图 1 可知,熔池是所获取焊缝区域图像上亮
度较高的地方,特征较明显。本文通过设定阈值的 方法来获取熔池矩形区域,如图 3 所示,矩形区域 中像素点的灰度值特征是像素值大于阈值。使
x0 = ((x2 - x1 ) / 2 + x1)
(1)
y0 = ( y2 - y1 ) / 2 + y1 )
由于受到噪声影响,该“质心”通常不是熔池
的真正质心,但 ChanVese 模型只要求“质心”能
落在熔池内部即可。
2.2 熔池边缘提取
2.2.1 ChanVese 主动轮廓模型
ChanVese 模型[9]简称 VC 模型,是 Tony Chan
关键词:主动轮廓 边缘提取 熔池控制 ChanVese 模型 中图分类号:TG316.7
A New Method Based on Region Coarse Localization and ChanVese Model for Weld Pool Edge Extraction in GMAW Welding
2
近年来,MAG(Metal Arc Gas)焊由于其较高的生产 效率而引起工程界的重视,但由于 MAG 焊接过程 中需要较大的电流使得电弧光非常强烈,加上其焊 接过程伴随的熔滴过渡和飞溅干扰,国内外开展该 方面的研究成果较少[1][5],国内产品离工业应用还存 在着较远的距离。因此,研究 MAG 焊熔池边缘提 取算法对焊接过程质量控制具有非常重要的意义。
焊接术语
锁底坡口single bevel groove with backing locked
坡形板边 tapered edge
焊缝 weld
接逢 seam
焊缝符号 welding symbol
焊缝金属 weld metal
填充金属 filler metal
坡口groove
坡口面groove face
坡口面角度angle of bevel (英国)/ bevel angle (美国)
坡口角度included angle(英国)/groove angle(美国)
坡口高度groove depth
钝边root face
钝边高度thickness of root face/width of root face
脉冲电流pulse level/pulse current level
脉冲电流幅值pulse current amplitude
基值电流background level
脉冲频率pulse frequency
脉冲焊接电流占空比duty cycle of pulse duration
电弧电压arc voltage
螺旋缝焊接welding of spiral seam/welding of helical seam
环缝对接焊butt welding of circumferential seam
定位焊tack welding
单面焊welding by one side
双面焊welding by both sides
喇叭形坡口焊 flare groove welding
AWS焊接工艺评定表格中英文
WELDING PROCEDURE SPECIFICAITION (WPS)公司名称Company Name焊接方法Welding process采用的接头设计JOINT DESIGN USED类型Type单焊缝Single[ ] 双焊缝Double Weld[ ] 衬垫Backing:用Yes][ ] 不用No [ ]衬垫材料Backing material:根部间隙Root opening纯边尺寸Root Face Dimension坡口角Groove angle半径Radius(J-U)背部清根Backing gouging:方法Method母材BASE METALS材料规格Material Spec.类型或级别Type or (grade)厚度Thickness:坡口Groove角焊缝Fillet直径(圆管)Diameter (Pipe)填充金属FILLER METALSAWS标准AWS SpecificationAWS类别AWS Classification保护SHIEDING焊剂(类别)Flux(Class)气体组分Gas Composition流率Flow Rate气体喷咀尺寸Gas Cup Size预热PREHEAT预热温度,最低Preheat Temp., Min层间温度Interpass Temp.WPS编号No.sPQR编号No.s类型Type手工Manual [ ] 半自动Semi-automatic [ ] 机械Machine [ ] 自动Automatic [ ]位置POSITION坡口位置Position of Groove角焊缝Fillet立焊行进:上行Vertical progression: UP [ ]下行Down [ ]电特性ELECTRICAL CHARACTERISTICS过渡形式Transfer Mode(GMAW)短路Short-circuiting [ ]熔滴Globular [ ]喷射Spray [ ] 电流Current:交流AC [ ] 直流反接DCEN [ ]直流正接DCEP [ ] 脉冲Pulsed [ ]其他Other钨极Tungsten Electrode(GTAW)尺寸Size:类型Type:技术Technique直线或横向摆动焊道Stringer or Weave Bead多道或单道(每边)Multi-pass or Single Pass (per side)焊丝数Number of Electrodes焊丝间隔Electrode Spacing纵向Longitudinal横向Lateral角度Angle导电咀到工件距离Contact Tube to Work Distance锤击Peening层间清理Interpass Cleaning焊后热处理POSTWELD HEAT TREATMENT温度Temp时间TimePROCEDURE QUALIFICATION RECORDS (PQR)公司名称Company Name焊接方法Welding processWPS编号No.s采用的接头设计JOINT DESIGN USED类型Type单焊缝Single[ ] 双焊缝Double Weld[ ] 衬垫Backing:用Yes][ ] 不用No [ ]衬垫材料Backing material:根部间隙Root opening纯边尺寸Root Face Dimension坡口角Groove angle半径Radius(J-U)背部清根Backing gouging:方法Method母材BASE METALS材料规格Material Spec.类型或级别Type or (grade)厚度Thickness:坡口Groove角焊缝Fillet直径(圆管)Diameter (Pipe)填充金属FILLER METALSAWS标准AWS SpecificationAWS类别AWS Classification保护SHIEDING焊剂(类别)Flux(Class)气体组分Gas Composition流率Flow Rate气体喷咀尺寸Gas Cup Size预热PREHEAT预热温度,最低Preheat Temp., Min层间温度Interpass Temp.焊工姓名Welder’s name:焊接日期Clock no:PQR编号No.s:类型Type手工Manual [ ] 半自动Semi-automatic [ ] 机械Machine [ ] 自动Automatic [ ]位置POSITION坡口位置Position of Groove角焊缝Fillet立焊行进:上行Vertical progression: UP [ ]下行Down [ ]电特性ELECTRICAL CHARACTERISTICS过渡形式Transfer Mode(GMAW 短路Short-circuiting [ ]熔滴Globular [ ]喷射Spray [ ]电流Current:交流AC [ ] 直流反接DCEN [ ]直流正接DCEP[ ] 脉冲Pulsed [ ]其他Other钨极Tungsten Electrode(GTAW)尺寸Size:类型Type:技术Technique直线或横向摆动焊道Stringer or Weave Bead多道或单道(每边)Multi-pass or Single Pass (per side)焊丝数Number of Electrodes焊丝间隔Electrode Spacing纵向Longitudinal横向Lateral角度Angle导电咀到工件距离Contact Tube to Work Distance锤击Peening层间清理Interpass Cleaning焊后热处理POSTWELD HEAT TREATMENT温度Temp时间Time试验结果Test Results目检VISUAL INSPECTION外观Appearance 射线-超声检查Radiographic-ultrasonic examination 咬边Undercut RT report No: 结果Result:管状气孔Piping porosity UT report No: 结果Result:凸度Convexity 角焊缝试验结果FILLET WELD TEST RESULTS 试验日期Test date 最小尺寸多道/最大尺寸单道见证人Witnessed by Minimum size multiple pass /Maximum size single pass宏观腐蚀Macroetch 宏观腐蚀Macroetch1. 3. 1. 3.2. 2.全焊缝金属拉伸试验All-weld-metal tension test拉伸强度Tensile strength屈服点/强度Yield point/strength伸长率Elongation %试验室试验号Laboratory test No.焊工姓名Welder’s name记时号Clock No. 印章号Stamp No.通过Test conducted by 试验室Laboratory我们签字人,证明本记录所载正确无误,试验焊缝的制备,焊接和试验符合( ) We, the undersigned, certify that the statements in this record are correct and that the test welds were prepared, welded, and tested in conformance with the requirements of ( )签署人Signed职称Title日期Date。
AWSD焊接工艺规程中英文对照
A W S D焊接工艺规程中英文对照集团文件版本号:(M928-T898-M248-WU2669-I2896-DQ586-M1988)焊接工艺规程(WPS)WELDING PROCEDURE SPECIFICATION (WPS)公司名称 Company Name:焊接方法 Welding Process(es):PQR辅助文件号 Supporting PQR No.(s):采用的接头设计 JOINT DSIGN USED类型 Type:单面焊缝 Single [ ] 双面焊缝 Double Weld [ ]衬垫 Backing:是 Yes [ ] 否 No[ ] 衬垫材料Backing Materical:根部间隙 Rooting opening:钝边尺寸 Root Face Dimension:坡口角度 Groove Angle:半径 Radius (J-U):背部清根 Backing:是 Yes [ ] 否No[ ]方法 Method:母材 BACE METALS材料规格 Material Spec.:类型或级别 Type or Grade:厚度 Thickness:坡口 Groove:角焊缝 Fillet:直径(圆管)Diamcter(Pipe):填充金属 FILLER METALSAWS 规定 AWS Specification:AWS 类别 AWS Classification:保护 SHIELDING焊剂 Flux:气体 Gas:焊丝—焊剂(等级) Electrode-Flux(Class):预热 PREHEAT预热温度,最低 Preheat Temp,Min:道间温度,最低 Interpass Temp,Min:最高 Max:标识编号 Identification #:修改 Revision:日期Date:修改人 By:批准人 Authorized by:日期Date:类型 Type—手工 Manual[ ] 半自动semi-Automatic[ ]机械 Machine[ ] 自动Automatic[ ]位置 POSITION坡口位置 Position of Groove:角焊缝 Fillet:立焊方向 Vertical Progression:上行Up[ ] 下行 Down[ ]电特性 ELECTRICAL CHARACTERISTICS过渡形式(GMAW) Transfer Mode(GMAW) 短路 Short-Circuting:[ ] 熔滴 Globular:[ ]喷射 Spray:[ ]电流 Current:交流 AC:[ ] 直流反接 GCEP:[ ]脉冲 Pulsed:[ ] 直流正接 DCEN:[ ]钨极(GTAW) Tungsten Electrode尺寸 Size:类型 Type:技术 TECHNIQUE 直线或横向摆动喊道 Stringer or Weave Bead:多道或单道(每边) Multi-pass or Single Pass(per side):焊丝数 Numbei of Electrodes:焊丝间隔 Electrode Spacing 纵向Longitudinal:横向Lateral:角度Angle:导电咀到工件距离 Contact Tube to Work Distance:锤击 Peening:道间清理 Interpass Cleaning:焊后热处理 POSTWELD HEAT TREATMENT温度 Temp.:时间 Time :。
OpenCV在焊缝实时检测与处理系统中的应用
OpenCV在焊缝实时检测与处理系统中的应用徐自越;李战明;李二超【摘要】机器视觉系统是集机械、光电、控制、计算机和数字图像处理等技术于一体的高度自动化系统,能够有效地提高产品的质量和产量,现已广泛应用于工业当中.随着科技的发展,对焊接的质量与效率的要求越来越大,为此有必要设计一套行之有效的,在焊接自动跟踪技术中能够在线检测焊缝并进行处理的焊缝实时检测与处理系统.文中在VC++6.0开发环境中设计了一种采用Otsu自动选择阈值和Canny 算子检测边缘,基于OpenCV的焊缝实时检测与处理算法,实验结果表明基于该算法的系统实时性高、效果好、检测正确快速.%The machine vision system is a high automation system in the integration of themachinery,photoelectricity,control,computer and digital image processing ,can effectively improve the product quality and production, and now is widely used in industry. With the development of technology,need to design a system that can improve the welding quality and efficiency. For this,develop the real-time detection and processing system of the seam which is used for on-line detection and related image processing of welding automation tracking technology. In the CV++ 6.0 development environment, design a kind of the real-time seam detection and processing algorithm based on OpenCV, adopting automatic value selection by Otsu and edge detection by Canny operator. Experimental results show that the algorithm has high real-time, good effect and correct and fast detection.【期刊名称】《计算机技术与发展》【年(卷),期】2012(022)008【总页数】4页(P170-173)【关键词】OpenCV;焊缝;机器视觉;图像处理【作者】徐自越;李战明;李二超【作者单位】兰州理工大学电气工程与信息工程学院,甘肃兰州 730050;兰州理工大学电气工程与信息工程学院,甘肃兰州 730050;兰州理工大学甘肃省工业过程先进控制重点实验室,甘肃兰州 730050【正文语种】中文【中图分类】TP390 引言随着产业化、信息化的发展,使生产更加高效率,把人从生产力中解放出来的焊接自动化是现在焊接工业的发展方向。
海水提镁的工艺流程
海水提镁的工艺流程Sea water extraction of magnesium is a complex process that involves several steps to obtain high-quality magnesium products. 海水提镁是一个复杂的过程,需要多个步骤才能获得高质量的镁产品。
The process typically begins with the collection of seawater, which is rich in magnesium ions. 这个过程通常是从收集含有镁离子的海水开始的。
The seawater is then concentrated to increase the magnesium ion concentration, usually through evaporation or precipitation methods. 接着通过蒸发或沉淀方法将海水浓缩以提高镁离子浓度。
After concentration, the magnesium ions are then extracted from the seawater using various extraction methods such as solvent extraction or electrolysis. 浓缩后,镁离子通过溶剂萃取或电解等不同的提取方法从海水中提取出来。
The extracted magnesium ions are then further processed and purified to remove impurities and other unwanted substances. 提取出的镁离子随后经过进一步处理和纯化,以去除杂质和其他不需要的物质。
This purification step is crucial to ensure the final magnesium product meets the required quality standards. 这个纯化步骤对确保最终的镁产品符合所需的质量标准至关重要。
基于改进YOLOX
现代电子技术Modern Electronics Technique2023年9月1日第46卷第17期Sep. 2023Vol. 46 No. 170 引 言在现代制造工业中,机器人焊接广泛应用于机械制造、航空航天、汽车等制造领域。
自动化焊接的关键问题之一是通过相关算法实现噪声环境下激光条纹与焊缝特征点(即激光条纹与焊缝坡口的交点)的准确提取。
目前已知的焊缝检测技术主要还是基于视觉传感器采集图像,通过数字图像处理技术进行焊缝特征点的定位检测。
文献[1]利用基于三角形测量原理的激光传感器采集激光条纹图像,并使用二值化和中心线提取等数字图像处理算法提取出角焊缝的特征信息。
文献[2]提出一种基于阈值变换的行像素点统计算法和自适应DOI :10.16652/j.issn.1004⁃373x.2023.17.019引用格式:王嘉盛,张斌,湛敏,等.基于改进YOLOX⁃S 算法的焊缝特征点提取方法研究[J].现代电子技术,2023,46(17):95⁃101.基于改进YOLOX⁃S 算法的焊缝特征点提取方法研究王嘉盛1, 张 斌1, 湛 敏2, 林子祥1(1.中国计量大学 计量测试工程学院, 浙江 杭州 310018; 2.杭州莱霆科技有限公司, 浙江 杭州 310009)摘 要: 在使用机器人进行焊接的过程中,常常会出现一些问题,例如面对加工误差、热变形等引起的复杂环境状况,必须采用焊缝跟踪技术来辅助机器人进行焊接工作。
传统的数字图像处理技术目前广泛应用于焊缝跟踪,不过在工业领域中,常常出现的特征变化和电弧噪声等问题对焊缝特征提取算法提出了更高的要求。
为了解决焊缝特征提取的抗干扰和自适应性问题,文中将基于深度学习的目标提取方法应用于焊缝检测,提出了一种基于改进YOLOX⁃S 的焊缝特征点提取方法。
在YOLOX⁃S 算法的特征金字塔中每个上采样和下采样之后使用注意力机制,使模型更多关注焊缝特征点特征信息,从而减少检测误差。
ICP-AES光谱法判断5A03焊丝和2A10铝丝混料的方法
ICP-AES 光谱法判断5A03焊丝和2A10铝丝混料的方法吴 旻 1, 王巧利 1, 朱 凯 1, 朱 丽 1, 闫广利 2(1. 成都飞机工业(集团)有限责任公司,成都 610092;2. 中国航发北京航空材料研究院,北京 100095)[摘 要]5A03焊丝焊接5A02防锈铝合金导管时存在焊丝中错混2A10铝丝的现象。
在不损坏导管的前提下,采用导管的内腔焊缝进行原位打磨粉末方法,利用ICP-AES 光谱分析粉末中的化学成分,将Cu 元素的质量分数作为区分5A03焊丝和2A10铝丝有无混料的特征元素,并建立不同导管管径下焊缝处Cu 元素的质量分数变化的规律。
结果表明:管径越大,粉末中Cu 元素质量分数总体越小;在同样管径下,2A10混料情况越多,粉末中Cu 元素质量分数是逐步增加的;对于ϕ42~60 mm 的铝管,当焊缝粉末中Cu 元素质量分数大于0.06%,可判断焊接时至少有1个定位点混料发生,当Cu 元素质量分数大于2%,可判断焊接时焊丝全错用成2A10。
[关键词]焊丝混料; ICP-AES ; 焊缝原位打磨; 铜元素[中图分类号] O657.31 [文献标志码] A doi :10.3969/j.issn.1673-6214.2020.06.004[文章编号] 1673-6214(2020)06-0365-05Determination Welding Wire 5A03 Mixed up AluminumWire 2A10 by ICP-AESWU Min 1,WANG Qiao-li 1,ZHU Kai 1,ZHU Li 1,YAN Guang-li 2(1. Chengdu Aircraft Industry Co., Ltd., Chengdu 610092, China ;2. AECC Beijing Institute of Aeronautical Materials, Beijing 100095, China)Abstract: While 5A03 welding wires were used to welding 5A02 antirust aluminum alloy pipes, 5A03 welding wires were mixed with 2A10 aluminum wires. In order not to damage the pipes, the inner welds of the pipes were polished in situ to form powder, and then ICP-AES spectroscopy was used to analyze the chemical composition of the powder. The mass fraction of Cu element in the powder was used as a characteristic element to distinguish whether 5A03 welding wires were mixed with 2A10 aluminum wires, and the changing law of the mass fraction of Cu element was established for different pipe diameters. The results show that the larger the pipe diameter is, the smaller the mass fraction of Cu element in the powder is. Under the same pipe diameter, the mass fraction of Cu in the powder gradually increases with the percentage of 2A10 wires rising. For ϕ42~60 mm aluminum pipes, when the mass fraction of Cu in the weld powder is greater than 0.06%, it can be judged that mixing occurs to at least one anchor point in the welding process; when the mass fraction of Cu is greater than 2%, it can be judged that all the welding wires are 2A10 aluminum wires.Key words: welding wire mixture; ICP-AES; welding seam grinding in situ; copper0 引言对于航空产品中常用的防锈导管,如5A02导管、3A21导管等,焊接时,按照HB/Z 119—2011[1]的要求,对应不同的母材应选用相应的焊丝进行连接填充。
基于改进CV模型和PCNN的NSST域焊接缺陷提取
基于改进CV模型和PCNN的NSST域焊接缺陷提取文方青;叶志龙;张弓【摘要】为了精确地提取焊接缺陷,进一步提高缺陷检测的准确性,提出了一种基于改进Chan-Vese (CV)模型和脉冲耦合神经网络(pulse coupled neural network,PCNN)的非下采样Shearlet变换(non-subsampled Shearlet transform,NSST)域焊接缺陷提取方法.首先,对焊接缺陷图像进行NSST分解,对得到的低频分量采用PCNN提取出缺陷的主要区域;然后,利用背景抑制后的低频分量和高频分量构造出高频特征图像,并对其进行粗分割,再利用改进的CV模型寻找最优轮廓,提取出缺陷精细轮廓;最后,融合缺陷的主要区域和精细轮廓信息得到最终的结果.实验结果表明,与其他缺陷提取法相比,所用方法提取的缺陷结构更为完整,缺陷轮廓更为精细.【期刊名称】《光学仪器》【年(卷),期】2015(037)001【总页数】8页(P57-64)【关键词】焊接缺陷;轮廓提取;非下采样Shearlet;改进的CV模型;脉冲耦合神经网络【作者】文方青;叶志龙;张弓【作者单位】南京航空航天大学电子信息工程学院,江苏南京210016;南京航空航天大学雷达成像与微波光子技术教育部重点实验室,江苏南京210016;上海航天控制技术研究所,上海200233;南京航空航天大学电子信息工程学院,江苏南京210016;南京航空航天大学雷达成像与微波光子技术教育部重点实验室,江苏南京210016【正文语种】中文【中图分类】TP301.6引言随着图像处理技术的发展,对X 射线焊接图像进行缺陷检测已成为焊接产品质量评判的重要手段。
作为缺陷检测的关键步骤,焊接缺陷提取的准确性直接影响缺陷特征参数的计算,决定了缺陷检测的性能。
焊接缺陷图像通常对比度较低、背景起伏大,且伴有少量的噪声,易淹没如气孔、细裂纹之类细小缺陷[1-3]。
而缺陷提取就是要从不稳定的背景和噪声中将缺陷的全部信息尽可能地分离出来,焊接缺陷的提取包括缺陷的分割及其轮廓的提取[4]。
铝合金MIG焊丝伸出长度视觉提取算法及动态过程辨识
收稿日期:2006-10-08基金项目:国家自然科学基金资助项目(50675093);甘肃省自然科学基金资助项目(3ZS051-A25-029);教育部春晖计划资助项目铝合金M IG 焊丝伸出长度视觉提取算法及动态过程辨识石1, 黄健康2, 樊 丁1, 薛 诚2(1.兰州理工大学甘肃省有色金属新材料省部共建国家重点实验室,兰州 730050;2.兰州理工大学有色金属合金省部共建教育部重点实验室,兰州 730050)摘 要:建立了一种基于视觉传感的铝合金MIG 焊丝伸出长度检测系统,并提出了相应的图像处理算法,通过使用CCD 摄像机,实时获取焊接区图像,根据焊丝特征定位其在图像中的纵坐标,然后对图像进行剪切,移位并叠加,使焊丝特征与背景之间的差别得到强化并提取焊丝伸出长度信息,结果表明,该算法快速有效。
在以上工作的基础上,设计了阶跃响应试验,对焊丝伸出长度受送丝速度的影响规律进行了辨识,得到了数学模型,为铝合金MIG 焊接过程中焊丝伸出长度传感与控制奠定了基础。
关键词:焊丝伸出长度;视觉传感;铝合金MIG 焊;系统辨识中图分类号:TG409文献标识码:A文章编号:0253-360X (2007)08-001-04石0 序 言在G M A W 过程中,焊丝伸出长度的变化对弧长,熔滴过渡方式等都有显著的影响[1-3],因此通过检测焊丝伸出长度,控制电弧长度,同时匹配焊接中的电流,电压等工艺参数是保证稳定焊接过程的重要方法。
针对这个问题,已有学者对短路过渡的G M A W 过程焊丝伸出长度测量进行了系统研究,文献[4]通过检测焊丝伸出长度变化时电阻变化来实现焊丝伸出长度传感;文献[5]利用C O 2气体保护焊短路中期,焊接脉冲电流恒定,焊枪与工件的电压信号与焊丝伸出长度成正比的关系,实现弧长稳定控制。
文献[6]利用电弧声信号结合SV M(support vec 2tor machine)初步实现焊丝伸出长度变化的模式识别。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
Abstract
We present a novel algorithm based on Beamlet Transform for extracting seam edges from noisy welding images. Taking into account of some special characteristics of welding image processing, we introduce an orientation-thresholding step as well as a two-scan method to the standard beamlet-based line detection algorithm. Experiments are conducted to extract edge features from noisy welding images at different scales and to test the anti-noising performance of our algorithm. The result of experiments show that our algorithm is capable of directly extracting weld seam edges from highly noisy welding images without any pre-processing or post-processing steps, thus is characterized by its high efficiency and its prominent anti-noising performance. The orientation threshold can not only reduce the calculation load, expedite its running speed, but also it can help to improve the anti-noising performance of the algorithm. The two-scan method is particularly helpful when coping with low SNR welding images.
2008 Congress on Image and Signal Processing
Weld Seam Edge Extraction Algorithm Based on Beamlet Transform
DENG Shuangcheng, JIANG Lipei, JIAO Xiangdong, XUE Long, CAO Yingyu Opto-Mechatronic Equipment Technology Beijing Area Major Laboratory, Beijing Institute of Petrochemical Technology, Beijing 102617, China {dengshuangcheng & lipei & jiaoxiangdong & xuelong & caoyingyu}@
Introduction
Line detection plays a key role in welding image processing. The goal of welding image processing is to figure out the centerline of the weld seam by extracting both of its edges, which in turn serve as a guide for an automatic welding system. To detect and recognize straight lines in digital images, Hough Transform (HT) and its numerous variants are the classical approaches[1-3]. The various HT variants have been developed to try to overcome the major drawbacks of the standard HT, namely, its high time complexity and large memory requirements. In some cases, variants such as the randomized, probabilistic and hierarchical HT [4,5], achieve an effective complexity reduction. In others, however, they face serious difficulties and fail to provide solutions of the desired quality. This happens, for instance, when there is a relatively high level of noise present in the images [1, 2]. Unfortunately, weld seam images are replete with noises due to severe interference from welding arc, heat and splatters. The SNRs (signal to noise ratio) of weld seam images are usually too low for the ordinary line detection methods such as Hough transform to directly extract reliable edge features from them. So typical weld seam edge extraction methods require several pre-processing steps before line detection [6-9]. First the original welding image has to be filtered to eliminate as much noise as possible and is optionally enhanced to increase the contrast between foreground and background. Then, an