基于数字图像处理技术的接杆激光环焊焊缝视觉检测系统研究
基于激光视觉传感的焊缝图像采集系统研究
多传感方法， 如机械传感 、 电弧传感 、 超声 波传感 以及 视觉 传感 等 。其 中视觉传 感 方 法 因具 有 类 似 人 眼 的功 能， 获得 的信息 量丰 富 ， 以及 高 灵 敏度 、 高精 度 ， 电磁 抗
干扰性 强 ， 与工 件无 接触 等 优 点 ， 而越 来 越 受 到人 们 的 重视 ， 与其 它焊 接过 程信 息 传 感 方法 相 比 ， 适合 焊 接 更 过程 的质 量控 制 。 目前 ， 觉传感 采集 的 图像 有基 于 自然 光 、 光 的 视 弧 焊缝 图像 和 以激 光 为 主 动 光 源 的结 构 光 图 像 。其 中 ，
维普资讯
俘 掳 试验研究
基 于 激 光 视 觉 传 感 的 焊 缝 图 像 采 集 系 统 研 究
哈 尔滨工 业 大学现代 焊接 生产技 术 国家重点 实验 室 （ ５ ０ １ １００ ） 山 东 滨 州 职 业 学 院 工 业 工 程 系（ ５ ６ ３ ２６０ ） 伏 喜斌 钱 侠 林三宝 杨 春利
激光作为主动光源具有高能量、 高亮度 、 单色性好等优
点， 因此 激 光视 觉 传 感 被 认 为 是 最 有 发 展 前 景 的焊 缝
跟 踪方 法 。
通 讯
钥 匙
２ ４
焊 缝 图像 的实时 获取 是 焊缝 跟 踪 图像 处理 分 析 的
图 １ 激光视觉传感焊缝跟踪 系统原理 图
１ １ 图像传 感部 分硬件 构 成及其 作 用 ． １ １ １ 激 光传 感 器 ．． 激 光传 感 器 通 常 由一 个 带 光 学 滤 光 片 的 Ｃ Ｄ摄 Ｃ 像 机 和一个 或 两个半 导 体 激 光器组 成 。激 光 器作 为 结
构光光源 ， 以预先设定的角度将激光条纹投射到传感 器下 部 的工件 表面 ， 后 Ｃ Ｄ摄 像 机 接 收 漫反 射 的激 然 Ｃ
基于机器视觉的激光焊接质量检测研究
基于机器视觉的激光焊接质量检测研究机器视觉是应用计算机和摄像机等设备获取、处理图像信息的技术，被广泛应用于工业、医学、军事等领域。
在智能制造方面，机器视觉技术被用于实现生产线的自动化和质量检测，提高产品的生产效率和质量。
激光焊接是一种高精度的焊接技术，使用激光束瞬间将两个工件焊接在一起，具有焊缝美观、焊缝小、变形小等优点。
然而，激光焊接中的焊缝质量往往受到各种因素的影响，如焊接参数、材料性质、焊接设备等，因此需要进行实时监测和检测，以确保焊缝质量。
基于机器视觉的激光焊接质量检测是一种新兴的技术，可以利用智能摄像头获取激光焊接的图像信息，并对焊缝进行实时监测和检测。
该技术可以提高激光焊接的质量控制能力，减少焊接缺陷和不良品率，提高生产效率。
机器视觉技术在激光焊接质量检测中的应用机器视觉技术可以监测激光焊接过程中的各项参数，包括焊缝形状、焊接池大小、焊缝偏差等，提供实时反馈和数据分析。
其基本思想是通过采集激光焊接的图像信息，对图像中的焊缝进行分析和识别，以自动化的方式进行焊缝质量评估和检测。
在激光焊接中，焊接池的形状和大小是重要的焊缝质量指标。
因此，机器视觉技术可以通过分析焊接池的几何特征和图形，对焊接质量进行评估和检测。
例如，利用机器视觉技术可以对焊接池的尺寸、形状、深度等进行实时监测，并根据一定的算法对焊接质量进行判断。
此外，机器视觉技术还可以对焊接结束后的焊缝进行缺陷检测，例如检测焊缝表面的气孔、裂纹、夹杂等缺陷情况。
利用这些技术手段，可以有效地预测焊接缺陷的发生，并及时调整焊接参数，保证激光焊接的质量。
机器视觉技术在激光焊接质量检测中的局限性机器视觉技术在激光焊接质量检测中的应用是有一定局限性的。
首先，其识别和检测的精度取决于图像处理算法的质量，需要对焊缝的特征加以研究，开发合适的算法进行处理。
其次，焊接过程中产生的烟雾、氧化皮等影响图像质量的因素会影响识别和检测的精度。
此外，在复杂的环境（如高温、高真空等）下，机器视觉技术的应用也可能受到限制。
基于图像处理的焊接质量检测技术研究
基于图像处理的焊接质量检测技术研究随着现代制造业的不断发展，自动化生产已经成为工业界的主流趋势。
在这样一种生产方式下，机器人焊接已经替代传统的手工焊接，成为了主流的焊接方式。
但是，相比于手工焊接，机器人焊接在焊接质量上还存在许多问题，因为由于焊接过程中的复杂性，焊接产品的质量往往难以得到保证。
在这种情况下，机器人焊接质量的检测就成了非常重要的任务。
本文将介绍基于图像处理的焊接质量检测技术，该技术可以准确检测出焊接的质量问题，并指导焊接工艺的优化。
一、机器人焊接存在的问题机器人焊接是一种由机器人实现的自动化焊接。
相比于手工焊接，机器人焊接有许多优点：比如速度快、效率高、可重复性好等等。
但是，机器人焊接现在还有很多问题。
其中一个重要的问题就是焊接质量不稳定。
在机器人焊接过程中，焊条的形状、姿态、尺寸等参数都会影响焊接的质量。
同时，完美的焊接还需要考虑金属熔融、液态流动、晶粒生长以及表面缺陷的形成等诸多因素。
由于焊接过程的复杂性，处理焊接的过程和结果相比于其他工业过程更加困难。
二、基于图像处理的焊接质量检测技术为了解决机器人焊接中存在的这些问题，现在出现了基于图像处理的焊接质量检测技术。
这种技术不仅能够自动识别焊接质量问题，而且能够为焊接工艺的优化提供关键信息。
当今，图像处理技术已经成为了解决焊接质量问题的最佳方式。
通过将处理后图像与焊接标准和质量标准进行比较，我们可以快速检测到焊接的质量问题，并进行诊断。
在具体实现上，这种技术通常包括图像采集、预处理、特征提取和分类识别等步骤。
1. 图像采集对于基于图像处理的焊接质量检测来说，首先需要采集焊接过程中的图像。
通过摄像头、激光测距仪等多种设备可以获得焊接过程中的图像数据。
这些数据可以包括温度、电流、电压、等焊接过程中的各种指标。
2. 预处理在采集到焊接过程的图像后，需要进行预处理，以便更好的完成图像的特征提取和分类。
预处理通常包括去噪、边缘增强、图像平滑、直方图均衡等步骤。
基于图象分割的图象处理法在焊缝识别中的应用
收稿日期:2000-08-22 基金项目:国家自然科学基金资助项目(79875020)。
作者简介:王秀媛(1973—),女,山东人,在读博士,主要从事焊接过程视觉法焊缝跟踪控制及实时图象处理研究。
基于图象分割的图象处理法在焊缝识别中的应用王秀媛,黄石生,薛家祥,蒙永民(华南理工大学机电工程系焊接中心,广东广州510641)摘要:提出了无须外加光源的基于图象处理的焊缝边缘识别方法和边缘特征提取过程,对采用小波滤波去噪后的焊缝图象采用符合实时性要求的焊缝图象处理方法,包括基于图象分割的焊缝图象分区法以及根据实际焊缝图象的实际性质加以分析得出的基于CC D 扫描性质的焊缝边缘识别法,这些方法既简单又适用,在实际焊缝跟踪中能得到良好的效果。
通过多次实验得出:此种方法算法简单,响应速度快,适合于实际应用,能快速获得清晰的焊缝边缘,可以大大简化硬件设备。
关键词:图象处理;小波去噪;图象分割;焊缝跟踪中图分类号:TG 402 文献标识码:A 文章编号:1001-2303(2000)10-0032-03Application of im age processing based on the im age segmentation in w eld detectionW ANG X iu 2yuan ,H UANG Shi 2sheng ,X UE Jia 2xiang ,ME NG Y ong 2min(Department of Mechatronic Engineering Welding Center ,S outh China University Science of T echnology ,G uangzhou 510641,China )Abstract :An edge detection alg orithm based on the principle theory of image processing is put into the use of seam tracking when there is no other optical s ource.Proceeding the noise elimination using the wavelet trans form after we get the original image according to the real 2time de 2mand ,als o we divide the weld image into three parts based on the image segmentation method ,on the base of analysis the real weld image and the character of CC D we get the method of weld recognition.From the experiment we come to the conclusion that the weld line edge can be ex 2tracted efficiently and clearly ,the ambient device can be simplified greatly.K ey w ords :image processing ;noise elimination by wavelet ;image segmentation ;seam tracking序言为了简化外加辅助设备,我们一直都努力实现在自然光照明条件下,把视觉系统应用到焊缝轨迹识别及焊缝跟踪中的研究。
基于图像传感技术的焊缝跟踪系统的开题报告
基于图像传感技术的焊缝跟踪系统的开题报告一、选题背景随着现代制造业的发展，焊接技术越来越成为各行各业的重要组成部分，尤其在汽车、航空航天、轨道交通等领域，焊接技术的应用越来越广泛。
然而，焊接工艺中焊缝的制作与跟踪仍存在着很多难题，如焊缝的形状和尺寸变化、焊接速度的快慢、强烈的光照和灰尘等环境干扰等问题。
因此，基于图像传感技术的焊缝跟踪系统成为了当今焊接技术研究的焦点之一。
通过将计算机视觉技术、图像处理技术与传感技术相结合，实现对焊接过程中焊缝的跟踪与调整，以确保焊缝的准确性和稳定性，提高焊接效率和质量。
二、选题意义基于图像传感技术的焊缝跟踪系统的研究具有重要的理论和实际意义：1. 提高焊接精度和稳定性。
传统的焊接方法难以满足对焊缝精度和稳定性的要求，而基于图像传感技术的焊缝跟踪系统能够实时监测焊缝状态，调整焊接参数，减小焊接误差，提高焊接精度和稳定性。
2. 增强焊接自动化水平。
基于图像传感技术的焊缝跟踪系统能够自动地检测焊缝位置和形状，自动调节焊接参数，实现全自动化的焊接过程，提高焊接效率和一致性。
3. 降低操作成本。
传统的焊接方法需要高技能的焊工进行操作，而基于图像传感技术的焊缝跟踪系统能够实现无需人工干预的焊接过程，降低了操作成本和劳动力成本。
三、研究内容和方向针对目前焊缝跟踪系统存在的不足，并结合自身的研究方向和实际情况，本课题拟从以下几个方面进行研究：1. 焊缝图像采集技术。
采用合适数量和分辨率的摄像头，实现对焊缝图像的采集和处理，并对图像进行预处理、分割和特征提取，以便后续算法处理。
2. 焊缝跟踪算法优化。
通过深度学习、卷积神经网络和遗传算法等方法，对现有的焊缝跟踪算法进行优化和改进，提高算法的精度和鲁棒性。
3. 焊缝位置及尺寸调整技术。
根据焊接参数和图像处理结果，实现对焊接位置和尺寸的自动调整和控制，使焊接过程更加精准和稳定。
四、研究方法和计划本课题的研究方法主要包括理论分析、仿真模拟和实验验证。
计算机视觉传感技术及在焊接中的运用
计算机视觉传感技术及在焊接中的运用计算机视觉传感技术是一种模拟人类视觉系统的技术，通过计算机和相应的传感器来处理和解释图像信息。
它的应用范围非常广泛，包括自动驾驶、人脸识别、物体检测等等。
在焊接领域，计算机视觉传感技术也得到了广泛的应用。
焊接是一种常见的金属连接方式，广泛应用于制造业。
传统的焊接工艺需要操作者具备一定的经验和技能，但是由于焊接过程中的温度高、光线强烈等因素的影响，操作者很难完全准确地判断焊接质量。
而计算机视觉传感技术的应用，则可以解决这一问题，提高焊接的质量和效率。
在焊接中，计算机视觉传感技术主要用于焊接质量检测和焊缝跟踪。
通过安装摄像头和传感器，将焊接过程实时传输到计算机上进行处理和分析。
首先，计算机会对焊接过程中的图像进行分割和特征提取，提取出焊缝的形状和特征。
然后，通过算法和模型的支持，计算机可以判断焊缝的质量是否合格，及时发现焊接缺陷。
最后，计算机会根据检测结果，控制焊接机器人的运动，保证焊缝的位置和质量。
通过计算机视觉传感技术，焊接质量的检测变得更加准确和可靠。
与传统的目视检测相比，计算机视觉传感技术可以对焊缝进行全方位的检测，避免了人为因素的干扰。
而且，计算机视觉传感技术还可以实现焊接过程的自动化控制，提高焊接的效率和一致性。
除了焊接质量检测，计算机视觉传感技术还可以在焊接过程中实现焊缝的自动跟踪。
在传统的焊接过程中，焊接工人需要手动控制焊枪的位置，以保证焊缝的位置和质量。
这样不仅增加了工人的劳动强度，而且容易出现焊缝偏移或质量不稳定的问题。
而通过计算机视觉传感技术，可以实现焊缝的自动跟踪，即使焊缝位置发生变化，焊枪也能自动调整位置，保证焊接的准确性和稳定性。
计算机视觉传感技术在焊接中的运用，极大地提高了焊接质量和效率。
它可以实现焊接质量的自动检测和控制，避免了人为因素的干扰。
同时，计算机视觉传感技术还可以实现焊缝的自动跟踪，提高了焊接的准确性和稳定性。
随着计算机视觉传感技术的不断发展，相信它在焊接领域的应用会越来越广泛，为制造业的发展贡献更多的力量。
焊接视觉检验实验报告(3篇)
第1篇一、实验目的本实验旨在通过机器视觉技术对焊接过程进行实时监测，检验焊接质量，验证机器视觉系统在焊接质量检测中的应用效果，并分析其优缺点。
二、实验原理焊接视觉检验实验主要基于机器视觉技术，通过摄像头捕捉焊接过程中的图像，利用图像处理、特征提取、模式识别等技术对图像进行分析，实现对焊接质量的实时监测。
三、实验设备1. 摄像头：用于捕捉焊接过程中的图像。
2. 电脑：用于图像处理和分析。
3. 焊接设备：用于焊接实验。
4. 机器视觉软件：用于图像处理和分析。
四、实验步骤1. 实验准备：搭建实验平台，安装焊接设备，调试摄像头参数，确保图像清晰。
2. 焊接实验：进行焊接实验，记录焊接过程中的图像数据。
3. 图像处理：利用机器视觉软件对图像进行处理，包括去噪、分割、边缘检测等。
4. 特征提取：从处理后的图像中提取焊接缺陷特征，如焊点大小、形状、颜色等。
5. 模式识别：根据提取的特征，对焊接质量进行判断，识别出缺陷类型。
6. 结果分析：对实验结果进行分析，评估机器视觉系统在焊接质量检测中的应用效果。
五、实验结果与分析1. 实验结果：- 实验过程中，成功捕捉了焊接过程中的图像，图像清晰。
- 利用机器视觉软件对图像进行处理，提取了焊接缺陷特征。
- 根据提取的特征，成功识别出焊接缺陷类型，如焊点偏移、虚焊、焊料不足等。
2. 结果分析：- 机器视觉系统在焊接质量检测中具有以下优点：- 实时性强：可实时监测焊接过程，及时发现缺陷。
- 精度高：可识别出细微的焊接缺陷。
- 自动化程度高：可自动进行缺陷识别，减少人工干预。
- 机器视觉系统在焊接质量检测中存在以下缺点：- 成本较高：需要购置摄像头、电脑、软件等设备。
- 对环境要求较高：需要保证图像质量，避免外界因素干扰。
- 算法复杂：需要设计合适的图像处理、特征提取和模式识别算法。
六、结论通过本次实验，验证了机器视觉技术在焊接质量检测中的应用效果。
实验结果表明，机器视觉系统在焊接质量检测中具有实时性强、精度高、自动化程度高等优点，但仍存在成本较高、对环境要求较高、算法复杂等缺点。
基于激光视觉传感的弧焊焊前自动检测技术
基 于 激 光 视 觉 传 感 的 弧 焊 焊 前 自动 检 测 技 术
厦 门市特种 设备检 验检 测 ￣ （ ６ ０ ４ ３ １０ ） 伏 喜斌
摘 要 在 电弧焊焊前检验工作中 ， 接头坡 口准备工作 如接头对 中检测 、 根部 间隙尺寸检测 等 ， 往往是 依靠人工
目测 的方 式反复调整来完成 。该方法的缺点是耗时 、 费力、 精确度不高 ， 因此有 必要采取 自动化 的视觉检 测方法替 代人 工 目测方 法 ， 以提高检测 的效率 与精 确度 。对 此 ， 利用激光视觉传感技术 ， 设计 了一 套 自动焊前 检测 系统 。系 统硬件 由 ＭＤ ＭｏｕｅＤ ｖｌｐ ｅ ｔ ｉ 、 Ｋ（ ｄｌ ｅｅｏｍ ｎ ｔ 计算机及行走机构等构成 。在 系统软件开 发设 计过 程 中， Ｋ ） 基于模 块化开 发思想 ， 利用 Ｖ ｓａ Ｃ＋ ． ｉ ｌ ＋６０与 Ｍｅｓｒｍ ｎ ｔｄｏ６０联 合开发 ， ｕ ａｕｅ ｅｔ ｕ ｉ ． Ｓ 从而提高 了软件 的性能 ， 增强 了软件的功能 。试
性差， 因此有必要 采取 自动 化 的检测 技 术来 替代 。机 器
视觉 技术 ， 尤其是激 光视觉检测 技 ， 然种 类 繁 多 ， 而 电弧 焊 虽 然 工艺仍 是 众多 焊接 工艺 中应 用最 广 、 响 最 大 的一 种 ， 影
［ ］ 赵 熹华 ．焊接检验 ［ ．北京 ： ２ Ｍ］ 高等教育 出版社 ，９ １ １９ ． ［ ］ 陈志翔 ， ３ 宋永伦 ， 张
检 测距 离 Ｄ ｃ ／ｍ （ ）坡 口角 度 检 测 ｄ
军， 等．基于激光视觉传感 的铝合金 自
适应焊接［ ］ Ｊ ．北京工业大学学报， Ｏ ， （ ）７４— １． ２ ６３ ８ ： Ｏ ２ １ ７８ ［ ］ 丁亚非 ．Ｍｅｓｒｍ ｎ ｔｄ ４ ａｕｅ ｅ ｔ ｕ ｉ Ｓ ｏ用户控件技术在 Ｖｓａ Ｃ＋ ｉ ｌ ＋ ｕ 中的应用 ［ ］ Ｊ ．微计算机应 用 ，０ ３ ２ （ ） １０—１３ ２０ ，４ ３ ：７ ７． ［ ］ Ｆ ｉｉ ，ｉ Ｓｎ ａ ， ａ ｈｎ ｅ ａ．Ｄ ｖｌｐ ｅｔ ｆ ｌａ— ５ ｕＸ ｂｎ Ｌｎ ａｂｏ ＦｎＣ ｅ ，ｔ １ ｅｅｏｍ ｎ ｌ ｕ ｏ ａ
基于机器视觉技术的焊缝检测与质量评估方法研究
基于机器视觉技术的焊缝检测与质量评估方法研究机器视觉技术在现代制造业中扮演着越来越重要的角色，针对焊接工艺中的焊缝检测与质量评估问题，机器视觉技术能够提供高效、准确的解决方案。
本文基于机器视觉技术对焊缝进行检测与质量评估方法进行研究，旨在提高焊接质量和效率。
一、焊缝检测方法研究1. 图像预处理图像预处理是焊缝检测的第一步，其目的是提高图像质量，减少噪声干扰。
通常包括图像去噪、图像增强和图像平滑处理等步骤。
常用的方法有中值滤波、高斯滤波和直方图均衡化等。
2. 焊缝特征提取焊缝特征提取是实现焊缝检测的关键步骤，其目的是从预处理后的图像中提取出有用的特征信息。
常见的特征包括边缘特征、形状特征和纹理特征等。
可以利用边缘检测算法（如Canny算子、Sobel算子）和形态学处理算法（如膨胀、腐蚀）来提取焊缝的边缘特征。
3. 焊缝分割焊缝分割是将图像中的焊缝与背景进行分离的过程，常用的方法有基于阈值分割、基于边缘分割和基于区域生长的分割算法等。
可以根据焊缝的特点选择合适的分割算法。
4. 焊缝轮廓检测焊缝轮廓检测是利用图像处理算法检测焊缝的形状和位置。
可以使用霍夫变换或轮廓追踪算法来检测焊缝的轮廓。
在检测到焊缝轮廓后，可以利用几何形状特征进行检测和分析。
5. 焊缝缺陷检测焊缝缺陷检测是判断焊缝是否存在质量问题的关键步骤。
可以通过图像纹理特征和灰度特征等方法进行缺陷检测。
常见的缺陷包括焊接未熔合、焊接缺陷、焊接过烧等。
二、焊缝质量评估方法研究1. 焊缝质量评分通过计算焊缝的特征参数，如焊缝长度、宽度、深度等，以及焊缝缺陷的数量和类型等，对焊缝进行综合评分。
可以采用模糊综合评判方法或机器学习方法（如支持向量机、神经网络等）来进行质量评估。
2. 焊缝质量分类根据焊缝的质量评分，可以将焊缝分为优质焊缝、合格焊缝和不合格焊缝等分类。
可以利用决策树、逻辑回归等机器学习方法进行分类预测。
同时，可以根据历史数据进行模型训练，提高分类准确率。
焊接质量控制中基于机器视觉的焊缝缺陷检测技术
焊接质量控制中基于机器视觉的焊缝缺陷检测技术在焊接工艺中，焊接质量的控制一直是一个重要的任务。
传统的焊缝质量检测方法存在一些局限性，如人眼判断主观性大、效率低等问题。
随着机器视觉技术的发展，利用图像处理与计算机视觉算法来进行焊缝缺陷检测逐渐成为焊接质量控制的一种重要手段。
一、机器视觉在焊接质量控制中的应用机器视觉技术是一种通过调用计算机软硬件设备，对焊接过程中的图像进行处理、分析和判断的技术。
通过将摄像机、光源、图像处理设备与焊接设备进行联合使用，可以实现对焊接质量的在线监测和快速识别。
1.焊接质量在线监测传统的焊接质量检测方法需要人工干预，效率低下且容易因人为原因出现误判。
而利用机器视觉技术可以实现焊接质量的在线监测，实时分析焊缝的形状、尺寸和焊接参数等，从而保证焊接质量的稳定性。
2.焊缝缺陷的自动识别机器视觉技术能够对焊缝图像进行高效的处理和分析，通过图像处理算法，可以自动提取焊缝的特征信息，如焊缝的宽度、深度、几何形状等，从而实现对焊缝缺陷的自动识别和分类。
二、基于机器视觉的焊缝缺陷检测技术基于机器视觉的焊缝缺陷检测技术主要包括图像获取、特征提取和缺陷识别三个步骤。
1.图像获取焊缝图像的获取是基于机器视觉进行焊缝缺陷检测的第一步。
通常采用高分辨率的工业相机对焊接过程进行实时监测，通过采集焊缝图像，为后续的处理和分析提供数据基础。
2.特征提取特征提取是对焊缝图像进行处理和分析的关键步骤。
通过使用图像处理算法，可以提取焊缝图像中的形状、纹理、色彩等特征，进而构建用于缺陷识别的特征向量。
3.缺陷识别基于机器视觉的焊缝缺陷检测技术中，缺陷识别是最关键的环节。
通过将特征向量与预先建立的缺陷数据库进行对比，可以实现对焊缝缺陷的自动识别和定位。
三、机器视觉焊接质量控制技术的优势和挑战1.优势基于机器视觉的焊接质量控制技术具有许多优势。
首先，它能够实现大批量焊缝的自动检测，提高了检测的效率和准确性。
其次，机器视觉技术不受人眼主观判断的影响，能够客观、快速地进行焊缝缺陷的识别和分类。
图像处理技术在视觉检测中的应用研究
图像处理技术在视觉检测中的应用研究视觉检测是一种基于图像处理技术的应用研究领域，旨在利用计算机对图像进行分析和理解，从而实现对目标的检测、识别、跟踪等功能。
随着图像处理技术的不断发展和突破，视觉检测已经成为许多领域的关键技术，包括自动驾驶、安防监控、医学影像分析等。
图像处理技术在视觉检测中的应用主要包括特征提取、目标检测和图像分类等方面。
首先，特征提取是图像处理的核心环节，它通过对图像进行滤波、边缘检测、角点检测等处理，从而获取图像中的关键信息。
这些特征可以包括颜色、纹理、形状等，这些特征能够描述目标的重要属性，为后续的目标检测和分类提供基础。
其次，目标检测是视觉检测的重要任务之一，其目的是在图像中准确地定位和识别目标。
在过去的几十年中，研究人员提出了许多目标检测算法，包括基于颜色、纹理、形状、深度学习等不同的方法。
例如，传统的图像处理算法，如HOG和SIFT，可以通过检测图像中的边缘和特征点来实现目标的检测和识别。
而深度学习算法，如卷积神经网络（CNN），通过学习大规模图像数据集中的特征模式，可以实现更加准确和鲁棒的目标检测和分类。
最后，图像分类是将图像分为不同的类别或者类别的子集。
图像分类是视觉检测的一项基础任务，其常见的方法有传统的机器学习方法和深度学习方法。
传统的机器学习方法主要依赖于手工设计的特征和分类器，如支持向量机（SVM）、决策树等。
而深度学习方法通过神经网络学习数据中的表征和特征，自动地学习到高级别的特征表示，如卷积神经网络（CNN），这种方法大大提高了图像分类的准确性和效果。
除了特征提取、目标检测和图像分类，图像处理技术还在视觉检测中发挥了其他重要作用。
例如，图像配准和校正可以通过对图像进行几何变换和校正，使目标在不同的图像中保持一致，从而实现更加准确和可靠的识别和检测；图像分割可以将图像分割为不同的区域，从而更好地定位和识别目标；图像增强可以通过增强图像的对比度、清晰度和细节，提高图像的质量和可视化效果。
基于图像处理的视觉检测技术研究
基于图像处理的视觉检测技术研究随着科技的发展，越来越多的技术应用到生活中，提高了生产效率和生活质量。
而其中一项技术——图像处理技术，尤为突出。
图像处理技术指的是通过计算机对图像进行处理，使得图像得到更好的显示、增强和恢复等。
其中视觉检测技术是图像处理技术的一个重要领域，也是一个充满挑战的领域。
一、视觉检测技术的基本概念视觉检测技术是指通过计算机对图片、视频进行实时检测，并在图像上标记出各种信息，以提高检测精度和速度。
视觉检测技术应用广泛，其中最为重要的应用领域是计算机视觉、安防、医学影像等。
二、基于图像处理的视觉检测技术的技术路线基于图像处理的视觉检测技术通常分为以下三个步骤：1.图像预处理：包括图像去噪、色彩均衡、图像增强等。
2.特征提取：通过计算机提取出各种目标的特征，如纹理、形状、颜色等。
3.分类识别：利用模式识别、机器学习等方法对目标进行识别分类。
三、基于图像处理的视觉检测技术的难点基于图像处理的视觉检测技术的难点在于不同的目标有着不同的识别特征，如何在不同的场合下提取出正确的特征，是该技术面临的最大挑战。
此外，图像预处理、特征提取和分类识别三个步骤中的每一个步骤都有着自己的难点，例如：图像预处理需要准确地去除噪声，否则会影响后续识别过程；而特征提取的难点主要是如何准确而快速地提取到与目标相关的特征。
四、基于图像处理的视觉检测技术的应用案例1.计算机视觉方面的应用：计算机视觉是一种视觉检测的应用，它能够让计算机感知并理解物体。
例如：面部识别、行人检测等。
2.安防领域的应用：视觉检测技术在安防领域有着广泛的应用，如：视频监控系统、入侵检测、制药设备检查等。
3.医学影像方面的应用：视觉检测技术在医疗卫生领域也有深入应用，如：分析病理图像、癌症筛查等。
五、结语基于图像处理的视觉检测技术是一项充满挑战的技术，但其所能提供的便利和效率显然是其价值所在。
我们有信心在不断地研究和努力下，视觉检测技术会得到更广泛、更深入的应用。
机器视觉在焊缝检测中的应用研究
机器视觉在焊缝检测中的应用研究焊接技术在工业生产中应用广泛，尤其是对于钢结构、船舶、汽车等重工业的制造来说，焊接是必不可少的环节。
然而焊接质量的决定因素很多，如人工操作、焊接机器设备等，质量难以得到稳定控制。
而机器视觉技术就在焊接领域中得到了广泛的应用，能够有效的解决焊接领域中的问题，极大的提高焊接质量和效率。
一、机器视觉在焊缝检测中的优势1.高精度：人眼的检测精度相对较低，而机器视觉可以达到准确率高达99%以上。
采用高精度的相机和图像处理方法，可以在焊接领域高效完成缺陷、错位、焊接渗透率斑点等缺陷检测任务。
2.快速性：相机可以联网，实现远程数据交互和信息共享，在厂家间也能快速查询后段信息数据，这大大提高了工作效率。
3.多任务性：机器视觉可以同时解决多任务，如自动焊接过程中的监控和缺陷检测。
这使得整个焊接过程全面自动化，极大的避免了由于人为原因所带来的误差。
二、机器视觉在焊缝检测中的具体应用1.缺陷检测焊接中的缺陷类型繁多，如气孔、裂纹、未焊通等，机器视觉技术可以通过拍照或者视频的方式，及时精准捕捉焊缝中的缺陷，实现实时检测。
检测结果可以实时反馈给机器人控制系统，以便进行调整，从而极大的减少危险操作，并提高了焊接的质量。
2.定位检测机器视觉技术可以提供精确的位置信息，对焊接位置进行精准调整。
针对焊接微小位置偏差的缺陷，如焊接位置不准或者两个焊接部位不光滑齐平，机器视觉技术的应用可以从根本上保证焊接的准确性。
3.自动化监控机器视觉技术可以实现焊接过程的自动化监控和自动操作。
通过机器人控制系统，拍照和图像处理可以实现全面自动化，并且过程可控性强，在过程出现异常的时候，可以实时进行调整。
三、机器视觉在焊缝检测中存在的问题和展望1.算法问题机器视觉技术最为核心的是算法。
对于焊缝检测来说，目前的算法还不能完美的适应焊接领域中的变化。
因此，未来需要在优化内核算法等方面研究更多的方法，以便实现更佳的检测效果。
焊接工艺中的机器视觉检测技术研究
焊接工艺中的机器视觉检测技术研究第一章引言焊接工艺是一种将金属部件连接在一起的常见工艺，广泛应用于制造业的各个领域。
然而，由于焊接过程的复杂性和高温条件，焊接质量的保证一直是焊接工艺中的一个重要挑战。
传统的人工检测方法往往耗时且容易出错，因此机器视觉检测技术在焊接工艺中的应用日益受到重视。
本章将介绍机器视觉检测技术在焊接工艺中的研究背景、意义和研究目标。
第二章机器视觉检测原理机器视觉检测是利用计算机视觉和图像处理技术来实现对目标物体的自动检测和识别。
在焊接工艺中，机器视觉检测可以通过采集焊接过程中的图像，对焊缝的尺寸、形状、焊缝位置等进行实时监测和分析。
常用的机器视觉检测原理包括图像采集、图像预处理、特征提取和分类识别等步骤。
第三章机器视觉检测在焊缝形状分析中的应用焊缝形状是焊接工艺中重要的质量指标之一。
传统的焊缝形状分析大多采用人工测量方法，但其效率低且容易受到人为因素的干扰。
机器视觉检测技术可以通过处理焊接过程中的图像，自动提取焊缝的形状特征，实现对焊缝形状的准确分析和评估。
本章将介绍机器视觉检测在焊接工艺中焊缝形状分析方面的研究现状和方法。
第四章机器视觉检测在焊缝缺陷检测中的应用焊缝缺陷是影响焊接质量的重要问题之一。
传统的焊缝缺陷检测方法通常依赖于专业技术人员的经验判断，但其主观性较强且存在一定的误判率。
机器视觉检测技术可以通过处理焊接过程中的图像，自动识别和检测焊缝中的缺陷，大大提高了焊接质量的检测效率和准确性。
本章将介绍机器视觉检测在焊接工艺中焊缝缺陷检测方面的研究现状和方法。
第五章机器视觉检测在焊接过程监控中的应用焊接过程的监控是保证焊接质量的重要手段之一。
传统的焊接过程监控方法主要依赖于人工操作，但其工作强度大且容易出错。
机器视觉检测技术可以通过实时采集焊接过程中的视频，通过图像处理和分析技术，对焊接过程中的温度、焊缝形状等进行实时监控和分析。
本章将介绍机器视觉检测在焊接工艺中焊接过程监控方面的研究现状和方法。
基于数字图像处理技术的接杆激光环焊焊缝视觉检测系统研究
学位论文作者签名：陆春梅
指导教师签名：吴毅雄
日期： 2008 年 1 月 28 日
日期：2008 年 1 月 28 日
上海交通大学论文
第一章、绪论
1.1 本课题的背景和意义
发动机电子控制燃油喷射系统（简称电喷系统）是汽车电子系统的核心技术， 产品质量直接决定了整车性能。由于电喷系统对产品质量提出了近似苛刻的要求， 因此生产过程质量检验是该产品非常重要的环节，一方面机器视觉检测系统在产品 生产过程中及时发现缺陷工件，及时进行调整和返修，降低了生产成本；另一方面 大大降低了不合格产品出厂的风险，提高了企业在市场上的竞争能力和品牌形象， 可以创造出巨大的社会效益和经济效益。从世界范围来讲，目前该产品的主要供应 商为Bosch、Delphi、Motorola等国际企业[1]，我国在自主掌握电喷系统生产技术上 仍有较大差距，特别是在新产品设计开发和生产过程质量控制技术上存在显著不足， 特别是基于图像处理的生产过程管理技术。 图像处理技术就是利用计算机、摄像机及其他数字处理技术对图像施加某种运 算和处理,以提取图像中的各种信息,从而达到某种特定目的的技术[2]。 针对电喷系统 生产过程中的接杆激光环焊焊缝质量进行基于图像处理技术的在线视觉检测系统， 该产品实物及结构示意图如下图1-1所示：
ABSTRACT
There are surface welding defects such as incomplete welding、surface hollow、 surface heave and welding spatter in the inlet tube of laser welding in the Auto-mobile oil injection nozzle production line. The traditional eddy current testing results are not so ideal, the misjudging rate is relatively high. In order to avoid misjudging, workers will have a second time check, but such kind of operation can neither ensure the product quality nor decrease the production efficiency. In this study, we acquire welding image by using the existing rotation function、line CCD sensor and lamp-house. Image preprocessing including wiping off the background in the welding 、 image denoise and image enhancement. After Image preprocessing, we use the Improved Otsu arithmetic to realise image segmentation. Finally, we judge the welding quality through statistics and comparison. The median filtering and image enhancement are two main functions in image preprocessing that are used to
焊缝视觉检测系统
博视达焊缝自动视觉检测系统、系统简介本系统主要功能是对有缝不锈钢管的焊接进行自动跟踪与矫正，解决目前人力成本日益提高，人工操作时的视觉疲劳带来的焊接质量问题。
系统采用先进的智能视觉技术，融合光机电技术为一体。
本系统由视觉采集系统捕捉焊缝与钨棒的焊接视频，运用视觉技术计算熔池与焊枪的相对偏移，再根据偏移对执行机构发送运动指令，达到钢管焊接自动跟踪的目的，从而实现无人值守高质量焊接的要求。
》实时焊缝跟踪算法流程图----------------- * ------------------- 1 艸二、系统特点及技术指标性能特点•非接触式，长时间运行无磨损• 识别精度高•可视化效果，钨棒熔池焊缝图像三位一体•稳定性好，采用嵌入式系统，比基于PC机控制系统更加稳定可靠•人性化的界面，操作界面的设计基于窗口方式，使用简单，无需专业技术人员即可操作运行技术指标-额定功率：150W-识别速率：40ms-识别精度：0.03mm-响应时间：w 200m-工作温度：-10 °~60-焊接速度：w 5m/s- 管子直径：》4mm三、系统主要部件本系统包括主要部件为系统控制箱、焊接视频捕获装置、焊枪移动机构。
崔像机系蜿揑制箱滑台■熔池•等厲子焊接1. 系统控制箱系统主板、开关电源、电气控制与驱动、声光报警，输入输出接口等主要模块安装在控制箱内，其外设包括触摸显示屏、电源开关、电源指示灯、电机左右微调按键、各类插座。
2. 专用焊接视频捕获装置根据氩弧焊弧光光谱特点，定制专用焊接视觉捕捉装置，获取钨棒熔池及焊缝实况细节。
3. 焊枪移动机构根据视觉识别出的焊枪偏差，正转或反转步进电机，经丝杆联动、带动焊枪移动矫正与焊缝的偏差。
4. 电流检测装置（选配）用于检测焊机实时工作电流，检测结果可直接显示在彩色显示屏桌面。
用户可根据需要选配该模块。
5. 焊接速度检测装置（选配）用于检测钢管焊接速度快慢，检测结果可直接显示在彩色显示屏桌面。
基于结构光视觉的激光拼焊焊缝质量检测方法研究
基于结构光视觉的激光拼焊焊缝质量检测方法研究张万江;许敏【摘要】焊缝质量自动检测是实现焊接自动化的关键技术.文中在分析结构光视觉检测原理的基础上,建立了基于结构光视觉的激光拼焊焊缝质量检测系统并对检测系统的图像处理方法进行了研究.对原始图像进行了开窗处理和中值滤波,并使用迭代阈值法获得了结构光光纹.提出了一种简化的模板获得了光纹的边界点并使用几何中心法提取了光纹中心线.使用平均斜率法识别出光纹中心线的特征点.分析了激光拼焊焊缝截面轮廓的特点并建立了截面轮廓几何参数计算方法.实验结果表明该检测系统可以完成焊缝截面轮廓相关参数的计算.%Automatic welding seam quality inspection is the key technology for automatic welding. This paper analyzed the principle of structured light vision,established a welding inspection system for tailored blanks laser welding and carried out a further study of image processing technology for the inspection system. The image preprocessing which includes setting region of interest and median filter was implemented. The iterative threshold segmentation was applied to extracting laser stripe. A simplified tarn-plate was utilized to detect the edges of laser stripe,and then geometrical center method was adopted to extract the centerline of laser stripe. Slope analysis was employed to recognize feature points. Calculation model of the section profile was established based on characteristic of welding seam of tailored blanks laser welding. Experimental results demonstrate that the proposed system is suitable for welding quality inspection of tailored blanks laser welding.【期刊名称】《仪表技术与传感器》【年(卷),期】2012(000)007【总页数】4页(P73-76)【关键词】结构光视觉;激光拼焊;焊缝质量检测;图像处理【作者】张万江;许敏【作者单位】沈阳建筑大学信息与控制工程学院,辽宁沈阳110168;中国科学院沈阳自动化研究所,辽宁沈阳110016【正文语种】中文【中图分类】TP391.410 引言激光拼焊板是指将2块或2块以上的薄板用激光焊接在一起，然后进行冲压成形，以满足零部件对材料性能的不同要求［1］。
基于CCD图像处理的焊缝识别技术研究
基于CCD图像处理的焊缝识别技术研究
丛焕武;郭福娟;吕飞;王倩
【期刊名称】《电子测量技术》
【年(卷),期】2012(35)3
【摘要】在分析焊缝的CCD数字图像信息的基础上,提出了优化的图像处理和焊缝提取算法,有效地实现了焊缝的识别。
对图像进行预处理,设计了扩展的自适应中值滤波器以去除噪声和干扰;提出了改进的自适应阈值分割法(Otsu)对图像进行二值化,得到二值图像;选择Roberts算子识别焊缝边缘信息,并采用Hough变换获取焊缝中心线,得到焊缝的坐标值。
在VC++平台上分析和处理焊缝图像,实现上述算法,结果表明,所设计算法不仅能够快速、准确地识别焊缝,而且具有计算量小、实时性强的优点,有很高的理论和应用价值。
【总页数】5页(P73-77)
【关键词】焊缝识别;自适应中值滤波;图像分割;边缘检测;Hough变换
【作者】丛焕武;郭福娟;吕飞;王倩
【作者单位】哈尔滨华崴焊切股份有限公司;哈尔滨工业大学电气工程及自动化学院
【正文语种】中文
【中图分类】TP2
【相关文献】
1.基于CCD图像处理的等离子熔积焊缝检测系统设计 [J], 汪新兵;王伟;张海鸥;王桂兰
2.基于线阵CCD的图像处理和路径识别 [J], 唐娜;唐楷尧;张澳;林筱壹
3.基于图像处理的爬壁机器人焊缝识别与跟踪 [J], 杨玥旻;闫维新
4.基于焊缝CCD图象模式特征的焊缝轨迹识别 [J], 张华;陈强;金建敏;潘际銮因版权原因，仅展示原文概要，查看原文内容请购买。
实时焊缝图像有效信息获取及管理技术研究的开题报告
实时焊缝图像有效信息获取及管理技术研究的开题报告摘要随着工业自动化技术的飞速发展，焊接工艺也在不断进步和革新，许多智能化焊接设备应运而生。
实时焊缝图像分析是评估焊接质量和实现自动化焊接过程控制的重要手段。
有效的焊缝图像信息获取和管理是实现实时焊缝图像分析的基础。
本文研究了实时焊缝图像获取和管理技术，探讨了实现自动化焊接过程控制的相关问题，提出了一种基于数字图像处理技术的实时焊缝图像有效信息获取和管理方法，并进行了初步探究。
关键词：实时焊缝图像；信息获取；信息管理；数字图像处理。
1. 研究背景焊接技术一直是工程领域中一个重要的工艺技术，它广泛应用于各种工业领域。
随着工业自动化技术的飞速发展，焊接工艺也在不断进步和革新，许多智能化焊接设备应运而生。
其中，实时焊缝图像分析是评估焊接质量和实现自动化焊接过程控制的重要手段。
实时焊缝图像获取和管理是实现实时焊缝图像分析的基础。
在焊接过程中，焊接区域内产生的强光和热辐射以及烟雾等现象都会对图像获取产生不良影响。
如何在这些复杂的环境下获取清晰、准确的焊缝图像成为实时焊缝图像分析研究的重要问题之一。
2. 研究内容和方法本研究旨在研究实时焊缝图像有效信息获取和管理技术，实现自动化焊接过程控制。
研究内容主要包括：（1）实时焊缝图像获取技术研究：以数字摄像机为主要的焊缝图像获取设备，通过图像采集卡将摄像机获取到的焊缝图像信号实时传输到电脑，使用高性能的图像处理算法对焊缝图像进行滤波、去噪、增强等处理，以获得清晰、准确的焊缝图像。
（2）实时焊缝图像信息管理技术研究：对获取的焊缝图像进行分类、存储和检索，提高焊缝图像信息的利用率。
通过图像特征及关键字等方法建立焊缝图像信息库，实现焊缝图像信息在线管理和查询。
（3）实现自动化焊接过程控制：通过实时焊缝图像获取和管理技术，结合焊接机器人和控制系统，实现焊接过程的自动化控制和质量检测，提高焊接效率、降低成本。
本研究采用数字图像处理技术对焊缝图像进行预处理，通过Matlab编程实现图像滤波、去噪等处理，以实现焊缝图像的清晰、准确获取。
- 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)。
图 1-1 接杆实物图及外形结构示意图 Fig1-1 Part and its sketch map
-1-
上海交通大学论文
1.2 国内外视觉系统的相关技术研究
1.2.1 计算机视觉
视觉使人类得以感知和理解周边的世界，是人类从大自然中获取知识的最主要 的手段。据统计，在人类获取的信息中，视觉信息约占 80%，其它的如听觉信息、味 觉信息、触觉信息等加起来约占 20%[3]。由此可见视觉信息对人类的重要性，而图像 正是人类获取视觉信息的主要途径。三维的客观世界投影到人类的视网膜上形成二 维图像，通过双目的视觉功能从二维的图像中提取出有关三维世界的信息，这是人 类的视觉过程。计算机视觉又称机器视觉，是指利用计算机和一些辅助设备来实现 人的视觉功能，从而实现对外界事物和客观三维世界的感知[4,5]。计算机视觉是一门 新兴的学科，它的发展得益于神经生理学、心理学与认知科学对动物视觉系统的研 究，计算机视觉的研究目标是使计算机具有通过二维图像认知三维环境信息的能力。 这种能力将不仅使机器能感知三维环境总物体的几何信息，包括它的形状、位置、 姿态、运动等，而且能对他们进行描述、存储、识别与理解。伴随着人类对视觉认 识和计算机技术的快速发展，利用计算机模拟人类的视觉系统成为科学技术发展的 必然趋势。计算机视觉已经成为令人感兴趣的前沿研究领域之一[6]，因为需要用计算 机视觉这一技术来证明对视觉机理认识的正确与否，而且通过对人类视觉的模拟， 可以帮助人类重新认识人的视觉机理，从而在许多未知问题上产生重大突破[7]。 在计算机视觉系统中， 信息的处理和分析可以分为两个阶段： 图像处理阶段 （亦 可称为视觉的低水平和中水平阶段） 、图像分析和理解阶段（又称高水平处理阶段） 。 当人看一幅图像或一处景物时，人的视觉可以得到物体关于整体和局部细节的信息， 计算机视觉的主要任务就是凭借一定的理论及算法，运用计算机技术实现类似于人 的视觉功能。
1.2.2 计算机视觉检测技术
-2-
上海交通大学论文
随着计算机视觉技术和光电技术得到飞速的发展，已经出现了一种新的检测技 术——计算机视觉检测技术，所谓视觉检测就是检测被测目标时，把图像当作检测 和传递信息的手段或载体加以利用的检测方法，其目的是从图像中提取有用的信号， 它是以现代光学为基础，融光电子学、计算机图像学、信息处理、计算机视觉等科 学技术为一体的现代检测技术。由于计算机视觉系统可以快速获取大量信息，而且 易于与设计信息及加工控制信息集成，基于视觉检测技术的仪器设备能够实现智能 化、数字化、小型化、网络化和多功能化，具备在线检测、实时分析、实时控制的 能力，在军事、工业、商业、医学等领域[8,9]得到广泛关注和应用。 计算机视觉作为一种非接触检测手段已经越来越引起人们的重视，计算机视觉 检测一般是指确定一个产品对于给定的一组标准要求的偏差的过程[10]。检测通常涉 及指定零件的特征如配件完整性、表面完好性和几何尺寸的测量等。视觉检测是计 算机视觉众多应用中最为重要的领域之一，现代视觉理论和技术的发展,不仅在于模 拟人眼能完成的功能，更重要的是它能完成人眼所不能胜任的工作,所以视觉技术作 为当今最新技术,在电子、光学和计算机等技术不断成熟和完善的基础上得到了突飞 猛进的发展。视觉检测技术的目的在于：提高检测的安全性和可靠性；加强产品质 量监控；提高生产的柔性和自动化程度[11,12]。在一些特定的应用场合或人工视觉难以 满足要求的场合，常常用计算机视觉来替代人工视觉，实验表明，在大批量工业生 产过程中，用视觉检测方法比用人工视觉检测方法可以获得更高的精度和效率，原 因在于人工视觉检测者的疲劳和非一致性，而且很多检测任务对于人工来说费时和 费工，对于一些精密零件的几何参数的检测，还需借助于昂贵的精密仪器，使检测 成本大为提高。据报道人工检测最多只能够达到 80%的有效性。相比之下，视觉检测 可以保证产品检测的一致性，它不仅能够检测产品是否合格，而且还能够检测出具 体的偏差值，进而实现对产品生产过程中出现的质量问题进行监控、分析和统计。 在一些需要机器完成质量保证的场合，可以将生产任务与生产过程或制造周期集成 起来，使整个生产过程完全由计算机控制，这在 CIMS 环境中已经得到应用[13]。 视觉检测不仅可以节约劳动力成本，而且还能够在一些不适合人工作业的危险 环境工作，达到非接触检测的目的。视觉检测技术在理论和方法上主要依赖图像处
上海交通大学 硕士学位论文 基于数字图像处理技术的接杆激光环焊焊缝视觉检测系统研究 姓名：陆春梅 申请学位级别：硕士 专业：材料加工工程 指导教师：吴毅雄 20080101
上海交通大学论文
基于数字图像处理技术的接杆激光环焊焊缝视觉检测系统研究
摘 要
联合汽车电子有限公司无锡厂现有汽车喷油嘴生产线的接杆激光环 焊激光环焊焊缝可能存在焊缝不完整、表面凹痕、表面突起、表面飞溅 等焊接缺陷，采用传统的涡流检测效果不理想，漏检率较高，为避免产 品的品质隐患，现由操作工人利用放大镜进行检测，但是这难以完全避 免人为误差，而且一定程度上降低了生产效率。 本研究利用现有工位工件的旋转功能，采用线阵 CCD 传感器配以辅 助光源获取焊缝表面特征信息，通过去除焊缝背景、图像去噪、图像增 强等方法对目标图像进行预处理， 再结合改进的 Otsu 算法进行有效的图 像分割，进而通过统计和比较判别，判断接杆焊缝是否合格。本研究中 以中值滤波和图像增强为主要内容的焊缝图像预处理，有效地克服了亮 度差异对图像识别带来的不良影响； 分析比较基于区域图像分割算法 （传 统的 Otsu 和改进的 Otsu 方法）和基于边缘的图像分割算法（一次微分 和二次微分）对焊缝图像分割得到的效果，发现基于边缘的分割算法不 适用于本研究中焊缝的情况。 而改进的 Otsu 法充分考虑了实际激光环焊 焊缝图像的特征，即目标与背景分布有交叉的特点,相对于一般的 Otsu 法，具有分割准确且计算量相当的特点，是一种非常实用且有效的图像
ABSTRACT
There are surface welding defects such as incomplete welding、surface hollow、 surface heave and welding spatter in the inlet tube of laser welding in the Auto-mobile oil injection nozzle production line. The traditional eddy current testing results are not so ideal, the misjudging rate is relatively high. In order to avoid misjudging, workers will have a second time check, but such kind of operation can neither ensure the product quality nor decrease the production efficiency. In this study, we acquire welding image by using the existing rotation function、line CCD sensor and lamp-house. Image preprocessing including wiping off the background in the welding 、 image denoise and image enhancement. After Image preprocessing, we use the Improved Otsu arithmetic to realise image segmentation. Finally, we judge the welding quality through statistics and comparison. The median filtering and image enhancement are two main functions in image preprocessing that are used to
Key words: Mashine vision，Line CCD，Denoise，Enhancement，Improved Otsu
- IV -
上海交通大学 学位论文原创性声明
本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本 论文不包含任何其他个人或集体已经发表或撰写过的作品成果。 对本 文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。 本人完全意识到本声明的法律结果由本人承担。
- III -
上海交通大学论文
solve the problem of unstable impact which results from line CCD sensor; After comparing the results of regional image segmentation algorithm (traditional Otsu and improved Otsu Methods) and marginal image segmentation algorithm, we find that marginal image segmentation algorithm does not apply to the image with complicated margin and uneven lighting. The objectives and background cross-distributed in the image, improved Otsu applied this situation successfully. It is one of the practical and effective image thresholding segmentation methods. Through this on line image processing software, we will identify product quality and finish the existing production line information exchanges. Through improving judging efficiency and meeting existing production rhythms, we control the time of image acquisition and image processing within 1.5 second / piece.