張楚昊，趙壯，陸駿，柏連發(fā)，韓靜

(南京理工大學(xué),南京,210094)

0 序言

作為制造業(yè)中的重要工藝，焊接技術(shù)目前廣泛應(yīng)用于民用領(lǐng)域和軍事領(lǐng)域[1-3].焊接工藝質(zhì)量的在線控制是目前焊接領(lǐng)域中重要的研究?jī)?nèi)容[4]，焊接過(guò)程中熔池的輪廓反映了熔池的形態(tài)特征信息，因此需要對(duì)熔池的輪廓進(jìn)行提取，從而對(duì)熔池內(nèi)部情況進(jìn)行觀察，為焊接質(zhì)量的控制提供相關(guān)依據(jù)[5].目前關(guān)于熔池圖像分割算法的研究較少，傳統(tǒng)圖像分割算法提取的熔池輪廓因受到焊接電弧光較強(qiáng)的影響，容易產(chǎn)生斷裂、過(guò)分割或欠分割的情況.

近年來(lái)，研究者們基于傳統(tǒng)圖像算法改進(jìn)設(shè)計(jì)的熔池輪廓提取算法取得了良好的效果.劉曉剛等人[6]提出一種多尺度的形態(tài)學(xué)算子對(duì)熔池圖像進(jìn)行處理，實(shí)現(xiàn)了精準(zhǔn)的邊緣定位，于海川等人[7]提出了一種改進(jìn)型的自適應(yīng)Canny 邊緣檢測(cè)算法應(yīng)用在鋼板缺陷的邊緣檢測(cè)中，張亞紅等人[8]針對(duì)CO2焊熔池圖像中噪聲干擾導(dǎo)致的模糊邊緣問(wèn)題，提出了一種將Canny 算子與多尺度多結(jié)構(gòu)形態(tài)學(xué)相融合的熔池邊緣檢測(cè)算法，提取到了更加連續(xù)完整且精確的熔池邊緣.Zhang 等人[9]提出了一種雙路徑成像方法來(lái)獲得高信噪比的熔池圖像，使用梯度和基于灰度的鄰域超像素合并方法來(lái)提取熔池圖像的輪廓.Xia 等人[10]利用自適應(yīng)維納濾波和Canny算法等獲取圖像信息，得到熔池邊緣寬度，不過(guò)該方法僅限于簡(jiǎn)單零件制造.韓慶璘等人[11]提出了分區(qū)減光策略，對(duì)熔池與結(jié)構(gòu)光條紋進(jìn)行差異化的減光，進(jìn)而清晰成像.基于傳統(tǒng)圖像算法改進(jìn)的熔池圖像分割算法具有高效率的優(yōu)點(diǎn)，不過(guò)在處理復(fù)雜熔池圖像時(shí)準(zhǔn)確度較低，且對(duì)于不同焊接工藝下熔池圖像的算法適應(yīng)性不足.

文中基于傳統(tǒng)圖像算法改進(jìn)設(shè)計(jì)了一種熔池輪廓提取算法，將對(duì)邊緣產(chǎn)生梯度值響應(yīng)從而檢測(cè)輪廓的傳統(tǒng)方法轉(zhuǎn)化為獲得與熔池區(qū)域吻合的大尺度連通域，實(shí)現(xiàn)了對(duì)熔池區(qū)域輪廓精準(zhǔn)的提取.

1 熔池圖像獲取

搭建的熔池視覺(jué)傳感系統(tǒng)的實(shí)物裝置圖以及對(duì)應(yīng)的原理示意圖如圖1 所示.該系統(tǒng)采用被動(dòng)式視覺(jué)傳感法[12]對(duì)熔池圖像進(jìn)行采集，系統(tǒng)主要由圖像采集系統(tǒng)與焊機(jī)裝置兩個(gè)部分組成.

圖1 熔池視覺(jué)傳感系統(tǒng)示意圖Fig.1 Schematic of visual sensing system of molten pool.(a) device diagram;(b) schematic diagram

為了使采集到的熔池圖像在后期便于處理，相機(jī)以一定的角度被固定在TIG 焊機(jī)的機(jī)械臂上.這樣一道焊縫中采集到的所有熔池圖像中熔池的位置將基本固定在圖像中的某個(gè)區(qū)域內(nèi)，且有利于壓制圖像中焊接電弧光對(duì)熔池前端的影響，并且在熔池前方的焊絲，可以被弧光擋住.為了在采集時(shí)排除冗余波段輻射的干擾，相機(jī)前端布置有660 nm的濾光片以及保護(hù)相機(jī)鏡頭不被熱輻射損耗的保護(hù)玻璃.

對(duì)型號(hào)為304 的不銹鋼平板進(jìn)行焊接，焊接工藝為非熔化極惰性氣體保護(hù)電弧焊，基于表1 中的焊接參數(shù)采集到尺寸大小為（1 920 × 1 200）分辨率的熔池圖像.由于采集到的圖像中熔池區(qū)域占整幅圖像的比例不大,且不銹鋼平板的紋理會(huì)對(duì)后期處理產(chǎn)后期處理產(chǎn)生干擾，所以對(duì)采集到的圖像以熔池區(qū)域?yàn)橹行淖?400 × 400)像素大小的ROI(感興趣區(qū)域)裁切，效果如圖2 所示.

表1 焊接工藝參數(shù)Table 1 Welding process parameters

圖2 采集并進(jìn)行裁切之后的熔池圖像Fig.2 Collected molten pool images

若直接利用Canny 算子對(duì)圖2 中的熔池圖像進(jìn)行邊緣檢測(cè)，效果如圖3 所示.從圖中可以看出，輪廓邊緣會(huì)受到3 個(gè)方面因素的影響.①熔池后端弱邊緣區(qū)域的邊緣無(wú)法被準(zhǔn)確檢測(cè)；②熔池表面由于電弧光反射形成的亮度飽和區(qū)域引入干擾邊緣；③熔池后端已成形焊縫區(qū)域的紋理信息引入干擾邊緣.

圖3 Canny 算子在TIG 不銹鋼熔池圖像上的檢測(cè)效果圖Fig.3 Detection effect of Canny operator on TIG stainless steel molten pool images.(a) original image;(b) Canny edge detection graph (c)superposition of Canny detection result and original image

針對(duì)這些問(wèn)題，在提出的OTM-EDG 算法當(dāng)中，首先利用基于非線性灰度變換算法增強(qiáng)熔池后端的弱邊緣區(qū)域；第二步，利用4 個(gè)方向的Sobel 算子對(duì)經(jīng)過(guò)預(yù)處理的熔池圖像進(jìn)行卷積操作來(lái)判斷后端弱邊緣的方向，并計(jì)算梯度圖；最后為了得到封閉的連通域，對(duì)邊緣粗提取結(jié)果圖進(jìn)行基于判斷梯度強(qiáng)度與方向的邊緣連接操作，在此基礎(chǔ)上填充得到完整的連通域，并進(jìn)行基于數(shù)學(xué)形態(tài)學(xué)的邊緣平滑操作，最終得到需要提取的熔池輪廓.算法流程如圖4 所示.

圖4 OTM-EDG 算法流程示意圖Fig.4 Flow chart of OTM-EDG algorithm

2 OTM-EDG 算法

2.1 OTM-EDG 算法預(yù)處理過(guò)程

OTM-EDG 算法的預(yù)處理部分主要目的是增強(qiáng)弱邊緣區(qū)域的梯度以便使其能夠被準(zhǔn)確檢測(cè)出來(lái)，同時(shí)不引入圖像噪聲.為了達(dá)到上述的兩個(gè)目的，基于滑動(dòng)窗口的計(jì)算操作，結(jié)合非線性灰度變換的算法原理對(duì)熔池圖像進(jìn)行預(yù)處理.

由于熔池后端弱邊緣區(qū)域處邊緣兩側(cè)灰度值差異微小，直接使用微分算子不足以檢測(cè)到熔池弱邊緣信息.為了改變這種情況，在弱邊緣處希望處于灰度值較高水平一側(cè)的像素灰度值被拉高，另一側(cè)灰度值較低水平的像素灰度值被拉低，且處理過(guò)后的弱邊緣區(qū)域同一側(cè)的像素灰度值依然處于相近的水平.為了達(dá)到這一效果，采用基于冪函數(shù)的非線性灰度變換算法[13].

冪函數(shù)如式(1)所示，即

式中：x表示的是圖像中某個(gè)像素點(diǎn)的灰度值信息；m與k均為大于1 的整數(shù)，隨著m與k的變化，變換后的灰度值分布情況不同.為了將圖像中像素點(diǎn)之間存在的空間關(guān)系更好地保存下來(lái)，將上述基于冪函數(shù)的非線性灰度變換算法利用滑動(dòng)窗口計(jì)算的方式予以實(shí)現(xiàn).具體的計(jì)算流程如下.

(1)從熔池圖像左上角的像素點(diǎn)開(kāi)始遍歷，設(shè)當(dāng)前遍歷到的像素點(diǎn)處灰度值為g(i,j)，在以該像素點(diǎn)為中心的大小為33 的鄰域區(qū)域內(nèi)的灰度最大值設(shè)為Gmax，最小值設(shè)為Gmin.

(2)對(duì)3 × 3 鄰域內(nèi)像素點(diǎn)的灰度值在該區(qū)域內(nèi)做如式(2)中的歸一化處理(此處以中心像素點(diǎn)的灰度值為例).

(3)將步驟(2)中得到的歸一化之后的像素點(diǎn)灰度值G(i,j)根據(jù)其在[0,1]的灰度范圍內(nèi)所處的區(qū)間代入式(1)進(jìn)行計(jì)算，得到經(jīng)過(guò)非線性灰度變換算法計(jì)算處理之后的像素點(diǎn)灰度值Gn(i,j).

(4)將Gn(i,j)代入式(2)中等號(hào)左邊，反推出原式中的g(i,j)，即將鄰域區(qū)域內(nèi)灰度值范圍從[0,1]拉伸至原灰度值范圍[Gmin,Gmax]，計(jì)算過(guò)程如式(3)所示.

對(duì)于式(1)中m值 與k值的選擇，在此利用幾組不同的參數(shù)對(duì)熔池圖像進(jìn)行了測(cè)試，在權(quán)衡了增強(qiáng)效果與引入噪聲之后取m與k的 值均為2.將m=2 與k=2 代入式(1)中并執(zhí)行上述基于冪函數(shù)的非線性灰度變換計(jì)算操作，得到熔池圖像中某區(qū)域在變換前后灰度信息情況，如圖5 所示，從熔池后端弱邊緣區(qū)域的灰度信息上展示了該弱邊緣增強(qiáng)算法的有效性.

圖5 弱邊緣區(qū)域經(jīng)過(guò)增強(qiáng)之后的灰度分布示意圖Fig.5 Gray distribution of the weak edge region after enhancement

熔池表面由于焊接電弧光反射造成的亮度飽和區(qū)域同樣給熔池輪廓提取帶來(lái)了干擾，由于亮度飽和區(qū)域與周圍熔池表面區(qū)域之間存在較大的灰度差，所以在邊緣檢測(cè)時(shí)會(huì)產(chǎn)生范圍較廣的偽邊緣，如圖6 中黃色圓圈標(biāo)注的區(qū)域所示，這一部分偽邊緣由于存在熔池的真實(shí)輪廓內(nèi)，且通常以連通的方式存在，所以要自適應(yīng)地依據(jù)判斷邊緣長(zhǎng)度來(lái)剔除這一部分的邊緣線比較困難.

圖6 熔池表面亮度飽和區(qū)域形成的偽邊緣示意圖Fig.6 Schematic of fake edge formed in the brightness saturation region of the molten pool surface.(a)brightness saturation region in molten pool image;(b) interference edge caused by brightness saturation area

為了將這一部分影響能夠徹底地排除掉，希望亮度飽和區(qū)域的灰度值變化分布能夠與它附近的區(qū)域呈現(xiàn)一致.與2.1 節(jié)第一部分所述基于滑動(dòng)窗口非線性灰度變換的弱邊緣增強(qiáng)算法類似，在這一部分同樣通過(guò)基于滑動(dòng)窗口遍歷圖像中所有像素點(diǎn)的計(jì)算方式來(lái)調(diào)整圖像的灰度分布情況，達(dá)到壓制亮度飽和區(qū)域產(chǎn)生的不良影響的目的.

基于遍歷到的像素點(diǎn) (i,j)計(jì)算以它為中心的3 × 3 鄰域內(nèi)的像素點(diǎn)的灰度均值Gmean，g(i,j)即像素點(diǎn)(i,j)的灰度值.在得到鄰域灰度均值的情況下，將整個(gè)3 × 3 鄰域內(nèi)的所有像素點(diǎn)的灰度值做基于反比函數(shù)的計(jì)算變換，如式(4)所示.

式中：M值為90，經(jīng)過(guò)弱邊緣增強(qiáng)與灰度調(diào)整之后的熔池圖像如圖7 所示.

圖7 預(yù)處理之后的熔池圖像Fig.7 Molten pool image after preprocessing.(a) original image;(b) preprocessed image

2.2 OTM-EDG 算法梯度計(jì)算過(guò)程

傳統(tǒng)邊緣檢測(cè)算子利用水平以及垂直兩個(gè)方向上的一階微分算子模板對(duì)圖像中遍歷到的像素點(diǎn)的鄰域區(qū)域中的梯度幅值進(jìn)行計(jì)算，在這個(gè)過(guò)程中可能出現(xiàn)的問(wèn)題是，圖像中邊緣的方向是朝著許多不同的方向延伸的，僅僅利用水平和垂直兩個(gè)方向的一階微分算子模板對(duì)鄰域的梯度幅值進(jìn)行檢測(cè)，對(duì)圖像中的噪聲比較敏感，可能會(huì)造成邊緣的漏檢與錯(cuò)檢.

在經(jīng)過(guò)預(yù)處理的熔池圖像的基礎(chǔ)上利用擴(kuò)展至4 個(gè)方向上的Sobel 算子模板首先對(duì)熔池圖像進(jìn)行邊緣方向強(qiáng)響應(yīng)檢測(cè)，確定每個(gè)像素點(diǎn)的3 × 3 鄰域窗口對(duì)應(yīng)的邊緣方向的算子模板，然后利用加權(quán)計(jì)算的方式得到鄰域窗口中心像素點(diǎn)的梯度值.經(jīng)過(guò)基于滑動(dòng)窗口的操作，繼而得到整張圖像的梯度圖.

將原來(lái)只有水平和垂直兩個(gè)方向的Sobel 算子擴(kuò)展到4 個(gè)方向，在其中加入 45°與1 35°兩個(gè)方向的一階微分算子，擴(kuò)展后的Sobel 算子模板如圖8 所示.

圖8 擴(kuò)展后的Sobel 算子模板示意圖Fig.8 Schematic of Sobel operator template after expansion.(a) horizontal direction;(b) 45° direction;(c) vertical direction;(d) 135° direction

利用4 個(gè)方向上的Sobel 算子模板對(duì)熔池圖像進(jìn)行卷積操作，得到如圖9 所示的4 張?zhí)荻葓D.從圖中可以看出在與不同方向的算子模板進(jìn)行卷積之后，熔池圖像中不同區(qū)域、不同方向上的邊緣信息產(chǎn)生不同強(qiáng)度的響應(yīng).

圖9 4 個(gè)方向上的Sobel 算子模板卷積梯度圖Fig.9 Gradient image of four direction Sobel operator template.(a) original image;(b) horizontal direction;(c) 45° direction;(d) vertical direction;(e) 135° direction

在得到4 張不同方向的微分算子模板與原圖卷積計(jì)算生成的熔池梯度幅值圖后，在原圖的基礎(chǔ)上從圖像的左上角像素開(kāi)始進(jìn)行逐行逐列的遍歷，對(duì)于遍歷到的像素點(diǎn) (i,j)，查詢它在上述4 張圖中對(duì)應(yīng)像素坐標(biāo)點(diǎn)的梯度幅值P0°，P45°，P90°以 及P135°中的最大值與最小值.設(shè)梯度幅值最大值為Pmax，最小值為Pmin，其它兩張?zhí)荻确祱D中的梯度響應(yīng)分別為P1，P2，根據(jù)式(5)計(jì)算出像素點(diǎn) (i,j)的基于邊緣導(dǎo)向算子模板匹配的梯度幅值P.

式中：M值為3；m值為1/3.

基于上述計(jì)算過(guò)程得到的基于邊緣方向算子模板匹配的梯度幅值效果如圖10 所示，得到的梯度幅值經(jīng)過(guò)閾值化操作(閾值系數(shù)根據(jù)不同工藝參數(shù)下的熔池圖像有所微調(diào))后得到圖10c 所示的梯度二值圖，可以看出經(jīng)過(guò)這種算法的梯度算子能夠有效地使熔池圖像中的弱邊緣區(qū)域附近產(chǎn)生較強(qiáng)的梯度響應(yīng).

圖10 基于邊緣方向算子模板匹配的梯度圖Fig.10 Gradient image based on edge direction operator template matching.(a) original image;(b) gradient amplitude grayscale;(c) gradient amplitude binary diagram

從圖10 中看到此時(shí)熔池前端的輪廓邊緣在經(jīng)過(guò)預(yù)處理后未能產(chǎn)生較強(qiáng)的梯度值響應(yīng).從圖6 可以看出，Canny 算子能夠檢測(cè)到較完整清晰的熔池前端的輪廓邊緣.所以最后一步操作是以熔池區(qū)域的中心線為基準(zhǔn)，將熔池前端部分的Canny 算子的檢測(cè)效果與算法的檢測(cè)效果的熔池弱邊緣區(qū)域進(jìn)行拼接，得到邊緣粗提取效果如圖11 所示.

圖11 邊緣粗提取效果圖Fig.11 Schematic of rough edge detection

2.3 OTM-EDG 算法后處理過(guò)程

在算法的后處理部分，基于2.2 節(jié)得到的邊緣粗提取結(jié)果獲取與熔池區(qū)域吻合的封閉連通域，之后經(jīng)過(guò)基于數(shù)學(xué)形態(tài)學(xué)的圖像算法對(duì)連通域進(jìn)行處理，使其邊緣更加平滑與準(zhǔn)確.為了使梯度二值圖形成閉合的連通孔洞，首先基于梯度的幅值與方向獲取更多的弱邊緣信息，從而連接斷裂的邊緣.

對(duì)于圖像中產(chǎn)生了強(qiáng)梯度值響應(yīng)的像素點(diǎn)，搜索其5 × 5 的鄰域區(qū)域，計(jì)算其近鄰的像素點(diǎn)的梯度幅值與梯度方向，當(dāng)近鄰像素的梯度幅值與梯度方向與強(qiáng)響應(yīng)像素點(diǎn)的梯度幅值與梯度方向之間的差值小于設(shè)定的閾值，就將這個(gè)近鄰像素點(diǎn)也置為強(qiáng)響應(yīng)點(diǎn)，梯度幅值同樣依照式(5)進(jìn)行計(jì)算，梯度方向依照式(6)進(jìn)行計(jì)算.

根據(jù)式(7)判斷鄰域內(nèi)像素點(diǎn)是否被置為強(qiáng)梯度值響應(yīng)像素點(diǎn).

對(duì)于滿足式(7)的鄰域內(nèi)的像素點(diǎn)，若其本身非強(qiáng)梯度值響應(yīng)像素點(diǎn)，將其置為強(qiáng)響應(yīng)像素點(diǎn)；若其本身是強(qiáng)梯度值響應(yīng)像素點(diǎn)，不對(duì)其做另外的處理.經(jīng)過(guò)上述基于梯度幅值與方向的邊緣連接操作之后的效果如圖12 所示，可以看出經(jīng)過(guò)邊緣連接處理后，熔池后端弱邊緣區(qū)域的梯度幅值響應(yīng)變得更加稠密，這一操作有效地增加了斷裂邊緣區(qū)域的連通概率.

圖12 基于梯度幅值與方向的邊緣連接效果圖Fig.12 Schematic of edge connection based on gradient and direction.(a) original gradient binary graph;(b) edge connection effect image

在得到了一個(gè)與熔池區(qū)域接近的大尺度連通孔洞區(qū)域后，還需要進(jìn)行基于數(shù)學(xué)形態(tài)學(xué)的圖像處理操作便可得到熔池的輪廓邊緣.具體操作流程如下.

(1)熔池區(qū)域內(nèi)部由于Canny 算子檢測(cè)效果拼接引入的干擾邊緣，利用判定連通域尺度的方法對(duì)連通域尺度小于設(shè)定閾值的小連通域進(jìn)行去除，效果如圖13 所示.

圖13 干擾邊緣去除示意圖Fig.13 Schematic of interference edge removal.(a)original image;(b) result image

(2)填充圖像中的封閉孔洞區(qū)域，將填充之后的圖像與填充前的圖像相減，保留與熔池區(qū)域?qū)?yīng)的尺度最大的連通域，效果如圖14 所示.

圖14 熔池區(qū)域連通域獲取流程示意圖Fig.14 Schematic of obtaining region of molten pool area.(a) original image;(b) fill effect image;(c)difference effect image;(d) reserved maximum connected domain

(3)為使連通域具有熔池輪廓的特點(diǎn)，對(duì)連通域做基于數(shù)學(xué)形態(tài)學(xué)的圖像處理操作.具體操作為建立一個(gè)半徑為15 個(gè)像素的圓盤(pán)形算子結(jié)構(gòu)，利用它先對(duì)連通域作閉運(yùn)算，再作開(kāi)運(yùn)算，從而使得連通域的邊緣更加平滑飽滿.效果如圖15 所示.

圖15 連通域的輪廓提取示意圖Fig.15 Schematic of contour extraction.(a) original image;(b) smoothing effect image;(c) contour edge of connected domain;(d) effect of superimposing the contour on the molten pool image

3 試驗(yàn)結(jié)果與分析

文中第2 節(jié)詳細(xì)描述了OTM-EDG 算法的流程，為了驗(yàn)證提出算法的分割準(zhǔn)確性，利用該算法對(duì)于不同焊接工藝參數(shù)下的TIG 焊不銹鋼圖像進(jìn)行測(cè)試，并將測(cè)試結(jié)果與傳統(tǒng)的邊緣檢測(cè)算法檢測(cè)的結(jié)果進(jìn)行對(duì)比.

圖16 列舉出了其它焊接工藝參數(shù)下的TIG 焊不銹鋼熔池圖像基于文中提出算法的輪廓提取流程，可以看出流程中每一步操作得到的結(jié)果都能與第2 節(jié)的內(nèi)容一一對(duì)應(yīng).

圖16 算法流程示意圖Fig.16 Schematic of OTM-EDG algorithm

3 種傳統(tǒng)邊緣檢測(cè)算法與OTM-EDG 算法的效果對(duì)比如圖17 所示.可以看出，圖17a，17b 兩列的結(jié)果受到圖像灰度分布影響較為嚴(yán)重，在TIG 焊不銹鋼熔池圖像中熔池區(qū)域與背景區(qū)域之間的灰度值相差并不大，并且焊接電弧光對(duì)圖像的灰度分布產(chǎn)生了嚴(yán)重的影響，這兩類算法不適合應(yīng)用在TIG焊不銹鋼熔池圖像的熔池輪廓提取中.圖17c 為直接使用Canny 邊緣檢測(cè)算子對(duì)熔池圖像進(jìn)行輪廓提取的結(jié)果，可以看出對(duì)于梯度值較大的區(qū)域，Canny 算子能夠檢測(cè)到準(zhǔn)確的邊緣，不過(guò)在弱邊緣的檢測(cè)上存在較大的局限性，難以獲得與熔池區(qū)域相吻合的完整連續(xù)的輪廓邊緣.

圖17 多種算法效果對(duì)比圖Fig.17 Comparison of effects of various algorithms.(a)Otsu threshold method;(b) CV active contour method;(c) Canny method;(d) OTM-EDG method

綜上所述，傳統(tǒng)的邊緣檢測(cè)算法在TIG 焊不銹鋼熔池圖像中不能達(dá)到良好的效果的原因歸為兩點(diǎn).①?gòu)?qiáng)烈的焊接電弧光導(dǎo)致的圖像灰度分布不均；②不銹鋼熔池表面的紋理特點(diǎn)不利于傳統(tǒng)邊緣檢測(cè)算法的應(yīng)用.從圖17 可以看出，OTM-EDG 算法相較于Otsu 閾值法 和CV 主動(dòng)輪廓算法的算法能夠更加準(zhǔn)確地定位到熔池區(qū)域的強(qiáng)邊緣與弱邊緣，而不會(huì)受到圖像灰度分布情況的影響；相較于Canny 算法能夠在精準(zhǔn)定位弱邊緣的前提下獲得一個(gè)封閉完整的輪廓邊緣，且不存在其它冗余邊緣線的干擾，方便后續(xù)熔池形態(tài)參數(shù)的提取與計(jì)算.

為了檢測(cè)算法的運(yùn)行時(shí)間，對(duì)比了幾種熔池分割算法的耗時(shí)，結(jié)果如表2 所示.通過(guò)對(duì)比可以看出文中方法運(yùn)行時(shí)間較快，綜合考慮分割結(jié)果與測(cè)試效率，該方法優(yōu)于其它方法.

表2 測(cè)試過(guò)程耗時(shí)Table 2 Test process time

為了驗(yàn)證提出算法的魯棒性，隨機(jī)抽取圖17中4 組不同焊接參數(shù)工藝下采集到的圖像中連續(xù)5 幀圖像進(jìn)行測(cè)試，測(cè)試結(jié)果如圖18 所示.可以看出提出算法在連續(xù)熔池圖像的輪廓提取中能獲得不錯(cuò)的準(zhǔn)確度，能夠適用于工業(yè)焊接生產(chǎn)環(huán)境.

圖18 連續(xù)幀圖像測(cè)試結(jié)果示意圖Fig.18 Schematic of continuous frame images test results.(a) the first frame;(b) the second frame;(c) the third frame;(d) the fourth frame;(e) the fifth frame

4 結(jié)論

(1) 建立了基于被動(dòng)式傳感法的熔池視覺(jué)傳感系統(tǒng)，采集到了高質(zhì)量的熔池彩色圖像.

(2) 針對(duì)TIG 焊不銹鋼熔池圖像提出了一種基于邊緣導(dǎo)向算子模板匹配的熔池輪廓提取算法，該算法將傳統(tǒng)邊緣算法中對(duì)邊緣產(chǎn)生梯度值響應(yīng)，從而檢測(cè)輪廓的方法轉(zhuǎn)化為獲得與熔池區(qū)域吻合的大尺度連通域，進(jìn)而取得熔池的輪廓邊緣.

(3) 經(jīng)過(guò)試驗(yàn)驗(yàn)證，證明提出的算法能夠提取到封閉完整，且定位準(zhǔn)確的TIG 焊不銹鋼熔池輪廓.