李冰 楊旭 何煊 翟永杰

摘? 要： 為了提高薄板對(duì)焊焊接過(guò)程中焊縫識(shí)別的精度，基于斜率檢測(cè)算法并結(jié)合斜率置信算法和斜率適應(yīng)值，提出一種自適應(yīng)薄板焊縫識(shí)別算法。通過(guò)對(duì)激光束在焊接工件上的三原色圖像比較進(jìn)行色位圖選擇，利用最大類間方差法提取圖像中的激光束輪廓，對(duì)激光束輪廓按列計(jì)算質(zhì)心行位置并進(jìn)行線性擬合優(yōu)化質(zhì)心線數(shù)據(jù)，最后利用自適應(yīng)斜率檢測(cè)算法判斷焊縫與焊板間的圖像激光跳變位置，實(shí)現(xiàn)焊縫左右邊界檢測(cè)進(jìn)而實(shí)現(xiàn)焊縫識(shí)別。試驗(yàn)結(jié)果表明，自適應(yīng)焊縫識(shí)別算法可以實(shí)現(xiàn)對(duì)焊焊縫的檢測(cè)與識(shí)別，與斜率檢測(cè)算法相比，識(shí)別精度更高，有效地提高了焊接質(zhì)量與焊接效率。

關(guān)鍵詞： 焊縫識(shí)別; 焊接系統(tǒng); 激光束輪廓; 質(zhì)心線數(shù)據(jù); 自適應(yīng)斜率檢測(cè); 實(shí)驗(yàn)測(cè)試

中圖分類號(hào)： TN911?34; TG409? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）18?0182?05

Abstract： An adaptive thin plate welding seam identification algorithm is proposed based on the slope detection algorithm and combined with the slope confidence algorithm and the slope adaptation value to improve the welding seam identification accuracy during the thin plate butt welding process. The color bitmap is selected by comparing the three?primary color images of the laser beam on the weld workpiece， and the laser beam profile in the image is extracted by means of the maximum inter?class variance method. The centroid row position is calculated according to the column of the laser beam profile， and the centroid line data is optimized by means of the linear fitting. The image laser jumping position between the welding seam and the welding plate is determined by means of the adaptive slope detection algorithm， so that he left and right boundary detection of welding seam is realized， and then the welding seam recognition is realized. The experimental results show that the adaptive welding seam recognition algorithm can realize the detection and identification of the welding seam， in comparison with the slope detection algorithm， the recognition accuracy is higher， and the welding quality and welding efficiency are effectively improved.

Keywords： welding seam identification; welding system; laser beam profile; centroid line data; adaptive slope detection; experimental measurement

0? 引? 言

由于焊接過(guò)程中產(chǎn)生的強(qiáng)光、煙塵等會(huì)危害到人體健康，同時(shí)人工焊接存在焊接質(zhì)量不穩(wěn)定、效率低等問(wèn)題，因此傳統(tǒng)的人工焊接方式已逐漸被自動(dòng)焊接所替代[1]。自動(dòng)焊接中進(jìn)行焊縫檢測(cè)的傳感系統(tǒng)[2]主要有電弧傳感系統(tǒng)和視覺傳感系統(tǒng)2種。隨著電荷耦合元件（Charge?Coupled Device， CCD）等視覺傳感器以及數(shù)字圖像處理算法等領(lǐng)域的發(fā)展，視覺傳感系統(tǒng)以其信息廣泛、靈活智能等優(yōu)點(diǎn)在焊接控制和焊縫跟蹤等領(lǐng)域得到了廣泛應(yīng)用[3?4]。其中，如何實(shí)現(xiàn)實(shí)時(shí)精確地焊縫位置跟蹤成為視覺傳感系統(tǒng)研究的熱點(diǎn)與難點(diǎn)[5?6]。在實(shí)際焊縫識(shí)別過(guò)程中，高精度的焊縫識(shí)別算法需要高性能處理器且占用大量?jī)?nèi)存，焊縫識(shí)別系統(tǒng)的成本較高。

通過(guò)對(duì)薄板對(duì)焊焊縫的識(shí)別與檢測(cè)進(jìn)行研究，在傳統(tǒng)斜率檢測(cè)算法的基礎(chǔ)上，結(jié)合斜率置信算法和斜率適應(yīng)值，提出一種自適應(yīng)薄板焊縫識(shí)別算法，實(shí)現(xiàn)薄板對(duì)焊焊縫的識(shí)別與檢測(cè)。

1? 焊接系統(tǒng)的組成

自動(dòng)焊接系統(tǒng)主要包括視覺傳感系統(tǒng)、焊接控制器、行走結(jié)構(gòu)及焊槍位置調(diào)節(jié)機(jī)構(gòu)。其工作過(guò)程為：視覺傳感系統(tǒng)識(shí)別焊縫位置并通過(guò)通信接口發(fā)送至焊接控制器，焊接控制器根據(jù)焊縫信息調(diào)節(jié)焊槍位置實(shí)現(xiàn)焊縫跟蹤和焊接行走控制[7?8]。

視覺傳感系統(tǒng)采用結(jié)構(gòu)光型激光視覺傳感系統(tǒng)，包括線性激光發(fā)射裝置、攝像機(jī)和ARM?M4高性能處理器等，如圖1所示。攝像機(jī)垂直于焊板安裝，激光發(fā)射裝置與焊板呈45°安裝，激光發(fā)射裝置發(fā)射的激光束投射到焊接工件上，攝像機(jī)捕捉激光束圖像經(jīng)處理器計(jì)算標(biāo)定后得到焊縫位置信息[9]，通過(guò)串行通信接口送至焊槍控制器。

所選攝像機(jī)為OV5640攝像模塊，該面陣攝像頭體積小、工作電壓低，可得到240行320列的低分辨率彩色圖像。所選處理器為STM32F429核心板，具有低功耗、512 KB內(nèi)存和180 MHz運(yùn)行頻率等性能。所選激光發(fā)射裝置為安裝有鮑威爾光學(xué)劃線棱鏡的均勻一字激光模組，可以發(fā)射波長(zhǎng)450 nm的高功率藍(lán)色激光。

2? 焊縫識(shí)別算法

選用的薄板焊接工件厚度約為3 mm，采用直縫對(duì)焊焊接方式，工件焊縫寬度約為1～4 mm。由于工件的厚度較小，焊接圖像具有以下特點(diǎn)：

1） 激光束照射在焊板及焊縫中的激光線分別為連續(xù)直線，且斜率大致相等;

2） 3段激光線為錯(cuò)位斷續(xù)形態(tài)。

激光視覺傳感系統(tǒng)實(shí)現(xiàn)焊縫識(shí)別主要過(guò)程為：圖像采集、激光束輪廓提取、質(zhì)心線數(shù)據(jù)計(jì)算、焊縫位置檢測(cè)等。算法流程圖如圖2所示。

2.1? 激光束輪廓提取

首先對(duì)攝像機(jī)采集的圖像進(jìn)行RGB分解得到三色位等高線圖，如圖3所示。以紅色位等高線圖為例，每一像素點(diǎn)的顏色表示此像素點(diǎn)的色位值大小，顏色越亮表示此點(diǎn)色位值越大，即此處的紅色光越多，反之表示色位值越小。

由圖3可知，紅、綠色位圖與原圖差別較小，且焊板與激光束區(qū)域的色位值差別較大，能夠較好地反映焊接圖像特征，便于焊縫信息的提取。而藍(lán)色位圖中，由于高功率藍(lán)色激光投射在焊板上發(fā)生散射，導(dǎo)致藍(lán)色位圖非激光照射區(qū)域產(chǎn)生大量噪點(diǎn)塊，與焊接圖像差異較大，因此舍棄藍(lán)色位圖，將紅綠2種色位圖分別識(shí)別的焊縫邊界位置均值作為焊縫邊界位置。

以紅色位圖為例，激光束投射在工件上的區(qū)域與無(wú)激光束投射的焊板色位值相差較大，采用最大類間方差法對(duì)圖像進(jìn)行二值化后提取激光束輪廓區(qū)域[3]，結(jié)果如圖4所示，其中圖4a）橫坐標(biāo)為圖像320列，縱坐標(biāo)為圖像240行。

2.2? 質(zhì)心線數(shù)據(jù)提取與優(yōu)化

感興趣區(qū)域（Region of Interest， ROI）廣泛應(yīng)用于機(jī)器視覺和圖像處理領(lǐng)域，常用方框、圓、不規(guī)則多邊形等圖形在圖像中勾勒出目標(biāo)區(qū)域[10]。由于目標(biāo)圖像是以投射在工件上的激光束位置作為焊縫識(shí)別的依據(jù)，所以ROI應(yīng)采用線型的激光輪廓質(zhì)心數(shù)據(jù)。為此，遍歷圖4a）中每一列輪廓通過(guò)下式得到輪廓質(zhì)心作為該列ROI的質(zhì)心線數(shù)據(jù)。

最終得到320個(gè)激光束行質(zhì)心位置，紅色位圖部分?jǐn)?shù)據(jù)如表1所示。

由表1中優(yōu)化前數(shù)據(jù)和圖4a）可知，157～160列由于缺少激光束輪廓導(dǎo)致數(shù)據(jù)值為0。由圖3a）可知，因?yàn)榧す獍l(fā)射裝置中心與焊縫中心之間存在偏差，導(dǎo)致焊板對(duì)激光投射產(chǎn)生遮擋，使焊縫內(nèi)左側(cè)微小區(qū)域內(nèi)無(wú)激光投射，因此無(wú)激光束輪廓，其質(zhì)心位置為0。此類無(wú)數(shù)據(jù)段一般出現(xiàn)在焊縫左邊界或右邊界位置，但仍屬于焊縫區(qū)域。為了降低識(shí)別誤差，采用最小二乘法擬合該區(qū)域質(zhì)心線數(shù)據(jù)，擬合流程如圖5所示。

算法結(jié)果如表1優(yōu)化后數(shù)據(jù)和圖6所示。其中圖6a）為優(yōu)化前數(shù)據(jù)（上方綠色“*”點(diǎn)）與優(yōu)化后數(shù)據(jù)（下方紅色“[?]”點(diǎn)）的對(duì)比圖，橫坐標(biāo)為圖像320列，縱坐標(biāo)為各列質(zhì)心數(shù)據(jù)。

2.3? 斜率檢測(cè)算法與斜率置信算法

由圖4b）可知，焊板上和焊縫內(nèi)的質(zhì)心線數(shù)據(jù)差值不大，但焊板與焊縫間由于激光錯(cuò)位導(dǎo)致數(shù)據(jù)有較大的突變。結(jié)合上述特征，選取斜率檢測(cè)法識(shí)別焊縫與焊板的跳變沿，即計(jì)算質(zhì)心線數(shù)據(jù)每一點(diǎn)與其下一點(diǎn)之間的色位值變化率為：

式中：[Δi]為第[i]點(diǎn)的變化率;[yi]為第[i]點(diǎn)的色位值;[xi]為圖像列坐標(biāo)。通過(guò)上述算法，得到1行319列的斜率矩陣，由大到小排序后檢測(cè)結(jié)果如表2所示。其中，k1，k2，k3表示斜率矩陣按斜率值排序后最大的3個(gè)斜率點(diǎn)。

由于焊縫內(nèi)色位值數(shù)據(jù)大小集中，且與焊板上數(shù)據(jù)存在大幅度階躍，因此斜率矩陣的分布規(guī)律如圖7所示，即兩跳變沿處斜率數(shù)值較大且相近，其余位置的斜率數(shù)值較小且與跳變沿處斜率值有較大差異。依據(jù)上述焊縫斜率特點(diǎn)，通過(guò)設(shè)計(jì)斜率置信算法來(lái)提高跳變沿識(shí)別精度，若[k1-k2

2.4? 自適應(yīng)斜率檢測(cè)算法

結(jié)合表2數(shù)據(jù)與斜率置信算法可知，紅色位圖跳變沿識(shí)別結(jié)果符合置信要求，綠色位圖跳變沿識(shí)別不可信。由圖3c）可知，由于激光發(fā)射裝置中心與焊縫中心之間存在角度偏差，導(dǎo)致綠色位圖中焊縫右邊界處存在激光斑點(diǎn)噪聲，致使激光束輪廓提取有誤。

為了提高焊縫識(shí)別的正確率，設(shè)計(jì)一種自適應(yīng)斜率檢測(cè)算法：將斜率置信算法作為判別檢測(cè)結(jié)果的反饋環(huán)節(jié)，判斷是否滿足預(yù)期檢測(cè)期望，若不滿足則逐級(jí)加入斜率適應(yīng)值，同時(shí)調(diào)整權(quán)重，以增加檢測(cè)深度，迭代得到最優(yōu)解。算法流程圖如圖8所示。

在應(yīng)用自適應(yīng)斜率檢測(cè)算法時(shí)，首先進(jìn)行正常的斜率檢測(cè)，根據(jù)斜率置信算法判斷跳變沿位置是否滿足要求。若可信則不再加入斜率適應(yīng)值并結(jié)束檢測(cè)，若不可信則加入一級(jí)斜率適應(yīng)值，與斜率檢測(cè)值求和再次判斷。其中，一級(jí)斜率適應(yīng)值為質(zhì)心線數(shù)據(jù)中某點(diǎn)[xi]的左右一點(diǎn)[xi-1]和[xi+1]對(duì)應(yīng)色位值之差：[yi+1-yi-1]。

若一級(jí)斜率適應(yīng)跳變沿檢測(cè)可信則結(jié)束檢測(cè)，若不可信則加入二級(jí)斜率適應(yīng)值，與一級(jí)斜率適應(yīng)值、斜率檢測(cè)值三者求和再次判斷。其中，二級(jí)斜率適應(yīng)值為質(zhì)心線數(shù)據(jù)中某點(diǎn)[xi]的左右兩點(diǎn)[xi-2]和[xi+2]對(duì)應(yīng)色位值之差：[yi+2-yi-2]。以此類推，若迭代最末級(jí)適應(yīng)值加入后，跳變沿位置依然不符合置信算法，則結(jié)束檢測(cè)并認(rèn)定此色位圖檢測(cè)結(jié)果不可信。

由963張不同焊縫形態(tài)的圖像進(jìn)行不同迭代次數(shù)的實(shí)驗(yàn)，識(shí)別率結(jié)果如表3與圖9所示。

由結(jié)果可知，圖像識(shí)別率隨迭代深度的提高而提高，當(dāng)深度大于5時(shí)識(shí)別率提高幅度下降，且算法運(yùn)行時(shí)間大大增加，不利于實(shí)時(shí)快速地提取焊縫。因此選取5級(jí)迭代，即若加入4級(jí)斜率適應(yīng)值后檢測(cè)結(jié)果仍不可信，則結(jié)束本色位圖識(shí)別，并將上次焊縫識(shí)別結(jié)果作為本次識(shí)別結(jié)果。

由于多個(gè)斜率適應(yīng)值的加入會(huì)降低初始斜率檢測(cè)結(jié)果所占比重，因此對(duì)各級(jí)斜率適應(yīng)值加權(quán)考量。如表4所示，保持斜率檢測(cè)值權(quán)重為1，最末級(jí)斜率適應(yīng)值權(quán)重為0.5，其余各級(jí)斜率適應(yīng)值取0.5～1之間的等分值。

3? 識(shí)別結(jié)果與對(duì)比分析

通過(guò)上述算法對(duì)不同焊縫圖像的識(shí)別結(jié)果如圖10所示，其中焊縫部分以紅色標(biāo)注，焊板部分以綠色標(biāo)注。由圖10可知，該算法可以精確地實(shí)現(xiàn)焊縫圖像中激光束投射區(qū)域內(nèi)的焊板與焊縫的劃分，實(shí)現(xiàn)了焊縫識(shí)別與檢測(cè)。

為了試驗(yàn)自適應(yīng)斜率檢測(cè)算法的魯棒性，對(duì)所提算法與斜率檢測(cè)法以及平均斜率法進(jìn)行敏感度測(cè)試：

不同算法識(shí)別結(jié)果比較如表5所示。

由表5可知，有權(quán)重自適應(yīng)斜率檢測(cè)法的識(shí)別率高達(dá)98.89%，高于無(wú)權(quán)重自適應(yīng)斜率檢測(cè)法識(shí)別率1.58%，高于斜率檢測(cè)法識(shí)別率2.73%，且遠(yuǎn)高于平均斜率法識(shí)別率。結(jié)果表明：

1） 平均斜率法過(guò)度強(qiáng)調(diào)多點(diǎn)變化趨勢(shì)，忽視了焊縫質(zhì)心線數(shù)據(jù)階躍變化特點(diǎn)，導(dǎo)致識(shí)別率較低。

2） 自適應(yīng)斜率檢測(cè)法的識(shí)別置信度比斜率檢測(cè)法高，即檢測(cè)結(jié)果更可信。

3） 自適應(yīng)斜率檢測(cè)算法中各適應(yīng)值設(shè)置權(quán)重可提高識(shí)別率。通過(guò)試驗(yàn)可知，自適應(yīng)斜率檢測(cè)算法可以精準(zhǔn)識(shí)別拼接薄板的焊縫位置，滿足準(zhǔn)確性、實(shí)時(shí)性、魯棒性等生產(chǎn)工藝要求。

4? 結(jié)? 論

通過(guò)對(duì)焊縫識(shí)別圖像中激光束的分布特性進(jìn)行圖像預(yù)處理和ROI特征提取，將斜率置信算法與斜率檢測(cè)算法相結(jié)合對(duì)焊縫輪廓質(zhì)心進(jìn)行優(yōu)化，設(shè)計(jì)了具有反饋迭代功能的自適應(yīng)斜率檢測(cè)算法，從而實(shí)現(xiàn)了薄板對(duì)焊焊縫識(shí)別與檢測(cè)。試驗(yàn)結(jié)果表明，所設(shè)計(jì)算法焊縫識(shí)別精度較高，用于自動(dòng)焊接中，焊縫識(shí)別效果性能穩(wěn)定，能夠滿足焊接要求，大大提高了薄板對(duì)焊焊接效率，具有較強(qiáng)的適用性。

參考文獻(xiàn)

[1] 翟培卓，薛松柏，陳濤，等.焊縫跟蹤過(guò)程傳感與信號(hào)處理技術(shù)的研究進(jìn)展[J].材料導(dǎo)報(bào)，2019，33（7）：1079?1088.

[2] 呂健，呂學(xué)勤.焊接機(jī)器人軌跡跟蹤研究現(xiàn)狀[J].機(jī)械制造文摘，2017（1）：18?25.

[3] 劉輝榮.焊縫跟蹤系統(tǒng)中的圖像處理技術(shù)研究[D].沈陽(yáng)：沈陽(yáng)工業(yè)大學(xué)，2008.

[4] 高世一，楊凱珍，劉師田，等.基于數(shù)據(jù)擬合的激光焊接焊縫圖像表面缺陷檢測(cè)[J].現(xiàn)代電子技術(shù)，2011，34（14）：188?190.

[5] 許皓.基于機(jī)器視覺的焊縫識(shí)別及軌跡規(guī)劃[D].南寧：廣西大學(xué)，2017.

[6] 劉衛(wèi)朋.焊接機(jī)器人焊接路徑識(shí)別與自主控制方法研究及應(yīng)用[D].天津：河北工業(yè)大學(xué)，2016.

[7] WANG X P， BAI R L， LIU Z T. Weld seam detection and feature extraction based on laser vision [C]// Proceedings of the 33rd Chinese Control Conference. Nanjing： IEEE， 2014： 1021?1032.

[8] LIU S Y， LIU L T， ZHANG H， et al. Study of robot seam tracking system with laser vision [C]// International Conference on Mechatronics & Automation. Changchun： IEEE， 2009： 1296?1301.

[9] 王灤平.圖像處理技術(shù)在機(jī)器人焊接中的應(yīng)用[J].電子科學(xué)技術(shù)，2016，3（5）：570?573.

[10] 雷正龍，呂濤，陳彥賓，等.基于掃描激光視覺傳感的焊縫圖像特征信息識(shí)別[J].焊接學(xué)報(bào)，2013，34（5）：54?58.