董亞男

（長(zhǎng)春教育學(xué)院，長(zhǎng)春 130052）

0 引言

近年來(lái)，伴隨著機(jī)械自動(dòng)化領(lǐng)域的快速發(fā)展，焊縫技術(shù)被廣泛應(yīng)用于計(jì)算機(jī)、汽車(chē)制造、化工業(yè)、制造業(yè)等領(lǐng)域[1]。為了提高焊縫效率、提升成品質(zhì)量，我國(guó)焊縫工作人員一直在對(duì)光電傳感器焊縫[2]進(jìn)行研究，為實(shí)現(xiàn)焊縫過(guò)程的高效化做努力。其中的關(guān)鍵就是對(duì)光電傳感器焊縫自動(dòng)識(shí)別系統(tǒng)進(jìn)行創(chuàng)新和改造。由實(shí)驗(yàn)證明和理論依據(jù)可知，在機(jī)器視覺(jué)的基礎(chǔ)上，對(duì)光電傳感器焊縫自動(dòng)識(shí)別具有重大意義。

樂(lè)猛[3]等人將大背景下的激光紋路圖像差異化作為依據(jù)，利用深灰度頻率法提取圖像信息，剔除圖像中的冗余信息，確定激光紋路的中心點(diǎn)，再將中心點(diǎn)輸入到Takagi Sugeno模型中進(jìn)行濾波處理，得到具有焊縫特點(diǎn)的中心區(qū)域，結(jié)合快速排序法確定出焊縫區(qū)域的新中心點(diǎn)，反復(fù)執(zhí)行，從而完成對(duì)光電傳感器焊縫的自動(dòng)識(shí)別，但是該方法的識(shí)別率和召回率較低，導(dǎo)致F1值較小。黃畢堯[4]等人利用高低頻焊縫路徑的差異化進(jìn)行自動(dòng)識(shí)別，首先追蹤低頻焊縫識(shí)別路徑，結(jié)合高頻焊縫測(cè)距，將焊縫拓?fù)錅y(cè)試法應(yīng)用到低頻焊縫路徑，在高頻路徑中展開(kāi)試點(diǎn)應(yīng)用，進(jìn)而完成對(duì)光電傳感器焊縫的自動(dòng)識(shí)別，但是該方法的運(yùn)算復(fù)雜度較高。修延飛[5]等人利用分散型數(shù)據(jù)模型模擬出焊縫之間的視覺(jué)曲線(xiàn)關(guān)系，結(jié)合雙激光紋理傳感技術(shù)對(duì)整個(gè)區(qū)域進(jìn)行識(shí)別，完成了焊縫區(qū)域的信息提取，從而完成對(duì)光電傳感器焊縫的自動(dòng)識(shí)別。但是該方法進(jìn)行焊縫識(shí)別的時(shí)間較長(zhǎng)。

為了解決上述方法中存在的問(wèn)題，本文利用機(jī)器視覺(jué)技術(shù)對(duì)光電傳感器焊縫自動(dòng)識(shí)別方法展開(kāi)研究。

1 光電傳感器焊縫圖像采集與目標(biāo)區(qū)域檢測(cè)

1.1 基于于機(jī)器視覺(jué)的圖像采集

圖像采集是進(jìn)行光電傳感器焊縫自動(dòng)識(shí)別的關(guān)鍵環(huán)節(jié)，獲取高清的光電傳感器焊縫圖像才能更有效、更精準(zhǔn)的檢測(cè)出圖像的目標(biāo)區(qū)域，以提升光電傳感器焊縫識(shí)別精度。而機(jī)器視覺(jué)技術(shù)是一種圖像采集技術(shù)，其運(yùn)算簡(jiǎn)單，并且采集到的圖像質(zhì)量較高，因此，本文利用機(jī)器視覺(jué)技術(shù)對(duì)光電傳感器焊縫圖像進(jìn)行采集，為后續(xù)的光電傳感器焊縫自動(dòng)識(shí)別奠定基礎(chǔ)。

由于通過(guò)相機(jī)CCD對(duì)待識(shí)別的光電傳感器焊縫圖像進(jìn)行采集時(shí)，需要考慮光源問(wèn)題，以使照明效果呈最佳狀態(tài)，從而獲取清晰圖像，因此，根據(jù)光電傳感器焊縫的大小和工作需求，本文結(jié)合相機(jī)CCD并選取XF-5MDT05X65型號(hào)的鏡頭，對(duì)待識(shí)別的光電傳感器焊縫圖像進(jìn)行采集，保證光電傳感器焊縫圖像的灰度值均勻。

設(shè)定光電傳感器焊縫視覺(jué)分布灰度像素值為d(x，y)，則構(gòu)建的光電傳感器焊縫圖像采集模型為：

式(1)中，E為圖像分形系數(shù)；xi表示像素值。

1.2 基于高斯模型的目標(biāo)區(qū)域檢測(cè)

為了對(duì)光電傳感器焊縫進(jìn)行自動(dòng)識(shí)別，首先需要對(duì)焊縫圖像進(jìn)行目標(biāo)檢測(cè)，常見(jiàn)的檢測(cè)方法就是高斯模型，它一般由2～6個(gè)單高斯模型組成，設(shè)定該模型個(gè)數(shù)為L(zhǎng)，權(quán)重為y，分布情況為h，則高斯模型的表達(dá)式如下：

式(2)中，Q表示目標(biāo)數(shù)據(jù)密度；V表示高斯模型平均值；U表示閾值；ζ表示高斯模型方差值；x表示目標(biāo)數(shù)據(jù)。

根據(jù)高斯模型的特點(diǎn)對(duì)光電傳感器焊縫圖像目標(biāo)區(qū)域檢測(cè)，分為以下幾個(gè)步驟：

1）計(jì)算出相鄰模型的均差值，與閾值比較。若均差值小于閾值，則使用如下公式更新模型，其中，λ為參數(shù)學(xué)習(xí)率。

2）光電傳感器焊縫自動(dòng)識(shí)別環(huán)境復(fù)雜，為了提高識(shí)別效率，引入噪聲識(shí)別因子，用式(4)表示，其中O表示噪聲識(shí)別因子，m為函數(shù)，g為模型函數(shù)。

3）噪聲識(shí)別因子加入后，使用如下公式更新算法，舍棄權(quán)值小于零的模型，反復(fù)操作即可抑制噪聲對(duì)識(shí)別結(jié)果的影響。

式(5)中，μ表示高斯模型均值；σ表示參照數(shù)值；?表示采樣數(shù)。

4）以目標(biāo)區(qū)域作為參照物，選擇平均方差強(qiáng)度大于假設(shè)閾值的區(qū)域作為關(guān)鍵區(qū)域，使用如下公式，完成焊縫圖像目標(biāo)區(qū)域的檢測(cè)，其中，D為關(guān)鍵區(qū)域中的目標(biāo)圖像；Q為關(guān)鍵區(qū)域的特征。

2 光電傳感器焊縫識(shí)別

2.1 特征提取

光電傳感器焊縫具有不穩(wěn)定等特征，需要對(duì)此進(jìn)行特征提取來(lái)降低數(shù)據(jù)的密度，具體過(guò)程如下：

1）利用海森矩陣模型J進(jìn)行特征點(diǎn)檢測(cè)，海森模型可通過(guò)下式進(jìn)行描述，其中x，y代表矩陣中的任一點(diǎn)；ζ代表矩陣尺度距離；M代表海森導(dǎo)數(shù)。

2）為了保證光電傳感器焊縫特征的穩(wěn)定性，需要確定一個(gè)可以反復(fù)利用的特征點(diǎn)，首先以之前的特征點(diǎn)為圓心，取ζ為直徑，劃分出特征區(qū)域，計(jì)算出x和y的變換率，進(jìn)而預(yù)測(cè)出特征點(diǎn)方向。

3）利用特征點(diǎn)方向?qū)μ荻确较蜻M(jìn)行校正，根據(jù)以下公式計(jì)算出梯度方向，其中，?代表特征點(diǎn)的方向；Y代表標(biāo)準(zhǔn)化特征向量；V代表向量維數(shù)；λ代表本體向量系數(shù)。

4）為了減少運(yùn)算時(shí)間，運(yùn)用主成分分析法將目標(biāo)向量的維數(shù)度降低，首先運(yùn)用以下公式計(jì)算出特征向量所有集合的協(xié)方差，設(shè)定D代表矩陣模型，U代表矩陣維度。

2.2 量子門(mén)神經(jīng)網(wǎng)絡(luò)自動(dòng)識(shí)別模型

量子是一種具有代表性的計(jì)算單位，它可以在同一時(shí)間分別處于兩個(gè)量子狀態(tài)中，所以量子門(mén)神經(jīng)網(wǎng)絡(luò)自動(dòng)識(shí)別模型具有優(yōu)秀的區(qū)分功能，準(zhǔn)確性強(qiáng)，對(duì)自動(dòng)識(shí)別具有明顯的作用。運(yùn)用量子門(mén)神經(jīng)網(wǎng)絡(luò)對(duì)光電傳感器焊縫進(jìn)行自動(dòng)識(shí)別時(shí)，可用圖1表示流程，具體步驟如下：

圖1 量子門(mén)神經(jīng)網(wǎng)絡(luò)模型流程

1）將預(yù)處理后的光電傳感器焊縫特征數(shù)據(jù)輸入到量子門(mén)神經(jīng)網(wǎng)絡(luò)模型中，計(jì)算出量子態(tài)S，其中，σ為概率幅度；i為像素所在點(diǎn)。

2）計(jì)算網(wǎng)絡(luò)誤差，將產(chǎn)生網(wǎng)絡(luò)誤差的量子刪除，重新計(jì)算，并得到反向傳播誤差信息。

3）根據(jù)梯度降低法則，運(yùn)用以下公式更新出?和y值。其中，A代表隱藏幅度；B代表模型輸出的概率幅度；?代表隱藏矩陣；γ代表模型輸出矩陣；n代表隱藏矩陣個(gè)數(shù)。

4）根據(jù)最優(yōu)迭代方法，輸出精準(zhǔn)度最高的數(shù)據(jù)，結(jié)合梯度降低算法可以得到量子神經(jīng)網(wǎng)絡(luò)模型中的計(jì)算結(jié)果，進(jìn)而完成對(duì)光電傳感器焊縫的自動(dòng)識(shí)別。梯度降低公式如下：

3 實(shí)驗(yàn)與分析

為了驗(yàn)證基于機(jī)器視覺(jué)的光電傳感器焊縫自動(dòng)識(shí)別方法的有效性，通過(guò)MATLAB仿真軟件進(jìn)行仿真實(shí)驗(yàn)測(cè)試。光電焊縫傳感器控制臺(tái)如圖2所示。

圖2 光電焊縫傳感器控制臺(tái)

在上述實(shí)驗(yàn)環(huán)境下進(jìn)行參數(shù)設(shè)置，如表1所示。

表1 實(shí)驗(yàn)參數(shù)設(shè)置

本文采用的實(shí)驗(yàn)樣本為350mm×80mm×4mm的Q235A鋼試板，用白色粉筆在樣本上將對(duì)接焊縫畫(huà)出來(lái)，實(shí)驗(yàn)樣本如圖3所示。

圖3 實(shí)驗(yàn)樣本樣本

將F1值、浮點(diǎn)運(yùn)算數(shù)和時(shí)間作為指標(biāo)，采用基于機(jī)器視覺(jué)的光電傳感器焊縫自動(dòng)識(shí)別方法、文獻(xiàn)[3]方法、文獻(xiàn)[4]和文獻(xiàn)[5]方法進(jìn)行對(duì)比測(cè)試。

1）F1值

F1數(shù)值是用來(lái)衡量自動(dòng)識(shí)別方法性能的指標(biāo)，在統(tǒng)計(jì)學(xué)中很有代表性，其計(jì)算公式如下：

式(13)中，Jz表示召回率；Ac表示準(zhǔn)確率；TP表示正確識(shí)別的正常光電傳感器焊縫結(jié)果，TN表示正確識(shí)別的異常光電傳感器焊縫結(jié)果，F(xiàn)P表示錯(cuò)誤識(shí)別的結(jié)果，F(xiàn)N表示錯(cuò)誤識(shí)別的異常結(jié)果。

判斷光電傳感器焊縫識(shí)別的優(yōu)劣主要依靠識(shí)別準(zhǔn)確率、召回率及F1值等指標(biāo)進(jìn)行驗(yàn)證，對(duì)所提方法、文獻(xiàn)[3]方法、文獻(xiàn)[4]方法和文獻(xiàn)[5]方法分別進(jìn)行準(zhǔn)確率、召回率以及F1值的計(jì)算。不同方法的識(shí)別率如表2所示，召回率測(cè)試結(jié)果如圖4所示，F(xiàn)1值測(cè)試結(jié)果如圖5所示。

圖4 召回率測(cè)試結(jié)果

圖5 F1值測(cè)試結(jié)果

表2 不同方法的識(shí)別率

分析表2中的數(shù)據(jù)可知，隨著實(shí)驗(yàn)次數(shù)的增加，所提方法的識(shí)別率均高于文獻(xiàn)[3]方法和文獻(xiàn)[5]方法，并且所提方法的識(shí)別率比較穩(wěn)定，沒(méi)有出現(xiàn)太大波動(dòng)，而文獻(xiàn)[3]方法和文獻(xiàn)[5]方法的識(shí)別率隨著實(shí)驗(yàn)次數(shù)的增加發(fā)生較大波動(dòng)，實(shí)驗(yàn)結(jié)果表明，針對(duì)光電傳感器焊縫的自動(dòng)識(shí)別，所提方法具有較高的識(shí)別率。

根據(jù)表2、圖4和圖5可知，本文方法在三種測(cè)試指標(biāo)中數(shù)值最高，準(zhǔn)確率最高值為97%，召回率最高為98%，最高F1值為94。本文方法的測(cè)試指標(biāo)值均高于對(duì)比的三種方法。是因?yàn)楸疚牟捎煤Ｉ仃囂崛」怆妭鞲衅骱缚p目標(biāo)區(qū)域的特征點(diǎn)，然后將提取的特征點(diǎn)輸入到量子門(mén)神經(jīng)網(wǎng)絡(luò)模型中，精準(zhǔn)獲取光電傳感器焊縫的自動(dòng)識(shí)別結(jié)果。

2）浮點(diǎn)運(yùn)算數(shù)

浮點(diǎn)運(yùn)算數(shù)是用來(lái)衡量焊縫識(shí)別方法的復(fù)雜度，用F代表，F(xiàn)值越小，說(shuō)明識(shí)別復(fù)雜度越小；F值越大，說(shuō)明識(shí)別復(fù)雜度越大，F(xiàn)可通過(guò)下式計(jì)算得到：

式(14)中，I表示被輸入數(shù)據(jù)矩陣的高；X表示被輸入數(shù)據(jù)矩陣的寬；D表示數(shù)據(jù)矩陣的通道系數(shù)；L表示矩陣尺寸；J表示輸入模型的維度個(gè)數(shù)，P表示輸出的矩陣維度個(gè)數(shù)。

所提方法、文獻(xiàn)[4]方法和文獻(xiàn)[5]方法的浮點(diǎn)運(yùn)算數(shù)測(cè)試結(jié)果如圖6所示。

圖6 不同方法的浮點(diǎn)運(yùn)算數(shù)值

對(duì)圖6進(jìn)行分析可知，所提方法、文獻(xiàn)[4]和文獻(xiàn)[5]方法的F值有一定差異。其中，無(wú)論是哪個(gè)數(shù)據(jù)集，所提方法的F值均高于文獻(xiàn)[4]和文獻(xiàn)[5]。并且，隨著數(shù)量集的變化，所提方法的F值并未有太大變化，而文獻(xiàn)[4]和文獻(xiàn)[5]方法的F值變化差異較大，表明所提方法的識(shí)別復(fù)雜度較低。

3）時(shí)間測(cè)試

采用所提方法、文獻(xiàn)[3]方法和文獻(xiàn)[5]方法，對(duì)光電傳感器焊縫的自動(dòng)識(shí)別時(shí)間進(jìn)行對(duì)比分析，對(duì)比結(jié)果如圖7所示。

根據(jù)圖7可知，本文方法進(jìn)行光電傳感器焊縫自動(dòng)識(shí)別所消耗的時(shí)間在6s內(nèi)，文獻(xiàn)[3]方法進(jìn)行光電傳感器焊縫自動(dòng)識(shí)別所消耗的時(shí)間在20s內(nèi)，文獻(xiàn)[5]方法進(jìn)行光電傳感器焊縫自動(dòng)識(shí)別所消耗的時(shí)間在22s內(nèi)，本文方法進(jìn)行光電傳感器焊縫自動(dòng)識(shí)別所消耗的時(shí)間最短，識(shí)別效率最高。

圖7 三種方法的光電傳感器焊縫識(shí)別時(shí)間

4 結(jié)語(yǔ)

隨著工業(yè)生產(chǎn)的自動(dòng)化、機(jī)械化和智能化，光電傳感器焊縫自動(dòng)識(shí)別技術(shù)已成為制造業(yè)中不可缺少的一步。經(jīng)測(cè)試發(fā)現(xiàn)，目前光電傳感器焊縫自動(dòng)識(shí)別技術(shù)存在識(shí)別率和召回率低、識(shí)別復(fù)雜度高和識(shí)別時(shí)間長(zhǎng)的問(wèn)題，為此提出基于機(jī)器視覺(jué)的光電傳感器焊縫自動(dòng)識(shí)別方法，該方法首先通過(guò)機(jī)器視覺(jué)技術(shù)對(duì)光電傳感器焊縫圖像進(jìn)行采集，再采用高斯模型提取目標(biāo)區(qū)域，將處理后的圖像輸入到量子門(mén)網(wǎng)絡(luò)識(shí)別模型，完成識(shí)別，降低了識(shí)別復(fù)雜度的同時(shí)，也提高了識(shí)別率、F1值和識(shí)別效率。