数据驱动的焊缝图像缺陷识别与评价研究
发布时间：2022-01-08 08:08
为保证热镀锌生产线连续运行,需要窄搭接焊将前行带钢和后行带钢焊接在一起,如果焊缝出现严重缺陷,将导致断带事故发生,整个热镀锌机组会处于停机状态,影响企业产能。设计数据驱动的焊缝缺陷识别与评价系统判断焊缝是否合格,利用焊缝图像数据指导企业做决策,代替人工焊缝外观检测。本文依托热镀锌机组焊接实时检测项目,研究焊缝的缺陷识别方法和质量评价体系,完成焊缝数据驱动的质量决策,主要研究工作如下:（1）运用三维激光扫描仪获得焊缝表面形貌的图像,通过OpenCV对图像进行预处理,包括分离图像通道获得焊缝的灰度图和高度图、图像滤波去噪、去除黑边。针对焊缝灰度图像信息量大,对比度低,边缘模糊等特点,为了有效进行焊缝区域划分,提出改进的图像分割算法,采用图像卷积增强焊缝边缘特征,应用积分图快速准确提取焊缝边缘,实验表明图像识别的焊缝宽度误差在3%以内。（2）分别运用传统特征提取方法和卷积神经网络识别焊缝缺陷,卷积神经网络VGG16的焊缝缺陷识别准确率达到97.1%。为保证焊缝图像识别的实时性,提出两阶段焊缝缺陷识别方法,第一阶段,进行焊缝的异常区域检测,识别出有缺陷的大区域。第二阶段,在识别出的异常区域进行...
【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
连续热镀锌生产线
第1章绪论2图1-2窄搭接焊机Fig.1-2Narrowlapwelder焊缝外观质量是焊接工程质量评定的基本项目[2]，焊后外观形貌一定程度上反应焊接整体质量。在窄搭接焊中，如果焊缝表面有浮孔，表明焊缝内部可能不致密，有气孔。焊缝表面有夹渣，表明焊接电流过大或焊接速度太慢，产生焊缝过烧。焊缝表面高低不平，表明焊接过程中机器振动过大或电极老化。通过判断焊缝的表面形貌特征可以在线评价焊接质量，并且适用于高速运动的焊机。正常的焊缝宽度合理，表面平整光滑，没有夹渣、未熔合等缺陷。在焊机的焊接过程中，焊臂高速运动，企业检测人员无法攀上焊机实时检查焊接质量。目前钢铁生产企业已经实现了焊接的自动化，但是焊接质量检测还是处于人工检验和抽样检验的状态，缺少自动化检测手段。通过考察连续热镀锌生产线，发现实行焊缝质量实时检测存在以下困境。(1)生产环境复杂，焊机的气路、电路、机械布置紧凑，检测人员没有工作空间实时观察焊接情况。(2)镀锌生产线属于连续生产，带钢完成焊接后进入下一道工序，检测人员没有足够的时间检测焊缝质量。(3)焊缝质量检测需要在停机状态下抽检样品，无法做到全面检测。(4)检测焊缝质量的方法是人工检视和线下杯凸试验，人工检视主观性强，无法对焊缝表面缺陷进行全面分析，线下杯凸试验是有损检测。这两种方法都需要停机取样，不适合连续生产，效率低下，缺乏可靠性和时效性。数据驱动是通过传感器采集焊缝质量的外观数据，将这些数据和已有信息关联，利用智能算法从数据中提取特征，最后完成检测，分析和预测。基于数据驱动的焊缝缺陷识别与评价系统可以指导企业做决策，代替人工检测，具有实时性、
上海交通大学硕士学位论文5的原始图像抽象成具有检测价值的焊缝检测信息。最后，图像分析输出的焊缝检测信息做进一步应用，作为评价模型的评价指标，评价模型输出焊缝是否合格。图1-3缺陷识别与评价系统技术路线Fig.1-3Technicalrouteofdefectidentificationandevaluationsystem1.3国内外研究现状1.3.1焊接质量视觉检测研究现状(1)研究现状焊接质量检测可分为破坏检测和无损检测，破坏检测包括拉伸、杯凸实验，可靠性更高，但会破坏工件。无损检测中的超声波检测和X射线检测不适合在线检测，视觉检测方法是目前使用最广泛的无损检测方法[11]。传统的视觉检测方法是人工视觉检测，即由经验丰富的检验人员肉眼观察焊缝缺陷，通过测量工具对焊缝外观形貌进行测量。人工视觉检测劳动强度高，依赖人的主观判断，检测周期长，不能实现在线检测。在过去的三十多年，利用计算机代替人眼进行视觉检测已经开展了广泛的研究[12-14]，应用于多个领域，如钢板[15,16]，木材[17]，多晶硅片[18]，钢轨[19]。Whiteetal.(1994)利用结构光获得激光条纹，提取单位像素宽度中心线得到激光条纹中心线，实现在线焊缝轮廓检测。可以通过计算机测量角焊缝和对接焊缝的焊缝宽度、咬边量、焊趾角、焊缝加厚高等外观尺寸，测量的焊缝宽度尺寸在5至20毫米范围内，测量误差在2%以内，精度大幅提高并且适用于实时在线检测[20]。Jengetal.(2000)将CCD相机用于焊缝跟踪，捕获激光焊接的焊缝轨迹，设计
【参考文献】：
期刊论文
[1]基于LBP和HOG特征的图案织物缺陷检测[J]. 马浩,景军锋,苏泽斌,张缓缓,李鹏飞. 电子测量与仪器学报. 2018(04)
[2]机器视觉表面缺陷检测综述[J]. 汤勃,孔建益,伍世虔. 中国图象图形学报. 2017(12)
[3]基于细节点局部结构与LBP的指纹特征融合方法[J]. 梁凯. 信息技术. 2017(09)
[4]基于线激光扫描的工业焊缝外观检测系统[J]. 范力予,李志勇,杨军涛,刘航. 焊接学报. 2017(07)
[5]基于视觉技术的焊缝成形评价指标的探究[J]. 冯毅,贾金龙,蒋成燕. 机械研究与应用. 2017(03)
[6]应用空间金字塔池化LBP特征的舰船检测识别[J]. 郭少军,陆斌,娄树理. 激光与红外. 2017(06)
[7]sobel算子与prewitt算子分析与研究[J]. 王月新,刘明君. 计算机与数字工程. 2016(10)
[8]焊接过程信息定量分析[J]. 彭亚萍. 电焊机. 2016(07)
[9]三维激光扫描技术在医学表面测绘中的应用进展[J]. 张永红,侯贺,韩玉川,王宁,张莹,朱险峰,王明时. 生物医学工程学杂志. 2016(02)
[10]焊缝表面缺陷的视觉图像表征[J]. 张鹏贤,王延升,张国强. 兰州理工大学学报. 2016(01)
本文编号：3576201
【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
连续热镀锌生产线
第1章绪论2图1-2窄搭接焊机Fig.1-2Narrowlapwelder焊缝外观质量是焊接工程质量评定的基本项目[2]，焊后外观形貌一定程度上反应焊接整体质量。在窄搭接焊中，如果焊缝表面有浮孔，表明焊缝内部可能不致密，有气孔。焊缝表面有夹渣，表明焊接电流过大或焊接速度太慢，产生焊缝过烧。焊缝表面高低不平，表明焊接过程中机器振动过大或电极老化。通过判断焊缝的表面形貌特征可以在线评价焊接质量，并且适用于高速运动的焊机。正常的焊缝宽度合理，表面平整光滑，没有夹渣、未熔合等缺陷。在焊机的焊接过程中，焊臂高速运动，企业检测人员无法攀上焊机实时检查焊接质量。目前钢铁生产企业已经实现了焊接的自动化，但是焊接质量检测还是处于人工检验和抽样检验的状态，缺少自动化检测手段。通过考察连续热镀锌生产线，发现实行焊缝质量实时检测存在以下困境。(1)生产环境复杂，焊机的气路、电路、机械布置紧凑，检测人员没有工作空间实时观察焊接情况。(2)镀锌生产线属于连续生产，带钢完成焊接后进入下一道工序，检测人员没有足够的时间检测焊缝质量。(3)焊缝质量检测需要在停机状态下抽检样品，无法做到全面检测。(4)检测焊缝质量的方法是人工检视和线下杯凸试验，人工检视主观性强，无法对焊缝表面缺陷进行全面分析，线下杯凸试验是有损检测。这两种方法都需要停机取样，不适合连续生产，效率低下，缺乏可靠性和时效性。数据驱动是通过传感器采集焊缝质量的外观数据，将这些数据和已有信息关联，利用智能算法从数据中提取特征，最后完成检测，分析和预测。基于数据驱动的焊缝缺陷识别与评价系统可以指导企业做决策，代替人工检测，具有实时性、
上海交通大学硕士学位论文5的原始图像抽象成具有检测价值的焊缝检测信息。最后，图像分析输出的焊缝检测信息做进一步应用，作为评价模型的评价指标，评价模型输出焊缝是否合格。图1-3缺陷识别与评价系统技术路线Fig.1-3Technicalrouteofdefectidentificationandevaluationsystem1.3国内外研究现状1.3.1焊接质量视觉检测研究现状(1)研究现状焊接质量检测可分为破坏检测和无损检测，破坏检测包括拉伸、杯凸实验，可靠性更高，但会破坏工件。无损检测中的超声波检测和X射线检测不适合在线检测，视觉检测方法是目前使用最广泛的无损检测方法[11]。传统的视觉检测方法是人工视觉检测，即由经验丰富的检验人员肉眼观察焊缝缺陷，通过测量工具对焊缝外观形貌进行测量。人工视觉检测劳动强度高，依赖人的主观判断，检测周期长，不能实现在线检测。在过去的三十多年，利用计算机代替人眼进行视觉检测已经开展了广泛的研究[12-14]，应用于多个领域，如钢板[15,16]，木材[17]，多晶硅片[18]，钢轨[19]。Whiteetal.(1994)利用结构光获得激光条纹，提取单位像素宽度中心线得到激光条纹中心线，实现在线焊缝轮廓检测。可以通过计算机测量角焊缝和对接焊缝的焊缝宽度、咬边量、焊趾角、焊缝加厚高等外观尺寸，测量的焊缝宽度尺寸在5至20毫米范围内，测量误差在2%以内，精度大幅提高并且适用于实时在线检测[20]。Jengetal.(2000)将CCD相机用于焊缝跟踪，捕获激光焊接的焊缝轨迹，设计
【参考文献】：
期刊论文
[1]基于LBP和HOG特征的图案织物缺陷检测[J]. 马浩,景军锋,苏泽斌,张缓缓,李鹏飞. 电子测量与仪器学报. 2018(04)
[2]机器视觉表面缺陷检测综述[J]. 汤勃,孔建益,伍世虔. 中国图象图形学报. 2017(12)
[3]基于细节点局部结构与LBP的指纹特征融合方法[J]. 梁凯. 信息技术. 2017(09)
[4]基于线激光扫描的工业焊缝外观检测系统[J]. 范力予,李志勇,杨军涛,刘航. 焊接学报. 2017(07)
[5]基于视觉技术的焊缝成形评价指标的探究[J]. 冯毅,贾金龙,蒋成燕. 机械研究与应用. 2017(03)
[6]应用空间金字塔池化LBP特征的舰船检测识别[J]. 郭少军,陆斌,娄树理. 激光与红外. 2017(06)
[7]sobel算子与prewitt算子分析与研究[J]. 王月新,刘明君. 计算机与数字工程. 2016(10)
[8]焊接过程信息定量分析[J]. 彭亚萍. 电焊机. 2016(07)
[9]三维激光扫描技术在医学表面测绘中的应用进展[J]. 张永红,侯贺,韩玉川,王宁,张莹,朱险峰,王明时. 生物医学工程学杂志. 2016(02)
[10]焊缝表面缺陷的视觉图像表征[J]. 张鹏贤,王延升,张国强. 兰州理工大学学报. 2016(01)
本文编号：3576201
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3576201.html
