CN112053368A - 一种用于薄板焊接的焊缝中心识别方法及系统 - Google Patents

一种用于薄板焊接的焊缝中心识别方法及系统 Download PDF

Info

Publication number
CN112053368A
CN112053368A CN201910897761.4A CN201910897761A CN112053368A CN 112053368 A CN112053368 A CN 112053368A CN 201910897761 A CN201910897761 A CN 201910897761A CN 112053368 A CN112053368 A CN 112053368A
Authority
CN
China
Prior art keywords
image
determining
pixel
gray
segmentation threshold
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910897761.4A
Other languages
English (en)
Other versions
CN112053368B (zh
Inventor
李冰
杨旭
何煊
张妍
翟永杰
苑朝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University Baoding
Original Assignee
North China Electric Power University Baoding
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North China Electric Power University Baoding filed Critical North China Electric Power University Baoding
Priority to CN201910897761.4A priority Critical patent/CN112053368B/zh
Publication of CN112053368A publication Critical patent/CN112053368A/zh
Application granted granted Critical
Publication of CN112053368B publication Critical patent/CN112053368B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30152—Solder
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种用于薄板焊接的焊缝中心识别方法及系统。所述方法首先获取线阵CCD拍摄的薄板表面图像并转换为灰度图像；根据所述灰度图像的灰度值确定最佳分割阈值；根据所述最佳分割阈值对所述灰度图像进行二值化处理，生成二值化图像；根据所述二值化图像的像素值确定多个连通域，并确定每一个所述连通域的中心点对应的灰度值；从而根据所述连通域的中心点对应的灰度值确定焊缝区域和焊缝中心。本发明所述焊缝中心识别方法可在嵌入式系统中进行使用，同时可稳定实现较高精度的焊缝中心识别，用于薄板自动焊接时，可以有效提高焊接效率、精度与准确度。

Description

一种用于薄板焊接的焊缝中心识别方法及系统
技术领域
本发明涉及焊接自动化技术领域，特别是涉及一种用于薄板焊接的焊缝中心识别方法及系统。
背景技术
随着工业及材料科学的发展，焊接自动化技术已成为一种不可缺少的金属热加工技术。由于焊接环境非常恶劣，因此实现焊缝跟踪的自动化可以降低焊接工作者的劳动强度，提高焊接质量。传感器技术和智能控制方法的迅速发展为焊缝跟踪的实现提供了物质和技术基础。
目前的焊接自动化方案中关于焊缝位置的识别与检测，通常用于坡口焊接的中厚钢板焊接研究较多，而用于小于5mm薄板的焊接研究较少。同时，焊缝中心识别与检测算法大多基于PC机实现，成本较高，难以满足不同场合的应用需求。当前对于焊缝中心的识别算法也存在着识别准确率低、鲁棒性差等缺点。
发明内容
本发明的目的是提供一种用于薄板焊接的焊缝中心识别方法及系统，以解决现有的焊缝中心识别与检测方法仅适用于中厚钢板焊接，并且成本高、识别准确率低、鲁棒性差的问题。
为实现上述目的，本发明提供了如下方案：
一种用于薄板焊接的焊缝中心识别方法，所述方法包括：
获取线阵CCD拍摄的薄板表面图像；
将所述薄板表面图像转换为灰度图像；
根据所述灰度图像的灰度值确定最佳分割阈值；
根据所述最佳分割阈值对所述灰度图像进行二值化处理，生成二值化图像；
根据所述二值化图像的像素值确定多个连通域；
确定每一个所述连通域的中心点对应的灰度值；
根据所述连通域的中心点对应的灰度值确定焊缝区域和焊缝中心。
可选的，所述根据所述灰度图像的灰度值确定最佳分割阈值，具体包括：
获取分割阈值；所述分割阈值为0到255；
根据所述分割阈值将所述灰度图像划分为白色前景区域和黑色背景区域；
计算所述白色前景区域和所述黑色背景区域对应的类间方差；
确定使所述类间方差最大的所述分割阈值为最佳分割阈值。
可选的，所述计算所述白色前景区域和所述黑色背景区域对应的类间方差，具体包括：
统计所述灰度图像中的总像素点个数、所述白色前景区域所占像素点的个数以及所述黑色背景区域所占像素点的个数；
根据所述白色前景区域所占像素点的个数确定白色前景区域所占比例以及白色前景区域像素均值；
根据所述黑色背景区域所占像素点的个数确定黑色背景区域所占比例以及黑色背景区域像素均值；
根据所述灰度图像中的总像素点个数确定所述灰度图像的像素均值；
根据所述白色前景区域所占比例、所述黑色背景区域所占比例、所述白色前景区域像素均值、所述黑色背景区域像素均值以及所述灰度图像的像素均值确定类间方差。
可选的，所述根据所述二值化图像的像素值确定多个连通域，具体包括：
遍历所述二值化图像中的所有像素点，将像素值连续为1的像素点组成一个连通域，从而生成多个所述连通域。
可选的，所述根据所述连通域的中心点对应的灰度值确定焊缝区域和焊缝中心，具体包括：
确定所述连通域的中心点对应的灰度值中的最大灰度值对应的中心点为焊缝中心；
确定所述最大灰度值对应的中心点对应的连通域为焊缝区域。
一种用于薄板焊接的焊缝中心识别系统，所述系统包括：
薄板图像获取模块，用于获取线阵CCD拍摄的薄板表面图像；
图像转换模块，用于将所述薄板表面图像转换为灰度图像；
最佳分割阈值确定模块，用于根据所述灰度图像的灰度值确定最佳分割阈值；
二值化模块，用于根据所述最佳分割阈值对所述灰度图像进行二值化处理，生成二值化图像；
连通域确定模块，用于根据所述二值化图像的像素值确定多个连通域；
连通域中心点灰度值确定模块，用于确定每一个所述连通域的中心点对应的灰度值；
焊缝中心识别模块，用于根据所述连通域的中心点对应的灰度值确定焊缝区域和焊缝中心。
可选的，所述最佳分割阈值确定模块具体包括：
分割阈值获取单元，用于获取分割阈值；所述分割阈值为0到255；
区域划分单元，用于根据所述分割阈值将所述灰度图像划分为白色前景区域和黑色背景区域；
类间方差计算单元，用于计算所述白色前景区域和所述黑色背景区域对应的类间方差；
最佳分割阈值确定单元，用于确定使所述类间方差最大的所述分割阈值为最佳分割阈值。
可选的，所述类间方差计算单元具体包括：
像素点统计子单元，用于统计所述灰度图像中的总像素点个数、所述白色前景区域所占像素点的个数以及所述黑色背景区域所占像素点的个数；
前景区域参数计算子单元，用于根据所述白色前景区域所占像素点的个数确定白色前景区域所占比例以及白色前景区域像素均值；
背景区域参数计算子单元，用于根据所述黑色背景区域所占像素点的个数确定黑色背景区域所占比例以及黑色背景区域像素均值；
灰度图像像素均值计算子单元，用于根据所述灰度图像中的总像素点个数确定所述灰度图像的像素均值；
类间方差计算子单元，用于根据所述白色前景区域所占比例、所述黑色背景区域所占比例、所述白色前景区域像素均值、所述黑色背景区域像素均值以及所述灰度图像的像素均值确定类间方差。
可选的，所述连通域确定模块具体包括：
连通域确定单元，用于遍历所述二值化图像中的所有像素点，将像素值连续为1的像素点组成一个连通域，从而生成多个所述连通域。
可选的，所述焊缝中心识别模块具体包括：
焊缝中心识别单元，用于确定所述连通域的中心点对应的灰度值中的最大灰度值对应的中心点为焊缝中心；
焊缝区域识别单元，用于确定所述最大灰度值对应的中心点对应的连通域为焊缝区域。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供一种用于薄板焊接的焊缝中心识别方法及系统，所述方法首先获取线阵CCD拍摄的薄板表面图像并转换为灰度图像；根据所述灰度图像的灰度值确定最佳分割阈值；根据所述最佳分割阈值对所述灰度图像进行二值化处理，生成二值化图像；根据所述二值化图像的像素值确定多个连通域，并确定每一个所述连通域的中心点对应的灰度值；从而根据所述连通域的中心点对应的灰度值确定焊缝区域和焊缝中心。本发明所述焊缝中心识别方法可在嵌入式系统中进行使用，同时可稳定实现较高精度的焊缝中心识别，用于薄板自动焊接时，可以有效提高焊接效率、精度与准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的用于薄板焊接的焊缝中心识别方法的流程图；
图2为本发明提供的用于薄板焊接的焊缝中心识别系统的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种用于薄板焊接的焊缝中心识别方法及系统，以解决现有的焊缝中心识别与检测方法仅适用于中厚钢板焊接，并且成本高、识别准确率低、鲁棒性差的问题。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明提供的用于薄板焊接的焊缝中心识别方法的流程图。参见图1，本发明提供的用于薄板焊接的焊缝中心识别方法具体包括：
步骤101：获取线阵CCD拍摄的薄板表面图像。
本发明所述焊缝中心识别方法基于线阵CCD(Charge Coupled Device，电荷耦合器件)组成的结构光视觉传感系统，用于薄板焊接时的焊缝中心识别。所述线阵CCD用于拍摄薄板焊接时的薄板表面图像。
步骤102：将所述薄板表面图像转换为灰度图像。
步骤103：根据所述灰度图像的灰度值确定最佳分割阈值。
将线阵CCD输出的电压信号转换为数字量灰度信号，并利用最大类间方差法计算最佳分割阈值，具体步骤如下：
(a)获取分割阈值；根据所述分割阈值将所述灰度图像划分为白色前景区域和黑色背景区域。
初始化一个分割阈值T，所述分割阈值的取值为0到255。根据所述分割阈值T将所述灰度图像划分为白色前景区域fA和黑色背景区域fB两个部分。
本发明中灰度信号f(1,j),j∈M为所述灰度图像中的第j个像素点；M为所述灰度图像中所有像素点的集合。
(b)统计所述灰度图像中的总像素点个数N、所述白色前景区域所占像素点的个数NA和所述黑色背景区域所占像素点的个数NB。
(c)根据所述白色前景区域所占像素点的个数确定白色前景区域所占比例以及白色前景区域像素均值。
所述白色前景区域所占比例PA的计算公式为：
Figure BDA0002210837920000051
所述白色前景区域像素均值UA的计算公式为：
Figure BDA0002210837920000052
其中A为所述白色前景区域的像素点集合；f(1,j)为所述灰度图像中的第j个像素点。
(d)根据所述黑色背景区域所占像素点的个数确定黑色背景区域所占比例以及黑色背景区域像素均值。
所述黑色背景区域所占比例PB的计算公式为：
Figure BDA0002210837920000061
所述黑色背景区域像素均值UB的计算公式为：
Figure BDA0002210837920000062
其中B为所述黑色背景区域的像素点集合。
(e)根据所述灰度图像中的总像素点个数确定所述灰度图像的像素均值。
所述灰度图像的像素均值U的计算公式为：
Figure BDA0002210837920000063
其中M为所述灰度图像的像素点集合。
(f)根据所述白色前景区域所占比例、所述黑色背景区域所占比例、所述白色前景区域像素均值、所述黑色背景区域像素均值以及所述灰度图像的像素均值确定类间方差。
所述类间方差θT的计算公式为：θT＝PA×(UA-U)2+PB×(UB-U)2。其中PA为所述白色前景区域所占比例，PB为所述黑色背景区域所占比例，UA为所述白色前景区域像素均值，UB为所述黑色背景区域像素均值，U为所述灰度图像的像素均值。
(g)确定使所述类间方差最大的所述分割阈值为最佳分割阈值。
将分割阈值T从0到255进行遍历，同时重复上述步骤(a)-(f)，找出使类间方差θT最大的分割阈值T，即为最佳分割阈值。
步骤104：根据所述最佳分割阈值对所述灰度图像进行二值化处理，生成二值化图像。
根据所述最佳分割阈值对所述灰度图像进行二值化处理，具体为：将所述灰度图像中所有灰度值大于最佳分割阈值的像素点置为1，将所有灰度值小于最佳分割阈值的像素点置为0，实现图像二值化，生成所述二值化图像。并对所述二值化图像进行滤波，消除干扰。
步骤105：根据所述二值化图像的像素值确定多个连通域。
遍历所述二值化图像中的所有像素点，将像素值连续为1的多个像素点组成一个连通域，从而生成多个所述连通域。
进一步的，本发明对任意一个连通域中的所有像素点设置相同的标号，并将每一个连通域的起点和终点存入数组。将每一个连通域的起点和终点的灰度值取均值得到每一个连通域的中心点并存入相应数组。此外，读取每一个连通域的中心点所对应的灰度值并存入相应数组。
步骤106：确定每一个所述连通域的中心点对应的灰度值。
步骤107：根据所述连通域的中心点对应的灰度值确定焊缝区域和焊缝中心。
根据每一个连通域中心点所对应的灰度值大小，确定灰度值最大值所对应的连通域中心点，其所在的连通域即为焊缝区域，该连通域的起点和终点为焊缝左右边界，该连通域的中心点即为焊缝中心位置。即确定所述连通域的中心点对应的灰度值中的最大灰度值对应的中心点为焊缝中心；所述最大灰度值对应的中心点对应的连通域为焊缝区域。
本发明所述焊缝中心识别方法可在嵌入式系统中进行使用，同时可稳定实现较高精度的焊缝中心识别，用于薄板自动焊接时，可以有效提高焊接效率、精度与准确度。
基于本发明提供的焊缝中心识别方法，本发明还提供一种用于薄板焊接的焊缝中心识别系统，参见图2，所述系统包括：
薄板图像获取模块201，用于获取线阵CCD拍摄的薄板表面图像；
图像转换模块202，用于将所述薄板表面图像转换为灰度图像；
最佳分割阈值确定模块203，用于根据所述灰度图像的灰度值确定最佳分割阈值；
二值化模块204，用于根据所述最佳分割阈值对所述灰度图像进行二值化处理，生成二值化图像；
连通域确定模块205，用于根据所述二值化图像的像素值确定多个连通域；
连通域中心点灰度值确定模块206，用于确定每一个所述连通域的中心点对应的灰度值；
焊缝中心识别模块207，用于根据所述连通域的中心点对应的灰度值确定焊缝区域和焊缝中心。
其中，所述最佳分割阈值确定模块203具体包括：
分割阈值获取单元，用于获取分割阈值；所述分割阈值为0到255；
区域划分单元，用于根据所述分割阈值将所述灰度图像划分为白色前景区域和黑色背景区域；
类间方差计算单元，用于计算所述白色前景区域和所述黑色背景区域对应的类间方差；
最佳分割阈值确定单元，用于确定使所述类间方差最大的所述分割阈值为最佳分割阈值。
所述类间方差计算单元具体包括：
像素点统计子单元，用于统计所述灰度图像中的总像素点个数N、所述白色前景区域所占像素点的个数NA和所述黑色背景区域所占像素点的个数NB；
前景区域参数计算子单元，用于根据所述白色前景区域所占像素点的个数确定白色前景区域所占比例以及白色前景区域像素均值；具体为：根据所述白色前景区域所占像素点的个数NA，采用公式
Figure BDA0002210837920000081
确定所述白色前景区域所占比例PA；根据所述白色前景区域所占像素点的个数NA，采用公式
Figure BDA0002210837920000082
确定所述白色前景区域像素均值UA；其中A为所述白色前景区域的像素点集合；f(1,j)为所述灰度图像中的第j个像素点；
背景区域参数计算子单元，用于根据所述黑色背景区域所占像素点的个数确定黑色背景区域所占比例以及黑色背景区域像素均值；具体为：根据所述黑色背景区域所占像素点的个数NB，采用公式
Figure BDA0002210837920000083
确定所述黑色背景区域所占比例PB；根据所述黑色背景区域所占像素点的个数NB，采用公式
Figure BDA0002210837920000085
确定所述黑色背景区域像素均值UB；其中B为所述黑色背景区域的像素点集合；
灰度图像像素均值计算子单元，用于根据所述灰度图像中的总像素点个数N，采用公式
Figure BDA0002210837920000084
确定所述灰度图像的像素均值U；其中M为所述灰度图像的像素点集合；
类间方差计算子单元，用于根据所述白色前景区域所占比例PA、所述黑色背景区域所占比例PB、所述白色前景区域像素均值UA、所述黑色背景区域像素均值UB以及所述灰度图像的像素均值U，采用公式θT＝PA×(UA-U)2+PB×(UB-U)2确定类间方差θT。
所述连通域确定模块205具体包括：
连通域确定单元，用于遍历所述二值化图像中的所有像素点，将像素值连续为1的像素点组成一个连通域，从而生成多个所述连通域。
所述焊缝中心识别模块207具体包括：
焊缝中心识别单元，用于确定所述连通域的中心点对应的灰度值中的最大灰度值对应的中心点为焊缝中心；
焊缝区域识别单元，用于确定所述最大灰度值对应的中心点对应的连通域为焊缝区域
与现有的焊缝中心识别与检测方法相比，本发明用于薄板焊接的焊缝中心识别方法及系统至少具有以下优点：
1、本发明提供的焊缝中心识别方法及系统应用于薄板焊接领域，弥补了焊接自动化在此领域的不足。
2、本发明提供的焊缝中心识别方法及系统不仅可以在上位机中应用，也可以移植到嵌入式系统进行使用，有利于降低焊接装置的成本，利于焊接自动化的实现。
3、本发明提供的焊缝中心识别方法及系统采用最大类间方差算法和连通域统计方式提高焊缝识别的分辨率和精度，在保证数据精确度的同时减少了数据运算数量，提高了焊缝中心识别处理速度。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种用于薄板焊接的焊缝中心识别方法，其特征在于，所述方法包括：
获取线阵CCD拍摄的薄板表面图像；
将所述薄板表面图像转换为灰度图像；
根据所述灰度图像的灰度值确定最佳分割阈值；
根据所述最佳分割阈值对所述灰度图像进行二值化处理，生成二值化图像；
根据所述二值化图像的像素值确定多个连通域；
确定每一个所述连通域的中心点对应的灰度值；
根据所述连通域的中心点对应的灰度值确定焊缝区域和焊缝中心。
2.根据权利要求1所述的焊缝中心识别方法，其特征在于，所述根据所述灰度图像的灰度值确定最佳分割阈值，具体包括：
获取分割阈值；所述分割阈值为0到255；
根据所述分割阈值将所述灰度图像划分为白色前景区域和黑色背景区域；
计算所述白色前景区域和所述黑色背景区域对应的类间方差；
确定使所述类间方差最大的所述分割阈值为最佳分割阈值。
3.根据权利要求2所述的焊缝中心识别方法，其特征在于，所述计算所述白色前景区域和所述黑色背景区域对应的类间方差，具体包括：
统计所述灰度图像中的总像素点个数、所述白色前景区域所占像素点的个数以及所述黑色背景区域所占像素点的个数；
根据所述白色前景区域所占像素点的个数确定白色前景区域所占比例以及白色前景区域像素均值；
根据所述黑色背景区域所占像素点的个数确定黑色背景区域所占比例以及黑色背景区域像素均值；
根据所述灰度图像中的总像素点个数确定所述灰度图像的像素均值；
根据所述白色前景区域所占比例、所述黑色背景区域所占比例、所述白色前景区域像素均值、所述黑色背景区域像素均值以及所述灰度图像的像素均值确定类间方差。
4.根据权利要求3所述的焊缝中心识别方法，其特征在于，所述根据所述二值化图像的像素值确定多个连通域，具体包括：
遍历所述二值化图像中的所有像素点，将像素值连续为1的像素点组成一个连通域，从而生成多个所述连通域。
5.根据权利要求4所述的焊缝中心识别方法，其特征在于，所述根据所述连通域的中心点对应的灰度值确定焊缝区域和焊缝中心，具体包括：
确定所述连通域的中心点对应的灰度值中的最大灰度值对应的中心点为焊缝中心；
确定所述最大灰度值对应的中心点对应的连通域为焊缝区域。
6.一种用于薄板焊接的焊缝中心识别系统，其特征在于，所述系统包括：
薄板图像获取模块，用于获取线阵CCD拍摄的薄板表面图像；
图像转换模块，用于将所述薄板表面图像转换为灰度图像；
最佳分割阈值确定模块，用于根据所述灰度图像的灰度值确定最佳分割阈值；
二值化模块，用于根据所述最佳分割阈值对所述灰度图像进行二值化处理，生成二值化图像；
连通域确定模块，用于根据所述二值化图像的像素值确定多个连通域；
连通域中心点灰度值确定模块，用于确定每一个所述连通域的中心点对应的灰度值；
焊缝中心识别模块，用于根据所述连通域的中心点对应的灰度值确定焊缝区域和焊缝中心。
7.根据权利要求6所述的焊缝中心识别系统，其特征在于，所述最佳分割阈值确定模块具体包括：
分割阈值获取单元，用于获取分割阈值；所述分割阈值为0到255；
区域划分单元，用于根据所述分割阈值将所述灰度图像划分为白色前景区域和黑色背景区域；
类间方差计算单元，用于计算所述白色前景区域和所述黑色背景区域对应的类间方差；
最佳分割阈值确定单元，用于确定使所述类间方差最大的所述分割阈值为最佳分割阈值。
8.根据权利要求7所述的焊缝中心识别系统，其特征在于，所述类间方差计算单元具体包括：
像素点统计子单元，用于统计所述灰度图像中的总像素点个数、所述白色前景区域所占像素点的个数以及所述黑色背景区域所占像素点的个数；
前景区域参数计算子单元，用于根据所述白色前景区域所占像素点的个数确定白色前景区域所占比例以及白色前景区域像素均值；
背景区域参数计算子单元，用于根据所述黑色背景区域所占像素点的个数确定黑色背景区域所占比例以及黑色背景区域像素均值；
灰度图像像素均值计算子单元，用于根据所述灰度图像中的总像素点个数确定所述灰度图像的像素均值；
类间方差计算子单元，用于根据所述白色前景区域所占比例、所述黑色背景区域所占比例、所述白色前景区域像素均值、所述黑色背景区域像素均值以及所述灰度图像的像素均值确定类间方差。
9.根据权利要求8所述的焊缝中心识别系统，其特征在于，所述连通域确定模块具体包括：
连通域确定单元，用于遍历所述二值化图像中的所有像素点，将像素值连续为1的像素点组成一个连通域，从而生成多个所述连通域。
10.根据权利要求9所述的焊缝中心识别系统，其特征在于，所述焊缝中心识别模块具体包括：
焊缝中心识别单元，用于确定所述连通域的中心点对应的灰度值中的最大灰度值对应的中心点为焊缝中心；
焊缝区域识别单元，用于确定所述最大灰度值对应的中心点对应的连通域为焊缝区域。
CN201910897761.4A 2019-09-23 2019-09-23 一种用于薄板焊接的焊缝中心识别方法及系统 Active CN112053368B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910897761.4A CN112053368B (zh) 2019-09-23 2019-09-23 一种用于薄板焊接的焊缝中心识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910897761.4A CN112053368B (zh) 2019-09-23 2019-09-23 一种用于薄板焊接的焊缝中心识别方法及系统

Publications (2)

Publication Number Publication Date
CN112053368A true CN112053368A (zh) 2020-12-08
CN112053368B CN112053368B (zh) 2023-07-21

Family

ID=73609638

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910897761.4A Active CN112053368B (zh) 2019-09-23 2019-09-23 一种用于薄板焊接的焊缝中心识别方法及系统

Country Status (1)

Country Link
CN (1) CN112053368B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117094975A (zh) * 2023-08-23 2023-11-21 河钢数字技术股份有限公司 钢铁表面缺陷检测方法、装置及电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3533913A1 (de) * 1985-09-23 1987-04-02 Muenchener Apparatebau Fuer El Anordnung zur zerstoerungsfreien pruefung von schweissnaehten
CN101358836A (zh) * 2008-09-28 2009-02-04 西安理工大学 基于计算机视觉识别焊点中心位置的方法
JP2010054246A (ja) * 2008-08-26 2010-03-11 Panasonic Electric Works Co Ltd 接合部検出方法およびそれを用いた接合部外観検査方法
CN103745475A (zh) * 2014-01-22 2014-04-23 哈尔滨工业大学 一种用于球形引脚元件的检测与定位方法
CN103759648A (zh) * 2014-01-28 2014-04-30 华南理工大学 一种基于激光双目视觉的复杂角焊缝位置检测方法
CN106469312A (zh) * 2016-09-29 2017-03-01 江苏省特种设备安全监督检验研究院 基于区域生长标号的焊缝视觉识别方法
CN108132017A (zh) * 2018-01-12 2018-06-08 中国计量大学 一种基于激光视觉系统的平面焊缝特征点提取方法
CN109514043A (zh) * 2018-12-13 2019-03-26 刘堂斌 一种有效的焊接机器人焊接控制系统
CN109746597A (zh) * 2017-11-08 2019-05-14 大族激光科技产业集团股份有限公司 应用相机跟踪焊缝的方法、系统以及焊接设备
CN110021017A (zh) * 2019-04-02 2019-07-16 南通大学 一种提取焊缝中心线的方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3533913A1 (de) * 1985-09-23 1987-04-02 Muenchener Apparatebau Fuer El Anordnung zur zerstoerungsfreien pruefung von schweissnaehten
JP2010054246A (ja) * 2008-08-26 2010-03-11 Panasonic Electric Works Co Ltd 接合部検出方法およびそれを用いた接合部外観検査方法
CN101358836A (zh) * 2008-09-28 2009-02-04 西安理工大学 基于计算机视觉识别焊点中心位置的方法
CN103745475A (zh) * 2014-01-22 2014-04-23 哈尔滨工业大学 一种用于球形引脚元件的检测与定位方法
CN103759648A (zh) * 2014-01-28 2014-04-30 华南理工大学 一种基于激光双目视觉的复杂角焊缝位置检测方法
CN106469312A (zh) * 2016-09-29 2017-03-01 江苏省特种设备安全监督检验研究院 基于区域生长标号的焊缝视觉识别方法
CN109746597A (zh) * 2017-11-08 2019-05-14 大族激光科技产业集团股份有限公司 应用相机跟踪焊缝的方法、系统以及焊接设备
CN108132017A (zh) * 2018-01-12 2018-06-08 中国计量大学 一种基于激光视觉系统的平面焊缝特征点提取方法
CN109514043A (zh) * 2018-12-13 2019-03-26 刘堂斌 一种有效的焊接机器人焊接控制系统
CN110021017A (zh) * 2019-04-02 2019-07-16 南通大学 一种提取焊缝中心线的方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
XIAOJIA WANG等: "Groove-center detection in gas metal arc welding using a template-matching method", 《INT J ADV MANUF TECHNOL》, vol. 86, pages 2791, XP036061376, DOI: 10.1007/s00170-016-8389-7 *
欧志辉等: "基于区域连通滤波的薄板焊缝跟踪图像处理算法", 《焊接试验研究》, no. 12, pages 37 - 40 *
王伟杰等: "基于视觉传感的焊缝识别方法的研究", 《机械工程师》, no. 10, pages 18 - 20 *
程世东等: "基于CCD的埋弧焊焊缝跟踪系统数字图像处理方法", 《焊接技术》, vol. 37, no. 2, pages 34 - 36 *
龚国基: "基于主动光视觉传感的焊缝自动跟踪系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2017, pages 138 - 3755 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117094975A (zh) * 2023-08-23 2023-11-21 河钢数字技术股份有限公司 钢铁表面缺陷检测方法、装置及电子设备

Also Published As

Publication number Publication date
CN112053368B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
CN116385448B (zh) 基于机器视觉的氧化铝陶瓷表面加工缺陷检测方法
CN107941808B (zh) 基于机器视觉的3d打印成型质量检测系统及方法
CN104506857B (zh) 一种摄像头位置偏离检测方法及设备
CN107038416B (zh) 一种基于二值图像改进型hog特征的行人检测方法
CN106815583B (zh) 一种基于mser和swt相结合的夜间车辆车牌定位方法
CN106824806B (zh) 基于机器视觉的小模数塑料齿轮的检测方法
CN115184380B (zh) 基于机器视觉的印刷电路板焊点异常检测方法
CN103606220B (zh) 一种基于白光图像及红外图像的支票印刷体数字识别方法
CN108776964A (zh) 一种基于Adaboost及Haar特征的船舶焊缝缺陷图像检测系统及方法
CN107389693A (zh) 一种基于机器视觉的印刷品缺陷自动检测方法
CN103886597A (zh) 一种基于边缘检测与拟合曲线聚类的圆检测方法
CN111862131A (zh) 胶条边缘检测方法及其应用
CN112396629A (zh) 一种基于红外可见光协同的河道巡检跟踪方法
CN115752969A (zh) 一种铝箔封口密封性检测方法及系统和设备
CN111968082A (zh) 一种基于机器视觉的产品包装缺陷检测识别方法
CN115546072B (zh) 一种图像畸变矫正方法
CN108182682A (zh) 一种基于计算机图像处理和模式识别的检测方法
CN115546139A (zh) 一种基于机器视觉的缺陷检测方法、装置及电子设备
CN106023249A (zh) 一种基于局部二值相似性模式的运动目标检测方法
CN116071692A (zh) 一种基于形态学图像处理的水尺水位识别方法及系统
CN114998418A (zh) 一种基于fpga的最大连通域中心位置的判断方法
CN112053368A (zh) 一种用于薄板焊接的焊缝中心识别方法及系统
CN116329842A (zh) 一种对接窄焊缝自动跟踪方法
CN101901344B (zh) 基于腐蚀方法和DoG算子检测文字图像局部特征的方法
CN114399463A (zh) 一种基于数字图像处理的锯片拾取方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant