基于亮度突變性與密度特征檢測(cè)的厚板T形接頭焊縫輪廓識(shí)別

何銀水，李岱澤，趙梓宇，錢(qián)韋旭

(南昌大學(xué) 資源環(huán)境與化工學(xué)院， 南昌 330031)

隨著我國(guó)海洋工程項(xiàng)目的不斷深入，與之相關(guān)的大型設(shè)備厚板鋼構(gòu)件的制造需求日益俱增.自動(dòng)化、智能化焊接技術(shù)是滿(mǎn)足這一需求的重要方法.當(dāng)前傳感技術(shù)、信息處理技術(shù)和機(jī)器人控制與應(yīng)用技術(shù)的快速發(fā)展為實(shí)現(xiàn)焊接自動(dòng)化、智能化提供了可能.由于厚板焊接需要完成多層多道過(guò)程，基于視覺(jué)傳感的焊縫信息檢測(cè)被認(rèn)為是實(shí)現(xiàn)這一過(guò)程的有效手段[1].基于結(jié)構(gòu)光的視覺(jué)傳感在待焊區(qū)域投射一條激光光帶，獲得焊槍前面連接段的焊縫輪廓圖像[2]，最終根據(jù)提取的輪廓特征信息實(shí)現(xiàn)焊槍的定位與跟蹤.因此，焊縫輪廓的有效提取是實(shí)現(xiàn)這一過(guò)程的前提.

關(guān)于焊縫輪廓信息的獲取已有諸多研究，如：文獻(xiàn)[3-4]中根據(jù)激光條紋亮度分布特征，提出先獲得感興趣區(qū)域，然后在該區(qū)域內(nèi)采用列方向的亮度多峰值檢測(cè)算法提取焊縫輪廓.文獻(xiàn)[5]中在改進(jìn)的Hough算法基礎(chǔ)上，對(duì)激光條紋提取算法進(jìn)行了定量評(píng)價(jià)，獲得了最優(yōu)算法.文獻(xiàn)[6]中提出了一種針對(duì)不同焊接環(huán)境的焊縫輪廓識(shí)別及其特征提取方法.近年來(lái)，視覺(jué)注意機(jī)制是機(jī)器視覺(jué)中一種新興的技術(shù)[7-8]，也被諸多研究者應(yīng)用于焊縫信息提取，如文獻(xiàn)[9]中提出了基于視覺(jué)注意模型的焊縫輪廓檢測(cè)算法，嘗試了從電弧背景中檢測(cè)焊縫輪廓.另外，應(yīng)用于圖像分類(lèi)的卷積神經(jīng)網(wǎng)絡(luò)技術(shù)近年來(lái)也被相關(guān)研究人員應(yīng)用于焊縫識(shí)別[10].當(dāng)前，焊縫提取算法多涉及傳統(tǒng)的濾波、邊緣檢測(cè)、腐蝕和膨脹等處理[11-13]，試驗(yàn)顯示將這些傳統(tǒng)方法應(yīng)用于文中強(qiáng)電弧干擾背景(電弧區(qū)域占圖像面積近20%)的焊縫圖像時(shí)，難以取得好的提取效果.目前為止，還沒(méi)有一種算法可以有效地從不同干擾背景中提取完整的焊縫輪廓信息.已有的焊縫輪廓提取算法較好地實(shí)現(xiàn)了對(duì)焊渣、飛濺、電弧光強(qiáng)度較小等干擾的去除，但對(duì)于厚板焊接激光條紋空間跨度大、焊縫圖像含有強(qiáng)電弧區(qū)域產(chǎn)生的干擾的去除效果較差，焊縫輪廓信息丟失嚴(yán)重，以至降低后續(xù)焊縫跟蹤精度.

厚板T形接頭是海洋工程裝備制造中典型的接頭形式之一.本文針對(duì)厚板T形接頭熔化極活性氣體保護(hù)焊中采集的焊縫圖像中面積比近20%的強(qiáng)電弧干擾與焊縫輪廓形貌多變的特點(diǎn)，采用基于改進(jìn)的Canny算法凸顯焊縫輪廓邊緣并抑制電弧干擾.利用激光條紋在局部區(qū)域內(nèi)存在亮度突變特性，提出了一種亮度突變性檢測(cè)方法進(jìn)一步抑制背景干擾，并根據(jù)焊縫輪廓與光源干擾的空間位置關(guān)系，提出了基于密度特征的去干擾的檢測(cè)方法.基于最近鄰聚類(lèi)方法，將類(lèi)的空間尺度特征應(yīng)用于焊縫輪廓提取.多種焊縫輪廓的識(shí)別試驗(yàn)與對(duì)比驗(yàn)證了本文算法的有效性.本文算法在提取焊縫輪廓完整性及抗干擾能力方面為其他研究提供了參考.

1 改進(jìn)Canny算法的圖像預(yù)處理

本文焊縫輪廓提取過(guò)程主要通過(guò)4個(gè)核心算法步驟，如圖1所示.(a)為具體步驟，(b)為4個(gè)算法步驟名稱(chēng).焊接系統(tǒng)與圖像采集見(jiàn)文獻(xiàn)[9].

圖1 算法流程圖Fig.1 Flowchart of algorithm

1.1 Canny算法的基礎(chǔ)

采集的焊縫圖像顯示，激光條紋局部區(qū)域內(nèi)灰度值對(duì)比較大(見(jiàn)圖2(a))，Canny算法可以有效實(shí)施檢查.在實(shí)際應(yīng)用中，常利用二維高斯濾波函數(shù)構(gòu)造濾波器對(duì)圖像進(jìn)行高斯平滑處理,產(chǎn)生一組歸一化的離散高斯核：

圖2 基于改進(jìn)Canny算法的焊縫圖像預(yù)處理Fig.2 Image reprocessing using improved Canny algorithm

(1)

式中:x,y為輸入圖像像素點(diǎn)的空間坐標(biāo)值;σ為標(biāo)準(zhǔn)差.

Canny算法最優(yōu)解在一階階躍型邊緣方面表現(xiàn)為類(lèi)似高斯函數(shù)的一階導(dǎo)數(shù)，又由于高斯函數(shù)具有可分解性和圓對(duì)稱(chēng)性，因此可用一階偏導(dǎo)數(shù)的有限差分來(lái)計(jì)算梯度的幅值和方向：

α(x,y)=arctan (gy/gx)

(2)

式中:gx=?fs/?x，gy=?fs/?y，fs為輸入的圖像f在(x,y)位置的像素值.

在求得梯度幅值后，需尋找局部梯度值最大的像素點(diǎn)，即圖像梯度幅值矩陣中的最大元素值.但不能說(shuō)明該點(diǎn)就是邊緣，要將非局部梯度最大值的像素點(diǎn)置0,這樣才能去除部分非邊緣點(diǎn).

以上是Canny算法處理圖像的基本步驟，應(yīng)用于T形接頭焊縫輪廓識(shí)別時(shí)，由于干擾的復(fù)雜性，傳統(tǒng)的Canny算法在濾波處理時(shí)對(duì)像素與像素之間的信息未做考慮，使得濾波過(guò)程弱化圖像邊緣，導(dǎo)致邊緣的信息丟失，圖像常出現(xiàn)焊縫輪廓信息丟失、焊縫邊緣斷線以及干擾點(diǎn)難以去除等情況.

1.2 改進(jìn)Canny算法

為解決上述問(wèn)題，本文在Canny算法高斯濾波核基礎(chǔ)上加入像素閾值對(duì)圖像中邊緣點(diǎn)的影響因子，利用2個(gè)像素之間的空間坐標(biāo)關(guān)系生成高斯權(quán)重因子，即離目標(biāo)像素越近的點(diǎn)對(duì)最終結(jié)果的影響越大，反之則越小，其表達(dá)式如下：

(3)

式中：γ為輸入圖像f中各像素點(diǎn)的空間位置；f(γ)為輸入的圖像f在(x,y)位置的像素值；c為像素點(diǎn)在空間上的高斯權(quán)重；kd(x)表示結(jié)果的歸一化，區(qū)分歸一化運(yùn)算在不同計(jì)算式中的應(yīng)用，下文中τ同理.同時(shí)，基于像素相似度特性，引入：

h(x)=

(4)

式中：p為像素相似程度的權(quán)重.綜合式(3)、(4)可得到基于空間距離與像素點(diǎn)相似程度的雙邊濾波式：

h(x)=

(5)

式中：k(x)為結(jié)果的歸一化.具體應(yīng)用到本文的圖像處理為

(6)

式中：像素點(diǎn)(i,j)與(k,l)的幅值分別為I(i-j)與I(k-l).

由于改進(jìn)的Canny算法考慮了像素在空間距離的關(guān)系、像素閾值的相關(guān)關(guān)系和像素灰度之間的相似程度，所以在實(shí)現(xiàn)濾波的同時(shí)還能夠有效地凸顯焊縫輪廓[14].采用該改進(jìn)的Canny算法對(duì)T形接頭焊縫圖像進(jìn)行預(yù)處理(見(jiàn)圖2(b))，結(jié)果顯示，經(jīng)改進(jìn)的Canny算法處理后，電弧區(qū)域受到了極大抑制.

2 亮度突變性檢測(cè)

經(jīng)改進(jìn)的Canny算法處理后，焊縫輪廓亮度相對(duì)其上下局部區(qū)域存在突變性.為進(jìn)一步消除電弧干擾，在列方向基于亮度變化設(shè)計(jì)檢測(cè)方法如下：

F(i,j)=

(7)

式中：[·]為取整運(yùn)算；F(i,j)為圖像在坐標(biāo)(i,j)處的灰度值，j表示圖像的列坐標(biāo)； max為取最大值；

(8)

(9)

(10)

圖3 圖2(b)的亮度突變性檢測(cè)結(jié)果Fig.3 Intensity mutation detection results ofFig.2(b)

3 基于帶寬密度特征檢測(cè)的去噪

為了簡(jiǎn)化圖像數(shù)據(jù)，對(duì)圖3采用Otsu算法進(jìn)行閾值分割(圖4).圖中顯示大量干擾數(shù)據(jù)仍然存在.為了有效界定焊縫輪廓與干擾數(shù)據(jù)，本文根據(jù)數(shù)據(jù)點(diǎn)的空間分布特性，將數(shù)據(jù)點(diǎn)(灰度值為255)劃分為高密度噪聲、離散噪聲和細(xì)微噪聲3類(lèi)，且經(jīng)大量試驗(yàn)測(cè)試，得出如下3類(lèi)檢測(cè)方法.

圖4 二值化圖像Fig.4 Binary image

3.1 高密度檢測(cè)

圖5 高密度噪聲檢測(cè)示意圖Fig.5 Diagram of high density noise detection

(11)

合理地設(shè)置縱向掃描帶寬L和臨界像素?cái)?shù)allow1才能準(zhǔn)確地抑制高密度噪聲.L設(shè)置的基本原則是：在保證焊縫和噪聲不會(huì)同時(shí)出現(xiàn)在掃描帶內(nèi)的前提下，盡可能地設(shè)置較大的縱向掃描帶寬.allow1是區(qū)分高密度噪聲與焊縫輪廓數(shù)據(jù)的關(guān)鍵指標(biāo)，其設(shè)置的基本原則為：在保證焊縫完整性的前提下消除高密度噪聲，因此將 allow1設(shè)置為焊縫最大縱向掃描帶寬.根據(jù)上述原則，取L=50，allow1=15.圖4處理后的效果如圖6所示.

圖6 抑制高密度噪聲結(jié)果Fig.6 Results of high density noise suppression

3.2 離散度檢測(cè)

圖7 離散噪聲檢測(cè)示意圖Fig.7 Diagram of discrete noise detection

(12)

(13)

(14)

縱向掃描帶寬內(nèi)灰度值為255的像素點(diǎn)為低密度離散噪聲，噪聲點(diǎn)的縱向位置即為其所在行序號(hào)Y.

縱向掃描帶寬L與臨界像素?cái)?shù) allow2的設(shè)置原則為：在保證縱向掃描帶寬L大于所有低密度噪聲區(qū)域最大帶寬的前提下，盡可能地設(shè)置較小的縱向掃描帶寬；allow2則是為了區(qū)分焊縫離散度與低密度噪聲離散度，因此可令 allow2等于焊縫的最大縱向離散度.根據(jù)上述原則，取L=30，allow2=5，圖6處理的結(jié)果如圖8所示.

圖8 抑制離散噪聲結(jié)果Fig.8 Results of discrete noise suppression

3.3 細(xì)微檢測(cè)

圖9 細(xì)微噪聲示意圖Fig.9 Diagram of slight noise

(15)

由于焊縫的薄弱區(qū)段與聚集性細(xì)微噪聲的空間分布特征相似度較高，故在降噪時(shí)為了保證焊縫的完整性，不抑制聚集性細(xì)微噪聲.設(shè)置縱向掃描帶寬L與臨界像素?cái)?shù) allow3時(shí)遵循以下原則：allow3取值為焊縫最薄弱區(qū)段上灰度值為255的像素?cái)?shù)量；掃描細(xì)微噪聲時(shí)，不計(jì)入掃描帶的首末兩個(gè)像素，避免在掃描過(guò)程中會(huì)錯(cuò)誤地將焊縫上下邊界視作細(xì)微噪聲.

根據(jù)上述原則，令L=allow3+2.取L=5，allow3=3，得到抑制細(xì)微噪聲后的圖像如圖10所示.

圖10 抑制細(xì)微噪聲結(jié)果Fig.10 Results of fine noise suppression

4 基于最近鄰聚類(lèi)的焊縫輪廓提取

最近鄰聚類(lèi)屬于無(wú)監(jiān)督聚類(lèi)，可以獲取任意類(lèi)別數(shù)目的聚類(lèi)結(jié)果，但需要設(shè)置距離閾值.本文將待聚類(lèi)的數(shù)據(jù)與已完成聚類(lèi)的數(shù)據(jù)之間的最近距離的作為聚類(lèi)依據(jù).經(jīng)試驗(yàn)測(cè)試，距離閾值設(shè)置為30～60時(shí)，均利于干擾與激光條紋分離，文中聚類(lèi)中距離閾值設(shè)置為40(見(jiàn)圖11).

圖11 最近鄰聚類(lèi)結(jié)果圖(圓圈代表每個(gè)類(lèi))Fig.11 Nearest neighbor clustering results (circle represents each cluster)

圖11顯示，屬于焊縫輪廓的類(lèi)的空間尺度(歐式距離)明顯大于干擾數(shù)據(jù)的空間尺度，基于該空間尺度特征，將類(lèi)的歐式距離閾值設(shè)置為20(大于20的均可)，用以辨識(shí)屬于焊縫輪廓的數(shù)據(jù)(見(jiàn)圖12).

圖12 提取的焊縫輪廓Fig.12 Extraction results of weld seam profile

5 試驗(yàn)驗(yàn)證

5.1 驗(yàn)證算法有效性

為了驗(yàn)證本文提出算法的有效性，選用不同焊道、不同干擾狀態(tài)下的焊縫圖像進(jìn)行焊縫輪廓提取試驗(yàn)(見(jiàn)圖13).

圖13 不同填充階段的焊縫輪廓提取試驗(yàn)結(jié)果Fig.13 Extraction results of weld seam profile with images captured in different filling stages

圖13表明，本文提出的方法能準(zhǔn)確提取厚板T形接頭不同填充階段的焊縫輪廓，顯示了該算法的抗干擾能力與穩(wěn)健性.

5.2 對(duì)比驗(yàn)證

為進(jìn)一步驗(yàn)證算法的有效性，采用文獻(xiàn)[14]中算法與本文算法進(jìn)行焊縫輪廓提取對(duì)比(見(jiàn)圖14).結(jié)果表明，對(duì)于電弧區(qū)域占圖像面積近20%的焊縫圖像(目前眾多研究采用遮擋電弧區(qū)域形式降低其帶來(lái)的不利影響[2,13])，本文算法能在典型干擾下檢測(cè)95%以上的焊縫輪廓信息，保留了更多的有用信息，有利于提高后續(xù)焊縫跟蹤精度.

圖14 提取焊縫輪廓效果對(duì)比Fig.14 Comparison of effect after extraction of weld seam profile

6 結(jié)論

(1) 針對(duì)厚板T形接頭焊縫圖像中的強(qiáng)弧光干擾背景，提出的改進(jìn)Canny算法與亮度突變性檢測(cè)能有效凸顯焊縫輪廓，有助于更完整地檢測(cè)焊縫輪廓信息.

(2) 本文提出的基于亮度突變性和帶寬密度特征檢測(cè)算法具有更強(qiáng)的抗干擾能力，在電弧區(qū)域占圖像面積近20%的多種焊縫輪廓識(shí)別中，提取的焊縫輪廓信息比例超過(guò)95%，具有良好的穩(wěn)健性，可為其它接頭形式的機(jī)器人自動(dòng)化、智能化焊接的實(shí)施提供參考.