用于薄板对焊焊接的自适应焊缝识别算法研究

李冰 杨旭 何煊 翟永杰

摘  要：
為了提高薄板对焊焊接过程中焊缝识别的精度，基于斜率检测算法并结合斜率置信算法和斜率适应值，提出一种自适应薄板焊缝识别算法。通过对激光束在焊接工件上的三原色图像比较进行色位图选择，利用最大类间方差法提取图像中的激光束轮廓，对激光束轮廓按列计算质心行位置并进行线性拟合优化质心线数据，最后利用自适应斜率检测算法判断焊缝与焊板间的图像激光跳变位置，实现焊缝左右边界检测进而实现焊缝识别。试验结果表明，自适应焊缝识别算法可以实现对焊焊缝的检测与识别，与斜率检测算法相比，识别精度更高，有效地提高了焊接质量与焊接效率。

关键词：
焊缝识别; 焊接系统; 激光束轮廓; 质心线数据; 自适应斜率检测; 实验测试

中图分类号：
TN911?34; TG409                  文献标识码：
A                      文章编号：
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

由于焊接过程中产生的强光、烟尘等会危害到人体健康，同时人工焊接存在焊接质量不稳定、效率低等问题，因此传统的人工焊接方式已逐渐被自动焊接所替代[1]。自动焊接中进行焊缝检测的传感系统[2]主要有电弧传感系统和视觉传感系统2种。随着电荷耦合元件（Charge?Coupled Device， CCD）等视觉传感器以及数字图像处理算法等领域的发展，视觉传感系统以其信息广泛、灵活智能等优点在焊接控制和焊缝跟踪等领域得到了广泛应用[3?4]。其中，如何实现实时精确地焊缝位置跟踪成为视觉传感系统研究的热点与难点[5?6]。在实际焊缝识别过程中，高精度的焊缝识别算法需要高性能处理器且占用大量内存，焊缝识别系统的成本较高。

通过对薄板对焊焊缝的识别与检测进行研究，在传统斜率检测算法的基础上，结合斜率置信算法和斜率适应值，提出一种自适应薄板焊缝识别算法，实现薄板对焊焊缝的识别与检测。

1  焊接系统的组成

自动焊接系统主要包括视觉传感系统、焊接控制器、行走结构及焊枪位置调节机构。其工作过程为：视觉传感系统识别焊缝位置并通过通信接口发送至焊接控制器，焊接控制器根据焊缝信息调节焊枪位置实现焊缝跟踪和焊接行走控制[7?8]。

视觉传感系统采用结構光型激光视觉传感系统，包括线性激光发射装置、摄像机和ARM?M4高性能处理器等，如图1所示。摄像机垂直于焊板安装，激光发射装置与焊板呈45°安装，激光发射装置发射的激光束投射到焊接工件上，摄像机捕捉激光束图像经处理器计算标定后得到焊缝位置信息[9]，通过串行通信接口送至焊枪控制器。

所选摄像机为OV5640摄像模块，该面阵摄像头体积小、工作电压低，可得到240行320列的低分辨率彩色图像。所选处理器为STM32F429核心板，具有低功耗、512 KB内存和180 MHz运行频率等性能。所选激光发射装置为安装有鲍威尔光学划线棱镜的均匀一字激光模组，可以发射波长450 nm的高功率蓝色激光。

2  焊缝识别算法

选用的薄板焊接工件厚度约为3 mm，采用直缝对焊焊接方式，工件焊缝宽度约为1～4 mm。由于工件的厚度较小，焊接图像具有以下特点：

1） 激光束照射在焊板及焊缝中的激光线分别为连续直线，且斜率大致相等;

2） 3段激光线为错位断续形态。

激光视觉传感系统实现焊缝识别主要过程为：图像采集、激光束轮廓提取、质心线数据计算、焊缝位置检测等。算法流程图如图2所示。

2.1  激光束轮廓提取

首先对摄像机采集的图像进行RGB分解得到三色位等高线图，如图3所示。以红色位等高线图为例，每一像素点的颜色表示此像素点的色位值大小，颜色越亮表示此点色位值越大，即此处的红色光越多，反之表示色位值越小。

由图3可知，红、绿色位图与原图差别较小，且焊板与激光束区域的色位值差别较大，能够较好地反映焊接图像特征，便于焊缝信息的提取。而蓝色位图中，由于高功率蓝色激光投射在焊板上发生散射，导致蓝色位图非激光照射区域产生大量噪点块，与焊接图像差异较大，因此舍弃蓝色位图，将红绿2种色位图分别识别的焊缝边界位置均值作为焊缝边界位置。

以红色位图为例，激光束投射在工件上的区域与无激光束投射的焊板色位值相差较大，采用最大类间方差法对图像进行二值化后提取激光束轮廓区域[3]，结果如图4所示，其中图4a）横坐标为图像320列，纵坐标为图像240行。

2.2  质心线数据提取与优化

感兴趣区域（Region of Interest， ROI）广泛应用于机器视觉和图像处理领域，常用方框、圆、不规则多边形等图形在图像中勾勒出目标区域[10]。由于目标图像是以投射在工件上的激光束位置作为焊缝识别的依据，所以ROI应采用线型的激光轮廓质心数据。为此，遍历图4a）中每一列轮廓通过下式得到轮廓质心作为该列ROI的质心线数据。

最终得到320个激光束行质心位置，红色位图部分数据如表1所示。

由表1中优化前数据和图4a）可知，157～160列由于缺少激光束轮廓导致数据值为0。由图3a）可知，因为激光发射装置中心与焊缝中心之间存在偏差，导致焊板对激光投射产生遮挡，使焊缝内左侧微小区域内无激光投射，因此无激光束轮廓，其质心位置为0。此类无数据段一般出现在焊缝左边界或右边界位置，但仍属于焊缝区域。为了降低识别误差，采用最小二乘法拟合该区域质心线数据，拟合流程如图5所示。

算法结果如表1优化后数据和图6所示。其中图6a）为优化前数据（上方绿色“*”点）与优化后数据（下方红色“[?]”点）的对比图，横坐标为图像320列，纵坐标为各列质心数据。

2.3  斜率检测算法与斜率置信算法

由图4b）可知，焊板上和焊缝内的质心线数据差值不大，但焊板与焊缝间由于激光错位导致数据有较大的突变。结合上述特征，选取斜率检测法识别焊缝与焊板的跳变沿，即计算质心线数据每一点与其下一点之间的色位值变化率为：

式中：[Δi]为第[i]点的变化率;[yi]为第[i]点的色位值;[xi]为图像列坐标。通过上述算法，得到1行319列的斜率矩阵，由大到小排序后检测结果如表2所示。其中，k1，k2，k3表示斜率矩阵按斜率值排序后最大的3个斜率点。

由于焊缝内色位值数据大小集中，且与焊板上数据存在大幅度阶跃，因此斜率矩阵的分布规律如图7所示，即两跳变沿处斜率数值较大且相近，其余位置的斜率数值较小且与跳变沿处斜率值有较大差异。依据上述焊缝斜率特点，通过设计斜率置信算法来提高跳变沿识别精度，若[k1-k2

2.4  自适应斜率检测算法

结合表2数据与斜率置信算法可知，红色位图跳变沿识别结果符合置信要求，绿色位图跳变沿识别不可信。由图3c）可知，由于激光发射装置中心与焊缝中心之间存在角度偏差，导致绿色位图中焊缝右边界处存在激光斑点噪声，致使激光束轮廓提取有误。

为了提高焊缝识别的正确率，设计一种自适应斜率检测算法：将斜率置信算法作为判别检测结果的反馈环节，判断是否满足预期检测期望，若不满足则逐级加入斜率适应值，同时调整权重，以增加检测深度，迭代得到最优解。算法流程图如图8所示。

在应用自适应斜率检测算法时，首先进行正常的斜率检测，根据斜率置信算法判断跳变沿位置是否满足要求。若可信则不再加入斜率适应值并结束检测，若不可信则加入一级斜率适应值，与斜率检测值求和再次判断。其中，一级斜率适应值为质心线数据中某点[xi]的左右一点[xi-1]和[xi+1]对应色位值之差：[yi+1-yi-1]。

若一级斜率适应跳变沿检测可信则结束检测，若不可信则加入二级斜率适应值，与一级斜率适应值、斜率检测值三者求和再次判断。其中，二级斜率适应值为质心线数据中某点[xi]的左右两点[xi-2]和[xi+2]对应色位值之差：[yi+2-yi-2]。以此类推，若迭代最末级适应值加入后，跳变沿位置依然不符合置信算法，则结束检测并认定此色位图检测结果不可信。

由963张不同焊缝形态的图像进行不同迭代次数的实验，识别率结果如表3与图9所示。

由结果可知，图像识别率随迭代深度的提高而提高，当深度大于5时识别率提高幅度下降，且算法运行时间大大增加，不利于实时快速地提取焊缝。因此选取5级迭代，即若加入4级斜率适应值后检测结果仍不可信，则结束本色位图识别，并将上次焊缝识别结果作为本次识别结果。

由于多个斜率适应值的加入会降低初始斜率检测结果所占比重，因此对各级斜率适应值加权考量。如表4所示，保持斜率检测值权重为1，最末级斜率适应值权重为0.5，其余各级斜率适应值取0.5～1之间的等分值。

3  识别结果与对比分析

通过上述算法对不同焊缝图像的识别结果如图10所示，其中焊缝部分以红色标注，焊板部分以绿色标注。由图10可知，该算法可以精确地实现焊缝图像中激光束投射区域内的焊板与焊缝的划分，实现了焊缝识别与检测。

为了试验自适应斜率检测算法的鲁棒性，对所提算法与斜率检测法以及平均斜率法进行敏感度测试：

不同算法识别结果比较如表5所示。

由表5可知，有权重自适应斜率检测法的识别率高达98.89%，高于无权重自适应斜率检测法识别率1.58%，高于斜率检测法识别率2.73%，且远高于平均斜率法识别率。结果表明：

1） 平均斜率法过度强调多点变化趋势，忽视了焊缝质心线数据阶跃变化特点，导致识别率较低。

2） 自适应斜率检测法的识别置信度比斜率检测法高，即检测结果更可信。

3） 自适应斜率检测算法中各适应值设置权重可提高识别率。通过试验可知，自适应斜率检测算法可以精准识别拼接薄板的焊缝位置，满足准确性、实时性、鲁棒性等生产工艺要求。

4  结  论

通过对焊缝识别图像中激光束的分布特性进行图像预处理和ROI特征提取，将斜率置信算法与斜率检测算法相结合对焊缝轮廓质心进行优化，设计了具有反馈迭代功能的自适应斜率检测算法，从而实现了薄板对焊焊缝识别与检测。试验结果表明，所设计算法焊缝识别精度较高，用于自动焊接中，焊缝识别效果性能稳定，能够满足焊接要求，大大提高了薄板对焊焊接效率，具有较强的适用性。

参考文献

[1] 翟培卓，薛松柏，陈涛，等.焊缝跟踪过程传感与信号处理技术的研究进展[J].材料导报，2019，33（7）：1079?1088.

[2] 吕健，吕学勤.焊接机器人轨迹跟踪研究现状[J].机械制造文摘，2017（1）：18?25.

[3] 刘辉荣.焊缝跟踪系统中的图像处理技术研究[D].沈阳：沈阳工业大学，2008.

[4] 高世一，杨凯珍，刘师田，等.基于数据拟合的激光焊接焊缝图像表面缺陷检测[J].现代电子技术，2011，34（14）：188?190.

[5] 许皓.基于机器视觉的焊缝识别及轨迹规划[D].南宁：广西大学，2017.

[6] 刘卫朋.焊接机器人焊接路径识别与自主控制方法研究及应用[D].天津：河北工业大学，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] 王滦平.图像处理技术在机器人焊接中的应用[J].电子科学技术，2016，3（5）：570?573.

[10] 雷正龙，吕涛，陈彦宾，等.基于扫描激光视觉传感的焊缝图像特征信息识别[J].焊接学报，2013，34（5）：54?58.