單　俊，熊震宇，傅建安，薛　誠

（南昌航空大學航空制造工程學院，江西南昌330063）

基于視覺傳感的鋁合金TIG焊熔池特征提取

單俊，熊震宇，傅建安，薛誠

（南昌航空大學航空制造工程學院，江西南昌330063）

根據(jù)鋁合金TIG焊特點，在充分考慮電弧光譜特征的基礎(chǔ)上，選擇合適的濾光組件，確定了單個面陣CCD攝像機安裝結(jié)構(gòu)參數(shù)，成功構(gòu)建了面向鋁合金TIG焊的被動視覺傳感系統(tǒng)，獲得了清晰的熔池圖像。針對拍攝到的熔池圖像，提出一套包括中值濾波、拉普拉斯銳化以及改進蟻群算法等的圖像處理方法，對傳統(tǒng)蟻群算法進行了選擇策略和信息更新策略的改進，形成一種自適應檢測方法，有效地提高了檢測精度和檢測時間，較好地提取了熔池邊緣，為實現(xiàn)焊接質(zhì)量在線監(jiān)測與控制奠定了基礎(chǔ)。

鋁合金；鎢極氬弧焊；視覺傳感；圖像處理

0　前言

目前焊接過程自動化、機器人化、智能化已成為發(fā)展趨勢[1]，而焊接質(zhì)量控制是實現(xiàn)焊接過程自動化的關(guān)鍵技術(shù)[2]。其中焊接熔池包含豐富的焊接質(zhì)量信息，直接決定焊縫成形和焊接質(zhì)量。

視覺傳感是目前最為先進、信息量最豐富的焊接過程檢測方法，國內(nèi)外對采用視覺傳感監(jiān)測焊接熔池展開了較為廣泛的研究。K.Y.Bae、C.Balfour等[3-4]學者針對碳鋼、不銹鋼等材料建立視覺傳感系統(tǒng)，獲得了清晰的熔池圖像，利用圖像處理技術(shù)實現(xiàn)了焊接質(zhì)量控制，并取得了較好的效果。楊家林等人[5]成功構(gòu)建了面向Nd：YAG激光熔深焊接的同軸視覺檢測系統(tǒng)，獲得了不銹鋼薄板熔池區(qū)圖像。針對圖像特點，設(shè)計了一套可靠合理的圖像處理算法，較好地提取出熔池邊緣，為焊接質(zhì)量在線檢測與控制奠定了基礎(chǔ)。然而對于鋁合金而言，由于其表面反射全波段可見光，且熔化時熔池與母材沒有明顯的顏色變化，因此采用被動視覺傳感對鋁合金焊接過程進行控制的研究尚未深入。

本研究針對鋁合金TIG焊特點，構(gòu)建了合適的被動視覺傳感系統(tǒng)，采集了清晰的熔池區(qū)圖像，并設(shè)計了一套包括中值濾波、拉普拉斯銳化、改進蟻群算法等的圖像處理方法，較好地提取了熔池邊緣，為實現(xiàn)焊接質(zhì)量監(jiān)控奠定基礎(chǔ)。

1　試驗系統(tǒng)

試驗硬件系統(tǒng)主要由交直流逆變氬弧焊300GPⅡ型焊機、AWT-3B型弧焊自動操作臺、視覺傳感系統(tǒng)和PC機等組成，如圖1所示。其中視覺傳感系統(tǒng)包括CCD攝像機、復合濾光系統(tǒng)和DH-QP300圖像采集卡等。根據(jù)TIG焊電弧光譜特征，濾光系統(tǒng)由吸熱片、15％中性減光片和648 nm濾光片組成。在Windows XP系統(tǒng)平臺下利用Visual C++6.0開發(fā)了圖像采集和處理軟件，實時采集并處理熔池圖像。

圖1　試驗系統(tǒng)示意

2　熔池圖像獲取

采用交流脈沖TIG焊焊接6061鋁合金。由于在脈沖電流峰值期間，弧光強烈，熔池信息基本被掩蓋，因此在基值電流脈沖穩(wěn)定時刻獲取圖像，且采樣時刻應避免靠近前一個下降沿及后一個上升沿。此外，基值電流影響圖像清晰度，選取基值電流為30 A，能夠獲取清晰的焊縫圖像，便于后續(xù)處理，圖像采集試驗的焊接工藝如表1所示。

表1　焊接工藝參數(shù)

為了獲得理想的熔池圖像，需通過試驗確定視覺傳感系統(tǒng)的安裝結(jié)構(gòu)參數(shù)，即CCD拍攝熔池的方向、CCD與熔池之間的距離D、熔池與CCD的夾角β。從采集的圖像可知，在熔池前方拍攝的圖像主要包含電弧光源，有關(guān)熔池信息較少；而從熔池后方拍攝不但能夠清晰地看到熔池區(qū)，而且包含所有熔池的信息，因此采用后方拍攝熔池圖像。通過反復試驗，確定CCD與熔池之間的夾角為42°，其軸線離熔池的距離為24.8 cm，獲取的熔池圖像如圖2所示。

圖2　原始熔池圖像

3　圖像處理

熔池圖像處理的最終目的是獲取熔池尺寸參數(shù)，進而調(diào)節(jié)焊接參數(shù)實現(xiàn)焊接過程控制[6]。在鋁合金TIG焊接過程中，由局部熔化的母材形成了熔池，熔池中的液態(tài)金屬在電弧向前移動后逐漸冷卻形成焊縫，焊縫的形狀是由熔池的形狀決定的。

3.1熔池圖像預處理

3.1.1圖像去噪

在焊接過程中，存在著大量由飛濺、煙塵、電噪聲產(chǎn)生的噪聲信號，即使是在未焊接的條件下，工件上的鐵銹、劃痕、標記和氧化皮等對熔池圖像都有很大的影響。這些噪聲會使特征信號被干擾嚴重淹沒，不利于后續(xù)特征量的提取，因此必須進行圖像的去噪處理。本研究分別使用中值濾波法和均值濾波法對原始圖像去噪處理，采用3×3的窗口進行比較運算，如圖3所示。中值濾波器的輸出像素值由鄰域像素的中間值決定，其對極限像素點（與周圍像素灰度值差別較大的像素）遠不及均值濾波器那么敏感，既能消除孤立的噪聲點，又可以讓圖像產(chǎn)生較少的模糊，因此本研究采用中值濾波器去噪。

a中值濾波b均值濾波圖3　去噪處理

3.1.2圖像銳化

圖像銳化處理的目的是使模糊的圖像變得更加清晰，突出圖像的輪廓或者邊緣信息。圖像模糊實質(zhì)就是圖像受到平均或積分運算造成的，可以對圖像進行逆運算如微分運算來使圖像清晰化。本研究分別采用拉普拉斯法和梯度法對圖像進行銳化處理，如圖4所示。采用拉普拉斯銳化能夠有效地使圖像清晰的同時較好地保持原圖像的各種信息。

圖4　銳化處理

3.2熔池圖像邊緣檢測

圖像邊緣是指其周圍像素灰度值有階躍變化或屋頂變化的那些像素點的集合。邊緣廣泛存在于物體與背景之間、物體與物體之間、圖像基元與基元之間，它是圖像分割所依賴的重要特征。

3.2.1傳統(tǒng)邊緣檢測算法

經(jīng)典的邊緣提取方法是考察圖像的每個像素在某個鄰域內(nèi)灰度的變化，利用邊緣鄰近一階或二階方向?qū)?shù)的變化規(guī)律檢測邊緣，稱為邊緣檢測局部算法。采用幾種經(jīng)典算法檢測熔池圖像邊緣，細化后結(jié)果如圖5所示。由圖5可知，這幾種算法都不適合該熔池圖像的邊緣檢測。

圖5　熔池圖像邊緣提取

3.2.2改進蟻群算法

由于焊接熔池圖像的復雜性、目標特征的多樣性、噪聲干擾等因素，使得熔池邊緣檢測成為了圖像處理的難點。蟻群算法是一種仿生進化算法，具有離散性、并行性、魯棒性、正反饋性等特點，因此特別適合于熔池圖像的處理。利用傳統(tǒng)蟻群算法對原始圖像進行處理，結(jié)果如圖5e所示。由于傳統(tǒng)蟻群算法等同對待圖像中所有的像素點，容易遺漏實際邊緣點或把噪聲點誤檢測為邊緣點，且一般需要較長的搜索時間。針對上述缺陷，提出了改進方法，對熔池圖像中不同內(nèi)容做不同的處理，使用不同的選擇策略和信息素更新策略，具體步驟如下：

（1）判斷螞蟻所在區(qū)域。對螞蟻所在像素點的3×3鄰域內(nèi)進行特征提取，規(guī)則為將當前像素點和鄰域內(nèi)各像素點的灰度差與灰度閾值作比較，小于該閾值的鄰域像素點個數(shù)即為所要提取的特征值。根據(jù)熔池圖像特點，區(qū)域劃分的判斷依據(jù)：背景和目標內(nèi)區(qū)域點3×3鄰域的特征值一般為8，邊界點3×3鄰域的特征值一般大于等于6，而對于噪聲點，該數(shù)值一般小于4，不同的區(qū)域其使用的選擇策略和信息素更新機制不同。

（2）背景和目標內(nèi)區(qū)域。為了使螞蟻盡快遠離此區(qū)域而聚集到邊緣上，采取的措施是將該區(qū)螞蟻的轉(zhuǎn)換規(guī)則修改為隨機選擇，結(jié)合實際螞蟻運動的慣性原理，使螞蟻沿最初選擇的固定方向運動直到圖像邊緣區(qū)，較大地提高了算法的收斂速度。由于此區(qū)域的像素點對邊緣的檢測影響甚小，所以此區(qū)域像素點信息素對螞蟻轉(zhuǎn)移沒有影響，故對信息素不更新，使其保持初值。

（3）噪聲區(qū)域。由于熔池圖像拍攝系統(tǒng)的性能和被檢測部位等固定因素的原因，使得圖像中的噪聲不可避免，對噪聲必須做特殊處理，否則會將噪聲誤檢為邊緣，故螞蟻在轉(zhuǎn)移時應剔除掉這些點。根據(jù)傳統(tǒng)蟻群算法路徑概率公式計算結(jié)果隨機選擇轉(zhuǎn)移像素點。此外，為了讓其他螞蟻以最低的概率再次選擇此噪聲點，一旦螞蟻選擇了噪聲點，應使該點處的信息素快速哀減，加大揮發(fā)系數(shù)ρ′，而且不釋放新的信息素。

（4）邊緣區(qū)。遵循偽隨機比率選擇規(guī)則選擇轉(zhuǎn)移像素點，以進一步提高蟻群算法在圖像邊緣區(qū)的搜索性能。為了獲取圖像最豐富的邊緣信息，防止漏掉細微邊緣，應該避免算法過早陷入一非最優(yōu)解，為此應擴大算法搜索空間，而信息激素濃度對搜索過程有重要影響，所以降低邊緣像素點信息激素濃度增加的速度。此時可使已經(jīng)被很多螞蟻經(jīng)過的像素的吸引力不至于太強，從而間接促進螞蟻探索那些仍未被訪問的像素，使螞蟻不會集中收斂于單一路徑，有利于發(fā)現(xiàn)更多的邊緣，提高了算法檢測質(zhì)量。

（5）最后檢查是否每個螞蟻都已經(jīng)走完，根據(jù)每個像素點經(jīng)過的螞蟻數(shù)量判斷邊緣，該算法流程如圖6所示。

圖6　改進蟻群算法流程

通過反復試驗，選定較小揮發(fā)系數(shù)ρ=0.04、較大揮發(fā)系數(shù)ρ′=0.15、信息量初始值τ=1、信息啟發(fā)式因子α=2.5、期望啟發(fā)式因子β=1.5、螞蟻總數(shù)m= 150、灰度差閾值dij=100、每只螞蟻最大迭代次數(shù)maxite=500，處理結(jié)果如圖7所示。

圖7　改進蟻群算法邊緣檢測

3.3熔池寬度特征提取

熔池形狀幾何參數(shù)主要包括：熔池最大寬度、熔池半長、熔池后部面積、后拖角。其中熔池最大寬度定義為垂直于焊接方向距離最大的兩個熔池邊界點的距離。通過圖像處理算法提取熔池寬度特征，其流程如圖8所示。

圖8　熔寬提取流程

4　驗證試驗

為驗證視覺傳感系統(tǒng)及圖像處理算法的可行性，通過焊接試驗提取熔寬，如表2所示。

表2　試驗所得熔池幾何參數(shù)

由表2可知，檢測到的熔寬參數(shù)均大于實際測得的焊縫寬度，這是由于熔融狀態(tài)的鋁合金與固態(tài)鋁合金的對比并不明顯以及強烈的弧光干擾造成的。所有試驗實測數(shù)據(jù)和計算數(shù)據(jù)誤差均在0.4 mm以內(nèi)，滿足實際需求，驗證了設(shè)計的視覺傳感系統(tǒng)和圖像處理算法是可靠有效的。

5　結(jié)論

（1）根據(jù)鋁合金TIG焊特點，成功構(gòu)建了視覺傳感系統(tǒng)，獲得了完整清晰的熔池圖像。

（2）針對采集到的熔池圖像，提出了一套包括中值濾波、拉普拉斯銳化、改進蟻群算法等的圖像處理方法，并通過焊接試驗驗證了該算法是合理可靠的，滿足焊接質(zhì)量控制要求。

[1]吳林，陳善本.智能化焊接技術(shù)[M].北京：國防工業(yè)出版社，2008.

[2]張宇.基于CCD視覺傳感的焊縫跟蹤技術(shù)的研究[D].上海：上海交通大學，2007.

[3]Bae K Y，Lee T H，Ahn K C.An optical sensing system for seam tracking and weld pool control in gas metal arc weldingofsteelpipe[J].JournalofMaterialsProcessingTechnology，2002，120（1）：458-465.

[4]Balfour C，Smith J S，Amin-Nejad S.Feature correlation for weld image-processing applications[J].International journal of production research，2004，42（5）：975-995.

[5]楊家林，高進強，秦國梁，等.基于視覺的激光深熔焊熔池檢測與圖像處理[J].焊接學報，2011，32（11）：21-24.

[6]石玗，吳魏，樊丁，等.鋁合金MIG焊正面熔池圖像視覺傳感與處理[J].中國機械工程，2005，16（2）：176-179.

Feature extraction of molten pool in TIG welding for aluminum alloy based on vision sensing

SHAN Jun，XIONG Zhenyu，F(xiàn)U Jian’an，XUE Cheng
（School ofAeronautical ManufacturingEngineering，NanchangHangkongUniversity，Nanchang330063，China）

According to the characteristics of aluminum alloy TIG welding,and on the basis of analyzing the characteristics of arc spectrum,the visual sensing system is constructed successfully by choosing suitable light components and confirming the installation structural parameters of CCD camera.By means of the developed visual sensing system，the clear images of molten pool are obtained. Aiming at the captured images，a method of image processing is proposed，including median filtering，Laplace sharpening and improved ant colony algorithm.The traditional ant colony algorithm is improved with selection strategy and information update strategy，and forms a kind of self-adaptive detection method which can effectively improve detection precision and time.Consequently，the edge of molten pool is extracted，and this would be helpful to the on-line monitoring and control of welding quality in future.

aluminum alloy；TIG welding；vision sensing；image processing

TG444+.72

A

1001－2303（2015）11－0010-04

10.7512/j.issn.1001-2303.2015.11.03

2015-07-18；

2015-08-17

江西省教育廳科技項目（GJJ13502）

單俊（1989—），男，江西婺源人，碩士，主要從事焊接自動化方面的研究工作。