趙國鑫 閆旺 于灝

關鍵詞：機器視覺；圖像處理；焊接檢測；風電塔筒；焊縫寬度

0 引言

近年來，酒泉市風力發(fā)電產業(yè)得到了快速發(fā)展，風電塔筒是風力發(fā)電重要的設備之一，在風力發(fā)電機組中主要起支撐作用，同時吸收機組震動，保證風電設備的穩(wěn)定性。風電塔高度高，需要有足夠的強度、剛度和抗疲勞性能，以保證在大風或暴風襲擊時，不會發(fā)生整機傾倒等事故。塔筒整體結構采用焊接技術制造，焊縫長度長，焊接工程量大，焊接質量要求高。在焊縫的外觀檢驗中，寬度及寬度差檢測是焊縫外觀檢測的一個重要指標。

目前，塔筒焊縫的外觀檢測使用的是人工檢測法，即工人利用焊縫檢測尺測量焊縫的不同位置進行數(shù)據(jù)分析，由于焊縫較長，檢測過程費時費力，過度依靠檢測者的經驗，且具有較大的主觀性，不利于智能化推廣；而且會因工作時間的延長、出現(xiàn)測量者的疲勞和檢測水平的問題，出現(xiàn)誤測、漏測，測試結果不夠穩(wěn)定等問題。

通過與圖像處理和人工智能相結合的辦法來檢測焊縫的表面成型質量，已經有了豐碩的成果。褚慧慧[1]做了基于視覺的焊縫質量檢測技術研究，將機器視覺技術應用到焊縫質量檢測中，實現(xiàn)了非接觸的高靈敏度與高精度測量，提高了檢測效率，降低了檢測成本。王立偉等人[2]對基于視覺信息的鋼板連續(xù)生產線激光焊接關鍵技術進行了研究，將機器視覺融入鋼板激光連續(xù)焊接技術中，實現(xiàn)了焊縫、焦點的位置以及焊接速度的精確控制。王振民等人[3]利用機器視覺的方法，獲取了焊接過程中的熔池相關參數(shù)，并以此為依據(jù)對焊接過程進行控制。但是，大部分的檢測系統(tǒng)是基于機構光或者激光的[4-6]，需要專門的硬件設備，檢測過程相對比較復雜；且關于風電塔筒焊縫質量的研究相對較少。針對這些問題，本文提出一種基于視覺技術的風電塔筒焊縫寬度檢測方法。

1 方法簡述

通過攝像設備獲取焊接件圖像，讀入圖像并采用人機交互的方式對圖像進行選區(qū)；提取其亮度信息對圖像進行灰度化獲得灰度圖像，采用直方圖均衡化和中值濾波對圖像進行增強，中值濾波可以有效地降低噪聲，并更好地保護圖像的邊緣信息?；谝曈X的焊縫寬度檢測系統(tǒng)流程如圖1所示。

使用區(qū)域生長法對圖像進行分割獲得焊縫的二值圖，區(qū)域生長方法是根據(jù)同一物體區(qū)域內像素的相似性質來聚集像素點的方法，從初始區(qū)域（如小鄰域甚至于每個像素）開始，將相鄰的具有同樣性質的像素或其他區(qū)域歸并到目前的區(qū)域中，從而逐步增長區(qū)域，直至沒有可以歸并的點或其他小區(qū)域為止。區(qū)域內像素的相似性度量可以包括平均灰度值、紋理、顏色等信息。在沒有先驗知識可以利用時，可以取得最佳的性能，可以用來分割比較復雜的圖像。

依靠形態(tài)學處理修補過分割區(qū)域得到焊縫區(qū)域，形態(tài)學是圖像處理中應用最為廣泛的技術之一，主要用于從圖像中提取對表達和描繪區(qū)域形狀有意義的圖像分量，使后續(xù)的識別工作能夠抓住目標對象最為本質的形狀特征，如邊界和連通區(qū)域等；最后依據(jù)像素數(shù)來計算焊縫寬度的各個參數(shù)。

2 仿真系統(tǒng)設計

2.1 界面設計

焊縫寬度檢測系統(tǒng)是基于Windows系統(tǒng)和Matlab 軟件開發(fā)的。軟件的界面主要包含4個區(qū)域，即命令窗口、處理結果預覽窗口、焊縫寬度曲線顯示區(qū)域與參數(shù)計算窗口。在命令窗口中集成了6個命令，分別為選擇圖片、選區(qū)、濾波、區(qū)域生長分割、形態(tài)學處理與焊縫寬度曲線命令。在執(zhí)行區(qū)域生長分割時需要人機交互確定多種子的生長位置，從而實現(xiàn)了對復雜圖像的分割。在執(zhí)行形態(tài)學處理命令時，可以認為修正形態(tài)學處理的參數(shù)，從而進一步優(yōu)化分割效果。

在處理預覽窗口中，可以實時查看每一步運算的結果，在焊縫寬度曲線區(qū)域可以查看焊縫寬度的曲線，更加直觀地看到焊縫寬度的變化情況。在參數(shù)計算窗口中可以計算并查看焊縫寬度信號的各種信息，包括最大值、最小值、均值、方差等。

2.2 直方圖均衡化

對不同灰度的像素進行統(tǒng)計，可以獲得灰度直方圖，通過改變灰度直方圖可以改變像素的灰度，進而增強動態(tài)范圍偏小的圖像對比度，直方均衡化是簡單且有效的圖像增強方法。

圖像的灰度直方圖是一個一維的離散函數(shù)：

2.3 中值濾波

雖然期望得到高質量的圖像，但是由于焊接件本身或是拍攝設備與工藝等問題，得到的圖像往往會存在一些噪聲（noise） 可用公式（3） 表示圖像噪聲。

由于中值濾波屬于非線性濾波，不需要處理圖像的統(tǒng)計信息，所以運算速度快、易于實現(xiàn)，中值濾波在一定情況下可以克服線性濾波器的細節(jié)丟失問題。算法對窗口中像素的灰度值進行排序并采用中間灰度值來代替窗口中心像素的灰度值，如圖7和圖8所示，以此方法遍歷整個圖像，實現(xiàn)對整個圖像的降噪。

2.4 區(qū)域生長法

區(qū)域生長法是根據(jù)一定準則要求將像素或（種子）聚合形成更大連通域的圖像分割方法，其基本過程是從生長點開始（可以為像素或區(qū)域），將符合要求的相鄰像素或者區(qū)域與生長點聚合從而形成新的生長點，然后重復此過程，直到找出所有符合要求的像素為止，算法的判斷依據(jù)可以是灰度值、紋理、顏色等圖像信息。區(qū)域生長算法關鍵有三個，即種子的選擇、要求的確定和中終止條件的確定。

如圖9所示，每個方格代表一個像素，其中數(shù)字表示該像素的灰度。以灰度值為130的像素為初始的生長點，記為f （i，j ）。在8鄰域內，生長準則是待測點灰度值與生長點灰度值相差小于或等于10，圖10為區(qū)域生長后的圖，然后繼續(xù)迭代，直到沒有符合生長條件的像素后停止。

2.5 形態(tài)學處理

圖像的膨脹（Dilation） 和腐蝕（Erosion） 是兩種基本的形態(tài)學運算；如圖11所示，白色為背景區(qū)域，橙色為目標區(qū)域，以3×3的模板遍歷整個圖像，當中心像素8鄰域中存在背景像素時，則把其賦值為背景值；膨脹原理與腐蝕相反，當中心像素8鄰域中存在目標像素時，則把其賦值為目標值，如圖11所示。

對圖像腐蝕后膨脹，可以消除圖像間的黏連平滑形狀邊界，且不改變目標區(qū)域的面積，即為開運算；先對圖像膨脹后腐蝕，可以閉合目標區(qū)域內的孔洞，連接相鄰目標區(qū)域，修補間斷的輪廓等，稱之為閉運算，如圖12所示。

3 系統(tǒng)測試

3.1 測試條件

所做實驗采用的是Windows 11系統(tǒng)，處理器為11th Gen Intel（R） Core（TM） i5-11300H@3.10GHz，內存（RAM） 為16.00GB，系統(tǒng)類 型為64 位，所用軟件為MATLAB 2022b。

3.2 圖像增強模塊測試

運行軟件，在圖像選取窗口選擇要檢測的圖像，如13所示；在圖像選區(qū)窗口通過鼠標選取要檢測的焊縫區(qū)域，該區(qū)域為矩形區(qū)域，邊長為鼠標左鍵按住與松開時兩點間水平距離與豎直距離，選區(qū)如圖14所示。采用加權平均法對圖像進行灰度化，由于人眼對三種顏色分量方的敏感度不同，紅色、綠色和藍色較為常用的權值分別為0.3、0.59和0.11，然后對圖像進行中值濾波，濾波后的圖像如圖15所示。

3.3 圖像分割模塊測試

運行區(qū)域生長分割命令，在彈出的窗口選擇種子點，系統(tǒng)采用的是多種子區(qū)域增長法，可以一次選取多個種子，如圖16所示，選取的種子數(shù)目、位置對圖像分割的效果有較大影響，分割后的圖像如圖17所示。

3.4 形態(tài)學處理模塊測試

系統(tǒng)采用的形態(tài)學處理的結構元素為disk，默認大小為5個像素。用戶可以在形態(tài)學參數(shù)值輸入框中自定義結構元素的大小，參數(shù)值的大小關系到計算結果的準確程度。如果參數(shù)值選擇過大，則會造成欠分割，即會使得背景中的像素被誤分到目標區(qū)域內；如果選擇的參數(shù)值較小，則會造成過分割，即把目標中的像素誤分到背景中。在本次測試環(huán)節(jié)中，結構元素的大小為23，其處理結果如圖18所示。

3.5 焊縫參數(shù)計算模塊測試

運行焊接寬度曲線可以獲得焊縫寬度的曲線，曲線的縱坐標為焊縫的長度，曲線的橫坐標為焊縫在某一位置的像素數(shù)，即焊縫的寬度，如圖19所示。運行參數(shù)計算命令，即可對焊縫寬度的相關參數(shù)進行計算，例如最大值、最小值、均值和方差等，可以定量的描述焊縫的寬度，便于用于評價焊縫的質量，參數(shù)計算窗口如圖20所示。

4 結論

針對目前風電塔筒焊縫寬度檢測過程中存在的問題，設計和開發(fā)了一種基于視覺的焊縫寬度檢測系統(tǒng)。采用相機采集焊縫圖像，通過圖像處理，代替人工測量焊縫的寬度，實現(xiàn)了風電塔筒焊縫寬度檢測的自動化、智能化；系統(tǒng)對硬件的要求低，限制少；不依賴測量者的經驗與技術，實現(xiàn)了焊縫寬度的精確、穩(wěn)定測量，大大減小了人工處理過程所帶來的誤差，提高了效率。