文 献 综 述

焊缝表面缺陷智能检测技术研究

1、课题研究的意义与背景

目前，焊接技术是工业生产中最重要的工艺技术之一，广泛应用于各种材料的连接中，包括机械制造、核工业、航空航天、能源交通、石油化工、造船、汽车制造等行业^[1]。焊接生产中常见的焊缝表面缺陷主要有咬边、焊瘤、塌陷、错边、表面气孔、表面裂纹等。其中焊缝的表面缺陷是影响焊缝质量的重要因素，其大小决定了焊缝的应力集中程度，因此，焊缝的外形尺寸和缺陷的正确测量是保证其焊接质量的关键。

对于焊接质量检测的工作，人们长期以来一直侧重于焊缝的超声波、X射线等无损检测的研究，而对焊接接头的表面检测往往依靠检验人员采用量规、量尺、放大镜等工具手工来完成的。该方法的缺点是不仅成本高，效率低。由于长时间的评片造成的人眼疲劳，会导致分辨力下降，易出现漏检和误判等情况。同时，结果易受人的主观判断影响，并且无法实现实时连续性检测。因此，降低焊接质量对人的依赖程度，对焊缝表面进行主动性检测，提高焊接接头质量控制越来越有必要^[2]。

随着经济社会的发展,这些缺点已无法满足当前激烈的竞争环境，而激光视觉传感检测能很好地解决上述问题。基于激光视觉传感的焊后检测技术原理是利用类似人类视觉感官的传感器来获取检测对象的图像信息，然后由计算机按照特殊设计的图像处理算法对其进行实时处理和判断。激光视觉传感焊后检测系统主要由激光视觉传感器、控制器、图像采集卡、计算机、执行机构以及十字滑架等组成^[3]。激光发射器发出一平面激光束投射到待检测工件表面，激光束在工件表面形成了一条宽度很窄的激光条纹。由于工件表面深度不同，激光条纹将发生变形，因此变形的激光条纹包含了工件表面丰富的三维特征信息。CCD或CMOS摄像机接受反射的条纹图像，经过图像采集卡把摄去的模拟信号转换成为数字图像传送到计算机中。控制器对所获得的激光条纹图像进行图像处理，识别出熔宽、余高、焊趾角度、咬边、下凹量、平板角度、错边、焊脚长度、凸度等，从而得到了相应的焊缝信息^[4]。

目前应用广泛的人工检测相比，激光视觉传感焊后检测技术具有多重优点（如表1-1所示）而广泛应用；

表1-1 检测方法对比^[5]

激光视觉传感焊后检测技术的工艺流程：1）图像采集^[6] ，2）图像预处理，3）图像阀值分割^[7]，4）条纹中心线的提取^[8]，5）图像特征分析。

实际生产中焊件表面常被氧化、吸附附有沾污，这些情况的存在，将影响检测精度。因而预处理十分重要，通过对基体表面的预处理，获得洁净的表面。预处理主要包括去处锈蚀、油脂和焊接飞溅等。图像采集过程就是把从CCD摄像机传入的模拟信号转化为数字信号送到计算机中。图像采集过程流程大致是：开始、参数设置、采集图像到屏幕或内存、结束^[9]。图像预处理是图像处理过程的基础，是为了改善图像质量，增强信噪比，为后续处理做好准备^[10]。图像阀值分割将图像分成若干个有意义的区域，对于本项目就是将图像中的激光条纹分割出来。条纹中心线的提取是图像处理的关键环节，既需要保证提取的精度和处理速度，还需要保证提取出的曲线的连通性和细节特征。最终借助LabVIEW软件自动连续处理图像并判断焊缝的各参数，完成检测^[11]。

2、激光视觉传感焊后检测技术应用前景

激光视觉传感焊后检测是将CCD视觉传感器、一字线半导体激光器沿一定角度和高度安装，利用可移动装置夹持焊缝沿着光线移动，采集焊缝的结构光图像，再由图像处理软件对采集到的数字图像进行处理，并进行相关的检测分析和数字识别，如果有缺陷，进行语音提示，从而实现对平直焊缝表面质量的自动检测。检测过程中使用LabVIEW软件，基于模块化的思想进行激光视觉传感焊后检测系统的软件开发实现智能化检测。

第一，本检测是基于传感器图像采集^[12]和计算机图像处理^[12]的检测技术，设定特定参数后每个数据将会与标准参数做比较做到不漏检不重复，做到效率与精确度的多重保证；

第二，本检测是基于机器的检测技术^[13]，人在其中只是起到辅助的作用，可以实现连续检测；

第三，本检测的无需添加试剂等，实现无损检测综合成本更低，且符合生产智能化解放更多人力的发展趋势^[14]。

随着电子计算机科学、图像处理技术、光电技术和模式识别技术与理论的迅速发展^[15]，激光视觉传感焊后检测技术得到相应的技术支持得以迅速发展且应用前景广泛，因而本课题对此进行了初步研究。

3、激光视觉传感焊后检测技术发展现状

激光结构光视觉拥有独特的优点，在工业农业检测领域中得到了广泛应用^[16]。激光视觉传感在焊接生产方面的应用并不是新出现的技术，很多年前就已成功地应用于焊缝跟踪中，视觉传感器放置于焊炬前方采集焊缝轮廓信息，适时调整焊接参数从而获得更为理想的焊缝状况，国内外很多大学和研究所对激光焊缝跟踪及校核系统进行了大量研究，包括哈尔滨工业大学，清华大学，华中理工大学，华南理工大学、天津大学、牛津大学等^[17-28]。然而，有关基于视觉传感焊缝缺陷检测的国内外研究主要集中在X射线评片内容^[29-34]。

目前，针对于焊后焊缝表面缺陷的视觉传感检测技术目前国内外研究较少。而国外在该领域的研究已取得了一定的成果。R. A. White等人开发了一套在线焊缝轮廓视觉检测系统，该系统能够实现实时在线检测^[35]。系统由激光传感头、系统板、用户界面、键盘及液晶显示屏等组成。既可测量角焊缝也可以测量对接焊缝，能够测量熔宽为 5~20mm范围的焊缝，精度小于2%。C. Reichert使用激光视觉传感的方法实现了焊前、焊后的检测，焊前检测可对焊接装配状况、坡口尺寸等进行检测，焊后检测可检测熔宽、余高、焊趾长度、焊缝凸凹、平板角度等宏观尺寸以及气孔、裂纹、咬边、飞溅等外观缺陷。并把该技术应用在船舶角焊缝、汽车专用钢坯的检测中^[36]。

J. Lee等人开发设计的激光视觉检测系统可对焊缝及倒角质量进行检测。与传统的方法相比，首先它的使用更为方便，检测和分析耗时短，可检测的内容明显增多，其次消除了人们对焊缝质量评定的主观判断性，检测的数据被永久性保存，便于后续的统计分析。目前，该设备正应用在三星重工Koje造船厂角焊缝及倒角的尺寸测量中，精度达到#177;0.1mm，今后它还将用于桥梁的建造、钢结构生产以及设备制造中^[37]。

2007年哈尔滨工业大学的杨春利教授从激光视觉传感的检测原理出发，采用激光器倾斜照射，摄像机垂直接收的方案^[38]。根据所要测量焊缝的大小、激光条纹的线长CCD摄像机的成像关系计算和设计了激光器和摄像机的位置关系和工作距离，设计的传感器的理论检测精度达到0.08mm/pixel。通过对计算机中图像进行中值滤波、阈值分割、数学形态学等各种算法处理，通过求取条纹中心线上的拐点、斜率以及搜索边界点，识别出了包括焊缝熔宽、余高、焊趾角度、咬边、下凹量、平板角度、错边等尺寸信息。试验验证表明，激光视觉焊后检测系统的测量精度和稳定性都比较好。

2012年上海交通大学华清宇设计了基于机器人视觉的焊缝质量焊后检测系统，将视觉技术与焊接机器人相结合后引入焊缝质量检测领域，发展了效率高、精度高、智能化的焊缝质量自动检测系统^[39]。针对结构光图像和LED光图像的特征，优化了图像处理算法，顺利实现了焊缝参数测量与缺陷判定；利用不同试验来检验检测系统的重复精度、测量精度和缺陷判定的准确度，系统测量误差在企业允许的范围之内。 但该方法机器人位置调整后，每次需要位置校和，比较麻烦。

2014年兰州理光大学李明以埋弧自动焊的焊缝外观形貌检测为研究对象，基于双目立体视觉图像为信息源，探索了实现焊缝成形宏观形貌的一种低成本、非接触、数字化的评判方法^[40]。

参考文献

[1] 林尚扬, 陈善本, 李成桐, 吴林. 焊接机器人及其应用[M]. 机械工业出版社: 2000. 1-2

[2] 胡文刚, 刚铁. 基于超声信号和图像融合的焊缝缺陷识别[J]. 焊接学报, 2013, 34(4):53~56.

[3] 高炜欣, 胡玉衡, 穆向阳等. 基于聚类的埋弧焊X射线焊缝图像缺陷分割算法及缺陷模型[J]. 焊接学报, 2012, 33(4):37~41.

[4] Wu J,Smith J S , Lucas J . Weld bead placement system for multipass welding[J] . IEE Proceedings : Science , Measurement and Technology , 1996 , 143 ( 2 ) 85 #8211; 90

[5] Shao J X, Du D, Chang B H, et al. Automatic weld defect detection based on potential defect tracking in real-time radiographic image sequence[J]. NDTamp;E International, 2012, 46(1):14~21.

[6] Bartolini. L, Bordone. A, Coletti. A, Ferri de Collibus. M, Fornetti, Giorgio G, Neri. C, Poggi. C, Riva. M, Semeraro, L, Talarico, C. Laser Vision Sensor for Invessel Inspection of Fusion Reactors. Proceedings of SPIE-The International Society for Optical Engineering. 1999, 3823; 200~211

[7] Kim, Y. C, Aggarwal, J, K, Positioning Three-dimensional Ogjects Using Stereo Images. IEEE Journal of Robotics and Automation, 1987. 3(4);361~373

[8] Song Zhang, Peisen S, Huang, Noel Method for Structured Light System Calibration, Optical Engineering, 2006, 45(8); 1~8

[9] 张勇斌, 卢荣胜, 费业泰, 刘志健, 吴彰良, 基于十字线结构光视觉测量系统.

[10] 张广军, 费俊吉, 李秀智. 用于内表面测量的圆结构光视觉图像处理方法. 光电工程. 2006, 33(2);102~106

[11] ZHANG, Meiqin, WANG Guanjun, AN Yongquan, DING Junrong, GU Jinyu, WANG Zhibin. Design and Realization of Control Software for Optical Spectrum Analyzer Based on LabVIEW. [J]. 电子器件, 2017, 40(6): 1561-1566

[12] 穆慧敏, 李惠玲, 王鹏伟, 李　颖. 基于DAQ及LabVIEW 的数据采集平台研发[M]. 山西:山西地震, 2017. 29-30

[13] 闫 玲, 方开翔, 姚寿广. 基于LabVIEW的多功能数据采集与信号处理系统[M]. 江苏:江苏科技大学学报, 2006. 50-54

[14] 何晓波, 刘建业. 基于Labview的谐波检测分析仪[M]. 河北:科技创新与应用, 2017. 19-20

[15] 祝世平, 强锡富. 工件特征点三维坐标视觉测量方法综述[M]. 光学精密工程: 2000. 192-197

[16] Weilin, Wang, a, Changying, Li, a, #8657;, Ernest, W, Tollner, b, Glen, C, Rains. Development of software for spectral imaging data acquisition using LabVIEW[M]. journal homepage: www.elsevier.com/locate/compag, 2012. 68-75

[17] 潘际銮. 弧焊过程控制[J]. 南昌大学学报(工科版), 1998, 20 (1): 1-13.

[18] 李慨, 岳宏, 张毅等. 基于激光结构光焊缝图像预处理的研究[J]. 河北工业大学学报, 2007, 36(5): 12-15.

[19] 周律, 陈善本, 林涛. 弧焊机器人焊缝跟踪方法的研究现状[C]. 第十一次全国焊接会议论文集(第 2 册), 中国上海:中国机械工程学会焊接学会, 2005: 531-534.

[20] 陈强, 路井荣, 孙振国. 弧焊机器人焊炬姿态规划系统的研究[J]. 中国机械工程, 2002, (11): 956-958.

[21] 张宇. 基于CCD 视觉传感的焊缝跟踪技术的研究[D]. 上海交通硕士论文,2007.

[22] 徐培全, 唐新华, 李莉娜等. 视觉传感机器人焊缝跟踪系统[J]. 上海交通大学学报, 2008, 42(1): 28-31.

[23] 王平, 基于激光结构光视觉传感的焊缝图像处理[D]. 上海交通大学硕士论文, 2010.

[24] 沈鹏程. 基于激光视觉的焊缝跟踪及纠偏系统[D].中国计量学院硕士学位论文，2015.6.

[25] Mahajan A, Fiqueroa F. Intelligent seam tracking using ultrasonic sensors for robotic welding[J]. Robotica, 1997, 15(3): 275-281.

[26] Smith J S, Ludas W. Vision based systems for controlling the arc welding operation and inspecting the weld bead profile[J]. Welding Research Abroad, 2000, 46(11): 10-22.

[27] Morgan C G. An implementation of model-based visual feedback for robot[J]. The International Journal of Robotics Research, 1985(4): 13-26.

[28] Agapiou G, Kasiouras C, Serafetinides A A. A detailed analysis of the MIG spectrum for the development of laser-based seam tracking sensors[J]. Opticsamp;Laser Technology, 1999, 31(2): 157-161.

[29] 任大海, 尤政, 孙长库等. 焊缝射线实时成像自动分析系统焊接学报[J]. 2000, 21(1):61-63.

[30] 赵永珠. 船舶焊缝图像缺陷识别系统研究[D]. 武汉理工大学硕士学位论文, 2009, 6.

[31] 周春成. 图像处理技术在焊接缺陷检测中的应用[D], 郑州大学硕士学位论文, 2010, 10.

[32] 梁硼. X射线焊缝图像缺陷自动提取与识别技术研究[D], 南京航空航天大学硕士学位论文, 2012, 3.

[33] 董明训. X射线数字图像焊接缺陷检测研究[D], 山东大学硕士学位论文, 2011, 5.

[34] 张丛丛, 刘稳, 曹光光等. MATLAB图像处理技术在工程机械焊缝检测中的应用[J]. 测试与实验技术, 2015, S1: 208-212.

[35] R. A. White, J. S. Smith, J. Lucas. Vision-based Gauge for Online Weld Profile Metrology. Measurement and Technology. 1994, 141(6): 521~526.

[36] C. Reichert. Pre-and Post-weld Inspection Using Laser Vision. Nondestructive Evaluation of Materials and Composites II, San Antonio. TX. United States, 1998. United States, The International Society for Optical Engineering, 1998: 244~254.

[37] J. Lee, P. Im, Y. Park, J. Kim. Welding Bead and Chamfer Inspection by means of Laser Vision. Optomechatronic Systems, Boston. MA, 2000. Boston, Society of Photo-Optical Instrumentation Engineers. 2001: 41~50.

[38] 卢昌福. 基于激光视觉传感的焊后检测技术研究[D]. 哈尔滨工业大学硕士学位论文, 2007,7.

[39] 华清宇. 汽车横向摇臂焊缝质量焊后视觉检测系统研究[D]. 上海交通大学硕士学位论文, 2012,1.

[40] 李明. 一种焊缝成形形貌的视觉评判方法研究[D]. 兰州理工大学硕士学位论文, 2014.4.