探傷機器人的焊縫圖像檢測技術研究.pdf

1、本文依托于實驗室的探傷機器人項目，設計了一套基于視覺的焊縫檢測系統(tǒng)，可以實時提取焊縫中心線在圖像中的偏角和偏距信息。對提高探傷機器人的自動化程度，進一步提高焊縫的檢測精度和跟蹤可靠性具有重要的意義。
　　搭建了焊縫檢測系統(tǒng)的軟硬件平臺，硬件方面完成了機器視覺系統(tǒng)包括相機、鏡頭和光源的選型設計，軟件方面構(gòu)建了從圖像采集，焊縫檢測，中心線提取到串口通信這一實現(xiàn)方式，并對焊縫檢測算法和中心線提取算法這一關鍵技術進行了深入的研究，分別采用

2、傳統(tǒng)的圖像處理、BP神經(jīng)網(wǎng)絡和卷積神經(jīng)網(wǎng)絡三種方法展開研究。
　　在傳統(tǒng)的圖像處理中，按照圖像預處理、邊緣檢測、圖像后處理的步驟進行焊縫檢測。在圖像后處理中，在已有的區(qū)域生長算法基礎上改進提出一種基于區(qū)域生長標號去噪的算法去除小面積噪聲，并提出一種基于質(zhì)心的中心線提取算法快速求出焊縫中心線的直線方程。
　　針對傳統(tǒng)的圖像處理算法對光照比較敏感，自適應性較差的缺點，在普通神經(jīng)網(wǎng)絡的基礎上，提出一種基于子區(qū)域BP神經(jīng)網(wǎng)絡的算法，

3、該算法把圖像的子區(qū)域作為網(wǎng)絡的輸入，把子區(qū)域的分類作為網(wǎng)絡的輸出。然后對該算法進行改進提出子區(qū)域BP_Adaboost算法，把子區(qū)域BP網(wǎng)絡作為弱分類器，實驗表明可以提高子區(qū)域BP神經(jīng)網(wǎng)絡的分類準確率。
　　針對子區(qū)域神經(jīng)網(wǎng)絡挑選特征樣本十分繁瑣，且整張圖片的焊縫識別正確率耍比子區(qū)域的分類正確率低很多的問題，采用基于卷積神經(jīng)網(wǎng)絡的Faster RCNN算法進行焊縫檢測，直接把整張圖片作為輸入，焊縫的位置作為輸出，測試的準確率可以達