一种基于结构光视觉与深度学习的V型焊缝检测系统技术方案

本发明专利技术公开了一种基于结构光视觉与深度学习的V型焊缝检测系统，包括以下步骤：A、建立结构光视觉模型，主要包括CCD摄像机、线性激光发射器、光学滤镜等；B、图像采集器采集图像并保存至存储器中；C、对采集的V型焊缝图像进行图像预处理；D、对预处理后的V型焊缝图像进行特征提取；E、将特征提取后的图像调整为统一大小后，输入到深度学习预训练模型中；F、把训练好的深度学习模型导入OpenCV中，即可对V型焊缝做出检测，本发明专利技术提供的检测系统，能够有效提高V型焊缝检测的准确性和效率。

【技术实现步骤摘要】
一种基于结构光视觉与深度学习的V型焊缝检测系统
本专利技术涉及焊缝识别
，具体为一种基于结构光视觉与深度学习的V型焊缝检测系统。
技术介绍
国外专家认为：“到2020年焊接仍将是制造业的重要加工工艺。它是一种精确、可靠、低成本，并且是采用高科技连接材料的方法。目前还没有其他方法能够比焊接更为广泛地应用于金属的连接，并对所焊的产品增加更大的附加值。”焊接技术的发展趋势是从自动化转向机器人化再最终转向智能化，这就是其发展方向。焊接过程控制系统的智能化是焊接自动化的核心问题之一，也是我们未来开展研究的重要方向。随着视觉技术的不断发展，在焊缝跟踪过程中激光传感技术被应用的越来越广泛，激光视觉传感器具有信息量大、非接触测量、高实时性、高精度、不易被干扰等优点，所以将视觉传感器应用在焊缝自动跟踪系统中可以让系统得到更多有利信息，从而使系统简单化却又不失智能性与灵活性，是最适合应用于焊缝跟踪系统的传感器，也可以说是最有前景的传感器。激光视觉传感器相当于直接提取结果，滤除了复杂的焊接过程给跟踪带来的误差，具有很高的可靠性。用视觉系统将智能机器人“看”到的信息反馈到机器人控制系统，并进行处理，然后应用到焊接过程中，是焊接控制系统智能化的关键技术。深度学习是一种逐渐发展，并引起广泛重视的高效图像识别方法，在视觉分类任务中取得不错成绩。本专利技术采用深度学习来识别V型焊缝。
技术实现思路
本专利技术的目的在于提供一种基于结构光视觉与深度学习的V型焊缝检测系统，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种基于结构光视觉与深度学习的V型焊缝检测系统,包括以下步骤：A、建立结构光视觉模型，主要包括CCD摄像机、线性激光发射器、光学滤镜等；B、图像采集器采集V型焊缝图像并保存至存储器中；C、对采集的V型焊缝图像进行图像预处理；D、对预处理后的V型焊缝图像进行特征提取；E、将特征提取后的图像调整为统一大小后，输入到深度学习预训练模型中；F、把训练好的深度学习模型导入OpenCV中。优选的，所述步骤A中采用激光作为辅助光源，激光传感器具有信息量大、非接触测量、高实时性、高精度、不易被干扰等优点。优选的，所述步骤C中对V型焊缝进行图像预处理包括以下步骤：a、利用灰度化将RGB图像转换成灰度图像，增强焊缝图像对比度；b、利用Radon变换找到激光条纹的位置，根据激光条纹的信息来处理转换后的图像，以去除图像中的噪声，在此基础上，应用Radon反变换进行图像恢复；c、最后采用自适应阈值选择法(OSTU)对恢复后的图像进行二值化处理。优选的，所述步骤D中对V型焊缝图像进行特征提取包括以下步骤：a、选用边缘检测算子对预处理后的焊缝图像进行边缘检测；b、采用Hough变换对边缘检测后的图像进行直线拟合并提取坡口特征点坐标；与现有技术相比，本专利技术的有益效果是。（1）本专利技术采用激光传感器作为辅助光源，能够获取更多的V型焊缝的信息。（2）本专利技术采用Radon变换来去除图像中的噪声，取得了良好的效果。（3）本专利技术采用V型焊缝图像来训练深度学习模型，可以显著提高系统对V型焊缝识别的准确率和效率。附图说明图1为本专利技术流程图。图2为本专利技术所述图像处理流程图。具体实施方式本专利技术提供一种技术方案：一种基于结构光视觉与深度学习的V型焊缝检测系统,下面结合附图与具体实施方式对本专利技术作进一步详细描述。请参阅图1，包括以下步骤：A、建立结构光视觉模型，主要包括CCD摄像机、线性激光发射器、光学滤镜等；B、图像采集器采集V型焊缝图像并保存至存储器中；C、对采集的V型焊缝图像进行图像预处理；D、对预处理后的V型焊缝图像进行特征提取；E、将特征提取后的图像调整为统一大小后，输入到深度学习预训练模型中；F、把训练好的深度学习模型导入OpenCV中。本专利技术中，步骤A中建立的结构光模型主要包括CCD摄像机、激光发射器、光学滤镜等。本专利技术中，对V型焊缝的图像处理流程如图2所示，其中步骤C中对V型焊缝进行图像预处理包括以下步骤:a、利用灰度化将RGB图像转换成灰度图像，增强焊缝图像对比度；b、利用Radon变换找到激光条纹的位置，根据激光条纹的信息来处理转换后的图像，以去除图像中的噪声，在此基础上，应用Radon反变换进行图像恢复；c、最后采用自适应阈值选择法(OSTU)对恢复后的图像进行二值化处理。本专利技术中，步骤D中对V型焊缝图像进行特征提取包括以下步骤：a、选用边缘检测算子对预处理后的焊缝图像进行边缘检测；b、采用Hough变换对边缘检测后的图像进行直线拟合并提取坡口特征点坐标。综上所述，本专利技术提供的V型焊缝检测方法效率高，能够有效提高V型焊缝检测准确性和效率。尽管已经示出和描述了本专利技术的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本专利技术的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本专利技术的范围由所附权利要求及其等同物限定。本文档来自技高网...

【技术保护点】
1.一种基于结构光视觉与深度学习的V型焊缝检测系统,其特征在于：包括以下步骤：A．建立结构光视觉模型，主要包括CCD摄像机、线性激光发射器、光学滤镜等；B．图像采集器采集V型焊缝图像并保存至存储器中；C．对采集的V型焊缝图像进行图像预处理；D．对预处理后的V型焊缝图像进行特征提取；E．将特征提取后的图像调整为统一大小后，输入到深度学习预训练模型中；F．把训练好的深度学习模型导入OpenCV中。

【技术特征摘要】
1.一种基于结构光视觉与深度学习的V型焊缝检测系统,其特征在于：包括以下步骤：A．建立结构光视觉模型，主要包括CCD摄像机、线性激光发射器、光学滤镜等；B．图像采集器采集V型焊缝图像并保存至存储器中；C．对采集的V型焊缝图像进行图像预处理；D．对预处理后的V型焊缝图像进行特征提取；E．将特征提取后的图像调整为统一大小后，输入到深度学习预训练模型中；F．把训练好的深度学习模型导入OpenCV中。2.根据权利要求1所述的一种基于结构光视觉与深度学习的V型焊缝检测系统，其特征在于：所述步骤A中建立的结构光视觉模型，采用激光作为辅助光源，激光具有信息量大、非接触测量、高实时性、高精度、不易被干扰等优点。3.根据权利要求1所述的一种基于结构...

【专利技术属性】
技术研发人员：李东洁，宋贺，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23