【技术实现步骤摘要】
一种机器人焊接质量的视觉检测方法
本专利技术涉及图像检测识别技术，特别涉及一种机器人焊接质量的视觉检测方法。
技术介绍
随着机器人技术的日益成熟，越来越多的工业机器人投入到汽车生产之中，目前，钢板的焊接已成为工业机器人最主要的应用领域之一，由于其工作环境恶劣、工作强度大以及运动准确性和平稳性要求高的特点，正逐步完成从手工焊接到机器人焊接的转变，焊接自动化已渐渐成为一种趋势。钢板焊接质量作为钢板后续处理的关键一环，传统的焊接质量检测方法包括人工检测和离线视觉检测：人工检测是在焊接过程中，由质检工作人员凭借自身的经验，通过对比生产文件中对该型前盖的具体焊接要求，通过专用工具进行检验；离线视觉检测则是将焊接完成的前盖置于摄像机下拍成照片，再经软件处理得到焊接的质量参数，以上两种检测方法均有较为明显的缺陷：前者依靠质检人员的经验和技术水平，具有不确定性，无法达到现代化生产中质量统一的标准：后者属于成品检验的一种，当经过该检测发现存在质量问题时只能使用机器人对前盖进行重新焊接，既浪费生产时间又增加了焊接成本。随着国内工...
【技术保护点】
1.一种机器人焊接质量的视觉检测方法，其特征在于，包括如下步骤：/n步骤1：对采集到的图像进行图像裁剪，获得较小的新图像，即真实焊接区域；/n步骤2：使用n×n方形滤波模板采用滤波法对得到的裁剪后的图像进行滤波；/n步骤3：对滤波后的图像进行分割，获得对比度明晰的二值图像，并采用形态学图像处理方法先后运用闭合与开启运算对分割后图像进行修复；/n步骤4：采用边缘检测算子进行图像边缘检测，得出边缘检测效果最佳的焊接图像；/n步骤5：对经图像处理得到的边缘图像进行分析，结合标准库中的标准焊接数据对焊接的边缘图像进行分析，得到检测结果。/n
【技术特征摘要】
1.一种机器人焊接质量的视觉检测方法，其特征在于，包括如下步骤：
步骤1：对采集到的图像进行图像裁剪，获得较小的新图像，即真实焊接区域；
步骤2：使用n×n方形滤波模板采用滤波法对得到的裁剪后的图像进行滤波；
步骤3：对滤波后的图像进行分割，获得对比度明晰的二值图像，并采用形态学图像处理方法先后运用闭合与开启运算对分割后图像进行修复；
步骤4：采用边缘检测算子进行图像边缘检测，得出边缘检测效果最佳的焊接图像；
步骤5：对经图像处理得到的边缘图像进行分析，结合标准库中的标准焊接数据对焊接的边缘图像进行分析，得到检测结果。
2.根据权利要求1所述的一种机器人焊接质量的视觉检测方法，其特征在于：所述步骤1的图像裁剪方法具体为：
当相机、镜头的安装位置固定后，选择焊枪的中心坐标为中心对原始图像进行裁剪，裁剪像素尺寸为600×600的方形区域作为相机拍摄图像的裁剪图像。
3.根据权利要求1所述的一种机器人焊接质量的视觉检测方法，其特征在于：所述步骤2具体为：
采用大小为n×n的滤波模板，n取奇数，使模板中心与原图像的像素点(i,j)重合，然后对每个像素的模板邻域内所有像素的灰度值进行排序，选取统计排序的中值为该像素(i,j)的灰度值Ii′,j：
4.根据权利要求1所述的一种机器人焊接质量的视觉检测方法，其特征在于：所述步骤3中对滤波后的图像进行分割的具体方法为：
(1)初始阀值分割：
采用图像的平均灰度值T0作为初始阀值进行分割，将图像分割成两类：灰度值从1到T0的像素点为w1类，即背景类；灰度值从T0+1到L-1的像素点为w2类，即为目标类，其中，pi≥0，
(2)计算阈值下限：
计算w1类图像的灰度均值，获得阀值下限：其中，
(3)计算阈值上限：
计算w2类图像的灰度均值，获得阀值上限：其中，Pw2＝1-Pw1；
(4)确定阈值范围为[T1,T2]，并计算类内方差和类间方差：
设图像分割阀值为T,T∈[T1,T2]；w1类和w2类的类内方差为：
计算得出类内方差为：
类间方差为：其中，μw1为w1类图像的灰度均值μw2为w2类图像的灰度均值
(5)计算最小方差比当最小方差比λ达到最小时，得出最佳阈值，然后，使用所述最佳阈值将256灰度值划分为两类，将灰度值小于T0的像素点都赋值为0，而将灰度值大于或等于T0的像素点都赋值为255，使原来的灰度图像变为二值图像，从而将图像中的目标与背景分割开来。
5.根据权利要求1所述的一种机器人焊接质量的视觉检测方法，其特征在于：所述步骤3中形态学...
【专利技术属性】
技术研发人员：魏亚东，吴云霞，周梓荣，曾洪鑫，
申请(专利权)人：东莞理工学院，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。