基于视觉检测的铁塔质量分析方法技术

本申请涉及视觉检测技术领域，具体涉及一种基于视觉检测的铁塔质量分析方法，通过对区域生长算法进行改进，基于热影响区域特征自适应选择初始种子点，初始种子点的筛选不仅可以有效避免生长次数较小便停止生长，无法得到精确的热影响区域的现象发生，同时也可以确保后续根据已生长区域像素点特性对生长阈值进行自适应调节的效果。并基于已生长区域像素点特性与热影响区域生长特性对生长阈值进行自适应调节，获取局部自适应生长阈值，提高了热影响区域的获取精度，进而提高了焊缝区域的获取精度，并基于焊缝区域的纹理特征差异以及焊缝区域获取时生长过程差异完成焊缝质量分析，提高了焊缝区域质量检测精度。高了焊缝区域质量检测精度。高了焊缝区域质量检测精度。

【技术实现步骤摘要】
基于视觉检测的铁塔质量分析方法


[0001]本申请涉及视觉检测
，特别是涉及一种基于视觉检测的铁塔质量分析方法。

技术介绍

[0002]随着电力需求的不断增长，大容量、高电压等级输电线路得到迅速发展，使得杆塔设计荷载越来越大，输电线路铁塔结构设计趋于大型化、复杂化。而铁塔加工过程中，焊接工作量占整基铁塔加工工作量的60%～65%。焊接是输电铁塔加工中的一道工序，其质量的优劣直接影响到整基铁塔的加工质量。为了确保输电铁塔加工的整体质量符合设计要求，需要对铁塔加工过程中的焊接缺陷进行检测，并作出相应的补焊等处理。
[0003]由于焊接过程为高温过程，在焊接过程中，焊缝两侧区域的金属受到高温作用其表面发生变化，受到影响的金属区域被称为热影响区域。在对焊缝进行缺陷检测时，使用canny算子对焊缝区域进行提取时，往往会将热影响区域与焊缝区域共同提取出来，导致后续焊缝区域的缺陷检测效果受到干扰。
[0004]使用区域生长算法对焊缝区域进行提取，在进行区域生长时，由于不同位置的金属表面受到的热影响效果是不同的，则导致不同位置的金属表面的灰度值不同，极易出现灰度不均现象，故再使用预设的固定阈值进行生长时，生长效果不佳，即得到的热影响区域不够准确，进而使得实际焊缝区域的获取精度不高。

技术实现思路

[0005]基于此，有必要针对使用区域生长算法对焊缝区域进行提取，在进行区域生长时，由于不同位置的金属表面受到的热影响效果是不同的，则导致不同位置的金属表面的灰度值不同，极易出现灰度不均现象，故再使用预设的固定阈值进行生长时，生长效果不佳，即得到的热影响区域不够准确，进而使得实际焊缝区域的获取精度不高的问题，提供一种基于视觉检测的铁塔质量分析方法。
[0006]本申请提供一种基于视觉检测的铁塔质量分析方法，包括：采集输电塔塔体构件的焊接图像，对焊接图像进行预处理得到塔体构件焊接灰度图像；对塔体构件焊接灰度图像进行处理得到初步焊缝区域，将初步焊缝区域划分为多个焊缝像素块，对每一个焊缝像素块使用基于自适应调节局部生长阈值的区域生长算法，以将每一个焊缝像素块分割成为热影响区域和实际焊缝区域；从每一个焊缝像素块的实际焊缝区域中提取缺陷区域，并根据缺陷区域特征完成焊缝的质量检测。
[0007]本申请涉及一种基于视觉检测的铁塔质量分析方法，通过对区域生长算法进行改进，基于热影响区域特征自适应选择初始种子点，初始种子点的筛选不仅可以有效避免生长次数较小便停止生长，无法得到精确的热影响区域的现象发生，同时也可以确保后续根
据已生长区域像素点特性对生长阈值进行自适应调节的效果。并基于已生长区域像素点特性与热影响区域生长特性对生长阈值进行自适应调节，获取局部自适应生长阈值，提高了热影响区域的获取精度，进而提高了焊缝区域的获取精度，并基于焊缝区域的纹理特征差异以及焊缝区域获取时生长过程差异完成焊缝质量分析，提高了焊缝区域质量检测精度。
附图说明
[0008]图1为本申请一实施例提供的基于视觉检测的铁塔质量分析方法的流程示意图；图2为本申请一实施例提供的基于视觉检测的铁塔质量分析方法中焊缝像素块分割后的一个焊缝像素块的示意图；图3为本申请一实施例提供的基于视觉检测的铁塔质量分析方法中像素点q点与焊缝像素块内初步焊缝区域边缘像素点的最小欧式距离的示意图。
具体实施方式
[0009]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0010]本申请提供一种基于视觉检测的铁塔质量分析方法。需要说明的是，本申请提供的基于视觉检测的铁塔质量分析方法的应用于任何种类的数控钻铣床。
[0011]如图1所示，在本申请的一实施例中，所述基于视觉检测的铁塔质量分析方法包括如下S100至S300：S100，采集输电塔塔体构件的焊接图像，对焊接图像进行预处理得到塔体构件焊接灰度图像。
[0012]S200，对塔体构件焊接灰度图像进行处理得到初步焊缝区域，将初步焊缝区域划分为多个焊缝像素块。对每一个焊缝像素块使用基于自适应调节局部生长阈值的区域生长算法，以将每一个焊缝像素块分割成为热影响区域和实际焊缝区域。
[0013]S300，从每一个焊缝像素块的实际焊缝区域中提取缺陷区域，并根据缺陷区域特征完成焊缝的质量检测。
[0014]具体地，S100的预处理方式可以为多种。
[0015]本申请涉及一种基于视觉检测的铁塔质量分析方法，通过对区域生长算法进行改进，基于热影响区域特征自适应选择初始种子点，初始种子点的筛选不仅可以有效避免生长次数较小便停止生长，无法得到精确的热影响区域的现象发生，同时也可以确保后续根据已生长区域像素点特性对生长阈值进行自适应调节的效果。并基于已生长区域像素点特性与热影响区域生长特性对生长阈值进行自适应调节，获取局部自适应生长阈值，提高了热影响区域的获取精度，进而提高了焊缝区域的获取精度，并基于焊缝区域的纹理特征差异以及焊缝区域获取时生长过程差异完成焊缝质量分析，提高了焊缝区域质量检测精度。
[0016]在本申请的一实施例中，所述S100包括如下S110和S120：S110，采集输电塔塔体构件焊接后的图像，记为焊接图像。
[0017]S120，对焊接图像使用加权灰度化的方法进行灰度化处理，得到塔体构件焊接灰度图像。
[0018]具体地，采集的输电塔塔体构件焊接后的图像为RGB图像，为了保证成像质量，选择照度均匀的漫反射光源。
[0019]灰度化，指在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度值范围为0
‑
255。
[0020]本实施例中，通过工业相机协同光源完成对铁塔构件焊接图像的采集，在铁塔焊接完成后，将光源对准焊接部位，通过工业相机采集多张图像，再将多张图像拼接成为一张焊接图像，之后对焊接图像进行灰度化处理，得到焊接灰度图像。
[0021]在本申请的一实施例中，所述S200包括：S210，使用canny算子检测对焊接灰度图像进行处理，得到初步焊缝区域。
[0022]S220，将初步焊缝区域分割为长度相等的N个焊缝像素块。
[0023]S230，将每一个焊缝像素块分割成为热影响区域和实际焊缝区域。
[0024]具体地，N可以为100。
[0025]如图2所示，焊接灰度图像的长度为初步焊缝区域长度的，焊接灰度图像的宽度为焊接灰度图像所在的初步焊缝区域的宽度。S220是将初步焊缝区域分割为长度相等的N个焊缝像素块。
[0026]使用canny算子检测得到的初步焊缝区域并不为精确的焊缝区域，原因是在焊接过程中，焊缝上下两侧的金属会受到高温的作用发生一定程度的变色以及焊接过程中焊料可能出现飞溅等现象。这些现象会使靠近焊缝的金属表面的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉检测的铁塔质量分析方法，其特征在于，所述基于视觉检测的铁塔质量分析方法包括：采集输电塔塔体构件的焊接图像，对焊接图像进行预处理得到塔体构件焊接灰度图像；对塔体构件焊接灰度图像进行处理得到初步焊缝区域，将初步焊缝区域划分为多个焊缝像素块，对每一个焊缝像素块使用基于自适应调节局部生长阈值的区域生长算法，以将每一个焊缝像素块分割成为热影响区域和实际焊缝区域；从每一个焊缝像素块的实际焊缝区域中提取缺陷区域，并根据缺陷区域特征完成焊缝的质量检测。2.根据权利要求1所述的基于视觉检测的铁塔质量分析方法，其特征在于所述采集输电塔塔体构件的焊接图像，对焊接图像进行预处理得到塔体构件焊接灰度图像，包括：采集输电塔塔体构件焊接后的图像，记为焊接图像；对焊接图像使用加权灰度化的方法进行灰度化处理，得到塔体构件焊接灰度图像。3.根据权利要求1所述的基于视觉检测的铁塔质量分析方法，其特征在于，所述对塔体构件焊接灰度图像进行处理得到初步焊缝区域，将初步焊缝区域划分为多个焊缝像素块，对每一个焊缝像素块使用基于自适应调节局部生长阈值的区域生长算法，以将每一个焊缝像素块分割成为热影响区域和实际焊缝区域，包括：使用canny算子检测对焊接灰度图像进行处理，得到初步焊缝区域；将初步焊缝区域分割为长度相等的N个焊缝像素块；将每一个焊缝像素块分割成为热影响区域和实际焊缝区域。4.根据权利要求3所述的基于视觉检测的铁塔质量分析方法，其特征在于，所述将每一个焊缝像素块分割成为热影响区域和实际焊缝区域，包括：选取一个焊缝像素块；在被选取的焊缝像素块内选取初始种子点；以初始种子点为起始点进行区域生长，并在区域生长的过程中基于热影响区域的特征对区域生长的阈值进行自适应调节，得到焊缝像素块内的热影响区域和实际焊缝区域；返回所述选取一个焊缝像素块，直至每一个焊缝像素块均被选取完毕。5.根据权利要求4所述的基于视觉检测的铁塔质量分析方法，其特征在于，所述在被选取的焊缝像素块内选取初始种子点，包括：根据公式1计算焊缝像素块内每一个像素点的像素点优选值Y；
ꢀꢀ
公式1；其中，Y为焊缝像素块内的像素点优选值，q为与像素点优选值Y对应的像素点，为像素点q点3
×
3邻域内像素点的灰度方差，为像素点q点与焊缝像素块内初步焊缝区域边缘像素点的最小欧式距离，为像素点q点的灰度值，为未受到热影响的金属表面像素点的灰度值，为极小正数；将像素点优选值Y依照从大到小的顺序排序，选取最大像素点优选值Y对应的像素点作为初始种子点。
6.根据权利要求5所述的基于视觉检测的铁塔质量分析方法，其特征在于，所述以初始种子点为起始点进行区域生长，并在区域生长的过程中基于热影响区域的特征对区域生长的阈值进行自适应调节，得到焊缝像素块内的热影响区域和实际焊缝区域，包括：设置局部生长阈值T，设置区域生长次数w的初始值为0；选取初始种子点的3
×
3邻域内的一个像素点，为像素点序号；根据公式2计算初始种子点的3
×
3邻域内第个像素点与初始种子点之间的灰度差异值；
ꢀꢀ
公式2；其中，qw为第w次生长时使用的初始种子点，为初始种子点的3
×
3邻域内第个像素点与初始种子点之间的灰度差异值，为初始种子点的3
×
3邻域内第个像素点的灰度值，为初始种子点的灰度值；判断初始种子点的3
×
3邻域内第个像素点与初始种子点之间的灰度差异值是否小于局部生长阈值T；若初始种子点的3
×
3的邻域内第个像素点与初始种子点之间的灰度差异值小于局部生长阈值T，则对初始种子点进行区域生长，将初始种子点的3
×
3的邻域作为第w次生长后产生的扩展区域；区域生长次数w的数值在原有数值的基础上加1；在初始种子点的3
×
3的邻域内选取一个从未被定义过初始种子点的像素点作为新的初始种子点；返回所述根据公式2计算初始种子点的3
×
3邻域内第个像素点与初始种子点之间的灰度差异值，直至满足停止生长条件，停止生长；若初始种子点邻域内第个像素点与初始种子点之间的灰度差异值大于或等于局部生长阈值T，则返回所述选取初始种子点的3
×
3邻域内的一个像素点；停止生长后，连通所有扩展区域作为生长区域；将生长区域作为热影响区域；获取焊料飞溅区域；将像素块内除热影响区域和焊料飞溅区域之外的其他区域作为实际焊缝区域。7.根据权利要求6所述的基于视觉检...

【专利技术属性】
技术研发人员：马凡波，王西海，高永青，李丽蔓，
申请(专利权)人：青岛星跃铁塔有限公司，
类型：发明
国别省市：