[发明专利]基于光谱视觉协同感知的多源质量监测方法

权利要求书

1.一种基于光谱视觉协同感知的多源质量监测方法，其特征在于：包括以下步骤：

1)、采集焊接电流参数，在电流的峰值时刻采集熔池的光谱数据，在电流的基值时刻采集熔池的视觉图像；

2)、基于步骤1)得到的光谱数据，选取特征波段，根据特征波段进行LPP-KNN分类来实现保护气流量的质量监测；

3)、基于步骤1)得到的熔池的视觉图像CC-KNN的焊速稳定性监测；

步骤3)中基于步骤1)得到的熔池的视觉图像CC-KNN的焊速稳定性监测包括以下步骤：

31)、图像增强：采用下式对熔池的视觉图像进行增强，得到增强图像：

式中，g_oriange(x,y)为视觉图像中像素的灰度值，γ为增强系数，g(x,y)为增强图像中像素的灰度值，double(g_oriange(x,y))为将视觉图像中像素的灰度值转换为双精度浮点数；

32)、采用最大类间方差算法对步骤31)得到的增强图像进行分割；

33)、噪声滤波：利用8链码方式统计连通区域面积，保留面积最大区域，即得熔池部分的二值图；

34)、提取熔池部分的轮廓曲线：利用下式提取轮廓曲线：

O_i-m+1＝arg max I_j＝＝1

V＝O-min(O)

式中，I_i,j为滤波后二值图i行j列的元素，I_j为滤波后二值图j列的元素，m为二值图行向量元素和大于0的最小行索引,O_i-m+1为每列元素为1的最大行索引，V为轮廓曲线特征，O为每列元素为1的最大行索引的集合；

35)、根据步骤34)得到的轮廓曲线特征利用KNN分类算法完成焊速判断；4)、基于步骤1)得到的光谱数据先验阈值的光谱处理进行母材缺陷监测。

2.如权利要求1所述的基于光谱视觉协同感知的多源质量监测方法，其特征在于：步骤2)中根据特征波段进行LPP-KNN分类来实现保护气流量的质量监测，包括以下步骤：

21)、利用LPP降维对选取的特征波段提取光谱特征；

22)、对步骤21)的光谱特征进行KNN分类，实现保护气流量的质量监测。

3.如权利要求1所述的基于光谱视觉协同感知的多源质量监测方法，其特征在于，步骤4)中基于步骤1)得到的光谱数据先验阈值的光谱处理进行母材缺陷监测，包括以下步骤：

41)、基于原子光谱原理，分析光谱异常波长；

42)、选取光谱数据的特征波段，并对光谱的相对强度或比值进行阈值判断进行母材缺陷质量监测。

4.如权利要求1所述的基于光谱视觉协同感知的多源质量监测方法，其特征在于，步骤4)中母材缺陷监测包括对于铁锈的质量监测，对于铁锈的质量监测包括以下步骤：

一、基于原子光谱原理，氧化铁在可见光区的300-580nm形成铁谱带；

二、对光谱数据进行归一化处理，并在特征波段300-580nm相对强度的均值设置阈值进行判断，当超过阈值时，则判定铁锈异常。

5.如权利要求1所述的基于光谱视觉协同感知的多源质量监测方法，其特征在于，步骤4)中母材缺陷监测包括对于油污的质量监测，对于油污的质量监测包括以下步骤：

一、基于原子光谱原理，油污的光谱在氢谱656.28nm上有峰值，保护气中含有氧，氧谱776.8nm相对强度保持不变；

二、通过对氢谱和氧谱相对强度的比值设置阈值进行判断，当比值超过阈值时，则判定油污异常。