[发明专利]一种元件电弧焊焊接质量检测方法

说明书

本发明提供一种元件电弧焊焊接质量检测方法，首先采集一定数量的同一元件电弧焊的多种不同类型的焊接头图片，建立样本库。将样本库中的一部分作为训练集，另一部分作为测试集；基于空间相关法的模板匹配算法提取训练集以及测试集中各样本中的目标焊接头区域图片；定义焊接头质量类型，对训练集中的所有图片的焊接头质量类型进行人工标注，基于tensorflow框架搭建卷积神经网络，将训练集中各类别的所有目标焊接头区域图片输入卷积神经网络中，训练机器学习分类器；最后对S测试集中各样本图像中的目标焊接头区域图片分别用训练好的机器学习分类器进行分类，分类结果就是其对应的焊接头质量类型。本发明能够快速的发现图片中元件电弧焊焊接的质量问题。

技术领域

本发明涉及焊接质量检测技术领域，尤其涉及一种元件电弧焊焊接质量检测方法。

背景技术

元件的焊接质量检测是指对焊接成果的检测，目的是保证焊接结构的完整性、可靠性、安全性和使用性。

传统的人工检测需要根据焊接结构说明书，技术标准，工艺文件，施工图样等进行检测，对于外观质量的检测主要有尺寸检验、几何形状检测、外表伤痕检测几个方面入手，可以采取射线探伤、超声波探伤、着色检验等方法进行辅助检测。

但是传统的人工检测分类存在很多不足，只依靠人眼和一些检验规则进行检测分类难免会出现不少错误并且消耗大量的时间和劳动力在重复性工作上。进行例如射线探伤等辅助检测方法又可能会有较高的成本，所以高效且智能化的元件焊接质量检测分类方法成了当前实际生产中的重要需求。

发明内容

针对现有技术存在的缺陷，本发明提供一种元件电弧焊焊接质量检测方法。

为实现上述技术目的，本发明的技术方案是：

一种元件电弧焊焊接质量检测方法，包括以下步骤：

S1利用相机拍摄，采集一定数量的同一元件电弧焊的多种不同类型的焊接头图片，建立样本库。将样本库中的样本分为两部分，其中一部分作为训练集，训练集用于训练机器学习分类器。另一部分作为测试集，测试集用于识别其所对应的焊接质量类型。如将样本库中70％的样本作为训练集，30％的样本作为测试集。

S2基于空间相关法的模板匹配算法提取训练集以及测试集中各样本(焊接头图片)中的目标焊接头区域图片。

S2.1在样本库中的所有焊接头图片中寻找所有焊接头图片均具有的共同特征，截取其中一个焊接头图片中的共同特征部分的图像作为模板匹配时的模板，即作为焊接头的模板子图像w(x,y)。这样可以用于批量图片的模板匹配。

S2.2基于空间相关性的图像模板匹配；

设样本图像f(x,y)的大小为M*N和模板子图像w(x,y)的大小为J*K，则样本图像与模板子图像的相关表示为：

其中，x＝0,1,2,3.....N-K，y＝0,1,2.....M-J。f(x,y)就是样本图像其第x行，第y列的像素的像素值，取值在[0,255]之间；w(s,t)就是模板子图像中第s行，第t列的像素的像素值，取值[0,255]。

计算相关性c(x,y)的过程就是在图像f(x,y)中逐像素地移动模板子图像w(x,y)的原点像素(即模板子图像中第s行，第t列的像素)，在每一次移动的过程中根据以上公式计算每个像素位置的相关，直到计算出空间相关性最大的位置，该位置即样本图像f(x,y)中共同特征部分所在的位置。

S2.3根据零件尺寸相同的条件，在样本图像f(x,y)中通过S2.2中找到的样本图像f(x,y)中共同特征部分所在的位置定位到所感兴趣的目标焊接头区域部分的位置，并对样本图像f(x,y)中目标焊接头区域部分的图像进行截取，即可得到样本图像f(x,y)中目标焊接头区域图片。