[发明专利]一种基于图像处理的焊点识别方法

说明书

本发明属于制造技术领域，特别涉及一种基于图像处理的焊点识别方法。一种基于图像处理的焊点识别方法，包括：对原始图像进行预处理；对预处理后的图像中的焊点和干扰圆孔进行位置提取；对焊点和干扰圆孔进行纹理特征提取；构建GA‑SVM分类模型，对GA‑SVM分类模型进行训练，得到训练后的GA‑SVM分类模型；基于训练后的GA‑SVM分类模型，对焊点进行识别。本发明能智能识别焊点位置以及区分焊点和干扰信息，解决了传统焊接机器人需反复示教、工作效率低下且焊接质量不高的问题。

技术领域

本发明属于制造技术领域，特别涉及一种基于图像处理的焊点识别方法。

背景技术

随着我国整体经济水平的不断提高，人们在满足基本温饱问题的同时开始追求生活质量和生活层次的提高，我国的汽车行业也随之步入迅猛发展的阶段，其带来的市场和经济效益对我国的经济发展做出了巨大贡献。

随着我国汽车市场的规模不断扩大，消费者对汽车质量的要求越来越高，因此必须提高汽车生产过程的自动化、柔性化和智能化程度。一般来说，冲压、焊接、涂装和总装是汽车生产过程中必不可少的工艺，其中焊接生产线的改造量十分巨大，企业在每次换型改造时都需要投入大量资金，这对企业的运营十分不利。为了满足汽车产品更新换代的要求，就必须提高汽车焊接生产线的柔性化程度。焊接机器人拥有动作灵活度高、作业稳定性强、作业时间长、柔性化程度高等优点，能提升产品质量，缩短生产周期，提高生产效率和生产线灵活度，在汽车焊接生产线柔性化的过程中起着至关重要的作用。

当前，焊接机器人已经被大量地运用到焊接生产线中，在进行焊接路径规划时绝大多数都采用手工示教的方法，为使机器人的运动轨迹更加精确，就必须经过反复的示教和调试过程，当焊接的对象发生改变时又需要重复以上过程，将耗费大量的人力和时间，大大降低了生产效率。并且，在实际的生产过程中，并不能保证所有焊接工件的大小、焊点位置或焊缝宽度严格一致，示教机器人并不能察觉出这些差异，依然按照事先示教好的路径进行作业，必然导致焊接质量的下降。

发明内容

针对焊接机器人生产效率低下、焊接质量不高的缺点，本发明提供一种基于图像处理的焊点识别方法。本发明能智能识别焊点位置以及区分焊点和干扰信息，解决了传统焊接机器人需反复示教、工作效率低下且焊接质量不高的问题。

本发明采用如下技术方案实现：

一种基于图像处理的焊点识别方法，包括：

S1、对原始图像进行预处理；

S2、对预处理后的图像中的焊点和干扰圆孔进行位置提取；

S3、对焊点和干扰圆孔进行纹理特征提取；

S4、构建GA-SVM分类模型，对GA-SVM分类模型进行训练，得到训练后的GA-SVM分类模型；

S5、基于训练后的GA-SVM分类模型，对焊点进行识别。

进一步地：图像预处理包括图像灰度化、图像去噪、图像锐化和图像边缘提取。

优选地，采用中值滤波进行图像去噪。采用拉普拉斯锐化法进行图像锐化。采用Canny算子进行图像边缘提取。

进一步地，步骤S2中，采用改进的随机Hough变换算法进行焊点以及干扰圆孔位置提取，包括以下步骤：

(1)从待检测图像上的所有边缘点集合V中随机选取三个不在同一条直线上的像素点用来确定候选圆的参数；

(2)遍历集合V以外的像素点，判断该像素点是否在候选圆上；同时记录落在候选圆上的像素点的个数；

(3)确定候选圆的参数后，进行证据累积过程，确定圆心位置和半径大小；

(4)根据确定的圆心坐标位置和半径大小截取焊点和圆孔的图像，完成焊点以及干扰圆孔的位置提取。