[发明专利]一种基于稀疏表示的激光焊接成型缺陷预测分类的方法

说明书

本发明公开了一种基于稀疏表示的激光焊接成型缺陷预测分类的方法，本发明方法包括：激光焊接熔池几何特征参数的视觉检测和稀疏表示焊接成型缺陷预测分类的方法。本发明通过利用高速CMOS摄像装置与计算机图像处理系统进行焊接成型缺陷预测分类。第一步，利用高速CMOS视觉传感器配合相应减光滤波片进行熔池图像采集，经工业计算机获取熔池特征参数并处理分析，得出熔池特征信息与焊接成型质量的关系。第二步，利用稀疏表示对熔池参数信息建模处理进行熔池成型缺陷的预测分类。通过实验表明，该方法能够根据熔池几何特征与焊缝成型质量间的关系，准确实现焊接缺陷的预测分类，为实现对激光焊接进行在线监测提供了基础。

技术领域

本发明涉及机器视觉以及焊接质量预测领域，尤其涉及一种基于稀疏表示的激光焊接成型缺陷预测分类的方法。通过分析激光焊接过程中熔池图像特征参数与焊接成型质量之间的关系，建立相应的模型，最后通过稀疏表示的方法进行焊接成型质量的预测。

背景技术

激光焊接作为一种优质高效的焊接工艺广泛的应用于机械，电子，冶金，航空航天等制造领域。焊接过程中焊接工艺以及焊接参数的改变都将影响焊接的质量，而焊接质量的改变最直接的体现就是熔池状态的改变，传统焊接过程检测是对焊接过程中产生的声信号以及光信号分析检测，虽然能够检测出一定的焊接缺陷，但不能直观的观察缺陷的产生。因此对熔池图像进行分类检测识别具有十分重要的意义。稀疏表示地提出，标志着信号处理领域中一种新方法的诞生。作为信号研究的一个分支，稀疏表示理论广泛应用于图像得去噪，修复，压缩，识别分类等。稀疏表示对图像的识别分类基于对训练样本的字典学习，通过训练大量样本，获得过完备字典模型，利用过完备字典求取稀疏向量，然后重构待分类样本，根据重构误差的大小，对待测样本进行分类。其分类精度以及分类速度都能达到较高水平。本发明采用机器视觉与稀疏表示识别分类相结合，通过对焊接过程中熔池几何特征的监测，达到对焊接成型质量的预测，对目前激光焊接在线质量检测及控制有很大的利用价值。

发明内容

本发明提出了一种基于稀疏表示的激光焊接成型缺陷预测分类的方法。焊接熔池包含了很多反映焊接质量的重要信息，与焊接质量有着密不可分的关系，通过检测焊接熔池形态的变化能够判断出焊接过程的好坏。本发明根据激光焊接熔池几何特征参数与焊接质量间的关系，利用稀疏表示方法对焊接熔池图像进行检测分类，从而判别焊接成型的质量。

该方法执行步骤如下：S1熔池图像采集、S2熔池图像处理、S3熔池几何特征参数计算、S4分析熔池几何参数变化与焊接成型质量间的关系并根据其中关系将熔池图像分类、S5利用稀疏表示方法训练分类样本构建过完备字典D、S6选择测试图像并计算其稀疏向量α、S7利用过完备字典D与稀疏向量α重构测试样本、S8计算测试样本与重构样本的重构误差并根据最小重构误差分类熔池图像。

S1熔池图像采集：采用高速相机拍摄激光焊接过程中熔池的变化图像，为了减少弧光对图像采集质量的影响，配合相应的滤光片提高图像采集的质量。

S2熔池图像的处理：使用相应的滤波去噪算法对熔池图像进行处理，以便得到更清晰的熔池形貌，然后利用边缘检测算法对熔池进行边缘检测，方便后续熔池几何特征的计算。

S3熔池几何特征参数计算：熔池几何特征参数包括熔池最大宽度W、熔池最大长度L、熔池面积S、尾部后拖角A、和尾部光滑度系数C。利用最小外接矩形法可以求得相应的熔池长宽，根据熔池所占的像素数计算出相应的面积，最后利用反三角函数：

A＝arccos(M²+N²-W²)