[发明专利]一种基于图像处理的焊接质量评估方法

说明书

本发明涉及图像处理领域，具体涉及一种基于图像处理的焊接质量评估方法。采集焊接完成后的工件表面灰度图像；获取工件表面灰度图像中每个像素点的邻域像素点，获取每个像素点的聚集性；并将聚集性大于第一阈值的像素点作为初始聚类中心点；对工件表面灰度图像分别进行不同尺度的高斯采样，获取每个初始聚类中心点在每个尺度下的模糊程度；获取每个初始聚类中心在每个尺度下的权重；对初始聚类中心进行筛选，得到多个最终聚类中心；根据多个最终聚类中心对工件表面灰度图像进行聚类，获取工件表面灰度图像中的缺陷区域。本发明通过自适应选取图像中的聚类中心，能够保证对图像的分割精度，从而实现质量评估。

技术领域

本发明涉及图像处理领域，具体涉及一种基于图像处理的焊接质量评估方法。

背景技术

焊接机器人是从事焊接（包括切割与喷涂）的工业机器人，从60年代开始用于生产以来，其技术已日益成熟，在焊接过程中，弧焊是难度较大的一种焊接方式，丝端头的运动轨迹、焊枪姿态、焊接参数都要求精确控制，如果电弧斑点压力不均，会造成接在工件上的正离子在机械压力的冲击下爆出大颗粒飞溅，导致工件的表面产生麻点缺陷，此时需要对工件中的麻点缺陷进行检测，来保证焊接后工件的质量。

现有技术中对麻点缺陷的检测方法较多，其中模糊C均值聚类算法（FCM）对表面较小的麻点分割效果非常好，但是该聚类算法主要受到聚类中心的影响，聚类中心的选取直接影响分割的效果，选取的聚类中心如果不合适，会使得聚类算法的迭代次数较多，增加算法的计算量；而迭代次数过少，对图像中像素点聚类的效果就会比较差，导致缺陷检测的结果不够准确。

发明内容

为了解决现有技术中对聚类算法的聚类中心选取不合适，导致缺陷检测的结果不够准确，无法得到准确的质量评估结果的问题，本发明提供一种基于图像处理的焊接质量评估方法，该方案包括：采集焊接完成后的工件表面灰度图像；获取工件表面灰度图像中每个像素点的邻域像素点，获取每个像素点的聚集性；并将聚集性大于第一阈值的像素点作为初始聚类中心点；对工件表面灰度图像分别进行不同尺度的高斯采样，获取每个初始聚类中心点在每个尺度下的模糊程度；获取每个初始聚类中心在每个尺度下的权重；对初始聚类中心进行筛选，得到多个最终聚类中心；根据多个最终聚类中心对工件表面灰度图像进行聚类，获取工件表面灰度图像中的缺陷区域。本发明通过自适应选取图像中的聚类中心，能够保证对图像的分割精度，从而实现质量评估。

本发明采用如下技术方案，一种基于图像处理的焊接质量评估方法，包括：

采集焊接完成后的工件表面灰度图像；

根据工件表面灰度图像中，每个像素点的邻域像素点中与该像素点梯度幅值相同的邻域像素点个数获取每个像素点的聚集性；

将工件表面灰度图像中聚集性大于第一阈值的像素点作为目标像素点；对工件表面灰度图像中的目标像素点进行聚类，获取每个聚类结果的聚类中心作为初始聚类中心；

分别利用不同尺度的高斯核对工件表面灰度图像采样，得到多个尺度的采样图像；根据初始聚类中心点在每个尺度的采样图像中的灰度值，获取每个初始聚类中心点在每个尺度下的模糊程度；

根据每个初始聚类中心点在每个尺度下的模糊程度获取每个初始聚类中心在每个尺度下的权重；

根据每个初始聚类中心在各个尺度下的权重对初始聚类中心进行筛选，得到多个最终聚类中心；

根据多个最终聚类中心对工件表面灰度图像进行聚类，获取工件表面灰度图像中的缺陷区域，根据工件表面灰度图像中的缺陷区域对工件的焊接质量进行评估。

进一步的，一种基于图像处理的焊接质量评估方法，获取工件表面灰度图像中每个像素点的邻域像素点的方法包括：

以工件表面灰度图像中每个像素点为中心点，建立大小为5×5的窗口；

将窗口内中心点的八邻域像素点，作为对应每个像素点的第一邻域像素点；