[发明专利]一种焊缝的定位方法

摘要

本发明公开了一种焊缝的定位方法，包括步骤步骤一、待定位焊缝图像采集；步骤二、待定位焊缝图像预处理，具体过程为步骤201、待定位焊缝图像分块，步骤202、待定位焊缝图像降维，步骤203、待定位焊缝图像分类；步骤三、焊缝定位，具体过程为步骤301、获取待定位焊缝图像的二值分类图像，步骤302、获取二值分类图像的水平方向的积分投影曲线，步骤303、根据二值分类图像的水平方向的积分投影曲线定位焊缝。本发明方法步骤简单，实现方便，抗干扰能力强，工作可靠性高，焊缝定位成本低，安装使用更方便，实用性强，使用效果好，便于推广使用。

主权项

一种焊缝的定位方法，其特征在于该方法包括以下步骤：步骤一、待定位焊缝图像采集：采用单色光照射焊缝位置，并采用工业摄像机拍摄待定位焊缝图像且将拍摄到的待定位焊缝图像传输给图像处理器；步骤二、待定位焊缝图像预处理，具体过程为：步骤201、待定位焊缝图像分块：图像处理器接收所述待定位焊缝图像并按照行间隔宽度d和列间隔宽度H将所述待定位焊缝图像分为M×N个待定位焊缝子图像Y1、Y2、…、YM×N，每个所述待定位焊缝子图像均由m×n个像素构成，其中，M为待定位焊缝子图像的行数，N为待定位焊缝子图像的列数，d、H、M、N、m和n均为自然数，d和H的单位均为像素；步骤202、待定位焊缝图像降维：图像处理器调用预先采用主成分分析法训练的降维矩阵W并根据公式Y′f＝WYf对M×N个待定位焊缝子图像进行降维处理，将M×N个待定位焊缝子图像Y1、Y2、…、YM×N转换为降维处理后的M×N个待定位焊缝子图像特征向量Y1′、Y2′、…、YM×N′，其中，Yf为第f个待定位焊缝子图像且Y′f为降维处理后的第f个待定位焊缝子图像特征向量，f的取值为1～M×N的自然数；步骤203、待定位焊缝图像分类：图像处理器将进行降维处理后的M×N个待定位焊缝子图像特征向量输入预先训练得到的三层BP神经网络分类器中，得到M×N个三层BP神经网络分类器的输出，并将M×N个三层BP神经网络分类器的输出作为分别对应于降维处理后的M×N个待定位焊缝子图像特征向量的分类结果；其中，所述三层BP神经网的输出为用于表示待定位焊缝子图像包含焊缝的第一类标识和用于表示待定位焊缝子图像不包含焊缝的第二类标识；步骤三、焊缝定位，具体过程为：步骤301、获取待定位焊缝图像的二值分类图像：图像处理器将降维处理后的M×N个待定位焊缝子图像特征向量的分类结果进行组合，构成对应于所述待定位焊缝图像的二值分类图像O(r,c)，所述二值分类图像O(r,c)的大小为M×N个像素，每一个像素对应一个子图像；其中，r为所述二值分类图像O(r,c)的行坐标，c为所述二值分类图像O(r,c)的列坐标；步骤302、获取二值分类图像的水平方向的积分投影曲线：图像处理器对所述二值分类图像O(r,c)的每一行的像素点进行积分求和，得到所述二值分类图像O(r,c)的水平方向的积分投影曲线步骤303、根据二值分类图像的水平方向的积分投影曲线定位焊缝：设区域[r1,r2]为所述二值分类图像O(r,c)的水平方向的积分投影曲线上的行坐标点ri的值均超过阈值T的最大区域，图像处理器调用焊缝位置判断模块判断公式r2‑r1>D是否成立，当公式r2‑r1>D成立时，判定为所述待定位焊缝图像中的区域为焊缝所在位置区域；否则，当公式r2‑r1>D不成立时，判定为所述待定位焊缝图像中不包含焊缝；其中，D为待定位焊缝的最小实际宽度，D的单位为像素，ri∈[r1,r2]，阈值T的单位为像素；步骤202中图像处理器采用主成分分析法训练降维矩阵W的具体过程为：步骤2021、根据步骤一的方法采集一组待定位焊缝图像作为训练用焊缝图像，并根据步骤201的方法对该组待定位焊缝图像进行分块；步骤2022、选择q个图像块X1、X2、…、Xq，每个所述图像块均由m×n个像素构成；其中，第i个图像块为p为图像块中的像素个数，p和q均为自然数，i的取值为1～q的自然数；步骤2023、将q个图像块合并得到p×q维的矩阵X=[X1,X2,...,Xq]=X11X21...Xq1X12X22...Xq2............X1pX2p...Xqp;]]>步骤2024、对矩阵X进行奇异值分解得到X＝U∑VT，其中，U＝[u1,u2,…,up]∈Rp×p，Rp×p为p×p维的实数矩阵，V＝[v1,v2,…,vq]∈Rq×q，Rq×q为q×q维的实数矩阵，Σ＝diag(σ1,σ2,…,σk)，k＝min(p,q)，ux为矩阵X的第x个左奇异向量，x的取值为1～p的自然数，vy为矩阵X的第y个右奇异向量，y的取值为1～q的自然数，σj为矩阵X的第j个奇异值，j的取值为1～k的自然数，σ1≥σ2≥…≥σk≥0；步骤2025、取U的前h个特征构成特征向量，得到正交的降维矩阵W＝[u1,u2,…,uh]T，其中，