基于熔池图像不变矩特征的激光-MIG复合焊接根部驼峰在线检测方法

作     者：黄宇辉 范西岸 张艳喜 高向东 Huang Yuhui;Fan Xi’an;Zhang Yanxi;Gao Xiangdong

作者机构：广东工业大学广东省焊接工程技术研究中心广东广州510006 

出 版 物：《中国激光》 (Chinese Journal of Lasers)

年 卷 期：2023年第50卷第12期

页      面：72-80页

核心收录：

学科分类：080503[工学-材料加工工程] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：广州市科技计划(202002020068) 国家自然科学基金(52275317) 广东省自然科学基金项目(2314050004977) 

主　　题：激光技术 神经网络 激光-MIG复合焊 根部驼峰 熔池图像 图像不变矩 

摘      要：根部驼峰缺陷是激光-MIG复合焊接(MIG焊,熔化极惰性气体保护焊)中常出现的焊接缺陷之一,因该缺陷出现在焊件背部,所以在焊接过程中不易被发现。为检测根部驼峰缺陷,采用高速摄像机捕捉焊接图像。对预处理后的图像进行阈值分割得到熔池轮廓图像,通过局部形态学处理进一步获取熔池二值化图像。提取二值化图像的四组归一化不变矩,并采用滑动均值法进行降噪处理,进而获得不变矩特征。建立动态调整学习率算法的一维卷积神经网络模型,以熔池尾部图像的四组归一化不变矩及其滑动均值作为输入。通过9150个连续焊缝样本检测值和实际值的比较,验证了该网络模型具有良好的检测能力。该方法可应用于封闭式的平板对接焊,通过采集激光-MIG复合焊接中焊件表面信号,对无法直接观察的背部驼峰缺陷进行检测。