数据驱动的焊缝图像缺陷识别与评价研究

作     者：吴易洲 

作者单位：上海交通大学 

学位级别：硕士

导师姓名：苗瑞

授予年度：2019年

学科分类：080503[工学-材料加工工程] 08[工学] 080203[工学-机械设计及理论] 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] 

主      题：窄搭接焊 表面缺陷 图像处理 卷积神经网络 质量评价 

摘      要：为保证热镀锌生产线连续运行,需要窄搭接焊将前行带钢和后行带钢焊接在一起,如果焊缝出现严重缺陷,将导致断带事故发生,整个热镀锌机组会处于停机状态,影响企业产能。设计数据驱动的焊缝缺陷识别与评价系统判断焊缝是否合格,利用焊缝图像数据指导企业做决策,代替人工焊缝外观检测。本文依托热镀锌机组焊接实时检测项目,研究焊缝的缺陷识别方法和质量评价体系,完成焊缝数据驱动的质量决策,主要研究工作如下:(1)运用三维激光扫描仪获得焊缝表面形貌的图像,通过OpenCV对图像进行预处理,包括分离图像通道获得焊缝的灰度图和高度图、图像滤波去噪、去除黑边。针对焊缝灰度图像信息量大,对比度低,边缘模糊等特点,为了有效进行焊缝区域划分,提出改进的图像分割算法,采用图像卷积增强焊缝边缘特征,应用积分图快速准确提取焊缝边缘,实验表明图像识别的焊缝宽度误差在3%以内。(2)分别运用传统特征提取方法和卷积神经网络识别焊缝缺陷,卷积神经网络VGG16的焊缝缺陷识别准确率达到97.1%。为保证焊缝图像识别的实时性,提出两阶段焊缝缺陷识别方法,第一阶段,进行焊缝的异常区域检测,识别出有缺陷的大区域。第二阶段,在识别出的异常区域进行焊缝缺陷识别,识别出异常区域里的缺陷种类。该方法能从大信息量的焊缝图像中提取缺陷区域并完成焊缝缺陷分类。通过实验验证,运行时间从12.3s降低到3.2s,满足企业在线检测要求。(3)将焊缝图像处理和缺陷识别结果转化为焊缝评价指标,为确定焊缝评价指标的权重,运用MACBETH模型将评价指标的定性描述转换为定量权重,得出焊缝质量评价模型。实验表明,本文评价模型判定的精确率超过83%,召回率超过91%,该模型能有效模拟人工检验的决策过程,可以应用于生产实际。本文以窄搭接焊缝为研究中心,开发焊缝缺陷识别算法和评价模型,完成焊缝的实时在线检测,改进了镀锌生产线中焊缝质量检测的不足之处,每一条焊缝数据都保存在企业终端,实现检测智能化。