為保證熱鍍鋅生產(chǎn)線連續(xù)運(yùn)行,需要窄搭接焊將前行帶鋼和后行帶鋼焊接在一起,如果焊縫出現(xiàn)嚴(yán)重缺陷,將導(dǎo)致斷帶事故發(fā)生,整個(gè)熱鍍鋅機(jī)組會(huì)處于停機(jī)狀態(tài),影響企業(yè)產(chǎn)能。設(shè)計(jì)數(shù)據(jù)驅(qū)動(dòng)的焊縫缺陷識(shí)別與評(píng)價(jià)系統(tǒng)判斷焊縫是否合格,利用焊縫圖像數(shù)據(jù)指導(dǎo)企業(yè)做決策,代替人工焊縫外觀檢測。本文依托熱鍍鋅機(jī)組焊接實(shí)時(shí)檢測項(xiàng)目,研究焊縫的缺陷識(shí)別方法和質(zhì)量評(píng)價(jià)體系,完成焊縫數(shù)據(jù)驅(qū)動(dòng)的質(zhì)量決策,主要研究工作如下:（1）運(yùn)用三維激光掃描儀獲得焊縫表面形貌的圖像,通過OpenCV對圖像進(jìn)行預(yù)處理,包括分離圖像通道獲得焊縫的灰度圖和高度圖、圖像濾波去噪、去除黑邊。針對焊縫灰度圖像信息量大,對比度低,邊緣模糊等特點(diǎn),為了有效進(jìn)行焊縫區(qū)域劃分,提出改進(jìn)的圖像分割算法,采用圖像卷積增強(qiáng)焊縫邊緣特征,應(yīng)用積分圖快速準(zhǔn)確提取焊縫邊緣,實(shí)驗(yàn)表明圖像識(shí)別的焊縫寬度誤差在3%以內(nèi)。（2）分別運(yùn)用傳統(tǒng)特征提取方法和卷積神經(jīng)網(wǎng)絡(luò)識(shí)別焊縫缺陷,卷積神經(jīng)網(wǎng)絡(luò)VGG16的焊縫缺陷識(shí)別準(zhǔn)確率達(dá)到97.1%。為保證焊縫圖像識(shí)別的實(shí)時(shí)性,提出兩階段焊縫缺陷識(shí)別方法,第一階段,進(jìn)行焊縫的異常區(qū)域檢測,識(shí)別出有缺陷的大區(qū)域。第二階段,在識(shí)別出的異常區(qū)域進(jìn)行... 

【文章來源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：88 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

連續(xù)熱鍍鋅生產(chǎn)線

第1章緒論2圖1-2窄搭接焊機(jī)Fig.1-2Narrowlapwelder焊縫外觀質(zhì)量是焊接工程質(zhì)量評(píng)定的基本項(xiàng)目[2]，焊后外觀形貌一定程度上反應(yīng)焊接整體質(zhì)量。在窄搭接焊中，如果焊縫表面有浮孔，表明焊縫內(nèi)部可能不致密，有氣孔。焊縫表面有夾渣，表明焊接電流過大或焊接速度太慢，產(chǎn)生焊縫過燒。焊縫表面高低不平，表明焊接過程中機(jī)器振動(dòng)過大或電極老化。通過判斷焊縫的表面形貌特征可以在線評(píng)價(jià)焊接質(zhì)量，并且適用于高速運(yùn)動(dòng)的焊機(jī)。正常的焊縫寬度合理，表面平整光滑，沒有夾渣、未熔合等缺陷。在焊機(jī)的焊接過程中，焊臂高速運(yùn)動(dòng)，企業(yè)檢測人員無法攀上焊機(jī)實(shí)時(shí)檢查焊接質(zhì)量。目前鋼鐵生產(chǎn)企業(yè)已經(jīng)實(shí)現(xiàn)了焊接的自動(dòng)化，但是焊接質(zhì)量檢測還是處于人工檢驗(yàn)和抽樣檢驗(yàn)的狀態(tài)，缺少自動(dòng)化檢測手段。通過考察連續(xù)熱鍍鋅生產(chǎn)線，發(fā)現(xiàn)實(shí)行焊縫質(zhì)量實(shí)時(shí)檢測存在以下困境。(1)生產(chǎn)環(huán)境復(fù)雜，焊機(jī)的氣路、電路、機(jī)械布置緊湊，檢測人員沒有工作空間實(shí)時(shí)觀察焊接情況。(2)鍍鋅生產(chǎn)線屬于連續(xù)生產(chǎn)，帶鋼完成焊接后進(jìn)入下一道工序，檢測人員沒有足夠的時(shí)間檢測焊縫質(zhì)量。(3)焊縫質(zhì)量檢測需要在停機(jī)狀態(tài)下抽檢樣品，無法做到全面檢測。(4)檢測焊縫質(zhì)量的方法是人工檢視和線下杯凸試驗(yàn)，人工檢視主觀性強(qiáng)，無法對焊縫表面缺陷進(jìn)行全面分析，線下杯凸試驗(yàn)是有損檢測。這兩種方法都需要停機(jī)取樣，不適合連續(xù)生產(chǎn)，效率低下，缺乏可靠性和時(shí)效性。數(shù)據(jù)驅(qū)動(dòng)是通過傳感器采集焊縫質(zhì)量的外觀數(shù)據(jù)，將這些數(shù)據(jù)和已有信息關(guān)聯(lián)，利用智能算法從數(shù)據(jù)中提取特征，最后完成檢測，分析和預(yù)測。基于數(shù)據(jù)驅(qū)動(dòng)的焊縫缺陷識(shí)別與評(píng)價(jià)系統(tǒng)可以指導(dǎo)企業(yè)做決策，代替人工檢測，具有實(shí)時(shí)性、

上海交通大學(xué)碩士學(xué)位論文5的原始圖像抽象成具有檢測價(jià)值的焊縫檢測信息。最后，圖像分析輸出的焊縫檢測信息做進(jìn)一步應(yīng)用，作為評(píng)價(jià)模型的評(píng)價(jià)指標(biāo)，評(píng)價(jià)模型輸出焊縫是否合格。圖1-3缺陷識(shí)別與評(píng)價(jià)系統(tǒng)技術(shù)路線Fig.1-3Technicalrouteofdefectidentificationandevaluationsystem1.3國內(nèi)外研究現(xiàn)狀1.3.1焊接質(zhì)量視覺檢測研究現(xiàn)狀(1)研究現(xiàn)狀焊接質(zhì)量檢測可分為破壞檢測和無損檢測，破壞檢測包括拉伸、杯凸實(shí)驗(yàn)，可靠性更高，但會(huì)破壞工件。無損檢測中的超聲波檢測和X射線檢測不適合在線檢測，視覺檢測方法是目前使用最廣泛的無損檢測方法[11]。傳統(tǒng)的視覺檢測方法是人工視覺檢測，即由經(jīng)驗(yàn)豐富的檢驗(yàn)人員肉眼觀察焊縫缺陷，通過測量工具對焊縫外觀形貌進(jìn)行測量。人工視覺檢測勞動(dòng)強(qiáng)度高，依賴人的主觀判斷，檢測周期長，不能實(shí)現(xiàn)在線檢測。在過去的三十多年，利用計(jì)算機(jī)代替人眼進(jìn)行視覺檢測已經(jīng)開展了廣泛的研究[12-14]，應(yīng)用于多個(gè)領(lǐng)域，如鋼板[15,16]，木材[17]，多晶硅片[18]，鋼軌[19]。Whiteetal.(1994)利用結(jié)構(gòu)光獲得激光條紋，提取單位像素寬度中心線得到激光條紋中心線，實(shí)現(xiàn)在線焊縫輪廓檢測�？梢酝ㄟ^計(jì)算機(jī)測量角焊縫和對接焊縫的焊縫寬度、咬邊量、焊趾角、焊縫加厚高等外觀尺寸，測量的焊縫寬度尺寸在5至20毫米范圍內(nèi)，測量誤差在2%以內(nèi)，精度大幅提高并且適用于實(shí)時(shí)在線檢測[20]。Jengetal.(2000)將CCD相機(jī)用于焊縫跟蹤，捕獲激光焊接的焊縫軌跡，設(shè)計(jì)

【參考文獻(xiàn)】：
期刊論文
[1]基于LBP和HOG特征的圖案織物缺陷檢測[J]. 馬浩,景軍鋒,蘇澤斌,張緩緩,李鵬飛.  電子測量與儀器學(xué)報(bào). 2018(04)
[2]機(jī)器視覺表面缺陷檢測綜述[J]. 湯勃,孔建益,伍世虔.  中國圖象圖形學(xué)報(bào). 2017(12)
[3]基于細(xì)節(jié)點(diǎn)局部結(jié)構(gòu)與LBP的指紋特征融合方法[J]. 梁凱.  信息技術(shù). 2017(09)
[4]基于線激光掃描的工業(yè)焊縫外觀檢測系統(tǒng)[J]. 范力予,李志勇,楊軍濤,劉航.  焊接學(xué)報(bào). 2017(07)
[5]基于視覺技術(shù)的焊縫成形評(píng)價(jià)指標(biāo)的探究[J]. 馮毅,賈金龍,蔣成燕.  機(jī)械研究與應(yīng)用. 2017(03)
[6]應(yīng)用空間金字塔池化LBP特征的艦船檢測識(shí)別[J]. 郭少軍,陸斌,婁樹理.  激光與紅外. 2017(06)
[7]sobel算子與prewitt算子分析與研究[J]. 王月新,劉明君.  計(jì)算機(jī)與數(shù)字工程. 2016(10)
[8]焊接過程信息定量分析[J]. 彭亞萍.  電焊機(jī). 2016(07)
[9]三維激光掃描技術(shù)在醫(yī)學(xué)表面測繪中的應(yīng)用進(jìn)展[J]. 張永紅,侯賀,韓玉川,王寧,張瑩,朱險(xiǎn)峰,王明時(shí).  生物醫(yī)學(xué)工程學(xué)雜志. 2016(02)
[10]焊縫表面缺陷的視覺圖像表征[J]. 張鵬賢,王延升,張國強(qiáng).  蘭州理工大學(xué)學(xué)報(bào). 2016(01)



本文編號(hào)：3576201