焊接裂紋磁光成像紋理特征提取

謝溢龍，高向東，蕭振林，陳曉輝，李秀忠

（1.廣東工業(yè)大學(xué)機(jī)電工程學(xué)院，廣東廣州510006；2.廣州番禺高勛染整設(shè)備制造有限公司，廣東廣州511400；3.佛山職業(yè)技術(shù)學(xué)院，廣東佛山528137）

焊接裂紋磁光成像紋理特征提取

謝溢龍1，高向東1，蕭振林2，陳曉輝2，李秀忠3

（1.廣東工業(yè)大學(xué)機(jī)電工程學(xué)院，廣東廣州510006；2.廣州番禺高勛染整設(shè)備制造有限公司，廣東廣州511400；3.佛山職業(yè)技術(shù)學(xué)院，廣東佛山528137）

以高強(qiáng)鋼焊接裂紋為檢測(cè)對(duì)象，研究磁光成像識(shí)別方法，論述采用磁光成像技術(shù)檢測(cè)微小焊接裂紋的基本原理?；谀：险撛?，采用改進(jìn)的連續(xù)模糊增強(qiáng)算法提高區(qū)分度，解決高強(qiáng)鋼表面裂紋磁光成像不均、裂紋和熔融區(qū)區(qū)分度低的不足。利用自適應(yīng)快速邊緣檢測(cè)算法提取焊接裂紋圖像的紋理特征。試驗(yàn)結(jié)果表明該方法可有效提取裂紋磁光圖像邊緣特征，提高焊接裂紋檢測(cè)跟蹤過(guò)程的準(zhǔn)確性。

磁光成像；檢測(cè)；焊接缺陷；圖像增強(qiáng)

0　前言

在焊接過(guò)程中，受焊接現(xiàn)場(chǎng)各種干擾因素的影響，如激光功率、焊接速度、離焦量、氬氣流量以及工件表面狀況等，焊接過(guò)程會(huì)出現(xiàn)不穩(wěn)定狀態(tài)，進(jìn)而產(chǎn)生焊接缺陷，直接影響焊接質(zhì)量，其中裂紋是主要缺陷之一。為了保證連接材料的安全，需對(duì)焊接材料的狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，及時(shí)檢測(cè)裂紋，杜絕潛在的危害。高強(qiáng)鋼HT780具有強(qiáng)度高及低溫耐沖擊性強(qiáng)等特點(diǎn)，但在焊接高溫下容易產(chǎn)生縱裂紋。在此以高強(qiáng)鋼HT780為試驗(yàn)對(duì)象，研究其縱向裂紋的識(shí)別方法。

檢測(cè)裂紋是焊接材料檢測(cè)中的重要一環(huán)。隨著科學(xué)技術(shù)的不斷進(jìn)步，開(kāi)始采用超聲、射線、磁粉、滲透、渦流感應(yīng)等無(wú)損檢測(cè)技術(shù)結(jié)合機(jī)器視覺(jué)對(duì)焊接缺陷進(jìn)行檢測(cè)。但這些技術(shù)往往存在一定局限，如超聲檢測(cè)易產(chǎn)生雜亂反射波且對(duì)操作人員的要求較高；射線檢測(cè)對(duì)人體有危害且設(shè)備成本較高[1]；磁粉檢測(cè)和滲透檢測(cè)對(duì)被檢測(cè)件的表面光滑度要求高且檢測(cè)范圍小；渦流檢測(cè)只能檢測(cè)近表面缺陷且干擾因素較多需特殊信號(hào)處理技術(shù)[2]。

結(jié)合磁光原理，本研究應(yīng)用磁光檢測(cè)微小焊接缺陷，探索一種新興的有效無(wú)損檢測(cè)方法。通過(guò)磁化焊件，利用法拉第磁致旋光效應(yīng)，識(shí)別和檢測(cè)焊接缺陷成像，操作簡(jiǎn)單且對(duì)人體無(wú)害。但缺陷磁光原始圖像由于噪聲干擾，會(huì)出現(xiàn)清晰度不高和對(duì)比度低等問(wèn)題，因此需要針對(duì)磁光成像質(zhì)量進(jìn)行恢復(fù)處理分析，提高檢測(cè)精度[3-4]。

試驗(yàn)以高強(qiáng)鋼微小焊接裂紋的磁光成像為對(duì)象，探索焊接裂紋磁光圖像恢復(fù)處理方法。研究以圖像增強(qiáng)和自動(dòng)分割為核心的缺陷檢測(cè)模型，利用改進(jìn)的模糊增強(qiáng)和模糊邊緣檢測(cè)算法，提取缺陷圖像的紋理特征，從而提高焊接裂紋檢測(cè)的準(zhǔn)確性。

1　試驗(yàn)裝置

如圖1所示，試驗(yàn)采用IPG YLR-16000大功率盤型激光焊接器、二維伺服工作臺(tái)和磁光傳感器等設(shè)備，激光功率10 kW。焊件為HT780，厚8 mm，采用平板對(duì)接焊，焊速1.5 m/min。對(duì)焊后的焊件采用勵(lì)磁線圈方式磁化，磁光傳感器置于上方，攝取焊縫磁光圖像的速率25 f/s，焊速4 mm/s。

圖1　焊接缺陷檢測(cè)試驗(yàn)裝置Fig.1Experimental device for detecting weld defects

2　磁光圖像恢復(fù)

為進(jìn)一步研究磁光圖像的特征，選取高強(qiáng)鋼焊件裂紋磁光圖像為例，分析磁光圖像灰度三維分布。如圖2所示，磁光圖像的灰度變化由于成像機(jī)制引入的干擾噪聲模糊了相鄰區(qū)域的對(duì)比度，使得邊緣處出現(xiàn)一個(gè)平緩的過(guò)渡帶，而且區(qū)域灰度均值越大，躍變的幅度越大，這是造成經(jīng)典邊緣檢測(cè)方法不適用于焊接裂紋磁光圖像的主要原因。

圖2　缺陷磁光圖像和灰度梯度三維圖Fig.2Weld defect magneto-optical image and 3D distribution image of gray gradient

基于上述特點(diǎn)提取裂紋區(qū)域，采用連續(xù)分段模糊增強(qiáng)算法增強(qiáng)圖像邊緣，使低灰度區(qū)域像素灰度值更低，高灰度區(qū)域像素灰度值更高。提高檢測(cè)效果，降低后續(xù)處理難度。

首先，用模糊算法進(jìn)行磁光圖像模糊增強(qiáng)，利用模糊集理論將圖像從空間域映射到模糊特征域。根據(jù)模糊集合理論原理，設(shè)圖像長(zhǎng)度和寬度上的像素個(gè)數(shù)分別是M和N，一個(gè)M×N的磁光灰度圖像f（m，n）可以表示為M×N的模糊矩陣Z，而模糊矩陣Z可用隸屬度函數(shù)表征，即

式中l(wèi)mn為像素（m，n）的灰度級(jí)；μmn為像素（m，n）相對(duì)于灰度級(jí)的隸屬度，由隸屬度函數(shù)μ表示。

采用不同的隸屬函數(shù)會(huì)對(duì)圖像檢測(cè)效果產(chǎn)生不同的影響。Pal算法定義的隸屬函數(shù)為

式中Fe為指數(shù)模糊因子，取Fe=1；Fd稱為倒數(shù)模糊因子，取Fd=128；L為0～255灰度等級(jí)。

由于Pal算法的隸屬函數(shù)與閾值有關(guān)，針對(duì)磁光圖像邊緣處出現(xiàn)一個(gè)平緩的過(guò)渡帶的特點(diǎn)，采用更適合于磁光圖像邊緣特點(diǎn)的分段連續(xù)隸屬函數(shù)，利用Ostu最大類間方差法原理，計(jì)算磁光圖像邊緣分割閾值，設(shè)為lt，如式（3）所示[5]

該隸屬函數(shù)可以防止隸屬度μmn出現(xiàn)階躍變化形成偽邊緣造成過(guò)度增強(qiáng)，具有分段連續(xù)性，其中

第二步，設(shè)磁光分割閾值lt所對(duì)應(yīng)的隸屬度值為μt，對(duì)圖像進(jìn)行模糊增強(qiáng)，將模糊隸屬度μmn進(jìn)行非線性變換，如式（4）所示

第三步，將已增強(qiáng)的模糊特征進(jìn)行逆變換，得到增強(qiáng)后的圖像，如式（5）所示

式（5）變換后，λmn∈[0，1]，τmn∈[0，255]，具有分段連續(xù)，故改進(jìn)后的算法不會(huì)像Pal算法那樣出現(xiàn)低灰度信息丟失。如圖2所示，將磁光圖像轉(zhuǎn)化為灰度圖像，添加均值為零、標(biāo)準(zhǔn)差為0．002的高斯噪聲得到模糊待恢復(fù)圖像，如圖3a所示，圖3b為焊接缺陷邊緣過(guò)渡帶局部放大圖。

應(yīng)用改進(jìn)的模糊增強(qiáng)算法恢復(fù)焊件磁光圖，采用不同的指數(shù)模糊因子Fe和倒數(shù)模糊因子Fd，對(duì)焊件磁光圖像進(jìn)行模糊增強(qiáng)恢復(fù)試驗(yàn)。對(duì)模糊集合理論的焊接裂紋磁光圖像恢復(fù)結(jié)果，采用峰值信噪比測(cè)度（PSNR）進(jìn)行評(píng)價(jià)，PSNR值越大，表示恢復(fù)后圖像與未受損圖像的差別越小，恢復(fù)效果越好，如式（6）所示

圖3　焊縫磁光退化圖像Fig.3Weld defect magneto-optical degraded image

式中M和N分別是圖像長(zhǎng)度和寬度上的像素個(gè)數(shù)；f（i，j）和分別是原始圖像和恢復(fù)圖像在點(diǎn)（i，j）處的灰度值。

當(dāng)Fd〉100時(shí)，PSNR值趨于峰值處穩(wěn)定，且Fd為128時(shí)，此時(shí)能獲得較好的恢復(fù)效果。結(jié)果如圖4a所示，其焊縫邊緣過(guò)渡帶局部放大如圖4b所示。顯然，經(jīng)過(guò)改進(jìn)的模糊增強(qiáng)模型恢復(fù)后的焊件邊緣檢測(cè)效果得以提高。

圖4　模糊增強(qiáng)恢復(fù)的焊接缺陷磁光圖像Fig.4Weld defect magnet-optical image after fuzzy enhancement restoration

采用模糊增強(qiáng)恢復(fù)方法對(duì)模糊焊縫磁光圖像（見(jiàn)圖3a）進(jìn)行恢復(fù)，計(jì)算模糊圖像恢復(fù)前的PSNR值為46．7258，模糊增強(qiáng)恢復(fù)后PSNR值為49．5823，圖像的PSNR值至少提高2．0 dB。磁光圖像恢復(fù)后的峰值信噪比值有所提高，焊縫磁光圖像經(jīng)過(guò)模糊模型恢復(fù)的效果較好。

3　缺陷邊緣跟蹤檢測(cè)及結(jié)果分析

對(duì)增強(qiáng)后的磁光圖像利用Ostu算法計(jì)算邊緣分割閾值lt，把L級(jí)灰度值分為兩部分，設(shè)小于lt的部分的平均灰度值為β1，大于lt的部分為β2，則[6]

式中qlmn為像素?cái)?shù)lmn占總像素?cái)?shù)的比率。

將式（9）得到的閾值進(jìn)行二值化提取邊界圖像，取磁光圖像邊緣。用Sobel邊緣檢測(cè)算子和基于Ostu閾值分割的自適應(yīng)算法進(jìn)行裂紋識(shí)別的過(guò)程如圖5所示。

圖5　焊接缺陷邊緣檢測(cè)Fig.5Detection of weld defect edge

為了進(jìn)一步驗(yàn)證所提的方法，對(duì)多幅裂紋圖像序列進(jìn)行識(shí)別檢測(cè)和誤差分析，誤差統(tǒng)計(jì)結(jié)果如表1所示。圖像采樣速度25幅/s，跟蹤速度4 mm/s，圖像標(biāo)定為102pixel/mm。可以看出，基于改進(jìn)的模糊算子及Ostu自適應(yīng)算法恢復(fù)的裂紋灰度輪廓，識(shí)別檢測(cè)的準(zhǔn)確性更好。

表1　缺陷圖像序列檢測(cè)誤差統(tǒng)計(jì)Tab.1Statistics of measured error of weld defect image sequence

4　結(jié)論

（1）針對(duì)模糊退化的焊縫磁光圖像，用分段連續(xù)模糊增強(qiáng)算法進(jìn)行圖像恢復(fù)試驗(yàn)，恢復(fù)后的磁光圖像的PSNR值較大，磁光圖像質(zhì)量提高。

（2）針對(duì)磁光圖像成像特征，基于Ostu閾值分割自適應(yīng)算法，實(shí)現(xiàn)磁光圖像自動(dòng)邊緣檢測(cè)，保留了磁光圖像的細(xì)節(jié)特征，提高了焊接缺陷檢測(cè)的準(zhǔn)確度。

[1]張世欣，鄧小軍，王明巖，等.B型地鐵構(gòu)架焊接殘余應(yīng)力X射線衍射法測(cè)量[J].電焊機(jī)，2014，44（12）：252-255.

[2]鄒怡蓉，曾錦樂(lè)，都東.可視化焊接的發(fā)展[J].電焊機(jī)，2013，43（05）：17-19.

[3]Gao Xiangdong，LiuYonghua，YouDeyong.Detectionofmicroweld joint by magneto-optical imaging[J].Optics&Laser Technology，2014（62）：141-151.

[4]高向東，甄任賀.微間隙焊縫磁光成像檢測(cè)方法[J].焊接學(xué)報(bào)，2014，35（4）：11-14.

[5]劉習(xí)文，薛家祥.紙幣接觸式傳感器圖像模糊增強(qiáng)與邊界檢測(cè)[J].科學(xué)技術(shù)與工程，2013，13（34）：10381-10385.

[6]孫歡歡，程耀瑜，冀鈺.改進(jìn)OTSU算法和邊緣檢測(cè)的圖像分割算法研究[J].山西電子技術(shù)，2014（2）：82-84.

Texture feature extraction of weld cracks using magneto-optical imaging

XIE Yilong1，GAO Xiangdong1，XIAO Zhenlin2，CHEN Xiaohui2，LI Xiuzhong3
（1.School of Electro-mechanical Engineering，Guangdong University of Technology，Guangzhou 510006，China；2.Guangzhou Panyu Gofront Dyeing&Finishing Machinery Manufacturer Ltd.，Guangzhou 511400，China；3.Foshan Polytechnic，F(xiàn)oshan 528137，China）

Recognition of magneto-optical images is studied testing on the high strength steel welding cracks.The background and basic principle of micro welding cracks detection using magneto-optical images technology are discussed.Based on the principle of fuzzy set theory，continuous fuzzy enhancement algorithm is used to improve the differentiation degree and solve uneven of magnetooptic imaging on cracks from high strength steel surface，and increase the differentiation degree on cracks and melting zone.The adaptive rapid edge detection algorithm is applied to extract texture feature from cracks image.Experimental results show that the proposed method can effectively extract the crack edge character and improve the detection accuracy of welding cracks.

magneto-optical imaging；detection；weld defect；image enhancement

TG441.7

A

1001－2303（2016）04－0001-04

10.7512/j.issn.1001-2303.2016.04.01

2015-09-21；

2015-10-28

國(guó)家自然科學(xué)基金資助項(xiàng)目（51175095）；廣東省重大科技專項(xiàng)（2014B090921008）；廣州市科學(xué)研究專項(xiàng)（1563000554）；佛山市科技創(chuàng)新專項(xiàng)資金項(xiàng)目(2014AG10015)；廣東省協(xié)同創(chuàng)新與平臺(tái)環(huán)境建設(shè)專項(xiàng)(2015B090901013)

謝溢龍（1989—），男，在讀碩士，主要從事焊接自動(dòng)化的研究。