焊縫缺陷檢測現(xiàn)狀與展望綜述*

胡 丹，高向東，張南峰，張艷喜，游德勇，肖小亭，孫友松

(廣東工業(yè)大學(xué) 廣東省焊接工程技術(shù)研究中心，廣東 廣州 510006)

0 引 言

焊接是現(xiàn)代制造業(yè)中最為重要的材料成形和加工技術(shù)之一[1]，廣泛應(yīng)用于汽車生產(chǎn)、航空航天、石油產(chǎn)業(yè)、建筑行業(yè)、船舶運(yùn)輸?shù)裙I(yè)制造領(lǐng)域，其中，焊縫表面成形是評判焊接質(zhì)量的重要指標(biāo)。在焊接過程中，由于焊接參數(shù)(焊接功率、保護(hù)氣體流量、焊接速度等)調(diào)節(jié)不當(dāng)及焊接環(huán)境復(fù)雜等不確定因素，焊縫表面會出現(xiàn)凹陷、咬邊、氣孔、未熔合、熔寬余高未達(dá)標(biāo)等表面缺陷[2]。這些缺陷不僅影響焊縫外觀形貌，而且會造成焊縫連接強(qiáng)度下降，應(yīng)力集中，影響焊接構(gòu)件產(chǎn)品質(zhì)量，甚至?xí)巩a(chǎn)品報廢。為了保證焊接件產(chǎn)品質(zhì)量，需對焊縫進(jìn)行高效、精準(zhǔn)的缺陷檢測。在焊縫表面缺陷檢測中，最原始的檢測方法是人工利用焊縫檢驗(yàn)尺測量焊件坡口角度、熔寬、余高等外形尺寸，對照參數(shù)范圍來評估成形質(zhì)量，檢測結(jié)果過于主觀，檢測效率低，難以滿足現(xiàn)代化生產(chǎn)需求。為此人們采用無損檢測技術(shù)，實(shí)現(xiàn)焊縫表面缺陷的檢測。

在研究焊縫表面成形檢測的背景下，本文將對當(dāng)前國內(nèi)外焊縫表面成形缺陷檢測方法進(jìn)行對比分析和論述。

1 物理檢測

物理檢測是借助于測定材料的化學(xué)或物理性質(zhì)來測試或分析的一種方法，如磁粉檢測、超聲檢測、渦流檢測、滲透檢測、磁光成像檢測、紅外檢測等，不同的檢測方法，其工作原理、檢測設(shè)備和適用范圍均不同。

1.1 磁粉檢測

磁粉檢測是將磁粉均勻鋪在焊接件上，并在被測件兩側(cè)施加強(qiáng)電流，磁化后的焊接件產(chǎn)生磁通，在缺陷處，部分磁通泄露在焊縫表面，產(chǎn)生的漏磁場與磁粉相互作用，磁粉聚集到焊縫缺陷部位，形成磁粉圖，可直觀判斷缺陷的位置、數(shù)量、外形等特征[3]。磁粉檢測成本低、檢測步驟簡單、速度快、檢測結(jié)果直觀，對微間隙裂紋檢測靈敏。為了保證磁粉檢測的適用性，被測件要求是鐵磁性材料，且對表面粗糙度有一定要求，被測表面平整度越好，磁粉檢測的結(jié)果越靈敏。

磁粉檢測在焊縫表面缺陷檢測中的應(yīng)用由來已久，觀察評定依賴于人工視覺，自動化程度不高。相關(guān)學(xué)者利用高分辨率相機(jī)拍攝了焊縫表面，采集了磁痕圖像，通過計算機(jī)對磁痕圖像進(jìn)行了恢復(fù)、缺陷提取，并根據(jù)缺陷的圓形度、長度、長寬比、平均寬等特征參數(shù)進(jìn)行了缺陷篩選，對表面缺陷進(jìn)行了評估，實(shí)現(xiàn)了磁粉檢測的自動識別[4-5]。

1.2 超聲檢測

超聲檢測利用超聲波在被測焊件中的投射和反射特性，檢測靈敏度高，是發(fā)展最快、應(yīng)用最廣的焊縫無損檢測技術(shù)[6-7]。超聲檢測對焊縫表面粗糙度有一定要求，粗糙程度過高會干擾超聲投射效果從而影響檢測結(jié)果的準(zhǔn)確性。當(dāng)超聲束與缺陷面垂直時,缺陷檢出率最高，因此其檢測結(jié)果受儀器探頭、投影方向、檢測對象以及探頭與檢測對象耦合情況等因素的影響。

目前，國內(nèi)外學(xué)者將振動聲調(diào)制技術(shù)、超聲C掃描、超聲TOFD(Time of Flight Diffraction)、超聲成像、超聲相控陣、超聲導(dǎo)波等檢測技術(shù)應(yīng)用于焊縫表面缺陷檢測。利用振動聲調(diào)制技術(shù)對角焊縫進(jìn)行檢測，對比振動聲調(diào)制單頻激勵、掃頻激勵和超聲C掃描的檢測結(jié)果，在最佳頻率范圍內(nèi)檢測效率相對較高，但缺陷的定位定量分析問題有待解決[8]。文獻(xiàn)[9]采用了離散正弦/余弦變換和希爾伯特變換相結(jié)合的激光超聲波成像技術(shù)，相比傳統(tǒng)超聲波成像方法，能高效、準(zhǔn)確地檢測出焊縫邊界、缺陷位置以及形狀大小等特征信息。文獻(xiàn)[10]針對飛機(jī)發(fā)動機(jī)葉片裂紋，研究了焊縫區(qū)域的相控陣超聲全覆蓋檢測方法，并基于軟件平臺建立了仿真模型，實(shí)現(xiàn)了對葉片進(jìn)行焊縫區(qū)域快速和全覆蓋檢測。由于衍射波和底部回波的強(qiáng)度相對較弱，且很容易受到噪聲影響，圍繞TOFD圖像分辨率較低問題，有文獻(xiàn)研究提出了一種基于小波變換和圖像匹配相結(jié)合的新算法，在多圖像疊加的概念下獲取關(guān)于缺陷的更有用的信息[11]。

超聲檢測原理示意圖如圖1所示。

圖1 超聲檢測原理示意圖

超聲檢測缺陷種類的識別通常需依靠技工主觀判斷，存在可靠性問題。隨著超聲檢測與計算機(jī)技術(shù)不斷發(fā)展，可利用人工智能技術(shù)，研究超聲回波信號特征提取的新方法，提高特征提取的穩(wěn)定性，有效識別氣孔、夾渣、未焊透等缺陷，準(zhǔn)確率可達(dá)到96.7%[12]。

1.3 渦流檢測

渦流檢測根據(jù)電磁感應(yīng)原理，當(dāng)檢測線圈靠近待測焊件時，焊件表面產(chǎn)生渦流，缺陷的存在會導(dǎo)致電渦流流向改變，通過檢測渦流的大小和分布能判斷是否有缺陷以及缺陷所在位置[13]，可檢測出焊件裂紋、氣孔等表面缺陷，具有易操作、檢測速度快等特點(diǎn)，無需表面涂層。文獻(xiàn)[14]研究了圖像處理與神經(jīng)網(wǎng)絡(luò)結(jié)合的嵌入式渦流檢測系統(tǒng)，在檢測精度和自動化程度上有較大的改善，嵌入式的設(shè)計實(shí)現(xiàn)了焊接缺陷無損檢測小型化、智能化。

20世紀(jì)后期，渦流檢測技術(shù)迅速發(fā)展，其中有渦流陣列檢測技術(shù)、遠(yuǎn)場渦流檢測技術(shù)和脈沖渦流熱成像技術(shù)等新興檢測技術(shù)。渦流陣列尺寸較大且結(jié)構(gòu)多變，檢測效率更高，可靈活滿足復(fù)雜焊接件的檢測。遠(yuǎn)場渦流檢測探頭為內(nèi)通過式，適用于長管檢測。脈沖渦流熱成像技術(shù)通過紅外熱像儀獲取焊件溫度數(shù)據(jù)，對數(shù)據(jù)進(jìn)行處理，實(shí)現(xiàn)無損檢測。較之常規(guī)渦流檢測法，脈沖渦流熱成像技術(shù)的優(yōu)點(diǎn)在于檢測結(jié)果直觀，靈敏度高。文獻(xiàn)[15]基于脈沖渦流熱成像檢測技術(shù)自主設(shè)計試驗(yàn)平臺，分析了裂紋走向?qū)Τ上裥Ч挠绊憽?/p>

1.4 滲透檢測

滲透檢測的物理原理是基于毛細(xì)管現(xiàn)象，檢查表面開口缺陷的無損檢測方法，分為著色滲透檢驗(yàn)和熒光滲透檢驗(yàn)兩大類。滲透檢測方法可分為以下幾個步驟：預(yù)清洗、滲透、清洗、顯像、觀察記錄、后處理。具體操作是將滲透劑施加到清洗并干燥后的被測焊件表面，經(jīng)過一定的滲透時間，焊縫缺陷處會吸附滲透液，清洗被測件表面的滲透液，在被測件表面噴或涂顯像劑，在光源的照射下，焊縫缺陷處殘留的滲透液顯現(xiàn)出來，進(jìn)而檢測出缺陷的位置與形態(tài)。滲透檢測不受被測件結(jié)構(gòu)、缺陷類型的影響，但顯像劑、試件表面情況、滲透液等一定程度上影響著滲透檢測的結(jié)果。滲透檢測結(jié)果直觀，對于形狀復(fù)雜的表面缺陷也能有效檢測，靈敏度高，但檢測效率低，且檢測試劑對人體有害[16]。

1.5 磁光成像檢測

磁光成像檢測(Magneto-optical Image Testing)以法拉第磁光效應(yīng)成像為理論基礎(chǔ)，利用磁光傳感器對缺陷實(shí)時成像，實(shí)現(xiàn)焊縫表面微小缺陷可視化。通過不同勵磁方式，采集不同狀態(tài)下的磁光圖像。單一磁場條件能較好檢測出垂直于激勵方向的缺陷，卻難以滿足多方向缺陷的檢測要求，且磁光圖像易飽和。針對這一問題，相關(guān)人員研究了基于交變磁場以及旋轉(zhuǎn)磁場勵磁下的焊縫磁光圖像，得到了動態(tài)磁光圖，獲取了更為豐富完整的缺陷漏磁場信息，同時避免了磁光圖像易飽和問題。由于焊接環(huán)境噪聲干擾以及磁場變化，磁光圖像不夠清晰且成像背景復(fù)雜，通過對磁光圖像應(yīng)用一系列圖像處理算法，如濾波去噪、直方圖均衡化、形態(tài)學(xué)腐蝕等，較大程度上提高了磁光圖像對比度，凸顯了焊縫特征信息。國外對于磁光成像檢測技術(shù)已獲批用于商業(yè)飛機(jī)鉚釘?shù)臋z測。國內(nèi)相對起步晚，尚處于發(fā)展研究階段，不少科研隊伍對此開展了工作。文獻(xiàn)[17]對傳統(tǒng)渦流檢測進(jìn)行了改良，將檢測線圈替換成激光-磁光傳感器，獲得了磁光圖像，但圖像質(zhì)量有待提高。之后，廣東工業(yè)大學(xué)對勵磁方式、磁場分布、磁光圖像分析以及焊接缺陷磁光圖像識別與分類等進(jìn)行了深入的研究[18-20]。

焊縫缺陷動態(tài)磁光圖如圖2所示。

缺陷類型實(shí)物圖第1幀第2幀第3幀無缺陷裂紋凹坑未熔透

圖2 焊縫缺陷動態(tài)磁光圖像

從圖2中可以看出：缺陷特征明顯?；谥悄芩惴?、模式識別的快速發(fā)展，文獻(xiàn)[21]將采集到的動態(tài)磁光圖像作為樣本輸入，構(gòu)造主成分分析-支持向量機(jī)分類模型，對于焊縫成形中無缺陷、裂紋、凹坑和未熔透的識別率分別可以達(dá)到100%、92%、84.3%和94.3%。

利用磁光成像技術(shù)對焊接缺陷進(jìn)行檢測，具有高精度、可視化等優(yōu)點(diǎn)，研究現(xiàn)狀可觀，但磁場分布情況與磁光圖像之間的關(guān)系需進(jìn)一步探索，焊接缺陷識別與分類的準(zhǔn)確率有待提高。

1.6 紅外檢測

紅外檢測即熱圖像法，是隨著熱成像技術(shù)的發(fā)展而出現(xiàn)的新型無損檢測技術(shù)[22]，可分為主動式(熱激勵)和被動式(自然溫度或試件自身熱源)。主動式紅外檢測采用的激勵方式主要有閃光燈激勵、激光激勵、超聲激勵和電磁激勵等[23]，被動式紅外檢測依靠焊件自身存在熱源而產(chǎn)生熱輻射，焊縫缺陷部位使被測焊件表面存在溫差，從而產(chǎn)生不同的能量輻射。通過分析紅外熱像儀上形成的紅外熱圖像，得到缺陷位置、類型以及數(shù)量等信息，是一種無接觸、檢測范圍廣、安全的焊接缺陷檢測方法[24]。

2 結(jié)構(gòu)光視覺檢測

結(jié)構(gòu)光視覺檢測是利用計算機(jī)對焊縫條紋圖像進(jìn)行智能提取與識別的檢測技術(shù)，因其非接觸、智能化、高精度、無損傷等優(yōu)點(diǎn)，成為焊縫表面成形缺陷檢測研究的熱點(diǎn)。

基于結(jié)構(gòu)光的機(jī)器視覺檢測技術(shù)光條信息量大，自動化程度高，其檢測步驟包括焊縫圖像采集、圖像處理、特征提取和缺陷識別與分類[25]，結(jié)構(gòu)光視覺檢測框架圖如圖3所示。

圖3 結(jié)構(gòu)光視覺檢測框架圖

2.1 焊縫缺陷圖像采集

焊縫缺陷圖像采集通過圖像采集獲取高質(zhì)量的焊縫條紋圖像，作為后續(xù)處理的信息源。圖像采集系統(tǒng)一般由激光發(fā)射器、相機(jī)、鏡頭、工控機(jī)等硬件部分組成[26]。通過結(jié)構(gòu)光在焊縫表面形成激光條紋，獲得豐富的特征信息，實(shí)現(xiàn)尺寸測量和缺陷檢測，可分為激光掃描法和傳感法：

(1)激光掃描法主要有線性掃描和圓形掃描。激光掃描器由馬達(dá)、激光管、聚焦鏡、角度傳感器、光束放射鏡等組成，通過馬達(dá)帶動光束放射鏡高速回轉(zhuǎn)形成掃描激光條紋，可得到高信噪比圖像，但結(jié)構(gòu)復(fù)雜、成本高，檢測精度低，因此難以滿足實(shí)時檢測和高精度檢測場合的要求，實(shí)際工業(yè)應(yīng)用較少；

(2)激光傳感法通過激光發(fā)射器將結(jié)構(gòu)光投射到焊件上，攝像機(jī)拍攝激光條紋圖像，工控機(jī)接收和處理激光條紋圖像，提取有效信息，實(shí)現(xiàn)焊縫表面成形缺陷檢測。根據(jù)攝像機(jī)與激光發(fā)射器的安裝角度不同，有直射-斜接式、斜射-直接式、斜射-斜接式。根據(jù)激光發(fā)射器發(fā)出激光束類型與數(shù)量的不同，可分為點(diǎn)激光、線結(jié)構(gòu)光(單線結(jié)構(gòu)光、十字結(jié)構(gòu)光、三線結(jié)構(gòu)光[27])、環(huán)形結(jié)構(gòu)光、編碼結(jié)構(gòu)光等。點(diǎn)激光一次只能檢測一個點(diǎn)，檢測效率低，但其光斑小，對微小表面缺陷的檢測精度比線結(jié)構(gòu)光高，常與掃描法配合檢測。單線結(jié)構(gòu)光檢測裝置簡單易操作，數(shù)據(jù)單一易分析，單道條紋變形體現(xiàn)焊縫表面特征，檢測效率相對較高，一直是研究的熱點(diǎn)。多線結(jié)構(gòu)光從獲取的激光條紋圖像中可得到更多特征信息，與此同時加大了標(biāo)定與圖像處理算法的難度。

基于結(jié)構(gòu)光視覺的焊縫檢測系統(tǒng)如圖4所示。

圖4 基于結(jié)構(gòu)光視覺的焊縫檢測系統(tǒng)

2.2 焊縫缺陷圖像處理

針對環(huán)境光源導(dǎo)致圖像質(zhì)量下降、缺陷特征不明顯等問題，需對焊縫條紋圖像進(jìn)行預(yù)處理，主要考慮圖像去噪、圖像分割等操作，突出條紋缺陷特征。焊縫激光條紋圖像去噪算法分為空域處理法和頻域處理法，空域處理法采用各種模板對圖像像素進(jìn)行運(yùn)算，常用的有中值濾波、均值濾波、高斯濾波及其改進(jìn)算法；頻域處理法變換運(yùn)算時間長，常用的有傅里葉變換和小波方法。針對保留焊縫表面缺陷細(xì)節(jié)特征與去噪之間的矛盾，文獻(xiàn)[28]結(jié)合自適應(yīng)中值濾波和小波變換對結(jié)構(gòu)光進(jìn)行去噪，在保留原圖像細(xì)節(jié)的同時，對噪聲有很好的濾除作用。對于焊縫激光條紋圖像上的噪聲，可分為光條上的噪聲與光條外的噪聲。光條上的噪聲信號疊加在有效信號之上，常采用B樣條迭代法或NURBS曲線擬合，通過多次迭代，減少異常像素點(diǎn)的影響；光條外的噪聲可通過形態(tài)學(xué)分類，計算噪聲點(diǎn)與光條的連通區(qū)域面積，設(shè)定面積閾值，達(dá)到去噪效果[29]。采用激光條紋進(jìn)行焊縫缺陷檢測，得到的激光條紋圖像必須清晰，無噪聲影響，才能得到精確的焊縫表面輪廓曲線。

圖像分割是實(shí)現(xiàn)高效檢測的必要步驟，在焊縫條紋圖像中，用于表征焊縫表面信息僅為結(jié)構(gòu)光條紋及其附近像素區(qū)域，為了減少圖像運(yùn)算量，同時避免非檢測區(qū)域信息干擾，通常對焊縫條紋圖像進(jìn)行感興趣區(qū)域(ROI)提取。當(dāng)焊件背景與焊縫目標(biāo)灰度直方圖呈現(xiàn)明顯峰谷分布時，最大類間方差法(Otsu)是最常用的閾值分割法。當(dāng)背景與目標(biāo)不能明確劃分時，文獻(xiàn)[30]提出了一種基于感興趣區(qū)域的最大類間方差法。相關(guān)研究者還引入了基于模糊集理論的目標(biāo)分割法，具體有模糊聚類分割法、模糊閾值分割法、模糊連接度分割等。對于焊縫區(qū)域的分割，利用邊緣灰度值的不連續(xù)性，采用基于邊緣的分割方法，有Canny算子、Robert算子、Sobel算子、Prewitt算子等。此外，人們將小波變換法、神經(jīng)網(wǎng)絡(luò)、遺傳算法、數(shù)學(xué)形態(tài)學(xué)等數(shù)學(xué)方法應(yīng)用于圖像分割，但實(shí)時性和適用程度還有待進(jìn)一步改善。

2.3 焊縫缺陷特征提取

特征提取是焊縫缺陷識別的前提，利用結(jié)構(gòu)光視覺檢測技術(shù)，對焊縫表面激光條紋進(jìn)行特征提取，主要包括中心線提取和特征點(diǎn)提取[31]。中心線提取可分為像素級和亞像素級，基礎(chǔ)算法主要有中心坐標(biāo)法、灰度重心法、形態(tài)學(xué)細(xì)化法、方向模板法、Steger法和Hessian矩陣法等。方向模板法通過設(shè)計4個方向模板，降低噪聲影響的同時，也加大了計算量?；叶戎匦姆ㄓ嬎闼俣瓤?，達(dá)到亞像素精度，但對噪聲敏感，且檢測曲線(如S形)焊縫時，檢測精度受影響。在常見的激光條紋中心線提取方法基礎(chǔ)上，研究了多方法結(jié)合的方式，如脊線跟蹤與方向模板法相結(jié)合的激光條紋中心提取方法，算法運(yùn)行速度從單一方向模板法的212.708 ms提升到22 ms，運(yùn)行速度更快，提取精度更高[32]。除上述方法外，文獻(xiàn)[33]通過分段3次多項(xiàng)式曲線擬合方法提高了結(jié)構(gòu)光中心線提取精度。文獻(xiàn)[34]提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的線結(jié)構(gòu)光中心線提取方法，論述了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，并與Steger法進(jìn)行了對比，呈現(xiàn)出精度高、效率佳的特點(diǎn)。中心線提取追求高精度需使用擬合、卷積、多尺度等算法，以此同時帶來龐大的運(yùn)算量，效率與精度何以兼顧是未來研究重點(diǎn)。

焊縫成形是衡量焊接質(zhì)量的重要指標(biāo)。焊縫成形尺寸主要有焊縫熔寬、余高等參數(shù)，各參數(shù)均有其規(guī)定的最佳范圍[35]。傳統(tǒng)的特征點(diǎn)提取算法有多邊形逼近法、滑動向量法、Hough變換[36]、斜率截距法[37]、斜率解析法、角點(diǎn)檢測法等。文獻(xiàn)[38]對焊縫圖像預(yù)處理后，采用Hough變換識別焊縫邊緣，再利用幾何中心法獲得了激光條紋中心和特征點(diǎn)的位置。文獻(xiàn)[39]研究了基于直線擬合的斜率分析法，實(shí)現(xiàn)了角接、搭接和V形坡口等多種形式的焊縫特征點(diǎn)提取。文獻(xiàn)[40]利用多項(xiàng)式和導(dǎo)數(shù)提取了焊縫特征點(diǎn)。文獻(xiàn)[41]基于遺傳算法的最優(yōu)解搜索原理對焊縫骨架進(jìn)行了提取，進(jìn)化到10代以上時，得到了適應(yīng)度最大的骨架直線，從而精確提取出了焊縫中心點(diǎn)。上述傳統(tǒng)圖像處理方法雖然運(yùn)算簡單，算法實(shí)現(xiàn)難度低，但對外界環(huán)境的適應(yīng)性差。學(xué)習(xí)類算法精度高，處理速度快，然而算法設(shè)計框架復(fù)雜，訓(xùn)練成本高。

2.4 焊縫缺陷識別與分類

由于焊接過程的復(fù)雜性及外界因素的干擾，焊接后的焊縫難免出現(xiàn)凹陷、氣孔、咬邊等表面缺陷[42]，常見焊縫缺陷及其對應(yīng)激光條紋圖像如圖5所示。

缺陷類型實(shí)物圖焊縫激光條紋圖像凹陷氣孔咬邊無缺陷

基于結(jié)構(gòu)光視覺檢測法的焊縫缺陷識別是對圖像進(jìn)行分割和特征提取后，利用計算機(jī)模擬人腦，對缺陷類型進(jìn)行判斷，屬于模式識別與人工智能領(lǐng)域。在大量的數(shù)據(jù)樣本下，深度學(xué)習(xí)依靠其強(qiáng)大的學(xué)習(xí)能力，促使許多研究人員將模式識別方法應(yīng)用于焊接表面成形缺陷識別檢測中，常用的分類方法有BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)(convolution neural networks, CNN)、模糊神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)(support vector machine, SVM)以及各種分類器的集成等[43-44]。

基于BP神經(jīng)網(wǎng)絡(luò)的焊縫缺陷分類模型如圖6所示。

圖6 基于BP神經(jīng)網(wǎng)絡(luò)的焊縫缺陷分類模型

輸入層可由7個特征向量組成，分別為缺陷寬度w、缺陷深度h、斜率k1、斜率k2、峰度系數(shù)Kurt、能量NE、標(biāo)準(zhǔn)偏差SD；確定隱含層神經(jīng)元數(shù)量，數(shù)量過多過少均會影響速度或精度；輸出層代表缺陷分類結(jié)果，分別為咬邊、凹陷、氣孔和無缺陷；通過采集的1 000幅焊縫表面激光條紋圖像，將其分為訓(xùn)練集(700幅)和測試集(300幅)，整體識別率達(dá)91%以上。

3 結(jié)束語

本文主要從物理檢測和結(jié)構(gòu)光視覺檢測兩個方面對焊縫表面缺陷檢測方法進(jìn)行了論述。其中，物理方法包括磁粉檢測、超聲檢測、渦流檢測、滲透檢測、磁光成像以及紅外檢測等方法；結(jié)構(gòu)光視覺檢測方面，主要從焊縫缺陷圖像采集、激光條紋圖像處理、缺陷特征提取和缺陷識別與分類方法上進(jìn)行了系統(tǒng)地分析與總結(jié)。結(jié)論如下：

(1)焊縫表面缺陷檢測有從硬件向軟件轉(zhuǎn)變的趨勢，在降低對物理實(shí)驗(yàn)條件要求的同時，加大了對檢測算法的依賴性；(2)精確的圖像處理算法通常伴隨著復(fù)雜的計算和較長的處理時間，因此，在準(zhǔn)確和快速方面實(shí)現(xiàn)雙贏，是焊縫缺陷檢測成功應(yīng)用的關(guān)鍵；(3)各無損檢測方法在檢測焊縫缺陷時均有其優(yōu)勢和不足，單一檢測方法難以滿足高效和全面檢測，將兩種或多種方法配合檢測，優(yōu)勢互補(bǔ)，可實(shí)現(xiàn)焊縫缺陷全方位檢測。

近年來，將深度學(xué)習(xí)算法應(yīng)用于焊縫表面缺陷檢測受到較大關(guān)注，常用的有CNN、自編碼網(wǎng)絡(luò)等。但該技術(shù)需要大量的數(shù)據(jù)樣本，且不同的模型適用性不同，找出合適的深度學(xué)習(xí)模型進(jìn)行焊接缺陷檢測是未來的研究熱點(diǎn)與難點(diǎn)。