一种基于改进的SUSAN算法的焊缝边缘检测方法

随着图像技术在自动化焊接中的应用,高效地识别和提取出焊缝轨迹,成为图像跟踪自动焊接的关键。本文提出了一种基于改进SUSAN算法的焊缝边缘检测方法。首先对采集到的焊缝图像进行灰度化处理,再通过SUSAN算法进行焊缝的边缘检测,并将SUSAN算法中的灰度差阈值由人为选取改进为一种自适应选取的方法。理论分析和实验结果表明,该算法比其他边缘检测算子抗噪能力强,可以更加高效地提取出焊缝信息。

采用小波分析的水下药芯焊接焊缝图像边缘检测技术

由于传统的边缘检测算子如梯度算子、拉普拉斯算子、Sobel算子等对噪声敏感,采用了Bubble函数过零点检测来提取焊缝图像边缘的小波多尺度方法。通过调整尺度参数σ的值,得到焊缝边缘提取效果最好的σ的范围是:0.4≤σ≤0.6,有效降低了噪声,同时又较好地保持了焊缝边缘细节,在水下药芯焊接焊缝边缘检测中获得较好的效果。

Canny算子检测焊缝的GPU并行加速研究

提出了一种基于GPU并行加速的Canny算子检测焊缝边缘的方法。焊缝边缘是焊缝图像的最主要特征,选用Canny算子可以得到较为准确的焊缝信息,然而Canny算法执行速度较慢,无法完成快速实时的检测,这极大地限制了其实用性。在前人使用Canny算子检测焊缝的基础上进行更深的优化和改进,首先对Canny算子检测算法进行并行化改造,再使用GPU+CPU并行化处理,在不影响边缘检测效果的前提下速度得以加快,一幅1280×960的图像边缘检测时间可以缩短到10ms以内,极大地提高了算法的实用性,为焊缝图像后续处理奠定基础。

基于OpenCV处理视频图像检测焊缝的研究

提出了一种基于处理视频图像对焊缝进行检测的方法。将视频文件中的原始焊缝图像作为研究目标,采用灰度变换法对原始图像进行预处理,选用Canny算子对焊缝图像进行边缘检测,并运用改进的Hough变换进行线段检测,得到焊缝坡口的中心线以及中心线的中点位置,实现了对焊缝焊点的检测。实验证明,该方法实现成本低,实时性强,精确度较高,智能性强。

基于计算机视觉的钢轨焊缝自动定位方法

为了实时检测钢轨焊缝边缘错边量合格情况,提出了基于计算机视觉的钢轨焊缝自动定位方法.首先,采用中值滤波对焊缝图像进行噪声去除;其次,采用限制对比度自适应直方图均衡算法和直方图均衡化法进行焊缝图像增强;然后,采用双阈值OTSU法进行图像分割,突出轨头和焊缝区域图像,并采用连通域法提取轨头和焊缝区域轮廓;最后,采用多次最小二乘直线拟合法获取焊缝拟合直线,计算拟合直线与轨头上边缘直线的交点作为定位点,实现钢轨焊缝自动定位.对60 kg/m钢轨焊缝区域的检测实验表明,所提方法具有精度高、稳定性好的优点,可用于焊轨基地焊缝的在线实时自动检测.