CN112132807A - 一种基于颜色相似度分割的焊缝区域提取方法和装置 - Google Patents

一种基于颜色相似度分割的焊缝区域提取方法和装置 Download PDF

Info

Publication number
CN112132807A
CN112132807A CN202011008216.4A CN202011008216A CN112132807A CN 112132807 A CN112132807 A CN 112132807A CN 202011008216 A CN202011008216 A CN 202011008216A CN 112132807 A CN112132807 A CN 112132807A
Authority
CN
China
Prior art keywords
image
welding
channel
color similarity
narrow
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011008216.4A
Other languages
English (en)
Other versions
CN112132807B (zh
Inventor
李俊
高银
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Quanzhou Institute of Equipment Manufacturing
Original Assignee
Quanzhou Institute of Equipment Manufacturing
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Quanzhou Institute of Equipment Manufacturing filed Critical Quanzhou Institute of Equipment Manufacturing
Priority to CN202011008216.4A priority Critical patent/CN112132807B/zh
Publication of CN112132807A publication Critical patent/CN112132807A/zh
Application granted granted Critical
Publication of CN112132807B publication Critical patent/CN112132807B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30152—Solder
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于颜色相似度分割的焊缝区域提取方法，包括：步骤10、从焊接视频流中逐帧获取焊接图像；步骤20、对获取的焊接图像进行窄带滤光处理，得到滤光图像；步骤30、根据激光线的颜色特征，利用颜色相似度检测函数提取所述滤光图像的指定颜色区域，得到激光图像；步骤40、对所述激光图像进行平滑和膨胀腐蚀操作，得到平滑图像；步骤50、根据焊缝特征对所述平滑图像进行轮廓提取，得到焊缝区域。本发明实施例提供的一种基于颜色相似度分割的焊缝区域提取方法和装置，通过对焊接视频流进行实时的窄带滤光处理和颜色相似度检测，快速去除干扰，最后根据焊缝特征提取焊缝区域，快速简便地实现焊缝区域的准确提取。

Description

一种基于颜色相似度分割的焊缝区域提取方法和装置
技术领域
本发明涉及工业自动检测领域，特别涉及一种基于颜色相似度分割的焊缝区域提取方法和装置。
背景技术
在现代制造业生产中，焊接是最重要的工艺方法之一，它被广泛地用于机械制造、核工业、石油化工、航空航天等诸多领域。由于信息技术的飞速发展，给焊接这个传统工艺带来了新的革命，目前焊接技术已溶入了计算机、机器人、微电子、激光等众多前沿工业技术，朝着任务规划、过程控制、质量监测智能化、自动化的方向发展。特别是近年来，机器人焊接技术在机械制造业领域得到广泛应用，大大促进了焊接的自动化水平。据不完全统计，在实用的工业机器人中，焊接机器人所占比例超过了50％，采用机器人焊接已经成为焊接自动化的主流发展方向。
我国自20世纪90年代中期开始机器人智能化焊接技术研究，智能化焊接主要包括焊接参数的自主规划、焊接位置的自动识别、焊接路径的自主规划、焊接过程的优化控制和焊接质量的自动监控等几个方面，如焊接机器人初始焊接位置的导引、接头形态自动识别、焊缝的自动识别、焊缝跟踪控制等等。在这些智能化焊接技术中，焊缝的精确提取是实现智能化焊接的第一步，也是至关重要的一步，焊缝提取的成败决定了自动焊接能否完成和完成质量的高低，因此它一直是机器人智能化焊接发展的主要瓶颈之一。
现有的关于焊缝区域提取的专利主要集中在射线提取方面，随着计算机视觉的发展，基于视觉的方法才逐渐被引入。基于射线侦测的主要缺点是，设备昂贵，不易携带，并且射线检测只能检测到内部，对表面基本无法辨识。基于视觉的方法是最近几年才兴起的，其也存在一些问题，针对边焊边扫的情况，不能有效的屏蔽掉强曝光干扰，并且检测的过程中很多外界的干扰需要大量的算法进行剔除，算法复杂度高。
发明内容
本发明要解决的技术问题，在于提供一种基于颜色相似度分割的焊缝区域提取方法和装置，通过对焊接视频流进行实时的窄带滤光处理和颜色相似度检测，快速去除干扰，最后根据焊缝特征提取焊缝区域，快速简便地实现焊缝区域的准确提取。
第一方面，本发明提供了一种基于颜色相似度分割的焊缝区域提取方法，包括：
步骤10、从焊接视频流中逐帧获取焊接图像；
步骤20、对获取的焊接图像进行窄带滤光处理，得到滤光图像；
步骤30、根据激光线的颜色特征，利用颜色相似度检测函数提取所述滤光图像的指定颜色区域，得到激光图像；
步骤40、对所述激光图像进行平滑和膨胀腐蚀操作，得到平滑图像；
步骤50、根据焊缝特征对所述平滑图像进行轮廓提取，得到焊缝区域。
进一步地，所述步骤20中，对获取的焊接图像进行窄带滤光处理，进一步具体为：采用650nm的窄带滤光片对获取的焊接图像进行滤光处理。
进一步地，所述步骤30中，颜色相似度检测函数公式进一步具体为：
Figure BDA0002696698840000021
其中，I1表示颜色相似度提取后的激光图像，p为滤光图像的像素，dt为H通道[0,25]，S通道[43,255]，V通道[46,255]的红色区域以及H通道[156,180]，S通道[43,255]，V通道[46,255]的紫色区域。
进一步地，根据焊缝特征对所述滤波图像进行轮廓提取，得到焊缝区域，具体包括：
利用opencv中的findContours函数在所述滤波图像中提取所有外接矩形；
在所有平行的外接矩形中，找到相邻的三个矩形，所述三个矩形满足：中间的矩形长边的边长小于两端的矩形长边的边长的一半，且所述中间的矩形的最高点和所述两端的矩形的最高点不在一条线上；所述两端的矩形包围的区域即为焊缝区域。
第二方面，本发明提供了一种基于颜色相似度分割的焊缝区域提取装置，包括：图像获取模块、窄带滤光模块、颜色相似度提取模块、图像平滑模块以及轮廓提取模块；
所述图像获取模块，用于从焊接视频流中逐帧获取焊接图像；
所述窄带滤光模块，用于对获取的焊接图像进行窄带滤光处理，得到滤光图像；
所述颜色相似度提取模块，用于根据激光线的颜色特征，利用颜色相似度检测函数提取所述滤光图像的指定颜色区域，得到激光图像；
所述图像平滑模块，用于对所述激光图像进行平滑和膨胀腐蚀操作，得到平滑图像；
所述轮廓提取模块，用于根据焊缝特征对所述平滑图像进行轮廓提取，得到焊缝区域。
进一步地，所述窄带滤光模块中，对获取的焊接图像进行窄带滤光处理，进一步具体为：采用650nm的窄带滤光片对获取的焊接图像进行滤光处理。
进一步地，所述颜色相似度提取模块中，所述颜色相似度检测函数进一步具体为：
Figure BDA0002696698840000031
其中，I1表示颜色相似度提取后的激光图像，p为滤光图像的像素，dt为H通道[0,25]，S通道[43,255]，V通道[46,255]的红色区域以及H通道[156,180]，S通道[43,255]，V通道[46,255]的紫色区域。
进一步地，所述轮廓提取模块，进一步具体包括：矩形提取模块以及焊缝区域获取模块；
所述矩形提取模块，用于利用opencv中的findContours函数在所述滤波图像中提取所有外接矩形；
所述焊缝区域获取模块，用于在所有平行的外接矩形中，找到相邻的三个矩形，所述三个矩形满足：中间的矩形长边的边长小于两端的矩形长边的边长的一半，且所述中间的矩形的最高点和所述两端的矩形的最高点不在一条线上；所述两端的矩形包围的区域即为焊缝区域。
本发明实施例具有如下优点：
通过对焊接视频流进行实时的窄带滤光处理和颜色相似度检测，根据激光线的波长，借助窄带滤光片进行滤光处理，基本滤掉焊接面的反光；然后根据激光线的颜色特征，利用颜色相似度检测函数提取所述滤光图像的指定颜色区域，快速去除干扰，最后根据焊缝特征提取焊缝区域；本发明方法类似于逐行扫描的方式，实现高效高速地提取焊缝区域，从而快速完成焊缝点的提取。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为本发明实施例一中方法的流程图；
图2为本发明实施例焊接和视频获取设备的结构示意图；
图3为本发明实施例一中滤光图像示意图；
图4为本发明实施例一中二值化图像示意图；
图5为本发明实施例一中激光图像示意图；
图6为本发明实施例一中提取的焊缝区域示意图；
图7为本发明实施例二中装置的结构示意图。
具体实施方式
为了使本领域技术人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都应当属于本申请的保护范围。
在介绍具体实施例之前，先介绍本申请实施例方法具体应用的焊接和视频获取设备的结构，如图2所示：
焊接过程中激光器发光，架设在机器人末端的双目相机实时获取焊接视频信息，利用窄带滤波片滤光后，再通过计算机代码调用对图像进行后续处理。
本发明的总体思路是：
本发明采用的是基于图像的方法。由于焊接区域的提取发生在焊接之前，对焊缝点提取起到支撑的作用，不涉及到对焊接质量的检测，因此设计了基于图像的焊缝区域提取方法。该方法不同于其它的比如基于射线的方法，而是通过激光视觉的方法，在焊接的过程中类似于逐行扫描的方式，高效高速的提取焊缝区域，通过滤光片滤掉多余的外界干扰以及过曝光的光干扰，通过颜色相似度提取激光线，然后根据焊缝的特征提取焊缝区域，有效降低算法复杂度，提高提取焊缝的精度，从而实现在低成本的情况下，实现焊缝区域的高效提取。
实施例一
本实施例提供一种基于颜色相似度分割的焊缝区域提取方法，如图1所示，包括；
步骤10、从焊接视频流中逐帧获取焊接图像；
步骤20、对获取的焊接图像进行窄带滤光处理，得到滤光图像，在一具体实施例中，得到的滤光图像如图3所示；
由于焊接过程中会出现一定的过曝光问题，因此首先借助窄带滤光片进行滤光处理。本实施例中，经过实际测量发现激光器发出的是光波长在650nm左右，因此采用650nm的窄带滤光片对获取的焊接图像进行滤光处理，通过该滤光处理，基本滤掉了一些焊接面的反光等问题。如果采用其它的光源，也可以根据需求选择对应频率的窄带滤光片。
步骤30、根据激光线的颜色特征，利用颜色相似度检测函数提取所述滤光图像的指定颜色区域，得到激光图像；
在本实施例中，颜色相似度检测函数公式具体为：
Figure BDA0002696698840000061
其中，I1表示颜色相似度提取后的激光图像，p为滤光图像的像素，dt为H通道[0,25]，S通道[43,255]，V通道[46,255]的红色区域以及H通道[156,180]，S通道[43,255]，V通道[46,255]的紫色区域。
本实施例中，通过对激光线的颜色特征提取，发现主要存在两种颜色：红色和紫色。把获取的图像转换到HSV颜色空间，通过观察，红色主要集中在H通道[0,25]、S通道[43,255]和V通道[46,255]，红色和紫色部分主要集中在H通道[156,180]、S通道[43,255]和V通道[46,255]。在该规律的基础上，运用颜色相似度检测函数，逐像素判断，提取到的二值化图像如图4所示，然后将二值化图像映射在滤光图像上，得到激光图像，如图5所示。
步骤40、对所述激光图像进行平滑和膨胀腐蚀操作，得到平滑图像；通过公式(2)对所述激光图像进行处理：
I2＝fs(I1) (2)
其中，fs(g)表示L0梯度最小化滤波方法和膨胀腐蚀操作，I1表示激光图像，I2表示滤波图像。
由于获取的激光图像存在一定的噪声和边缘突起问题，因此为了更好的提取焊缝区域，把获取的图像通过平滑处理和膨胀腐蚀操作，去掉离散的小区域目标，方便后续操作。
步骤50、根据焊缝特征对所述平滑图像进行轮廓提取，得到焊缝区域，如图6所示。
由于激图图像中有些部分不是焊接的器件，因此，为了更加准确的获取焊接面的激光线，我们通过轮廓提取的方法，判断焊缝位置所在的区域，从而完成对焊缝区域的提取。
在本实施例中，根据焊缝特征(两个长的轮廓曲线中间有一段较小的轮廓，且较小的轮廓曲线与两个长的轮廓曲线不在一条线上)对所述平滑图像进行轮廓提取具体包括：
利用opencv中的findContours函数在所述滤波图像中提取所有外接矩形；
在所有平行的外接矩形中，找到相邻的三个矩形，所述三个矩形满足：中间的矩形长边的边长小于两端的矩形长边的边长的一半(矩形的条件仅为举例，也可以用其它算法找到符合上述焊缝特征的轮廓区域)，且所述中间的矩形的最高点和所述两端的矩形的最高点不在一条线上；所述两端的矩形包围的区域即为焊缝区域。
本发明通过对焊接视频流进行实时的窄带滤光处理和颜色相似度检测，快速去除干扰，最后根据焊缝特征提取焊缝区域，快速简便地实现焊缝区域的准确提取。本实施例针根据激光特性，采用650nm的窄带滤光片对获取的焊接图像进行滤光处理，有效过滤掉多余的外界干扰以及过曝光的光干扰，通过颜色相似度提取指定颜色区域的激光线，然后根据焊缝的特征提取焊缝区域，有效降低算法复杂度，提高提取焊缝的精度。
基于同一发明构思，本申请还提供了与实施例一中的方法对应的装置，详见实施例二。
实施例二
在本实施例中提供了一种基于颜色相似度分割的焊缝区域提取装置，如图7所示，包括：图像获取模块、窄带滤光模块、颜色相似度提取模块、图像平滑模块以及轮廓提取模块；
所述图像获取模块，用于从焊接视频流中逐帧获取焊接图像；
所述窄带滤光模块，用于对获取的焊接图像进行窄带滤光处理，得到滤光图像；
所述颜色相似度提取模块，用于根据激光线的颜色特征，利用颜色相似度检测函数提取所述滤光图像的指定颜色区域，得到激光图像；
所述图像平滑模块，用于对所述激光图像进行平滑和膨胀腐蚀操作，得到平滑图像；
所述轮廓提取模块，用于根据焊缝特征对所述平滑图像进行轮廓提取，得到焊缝区域。
在一种可能的实现方式中，所述窄带滤光模块中，对获取的焊接图像进行窄带滤光处理，进一步具体为：采用650nm的窄带滤光片对获取的焊接图像进行滤光处理。
在一种可能的实现方式中，所述颜色相似度提取模块中，所述颜色相似度检测函数进一步具体为：
Figure BDA0002696698840000081
其中，I1表示颜色相似度提取后的激光图像，p为滤光图像的像素，dt为H通道[0,25]，S通道[43,255]，V通道[46,255]的红色区域以及H通道[156,180]，S通道[43,255]，V通道[46,255]的紫色区域。
在一种可能的实现方式中，所述轮廓提取模块，进一步具体包括：矩形提取模块以及焊缝区域获取模块；
所述矩形提取模块，用于利用opencv中的findContours函数在所述滤波图像中提取所有外接矩形；
所述焊缝区域获取模块，用于在所有平行的外接矩形中，找到相邻的三个矩形，所述三个矩形满足：中间的矩形长边的边长小于两端的矩形长边的边长的一半，且所述中间的矩形的最高点和所述两端的矩形的最高点不在一条线上；所述两端的矩形包围的区域即为焊缝区域。
由于本发明实施例二所介绍的装置，为实施本发明实施例一的方法所采用的装置，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该装置的具体结构及变形，故而在此不再赘述。凡是本发明实施例一的方法所采用的装置都属于本发明所欲保护的范围。
本发明通过对焊接视频流进行实时的窄带滤光处理和颜色相似度检测，根据激光线的波长，借助窄带滤光片进行滤光处理，基本滤掉焊接面的反光；然后根据激光线的颜色特征，利用颜色相似度检测函数提取所述滤光图像的指定颜色区域，快速去除干扰，最后根据焊缝特征提取焊缝区域；本发明方法类似于逐行扫描的方式，实现高效高速地提取焊缝区域，从而快速完成焊缝点的提取。
虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。

Claims (8)

1.一种基于颜色相似度分割的焊缝区域提取方法，其特征在于，包括：
步骤10、从焊接视频流中逐帧获取焊接图像；
步骤20、对获取的焊接图像进行窄带滤光处理，得到滤光图像；
步骤30、根据激光线的颜色特征，利用颜色相似度检测函数提取所述滤光图像的指定颜色区域，得到激光图像；
步骤40、对所述激光图像进行平滑和膨胀腐蚀操作，得到平滑图像；
步骤50、根据焊缝特征对所述平滑图像进行轮廓提取，得到焊缝区域。
2.根据权利要求1所述的方法，其特征在于：所述步骤20中，对获取的焊接图像进行窄带滤光处理，进一步具体为：采用650nm的窄带滤光片对获取的焊接图像进行滤光处理。
3.根据权利要求1所述的方法，其特征在于：所述步骤30中，颜色相似度检测函数公式进一步具体为：
Figure FDA0002696698830000011
其中，I1表示颜色相似度提取后的激光图像，p为滤光图像的像素，dt为H通道[0,25]，S通道[43,255]，V通道[46,255]的红色区域以及H通道[156,180]，S通道[43,255]，V通道[46,255]的紫色区域。
4.根据权利要求1所述的方法，其特征在于：根据焊缝特征对所述滤波图像进行轮廓提取，得到焊缝区域，具体包括：
利用opencv中的findContours函数在所述滤波图像中提取所有外接矩形；
在所有平行的外接矩形中，找到相邻的三个矩形，所述三个矩形满足：中间的矩形长边的边长小于两端的矩形长边的边长的一半，且所述中间的矩形的最高点和所述两端的矩形的最高点不在一条线上；所述两端的矩形包围的区域即为焊缝区域。
5.一种基于颜色相似度分割的焊缝区域提取装置，其特征在于，包括：图像获取模块、窄带滤光模块、颜色相似度提取模块、图像平滑模块以及轮廓提取模块；
所述图像获取模块，用于从焊接视频流中逐帧获取焊接图像；
所述窄带滤光模块，用于对获取的焊接图像进行窄带滤光处理，得到滤光图像；
所述颜色相似度提取模块，用于根据激光线的颜色特征，利用颜色相似度检测函数提取所述滤光图像的指定颜色区域，得到激光图像；
所述图像平滑模块，用于对所述激光图像进行平滑和膨胀腐蚀操作，得到平滑图像；
所述轮廓提取模块，用于根据焊缝特征对所述平滑图像进行轮廓提取，得到焊缝区域。
6.根据权利要求5所述的装置，其特征在于：所述窄带滤光模块中，对获取的焊接图像进行窄带滤光处理，进一步具体为：采用650nm的窄带滤光片对获取的焊接图像进行滤光处理。
7.根据权利要求5所述的装置，其特征在于：所述颜色相似度提取模块中，所述颜色相似度检测函数进一步具体为：
Figure FDA0002696698830000021
其中，I1表示颜色相似度提取后的激光图像，p为滤光图像的像素，dt为H通道[0,25]，S通道[43,255]，V通道[46,255]的红色区域以及H通道[156,180]，S通道[43,255]，V通道[46,255]的紫色区域。
8.根据权利要求5所述的装置，其特征在于：所述轮廓提取模块，进一步具体包括：矩形提取模块以及焊缝区域获取模块；
所述矩形提取模块，用于利用opencv中的findContours函数在所述滤波图像中提取所有外接矩形；
所述焊缝区域获取模块，用于在所有平行的外接矩形中，找到相邻的三个矩形，所述三个矩形满足：中间的矩形长边的边长小于两端的矩形长边的边长的一半，且所述中间的矩形的最高点和所述两端的矩形的最高点不在一条线上；所述两端的矩形包围的区域即为焊缝区域。
CN202011008216.4A 2020-09-23 2020-09-23 一种基于颜色相似度分割的焊缝区域提取方法和装置 Active CN112132807B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011008216.4A CN112132807B (zh) 2020-09-23 2020-09-23 一种基于颜色相似度分割的焊缝区域提取方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011008216.4A CN112132807B (zh) 2020-09-23 2020-09-23 一种基于颜色相似度分割的焊缝区域提取方法和装置

Publications (2)

Publication Number Publication Date
CN112132807A true CN112132807A (zh) 2020-12-25
CN112132807B CN112132807B (zh) 2024-02-23

Family

ID=73842777

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011008216.4A Active CN112132807B (zh) 2020-09-23 2020-09-23 一种基于颜色相似度分割的焊缝区域提取方法和装置

Country Status (1)

Country Link
CN (1) CN112132807B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050147289A1 (en) * 2002-04-30 2005-07-07 Jfe Steel Coroporation Method and instrument for measuring bead cutting shape of electric welded tube
FR2923606A1 (fr) * 2007-11-09 2009-05-15 Controle Des Points De Soudure Procede de controle non destructif d'un point de soudure
CN101486124A (zh) * 2009-02-13 2009-07-22 南京工程学院 多结构光双目复合视觉焊缝跟踪方法及装置
CN106442543A (zh) * 2016-10-14 2017-02-22 龚新林 一种在线识别金属工件连续激光焊缝表面质量的检测方法
CN106469312A (zh) * 2016-09-29 2017-03-01 江苏省特种设备安全监督检验研究院 基于区域生长标号的焊缝视觉识别方法
CN107914067A (zh) * 2017-10-31 2018-04-17 南昌大学 一种基于被动视觉传感的薄板焊接的焊枪偏差三维提取方法
KR20180115645A (ko) * 2017-04-13 2018-10-23 재단법인 경북아이티융합 산업기술원 2d 영상 기반의 용접 비드 인식 장치 및 그것을 이용한 그을음 제거 방법
CN109434251A (zh) * 2018-10-22 2019-03-08 湖北文理学院 一种基于粒子滤波的焊缝图像跟踪方法
CN109949346A (zh) * 2019-03-04 2019-06-28 天津科技大学 基于方向梯度直方图粒子滤波的焊缝跟踪方法
JP2019141900A (ja) * 2018-02-23 2019-08-29 日本製鉄株式会社 溶接操業監視システム及び溶接操業監視方法
CN110717872A (zh) * 2019-10-08 2020-01-21 江西洪都航空工业集团有限责任公司 一种激光辅助定位下的v型焊缝图像特征点提取方法及提取***
CN110852173A (zh) * 2019-10-15 2020-02-28 山东大学 一种针对模糊焊缝的视觉定位方法及***
CN110930368A (zh) * 2019-10-31 2020-03-27 中船重工鹏力（南京）智能装备***有限公司 一种薄板搭接焊缝实时焊接图像特征提取方法
WO2020107866A1 (zh) * 2018-11-30 2020-06-04 平安科技（深圳）有限公司 一种文字区域获取方法、装置、存储介质及终端设备
CN111666889A (zh) * 2020-06-08 2020-09-15 南京聚特机器人技术有限公司 一种焊缝的识别方法以及识别装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050147289A1 (en) * 2002-04-30 2005-07-07 Jfe Steel Coroporation Method and instrument for measuring bead cutting shape of electric welded tube
FR2923606A1 (fr) * 2007-11-09 2009-05-15 Controle Des Points De Soudure Procede de controle non destructif d'un point de soudure
CN101486124A (zh) * 2009-02-13 2009-07-22 南京工程学院 多结构光双目复合视觉焊缝跟踪方法及装置
CN106469312A (zh) * 2016-09-29 2017-03-01 江苏省特种设备安全监督检验研究院 基于区域生长标号的焊缝视觉识别方法
CN106442543A (zh) * 2016-10-14 2017-02-22 龚新林 一种在线识别金属工件连续激光焊缝表面质量的检测方法
KR20180115645A (ko) * 2017-04-13 2018-10-23 재단법인 경북아이티융합 산업기술원 2d 영상 기반의 용접 비드 인식 장치 및 그것을 이용한 그을음 제거 방법
CN107914067A (zh) * 2017-10-31 2018-04-17 南昌大学 一种基于被动视觉传感的薄板焊接的焊枪偏差三维提取方法
JP2019141900A (ja) * 2018-02-23 2019-08-29 日本製鉄株式会社 溶接操業監視システム及び溶接操業監視方法
CN109434251A (zh) * 2018-10-22 2019-03-08 湖北文理学院 一种基于粒子滤波的焊缝图像跟踪方法
WO2020107866A1 (zh) * 2018-11-30 2020-06-04 平安科技（深圳）有限公司 一种文字区域获取方法、装置、存储介质及终端设备
CN109949346A (zh) * 2019-03-04 2019-06-28 天津科技大学 基于方向梯度直方图粒子滤波的焊缝跟踪方法
CN110717872A (zh) * 2019-10-08 2020-01-21 江西洪都航空工业集团有限责任公司 一种激光辅助定位下的v型焊缝图像特征点提取方法及提取***
CN110852173A (zh) * 2019-10-15 2020-02-28 山东大学 一种针对模糊焊缝的视觉定位方法及***
CN110930368A (zh) * 2019-10-31 2020-03-27 中船重工鹏力（南京）智能装备***有限公司 一种薄板搭接焊缝实时焊接图像特征提取方法
CN111666889A (zh) * 2020-06-08 2020-09-15 南京聚特机器人技术有限公司 一种焊缝的识别方法以及识别装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
毛万冲: ""管道无损检测***中基于色彩信息的焊缝识别"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
阙禄松;王明泉;张俊生;李汉;: "基于HSI空间和引导滤波的焊缝图像伪彩色增强", 中国科技论文, no. 03 *

Also Published As

Publication number Publication date
CN112132807B (zh) 2024-02-23

Similar Documents

Publication Publication Date Title
US7162073B1 (en) Methods and apparatuses for detecting classifying and measuring spot defects in an image of an object
Shah et al. Butt welding joints recognition and location identification by using local thresholding
CN110717872B (zh) 一种激光辅助定位下的v型焊缝图像特征点提取方法及提取***
EP3176751B1 (en) Information processing device, information processing method, computer-readable recording medium, and inspection system
US20220230301A1 (en) Manufacturing Method And Image Processing Method and System For Quality Inspection Of Objects Of A Manufacturing Method
CN112330598A (zh) 一种化纤表面僵丝缺陷检测的方法、装置及存储介质
US20230030689A1 (en) Systems and methods for quantifying light flares in images
CN114820475B (zh) 边缘识别方法、***、晶圆加工装置及晶圆与加工台同心状态确定方法
CN111932490A (zh) 一种用于工业机器人的视觉***抓取信息提取方法
CN113822810A (zh) 一种基于机器视觉的三维空间中工件的定位方法
CN109001213B (zh) 一种卷到卷超薄柔性ic基板外观检测方法
CN114037682A (zh) 一种光学元件表面疵病二维自动检测方法
CN112132807B (zh) 一种基于颜色相似度分割的焊缝区域提取方法和装置
CN111833350A (zh) 机器视觉检测方法与***
CN116883498A (zh) 基于灰度质心提取算法的视觉合作靶标特征点定位方法
CN114120318B (zh) 一种基于集成决策树的暗场图像目标点精确提取方法
CN112734916B (zh) 基于图像处理的彩色共聚焦并行测量三维形貌还原方法
CN115908301A (zh) 一种基于增强输入的缺陷检测方法、装置及存储介质
CN112767431B (zh) 一种用于电力***的电网目标检测方法及装置
CN115508376A (zh) 激光熔覆头加工状态实时监测***及方法
AU2021368390B2 (en) Multi-target recognition system and method for follow-up robot based on coded thermal infrared mark
CN112489014B (zh) 一种基于视觉的化纤飘杂检测方法
CN115388785A (zh) 一种基于视觉的柔性线束的测量方法及***
CN110660073B (zh) 一种直线边缘识别设备
Muhsin Al Ramadan et al. Automatic Control Of Chamfering Machine using Machine Vision

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant