基于2DPCA的熔池图像代数特征提取方法研究

摘要

本文首次采用2DPCA方法设计针对焊缝成形质量的熔池图像的特征提取与分类系统，对熔池图像进行质量识别。该方法以图像全局为对象，有效消除图像间的相关性，获取表征图像差异的数值特征。
　　 本文通过实际焊接过程中焊偏、焊漏、表面成形不良、夹渣等焊缝成形质量问题的成因，设计焊接工艺试验，获得了表面成形良好、表面成形不良、焊枪左偏、焊枪右偏、焊漏、夹渣等六类焊缝及其对应的熔池图像。以三分类为基础探讨了PCA、2DPCA、2D'PCA、(2D)2PCA方法在弧焊熔池图像特征提取与分类中的适应性。试验结果表明，综合考虑算法复杂度与识别率，采用2DPCA与2D'PCA方法处理熔池图像有明显的优势。
　　 本文开发了基于MAG焊六类焊缝成形质量的2DPCA方法熔池图像分类软件。软件包含两大功能和三大模块。其两大功能是2DPCA和2D'PCA功能;三大模块是熔池图像预处理模块、熔池图像质量判别训练样本模块和熔池图像质量判别模块。其中预处理模块实现熔池图像的预处理过程;训练模块实现熔池图像2DPCA方法的最优投影轴、样本特征的计算与储存等功能;判别模块实现图像特征提取与图像的特征分类判别。通过试验得出:对于焊接工艺5L/min焊缝成形不良的熔池图像，2DPCA的判别结果为表面成形不良的占87％，焊漏占13％，2D'PCA的判别结果判别为表面成形不良的占74％，焊漏占25.8％;对于焊接工艺20L/min时焊缝成形良好的熔池图像，2DPCA与2D'PCA的判别结果均为焊缝良好型;对于焊接工艺10L/min的熔池图像的判别结果焊缝良好型为99.4％。对于焊接工艺5mm左偏的焊缝熔池图像，判别结果准确率为97.6％和98％;
　　 综上所述，基于2DPCA方法的熔池图像质量特征检测系统，能有效的针对弧焊熔池图像的特征判别出对应的焊缝成形质量，该方法易于实现，识别率高。

目录

声明

摘要

1 绪论

1．1 选题意义

1．2 熔池图像提取与熔池图像处理方法研究现状

1．2．1 熔池图像提取现状

1．2．2 熔池图像处理方法研究现状

1．3 熔池图像特征研究现状

1．3．1 熔池形态参数提取研究现状

1．3．2 图像缺陷特征信息提取研究现状

1．4 基于视觉的焊接质量智能控制研究现状

1．5 2DPCA方法的应用研究现状

1．6 本课题研究内容

2 MAG焊各类成形质量与熔池灰度分析

2．1 MAG焊各类成形质量的实验方案设计

2．2 MAG焊各类成形质量焊缝及熔池特性

2．2．1 焊偏实验及熔池图像灰度分析

2．2．2 焊漏实验及熔池图像灰度分析

2．2．3 表面成形不良实验及熔池图像灰度分析

2．2．4 内部夹渣实验及熔池图像灰度分析

2．3 MAG各类成形焊缝的典型熔池图像

2．4 本章小结

3 熔池图像主成分分析方法研究

3．1 主成分分析方法介绍

3．1．1 数学模型建立

3．1．2 主成分计算步骤

3．2 熔池图像PCA方法试验分析

3．2．1 图像PCA方法原理

3．2．2 熔池图像PCA方法试验与分析

3．3 熔池图像2DPCA方法试验分析

3．3．1 图像2DPCA方法原理

3．3．2 熔池图像2DPCA方法试验与分析

3．4 熔池图像2D’PCA方法试验分析

3．4．1 图像2D’PCA方法原理

3．4．2 熔池图像2D’PCA方法试验结果

3．5 熔池图像(2D)2PCA方法试验分析

3．5．1 图像(2D)2PCA方法原理

3．5．2 熔池图像(2D)2PCA方法试验与分析

3．6 PCA、2DPCA、2D’PCA、(2D)2PCA试验结果对比分析

3．7 本章小结

4 基于2DPCA的熔池图像分类系统实现与试验分析

4．1 弧焊熔池图像处理及选取

4．1．1 弧焊熔池图像预处理

4．1．2 各类焊缝成形质量图像样本选取

4．2 基于Visual C++6.0的2DPCA熔池图像分类软件实现

4．2．1 熔池图像预处理模块

4．2．2 熔池图像2DPCA方法训练模块

4．2．3 熔池图像2DPCA判别模块

4．3 焊缝成形质量熔池图像分类试验结果与分析

4．3．1 焊缝成形质量图像判别系统试验

4．3．2 熔池图像分类试验结果验证

4．4 本章小结

5 结论

致谢

参考文献

附录