焊缝表面缺陷视觉检测方法

焊缝外观检查记录焊缝外观检查是对焊接过程中形成的焊缝进行检查、评价和记录的过程。

正确的外观检查可以帮助我们发现焊接缺陷和不符合要求的焊缝质量，从而采取相应的措施进行修复或改进。

下面是对焊缝外观检查进行详细记录的一份报告，字数超过1200字。

一、检测目的二、检测对象三、检测设备1.放大镜：用于观察焊缝表面的细微缺陷。

2.显微硬度计：用于测量焊缝的硬度。

四、检测方法1.视觉检查：通过肉眼观察焊接表面，发现焊接缺陷和不良现象。

2.放大镜检查：在需要观察细微缺陷的情况下，使用放大镜放大焊接表面，以便更清晰地观察和分析。

3.硬度测量：使用显微硬度计对焊缝进行硬度测试，以评估焊缝的力学性能。

五、检测结果及记录日期：xxxx年xx月xx日检测人员：xxxa.焊缝1（位置）：视觉检查：焊接表面光洁，无明显凹凸、气孔、裂纹等缺陷。

放大镜检查：焊接表面细微缺陷较少，但仍有个别细微气孔。

硬度测量：平均硬度值为xxx。

b.焊缝2（位置）：视觉检查：焊接表面光洁，无明显凹凸、气孔、裂纹等缺陷。

放大镜检查：焊接表面细微缺陷较少，无明显气孔。

硬度测量：平均硬度值为xxx。

c.焊缝3（位置）：视觉检查：焊接表面有较明显的凹凸，存在气孔和夹渣现象。

放大镜检查：焊接表面存在明显的气孔和夹渣现象，缺陷数量较多。

硬度测量：平均硬度值为xxx。

2.检测结论与建议焊缝1和焊缝2的外观检查结果良好，符合要求，焊接工艺稳定，无需进一步处理。

焊缝3存在明显缺陷，需要进一步分析原因并采取相应的解决方案，可能需要调整焊接参数、改进焊接工艺或更换焊接材料。

六、检测记录问题与不足1.外观检查结果主要以文字描述，对于焊接缺陷的位置、大小及分布等没有进行图像记录。

2.对于焊接缺陷的评估依赖于观察者的主观判断，存在一定的主观性和不准确性。

3.对于焊缝的硬度测量结果缺乏比较标准和参考值，无法准确评估其强度。

七、改进措施1.对焊接缺陷进行拍照记录，并建立缺陷分类和评估标准，以提高检测结果的客观性和可比性。

焊接质量不符合项辨识与主要缺陷控制对策为了确保焊接质量符合要求，需及时辨识出焊接质量不符合项，并采取相应的缺陷控制对策。

下面将对焊接质量不符合项辨识的方法和主要缺陷控制对策进行详细阐述。

一、焊接质量不符合项辨识的方法1.焊缝外观检查：通过视觉检查焊缝外观，辨识出焊接质量问题。

常见的焊缝外观问题包括焊缝凹陷、焊缝高度不均匀、焊缝表面有气孔、烧孔等。

2.尺寸测量：通过测量焊缝的尺寸，辨识出焊接质量问题。

例如，焊缝宽度不符合要求、焊缝长度不符合要求等。

3.无损检测：利用无损检测方法，包括超声波、射线、涡流、磁粉等，检测焊缝内部存在的缺陷。

例如，焊缝中有裂纹、夹杂物等。

4.机械性能测试：通过对焊缝进行机械性能测试，如拉伸试验、冲击试验等，判断焊接质量是否满足要求。

例如，焊缝强度不达标、冲击韧性不满足要求等。

以上方法综合运用，可以对焊接质量进行全面的辨识。

1.加强工艺管理：制定合理的焊接工艺规程，包括焊接参数、焊接顺序、预热温度等，确保焊接过程能够得到有效控制。

同时，加强操作规程的培训和执行，提高焊接人员的操作技能。

2.材料控制：对焊接材料进行严格的选择和验收，确保材料符合相关标准要求，避免因材料质量问题导致焊接质量不符合。

3.清洁处理：在焊接前，对焊接面进行充分的清洁处理，去除油污、氧化皮等杂质，提高焊缝的质量。

4.缺陷修复：对于焊接质量不符合项，应及时采取相应的修复措施。

例如，焊缝凹陷可采取填充措施，焊缝气孔可采用补焊等方法修复。

5.检测技术改进：引入先进的焊接检测技术，如激光检测、红外检测等，提高焊接质量的检测准确性和效率。

6.过程监控与纪录：建立完善的焊接质量监控和纪录系统，对焊接过程进行实时监控和记录，及时发现问题并采取措施进行修正。

7.建立质量管理体系：依据相关标准，建立焊接质量管理体系，明确各项焊接质量要求和控制措施，提高焊接质量的可控性和稳定性。

总结起来，焊接质量不符合项辨识是确保焊接质量的重要环节，通过合理运用辨识方法和采取适当的缺陷控制对策，能够及时发现和解决焊接质量问题，提高焊接质量水平，确保焊接结构的安全可靠性。

视觉缺陷检测常用算法视觉缺陷检测是指通过计算机视觉技术对产品进行检测，以发现产品表面的缺陷，如裂纹、划痕、气泡等。

视觉缺陷检测在工业生产中具有重要的应用价值，可以提高产品质量，降低生产成本。

本文将介绍视觉缺陷检测常用算法。

1. 基于边缘检测的算法边缘检测是指通过计算图像中像素值的变化率来检测图像中的边缘。

在视觉缺陷检测中，边缘检测可以用来检测产品表面的裂纹、划痕等缺陷。

常用的边缘检测算法有Sobel算法、Prewitt算法、Canny算法等。

Sobel算法是一种基于梯度的边缘检测算法，它通过计算像素点周围的像素值的梯度来检测边缘。

Prewitt算法也是一种基于梯度的边缘检测算法，它与Sobel算法类似，但是计算梯度时采用了不同的卷积核。

Canny算法是一种基于多级阈值的边缘检测算法，它可以检测出较细的边缘，并且对噪声有较好的抑制效果。

2. 基于纹理特征的算法纹理特征是指图像中的重复模式或规则性结构。

在视觉缺陷检测中，纹理特征可以用来检测产品表面的气泡、斑点等缺陷。

常用的纹理特征算法有灰度共生矩阵法、小波变换法、Gabor滤波器法等。

灰度共生矩阵法是一种基于灰度共生矩阵的纹理特征提取算法，它通过计算图像中像素之间的灰度共生矩阵来提取纹理特征。

小波变换法是一种基于小波变换的纹理特征提取算法，它可以将图像分解成不同尺度和方向的小波系数，从而提取出不同尺度和方向的纹理特征。

Gabor滤波器法是一种基于Gabor滤波器的纹理特征提取算法，它可以提取出图像中的局部纹理特征。

3. 基于形态学的算法形态学是一种数学方法，它可以用来分析和处理图像中的形状和结构。

在视觉缺陷检测中，形态学可以用来检测产品表面的凸起、凹陷等缺陷。

常用的形态学算法有膨胀、腐蚀、开运算、闭运算等。

膨胀是一种形态学操作，它可以将图像中的物体膨胀成更大的物体。

在视觉缺陷检测中，膨胀可以用来检测产品表面的凸起缺陷。

腐蚀是一种形态学操作，它可以将图像中的物体腐蚀成更小的物体。

角焊缝探伤检测方法
角焊缝是指两个或多个金属材料在角部焊接而成的焊缝，常见于钢结构、船舶、压力容器等行业。

为保障角焊缝的质量，需采用有效的探伤方法进行检测。

以下是常用的角焊缝探伤检测方法：
1.视觉检测法：通过肉眼观察焊缝和熔合区是否存在缺陷和裂纹等。

2.磁粉检测法：将铁磁性粉末撒在焊缝表面，利用电磁铁产生磁场，检测缺陷。

3.超声波检测法：利用超声波的声波穿透力和反射能力探测缺陷。

4.射线检测法：利用X射线或伽马射线穿透能力探测缺陷。

5.感应热像检测法：利用感应热像仪检测焊缝热量分布和温度分布，判断熔合区、热影响区和母材是否存在异常。

综上所述，以上五种方法均可用于角焊缝的探伤检测。

根据不同的具体情况，选取适宜的探伤方法进行检测，可以保障焊接质量和工程安全。

使用计算机视觉技术进行表面缺陷检测的方法随着制造业的发展和自动化程度的提高，对产品质量的要求也越来越高。

表面缺陷是制造过程中常见的问题之一，它们可能影响产品的性能、可靠性和外观。

为了提高产品质量控制的效率和准确性，采用计算机视觉技术进行表面缺陷检测成为了一种主流方法。

计算机视觉技术是指利用计算机来模拟人类视觉系统，通过图像采集、图像处理、模式识别等方法对图像进行分析和处理的技术。

在表面缺陷检测中，计算机视觉技术可以替代传统的人工视觉检测，能够快速准确地检测出各种类型的缺陷。

下面我们将介绍几种常用的计算机视觉技术在表面缺陷检测中的应用方法。

1. 全局特征分析法全局特征分析法是一种利用图像全局特征进行表面缺陷检测的方法，它不考虑每个像素的特征，而是对整个图像进行分析。

这种方法适用于表面缺陷较大且数量有限的情况。

常用的全局特征包括灰度直方图特征、颜色特征和纹理特征等。

通过采集样本数据，训练一个分类器来对新的图像进行分类，从而判断是否存在表面缺陷。

2. 基于特征提取的方法基于特征提取的方法通过提取图像中的关键特征，并对这些特征进行分析和比较来判断是否存在缺陷。

常用的特征包括边缘特征、纹理特征、色彩特征等。

可以使用边缘检测算法如Canny算法提取边缘信息，采用纹理分析方法如Gabor滤波器来提取纹理特征。

通过对提取到的特征进行分析和比较，可以准确地检测出表面缺陷。

3. 基于深度学习的方法近年来，深度学习在计算机视觉领域取得了重大突破。

在表面缺陷检测中，基于深度学习的方法具有很高的准确性和鲁棒性。

使用卷积神经网络（CNN）可以提取图像中的特征，并能够进行自动分类和识别。

通过大量的样本数据进行训练，深度学习模型能够学习到丰富的特征表示，从而对表面缺陷进行准确的检测。

4. 基于图像分割的方法表面缺陷通常表现为图像中的一些局部区域，并且与周围区域有明显的边界。

基于图像分割的方法可以将图像分割成多个区域，并对每个区域进行独立的分析。

焊接检测参考答案焊接是一种常见的金属连接方法，广泛应用于各个行业。

而焊接质量的检测是保证焊接连接强度和可靠性的重要环节。

本文将就焊接检测的参考答案进行讨论，包括非破坏性检测和破坏性检测两个方面。

一、非破坏性检测非破坏性检测是指在不破坏焊接件的前提下，通过特定的方法和仪器对焊缝进行检测，以评估焊接质量。

常见的非破坏性检测方法包括视觉检测、超声波检测、射线检测和磁粉检测。

1. 视觉检测：视觉检测是最简单、最常用的一种方法。

通过肉眼或显微镜观察焊缝表面，检测焊缝的缺陷，如气孔、裂纹等。

视觉检测的优点是成本低、操作简单，但对于微小的缺陷可能不易发现。

2. 超声波检测：超声波检测是利用超声波在材料中传播和反射的原理，检测焊缝内部的缺陷。

超声波可以探测到焊缝中的气孔、夹杂物、裂纹等缺陷，并能确定其位置和大小。

超声波检测的优点是高灵敏度、定量性好，但需要专业的仪器和操作技术。

3. 射线检测：射线检测是利用射线（如X射线或γ射线）穿透焊缝，通过感光片或显像器观察射线的衰减情况，以检测焊缝内的缺陷。

射线检测可以发现焊缝内的气孔、夹杂物、裂纹等缺陷，并能确定其形状和大小。

射线检测的优点是能够检测到较小的缺陷，但需要专业的设备和防护措施。

4. 磁粉检测：磁粉检测是利用磁场对焊缝进行检测的方法。

通过在焊缝表面施加磁场，再撒布磁粉，观察磁粉在缺陷处的聚集情况，以判断焊缝是否存在缺陷。

磁粉检测的优点是操作简单、成本低，但只适用于检测表面缺陷。

二、破坏性检测破坏性检测是指在焊接件上进行试验，通过观察、测量和分析焊缝的破坏情况，评估焊接质量。

常见的破坏性检测方法包括拉伸试验、冲击试验和硬度测试。

1. 拉伸试验：拉伸试验是将焊接件放入拉伸试验机中，施加拉力，直到焊缝发生破坏。

通过测量拉力和变形量，计算焊缝的抗拉强度和伸长率，以评估焊接质量。

拉伸试验的优点是能够直接评估焊缝的强度，但需要破坏焊接件。

2. 冲击试验：冲击试验是将焊接件放入冲击试验机中，施加冲击载荷，观察焊缝的破坏情况。

焊缝表面缺陷的视觉图像表征张鹏贤;王延升;张国强【摘要】提出一种基于焊缝表面缺陷几何特征提取的视觉图像表征方法.以视觉系统采集的焊缝表面视觉图像为信息源,通过图像增强、图像平滑、阚值分割等方法完成了焊缝与母材的分离,采用多尺度Retinex增强、模糊边缘检测算法,实现焊缝图像中缺陷几何特征区域的提取.基于焊缝及其成像间的坐标交换关系,建立缺陷几何特征参数的求取算法.验证结果表明,获取的几何特征参数能够准确表征缺陷的大小、形状、位置等信息,基于视觉图像表征焊缝缺陷的方法是可行的.【期刊名称】《兰州理工大学学报》【年(卷),期】2016(042)001【总页数】5页(P17-21)【关键词】焊缝表面缺陷;视觉图像;几何特征;表征方法【作者】张鹏贤;王延升;张国强【作者单位】兰州理工大学省部共建有色金属先进加工与再利用国家重点实验室,甘肃兰州730050;兰州理工大学省部共建有色金属先进加工与再利用国家重点实验室,甘肃兰州730050;兰州理工大学省部共建有色金属先进加工与再利用国家重点实验室,甘肃兰州730050【正文语种】中文【中图分类】TG115.28压力容器、车辆壳体等产品中存在较为明显的咬边、凹坑、气孔等焊缝表面缺陷时，往往在服役过程中因疲劳出现启裂从而造成重大隐患，而且还会影响其外观质量.产品外观质量已成为质量管理和决定产品是否具有竞争力的重要环节[1-2].但焊缝的外观质量检验目前主要由检测人员借助卡尺、目测等手段，凭借人工经验完成，检测结果不准确、效率低，这种检验方法更是难以满足焊接生产线大批量生产时外观质量实时检测的需求.计算机视觉检测技术因具有非接触、速度快、精度高等特点而被广泛应用于许多领域[3-4].贺振东[5]等研制了一种基于反向P-M扩散的钢轨表面缺陷视觉检测装置，用于实时检测与定位钢轨表面块状及线状缺陷.杨子琦[6]等针对柱塞式汽车制动器总泵活塞表面的缺陷特点及其视觉成像难点，设计并优化了合适的立体组合光源系统，准确地检测了活塞表面存在的划伤、木纹、磕碰等缺陷.赵晨[7]等研制了一种线照明并行谱域OCT (optical coherence tomography)系统，验证了该系统可以对不同类型的平板玻璃缺陷(如表面缺陷、气泡、结石等)进行无损非接触式快速高分辨率检测.王克鸿[8]等基于熔池动态视觉图像特征分析，力图在线预测焊后气孔等缺陷出现的可能性，但还存在相当大的困难.本文以焊后焊缝成形的视觉图像为信息源，探索了一种基于焊缝表面缺陷视觉图像特征提取的机器视觉诊断方法.采用自行搭建的计算机视觉系统获取焊缝成形的视觉图像，该系统硬件主要由工业用MV-3000UC型数字摄像机、条形光源(VS-WL200)、工作平台(MV-BR306)和计算机(Intel Pentium(R)4,2.61 GHz)组成，如图1所示.数字摄像机及条形光源固定在专用支架上，待检焊缝放置在工作平台上，工作平台的移动与摄像机的定时曝光相配合，便可实现任意长度焊缝的视觉图像采集，计算机通过串口获取摄像机采集的图像数据.视觉图像采集及处理采用Halcon11.0软件实现，并将处理结果以数据文件形式存储到计算机中，利用Matlab7.8软件读取该数据文件到内存，即可通过编制的Matlab程序和算法实现缺陷特征参数的计算.在焊缝旁放置游标卡尺作为参照物，将游标卡尺零刻度线与焊缝初始位置对齐，与焊缝一并进行视觉图像采集.图2为视觉系统采集的埋弧堆焊原始图像.其中，图2a为成形良好的焊缝，图2b~d分别为人眼观测到焊缝表面有凹坑、气孔、咬边等成形缺陷存在的原始视觉图像.4幅图像中，焊缝与母材之间边界分明，这是由于焊缝与母材高度的不同，导致焊缝区域反光明显，母材区域颜色较深，灰度均值较大.凹坑在焊缝轮廓上呈现为碗状成形，碗底区域颜色较深，碗底及边缘都有明显的轮廓特征.气孔如同质点离散分布在焊缝轮廓上，气孔边界颜色特征明显.咬边出现在邻近焊缝的母材上，呈现为长条沟状的图像特征，与焊缝、母材灰度相差较大.大量视觉图像分析表明，各种缺陷的出现导致焊缝表面轮廓的几何形状、颜色等都发生了明显的特征变化，缺陷在图像上的成形特征可以作为表征焊缝表面缺陷的信息源.咬边、气孔、凹坑等成形缺陷的形状、尺寸等几何属性都有显著的差异，而获取的视觉图像能够清晰地反映缺陷几何特征的差异性.因此，基于视觉图像缺陷几何特征的提取即可实现缺陷的诊断，而缺陷区域的提取是其几何特征表征的基础，采用视觉图像处理方法实现缺陷区域提取的技术路线如图3所示，通过对采集的图像进行增强、平滑、阈值分割等处理，将焊缝从母材中分离出来，实现了目标信息的抽取.对抽取的焊缝图像进行二次图像增强以及边缘检测，实现了缺陷几何特征区域的提取.图像采集过程中，易受环境、光线等因素影响，致使获取的图像存在一些随机分布的噪声点，尤其是边界处的噪声点影响焊缝与母材、缺陷与焊缝间的准确分割.为了消除噪声的影响，对采集的图像进行增强、滤波等处理，结果如图4所示.图4a 为处理前的原始图像，为有效增强焊缝与母材的对比度，需采用一定的转换函数对其进行图像增强.在各种转换函数中，正弦函数由于在上下波头处变换平缓，中间变化比较大，与采集的视觉图像灰度变化比较接近，因此可以利用正弦函数对原始图像进行非线性灰度变换[9-10]，增强后的图像如图4b所示.高斯滤波是常用的图像平滑处理方法，能够有效降低噪声点数量，图4c为采用高斯滤波方法平滑处理的结果，图中母材表面的噪声点得到大部分消除，但焊缝边缘轮廓变得模糊且图像清晰度明显降低，由平滑滤波机理[11]可知，出现这种情况在所难免.为此，尝试了一种自适应高斯滤波[12]的图像平滑方法，即只在噪声局部区域进行平滑处理，而在无噪声局部区域不进行平滑处理.图4d为图像的自适应高斯滤波平滑结果，与图4a相比，焊缝及母材上的噪声点被基本消除，而焊缝及边缘轮廓清晰度依然可以满足焊缝边缘提取的要求.对图像进行自适应平滑处理计算出当前像素为中心的窗口内的灰度均值，运用自适应平滑处理的输出结果作为对母材灰度均值的估计，根据最大类间方差法[13]设定的阈值T即可实现焊缝与母材的分割.阈值T的设定如下：将式(1)带入式(2)，得式中：ωA为焊缝区域像素点占整幅图像的比例，μA为焊缝区域平均灰度值，ωB 为母材区域像素点占整幅图像的比例，μB为母材区域平均灰度值，μ为图像的总体平均灰度，σ2(T)为焊缝与母材平均灰度值的最大方差，对应的T为所求阈值. 阈值T将焊缝区域与母材区域构成的图像分割成前景和背景2个部分，如图5a所示，轮廓包络线内区域为前景，包络线外区域为背景，由于咬边灰度与母材差异较大，因此也同焊缝一起作为前景.将背景灰度值置为零，即可得到焊缝区域图像，如图5b所示，这样分割获得的焊缝区域图像，消除了母材灰度变化的影响，降低了缺陷图像特征提取的数据处理量和难度.为了准确提取缺陷的几何特征区域，将抽取的焊缝图像再次进行了图像增强处理.咬边、凹坑、气孔等缺陷属于体积型缺陷，平面成像时由于缺陷与焊缝表面轮廓存在一定的深度落差，所以缺陷成像区域较暗，而周围焊缝成像区域较亮.为了增强缺陷与焊缝的对比度，采用一种多尺度Retinex[14]的图像增强方法，处理结果如图6b所示.从图6b与图6a的对比结果可以看出，缺陷暗区的信息量得到显著加强，缺陷轮廓更加分明.在此基础上，尝试了几种基于边缘检测的缺陷区域提取算法.其中，canny算法[15]以信噪比准则、定位精度准则、单边缘响应准则这3个最佳准则来检测缺陷边缘信息，它采用高斯函数作为滤波器，可以基本检测出缺陷边缘信息，尽管该算法包含高斯平滑抑噪作用，但canny算法对噪声较为敏感，容易检测出伪边缘，图7~9中各a图为采用canny算法分别对图2中的咬边、凹坑、气孔这3种缺陷的边缘检测，缺陷区域及周围出现许多噪声点以及纹理引起的伪边缘.而模糊算法[16]的边缘检测方法可利用缺陷边缘特有的模糊性，融合像素点的梯度、相角和方向特征多种信息，利用模糊逻辑运算来完成含强噪声的焊缝图像边缘检测，图7~9中各b图为采用模糊算法分别对以上3种缺陷的边缘检测结果，其提取的图像特征与实际缺陷几何特征有较好的吻合度.结果表明，采用模糊算法的边缘检测方法可以用于缺陷几何特征区域的提取.3.1 缺陷图像的坐标化由于视觉系统获取的是焊缝平面成像，缺陷几何特征可以用平面坐标系下的几何参数来表征.为此，首先需对焊缝及缺陷进行坐标化[17].在视觉系统的工作平台上，设定了一个参考点，使该参考点为卡尺零刻度的对应点，也为放置待测焊缝的起始点，同时作为确定缺陷位置信息的坐标原点.以焊缝中心线沿长度方向作为x轴正方向，以焊缝宽度方向过参考点的垂线作为y轴，建立待检焊缝同时在物理和成像上的平面坐标系.设焊缝上任意一点在物理坐标系中的横坐标与纵坐标分别为x 和y，在成像坐标系中的横坐标与纵坐标分别为u和v，则2坐标系坐标变换关系如式(4)所示：式中：n为游标卡尺的刻度数目，p为图像分辨率，k为图像宽高比.3.2 特征参数的建立针对缺陷的几何特征变化，采用面积S′反映缺陷在焊缝中所占区域的大小，采用缺陷区域最小外接矩形的长宽比R′反映其形状差异性，采用缺陷区域最小外接矩形中心点P′坐标(u0,v0)反映其在焊缝中所处的具体位置信息，缺陷特征参数在成像坐标系中所表达的物理含义如图10所示.在成像坐标系中，面积S′、长宽比R′、中心点坐标P′ (u0,v0)的计算式分别如下：式中：S′为缺陷区域的面积，即缺陷区域像素点的数目，Z′为整幅图像像素点集合，f(u,v)为像素点，g(u,v)为像素点灰度值；(u1, v1)、(u2, v2)、(u3, v3)、(u4, v4)分别为缺陷区域最小外接矩形A′、B′、C′、D′这4个顶点的坐标，L′、W′分别为这个最小外接矩形的长度和宽度，R′为这个最小外接矩形的长度与宽度的比值，P′(u0, v0)为这个最小外接矩形中心点坐标.从提取的缺陷图像可以看出，咬边呈现为长条形状的几何特征，凹坑为双环形特征，而气孔多以密集质点型特征分布在焊缝上，其几何面积可利用式(5)计算边缘线封闭的内区域像素点数目来求取.外界矩形中心点坐标采用式(6)计算得到，而式(6)中涉及到的外接矩形顶点坐标采用了一种最小外接矩形算法获得[18].基本原理是：在成像坐标系中，将图像内封闭边缘线及内部区域作为一个整体，采用像素坐标表示的点集合来表达，以边缘线作为求解对象，边缘线的坐标点依次按顺时针方向连接成一个凸多边形，则求取的最小外接矩形至少有一条边经过这个凸多边形的一条边，凸多边形外接矩形剩下的3条边上一定分别对应存在着3个点，这3个点同时也在凸多边形上，通过这3个点以及那条重合的边可以唯一确定一个外接矩形对应的坐标点集合，即可获得A′、B′、C′、D′这4个顶点的坐标.缺陷不论是凹坑还是密集型气孔，以缺陷整体区域的最小外接矩形作为计算缺陷区域中心点坐标的依据.3.3 结果验证为了检验基于视觉图像获取几何参数方法的有效性，采用视觉系统和人工借助游标卡尺分别对图2所示缺陷进行了测量，测量结果如表1所示.表1中S、 R以及P(x0,y0)分别表示缺陷在物理坐标系中对应的面积、长宽比、中心点坐标，S1、R1、P1(x0,y0)分别为视觉系统测量结果，S2、R2、P2(x0,y0)分别为人工测量结果，表中所列数据为3次测量计算结果的平均值, δS、δR、δP分别为这2种方法测量结果的误差率.对比表明，视觉系统获取的缺陷几何参数与人工测量结果相对误差较小，采用视觉检测获取缺陷几何参数的方法是可行的.1) 包含了咬边、凹坑、气孔等表面缺陷的焊缝视觉图像特征分析表明，视觉系统采集的焊缝表面图像可以作为缺陷表征的信息源.采用正弦灰度变换、自适应高斯滤波、最大类间方差等算法，实现了焊缝与母材的图像分割.采用多尺度Retinex、模糊边缘检测算法等方法，实现了缺陷区域图像的提取.这种图像处理方法对于从焊缝中提取缺陷几何特征是可行的.2) 在视觉成像平面坐标系中建立的几何参数面积S′、最小外接矩形长宽比R′、最小外接矩形中心点坐标P′(u0,v0)，可以作为表征咬边、凹坑、气孔等焊缝缺陷的大小、形状、位置等信息的特征参数，但由于该视觉成像为平面成像，难以获取缺陷成形在体积方向上的高度信息，要实现缺陷是咬边、气孔、凹坑中的哪一种具体缺陷判识，还需在视觉成像方法、缺陷特征参数的多元化等方面做进一步研究.【相关文献】[1]JUR T A,MINDEN K T.An inadequate weld repair and a consequent rupture of a pressure v essel [J].Journal of Failure Analysis and Prevention,2007,7(9):352-359.[2] 张鹏贤,张志芬,陈剑虹,等.电阻点焊接头外观缺陷的诊断模型 [J].焊接学报,2011,32(4):5-8.[3] 薛诚,石玗,汪海涛,等.旁路耦合电弧MIG焊熔池边缘提取算法 [J].兰州理工大学学报,2011,37(5):27-31.[4] 王晓明,冯鑫,党建武.基于多图像与多分辨率的路面裂缝检测方法 [J].兰州理工大学学报,2013,39(1):76-82.[5] 贺振东,王耀南,毛建旭,等.基于反向P-M扩散的钢轨表面缺陷视觉检测 [J].自动化学报,2014,40(8):1667-1679.[6] 杨子琦,许黎明,解斌,等.柱塞式汽车制动器总泵活塞表面缺陷视觉检测的光源优化 [J].上海交通大学学报,2014,48(1):64-68.[7] 赵晨,陈志彦,丁志华,等.线照明并行谱域光学相干层析成像系统与缺陷检测应用研究 [J].物理学报,2014,63(19):1-7.[8] 王克鸿,游秋榕,沈莹吉.基于视觉的MAG焊气孔缺陷图像特征初步探讨 [J].焊接学报,2006,27(12):13-16.[9] 张鹏贤,卢忠建,曹成虎,等.基于双目立体视觉埋弧焊焊缝成形的表征 [J].焊接学报,2012,33(2):93-96.[10] 高炜欣,胡玉衡,穆向阳,等.埋弧焊X射线焊缝图像缺陷分割检测技术 [J].仪器仪表学报,2011,32(6):1215-1224.[11]RATHOD V R,ANAND R S.A comparative study of different segmentation techniques for d etection of flaws in NDE weld images [J].Journal of Nondestructive Evaluation,2012,31(1):1 -16.[12] 陈元朝,李丽宏.自适应滤波算法在车辆宽高检测系统中的应用研究 [J].中国测试,2014,40(2):40-43.[13] 田沛,范瑾,李亮,等.基于类间方差和形态学的一类生物特征识别 [J].清华大学学报:自然科学版,2007,47(Sl):1747-1750.[14] 王彦臣,李树杰,黄廉卿.基于多尺度Retinex的数字X光图像增强方法研究 [J].光学精密工程,2006,14(1):70-76.[15] 谢志孟,高向东.基于Canny算子的焊缝图像边缘提取技术 [J].焊接学报,2006,27(1):29-32.[16] 宗晓萍,徐艳,董江涛.多信息融合的模糊边缘检测技术[J].物理学报,2006,55(7):3223-3228.[17]SCHREIBER D,CAMBRINI L,BIBER J,et al.Online visual quality inspection for weld seams [J]. The International Journal of Advanced Manufacturing Technology,2009,42(5):497-504. [18] 郭庆胜,冯代鹏,刘远刚,等.一种解算空间几何对象的最小外接矩形算法 [J].武汉大学学报:信息科学版,2014,39(2):177-180.。

标题目视检测工艺规程1 适用范围本工艺规程适用于焊接焊缝外观检测作业。

2 引用标准NB/T47013-20123 目视检测指导3.1 综述外观检验主要检查以下四个方面：焊件尺寸的精确度；焊缝尺寸和外形要求的一致性；焊件外观在表面粗糙度、焊缝飞溅和清洁度方面的可接受性；存在的表面缺陷，如收弧口未填满、麻点、咬边、焊瘤和裂纹。

3.2 人员资格焊缝外观检验和最终结果评定应由具备资格和能力的人员进行。

3.3 检查条件和设备3.3.1 检查条件3.3.1.1 表面光照度至少应达到500LX，最好在1000LX以上。

可以用手电筒作为辅助光源，可以从垂直和水平的多个方向照射。

3.3.1.2 直接目视检验时，眼睛和检测表面之间的距离不得大于600毫米，相对于检测表面的检测视角必须大于30度。

见图1。

图13.3.1.3 间接目视检验时，可借助其他工具。

主要是2-5倍的低倍放大镜。

3.4 检查设备3.4.1 焊接检验尺1。

产品图示及使用说明如图2所示。

标题目视检测工艺规程图23.4.2 焊接检验尺2 (WGU-7M)。

产品图示及使用说明如图3。

图33.4.3 焊接检验尺3（自制焊接尺）。

用途：用于检验焊趾角度是否满足要求。

4.1试件的准备4.1.1目视检测的必须条件4.1.1.1 光源在目视检查中，光照是必要条件之一，合适的照明条件是保证目视检测结果正确的前提。

由于人眼对背景光的限制和敏感程度不同，不同的光照将产生不同的效果，所以根据检测对象和环境，制定出具体的照度范围是必要的。

一般检测时，至少要有500勒克斯的光照强度，而用于检测或研究一些小的异常区时，则至少要有1000勒克斯的光照强度。

光源可以是自然光源（日光），也可以是人工光源，可视具体情况进行选择。

4.1.1.2 目视检测的分辨率目视检测使用的基本工具是人的眼睛，肉眼能看清什么，这是一个复杂的题目。

影响目视的因素包括照在被检物体上的光线波长或颜色，光强以及物体所处现场的背景颜色和结构等。