基于FCM-CV的GMA-AM熔池图像边缘提取

摘要：

针对熔化极气体保护电弧(Gas Metal Arc,GMA)增材制造(Additive Manufacturing,AM)熔池图像,提出了一种基于模糊C-均值聚类(fuzzy C-Means,FCM)协作主动轮廓(Chan-Vese,CV)模型的熔池图像分割方法.该算法利用FCM粗分割理论设定CV模型的初始化位置,然后利用CV主动轮廓模型提取GMA-AM熔池轮廓.结果表明,FCM-CV算法消除了CV模型对初始位置敏感的问题,能够有效地提取不同工艺条件下的熔池轮廓,与传统分割方法相比,提取到的熔池轮廓准确、边缘光滑封闭,同时该算法能够准确提取电弧区、浮渣区和熔池尾部的轮廓,具有很好的适应性和稳定性.

关键词：主动轮廓、模糊聚类、边缘提取、增材制造、视觉传感

所属期刊栏目：48

分类号：TG409(焊接、金属切割及金属粘接)

在线出版日期：2018-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：19-23