基于熔池图像不变矩特征的激光-MIG复合焊接根部驼峰在线检测方法
根部驼峰缺陷是激光-MIG复合焊接(MIG焊,熔化极惰性气体保护焊)中常出现的焊接缺陷之一,因该缺陷出现在焊件背部,所以在焊接过程中不易被发现.为检测根部驼峰缺陷,采用高速摄像机捕捉焊接图像.对预处理后的图像进行阈值分割得到熔池轮廓图像,通过局部形态学处理进一步获取熔池二值化图像.提取二值化图像的四组归一化不变矩,并采用滑动均值法进行降噪处理,进而获得不变矩特征.建立动态调整学习率算法的一维卷积神经网络模型,以熔池尾部图像的四组归一化不变矩及其滑动均值作为输入.通过9150个连续焊缝样本检测值和实际值的比较,验证了该网络模型具有良好的检测能力.该方法可应用于封闭式的平板对接焊,通过采集激光-MIG复合焊接中焊件表面信号,对无法直接观察的背部驼峰缺陷进行检测.
激光技术、神经网络、激光-MIG复合焊、根部驼峰、熔池图像、图像不变矩
50
TG409(焊接、金属切割及金属粘接)
广州市科技计划;国家自然科学基金;广东省自然科学基金项目
2023-08-08(万方平台首次上网日期,不代表论文的发表时间)
共9页
72-80