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

摘要

本发明提供了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：采用高分辨率彩色面阵相机、高倍率微距镜头和双LED照明系统获取焊缝表面图像，随后一边开展焊缝区域分割和特征值计算，一边通过工件平移或旋转，拍摄焊缝其他位置的图像，持续地拍摄焊缝图像并完成实时计算，直至到焊缝收焊点或搭接点，最终将各幅图像的计算结果进行整合，完成对连续焊缝尺寸、位置及表面缺陷的在线判别。本发明的方法可以完成各类黑色金属和有色金属的激光长直焊缝、曲线焊缝或空间焊缝的质量在线检测，属于非接触视觉检测的范畴，装置简单、紧凑，响应速度快，抗干扰能力强，具有稳定、可靠、便捷的特点，能够广泛地应用于金属材料的激光焊接领域。

权利要求

1.一种在线识别金属工件连续激光焊缝表面质量的检测方法，其特征在于：包括以下步骤：

S1：选取标准的激光焊接工件，通过相机系统拍照，获取完整的焊缝表面图像作为系列标准图像；

S2：通过相机系统对待检验工件的焊缝表面进行拍照，获取待检图像；

S3：对所述待检图像进行预处理后，将其进行网格化分割，即将单张待检图像分为K×L个网格，K为行数，L为列数；

S4：计算步骤S3中每个网格的累计灰度值，得到待检图像累计灰度区域分布图，根据各区域累计灰度分布的变化率分割出背景区、沉积区、焊缝区；

S5：选取与待检图像对应的系列标准图像，对二者的沉积区和焊缝区进行相似度计算，所述相似度用Si表示，指的是待检图像与标准图像同一位置网格的相似度，其计算公式为上式中，r为灰度等级，n表示图像的灰度等级，h1r为网格单元1中灰度等级为r的像素数占网格单元1总像素数的比例，h2r为网格单元2中灰度等级为r的像素数占网格单元2总像素数的比例，abs函数为求绝对值函数，max函数为求最大值函数；

上式中，n的取值决定于图像灰度的位数A，即n＝2A-1

S6：设定标准相似度值St，通过步骤S5得出的待检图像相似度值Si与St进行比较，以判定待检图像对应的焊缝表面质量是否符合要求；

在执行步骤S6前，先执行以下步骤：S5.1：相机系统对待检验工件进行连续拍照，获取完整的焊缝表面图像作为系列待检图像；

S5.2：对系列待检图像依次执行步骤S3、S4、S5，得出系列待检图像的沉积区和焊缝区每个网格的相似度值Si；

另外，在步骤S6中，判定焊缝表面质量的方式为：统计Si值小于St的网格数R，并设定合格允许值Ra，若R≤Ra则判定待检验工件的焊缝表面质量符合要求；若否，则判定该焊缝表面质量不符合要求；

若焊缝表面质量不符合要求，则进行漏焊、焊偏以及焊缝孔洞的质量问题识别，包括以下步骤：S7：对待检图像的沉积区及焊缝区进行网格化分割，网格尺寸为P×Q，其中P为行数，Q为列数；

S8：设定步骤S7所述的网格的平均灰度值G的计算公式为上式中，g′i,j是指落在该网格内像素的灰度值；

S9：设定步骤S7所述的网格的熵E计算公式为上式中，x代表像素的灰度等级，n表示图像的灰度等级，p(x)为灰度等级x的像素数所占网格总像素数的比例；

S10：进行漏焊现象识别：通过网格的平均灰度值G识别漏焊；

S11：进行焊偏现象识别：从第一行网格开始逐行寻找Si值小于St的网格，设定以下参数：设某行Si值小于St的网格数为Rb，设焊偏相似度允许网格数为Rc，

设焊偏灰度值允许网格数为Rd，

设该行平均灰度值为Ga，

设焊偏允许平均灰度值为Gb，

设焊偏允许灰度值为Gc，

设焊偏允许熵值为Ea；

若Rb≥Rc，则按照步骤S8、S9的公式计算G、E的值，并计算Ga的值；

若Ga≥Gb或G≥Gc的网格数在Rd个以上，且这些网格对应的熵值E大于等于Ea，则判定该待检验工件存在焊偏；

S12：对焊缝出现孔洞的现象进行识别：从焊缝区开始寻找Si值陡降区域，设定以下参数：设相邻网格Si值的差值绝对值为Sa；

设绝对差允许值1为Sb；

设绝对差允许值2为Sc；

设陡降网格数为Re；

设陡降区域允许平均灰度值为Gd；

若Sa＞Sb或连续Re个网格的Sa＞Sc，则标记该区域为陡降区域；

标记后对该区域进行平均灰度值的计算，并计算得出熵值E的曲线，若该区域的平均灰度值不超过Gd或熵值E的曲线出现两边低、中间高的马鞍形态，则判定焊缝对应位置存在孔洞。

2.根据权利要求1所述的检测方法，其特征在于：在进行相似度值、灰度值、熵值计算前，将系列待检图像的灰度水平调节为统一水平，即先统一限定每幅待检图像的累计灰度峰值为Imax，然后计算每幅待检图像的实际累计灰度值I，上式中，gi,j为单个像素的实际灰度值，i和j代表所述像素在待检图像中的行数和列数；

最后得出该幅待检图像的调整系数为Z，即Z＝Imax/I

对待检图像所有像素值进行换算处理，使g′i,j＝gi,j/Z，后续所有计算涉及到的灰度值均采用换算处理后的灰度值。

3.根据权利要求1所述的检测方法，其特征在于：为进行精确识别，设定以下取值：

St＝0.3，

Ra＝5，

Rc＝3，

Rd＝3，

Gb＝180，

Gc＝240，

Ea＝5000，

Sb＝0.25，

Sc＝0.1，

Re＝3，

Gd＝100。

4.根据权利要求1所述的检测方法，其特征在于：所述方法还包括稳定焊接的判定方法：若位于焊缝某侧的沉积区的某处宽度超过2mm，则判定该处出现不稳定焊接现象。

5.根据权利要求1所述的检测方法，其特征在于：所述相机系统包括高分辨率彩色面阵相机、高倍率微距镜头以及双LED照明装置，所述面阵相机与激光工作头的相对位置在焊接过程中保持恒定，并沿焊接方向布置在入射激光后方，与入射激光轴线的夹角在30至50度范围。

6.根据权利要求1所述的检测方法，其特征在于：所述方法还包括收焊点或搭接点的识别：从焊缝彩色图像中提取蓝色分量图像，并对其高亮区域进行形态学筛选，即高亮区域应沿焊接方向逐渐收拢，当其收拢角在10至30度之间时，则判定该位置为收焊点或搭接点位置。

7.根据权利要求5所述的检测方法，其特征在于：所述双LED照明装置包括高功率红色LED光源，所述光源前端设置有特殊镜头，使光束扩散角控制在15度以内，LED红色光的波长范围为600至1100nm。

8.根据权利要求7所述的检测方法，其特征在于：所述光源置于相机两侧，可在三维方向进行移动和旋转，以保证LED光束分别照射于焊缝两侧，入射角度控制在25±7度之间。

说明书

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

技术领域

[0001] 本发明涉及激光焊接技术领域，特别涉及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。

背景技术

[0002] 激光焊接技术已经广泛应用于金属零件的连接，特别是对厚度小于3mm的薄板，激光焊接具有变形量小、自动化程度高、焊接热影响区窄等优点。但是，在大批量焊接生产中，激光焊接的过程稳定性控制，以及激光焊缝的在线质量监测一直是决定产品质量的关键因素。光束品质、装配间隙、工件表面状态等因素波动都会对焊接过程产生干扰，产生焊偏、孔洞、焊穿等焊缝缺陷。由于激光光束能量密度高、肉眼不可见，对操作人员存在潜在的安全威胁，因此激光焊接过程通常是全封闭的。总之，激光焊接特点和高度自动化的生产模式都需要智能化的在线监控方法。

[0003] 检索发现，目前该领域具有代表性的成果包括：

[0004] 1)专利《基于视觉的薄板对接焊缝实时检测方法》(申请号：200910083216.8)，所述方法在图像行扫描和列扫描的基础上计算灰度突变点，从而确定焊缝在图像中的位置，该方法并没有实现焊缝表面缺陷的检测于判别，且所给实例为点焊缝，专利说明书中并没有对连续焊缝图像的处理和分析进行阐述。

[0005] 2)专利《基于线激光扫描的焊缝外观形状及表面缺陷检测方法》(申请号：201510074062.1)，所述的焊缝表面缺陷检测方法采用线扫描传感器获取焊缝表面的高度数据，通过焊缝轮廓拟合数据与设定尺寸的差异来判别表面缺陷。这种方法仅依赖焊缝高度信息，所能识别的焊缝缺陷种类较少，且焊缝表面通常较粗糙，其表面浮渣、飞溅、烟尘等扰动严重影响高度测量的准确性。此外，线扫描的方式较为耗时，在连续长焊缝检测领域存在局限。

[0006] 3)论文《不等厚板激光焊接焊缝缺陷结构光视觉检测》(《激光技术》第35卷第4期，2011年)采用结构光主动视觉检测法计算焊缝表面的高度信息，但该方法只能获得焊缝的凹度或凸度状态，并无法检测焊缝表面缺陷和焊缝位置。

[0007] 4)论文《基于线激光扫描的焊缝表面缺陷检测系统》(《焊接》2016年第2期)采用线激光扫描焊缝表面，利用单轮廓拟合和多轮廓组合的方法来判断焊缝表面缺陷，但是这种方法只能适用宽度较大的弧焊焊缝，对于焊缝宽度和缺陷尺寸均较细小的窄细焊缝(如激光焊缝、电子束焊缝等)而言并不适用，入射激光在小尺寸突变处由于光束反射、折射和衍射等问题易导致测量失败，从而无法完成表面状态的检测。

[0008] 由此可知，目前对焊缝表面缺陷的识别主要采用线扫描方式，基于焊缝表面的高度数据进行状态判别，在窄细焊缝检测领域存在局限，并且线激光扫描方式在检测速度方面也难以满足实际生产需求；另一方面，基于焊缝二维图像的检测方法尚在焊缝提取算法优化方面，并没有针对焊缝表面缺陷检测的报道，更没有焊缝表面缺陷自动化检测的系统方法。总之，对于焊缝表面质量检测目前尚缺乏有效的、具有较强适应能力的检测手段，这无法满足大规模自动化焊接生产的需求，甚至造成严重的安全隐患。

发明内容

[0009] 本发明要解决的技术问题是提供一种利用面扫描方式、能快速、准确判定连续激光焊缝表面质量是否符合要求的方法。

[0010] 为了解决上述技术问题，本发明中披露了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，本发明的技术方案是这样实施的：

[0011] 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，包括以下步骤：

[0012] S1：选取标准的激光焊接工件，通过相机系统拍照，获取完整的焊缝表面图像作为系列标准图像；

[0013] S2：通过相机系统对待检验工件的焊缝表面进行拍照，获取待检图像；

[0014] S3：对所述待检图像进行预处理后，将其进行网格化分割，即将单张待检图像分为K×L个网格，K为行数，L为列数；

[0015] S4：计算步骤S3中每个网格的累计灰度值，得到待检图像累计灰度区域分布图，对各区域累计灰度分布的变化率分割出背景区、沉积区、焊缝区；

[0016] S5：选取与待检图像对应的系列标准图像，对二者的沉积区和焊缝区进行相似度计算，所述相似度用Si表示，指的是待检图像与标准图像同一位置网格的相似度，其计算公式为

[0017]

[0018] 上式中，r为灰度等级，n表示图像的灰度等级，h1r为网格单元1中灰度等级为r的像素数占网格单元1总像素数的比例，h2r为网格单元2中灰度等级为r的像素数占网格单元2总像素数的比例，abs函数为求绝对值函数，max函数为求最大值函数；

[0019] 上式中，n的取值决定于图像灰度的位数A，即

[0020] n＝2A-1

[0021] S6：设定标准相似度值St，通过步骤S5得出的待检图像相似度值Si与St进行比较，以判定待检图像对应的焊缝表面质量是否符合要求。

[0022] 优选地，在执行步骤S6前，先执行以下步骤：

[0023] S5.1：相机系统对待检验工件进行连续拍照，获取完整的焊缝表面图像作为系列待检图像；

[0024] S5.2：对系列待检图像依次执行步骤S2、S3、S4、S5，得出系列待检图像的沉积区和焊缝区每个网格的相似度值Si；

[0025] 另外，在步骤S6中，判定焊缝表面质量的方式为：统计Si值小于St的网格数R，并设定合格允许值Ra，若R≤Ra则判定待检验工件的焊缝表面质量符合要求；若否，则判定该焊缝表面质量不符合要求。

[0026] 优选地，若焊缝表面质量不符合要求，则进行漏焊、焊偏以及焊缝孔洞中一种或一种以上的质量问题识别，包括以下步骤：

[0027] S7：对待检图像的沉积区及焊缝区进行网格化分割，网格尺寸为P×Q，其中P为行数，Q为列数；

[0028] S8：设定步骤S7所述的每个网格的平均灰度值G的计算公式为

[0029]

[0030] 上式中，g′i,j是指落在该网格内像素的灰度值；

[0031] S9：设定步骤S7所述的每个网格的熵E计算公式为

[0032]

[0033] 上式中，x代表像素的灰度等级，n表示图像的灰度等级，p(x)为灰度等级x的像素数所占网格总像素数的比例；

[0034] S10：进行漏焊现象识别：通过网格的平均灰度值G识别漏焊；

[0035] S11：进行焊偏现象识别：从第一行网格开始逐行寻找Si值小于St的网格，设定以下参数：

[0036] 设某行Si值小于St的网格数为Rb，

[0037] 设焊偏相似度允许网格数为Rc，

[0038] 设焊偏灰度值允许网格数为Rd，

[0039] 设该行平均灰度值为Ga，

[0040] 设焊偏允许平均灰度值为Gb，

[0041] 设焊偏允许灰度值为Gc，

[0042] 设焊偏允许熵值为Ea；

[0043] 若Rb≥Rc，则按照步骤S8、S9的公式计算G、E、Ga、Gb、Gc和Ea的值；

[0044] 若Ga≥Gb或G≥Gc的网格数在Rd个以上，且这些网格对应的熵值E大于等于Ea，则判定该待检图像存在焊偏；

[0045] S12：对焊缝出现孔洞的现象进行识别：从焊缝区开始寻找Si值陡降区域，设定以下参数：

[0046] 设相邻网格Si值的差值绝对值为Sa；

[0047] 设绝对差允许值1为Sb；

[0048] 设绝对差运行值2为Sc；

[0049] 设陡降网格数为Re；

[0050] 设陡降区域允许平均灰度值为Gd；

[0051] 若Sa＞Sb或连续Re个网格的Sa＞Sc，则标记该区域为陡降区域；

[0052] 标记后对该区域进行平均灰度值的计算，并计算得出熵值E的曲线，[0053] 若该区域的平均灰度值不超过Gd或熵值E的曲线出现两边低、中间高的马鞍形态，则判定焊缝对应位置存在孔洞。

[0054] 优选地，在进行相似度值、灰度值、熵值计算前，将系列待检图像的灰度水平调节为统一水平，即先统一限定每幅待检图像的累计灰度峰值为Imax，然后计算每幅待检图像的实际累计灰度值I，

[0055]

[0056] 上式中，gi,j为单个像素的实际灰度值，i和j代表所述像素在待检图像中的行数和列数；

[0057] 最后得出该幅待检图像的调整系数为Z，即

[0058] Z＝Imax/I

[0059] 对待检图像所有像素值进行换算处理，使g′i,j＝gi,j/Z，后续所有计算涉及到的灰度值均采用换算处理后的灰度值。

[0060] 优选地，为进行精确识别，设定以下取值：

[0061] St＝0.3，

[0062] Ra＝5，

[0063] Rc＝3，

[0064] Rd＝3，

[0065] Gb＝180，

[0066] Gc＝240，

[0067] Ea＝5000，

[0068] Sb＝0.25，

[0069] Sc＝0.1，

[0070] Re＝3，

[0071] Gd＝100。

[0072] 优选地，所述方法还包括稳定焊接的判定方法：若位于焊缝某侧的沉积区的某处宽度超过2mm，则判定该处出现不稳定焊接现象。

[0073] 优选地，所述相机系统包括高分辨率彩色面阵相机、高倍率微距镜头以及双LED照明装置，所述面阵相机与激光工作头的相对位置在焊接过程中保持恒定，并沿焊接方向布置在入射激光后方，与入射激光轴线的夹角在30至50度范围。

[0074] 优选地，所述方法还包括收焊点或搭接点的识别：从焊缝彩色图像中提取蓝色分量图像，并对其高亮区域进行形态学筛选，即高亮区域应沿焊接方向逐渐收拢，当其收拢角在10至30度之间时，则判定该位置为收焊点或搭接点位置。

[0075] 优选地，所述双LED照明装置包括高功率红色LED光源，所述光源前端设置有特殊镜头，使光束扩散角控制在15度以内，LED红色光的波长范围为600至1100nm。

[0076] 优选地，所述光源置于相机两侧，可在三维方向进行移动和旋转，以保证LED光束分别照射于焊缝两侧，入射角度控制在25±7度之间。

[0077] 实施本发明的有益效果主要有：

[0078] 1、本发明可以针对金属板或金属管连续激光焊缝的位置和表面质量进行在线判别，该方法可以在焊接过程中或者焊接过程后，采用面阵相机和辅助LED光源连续拍摄焊缝区域图像，通过数字图像处理和判别算法，准确、快速地完成对连续激光焊缝表面质量的在线识别；

[0079] 2、该方法装置简单，且对激光焊接过程没有干扰，能够广泛地应用于薄壁金属件的连续激光焊缝质量检测领域；

[0080] 3、该方法通过统一系列待检图像的灰度水平，大大降低了图像亮度波动对焊缝表面质量判定准确度的影响；

[0081] 4、通过计算网格化的特征参数(相似度、平均灰度和熵)和特定的判定原则判定焊缝表面质量，能有效识别焊偏和焊缝孔洞等缺陷；

[0082] 5、采用不同的网格尺寸参数(K、L)时对不同尺寸缺陷的检出能力存在差异，对于检测要求较高的场合，可以改变K或L的值进行重复计算，可以有效提高检出能力。

附图说明

[0083] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一种实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0084] 图1是一个实施例中，照相系统与焊缝的位置关系示意图；

[0085] 图2是一个实施例中，背景区、沉积区以及焊缝区的结构示意图；

[0086] 图3是收焊点处收拢角的示意图；

[0087] 图4是一个实施例中，合格焊缝、偏焊以及表面孔洞示意图；

[0088] 图5是一个实施例中，获得的累积灰度数据图；

[0089] 图6是一个实施例中，合格的相似度、平均灰度和熵的阵列图；

[0090] 图7是一个实施例中，偏焊对应的相似度、平均灰度和熵的阵列图；

[0091] 图8是一个实施例中，表面孔洞对应的相似度、平均灰度和熵的阵列图。

[0092] 在上述附图中，各图号标记分别表示：

[0093] 1-相机系统，11-高分辨率彩色面阵相机，12-高倍率微距镜头，13-双LED照明装置，

[0094] 2-工件，3-焊缝区，4-沉积区，41-上沉积区，42-下沉积区，5-背景区，6-收拢角，7-高亮区域，8-成像区域，9-表面孔洞。

具体实施方式

[0095] 下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0096] 在一个具体实施例中，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，包括以下步骤：

[0097] S1：选取标准的激光焊接工件，通过相机系统拍照，获取完整的焊缝表面图像作为系列标准图像；

[0098] S2：通过相机系统对待检验工件的焊缝表面进行拍照，获取待检图像；

[0099] S3：对所述待检图像进行预处理后，将其进行网格化分割，即将单张待检图像分为K×L个网格，K为行数，L为列数；

[0100] S4：计算步骤S3中每个网格的累计灰度值，得到待检图像累计灰度区域分布图，对各区域累计灰度分布的变化率分割出背景区、沉积区、焊缝区；

[0101] S5：选取与待检图像对应的系列标准图像，对二者的沉积区和焊缝区进行相似度计算，所述相似度用Si表示，指的是待检图像与标准图像同一位置网格的相似度，其计算公式为

[0102]

[0103] 上式中，r为灰度等级，n表示图像的灰度等级，h1r为网格单元1中灰度等级为r的像素数占网格单元1总像素数的比例，h2r为网格单元2中灰度等级为r的像素数占网格单元2总像素数的比例，abs函数是求绝对值的函数，max函数是求最大值的函数；

[0104] 上式中，n的取值决定于图像灰度的位数A，即

[0105] n＝2A-1

[0106] S6：设定标准相似度值St，通过步骤S5得出的待检图像相似度值Si与St进行比较，以判定待检图像对应的焊缝表面质量是否符合要求。

[0107] 本发明的方法可以完成各类黑色金属和有色金属的激光长直焊缝、曲线焊缝或空间焊缝的质量在线判定，属于非接触视觉检测的范畴，装置简单、紧凑，响应速度快，抗干扰能力强，具有稳定、可靠、便捷的特点，能够广泛地应用于金属材料的激光焊接领域。

[0108] 所述相机系统可以采用现有的设备，本领域技术人员也可以根据现有的拍摄成像领域设备进行任意组合，只要能获取符合要求的、清晰的焊缝表面图像即可；可以理解的是，焊缝表面图像的清晰度越清晰，在后续进行焊缝表面质量识别的准确度会越高。

[0109] 关于相机系统获取完整焊缝表面图像的方式，一般的做法为：用夹具夹紧工件，并对工件进行平移或旋转，使焊缝完整地经过相机系统的拍照范围，最终获取到整条焊缝完整的系列图像。

[0110] 由于在待检图像采集过程中可能会存在环境或设备的影响，如光照明暗程度以及相机系统性能的优劣等，往往存在有噪声，对比度不足等缺点，因此需要对待检图像进行预处理，以获得质量较高的图像用于后续的表面质量判定，预处理的常见方式是进行滤波去噪。

[0111] 方法中所述的背景区是指工件的基体金属背景区；沉积区是指激光焊接过程金属蒸汽喷出后落在工件表面所形成的颜色较暗的区域，根据焊接过程中金属蒸汽的行为特征，沉积区通常位于焊缝两侧1-2mm处。背景区5、沉积区4、焊缝区3的位置关系可参照图2进行理解。

[0112] 在上述计算过程中涉及到的图像灰度等级n，由图像灰度的位数A来决定，如8位灰度的图像，n值为255。

[0113] 相似度值Si的范围在0到1之间，其值越大表示两幅图像同一位置网格的相似程度越高，对两幅图像所有对应的网格进行相似度计算，可以得到Si值阵列；而标准相似度值St的取值决定于对于待检验工件焊缝质量要求的高低。

[0114] 在一个优选实施例中，在执行步骤S6前，先执行以下步骤：

[0115] S5.1：相机系统对待检验工件进行连续拍照，获取完整的焊缝表面图像作为系列待检图像；

[0116] S5.2：对系列待检图像依次执行步骤S2、S3、S4、S5，得出系列待检图像的沉积区和焊缝区每个网格的相似度值Si；

[0117] 另外，在步骤S6中，判定焊缝表面质量的方式为：统计Si值小于St的网格数R，并设定合格允许值Ra，若R≤Ra则判定待检验工件的焊缝表面质量符合要求；若否，则判定该焊缝表面质量不符合要求。此处Ra的取值可以是0，当其为0时，意味着每个网格的Si值均需小于St时，该焊缝表面质量才达到要求。

[0118] 在一个优选实施例中，若焊缝表面质量不符合要求，则进行漏焊、焊偏以及焊缝孔洞中一种或一种以上的质量问题识别，包括以下步骤：

[0119] S7：对待检图像的沉积区及焊缝区进行网格化分割，网格尺寸为P×Q，其中P为行数，Q为列数；

[0120] S8：设定步骤S7所述的每个网格的平均灰度值G的计算公式为

[0121]

[0122] 上式中，g′i,j是指落在该网格内像素的灰度值；该灰度值可以是真实的灰度值，也可以指被特定公式调整过后的灰度值。

[0123] S9：设定步骤S7所述的每个网格的熵E计算公式为

[0124]

[0125] 上式中，x代表像素的灰度等级，n表示图像的灰度等级，p(x)为灰度等级x的像素数所占网格总像素数的比例；

[0126] S10：进行漏焊现象识别：通过网格的平均灰度值G识别漏焊(漏焊时，成像区域8没有焊缝，待检图像的相应区域呈高亮状态，仅从G值就可以进行判定)；

[0127] S11：进行焊偏现象识别：从第一行网格开始逐行寻找Si值小于St的网格，设定以下参数：

[0128] 设某行Si值小于St的网格数为Rb，

[0129] 设焊偏相似度允许网格数为Rc，

[0130] 设焊偏灰度值允许网格数为Rd，

[0131] 设该行平均灰度值为Ga，

[0132] 设焊偏允许平均灰度值为Gb，

[0133] 设焊偏允许灰度值为Gc，

[0134] 设焊偏允许熵值为Ea；

[0135] 若Rb≥Rc，则按照步骤S8、S9的公式计算G、E、Ga、Gb、Gc和Ea的值；

[0136] 若Ga≥Gb或G≥Gc的网格数在Rd个以上，且这些网格对应的熵值E大于等于Ea，则判定该待检图像存在焊偏；

[0137] S12：对焊缝出现孔洞的现象进行识别：从焊缝区开始寻找Si值陡降区域，设定以下参数：

[0138] 设相邻网格Si值的差值绝对值为Sa；

[0139] 设绝对差允许值1为Sb；

[0140] 设绝对差运行值2为Sc；

[0141] 设陡降网格数为Re；

[0142] 设陡降区域允许平均灰度值为Gd；

[0143] 若Sa＞Sb或连续Re个网格的Sa＞Sc，则标记该区域为陡降区域；

[0144] 标记后对该区域进行平均灰度值的计算，并计算得出熵值E的曲线，[0145] 若该区域的平均灰度值不超过Gd或熵值E的曲线出现两边低、中间高的马鞍形态，则判定焊缝对应位置存在孔洞。

[0146] 进一步地，在进行相似度值、灰度值、熵值计算前，将系列待检图像的灰度水平调节为统一水平，即先统一限定每幅待检图像的累计灰度峰值为Imax，然后计算每幅待检图像的实际累计灰度值I，

[0147]

[0148] 上式中，gi,j为单个像素的实际灰度值，i和j代表所述像素在待检图像中的行数和列数；

[0149] 最后得出该幅待检图像的调整系数为Z，即

[0150] Z＝Imax/I

[0151] 对待检图像所有像素值进行换算处理，使g′i,j＝gi,j/Z，后续所有计算涉及到的灰度值均采用换算处理后的灰度值。

[0152] 通过调整系数Z对系列待检图像进行统一化处理，使单幅待检图像的最高累计灰度保持恒定，从而大大降低图像亮度波动对质量问题识别的准确度的影响。在一些实施例中，可将图像累计灰度的峰值Imax统一设置为1000，由此可计算出调节量Z，用于将不同工件待检图像的灰度水平调整为统一水平，为后续计算奠定基础。

[0153] 在一个优选实施例中，为进行精确识别质量问题，设定以下取值：

[0154] St＝0.3，

[0155] Ra＝5，

[0156] Rc＝3，

[0157] Rd＝3，

[0158] Gb＝180，

[0159] Gc＝240，

[0160] Ea＝5000，

[0161] Sb＝0.25，

[0162] Sc＝0.1，

[0163] Re＝3，

[0164] Gd＝100。

[0165] 以上取值为较佳的取值，并不限定本发明的应用方式，他人在采用本发明所声明的方法基础上，即使对上述参数的取值进行悉数修改，亦将落入本发明的保护范围。

[0166] 在一个优选实施例中，所述方法还包括稳定焊接的判定方法：若位于焊缝某侧的沉积区的某处宽度超过2mm，则判定该处出现不稳定焊接现象。

[0167] 如图1所示，在一个优选实施例中，所述相机系统1包括高分辨率彩色面阵相机11、高倍率微距镜头12以及双LED照明装置13，所述面阵相机与激光工作头的相对位置在焊接过程中保持恒定，并沿焊接方向布置在入射激光后方，与入射激光轴线的夹角在30至50度范围。本方法可以实现一边获取系列待检图像，一边进行数据处理，大大提高了焊缝表面质量判定的效率。进一步地，面阵相机在图像尺寸为300像素×300像素时的拍摄速度应等于或大于50帧/秒。

[0168] 在一个优选实施例中，所述方法还包括收焊点或搭接点的识别：从焊缝彩色图像中提取蓝色分量图像，并对其高亮区域进行形态学筛选，即高亮区域应沿焊接方向逐渐收拢，当其收拢角在10至30度之间时，则判定该位置为收焊点或搭接点位置。图3是进行蓝色分量提取处理后的示意图，焊缝区位于上沉积区41以及下沉积区42之间，高亮区域7沿焊接方向逐渐收拢，其收拢角6在10至30度范围内，该位置为收焊点或搭接点位置。

[0169] RGB格式的彩色图包括红色、绿色和蓝色三层，各分量都是0-255的范围；其中对于焊缝表面质量的识别/判定可以采用彩色图像的红色分量，而对于收焊点/搭接点的判别采用蓝色分量。收拢角6与激光功率和焊接速度存在关联，一般在10至30度之间，本领域技术人员可参照图3进行理解。

[0170] 在一个优选实施例中，所述双LED照明装置13包括高功率红色LED光源，所述光源前端设置有特殊镜头，使光束扩散角控制在15度以内，LED红色光的波长范围为600至1100nm。

[0171] 进一步地，所述光源置于相机两侧，可在三维方向进行移动和旋转，以保证LED光束分别照射于焊缝两侧，入射角度控制在25±7度之间。以低角度照射方式，可以增加焊缝区3与沉积区4的边界衬度，能获取到质量更高的图像。

[0172] 进一步地，可以进行以下的操作：在完成所有焊缝图像的处理和判断，以及收焊点判别后，对整条焊缝的表面质量进行判定，给出焊缝宽度、焊接位置、表面凹坑的判定结果，并形成一条记录，与缺陷处图像一并存入数据库。本领域技术人员可以理解的是，本发明所述方法，其对于焊缝表面质量判定/识别的结果可以通过文本、图表等方式进行输出，或者通过图片标注显示、提示音等多种方式进行提示缺陷位置，在此不作展开。

[0173] 下面再公开一个实施例：

[0174] 采用功率为0.6kW，焦点直径为0.2mm的激光，所被检验的工件材料为304不锈钢，厚度为0.8mm。被检验的工件为不锈钢管，其尺寸为70mm(长)×8mm(直径)。焊接过程中，入射激光保持恒定，夹具带动不锈钢管旋转，工件旋转过程发生摆动，或由于夹持力不足造成转速不均时，或焊接区域存在水油等污染物时，会出现焊偏、不完整、焊缝宽度不均匀、表面凹坑或凸起等缺陷，应当识别这些情况并进行干预。

[0175] 本实例中，被检测对象为不锈钢管环焊缝，检测过程中被检工件匀速旋转，面阵相机共获得31幅图像，其中最后1幅图像与第1幅图像重合，即有30幅有效图像；面阵相机拍摄指定区域的焊缝图像，尺寸为300像素×260像素，拍摄速度等于或大于50帧/秒。

[0176] 本例中，拍摄的焊缝图像如图4，包括合格焊缝(标准的激光焊接工件的焊缝)、位置偏离焊缝(焊偏)和表面孔洞焊缝(表面孔洞9为示意形状)。对单幅焊缝图像的网格分割参数为：行数(K)＝16，列数(L)＝30。

[0177] 本例中，图像拍摄和图像处理判别分别采用独立线程开展；工件开始转动的同时触发拍摄，所拍摄的图片存入指定内存，直至工件停止旋转时拍摄停止；检测程序发现图像内存中有图像后开始计算，单幅图像的处理时间为20-35ms，数据整合时间为2-5ms，所有数据处理完并保存所需的图片和数据后，输出检测结果并清空指定内存，为下一个工件的拍摄和检测做好准备。

[0178] 本例中，累计灰度图如图5所示，合格焊缝的熵阵列和相似度阵列如图6所示，偏离焊缝的熵阵列和相似度阵列如图7所示，孔洞焊缝的熵阵列和相似度阵列如图8所示，从中可以看出，本检测方法能准确地反映收焊点、焊偏、表面孔洞等状态，可以根据特征参数的分布异常准备识别焊缝表面质量的缺陷。

[0179] 上述列举的各种实施例，在不矛盾的前提下，可以相互组合实施，本领域技术人员可结合附图和上文对实施例的解释，作为对不同实施例中的技术特征进行组合的依据。

[0180] 需要指出的是，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。