Page 109 - 无损检测2024年第十期

顾天宝：
基于 Canny 算子边缘分割的海洋平台焊接构件焊缝检测方法

接构件焊缝进行检测和评估就显得尤为重要。 式中：为开运算算子；· 为闭运算算子。
○
○
杜玉红等 提出通过工业相机拍摄大量焊缝 结合开运算和闭运算表达式，可以建立式（4）
[3]
图像，并应用正弦灰度变换算法实现图像增强处 所示的数学形态学滤波函数，即
理，得到焊缝检测所需的图像样本。该方法以改进
（4）
YOLOv5网络为基础，构建焊缝检测模型，将焊缝
图像样本输入其中自动完成特征提取和焊缝检测， 式中： η 为固定半径的结构元素集合；o为结构元素
o
[4]
但其检测结果存在较大误差。胡丹等 利用激光视 集合的半径； χ′ 为滤波后焊缝图像。
o
觉传感器获取焊缝图像，通过灰度化处理和去噪处 利用上述表达式对海洋平台焊接构件焊缝图像
理凸显图像边缘特征，并获取基本的焊缝轮廓；从 进行多尺度滤波，凸显图像边缘信息。
焊缝轮廓图像对应的方向梯度直方图入手，得到大 1.2 提取焊接构件图像显著区域
量特征信息并将其输入至支持向量机智能模型中， 针对预处理后的海洋平台焊接构件图像进行焊
[7]
自动完成焊缝检测。但是，该目标检测方法的计算 缝检测时，需要先应用视觉注意模型 ，分析图像不
复杂度过高。王杰等 提出在焊缝检测过程中引入 同区域的视觉显著程度，提取出图像显著区域，作为
[5]
YOLOv3网络，并采用深度可分离卷积取代普通卷 焊缝检测的初始环节。考虑到视觉注意机制会对图
积网络结构，形成改进YOLOv3焊缝检测模型，将 像中心区域给出更多的关注，而对图像边缘的关注
现场采集的焊接构件图像输入其中，即可自动生成 则较小，利用这一特点计算不同尺度图像的对比度
焊缝检测结果，但该方法的平均检测时间较长。 差异，获取亮度特征图，即
Canny算子是一种经典的边缘分割算法，笔者 Ic g)= Ic)* I g) （5）
(
(
,
(
提出一种基于Canny算子边缘分割的海洋平台焊接
I
c
式中：为亮度特征图；为中央视觉区域对应的尺度；
构件焊缝检测方法。该方法先对图像进行去噪、增 g为周边视觉区域对应的尺度；*为中央周边差运算
强等预处理操作，再通过Canny算子对预处理后的
符号。
图像进行边缘提取，并通过对边缘信息的处理和分
明确海洋平台焊接构件焊缝图像的不同颜色分
析，实现对海洋平台焊接构件焊缝的检测。
量，并将其代入式（5）所示的计算原理中，得到颜色
1 基于Canny算子边缘分割的方法设计 亮度特征图，即
RGc g c G g Gc R g
( , )= R
1.1 设计数学形态学滤波算法  ( )- ( )*[ ( )- ( )] （6）

( , )= ( )- ( )*[ ( )- ( )]
海洋平台的工作环境复杂，实时采集的焊接构   BYc g B c Y g Yc B g
件焊缝图像往往包含大量噪声，会干扰焊缝检测结 式中：R、G、B、Y为四个广义颜色分量。
果。因此，笔者引入数学形态学滤波算法，通过膨胀、 选取多个角度方向作为Gabor滤波器的滤波方
腐蚀等操作实现对焊缝图像的预处理，消除无用信 向 ，对焊缝亮度图像进行多次处理，得到焊缝图像
[8]
息，并合理填补焊缝缺陷轮廓线的裂痕 。 对应的方向特征图，即
[6]
实际运算过程中，先确定待处理图像中某个像
uc θ
u g θ
uc g θ ( , ,)= ( ,)* ( ,) （7）
素的具体坐标和结构元素集合，定义图像膨胀、腐蚀
式中：u为方向特征图； θ 为滤波方向角度。
处理过程为
将亮度特征图和方向特征图融合起来，形成海洋
（1）
平台焊接构件焊缝图像对应的总显著图，通过其描述
η
i j 
,
+
,
+
χ ( ⊗ η ⊗ xy)=min  χ  )( ( x i y j)- ( , )  （2） 原始图像中的所有特征信息，找到图像中视觉显著区
域并标注出来，作为后续焊缝检测的重点区域。
式中： χ为输入的海洋平台焊接构件焊缝图像；η 为结
1.3 建立Canny算子图像边缘分割方案
构元素集合；x,y)为任意选中的像素点坐标；i,j)为结
(
(
构元素坐标；⊕为膨胀运算符号；⊗为腐蚀运算符号。 以Canny算子为基础，建立焊缝边缘分割算法，
应用其对图像视觉显著区域进行分析，检测出图像
在此基础上，将灰度开运算，闭运算公式定义为
边缘信息 ，并去除图像背景区域。Canny算子图像
[9]
⊗ 边缘分割过程中，需要计算每个像素点的梯度方向，
（3）
⊗
得到
71
2024 年 第 46 卷 第 10 期
无损检测