一、基于二维小波分析的焊缝坡口边缘检测（论文文献综述）
白戎[1]（2021）在《基于机器视觉的自动激光焊接系统研究与设计》文中研究说明近年来,随着激光技术和自动化技术的迅速发展,自动化、智能化的激光焊接技术在自动化生产加工方面展现出巨大的产业化潜力和广阔的应用前景。本文针对自动激光焊接系统对视觉引导功能的需求,进行了基于机器视觉的自动激光焊接系统的研究,主要包括自动激光焊接系统平台设计、焊缝识别和焊缝轨迹中心线路径平滑规划方法这三个方面的内容。在自动激光焊接系统平台设计方面,针对国内外领先的激光加工设备生产厂商研发生产的自动激光加工设备进行了前期的市场调研后,自主研发设计了基于机器视觉的自动激光焊接系统实验平台。设计视觉成像系统,作为引导运动执行系统的视觉传感器;对运动执行系统进行研究,采用滚珠丝杠结构的三轴直线模组作为运动执行机构,运动控制卡和步进电机驱动器作为运动控制及驱动部分;组装焊接执行系统,对激光器和激光焊接头进行选择搭配,分别作为焊接热源和激光束整形机构。装配以上三个部分,搭建基于机器视觉的自动激光焊接系统实验平台。在焊缝识别方面,包括焊缝轨迹识别及焊缝轨迹中心线提取两部分内容。针对焊缝间隙较窄,焊接工件表面划痕与焊缝特征相似,极易导致误识别的问题,本文首先完成了相机标定模型及标定方法的研究,应用张氏标定法进行相机标定实验,消除镜头畸变;然后,针对平面曲线焊缝的特征,采用方向小波变换的方法对焊接对象进行边缘检测,滤除焊接对象表面划痕、锈蚀等干扰因素,提取出焊接对象的边缘及焊缝图像;最后,对提取到的焊接对象的边缘及焊缝图像进一步处理,应用形态学处理方法提取出焊缝轨迹二值图像,采用形态学细化法提取出焊缝轨迹中心线坐标,通过实验验证了焊缝轨迹中心线提取方法的可靠性。在焊缝轨迹中心线路径平滑规划方法方面,对焊缝轨迹曲线拟合方法进行研究,提出了基于Harris-Laplace角点特征的NURBS曲线规划方法。首先,针对复杂的焊缝轨迹曲线拟合运算数据量较大的问题,采用Harris-Laplace角点检测算法对复杂曲线进行分段,采取分段拟合的思想在不丢失曲线数据的前提下,降低曲线的复杂程度;其次,针对运动执行机构直接按照焊缝轨迹中心线坐标为型值点坐标运动,出现的顿挫、抖动现象,应用NURBS曲线拟合方法规划焊接轨迹曲线。本文基于Matlab开发环境,完成焊缝识别和焊缝轨迹中心线路径平滑规划的算法验证;基于Visual Studio2010软件开发平台,应用C#语言开发焊接控制软件,通过对金属工件的激光焊接实验,完成自动激光焊接系统的设计。
郑德阳[2]（2021）在《基于激光视觉传感机器人控制系统的多层多道智能弧焊》文中研究表明在智能化工业生产中,焊接机器人一直被广泛应用于中厚板多层多道自动化焊接领域。但由于工件定位精度、加工精度以及焊缝余高变化等因素的影响,传统的机器人“示教—再现”方法很难适应焊缝位置、焊道空间尺寸的变化。因此,使焊接机器人能够在示教前提下,根据焊缝位置变化修正焊枪轨迹、根据焊道空间尺寸变化智能调整焊接工艺参数,是保证中厚板多层多道自动化焊接质量的先决条件之一。本文以低碳钢轴与法兰盘单边V形坡口多层多道焊接为例,开发了一套基于激光视觉传感技术的机器人智能弧焊系统。主要工作包括:分析传感器工作原理,设计一款具有检测焊缝位置、测量坡口宽度和深度功能的激光视觉传感器,确定传感器的使用参数和检测精度。分析图像处理方法和不同边缘提取算子的处理结果,设计图像处理算法,实现对焊缝图像特征曲线的有效提取以及焊缝特征点的精准识别。规划焊枪运动轨迹,设计打底焊、填充摆弧焊、盖面焊三种焊接方式。确定焊接速度、送丝速度、电流电压等常规焊接工艺参数,在此基础上,根据焊道空间尺寸变化,为填充摆弧焊接设计不同的摆焊工艺参数、为盖面焊接设计不同的送丝速度。完成激光视觉传感系统与机器人系统之间的I/O通讯,设计机器人焊接程序,使机器人能够根据检测到的焊缝位置偏差进行焊枪轨迹修正;根据检测到的焊缝余高及坡口宽度信息,在摆弧焊接过程中智能调整摆焊工艺参数、在盖面焊接过程中智能调节送丝速度。实验结果得到,传感器距离工件的使用高度范围在60～85 mm之间,分辨率为0.0568 mm/pixel,视野范围为28.4 mm×21.3 mm,检测精度为0.126 mm,系统响应时间在60 ms以内。对比焊缝实际偏差与修正结果、测量焊缝截面尺寸,结合焊缝余高变化的最小修正值,得到该系统的修正误差小于0.4 mm。观察实际焊接工艺参数变化、分析焊缝形貌,最终表明,此智能弧焊系统能够使“示教—再现”型焊接机器人在轴与法兰盘单边V形坡口多层多道焊接中,获得良好的焊缝成型质量。
钱荣威[3]（2021）在《线结构光焊缝特征点提取方法研究》文中进行了进一步梳理目前,随着科学技术及生产力的快速发展,焊接技术作为生产中不可缺少的一个重要环节在各行各业中的应用更为广泛。而焊缝特征信息的检测是焊接过程中不可或缺的一环,但传统方法普遍采用塞尺等工具进行手动测量其测量精度不高同时误差也较大。基于图像处理的检测技术为焊缝的非接触式测量提供了新途径。但实际焊接过程工况十分复杂,采集的图像含有大量复杂噪声,如高光反射、飞溅焊渣和激光散射等,因此如何在复杂工况下较为准确的提取出焊缝特征信息是自动焊接技术实现的关键。本文以视觉传感器、线结构光发射器为硬件与作为软件的数字图像处理算法相结合进行了复杂噪声下线结构光焊缝特征提取方法的研究,主要工作如下:首先,根据实际的常见焊接场景设计了一种基于线结构光的视觉传感器系统。并通过归纳总结当前国内外多种焊缝特征提取方法的优点与不足,选择了本文的基本方案,可以稳定、方便、快捷地采集焊接过程中的焊缝图像。其次,针对焊接过程中产生的大量散射及飞溅焊渣等噪声提出了一种基于自适应顶帽变换的线结构光焊接图像去噪方法。采用评价指标互相关系数（CCIH,Cross-Correlation Coefficient of Image Histogram）选取得到最优结构元尺寸L。同时提出一种基于Otsu改进SSIM算法的评价指标相亮比（RSB,Ratio of Structural Similarity Index to Average Brightness）选取得到最优迭代次数I。实验结果表明,与传统方法相比该方法在主观视觉效果及客观去噪指标上均有较大的改善,噪声得到有效去除的同时焊缝图像中的线结构光条得到较好的保留。然后,提出“限制对比度”的自适应直方图均衡化增强算法（CLAHE）,放大线结构光条与背景的差异有利于线结构光条的分割提取,并与传统增强方法进行了对比评价。结果显示该方法得到的线结构光焊缝二值图包含更多的有效像素。其次,提出一种多方向双树复小波变换（M-DTCWT）的边缘检测方法得到线结构光条的单像素边缘。最后,对结构光边缘点采用最小二乘直线拟合的方法得到中心线并将其与边界直线联立得到最终的焊缝特征点。
杨湘粤[4]（2021）在《林业装备焊缝射线图像的检测技术研究》文中研究指明林业汽车起重机吊臂是林区起重机械的重要组成部分,林业起重机通过吊臂顶端的滑轮组合吊起原木、原竹、生漆、天然树脂等重物。不同的吊臂结构和技术使得起重机的性能和效率也有所不同。而吊臂的焊缝对其结构与性能有着重要的影响,良好的焊缝结构能够使起重机的工作更安全、寿命更长。因此随着起重机工作年限的增加,有必要对吊臂的焊缝进行缺陷检测,而射线图像检测技术是对焊缝进行无损检测的重要方法。射线检测有着成像快、定位准确、成本低的特点,是非常适用于对焊缝缺陷进行检测的方法。本文通过对射线原理以及焊缝缺陷图像检测等相关内容进行研究,详细阐述了对于焊缝射线图像的检测过程。文章的主体分为四个部分:预处理、射线图像重复性检测、焊缝区域分割、焊缝缺陷检测。其主要内容如下:（1）通过对已有的GDXray图像库进行整理,将其中的图像与作者实地拍摄的图像所结合,构建出一个全新的、种类更丰富的射线图像库。根据数据库中焊缝射线图像的提点,对图像进行预处理操作,其预处理流程为:灰度化、图像去噪、图像增强。预处理的目的在于提升图像质量,去除图像中的无关因子,为后续的检测环节奠定基础。（2）对文章所用的焊缝图像库进行重复性检测,检测并排除掉图像库中复制、编号篡改、重复拍摄这三种类型的重复图像。在这一环节,使用了 SVM算法与哈希算法进行检测。其中在SVM算法系统中,图像将会转化成支持向量分布在SVM空间的超平面两侧,然后通过HOG算子提取出图像的特征,最后在fitcecoc训练模型中完成对重复图像的分类。通过与哈希算法的检测进行对比发现,SVM算法有着更准确的检测效果,其综合准确率达到了 95%。（3）对图像的焊缝区域进行提取。为了提取出目标焊缝区域,文章使用了多种图像分割算法对焊缝区域进行提取,如:Roberts算法、Canny算法、Sobel算法,阈值提取法等,分析比较了每种算法的性能,最后选择阈值法作为文章的焊缝区域提取方法。（4）对焊缝图像进行缺陷检测。在这一部分使用了深度学习原理,通过神经网络模型对缺陷进行智能检测。选用了 Faster-RCNN神经网络模型作为框架,对焊缝缺陷进行检测。在这一章节详细介绍了 Faster-RCNN的模型结构以及原理。相比于传统的缺陷检测方法,Faster-RCNN神经网络检测有着更智能、检测更准确的特点,通过模型的训练结果发现,该方法对于缺陷检测的平均准确率达到了77.39%,能够有效检测出缺陷。并且通过对模型参数进行优化,该方案的准确率有了进一步的提升,最终的平均准确率达到了 80.60%。实验证明,文章所用的算法能够满足实际应用中的需要。
曾德裕[5]（2019）在《若尔盖湿地NPP时空格局演变及驱动力分析》文中指出本文以GIMMS-NDVI 3gV1.0和Landsat-NDVI这两种遥感数据作为数据源结合各类气象数据（如降水、气温、日照时长、相对湿地、风速等等）,以改进后的光能利用率模型-CASA模型作为载体,研究并构建出区域不同时间尺度（年际、生长季、年内）的NPP长时间序列数据集。在时间演变方面,不仅利用趋势线拟合、小波分析和M-K突变检测等方法对若尔盖湿地NPP值的年际和年内变化的趋势性、周期性及突变性的一维特征进行分析,还借助质心模型,从二维特征值方面对若尔盖湿地NPP的年际和年内质心的变化情况进行了研究。在空间格局方面,借助二维小波分析方法,揭示若尔盖湿地NPP多年平均值、多年趋势和年变率的多尺度空间格局特征。更进一步的利用质心模型和二维小波方法从区域和像元两个尺度上研究若尔盖湿地NPP演变的驱动力,并进行多尺度分析。研究结果表明:（1）时间演变上,若尔盖湿地在19822015的34年间植被NPP年际变化整体均呈下降趋势。年际变化上呈现出以15年尺度的年代际周期变化为主,全域性特征显着;小于10年尺度的年际周期变化以4年和7年尺度为中心,局域性特征明显。NPP年平均值的下降变化趋势,在1986年达到突变水平。若尔盖湿地NPP的年际质心移动表现为,1982始的东北向NPP增长变化,1985-1989年的西南向的萎缩变化,此后至2000年的东北向增长与西南向萎缩的交替变化,以及2000年后的相对西向稳定变化和2009年后的相对东向稳定变化。年内变化上,若尔盖湿地NPP也都呈现出下降变化趋势,以10月最为突出,3月最不显着。周期性变化亦以17年尺度的年代际周期变化最强,突出表现在2、5、6、7月;3年尺度的年际周期变化亦较强,突出体现在4、5、9、10、11月。绝大部分（3、5、6、7、8、9、10、11月）月份NPP值存在下降的突变,时间同样是从1986年开始的。若尔盖湿地NPP质心移动的年内变化轨迹从1月始至12月,大致为:东北>西偏北>东南>西偏北>东北>西南>东北。（2）空间格局上,若尔盖湿地NPP多年平均值的主导尺度为46.39、139.64、692.42、1034.35、1309.1 km2,在46.39和692.42 km2这两个尺度上,NPP的变化方向以垂直方向为主,而139.64、1034.35和1309.1 km2这三个尺度上,则以水平方向变化为主。若尔盖湿地NPP多年趋势的主导尺度为9.28、32.9、139.63km2,在9.28km2和139.63km2两个尺度上,以水平方向变化为主,而在32.9km2尺度上,却以垂直方向变化为主。若尔盖湿地NPP年变率的主导尺度为46.39、105.46、838.12 km2,在46.39km2和838.12km2尺度上以垂直方向变化为主,而在105.46km2尺度上则以水平方向变化为主。（3）区域尺度上,若尔盖湿地的NPP演变主要受降水的正向作用和气温的负向作用为主,总日照时数和有效月积温的影响相对较低。像元尺度上,降水对若尔盖湿地NPP的正向影响以西部区域更为显着;总日照时数的负向影响则以在若尔盖北部和南部部分区域更为显着。（4）若尔盖湿地NPP年均值的质心变化方向和趋势与区域降水的质心变化的方向和趋势保持较高的一致性,体现出降水对若尔盖湿地NPP时空变化的主导作用。若尔盖湿地NPP的多年平均值和多年平均趋势的尺度呈现降水在水平方向和温度在垂直方向上的主导作用,表明降水方向尺度主要以水平方向为主,而温度主要影响方向尺度为垂直方向。
武斌[6]（2019）在《超声TOFD系统软件设计及成像处理算法研究》文中研究表明超声TOFD检测技术作为一种无损超声检测的重要方式被广泛应用于工业检测。与其他超声检测技术相比,TOFD检测技术具有检测灵敏度高、缺陷定位精准、检测结果不受超声波幅值影响等优点。目前关于TOFD检测的研究热点更多的在于图像处理,而对其软件的研究相对较少。论文介绍了运行于Android平台的超声TOFD检测软件的设计与实现,该软件在设计上综合借鉴了多款国内外的品牌产品仪器,故软件功能更加丰富,可以提供更加人性化的服务。论文主要的工作内容如下:1.TOFD检测技术的相关原理研究。主要包含缺陷的定位定量计算与TOFD检测成像方式。2.TOFD检测系统的软件设计。基于国内外品牌产品调研以及目前研究现状,规划软件需求,并制定相应的技术路线。3.软件关键技术实现。论述软件数据传输与成像显示技术的Android实现方案,包含基于USB2.0的Android平台通讯连接,采用JNI接口实现基于OpenGL ES的TOFD实时、离线成像以及利用GLSurfaceView与SurfaceView图层叠加技术实现的TOFD检测工艺计算。4.TOFD图像处理算法研究。阐述直通波处理、图像增强、伪彩色映射和图像去噪的TOFD图像处理概况。研究伪彩色映射和图像降噪常用算法,依据TOFD图像特点提出基于K均值聚类的彩虹码伪彩色映射算法并提出基于改进阈值函数的小波去噪算法。经过Matlab算法验证,结果表明改进的彩虹码伪彩色处理视觉效果良好,更适用于TOFD图像。最后,给出软件伪彩色和图像去噪功能在Android平台的完整实现过程。5.软件测试。利用Profiler、Monkey、Emmagee等检测工具对所设计的软件进行功能、性能、稳定性测试,检测结果表明软件功能均可正常使用,且基于K均值聚类的彩虹码伪彩色映射功能视觉效果较好;软件内存占用率稳定在5%以下。
刘炜聪[7]（2019）在《K-TIG焊接窄间隙焊缝视觉跟踪系统研究》文中认为焊接技术广泛应用于各个生产制造领域,是生产制造中重要的一环。而在传统焊接领域,焊接过程大多由工人或机器人示教完成,导致焊接自动化程度低、效率低下,因此,实现焊接自动化具有重要意义。为了达到这一目的,本文为K-TIG焊开发了一套焊缝跟踪系统,该系统是通过高动态相机拍摄焊接过程中焊接区域图像,并根据图像信息计算出焊接偏差,最后根据焊接偏差控制机器人驱动焊枪沿着焊缝运动完成焊缝跟踪任务。在开发这套系统的过程中,做了如下研究:为了能够从含有工件表面纹理和噪声所造成的干扰中准确地提取出熔池边缘和焊缝边缘,本文提出小波变换+K-means+随机森林的算法对焊接图像进行边缘检测。在此基础上,本文提出一种根据熔池边缘和焊缝边缘计算焊接偏差的方法,首先对熔池边缘进行椭圆拟合,将椭圆中心近似作为焊枪尖端中心在工件的投影点,接着将椭圆按比例放大,与焊缝边缘的相交点作为焊枪下一运动目标点。由焊枪尖端中心在工件投影点和焊枪下一运动目标点在世界坐标系的关系,可以计算出焊接偏差。为了使焊接偏差检测算法能够满足焊缝跟踪系统的实时性要求,本文根据小波变换、K-means和随机森林的计算特点,对算法进行并行优化和CUDA编程,使算法在GPU上进行并行计算。经过并行优化的算法的运算时间为62.34ms,相对于在CPU上运行加速比可达123.79。最后,对本文开发的焊缝跟踪系统分别在直线、折线、曲线上进行焊缝跟踪精度实验,以检验系统的跟踪精度和鲁棒性。试验结果表明,焊缝跟踪系统对直线焊缝的跟踪偏差在±0.12mm内,对折线焊缝的跟踪偏差在±1.65mm内,对曲线焊缝的跟踪偏差在±1.76mm内。
翟培卓,薛松柏,陈涛,孙子建,陈卫中,郭佩佩[8]（2019）在《焊缝跟踪过程传感与信号处理技术的研究进展》文中研究表明焊接自动化是21世纪焊接技术迈向"数字化"、"智能化"的重要途径。在焊接自动化的实现过程中,对焊缝进行自动、快速、准确地跟踪是其中的关键技术。在自动化焊接技术诞生之前,传统的焊接操作主要靠人工来完成。然而,人工进行焊接监视跟踪的工作有两方面的缺点,一方面焊接工作的恶劣环境会对焊接工人的身体健康造成一定的损害,另一方面还会由于焊工长时间工作疲劳而影响焊接质量。现代的焊缝跟踪技术逐渐地脱离了人为的干涉,越来越多地转向了由信号传感到计算机处理再到机构执行的全自动焊接过程。传感器相当于焊缝跟踪系统的"感官器官",系统完全依靠传感器来感知外界焊接环境,判断焊枪与焊缝的相对位置。同时,焊接环境常常伴随着各种噪声、飞溅、高频辐射等的干扰,会明显地影响传感器所采集的信号,甚至会使得计算机对焊缝位置产生错误的判断。因此,要想得到比较理想的数据信息,采取合适的焊接传感方式并对所采集的信号进行准确快速处理成为焊缝跟踪的迫切需要。焊缝跟踪传感器总体上可分为两大类:直接式传感器（即电弧传感器）和间接式传感器。近年来,这两类传感器都有一定的发展,如磁控电弧传感器的应用为焊缝跟踪提供了新的研究方向,间接式视觉传感器正在向小型化和简单化的方向发展。与此同时,多传感器信息融合技术的出现为克服单一传感器准确性的不足提供了新的可能性。而信号处理技术可以提高信号的信噪比,为获得准确的焊缝位置信息奠定基础。其中,电信号滤波技术正由单纯的硬件滤波逐步向软件滤波和硬件软件结合滤波的方法转变;而对于图像处理技术,图像的抗干扰能力得到进一步提高,但是还需在焊缝识别的准确性、实时性和可靠性方面继续深入研究。本文系统介绍了焊缝跟踪过程中所用到的各种传感方式,并着重介绍了主流的电弧传感器和视觉传感器的详细分类与各自的特点。同时,本文总结了电弧传感中关键的电信号滤波技术以及视觉传感必不可少的图像处理技术的发展现状,并对焊缝跟踪未来的研究方向提出了建议。
莫玲[9]（2016）在《微间隙焊缝磁光成像识别模型研究》文中研究指明激光焊接技术具有激光功率大、光斑直径小、光束质量优良、热影响区域小、大深宽比、可实现异种材料之间的连接并且焊接质量优良等优点。激光焊接过程中,控制激光束实时准确地对准焊缝中心位置是保证获取良好焊件的关键。由于激光束光斑直径小（一般小于200μm）,对焊缝间隙大小敏感,要求焊缝间隙尽可能小。传统的结构光视觉法利用结构光横跨于焊缝位置所产生的突变特征实现焊缝识别,但无法识别小于0.10mm间隙的焊缝。在实际工业焊接现场存在大量的烟雾、飞溅及等离子体等干扰影响,普通摄像机无法清晰捕捉焊接区域熔池和微间隙焊缝位置的准确信息,且激光焊接过程中存在剧烈的热能转换效应,对焊接工艺参数及工件的装配、固定精度要求极高,微小的变化即可导致严重的焊接缺陷甚至报废,因此,精确控制激光束使其始终对正并跟踪焊缝是保证激光焊接质量的前提。论文综合比较了现有焊缝识别与跟踪方法的优缺点,结合实际工业需求,重点研究激光焊接微间隙（不大于0.20mm）焊缝磁光成像焊缝识别技术。针对激光焊接等厚、无坡口、紧密对接、肉眼难以分辨的微间隙焊缝,根据法拉第磁光效应原理构成磁光成像传感器获取焊缝磁光图像,参与设计并搭建了激光焊接不锈钢紧密对接焊缝磁光成像试验平台（第二章）,研究激光焊接前微间隙焊缝的磁光成像特征和机理,实现微间隙焊缝位置检测,为后续激光焊接过程中焊缝识别与跟踪奠定基础,保证激光焊接质量。首先,将焊件放置于伺服工作台上,在焊缝下方放置磁场发生器,通过调节磁场发生器的励磁电压大小,改变焊缝周围的感应电流及感应磁场强度。根据法拉第电磁感应效应及法拉第磁光效应,当涡流在流动路径上存在焊缝间隙时,其流动受到影响,涡流会在焊缝位置处产生畸变,畸变的涡流会产生畸变的涡流磁场,从而引起该位置处垂直磁场分布的变化。通过磁光传感器将涡流磁场变化转换成相应的光强变化,实现焊缝的实时成像,研究微间隙焊缝磁光成像特征与焊缝位置的关联。结果表明,改变励磁电压、磁光传感器与焊件距离、焊接速度、焊缝间隙大小等参数,对微间隙焊缝磁光成像的变化较为敏感。其次,分别利用微间隙焊缝磁光图像特征（灰度特征、灰度梯度特征、彩色空间特征和纹理特征）,探索各特征与微间隙焊缝位置之间的规律。分析微间隙焊缝磁光图像灰度和灰度梯度分布特点,通过全局阈值和边缘算子,可以提取出焊缝过渡带轮廓并将其中心位置认作焊缝中心位置坐标,但阈值的选取不具有通用性,当微间隙焊缝磁光成像试验参数改变,需要多次反复试验选取合适的阈值。利用焊缝磁光图像的彩色空间特征,在RGB和HSV颜色空间分别计算各彩色分量图的灰度分布特征后提取焊缝位置坐标,彩色颜色空间焊缝位置测量精度较灰度图的焊缝位置测量精度高。最后,分析微间隙焊缝磁光图像序列特性,利用图像序列中各像素数据的时域变化和相关性确定各像素位置的运动和焊缝位置坐标。研究了光流法和梯度矢量流模型在微间隙焊缝磁光图像识别中的应用。另外,利用人工神经网络、粒子滤波和卡尔曼滤波算法构建描述焊缝位置的识别模型,最终实现微间隙焊缝识别、跟踪和预测,保证焊接质量。通过这一系列的研究工作,取得了如下主要研究成果：（1）研究焊缝磁光成像与焊缝实际状况及其它因素间的内在关系。对于一个特定的磁光传感器,影响微间隙焊缝磁光成像的主要因素为法拉第磁光效应,相关因素包括：励磁电压、激励线圈与焊件的距离（提离度）、焊缝形态以及焊接速度等。试验表明：针对同一微间隙焊缝,改变励磁电压大小,焊缝周围的磁感应强度随之改变,焊缝位置处磁感应强度介于两边磁场（N极和S极）强度的对称中心。焊缝磁光图像中的焊缝过渡带区域随励磁电压改变而上下移动,但对于两个不同的磁场强度下所获得的磁光焊缝位置的偏移量是恒定的,即对于特定的磁场强度环境下此偏移可以忽略不计,不影响实际的焊缝识别和跟踪。针对同一微间隙焊缝,改变焊接速度,磁光成像焊缝位置测量值基本恒定不变,即焊接速度仅仅对工件的焊透情况和图像采集帧数有影响、对微间隙焊缝位置的检测无影响。同一励磁电压下,改变焊缝间隙大小,间隙越大,磁光成像中焊缝位置过渡区域越小,焊缝区域成像越清晰。同一焊缝间隙和励磁电压下,磁光传感器与焊件距离（提离度）越近,磁光成像中焊缝位置过渡区域越小,焊缝区域成像越清楚。（2）微间隙焊缝磁光图像特征的提取与分析。微间隙焊缝磁光图像特征包括：灰度特征、灰度梯度特征、纹理特征和图像序列特征。焊缝介于两块母材的中间,垂直扫描焊缝位置,焊缝左右两边母材的灰度分布存在明显的差别,可利用灰度分布在焊缝位置处的差异性检测焊缝中心位置。扫描微间隙焊缝磁光图像所有列的灰度梯度分布曲线,寻找灰度梯度极大值所对应的行作为焊缝过渡带的上、下边缘坐标,计算焊缝过渡带上下边缘的中心坐标作为焊缝位置坐标。分别在图像的焊缝区域和母材区域（焊缝上、下区域的母材）提取三个相同尺寸的子图像,计算各个子图像的纹理特征（包括：平均亮度、标准差、平滑度、三阶矩、一致性、熵1、能量、相关、熵2、逆差矩等）,利用纹理特征差异,将焊缝和母材区域进行分割。（3）微间隙焊缝磁光成像焊缝位置检测。采集微间隙焊缝磁光连续图像序列,利用采样时间重叠的图像序列光流场分布,根据图像序列的时域特性和相关性,提取光流场中的u分量峰值处对应的像素点作为焊缝位置。H-S（Horn,Schunck）光流法焊缝识别方法所计算出的焊缝位置大部分与焊缝位置实际值吻合,由于焊缝磁光图像存在噪声干扰影响,光流法焊缝提取方法在若干部位出现较大的波动,在工程实践中,可根据工程经验,设定一个阈值将波动较大的值视为粗大误差,予以剔除。同时,分析了梯度矢量流场在微间隙焊缝磁光图像分割中的应用,将感兴趣区域的焊缝边缘看作具有能量的不间断曲线,在控制点所具有的能量控制下使得活动轮廓产生变形,活动轮廓在控制点的内力、外力以及图像力的共同作用下,向焊缝目标区域进行伸缩,最终实现焊缝位置检测。（4）微间隙焊缝位置识别模型的建立。分别建立了基于BP神经网络、基于Elman神经网络、卡尔曼滤波预测焊缝位置模型。设计了一种前馈型神经网络焊缝位置预测模型,通过对前一时刻的焊缝位置和焊缝位置差值来估算当前时刻焊缝位置。比较了BP神经网络和Elman网络焊缝位置预测的精度。结果表明：BP神经网络的预测能力比Elman神经网络更强,能有效地进行焊缝位置的预测,且测量精度优于Elman网络。利用Kalman滤波对微间隙焊缝进行跟踪和预测,在已知焊缝位置测量信息的前提下,获取系统状态的最优估计,最后实现焊缝位置的最佳预测和估计。卡尔曼滤波后,噪声干扰得到较大地抑制,能有效提高焊缝跟踪精度。
曲承卫[10]（2016）在《基于视觉传感的移动机器人MAG焊系统及焊缝图像特征研究》文中进行了进一步梳理为了适应大型装备制造非结构空间焊接的自动化和智能化的需求,如何模拟焊工的行为开展相关焊接任务,是移动焊接机器人研究的热点和难点问题。本文源自国家863计划课题,自主研发的轮足组合越障焊接机器人系统焊接视觉传感器,实现焊缝图像实时获取及特征处理。移动焊接机器人的视觉传感系统是实现智能化焊接的关键反馈单元,基于现有的移动机器人平台,重新研制了视觉传感系统,选用更成熟的工业CCD相机以及高速图像采集卡,保证了焊接过程中所采集图像的质量。为准确计算实际物体大小,须采用棋盘格进行标定,建立图像坐标和实际空间坐标的像素对应关系。文中采用Caltech开发的标定Matlab工具箱,进行像素标定。智能化焊接电源是移动焊接机器人系统中不可缺少的部分,本文介绍的试验平台使用了奥太Pulse MAG/MIG 350型焊接电源,该焊接电源采用过渡区脉冲波形控制和弧长闭环控制等技术,可以对熔滴和熔池进行有效的控制。针对MAG焊缝熔池区域图像的特点,本文利用滤波处理,图像分割和图像形态学等熔池图像的基本处理方法,开发出具有较高适应性和鲁棒性的图像处理方法。采用基于方向小波的边缘提取和基于活动轮廓模型的方法更适合对焊缝熔池和间隙进行边缘提取。应用这些方法可以滤除熔池图像中一些干扰信息并可以有效的获取熔池的边缘。最后,在轮足组合越障焊接机器人系统平台上进行MAG焊熔池视觉信息试验,试验的对象包括MAG焊打底焊和填充焊过程中图像的处理与分析。经过试验分析,打底焊熔透状态下的熔宽是稳定的,最小值为144像素,最大值为148像素,服从正态分布,其均值为145.96,均方差为1.2282。填充焊熔宽数据统计为:最小值为153像素,最大值为147像素。同样服从正态分布,其均值为157.66,均方差为3.0143。填充焊的熔宽在上述范围内,均可以认为填充焊的状态是一致的。移动机器人的试验表明了视觉传感系统是有效并可靠的。
二、基于二维小波分析的焊缝坡口边缘检测（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于二维小波分析的焊缝坡口边缘检测（论文提纲范文）
（1）基于机器视觉的自动激光焊接系统研究与设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 激光焊接设备的发展现状 |
| 1.2.2 焊缝识别技术的研究现状 |
| 1.2.3 焊接轨迹规划方法的研究现状 |
| 1.3 自动激光焊接系统研究存在的相关问题 |
| 1.4 本文的研究内容及章节安排 |
| 第2章 自动激光焊接系统平台设计 |
| 2.1 激光焊接系统平台结构设计 |
| 2.2 视觉成像系统方案确定 |
| 2.2.1 工业相机 |
| 2.2.2 工业镜头 |
| 2.2.3 照明系统 |
| 2.3 运动执行机构硬件设计 |
| 2.3.1 直线模组硬件设计 |
| 2.3.2 步进电机及驱动器硬件设计 |
| 2.3.3 运动控制卡硬件设计 |
| 2.4 激光器及焊接头方案确定 |
| 2.4.1 激光器选型 |
| 2.4.2 焊接头选型 |
| 2.5 自动激光焊接平台 |
| 2.6 本章小结 |
| 第3章 基于小波变换的焊缝边缘检测算法研究 |
| 3.1 摄像机标定 |
| 3.1.1 相机参数标定及原理 |
| 3.1.2 相机标定实验结果 |
| 3.2 基于小波变换的图像边缘检测 |
| 3.2.1 小波变换的图像边缘检测基本原理 |
| 3.2.2 方向小波变换的边缘检测算法原理 |
| 3.3 实验结果 |
| 3.4 本章小结 |
| 第4章 基于形态学的焊缝中心线提取方法研究 |
| 4.1 基于形态学的焊缝轨迹提取方法研究 |
| 4.1.1 形态学膨胀及腐蚀 |
| 4.1.2 形态学开运算及闭运算 |
| 4.2 焊缝轨迹中心线提取方法 |
| 4.3 焊缝中心线提取实验 |
| 4.3.1 基于形态学的焊缝轨迹提取实验 |
| 4.3.2 焊缝轨迹中心线提取实验及误差分析 |
| 4.4 本章小结 |
| 第5章 基于Harris-Laplace角点特征的NURBS曲线规划方法研究 |
| 5.1 Harris-Laplace角点检测算法 |
| 5.2 NURBS曲线规划算法 |
| 5.2.1 NURBS曲线数学描述 |
| 5.2.2 NURBS曲线规划算法 |
| 5.3 基于Harris-Laplace角点特征的NURBS曲线规划方法 |
| 5.4 曲线拟合实验 |
| 5.4.1 角点检测实验结果 |
| 5.4.2 NURBS曲线拟合实验 |
| 5.4.3 基于Harris-Laplace角点特征的NURBS曲线规划方法实验 |
| 5.5 自动激光焊接系统实现 |
| 5.5.1 基于机器视觉的自动激光焊接系统操作软件 |
| 5.5.2 基于机器视觉的自动激光焊接系统焊接实验 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录I |
| 附录II |
| 作者简介 |
| 攻读硕士学位期间研究成果 |
（2）基于激光视觉传感机器人控制系统的多层多道智能弧焊（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 焊缝跟踪技术的发展及研究现状 |
| 1.2.1 发展概况 |
| 1.2.2 焊缝跟踪传感器的作用及分类 |
| 1.2.3 激光视觉传感器的发展现状 |
| 1.2.4 焊缝图像处理的研究现状 |
| 1.2.5 焊缝跟踪的实现方法 |
| 1.3 中厚型结构件自动化焊接的研究现状 |
| 1.3.1 多层多道焊接轨迹规划的研究现状 |
| 1.3.2 多层多道焊接工艺规划的研究现状 |
| 1.3.3 多层多道激光视觉传感技术的研究现状 |
| 1.4 主要研究内容 |
| 第2章 实验流程设计与智能弧焊系统组成 |
| 2.1 实验流程设计 |
| 2.1.1 打底焊实验流程设计 |
| 2.1.2 填充摆弧焊实验流程设计 |
| 2.1.3 盖面焊实验流程设计 |
| 2.2 智能弧焊系统组成 |
| 2.3 激光视觉传感系统的组成与设计 |
| 2.3.1 传感器结构设计 |
| 2.3.2 工控机设计 |
| 2.3.3 图像采集卡 |
| 2.4 焊接机器人系统的组成 |
| 2.4.1 安川机器人 |
| 2.4.2 焊接设备 |
| 2.5 本章小结 |
| 第3章 传感器标定与焊缝图像处理 |
| 3.1 激光视觉传感器的工作原理 |
| 3.2 视觉标定 |
| 3.2.1 传感器标定 |
| 3.2.2 机器人手眼标定 |
| 3.3 焊缝图像处理 |
| 3.3.1 图像二值化处理 |
| 3.3.2 图像后处理 |
| 3.4 像素差标定 |
| 3.5 传感器精度检测 |
| 3.5.1 焊缝横向位置检测 |
| 3.5.2 焊缝纵向位置检测 |
| 3.5.3 坡口宽度检测 |
| 3.6 本章小结 |
| 第4章 多层多道智能弧焊控制设计 |
| 4.1 机器人I/O通讯 |
| 4.2 焊接轨迹规划 |
| 4.3 打底焊的控制设计 |
| 4.3.1 确定打底焊接工艺参数 |
| 4.3.2 焊枪轨迹修正的程序设计 |
| 4.4 填充摆弧焊的控制设计 |
| 4.4.1 填充摆弧焊的焊前检测 |
| 4.4.2 确定摆弧焊接工艺参数 |
| 4.4.3 调整摆焊参数的程序设计 |
| 4.5 盖面焊的控制设计 |
| 4.5.1 盖面焊的焊前检测 |
| 4.5.2 确定盖面焊接工艺参数 |
| 4.6 本章小结 |
| 第5章 智能焊接实验 |
| 5.1 焊前准备 |
| 5.2 打底焊接实验 |
| 5.3 填充摆弧焊接实验 |
| 5.4 盖面焊接实验 |
| 5.5 焊缝分析 |
| 5.5.1 焊缝形貌分析 |
| 5.5.2 焊缝截面分析 |
| 5.6 本章小结 |
| 第6章 结论 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士期间研究成果 |
（3）线结构光焊缝特征点提取方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文主要研究工作及章节安排 |
| 第二章 焊缝特征点检测方案设计 |
| 2.1 视觉传感焊缝特征点检测原理 |
| 2.2 总体方案设计 |
| 2.3 系统硬件选型 |
| 2.3.1 相机和镜头选型 |
| 2.3.2 激光器选型 |
| 2.3.3 计算芯片选型 |
| 2.3.4 硬件系统搭建 |
| 2.4 系统软件设计 |
| 2.5 本章小结 |
| 第三章 自适应Top-Hat算法的线结构光焊缝图像去噪 |
| 3.1 灰度化及自适应动态ROI提取 |
| 3.2 顶帽变换(Top-Hat)原理 |
| 3.3 自适应参数选取 |
| 3.3.1 基于CCIH的结构元尺寸L选取 |
| 3.3.2 基于RSB的迭代次数I选取 |
| 3.4 图像去噪效果对比与评价 |
| 3.4.1 主观视觉效果对比 |
| 3.4.2 客观指标对比 |
| 3.5 本章小结 |
| 第四章 限制对比度的CLAHE线结构光增强与分割 |
| 4.1 直方图均衡化 |
| 4.2 “限制对比度”的自适应直方图均衡化 |
| 4.3 最大类间方差分割 |
| 4.4 线结构光增强效果对比与评价 |
| 4.5 本章小结 |
| 第五章 多方向M-DTCWT结构光边缘检测及焊缝特征点提取 |
| 5.1 多方向双树复小波变换M-DTCWT的尺度空间构建 |
| 5.2 高斯差分DOG边缘检测 |
| 5.2.1 细化高斯差分DOG算子 |
| 5.2.2 边缘检测效果及对比 |
| 5.3 线结构光中心线的最小二乘拟合 |
| 5.4 焊缝特征点提取 |
| 5.5 实验与误差分析 |
| 5.6 本章小节 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（4）林业装备焊缝射线图像的检测技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 射线检测技术概述 |
| 1.3 国内外发展研究发展概况及现状 |
| 1.3.1 焊缝图像重复性检测研究现状 |
| 1.3.2 焊缝缺陷检测研究现状 |
| 1.4 课题研究的内容及意义 |
| 1.4.1 主要研究内容 |
| 1.4.2 研究意义 |
| 第2章: 射线图像数据库建立及图像预处理 |
| 2.1 射线成像检测概述 |
| 2.2 射线图像数据库建立 |
| 2.2.1 数据集组成 |
| 2.2.2 数据集的类别划分 |
| 2.3 图像数据预处理流程 |
| 2.4 图像灰度化处理 |
| 2.5 图像去噪 |
| 2.5.1 图像的噪声模型 |
| 2.5.2 噪声的去除 |
| 2.5.3 均值滤波 |
| 2.5.4 顺序统计滤波 |
| 2.5.5 自适应滤波 |
| 2.6 图像增强技术 |
| 2.6.1 灰度变换增强 |
| 2.6.2 直方图增强 |
| 2.7 本章小结 |
| 第3章 焊缝图像的重复性检测 |
| 3.1 引言 |
| 3.2 重复性检测图像数据库的建立 |
| 3.3 SVM支持向量机算法 |
| 3.3.1 支持向量与超平面 |
| 3.3.2 最大间隔的优化模型 |
| 3.3.3 松弛变量 |
| 3.3.4 核函数 |
| 3.4 SVM算法图像重复性检测 |
| 3.4.1 HOG特征提取 |
| 3.4.2 SVM分类训练 |
| 3.4.3 SVM检测与结果分析 |
| 3.5 差异哈希算法 |
| 3.5.1 算法原理 |
| 3.5.2 差异哈希算法检测与对比分析 |
| 3.6 算法对比分析 |
| 3.7 可视化GUI界面的编写 |
| 3.8 本章小结 |
| 第4章 焊缝区域检测与提取 |
| 4.1 引言 |
| 4.2 边缘分割提取 |
| 4.2.1 Roberts算子提取 |
| 4.2.2 Prewitt算子与Sobel提取 |
| 4.2.3 Canny算子提取 |
| 4.3 阈值分割提取 |
| 4.3.1 全局阈值法提取 |
| 4.3.2 Otsu阈值分割提取 |
| 4.3.3 迭代式阈值分割提取 |
| 4.4 区域分割提取 |
| 4.5 本章小结 |
| 第5章 基于神经网络的焊缝缺陷检测 |
| 5.1 引言 |
| 5.2 常见的焊缝缺陷种类 |
| 5.3 深度学习理论基础 |
| 5.3.1 TensorFlow框架及特点 |
| 5.3.2 Faster-RCNN模型与Tensorflow的关系 |
| 5.3.3 Faster-RCNN神经网络的结构 |
| 5.4 基于Faster-RCNN的焊缝缺陷检测 |
| 5.4.1 训练集和测试集的构建 |
| 5.4.2 训练图像的标注 |
| 5.4.3 模型训练与测试 |
| 5.5 Faster-RCNN算法模型优化 |
| 5.5.1 问题分析 |
| 5.5.2 改进方案 |
| 5.5.3 缺陷检测与结果分析 |
| 5.5.4 实验结果对比 |
| 5.5.5 检测准确率优化 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间获得的学术成果 |
| 学术论文 |
| 专利 |
| 致谢 |
（5）若尔盖湿地NPP时空格局演变及驱动力分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景、目的和意义 |
| 1.2 国内外研究进展 |
| 1.2.1 湿地NPP估算模型研究现状 |
| 1.2.2 NPP的时空格局演变研究现状 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 第二章 研究方法 |
| 2.1 研究区概况 |
| 2.1.1 地理位置概况 |
| 2.1.2 气候概况 |
| 2.1.3 地形地貌特征 |
| 2.1.4 植被概况 |
| 2.2 数据获取和处理 |
| 2.2.1 遥感数据获取及处理 |
| 2.2.2 气象数据获取和处理 |
| 2.3 若尔盖湿地NPP时空格局分析方法 |
| 2.3.1 基于二维小波的空间格局分析方法 |
| 2.3.2 若尔盖湿地NPP时间演变分析方法 |
| 第三章 若尔盖湿地NPP模型的建立 |
| 3.1 CASA模型简介 |
| 3.1.1 APAR模型 |
| 3.1.2 光能利用率模型 |
| 3.2 模型NPP结果检验 |
| 第四章 若尔盖湿地NPP时空演变分析 |
| 4.1 若尔盖湿地NPP的时间演变分析 |
| 4.1.1 若尔盖湿地NPP年际的时间演变分析 |
| 4.1.2 若尔盖湿地NPP年内的时间演变分析 |
| 4.2 基于二维小波的若尔盖湿地NPP的空间格局分析 |
| 4.2.1 若尔盖湿地NPP平均值的空间格局分析 |
| 4.2.2 若尔盖湿地NPP趋势性的空间格局分析 |
| 4.2.3 若尔盖湿地NPP年变率的空间格局分析 |
| 第五章 若尔盖湿地NPP演变驱动力的时空分析 |
| 5.1 若尔盖湿地NPP的驱动力分析 |
| 5.1.1 区域尺度驱动力定量分析 |
| 5.1.2 像元尺度驱动力空间分异分析 |
| 5.2 若尔盖湿地演变驱动力的质心模型分析 |
| 5.3 若尔盖湿地演变驱动力的二维小波分析 |
| 5.3.1 若尔盖湿地NPP平均值变化的驱动力分析 |
| 5.3.2 若尔盖湿地NPP趋势变化的驱动力分析 |
| 第六章 主要研究结论、讨论与展望 |
| 6.1 主要研究结论 |
| 6.1.1 若尔盖湿地NPP的时间演变特征 |
| 6.1.2 若尔盖湿地NPP的空间格局特征 |
| 6.1.3 若尔盖湿地NPP驱动力的时空格局特征 |
| 6.2 讨论与展望 |
| 参考文献 |
| 作者在读期间科研成果简介 |
| 致谢 |
（6）超声TOFD系统软件设计及成像处理算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 TOFD检测研究与发展现状 |
| 1.2.1 国外研究及发展现状 |
| 1.2.2 国内研究及发展现状 |
| 1.3 论文研究内容及意义 |
| 1.3.1 论文研究意义 |
| 1.3.2 论文主要内容及章节安排 |
| 第二章 超声TOFD检测原理与成像方式 |
| 2.1 TOFD检测原理 |
| 2.2 缺陷定量计算方法 |
| 2.3 TOFD检测成像方式 |
| 2.3.1 A扫图像 |
| 2.3.2 D扫图像 |
| 2.3.3 B扫图像 |
| 2.4 TOFD检测技术的特点 |
| 2.5 本章小结 |
| 第三章 超声TOFD系统软件设计与实现 |
| 3.1 TOFD检测系统软件需求分析 |
| 3.2 软件系统与成像框架选取 |
| 3.2.1 Android操作系统 |
| 3.2.2 OpenGL渲染框架 |
| 3.3 TOFD检测系统软件架构设计 |
| 3.3.1 软件框图设计 |
| 3.3.2 软件界面设计 |
| 3.4 TOFD检测系统软件关键技术实现 |
| 3.4.1 USB双向通讯 |
| 3.4.2 OpenGL实时成像 |
| 3.4.3 Android系统图层叠加 |
| 3.5 本章小结 |
| 第四章 TOFD图像处理算法研究 |
| 4.1 TOFD图像处理概述 |
| 4.2 TOFD图像伪彩色映射处理研究 |
| 4.2.1 伪彩色映射的常用算法 |
| 4.2.2 基于K均值聚类的彩虹码映射算法 |
| 4.2.3 实验结果与分析 |
| 4.3 TOFD图像去噪算法研究 |
| 4.3.1 图像去噪的常用算法 |
| 4.3.2 基于改进阈值函数的小波去噪算法 |
| 4.3.3 实验结果与分析 |
| 4.4 Android平台的伪彩色映射与小波降噪实现 |
| 4.4.1 基于彩虹码的伪彩色图像显示 |
| 4.4.2 基于小波阈值去噪的图像降噪 |
| 4.5 本章小结 |
| 第五章 TOFD检测系统软件测试 |
| 5.1 TOFD检测系统软件功能测试 |
| 5.1.1 USB通讯功能检测 |
| 5.1.2 成像与图像处理功能检测 |
| 5.2 TOFD检测系统软件稳定性测试 |
| 5.2.1 软件实时通讯稳定性检测 |
| 5.2.2 应用程序稳定性检测 |
| 5.3 应用程序性能测试与分析 |
| 5.3.1 CPU占用率分析 |
| 5.3.2 内存消耗分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（7）K-TIG焊接窄间隙焊缝视觉跟踪系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 焊接偏差检测研究现状 |
| 1.2.1 视觉传感技术及其研究现状 |
| 1.2.2 电弧传感焊接偏差检测技术 |
| 1.3 图像处理技术中边缘检测算法的发展现状 |
| 1.4 课题来源 |
| 1.5 本文的研究内容与章节安排 |
| 1.5.1 本文研究内容 |
| 1.5.2 章节安排 |
| 第二章 焊缝视觉跟踪试验平台 |
| 2.1 K-TIG焊缝跟踪系统的总体结构 |
| 2.1.1 CMOS视觉传感器 |
| 2.1.2 机器人控制系统 |
| 2.1.3 K-TIG焊接电源 |
| 2.2 相机标定 |
| 2.3 软件系统与结构 |
| 2.4 本章小结 |
| 第三章 焊缝图像处理与焊接偏差检测 |
| 3.1 焊接区域图像获取 |
| 3.2 多尺度小波特征提取 |
| 3.2.1 多尺度小波分解 |
| 3.2.2 基于单棵决策树的边缘提取 |
| 3.2.3 小波特征K-means聚类 |
| 3.3 基于随机森林的熔池与焊缝边缘检测 |
| 3.3.1 基于随机森林的小波特征融合 |
| 3.3.2 基于随机森林的边缘检测结果 |
| 3.4 焊接偏差计算 |
| 3.4.1 焊枪尖端投影点坐标的计算 |
| 3.4.2 焊缝检测点计算 |
| 3.5 焊接偏差检测精度试验验证 |
| 3.6 本章小结 |
| 第四章 基于CUDA的图像处理并行计算加速方法 |
| 4.1 统一计算架构CUDA |
| 4.1.1 GPU硬件架构 |
| 4.1.2 CUDA编程模型 |
| 4.2 基于CUDA的焊缝图像图像处理并行计算加速 |
| 4.2.1 并行多尺度小波分解 |
| 4.2.2 并行K-means聚类 |
| 4.2.3 并行随机森林小波特征融合计算 |
| 4.3 试验结果 |
| 4.4 本章小结 |
| 第五章 焊缝跟踪控制试验及分析 |
| 5.1 工控机与机器人通讯和控制 |
| 5.2 焊缝跟踪精度试验 |
| 5.2.1 直线焊缝跟踪试验 |
| 5.2.2 折线焊缝跟踪试验 |
| 5.2.3 曲线焊缝跟踪试验 |
| 5.3 本章小结 |
| 结论与展望 |
| 一、结论 |
| 二、展望 |
| 参考文献 |
| 攻读博士/硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（8）焊缝跟踪过程传感与信号处理技术的研究进展（论文提纲范文）
| 0 引言 |
| 1 焊缝跟踪传感器 |
| 1.1 电弧传感器 |
| 1.1.1 双丝并列传感器 |
| 1.1.2 摆动电弧传感器 |
| 1.1.3 旋转电弧传感器 |
| 1.1.4 磁控电弧传感器 |
| 1.2 视觉传感器 |
| 1.2.1 主动视觉传感器 |
| 1.2.2 被动视觉传感器 |
| 1.3 其他传感器 |
| 1.3.1 接触式传感器 |
| 1.3.2 电磁传感器 |
| 1.3.3 声学传感器 |
| 2 电弧传感的电信号滤波技术 |
| 2.1 硬件滤波 |
| 2.1.1 低通滤波器滤波 |
| 2.1.2 有源二阶带通滤波器滤波 |
| 2.2 软件滤波 |
| 2.2.1 经典算法滤波 |
| 2.2.2 卡尔曼滤波 |
| 2.2.3 小波滤波 |
| 3 视觉传感的图像处理技术 |
| 3.1 焊缝图像预处理 |
| 3.1.1 焊缝图像降噪 |
| 3.1.2 焊缝图像增强 |
| 3.2 焊缝图像后处理 |
| 3.2.1 基于阈值的图像分割 |
| 3.2.2 焊缝边缘检测 |
| 3.2.3 焊缝特征识别 |
| 4 结语 |
（9）微间隙焊缝磁光成像识别模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.2 激光焊接 |
| 1.2.1 激光作用下材料的物态变化 |
| 1.2.2 激光焊接模式 |
| 1.2.3 激光焊接与其他焊接工艺比较 |
| 1.3 焊缝识别与跟踪技术研究现状 |
| 1.3.1 结构光视觉传感法 |
| 1.3.2 同轴视觉检测法 |
| 1.3.3 激光频闪摄像法 |
| 1.3.4 红外传感检测法 |
| 1.3.5 磁光/涡流成像检测法 |
| 1.3.6 国内外研究现状 |
| 1.4 现有方法存在问题 |
| 1.5 论文研究内容 |
| 第二章 激光焊接磁光成像试验系统 |
| 2.1 试验系统概述 |
| 2.2 主要硬件结构 |
| 2.2.1 光纤传输激光焊接机 |
| 2.2.2 磁光成像传感器 |
| 2.2.3 运动控制工作台 |
| 2.2.4 其他硬件 |
| 2.3 试验方案 |
| 2.3.1 微间隙焊缝激光焊接试验 |
| 2.3.2 微间隙焊缝磁光成像试验 |
| 2.4 本章小结 |
| 第三章 焊缝磁光图像处理与分析 |
| 3.1 焊缝磁光图像预处理 |
| 3.1.1 滤波去噪 |
| 3.1.2 图像增强 |
| 3.2 焊缝过渡带分割 |
| 3.2.1 磁光图像彩色空间焊缝识别 |
| 3.2.2 K-means聚类分割 |
| 3.2.3 遗传算法改进最大熵分割 |
| 3.4 本章小结 |
| 第四章 微间隙焊缝磁光图像特征及焊缝位置检测 |
| 4.1 灰度特征 |
| 4.2 灰度梯度特征 |
| 4.3 纹理特征 |
| 4.4 图像序列光流矢量特征 |
| 4.4.1 光流场 |
| 4.4.2 图像预处理结合光流场焊缝识别 |
| 4.5 梯度矢量流特征 |
| 4.5.1 Snake模型 |
| 4.5.2 GVF模型 |
| 4.5.3 微间隙焊缝检测 |
| 4.6 本章小结 |
| 第五章 微间隙焊缝磁光成像焊缝位置识别模型 |
| 5.1 神经网络预测模型 |
| 5.1.1 BP神经网络 |
| 5.1.2 Elman神经网络 |
| 5.1.3 试验结果及分析 |
| 5.2 卡尔曼滤波预测模型 |
| 5.2.1 卡尔曼滤波算法流程 |
| 5.2.2 焊缝位置卡尔曼滤波 |
| 5.2.3 试验结果及分析 |
| 5.3 粒子滤波预测模型 |
| 5.3.1 粒子滤波 |
| 5.3.2 试验结果及分析 |
| 5.4 本章小结 |
| 结论与展望 |
| 1 结论 |
| 2 创新点 |
| 3 展望 |
| 参考文献 |
| 攻读学位期间发表(含录用)的论文 |
| 攻读博士学位期间参加的课题 |
| 致谢 |
（10）基于视觉传感的移动机器人MAG焊系统及焊缝图像特征研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 移动焊接机器人国内外研究现状 |
| 1.3 机器视觉在焊接领域的应用 |
| 1.3.1 机器视觉 |
| 1.3.2 机器视觉在焊接领域的应用 |
| 1.4 逆变MAG焊电源研究现状 |
| 1.5 本文主要研究的内容 |
| 第二章 轮足组合越障移动焊接机器人试验系统平台 |
| 2.1 越障全位置自主焊接机器人系统 |
| 2.1.1 轮足组合越障机器人本体 |
| 2.1.2 轮足组合越障机器人控制系统 |
| 2.1.3 通讯系统 |
| 2.2 越障全位置自主焊接机器人软件 |
| 2.3 Pulse MAG-350 型焊机系统特性 |
| 第三章 MAG焊视觉传感系统研制及图像采集 |
| 3.1 焊接视觉传感系统 |
| 3.2 MAG焊焊缝图像采集 |
| 第四章 移动焊接机器人MAG熔池视觉信息特征处理 |
| 4.1 熔池图像处理 |
| 4.2 图像平滑 |
| 4.3 中值滤波 |
| 4.4 图像增强 |
| 4.5 图像边缘提取 |
| 4.5.1 基于方向小波的边缘提取 |
| 4.5.2 基于活动轮廓模型的边缘检测 |
| 4.5.3 伪边缘去除 |
| 第五章 MAG焊熔池视觉信息特征处理实验及分析 |
| 5.1 打底焊焊缝间隙和熔池图像处理 |
| 5.2 填充焊焊缝间隙和熔池图像处理 |
| 第六章 结论 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
四、基于二维小波分析的焊缝坡口边缘检测（论文参考文献）
- [1]基于机器视觉的自动激光焊接系统研究与设计[D]. 白戎. 长春工业大学, 2021(08)
- [2]基于激光视觉传感机器人控制系统的多层多道智能弧焊[D]. 郑德阳. 长春工业大学, 2021(08)
- [3]线结构光焊缝特征点提取方法研究[D]. 钱荣威. 石家庄铁道大学, 2021
- [4]林业装备焊缝射线图像的检测技术研究[D]. 杨湘粤. 中南林业科技大学, 2021(02)
- [5]若尔盖湿地NPP时空格局演变及驱动力分析[D]. 曾德裕. 成都信息工程大学, 2019(05)
- [6]超声TOFD系统软件设计及成像处理算法研究[D]. 武斌. 东南大学, 2019(06)
- [7]K-TIG焊接窄间隙焊缝视觉跟踪系统研究[D]. 刘炜聪. 华南理工大学, 2019(01)
- [8]焊缝跟踪过程传感与信号处理技术的研究进展[J]. 翟培卓,薛松柏,陈涛,孙子建,陈卫中,郭佩佩. 材料导报, 2019(07)
- [9]微间隙焊缝磁光成像识别模型研究[D]. 莫玲. 广东工业大学, 2016(08)
- [10]基于视觉传感的移动机器人MAG焊系统及焊缝图像特征研究[D]. 曲承卫. 上海交通大学, 2016(01)