[发明专利]一种用于集装箱焊接质量智能检测方法

说明书

本发明涉及图像处理技术领域，具体涉及一种用于集装箱焊接质量智能检测方法，该方法包括：获取集装箱铰链焊接部分的射线图像记为焊接表面图像，将阈值分割后图像中的连通域记为缺陷区域；然后获取缺陷区域边缘上两个像素点的距离最大值记为第一距离线段，进而获取第二距离线段，得到第一形态参数；对过第一距离线段上点的垂线段长度进行分析得到第二和第三形态参数，进而得到第一缺陷指标，若该指标大于第一阈值，则缺陷区域存在气孔缺陷；若小于第一阈值，获取缺陷的主干走势方向，进而获得缺陷主干线段进行分析得到第二缺陷指标，判断存在未焊透缺陷还是裂纹缺陷，进而根据质量指标判断集装箱焊接质量。本发明能够获取具体的焊接缺陷类型。

技术领域

本发明涉及图像处理技术领域，具体涉及一种用于集装箱焊接质量智能检测方法。

背景技术

生产集装箱是非常重要的工作，因为集装箱需要经历长途货运，因此保证其质量是非常重要的。在集装箱焊接的过程中往往不可避免的会出现焊接缺陷，焊接缺陷的存在会影响集装箱的质量，最终导致集装箱的品质受损。而现代社会的发展离不开集装箱货运，不断提升集装箱质量才能有效保证商品经济的发展。

集装箱铰链焊接在集装箱上，则集装箱铰链焊接部分在焊接过程中可能会形成缺陷，主要有焊接裂纹、未焊透和气孔缺陷等。这些缺陷减少焊缝面积，降低承载能力，产生应力集中，引起裂纹；降低疲劳强度，易引起焊件破裂导致脆断。焊接生产中受材质、工艺和结构等多方面因素影响，加上焊接作业中的操作不当容易产生焊接缺陷。

因此准确检测集装箱铰链的焊接部分存在的缺陷，对提升集装箱质量显得尤为重要。目前常通过机器视觉的方法采集集装箱的焊接部分的图像，利用大津阈值分割法或者其他阈值分割的方法对采集的图像进行分割处理，以确定焊接部分是否存在缺陷。该方法仅仅依据图像中像素点的像素值与阈值的大小进行分析判断，最终检测结果只能较为粗略获得焊接部分是否存在缺陷，难以确定出现缺陷的类型。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种用于集装箱焊接质量智能检测方法，所采用的技术方案具体如下：

获取集装箱铰链焊接部分的射线图像记为焊接表面图像，对焊接表面图像进行阈值分割处理后，再进行连通域分析得到多个连通域区域记为缺陷区域；

获取各缺陷区域的边缘上任意两个像素点之间的距离，将所有距离的最大值对应的两个像素点的连线记为缺陷区域的第一距离线段；获取过第一距离线段中点的垂线段记为第二距离线段；根据第二距离线段和第一距离线段长度的比值得到第一形态参数；

在第一距离线段上获取设定数量的点，分别获取过这些点的垂线段长度构成垂线段序列，基于垂线段序列中元素计算第二形态参数和第三形态参数；根据第一、第二和第三形态参数得到第一缺陷指标，若第一缺陷指标大于第一阈值，则焊接部分存在气孔缺陷；

当第一缺陷指标小于或等于第一阈值时，对缺陷区域内所有像素点的像素值进行PCA主成分分析，获得缺陷区域中缺陷的主干走势方向，将该方向上在缺陷区域内的线段记为缺陷主干线段；根据缺陷主干线段上点的垂线段长度获得第二缺陷指标；第二缺陷指标大于第二阈值，焊接部分存在裂纹缺陷，否则焊接部分存在未焊透缺陷；对存在三种缺陷的缺陷区域内像素点数量进行加权求和得到质量指标，根据质量指标判断集装箱焊接质量。

优选地，所述对焊接表面图像进行阈值分割处理具体为：利用大津阈值分割法对焊接表面图像进行阈值分割处理。

优选地，所述获取各缺陷区域的边缘上两个像素点之间的距离具体为：计算各缺陷区域的边缘上两个像素点之间的欧氏距离。

优选地，所述第二距离线段的端点为缺陷区域边缘上的像素点，且第二距离线段与第一距离线段互相垂直。

优选地，所述基于垂线段序列中元素计算第二形态参数和第三形态参数具体为：