CN119444664A 一种焊接质量视觉检测方法 （黄冈师范学院）

路根据每个像素邻域块内每个像素点的灰度特征获得每条同类边缘为焊缝内边缘的置信度与每像素点的灰度输出值，并获得优化焊接灰度图2S2：获取待测焊接灰度图像中每个像素点对应的S3：获取待测焊接灰度图像中每条边缘的边缘获取每条同类边缘的中心点，根据每条同类边缘上每个边缘像素点与对距离和对应同类边缘的圆形拟合度获得每条同类边缘为焊缝内边缘的根据每条同类边缘的置信度和对应同类边缘上的局部边缘像素根据所述伽马值调整系数对每个像素点的预设伽马值进行调整，根据每个像素邻域块内每个像素点的所述优化伽马值和对应像素点的灰度值获得每3S203：构建支持向量回归模型，通过将提取的S204：通过对新采集的待测物焊接图像进行灰度将待测物焊接图像的图像特征输入至训练好的支持向量回归模型，得到通过将预测的权重系数代入至光照影响程度的计算公式中，计算4S305：通过对新采集的多角度待测焊接灰度图像进行灰将多角度待测焊接灰度图像的图像综合特征输入至训练好的支持向使用预测的权重系数代入至光照影响程度公式，计算每个S402：使用震动发生器模拟生产环境为待测物添S403：通过动态特征提取算法提取震动条件下采集待测物的动态焊接图像序列的特S404：通过将震动综合特征向量输入至支持向量S405：通过对新采集震动条件下待测物的动态焊将震动综合特征向量输入至训练好的支持向量回归模型，预测每个角度使用预测的权重系数代入至光照影响程度公式，计算每个5[0002]随着工业自动化技术的不断进步，越来越多的生产线开[0003]现有的发明专利CN117689662B提供了一种换热器管头焊接质量视觉检测方法及6的相对距离和对应同类边缘的圆形拟合度获得[0027]S4：根据每个像素邻域块内的所述光照影响程度和对应同类边缘的所述缺陷程[0029]根据每个像素邻域块内每个像素点的所述优化伽马值和对应像素点的灰度值获7适应参数调整机制动态调整光照影响程度公式中的权重系数，得到焊缝质量的评估结果，[0048]S304：通过将多角度待测焊接灰度图像集输入至支持向量回归模型进行模型训[0050]将多角度待测焊接灰度图像的图像综合特征输入至训练8区分光照影响区域和正常焊接区域；梯度均匀性的评估考虑了图像中边缘信息的连续性，9的相对距离和对应同类边缘的圆形拟合度获得[0091]S4：根据每个像素邻域块内的所述光照影响程度和对应同类边缘的所述缺陷程[0093]根据每个像素邻域块内每个像素点的所述优化伽马值和对应像素点的灰度值获区分光照影响区域和正常焊接区域；梯度均匀性的评估考虑了图像中边缘信息的连续性，照影响程度公式中的权重系数，自适应调整能够更准确地反映实际光照对焊缝图像的影[0114]传统的焊缝质量检测需要人工根据光照条件手动调整检适应参数调整机制动态调整光照影响程度公式中的权重系数，得到焊缝质量的评估结果，[0124]S304：通过将多角度待测焊接灰度图像集输入至支持向量回归模型进行模型训[0126]将多角度待测焊接灰度图像的图像综合特征输入至训练[0131]通过对多角度图像进行标注和特征提取，系统能够更准[0132]本方案实现了