旁路耦合电弧MIG焊熔池边缘提取算法研究学习体会

文献概况

本文由兰州理工大学薛诚、石玗、汪海涛、樊丁等人发表于2011年《兰州理工大学学报》第37卷第5期，围绕旁路耦合电弧MIG焊（Dual Electrode-GMAW，DE-GMAW）在连续大电流焊接条件下的焊接熔池图像被动视觉采集和熔池边缘提取算法展开研究。该研究受国家自然科学基金（50805073）和甘肃省教育厅基金（0803-02）资助，是兰州理工大学有色金属合金及加工教育部重点实验室在焊接视觉检测领域的重要研究成果。

研究背景与技术挑战

焊接熔池边缘的实时提取是焊接过程在线监控与自动化的核心技术之一。熔池边缘信息直接反映了熔深、熔宽、余高等关键焊接质量指标，是实现焊接过程闭环控制的基础。然而，旁路耦合电弧MIG焊由于采用双电弧结构，熔池周围的电弧辐射信号更为复杂，给熔池边缘的准确提取带来了巨大挑战。

旁路耦合电弧MIG焊熔池视觉采集的难点

图像预处理算法

传统方法的局限

传统的熔池边缘提取方法通常采用简单的阈值分割或梯度算子，但在旁路耦合电弧MIG焊条件下，由于双电弧的强辐射干扰，传统方法难以有效区分熔池边缘与电弧边界。

本文提出的预处理算法

文献提出了一种新的图像预处理算法，其核心思想是：

1. 电弧信号抑制：利用电弧与熔池在光谱特性、辐射强度分布上的差异，通过特定的滤波或增强技术抑制电弧信号对熔池边缘的干扰。
2. 熔池信号增强：在抑制电弧信号的同时，增强熔池区域的对比度，使熔池边缘更加清晰。
3. 噪声抑制：通过适当的平滑处理降低图像噪声，同时保留边缘信息。

该预处理算法的有效性通过后续边缘提取结果的对比得到验证——经过预处理后的图像，熔池边缘的对比度显著提升，电弧干扰明显减弱。

边缘提取算法

微分算子对比分析

文献对比了6种微分算子的边缘提取效果，包括常见的Roberts算子、Prewitt算子、Sobel算子、Laplace算子、Canny算子等。对比结果表明：

本文提出的新算法

在对比分析的基础上，文献提出了一种新的熔池边缘提取算法。该算法的核心特点包括：

• 多尺度边缘检测：结合不同尺度的微分算子，兼顾边缘定位精度和抗噪声能力。
• 自适应阈值：根据熔池图像的局部特征自适应调整阈值，避免固定阈值在复杂背景下的失效。
• 边缘连接优化：通过形态学操作或曲线拟合，提高边缘的连续性和平滑度。

算法性能验证

实验结果表明，新的边缘提取算法在连续大电流焊接条件下，能够实现：

• 准确度：熔池边缘定位误差在可接受范围内，能够准确反映熔池的实际边界。
• 连续性：提取的边缘曲线连续无断裂，满足后续熔池几何参数计算的需要。
• 平滑度：边缘曲线平滑，避免了因噪声引起的边缘抖动。

与工程实践的结合

在焊接过程在线监控与自动化控制中，熔池边缘提取技术具有重要应用价值：

第一，熔池几何参数实时监测。通过提取熔池边缘，可以实时计算熔池宽度、长度、面积等几何参数，这些参数与熔深、熔宽、余高等焊接质量指标密切相关，是实现焊接质量在线评估的基础。

第二，焊接过程闭环控制。熔池边缘信息可作为焊接参数（如电流、电压、焊接速度）闭环控制的反馈信号。例如，当检测到熔池宽度异常增大时，系统可自动减小焊接电流，防止烧穿。

第三，缺陷预警。熔池边缘的异常变化往往是焊接缺陷（如气孔、裂纹、未熔合）的先兆信号。通过实时监测熔池边缘形态，可以在缺陷形成前发出预警，实现预防性控制。

第四，多弧焊接的特殊需求。旁路耦合电弧MIG焊的双电弧结构使熔池形态更为复杂，传统的单弧焊接熔池提取方法难以适用。本文提出的算法专门针对双弧干扰进行了优化，对于其他多弧焊接方法（如双丝CO2焊、激光-MIG复合焊等）的熔池监测同样具有参考价值。

关键疑问与深入思考

该研究在熔池边缘提取算法方面取得了重要进展，但仍有以下问题值得探讨：

• 算法实时性：文献未明确说明算法的计算时间。在实际焊接过程中，焊接速度可达1 m/min以上，熔池边缘提取算法必须满足实时性要求（通常要求帧率≥30 fps）。
• 多弧干扰的深入分析：文献提出了预处理算法，但未深入分析双电弧干扰的物理机制和光谱特征，对算法的进一步优化存在局限。
• 三维熔池信息获取：二维图像只能提供熔池表面的边缘信息，无法反映熔池的三维形态（特别是熔深）。未来可考虑结合X射线成像或超声检测技术获取三维熔池信息。
• 数据分析方法的适用性：近年来，基于数据分析的图像分割方法在焊接视觉检测中展现出巨大潜力，但本文发表时该技术尚未成熟。现在回顾，数据分析可能是解决复杂背景边缘提取问题的更有效途径。

学习心得与启示

旁路耦合电弧MIG焊熔池边缘提取算法的研究，是焊接视觉检测领域从"能提取"向"准提取"迈进的重要一步。从工程实践角度看，焊接视觉检测技术的价值不仅在于"看见"熔池，更在于"看懂"熔池——即从熔池图像中提取有意义的物理信息，并将其转化为焊接过程的优化依据。本文提出的预处理算法和边缘提取算法，为多弧焊接条件下的熔池视觉检测提供了实用解决方案。对于从事焊接自动化与智能化研究的技术人员而言，应注重图像处理算法与焊接冶金机理的深度融合，避免"为算法而算法"的倾向，真正以焊接质量提升为目标导向。该文献为多弧焊接过程的在线监控提供了重要的技术支撑。