1、本文依托于實(shí)驗(yàn)室的探傷機(jī)器人項(xiàng)目，設(shè)計(jì)了一套基于視覺的焊縫檢測(cè)系統(tǒng)，可以實(shí)時(shí)提取焊縫中心線在圖像中的偏角和偏距信息。對(duì)提高探傷機(jī)器人的自動(dòng)化程度，進(jìn)一步提高焊縫的檢測(cè)精度和跟蹤可靠性具有重要的意義。
　　搭建了焊縫檢測(cè)系統(tǒng)的軟硬件平臺(tái)，硬件方面完成了機(jī)器視覺系統(tǒng)包括相機(jī)、鏡頭和光源的選型設(shè)計(jì)，軟件方面構(gòu)建了從圖像采集，焊縫檢測(cè)，中心線提取到串口通信這一實(shí)現(xiàn)方式，并對(duì)焊縫檢測(cè)算法和中心線提取算法這一關(guān)鍵技術(shù)進(jìn)行了深入的研究，分別采用

2、傳統(tǒng)的圖像處理、BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)三種方法展開研究。
　　在傳統(tǒng)的圖像處理中，按照?qǐng)D像預(yù)處理、邊緣檢測(cè)、圖像后處理的步驟進(jìn)行焊縫檢測(cè)。在圖像后處理中，在已有的區(qū)域生長(zhǎng)算法基礎(chǔ)上改進(jìn)提出一種基于區(qū)域生長(zhǎng)標(biāo)號(hào)去噪的算法去除小面積噪聲，并提出一種基于質(zhì)心的中心線提取算法快速求出焊縫中心線的直線方程。
　　針對(duì)傳統(tǒng)的圖像處理算法對(duì)光照比較敏感，自適應(yīng)性較差的缺點(diǎn)，在普通神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，提出一種基于子區(qū)域BP神經(jīng)網(wǎng)絡(luò)的算法，

3、該算法把圖像的子區(qū)域作為網(wǎng)絡(luò)的輸入，把子區(qū)域的分類作為網(wǎng)絡(luò)的輸出。然后對(duì)該算法進(jìn)行改進(jìn)提出子區(qū)域BP_Adaboost算法，把子區(qū)域BP網(wǎng)絡(luò)作為弱分類器，實(shí)驗(yàn)表明可以提高子區(qū)域BP神經(jīng)網(wǎng)絡(luò)的分類準(zhǔn)確率。
　　針對(duì)子區(qū)域神經(jīng)網(wǎng)絡(luò)挑選特征樣本十分繁瑣，且整張圖片的焊縫識(shí)別正確率耍比子區(qū)域的分類正確率低很多的問題，采用基于卷積神經(jīng)網(wǎng)絡(luò)的Faster RCNN算法進(jìn)行焊縫檢測(cè)，直接把整張圖片作為輸入，焊縫的位置作為輸出，測(cè)試的準(zhǔn)確率可以達(dá)