遺傳算法在微間隙焊縫分割中的應用

莫　玲，高向東，蕭振林，陳曉輝

遺傳算法在微間隙焊縫分割中的應用

莫玲1，高向東1，蕭振林2，陳曉輝2

（1.廣東工業大學機電工程學院，廣東廣州510006；2.廣州番禺高勛染整設備制造有限公司，廣東廣州511400）

焊縫識別是焊縫跟蹤的前提條件。針對激光焊接緊密對接微間隙（焊縫間隙不大于0.15 mm）焊縫，利用磁光傳感器實時采集焊縫區域信息，焊縫與母材在磁場作用下進行成像，研究遺傳算法在焊縫圖像閾值分割中的應用。介紹遺傳算法的基本理論，重點闡述遺傳算法在微間隙焊縫檢測中的應用，與傳統的焊縫邊緣檢測算法相比，遺傳算法能夠更準確地提取焊縫信息，得到完整的焊縫邊緣輪廓。試驗結果表明，該方法能有效地識別微間隙焊縫。

遺傳算法；微間隙；焊縫；圖像分割

0　前言

隨著工業自動化、智能化、數字化等技術的日益發展，焊接自動化逐漸替代傳統的手工焊接工藝。焊縫跟蹤技術是保證焊接質量的關鍵因素，而焊縫位置的準確識別尤為重要。焊縫檢測方法可分為電弧傳感法、接觸傳感法、超聲波傳感法、視覺傳感法等[1-4]，其中視覺傳感技術具有提供信息豐富、靈敏度和測量精度高、抗電磁場干擾能力強、與焊件無接觸等優點，適合于各種坡口形狀的焊縫。由于焊接工業現場往往存在大量的金屬蒸汽、煙霧和飛濺，加上光源輻射的干擾影響，人們難以直接通過視覺傳感器捕獲焊接區域焊縫的準確信息，在一定程度上給焊縫識別帶來了難題。

針對激光焊接低碳鋼板微間隙（不大于0.15 mm）緊密對接焊縫，利用磁光傳感器采集焊縫磁光圖像，研究了一種基于遺傳算法的焊縫分割方法。

1　試驗裝置

以激光焊接作為研究對象，焊縫檢測試驗裝置如圖1所示。試驗裝置主要包括：YAG激光焊接設備、磁光傳感器、同軸攝像機、夾具及三軸聯動工作臺等。進行焊接試驗時，焊件固定于工作臺的夾具上，激光束固定不動，由工作臺帶動焊件運動，磁光傳感器置于焊件上方待焊區前方，實時采集焊接過程中焊縫磁光圖像，并將拍攝到的圖片保存到圖像存儲器中。焊接選用尺寸為100 mm×38 mm×1.84 mm的低碳鋼板，鋼板對接間隙不大于0.15 mm。

圖1　焊縫檢測試驗裝置

2　遺傳算法在焊縫提取中的應用

2.1圖像分割

圖像分割是圖像處理中的重要環節。圖像分割的目的是將目標和背景分離，為后續的圖像分類、圖像識別等做準備。常用的圖像分割方法有閾值法、邊緣檢測法和區域跟蹤法，其中閾值法又包括最大類間方差法（Ostu）、最佳直方圖熵法、最小誤差閾值法和矩量保持法等。遺傳算法GA（GeneticAlgorithm）用于圖像分割有兩種情況——幫助現有的圖像分割算法在參數空間內搜索參數以及在候選的分隔空間內搜索最優的分隔方案。針對前者，一般利用GA的全局搜索性加速或優化現有的閾值分割算法，常用來幫助確定分割閾值。每個染色體用8位二進制串表示，代表一個閾值。由適應度值進行染色體優勝劣汰的選擇，經過不斷進化，得到圖像的最佳分割閾值。

圖2a為焊縫實物，圖2b為磁光傳感器采集到的一幅焊縫區域磁光RGB彩色圖像。焊縫和母材區域在磁場N極和S極的作用下呈現不同的磁場分布，反映到圖像上焊縫位置的亮度介于上下兩塊母材的亮度之間。為準確提取焊縫軌跡，采用遺傳算法對焊縫磁光圖像進行分割。

a焊縫實物b焊縫磁光圖像圖2　焊縫實物及磁光圖像

2.2遺傳算法用于焊縫圖像分割

遺傳算法是一種高度并行、隨機和自適應的優化算法，它將問題的解采用染色體進行描述，通過染色體模擬自然界的進化過程，最終找到最適應個體，求得問題的最優解或近似最優解[5]。GA的自組織、自適應、自學習和群體進化能力使其適合于大規模復雜的優化問題，作為一類隨機的優化算法，它的特點在于通過對染色體的評價和遺傳操作，利用已有的信息指導搜索有希望改善優化質量的狀態。GA的編碼和遺傳操作比較簡單，優化不受限制性條件的約束，并且具有隱含并行性和全局解空間搜索的兩大優點。

2.3基于遺傳算法的圖像分割

遺傳算法是一個以適應度函數或者目標函數作為依據，通過對群體個體施加遺傳操作（選擇、交叉、變異）實現群體內個體結構重組的一種迭代過程。在遺傳算法計算過程中，群體個體（問題的解）一代一代地進行優化最后逐漸逼近最優解。焊縫圖像閾值分割算法中的關鍵問題是閾值的選取，利用遺傳算法的目的就是求解最佳分割閾值。

一幅焊縫磁光圖像的灰度值在0～255內，對應一個8位二進制，即一個字節，因此，基于遺傳算法的圖像分割采用二進制對其灰度級編碼。然后初始種群，產生一個規模為N（N=20）的染色體種群，這N個染色體按二進制編碼。接著，計算每個染色體的適應度函數值。本研究采用圖像的熵計算公式作為每個染色體的適應度函數。對于灰度范圍{0，1，…，L-1}的圖像，假設圖中灰度級低于t的像素點構成目標區域（O），灰度級高于t的像素點構成背景區域（B），則各概率在其本區域的分布分別為[6]：

O區：Pi/Pt，（i=0，1，…，t）

B區：Pi/（1-Pt），（i=t+1，t+2，…，L-1）

圖像的熵函數定義為

式中HO（t）、HB（t）分別為目標區域和背景區域熵。

選擇適應性好的個體作為遺傳種子進行遺傳運算，采用輪盤賭選擇方法[7]，逐代進行運算。采用單點交叉，在個體串中隨機設定一個交叉點，對隨機匹配交叉的個體的部分串（在交叉點后）進行互換，根據迭代次數，先在前期使用交叉概率為Pc=0.7進行交叉，迅速向最優解收斂；當進化到后期時，使用交叉概率Pc=0.3進行交叉，保證最優解的穩定性。接著，對種群的每一個個體中的某些位進行異位。設置前期種群使用變異概率為Pm=0.04進行操作，當種群進化到末期時已比較接近最優解，需要降低變異概率，所以使用變異概率Pm=0.02進行操作。最后，試驗經過23代進化，群體的最高適應度值達到穩定，算法停止運行。對具有最高適應度值的個體進行解碼，即可求得最佳分割閾值。

3　試驗結果與討論

采用傳統Ostu、最大熵法計算的焊縫分割結果如圖3所示。圖4給出了遺傳算法用于焊縫分割的結果。顯然，遺傳算法最大熵焊縫分割效果優于常規最大熵圖像分割。適應度函數曲線和最佳閾值進化曲線如圖5所示。當遺傳算法優化到23代，最佳適應度值曲線變化不大幾乎保持穩定，對具有最高適應度函數的個體進行解碼即可得到最佳分割閾值143。不同焊縫個分割方法的計算時間、焊縫中心位置和閾值比較結果如表1所示。

表1　比較遺傳算法與Ostu、最大熵法焊縫分割結果

a傳統Ostub最大熵法圖3　傳統Ostu、最大熵法分割結果

圖4　遺傳算法磁光圖像焊縫分割

圖5　每一代的適應度值和最佳閾值進化曲線

一組焊縫間隙為0.1 mm的焊縫中心橫坐標曲線如圖6所示。其中，實線為焊縫實際值，虛線為利用遺傳算法計算的測量值。可見，遺傳算法焊縫磁光圖像分割算法能夠準確地提取微間隙焊縫位置。

Page 115

Application of genetic algorithm in micro-gap butt joint segmentation

MO Ling1，GAO Xiangdong1，XIAO Zhenlin2，CHEN Xiaohui2
（1.School of Electromechanical Engineering，Guangdong University of Technology，Guangzhou 510006，China；2. Guangzhou Panyu Gofront Dyeing&Finishing Machinery Manufacturer Ltd.，Guangzhou 511400，China）

Weld seam recognition is a prerequisite for seam tracking.The micro-gap butt joint（weld gap is less than 0.15 mm）laser welding of low-carbon steel was chosen as the research object，a magneto-optical sensor was used to collect the weld region information，magneto-optical images were formed under the action of magnetic field on the weld material and seam.The application of genetic algorithm for seam image threshold segmentation was studied.The basic theory of genetic algorithm was introduced briefly，the application of genetic algorithms for micro-gap weld seam detection was proposed，compared with the traditional edge detection algorithm,genetic algorithm could extract the information of weld seam more accurately.Experimental results showed that this method could effectively identify the micro-gap weld.

genetic algorithm；micro-gap；welding seam；image segmentation

TG409

A

1001－2303（2016）01－0053-04

10.7512/j.issn.1001-2303.2016.01.12

2015－01－23；

2015－04－16

國家自然科學基金資助項目（51175095）；廣東省自然科學基金資助項目（10251009001000001）；廣東省學科建設科技創新項目（2013KJCX0063）

莫玲（1985—），女，瑤族，廣西人，博士，主要從事焊接自動化研究工作。