遗传算法在微间隙焊缝分割中的应用

莫　玲，高向东，萧振林，陈晓辉

遗传算法在微间隙焊缝分割中的应用

莫玲1，高向东1，萧振林2，陈晓辉2

（1.广东工业大学机电工程学院，广东广州510006；2.广州番禺高勋染整设备制造有限公司，广东广州511400）

焊缝识别是焊缝跟踪的前提条件。针对激光焊接紧密对接微间隙（焊缝间隙不大于0.15 mm）焊缝，利用磁光传感器实时采集焊缝区域信息，焊缝与母材在磁场作用下进行成像，研究遗传算法在焊缝图像阈值分割中的应用。介绍遗传算法的基本理论，重点阐述遗传算法在微间隙焊缝检测中的应用，与传统的焊缝边缘检测算法相比，遗传算法能够更准确地提取焊缝信息，得到完整的焊缝边缘轮廓。试验结果表明，该方法能有效地识别微间隙焊缝。

遗传算法；微间隙；焊缝；图像分割

0　前言

随着工业自动化、智能化、数字化等技术的日益发展，焊接自动化逐渐替代传统的手工焊接工艺。焊缝跟踪技术是保证焊接质量的关键因素，而焊缝位置的准确识别尤为重要。焊缝检测方法可分为电弧传感法、接触传感法、超声波传感法、视觉传感法等[1-4]，其中视觉传感技术具有提供信息丰富、灵敏度和测量精度高、抗电磁场干扰能力强、与焊件无接触等优点，适合于各种坡口形状的焊缝。由于焊接工业现场往往存在大量的金属蒸汽、烟雾和飞溅，加上光源辐射的干扰影响，人们难以直接通过视觉传感器捕获焊接区域焊缝的准确信息，在一定程度上给焊缝识别带来了难题。

针对激光焊接低碳钢板微间隙（不大于0.15 mm）紧密对接焊缝，利用磁光传感器采集焊缝磁光图像，研究了一种基于遗传算法的焊缝分割方法。

1　试验装置

以激光焊接作为研究对象，焊缝检测试验装置如图1所示。试验装置主要包括：YAG激光焊接设备、磁光传感器、同轴摄像机、夹具及三轴联动工作台等。进行焊接试验时，焊件固定于工作台的夹具上，激光束固定不动，由工作台带动焊件运动，磁光传感器置于焊件上方待焊区前方，实时采集焊接过程中焊缝磁光图像，并将拍摄到的图片保存到图像存储器中。焊接选用尺寸为100 mm×38 mm×1.84 mm的低碳钢板，钢板对接间隙不大于0.15 mm。

图1　焊缝检测试验装置

2　遗传算法在焊缝提取中的应用

2.1图像分割

图像分割是图像处理中的重要环节。图像分割的目的是将目标和背景分离，为后续的图像分类、图像识别等做准备。常用的图像分割方法有阈值法、边缘检测法和区域跟踪法，其中阈值法又包括最大类间方差法（Ostu）、最佳直方图熵法、最小误差阈值法和矩量保持法等。遗传算法GA（GeneticAlgorithm）用于图像分割有两种情况——帮助现有的图像分割算法在参数空间内搜索参数以及在候选的分隔空间内搜索最优的分隔方案。针对前者，一般利用GA的全局搜索性加速或优化现有的阈值分割算法，常用来帮助确定分割阈值。每个染色体用8位二进制串表示，代表一个阈值。由适应度值进行染色体优胜劣汰的选择，经过不断进化，得到图像的最佳分割阈值。

图2a为焊缝实物，图2b为磁光传感器采集到的一幅焊缝区域磁光RGB彩色图像。焊缝和母材区域在磁场N极和S极的作用下呈现不同的磁场分布，反映到图像上焊缝位置的亮度介于上下两块母材的亮度之间。为准确提取焊缝轨迹，采用遗传算法对焊缝磁光图像进行分割。

a焊缝实物b焊缝磁光图像图2　焊缝实物及磁光图像

2.2遗传算法用于焊缝图像分割

遗传算法是一种高度并行、随机和自适应的优化算法，它将问题的解采用染色体进行描述，通过染色体模拟自然界的进化过程，最终找到最适应个体，求得问题的最优解或近似最优解[5]。GA的自组织、自适应、自学习和群体进化能力使其适合于大规模复杂的优化问题，作为一类随机的优化算法，它的特点在于通过对染色体的评价和遗传操作，利用已有的信息指导搜索有希望改善优化质量的状态。GA的编码和遗传操作比较简单，优化不受限制性条件的约束，并且具有隐含并行性和全局解空间搜索的两大优点。

2.3基于遗传算法的图像分割

遗传算法是一个以适应度函数或者目标函数作为依据，通过对群体个体施加遗传操作（选择、交叉、变异）实现群体内个体结构重组的一种迭代过程。在遗传算法计算过程中，群体个体（问题的解）一代一代地进行优化最后逐渐逼近最优解。焊缝图像阈值分割算法中的关键问题是阈值的选取，利用遗传算法的目的就是求解最佳分割阈值。

一幅焊缝磁光图像的灰度值在0～255内，对应一个8位二进制，即一个字节，因此，基于遗传算法的图像分割采用二进制对其灰度级编码。然后初始种群，产生一个规模为N（N=20）的染色体种群，这N个染色体按二进制编码。接着，计算每个染色体的适应度函数值。本研究采用图像的熵计算公式作为每个染色体的适应度函数。对于灰度范围{0，1，…，L-1}的图像，假设图中灰度级低于t的像素点构成目标区域（O），灰度级高于t的像素点构成背景区域（B），则各概率在其本区域的分布分别为[6]：

O区：Pi/Pt，（i=0，1，…，t）

B区：Pi/（1-Pt），（i=t+1，t+2，…，L-1）

图像的熵函数定义为

式中HO（t）、HB（t）分别为目标区域和背景区域熵。

选择适应性好的个体作为遗传种子进行遗传运算，采用轮盘赌选择方法[7]，逐代进行运算。采用单点交叉，在个体串中随机设定一个交叉点，对随机匹配交叉的个体的部分串（在交叉点后）进行互换，根据迭代次数，先在前期使用交叉概率为Pc=0.7进行交叉，迅速向最优解收敛；当进化到后期时，使用交叉概率Pc=0.3进行交叉，保证最优解的稳定性。接着，对种群的每一个个体中的某些位进行异位。设置前期种群使用变异概率为Pm=0.04进行操作，当种群进化到末期时已比较接近最优解，需要降低变异概率，所以使用变异概率Pm=0.02进行操作。最后，试验经过23代进化，群体的最高适应度值达到稳定，算法停止运行。对具有最高适应度值的个体进行解码，即可求得最佳分割阈值。

3　试验结果与讨论

采用传统Ostu、最大熵法计算的焊缝分割结果如图3所示。图4给出了遗传算法用于焊缝分割的结果。显然，遗传算法最大熵焊缝分割效果优于常规最大熵图像分割。适应度函数曲线和最佳阈值进化曲线如图5所示。当遗传算法优化到23代，最佳适应度值曲线变化不大几乎保持稳定，对具有最高适应度函数的个体进行解码即可得到最佳分割阈值143。不同焊缝个分割方法的计算时间、焊缝中心位置和阈值比较结果如表1所示。

表1　比较遗传算法与Ostu、最大熵法焊缝分割结果

a传统Ostub最大熵法图3　传统Ostu、最大熵法分割结果

图4　遗传算法磁光图像焊缝分割

图5　每一代的适应度值和最佳阈值进化曲线

一组焊缝间隙为0.1 mm的焊缝中心横坐标曲线如图6所示。其中，实线为焊缝实际值，虚线为利用遗传算法计算的测量值。可见，遗传算法焊缝磁光图像分割算法能够准确地提取微间隙焊缝位置。

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

国家自然科学基金资助项目（51175095）；广东省自然科学基金资助项目（10251009001000001）；广东省学科建设科技创新项目（2013KJCX0063）

莫玲（1985—），女，瑶族，广西人，博士，主要从事焊接自动化研究工作。