数字焊机熔池高分辨率视觉传感与缺陷的实时分割算法研究

引言

随着制造业智能化升级，焊接质量在线监测需求日益迫切。传统焊接监测依赖人工或低精度传感设备，难以实时获取熔池细微动态变化，导致缺陷识别滞后、漏检率高。熔池作为焊接质量核心表征，其高分辨率成像与动态分析存在技术瓶颈，而现有缺陷分割算法在实时性与精度上难以兼顾，制约了焊接过程智能化发展。

1 高分辨率视觉传感技术在焊接熔池监测中的应用

1.1 高分辨率视觉传感系统构成

高分辨率视觉传感系统是实现焊接熔池精准监测的核心硬件支撑，其构成需兼顾成像精度、环境适应性与实时性要求。系统以工业级高分辨率相机为核心成像单元，搭配大靶面光学镜头，可实现微米级熔池细节捕捉，分辨率达 2000 万像素以上，帧率满足 50fps 动态拍摄需求。为克服焊接弧光干扰，系统集成窄带滤光模块与自适应光源调节装置，通过特定波长光线过滤与补光强度动态控制，有效抑制强光噪声。机械结构采用多自由度调节支架，结合耐高温防护外壳，确保传感器在高温、飞溅环境下稳定工作。数据传输模块采用千兆以太网接口，实现图像数据高速实时传输，同时配备本地缓存单元，避免数据丢失。系统还包含同步控制模块，通过与焊接设备信号联动，实现熔池图像采集与焊接过程的精准时序匹配。

1.2 熔池图像特征分析

熔池图像特征分析是实现焊接质量量化评估的关键环节，需从几何形态、灰度分布及动态变化三个维度提取有效信息。几何特征方面，通过边缘检测算法识别熔池轮廓，提取熔池长度、宽度、面积及后端凹陷深度等参数，其中熔池长宽比与焊接电流稳定性直接相关，后端凹陷深度可反映熔透程度。灰度特征表现为熔池中心区域与边缘的灰度梯度差异，高温熔池中心呈现高亮特性，边缘区域因温度梯度形成灰度衰减带，通过灰度共生矩阵可量化熔池温度场分布均匀性。动态特征聚焦于熔池表面流动状态，采用光流法捕捉熔池液态金属的动态流速与方向，其波动幅度与焊接缺陷发生率呈正相关。此外，图像中飞溅斑点的数量、大小及分布密度可作为辅助特征，用于评估焊接过程稳定性，为后续缺陷识别提供基础特征库。

1.3 系统实现与硬件部署

系统实现以软硬件协同架构为核心，通过模块化设计确保监测流程高效运行。硬件部署采用“分布式传感 + 集中式处理”架构，将高分辨率相机、滤光模块及同步控制器集成于焊接机械臂末端，通过耐高温线缆连接至工业控制主机，形成 5 米范围内的近距离监测网络。控制主机搭载 GPU 加速单元，支持每秒 20 帧以上的图像实时处理，同时通过 IO 接口与焊接电源实现信号交互，可动态调整焊接参数。软件层面开发专用图像采集与预处理程序，集成自动曝光调节、噪声抑制及畸变校正功能，确保原始图像质量。部署过程中进行多轮校准实验，通过激光定位仪调整相机光轴与焊接路径的垂直度，误差控制在 0.5^∘ 以内，最终构建起从传感数据获取到质量特征提取的完整技术链路。

2 焊接缺陷的实时分割算法研究

2.1 分割算法概述

焊接缺陷实时分割算法是实现焊接质量在线评判的核心技术，其发展经历了传统机器视觉与深度学习两个阶段。传统算法以阈值分割、边缘检测及区域生长法为代表，通过人工设计特征提取缺陷轮廓，但受限于焊接场景中弧光干扰、熔池动态变化等复杂因素，对微小气孔、裂纹等缺陷的识别精度不足，鲁棒性较差。随着深度学习技术的发展，基于卷积神经网络的分割算法成为主流，如 FCN（如图 1 所示）、U-Net 及其改进模型，通过多层次特征融合实现像素级语义分割，显著提升了缺陷识别的准确率。针对焊接缺陷检测的实时性需求，轻量级网络架构如 MobileNet、ShuffleNet 被广泛应用，在保证精度的同时降低计算复杂度。目前算法研究聚焦于解决缺陷类别不平衡、小目标检测难等问题，通过数据增强、注意力机制及多尺度特征融合等策略，逐步实现焊接过程中各类缺陷的快速精准分割。

图 1 FCN 原理示意图

2.2 基于卷积神经网络的缺陷分割模型

基于卷积神经网络的缺陷分割模型以改进型 架构为基础，针对焊接缺陷特征优化网络结构与参数配置。模型采用“编码器 - 解码器”对称结构，编码器部分选用 ResNet50 作为主干网络，通过 5 层卷积操作提取多尺度特征，其中低层特征捕捉气孔、飞溅等小目标细节，高层特征识别裂纹、未熔合等宏观缺陷。解码器部分通过跳跃连接融合编码器不同层级特征，结合转置卷积实现像素级定位，解决传统网络细节丢失问题。为增强缺陷特征响应，在编码阶段嵌入通道注意力模块，动态调整熔池背景与缺陷区域的特征权重；在解码阶段引入空间注意力机制，聚焦缺陷边缘纹理信息。模型训练采用加权交叉熵损失函数，缓解气孔与裂纹样本数量不平衡问题，通过数据增强技术扩充包含各类缺陷的数据集。实验验证表明，该模型对焊接典型缺陷的分割准确率达 92% 以上，为实时检测提供可靠模型支撑。

2.3 实时分割策略

为了实现焊接缺陷在线检测的毫秒级响应，本文从模型轻量化、推理加速、阈值自适应、边缘- 云协同四个维度构建了全流程实时分割策略。

模型层面：首先以“特征蒸馏 + 通道剪枝”技术对改进 U-Net 进行压缩，将 ResNet50主干网络的卷积层由 49 层减至 29 层，参数量从 23.5M 降至 14.1M ，计算量减少 40% ，但缺陷特征通道保留率 ⩾92% ；随后使用TensorRT 对剪枝后的网络进行FP16 量化与算子融合，使单张 1080P 图像在 NVIDIA Jetson Xavier 上的推理时间由 42ms 降至 28ms ，帧率达到 35fps，满足《工业机器人实时视觉检测通用规范》中 30 fps 的最低要求。

阈值自适应：针对焊接弧光强度随电流、电压波动的问题，提出“灰度 - 阈值映射表”动态更新机制。每帧图像先计算熔池 ROI 内灰度均值 μ 与方差 σ_σσσ ，再依据预先标定的 μ-阈值二次曲线实时调整缺陷判定阈值 T=α （ 、γ 通过离线标定获得）。实验表明，该机制在弧光强度变化 ±30% 的场景下，缺陷过分割率由 11.2% 降至 4.7% ，欠分割率由 8.6% 降至 3.1%_⨀

边缘- 云协同：在现场工位部署边缘计算节点，完成实时分割、缺陷预警及初步参数关联分析；云端 GPU 服务器则利用夜间低峰期汇聚多工位历史数据，进行增量训练并回传最新权重，形成周迭代闭环。边缘节点与云端通过5G 工业专网通信，单次权重同步耗时<3 s，网络中断时可无缝切换至本地缓存模型，保证 7×24 h 连续运行。

结果融合：将分割得到的缺陷掩膜与焊接电源实时采集的电流、电压信号进行时间戳对齐，构建“缺陷 - 参数”关联矩阵，实现缺陷溯源与工艺参数自优化，为后续质量闭环控制提供决策依据。

3 实验设计与结果分析

实验设计围绕高分辨率视觉传感系统性能验证与缺陷分割算法有效性评估展开，搭建包含熔化极气体保护焊设备、高分辨率视觉传感器及工业控制平台的实验平台。数据集采集涵盖低碳钢、铝合金等典型材料的焊接过程，包含气孔、裂纹、未熔合等 6 类常见缺陷样本共5000 组，通过明暗场成像与动态标注构建标准化数据集。性能评估采用多维度指标，视觉系统测试聚焦分辨率、帧率及抗干扰能力，通过对比不同滤光参数下的熔池成像质量，验证系统在弧光干扰下的稳定性；算法评估选用交并比、分割速度及缺陷检出率为核心指标，将所提模型与 FCN、U-Net 等经典算法进行对比实验。结果显示，该系统熔池细节分辨率达5μm，缺陷分割交并比达 91.3% ，实时性满足 30fps 要求，较传统算法检出率提升 15.6%. 。通过方差分析验证焊接参数与缺陷发生率的关联性，实验数据为系统优化与工程应用提供可靠依据。表1 为视觉传感系统成像性能测试结果。

表1 视觉传感系统成像性能测试结果

结语

本文围绕数字焊机熔池监测与缺陷分割展开研究，构建高分辨率视觉传感系统，实现熔池细节精准捕捉与特征量化分析，为质量评估提供可靠数据支撑。提出基于改进 U-Net 的缺陷分割模型及轻量化实时策略，有效提升缺陷识别精度与速度。实验验证系统分辨率达5μm ，缺陷分割交并比 91.3% ，实时性满足需求。研究成果为焊接质量智能化监测提供技术方法，对推动制造业焊接过程升级具有实践意义。

参考文献

[1] 马晓锋. 基于机器视觉的管道全位置焊接熔池检测技术研究[D]. 湖北文理学院,2023.

[2] 韩力 . 基于熔池尺寸信息的 V 型坡口多层多道焊接成形控制研究 [D]. 天津工业大学 ,2023.

[3] 姚云刚 . 大坡度管道全自动焊接熔池传热与流动行为数值分析 [D]. 中国石油大学 ( 华东 ),2022.

[4] 曾林隆 , 成苗 , 张绍兵 , 等 . 面向边缘部署的高分辨率实时语义分割算法 [J]. 计算机应用 ,2024,44(S2):159-163.

[5] 董钰颖 , 杨一铭 . 基于图像分割技术的皮革面积检测算法 [J]. 中国皮革 ,2024,53(07):19-24.

[6] 吉茹. 高分辨率遥感图像语义分割算法研究 [D]. 南京信息工程大学,2024.