随着工业机器人的出现并在焊接领域的应用,焊接技术自动化已成为一种发展趋势。目前使用的焊接机器人大多是示教再现型,并建立在人工焊接的基础上,相比于人工操作,机器人焊接缺少了柔性化,对于焊接过程存在的问题不能及时发现和纠正。随着计算机技术和图像处理技术的发展,将其与焊接机器人相结合,对焊接过程的熔池图像进行采集与处理,获取熔池图像的相关特征信息,与熔深和熔宽等建立映射关系,从而实现对焊接过程的控制和调节,实现焊接机器人的智能化和柔性化。熔池图像的边缘提取是获取熔池特征信息的关键一步。本文采用被动式视觉传感技术对在使用机器人焊接时存在较大飞溅和噪声干扰等的CO₂气保焊的熔池图像进行采集及图像处理,以获取完整的熔池边缘,为之后的研究打下基础。使用机器人进行CO₂气保焊,建立合适的图像采集系统对焊接过程的图像进行采集。针对由于焊接电压的影响致使相机不能正常的触发拍摄,设计了相机的外触发电路,使相机能够正常的触发拍摄,从而实现了能够采集到清晰的CO₂气保焊的熔池图像。对于采集到的熔池图像进行处理,使用传统的四种滤波算法对图像进行去噪处理,对比分析后本文选择了均值滤波法。为了提高图像的整体亮度,显示熔池的细节信息,对图像进行增强处理,对六种传统的增强算法处理后的结果进行对比分析,处理后的结果并不理想,且不适合采集到的大多数的熔池图像。因此,本文选择了在彩色图像的基础上进行处理,对原熔池图像分量处理,并对分量图进行均值滤波法处理,对去噪处理后的分量图进行代数运算,当红色分量图乘以绿色分量图和蓝色分量图的差时,可获得具有增强效果的处理图像。比较和分析了传统的梯度边缘检测算法以及二阶微分边缘检测算法对图像处理后的结果,均无法获取到完整的熔池边缘且存在较多的伪边缘。因此,本文选取了数学形态学边缘检测算法,需对经过去噪、增强处理后的图像进行图像二值化处理,使用了迭代法和最大类间方差法,效果相同,本文最终选取了算法运行时间较少的最大类间方差法对图像二值化处理。本文采用多结构元素形态学边缘检测算法对处理好的二值图像进行边缘提取,具体的过程为对目标图像先进行开运算,在其基础上进行闭运算,获得新的图像,减去在新图像的基础上进行的腐蚀运算后的图像,最终得到熔池图像的边缘,边缘完整光滑,与原图基本吻合。