0 引　言

甲板是舰船船体的重要组成部分之一，其质量与船体的结构稳定性密切相关。甲板成型加工过程需要通过焊接的方式连接固定，若是焊接存在缺陷，则会影响甲板的成型质量^[1-4]。为避免这一问题的发生，可以应用视觉检测技术，对甲板成型加工焊接进行检测。

1 舰船甲板成型加工过程

在舰船的船体中，甲板是不可或缺的重要组成部分之一，位于船体以上，为平面结构，主要作用是封闭船内空间。甲板作为船梁上的钢板，它的存在，使船体被分隔为上层、中层和下层。上甲板是指最上一层船首尾通长的甲板，当该层甲板所有开口全部密封，且能够确保良好的水密性时，便可将之作为舰船的主甲板。甲板成型加工过程中，焊接是最为重要的一道工序，视觉检测技术的应用是围绕甲板焊缝缺陷检测展开。舰船甲板在成型加工时，通常采用分段装焊工艺。

1.1 拼板装焊

由于舰船的甲板有梁拱和舷弧，从而使其具备双向曲度的特点，所以，需要在预先搭设好的台架上进行拼板。操作时，先在台架上对基准版定位，拼装相邻各列板，对准配合好用马板固定，相邻2块甲板之间的缝隙，可在套割后，通过定位焊的方法固定^[5-8]。正式拼版前，应先对钢板边缘进行除锈，按图纸要求，将钢板铺设于台架上，核对钢板下料时标注的符号，随后对钢板的正反两面、边缘垂直度及坡口加以检查，看是否与规定要求相符，确认无误后，便可开始拼装。对齐钢板基准端边缘，通过撬杠撬紧后，用定位焊以加密的方式焊接，间距控制在20～30 cm。在拼装定位的过程中，应当在板缝的两端设置引弧和熄弧板，厚度与拼板厚度相当。板缝焊好后，要及时对钢板因施焊造成的变形加以矫正。

1.2 部件组装

甲板中的T型材由以下腹板和面板组成，宽度较大的腹板上带有一定数量的角钢或是扁钢。在对T型材组装焊接时，可在一侧采用定位焊，放置一定角度的反变形，以5°左右为宜，施焊的过程中，先对无定位焊的一侧进行焊接。直的T型材，在作业平台上通过倒装的方法装配焊接，弯的T型材在组装模板上，采用侧装法，对线型装配焊接。带有角钢或是扁钢等扶强材的T型材，可在腹板与面板全部组装完毕后，将型材翻倒，并加装设备。T型材接头部位的腹板与面板应错开布置，装配定位焊接时，要采取合理的施焊方法，并增设临时支撑马板，焊接后，及时矫正变形缺陷^[9-10]。

甲板的肋骨框架由横梁、肋骨、肋板、肘板等组成，为环形结构。装配前，在作业平台上画出型线图，利用测量放样提供型值，这是对线定位及检验的主要依据。将横梁、肋骨以及肋板与同号的型线对准，安装肘板时，要确保横梁与肋骨表面的平整度，并对肋骨框架加以检查，看有无扭曲的现象，确认无问题后，便可施焊。装好肋骨框架后，要在框架上用白漆画出以下记号：中心线、水平线、外板接缝线以及构件位置线等。为避免装焊时，肋骨框架发生变形，可以装设临时加强材。焊接框架时，要将焊缝对称焊好，并通过吊运的方式将框架翻身，对称焊好另一面的焊缝。

2 舰船甲板焊缝图像采集方法

舰船甲板在成型加工过程中需要组装焊接，焊缝的质量与甲板的整体质量密切相关，应用机器视觉技术，对甲板的焊缝缺陷进行检测，为缺陷处理提供依据，确保舰船甲板的加工质量达到要求。

2.1 甲板焊缝图像采集

对甲板焊缝图像的采集需要借助相关的实验平台来完成，物理模型如图1所示。

根据图像采集区域的尺寸，通过计算，得出检测精度为0.2 mm。采集区域的横、纵向的尺寸用V和H表示，精度系数取2.5，经计算可得出具体的像素值，即

$ \left\{\begin{array}{l} {m}={K} \dfrac{{V}}{\delta}=2.5 \times \dfrac{80}{0.2}=1\;000，\\ {n}={K} \dfrac{{H}}{\delta}=2.5 \times \dfrac{60}{0.2}=750。\end{array}\right. $

式中：m为采集区域横向的像素值；n为采集区域纵向的像素值。摄像机的像素值可以通过m×n求得，即1000×750=750000，据此可以确定所选摄像机的像素为75万。

采用模块化的思路设计软件程序，包括图像采集与处理2个模块。前者的作用是借助摄像机采集甲板焊缝信息，转化为数字信号后，利用接头传给计算机系统，由计算机系统负责对这部分信号加以处理。采用实时采集的方式获取图像信息，按采集区域的尺寸调整像素。图像采集模块能够实现摄像机接口与软件程序界面的对接，使摄像机能够执行相应的功能，如图像采集、相关参数设置等。后者利用图像处理算法，获取清晰度较高的甲板焊缝缺陷，根据缺陷的特点进行分类。

2.2 图像预处理

采集到的甲板焊缝图像并不能直接进行检测，此前需要通过预处理的方法，改善图像特性，得到所需的信息。在对甲板焊缝信息采集与传输时，不可避免会受到噪声干扰，从而导致图像质量下降，其中的少部分焊缝缺陷，极有可能被淹没，对检测结果的准确性造成不利影响。为避免这一情况的发生，要对图像进行预处理，由此除了能够降低噪声对甲板焊缝缺陷检测的影响之外，还能使相关算法的运算量随之减少，随着运算时间的缩短，检测效率随之提升。图像预处理包括提取和滤波降噪。其中提取主要是对有效区域的提取，通过对甲板焊缝检测图像进行观察后发现，只有焊缝区域才存在缺陷，而焊缝的宽度约为图像全宽的1/4。所以在检测前，要将包含焊缝在内的面积从图像中提取出来，这样除了能够使检测速率得到大幅度提升之外，还可以排除无效数据的干扰，确保检测结果的准确性，提高检测精度。

通常情况下，可以将距离甲板焊缝中心60个像素点的宽度作为视觉检测的有效区域。受到背景的影响，使采集到的焊缝图像存在噪声，为避免噪声干扰，要采取滤波技术去除噪声。

在图像预处理中，空间滤波去噪是最为常用的方法之，而中值滤波则是该方法中效果较好的一种，不但能够将图像中的噪声滤除，而且还可以将焊缝缺陷图像的边缘信息很好的保留下来。经中值滤波后，焊缝缺陷图像中存在的噪声会被滤除。滤波窗口的尺寸与形状会在一定程度上影响输出图像，所以，要保证所选的滤波窗口尺寸合理。

2.3 提取焊缝缺陷

SUSAN边缘检测算法是以图像的几何观测为依托，对图像分类，借助其中的灰度特征，完成检测。这种算法最为突出的特点是计算过程中无梯度运算，较为适合检测含有噪声的图像或是对比度低的图像。基于此，在本次研究中，选用SUSAN算法对甲板焊缝噪声图像进行边缘检测。扫描点进入甲板焊缝缺陷区域后，灰度值会发生变化，即不断减小，当达到最小值后，灰度值开始缓慢增加，直至扫描点离开缺陷区域为止，甲板焊缝缺陷区域图像中某行灰度值的变化曲线如图2所示。

3 视觉检测技术在舰船甲板成型加工过程的应用 3.1 甲板焊缝的种类

通过对舰船甲板成型加工过程进行研究后发现，甲板焊接时，最为常见的焊缝缺陷有裂纹、未熔合、气孔、夹渣、未焊透等，前3类缺陷比较典型，在甲板焊接中出现的频率较高，对甲板成型加工质量的影响程度比较大，所以在后续的检测中，将这3类缺陷作为主要检测项目。其中裂纹是焊接件最为常见的缺陷，若是甲板中出现此类缺陷，当焊缝受力时，则会导致裂纹延伸、扩展，形成应力集中后，焊接件可能会发生断裂；未熔合就是焊缝金属与母材未能完全融合，多出现在甲板焊缝的边缘位置处；气孔是焊接过程中气体在焊接金属表面引起的空洞。

3.2 焊缝缺陷特征参数计算

选定焊缝缺陷特征后，要采取量化的方法计算特征参数，开始前，要先对被测焊缝缺陷的分布区域加以确定，按从上向下的顺序，对图像中的焊缝缺陷区域逐行扫描，如果扫描点的像素值为红色，则将该点所在的行记下，按上述方法进行列扫描，可以得到缺陷区域最左和最右侧的列。当计算出焊缝缺陷的长短轴、面积以及周长，并在获得缺陷在X坐标轴上的投影后，便可依据相关规范给出的公式，计算出焊缝缺陷的主要参数，包括长宽比、圆形度等。甲板焊缝的典型缺陷有裂纹、未熔合以及气孔，根据部分已知样本的特征值，能够得到各类焊缝缺陷不同特征参数对应的折线图，具体如图3和图4所示。

可以看出，甲板焊缝三类典型的缺陷中，焊缝3的裂缝的长宽比最大，并且波动变化范围也比较大。焊缝1是裂缝的圆形度最小，全都在1以内。焊缝1的未熔合的长宽比在0.02～0.04，波纹变化不太明显，圆形度也较好；气孔的长宽比和圆形度在三类缺陷中波动变化最小，并且焊缝分布一致性也很好。

3.3 检测算法选择

选取2种不同的检测算法，分别用算法1和算法2表示，并为它们配以相应的网络模型。其中与算法1相对应的网络模型为Googlenet，与算法2相对应的网络模型为Alexnet，算法的初始学习率均设定为0.0001，迭代次数设为300次，10次验证一次，参与训练的样本数量为10。2种方法训练的准确率分别如图5和图6所示，损失值分别如图7和图8所示。

通过对比可知，与算法2对应的网络模型Alexnet的准确率高于算法1，损失值则低于算法1。因此，视觉检测目标识别中，可将算法2及其对应的网络模型Alexnet作为首选。

4 结　语

舰船甲板成型加工中，焊接是关键工序，为避免焊接缺陷，可以应用视觉检测技术，对焊缝全面检测，及时发现裂纹、未熔合、气孔等缺陷，采取有效的措施消除缺陷，保证甲板的质量，提高船体的结构稳定性。