﻿ 图像处理技术在船舶管系建造监管中的应用
 舰船科学技术  2023, Vol. 45 Issue (12): 160-163    DOI: 10.3404/j.issn.1672-7619.2023.12.032 PDF

Application of image processing technology in ship piping construction supervision
FENG Shu-li
Henan Vocational and Technical College, Nanyang 473000, China
Abstract: Shipbuilding is developing in the direction of large-scale and intelligent, and ship pipe system construction is an important part of the shipbuilding process. The installation and welding process of ship piping will be affected by many aspects such as material quality, worker skills, welding process, etc., so it is necessary to supervise the construction of the pipe system. On the basis of full research on image processing technology, this paper studies image denoising, image enhancement and edge extraction and other image preprocessing technologies, and studies the application of image processing technology in ship pipe system identification. This paper proposes a welding classification and judgment process based on support vector machine and image processing technology, which can complete the basic judgment of the welding quality of ship pipe system welds through the training of a small number of samples, which can greatly improve the supervision efficiency of ship pipe system construction.
Key words: support vector machine     image processing     ship piping construction     supervision
0 前　言

1 图像预处理技术 1.1 图像去噪

 图 1 不同窗口中值滤波效果比较 Fig. 1 Comparison of filtering effect of different windows median
1.2 图像增强及边缘提取

 图 2 直方图均衡效果对比 Fig. 2 Histogram balancing effect comparison

 图 3 边缘检测原理示意图 Fig. 3 Schematic diagram of edge detection principle
 $G(x) = ({z_7} + {z_8} + {z_9}) - ({z_1} + 2{z_2} + {z_3}) \text{，}$ (1)
 $G(y) = ({z_3} + {z_6} + {z_9}) - ({z_1} + 2{z_4} + {z_7}) \text{，}$ (2)

 $\sigma = {[G{(x)^2} + G{(y)^2}]^{1/2}} 。$ (3)

σ $\geqslant$ 设定阈值时，则该点为图像的边缘点。

 图 4 船舶管系边缘提取 Fig. 4 Ship piping edge extraction
2 图像处理在管系建造监管中的应用 2.1 船舶管系的识别

2.2 管系焊接质量检测

1）建立管系焊接图像训练库，初始化所有的特征值。图库需要从不同船舶上的若干管道焊接处拍照，同时在建立焊缝图片库时需要根据4种不同的焊缝类型采集同样数量的图片，共计1000张。将1000张图片中的500张作为训练集，另外500张作为测试集，测试集和训练集均包含每种焊缝类型图片100张。

2）将所有测试集图片和训练集图片归一化处理，形成统一大小的焊缝图片库，图片大小为400×400。

3）选择核函数。在支持向量机中需要选择合适的核函数，目前常用的核函数包括多项式核函数、高斯核函数以及 Sigmord 核函数。本文选择高斯核函数作为建立的船舶管道焊缝质量分类的核函数，采用的高斯核函数 $K\left(x_{i}, x_{j}\right)$ 具体定义如下：

 $K（{x}_{i},{x}_{j}）={e}^{\frac{{{}^{-\Vert {x}_{i}-{x}_{j}\Vert }}^{2}}{2{\delta }^{2}}} 。$ (4)

4）完成样本的训练并建立训练分类模型。

5）对建立的训练分类模型的参数进行优化，参数的选择可以根据10次训练结果的分类正确率来判定，选取这10次训练结果中正确率最高的5次，并将这5次训练中所使用的参数求平均值。

6）将经过参数优化后的分类模型作为测试分类模型，对500幅焊缝图片进行测试，得到所有的图片分类结果，并将结果和实际结果进行对比分析。

 图 5 基于SVM和图像处理的焊缝分类判定流程图 Fig. 5 Weld classification decision flow chart based on SVM and image processing
3 结　语

1）对图像预处理技术进行研究，包括图像去噪、图像增强以及边缘提取等。对不同窗口的中值滤波效果进行比较，并对比直方图均衡前后效果，在此基础上提取船舶管系的边缘特征。

2）研究图像处理技术在船舶管系识别中的应用，通过对船舶管系颜色和轮廓的识别，可以确定船舶管系的建造和设计图纸之间的差别。

3）研究船舶管系焊接质量的影响因素，提出了基于支持向量机和图像处理技术的焊缝分类判定流程。通过少量样本的训练可以完成对船舶管系焊缝焊接质量的基本判定，大幅度提升船舶管系建造监管效率。

 [1] 陈鑫. 激光视觉传感在焊接机器人焊缝识别中的应用[J]. 应用激光, 2023, 43(3): 42-47. CHEN Xin. Application of laser vision sensing in welding robot weld identification[J]. Applied Laser, Journal of Applied Laser, 2023, 43(3): 42-47. DOI:10.14128/j.cnki.al.20234303.042 [2] 左浩. 焊接机器人焊缝完整程度图像识别算法研究[J]. 焊接技术, 2019, 52(2): 77-82+114. ZUO Hao. Research on image recognition algorithm of weld integrity of welding robot[J]. Journal of Welding Technology, 2019, 52(2): 77-82+114. DOI:10.13846/j.cnki.cn12-1070/tg.2023.02.019 [3] 赵辉. 基于机器视觉的迷彩涂层质量检测技术研究[D]. 哈尔滨工程大学, 2021. [4] 杨瑞腾. 基于图像处理的钢结构桥梁表面病害检测系统[D]. 华中师范大学, 2021. [5] 刘宇虹, 韩越兴, 汪语嫣, 等. 基于数字图像处理技术的热障涂层形貌特征识别方法[J]. 上海大学学报(自然科学版), 2022, 28(3): 523-533. LIU Yu-hong, HAN Yue-xing, WANG Yu-yan, et al. Thermal barrier coating feature recognition method based on digital image processing technology[J]. Journal of Shanghai University (Natural Science Edition), 2022, 28(3): 523-533. [6] 慕林江. 船舶管系建造阶段的监督管理[J]. 船舶物资与市场, 2021, 29(9): 31-32. MU Lin-jiang. Supervision and management of ship piping construction stage[J]. Ship Materials & Market, 2021, 29(9): 31-32. DOI:10.19727/j.cnki.cbwzysc.2021.09.016 [7] 黎超. 船舶轮机管系及其建造阶段的监管措施[J]. 船舶物资与市场, 2020(9): 87-88. LI Chao. Supervision measures of marine turbine pipe system and its construction stage[J]. Ship Materials & Market, 2020(9): 87-88. DOI:10.19727/j.cnki.cbwzysc.2020.09.039