为什么近红外在机器视觉中表现更优

机器视觉是一种使计算机或自动化系统能够“看见”并解读视觉信息的技术，其原理与人类视觉类似。

该技术在工业自动化领域发挥着重要作用，可让系统基于实时成像数据进行检测、监控和决策。在焊接场景中，机器视觉的价值尤为突出——它能强化质量控制、过程监控和缺陷检测，提升生产一致性，同时减少返工或故障。

1.焊接中机器视觉监测的关键要素

在焊接工艺中，机器视觉的任务是监测几个关键对象：熔池、坡口、焊道、电极尖端以及周围的工件表面。

对这些对象进行精确测量和跟踪至关重要。然而，使用传统可见光进行成像会带来挑战——这主要是由于在熔化极气体保护焊（GMAW）或钨极氩弧焊（GTAW）等工艺过程中会产生强烈的弧光。

2.焊接中使用可见光的挑战

在可见光谱范围内，电弧成为主要的照明光源。电弧和钢水均会发光，但电弧的亮度要高得多。

这种极强的亮度在相机图像中占据主导地位，其在工件表面的反射会形成明暗不均、高对比度的场景。在短路或脉冲式熔化极气体保护焊（GMAW）中，电弧的脉动还会进一步导致照明的不稳定性。此外，焊接产生的烟尘和飞溅也会形成干扰，它们会散射电弧光，进而掩盖焊接关键要素的可视画面。

3.近红外成像作为电弧光干扰的解决方案

近红外（NIR）成像为上述挑战提供了强有力的解决方案。与可见光不同，NIR可削弱电弧光的强度。包括研究人员及XirisAutomation内部的研究表明，电弧在近红外波段的辐射强度显著减弱——通常降低数倍。这种更低的强度使相机能够捕捉到更清晰、更均衡的焊接环境图像。

4.熔池与焊道可见性的对比度优化

熔池在近红外波段会释放更强的热辐射，因此相对于周围环境显得更明亮。这提升了熔池与较暗背景之间的对比度，使其边缘和形状更易辨别。精确的边缘检测对于坡口跟踪或焊道轮廓测量等任务至关重要。更清晰的物体边界可减少机器视觉系统的误差，并提高实时决策的可靠性。

5.实现精确的Blob分析与目标检测

NIR增强的对比度对Blob分析（一种基于亮度阈值识别和量化感兴趣区域的方法）也至关重要。为使Blob分析有效工作，目标（如熔池）与周围环境必须有清晰区分。在NIR环境下，由于电弧眩光减弱且目标清晰度提升，这一条件更易满足。

6.MeltPoolAI等AI工具如何受益于NIR技术

此外，基于AI的工具（如MeltPoolAI）也能从更清晰的输入数据中获益。当神经网络和其他识别算法被训练用于检测熔池几何形状、焊道形成或电极定位等特征时，若这些特征定义明确且无干扰，算法性能会更优。

总结来看，近红外成像在焊接机器视觉中具有显著优势。通过减少电弧光干扰并增强关键焊接要素的可见性，NIR实现了更精确、稳定和智能的监测。无论是边缘检测、目标识别还是基于AI的分析，NIR在提供机器视觉系统所需的清晰度方面始终优于可见光。

源自网络

审核编辑 黄宇