激光切割是当前激光加工中应用最为广泛的激光加工工艺,激光切割质量,尤其是切割断面的粗糙度将直接影响工件后续的深加工,并最终决定产品的性能和质量。随着工业的发展、科技的进步和新的加工工艺的应用,对各种零部件的精度要求也越来越高,因此对激光切割质量检测的需求也越来越广泛。目前激光切割质量的检测方法有传统的人工检测和传感器检测,现有检测方法存在以下问题:第一,人工检测需要具备相关专业知识的人员进行观测或测量,效率低;第二,传统的传感器检测通常采用声光传感器,存在成本高、精度低、无法定量测量等局限性。机器视觉是一种以图像处理技术为基础的非接触式检测方法,具有易操作、高效率、高柔性、高自动化等特点;而且机器视觉能快速获取大量信息,易于实现信息集成,是实现设备智能化的基础技术之一。本文针对上述问题进行了研究,首先在对激光切割实验研究的基础上,确定了激光切割质量的评价指标-切割下缘的粗糙度,机器视觉的监测对象-激光切割火花簇;然后在搭建的视觉检测平台上,完成了摄像机的标定、火花簇图像分割和火花簇图像特征的提取;最终,结合已获取的激光切割信号量化特征和质量评价指标,采用统计学方法,建立了激光切割质量视觉检测数学模型,实现了基于机器视觉的激光切割质量检测及评价,对保证切割质量、提高生产效率、优化激光切割工艺参数和设备的智能化具有重要意义。本文主要的研究工作和成果如下:(1)在对激光切割质量特征分布实验研究和理论研究的基础上,提出以激光切割下缘粗糙度为切割质量评价指标,以火花簇射视觉特征信号为监测对象,进而建立以粗糙度为因变量,以视觉特征信号为自变量的定量检测及评价切割质量的方法。(2)为获取有效视觉信号,搭建旁轴视觉检测平台,针对由于摄像机安装和镜头畸变引起的误差,通过建模分析完成单目摄像机标定;为抑制数字图像采集传输过程中的噪声干扰,研究图像滤波算法并进行实验验证,选取适宜的滤波方法。(3)针对激光切割火花簇射图像特征和工业现场复杂环境,高亮发光体图像易受光晕噪声干扰,提出一种基于颜色和小波纹理的多尺度火花簇图像分割算法。该算法首先对摄像机采集的RGB图像进行Daubechies三级小波分解和RGB颜色空间到HSV颜色空间的转换,采用小波高频分量描述纹理特征,HSV颜色模型的H通道和V通道描述颜色特征;构建颜色-纹理特征矩阵,为提高算法的运算速度,将矩阵元素采用分块法压缩,并在压缩尺度空间进行K-means初始聚类分割;通过计算梯度角和模值,实现压缩尺度空间分割结果的边缘检测,并映射至原始尺度空间以构建特征矩阵;以初始聚类中心为局部聚类中心,再次用Kmeans聚类法进行精确分割,获取原始尺度下的图像分割结果。实验结果表明该算法能够实现激光切割火花簇射图像的准确有效分割。(4)为定量描述激光切割火花簇射信号特征,通过对火花簇建模分析,解算出具有鲁棒性的视觉信号特征描述子,提出一种激光切割火花簇射信号特征提取算法。该算法首先利用改进的连通域标记算法实现火花簇焰心、核心喷射和最大喷射连通区域的标记,利用主成分分析和快速凸包算法,根据建立的图像几何模型计算出火花簇射角度和出口处最高亮度的灰度矩,获取机器视觉监测对象的定量描述。实验结果表明,该算法提取的火花簇射信号特征具有旋转、平移、尺度不变性,相对误差很小,基于此信号特征描述能够实现激光切割质量的定量检测和评价。(5)通过不同工艺参数的激光切割火花簇射行为视觉检测实验研究和切割面质量(粗糙度)实验研究,揭示了激光切割质量与火花簇射视觉信号特征之间的对应关系。在一定工艺参数范围内,随切割速度变化,火花簇最高亮度区域灰度矩呈倒U形曲线变化,火花簇最高亮度区域灰度矩最大时,对应切割下缘粗糙度最小,此时火花簇偏角接近垂直,切割速度为最佳速度。(6)通过采用统计学分析手段,基于机器视觉和切割质量测量实验,利用改进的逐步回归法建立了激光切割质量视觉检测多元回归数学模型,提出了一种激光切割质量评价方法。实验结果表明,视觉质量检测模型预测结果误差很小,验证了数学模型的有效性和评价方法的可行性。本文利用先进的机器视觉技术,在一定工艺参数范围内实现了基于机器视觉的激光切割质量的检测与评价,对缩短视觉检测算法研发、实时监控激光切割产品质量、提高生产效率、节约人工成本和激光切割设备的智能化具有重要理论意义和应用价值。该论文有图103幅,表17个,参考文献169篇。