基于FCM-CV的GMA-AM熔池图像边缘提取

• 作者: 方吉米 杨嘉佳 王克鸿 黄勇
• 来源期刊: 电焊机
• 关键词: 主动轮廓 模糊聚类 边缘提取 增材制造 视觉传感
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 重点关注
• 页码范围: 19-23
• 页数: 5页
• 分类号: TG409
• 语种: 中文
• DOI: 10.7512/j.issn.1001-2303.2018.06.04

摘要

针对熔化极气体保护电弧(Gas Metal Arc,GMA)增材制造(Additive Manufacturing,AM)熔池图像,提出了一种基于模糊C-均值聚类(fuzzy C-Means,FCM)协作主动轮廓(Chan-Vese,CV)模型的熔池图像分割方法.该算法利用FCM粗分割理论设定CV模型的初始化位置,然后利用CV主动轮廓模型提取GMA-AM熔池轮廓.结果表明,FCM-CV算法消除了CV模型对初始位置敏感的问题,能够有效地提取不同工艺条件下的熔池轮廓,与传统分割方法相比,提取到的熔池轮廓准确、边缘光滑封闭,同时该算法能够准确提取电弧区、浮渣区和熔池尾部的轮廓,具有很好的适应性和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王克鸿	南京理工大学材料科学与工程学院	189	1339	18.0	28.0
2	黄勇	南京理工大学材料科学与工程学院	27	93	5.0	8.0
3	杨嘉佳	南京理工大学材料科学与工程学院	12	63	4.0	7.0
4	方吉米	南京理工大学材料科学与工程学院	4	3	1.0	1.0