随着智能制造行业的兴起,在焊接领域中,机器人智能化焊接也成为当今焊接技术新的发展趋势。针对桥壳工件,将焊接机器人和机器视觉技术相结合,以实现焊接机器人视觉引导的自动化、智能化焊接。焊接机器人视觉引导算法开发分为两大部分。第一部分是目标检测算法,对桥壳工件进行定位并识别桥壳工件型号,选择相对应的焊接模板程序。第二部分是图像处理算法,对焊缝进行识别和焊缝中心线的提取。首先,提出一种基于YOLOv3进行改进的注意力机制和多尺度特征融合的目标检测算法YOLOv3＿CA＿NDL。在原YOLOv3的骨干网络每一个残差模块的后面嵌入CA注意力模块,使目标检测网络更加关注桥壳工件的细节信息,同时在YOLOv3多尺度预测网络模型的基础上,将原YOLOv3目标检测网络中的三个检测尺度扩展为四个检测尺度,将浅层特征和深层特征进行高效融合。基于上述改进点在自制桥壳工件数据集上进行实验验证,实验结果表明,YOLOv3＿CA＿NDL网络模型效果最佳,其性能指标高于YOLOv3和改进的YOLOv3＿CBAM＿NDL网络模型,有效提升了网络的检测精度,较好地完成了桥壳工件的定位和识别。然后,设计了提取焊缝中心线的图像处理算法流程,在进行图像处理的每一个环节中,通过对图像处理中函数实现的算法方案的比较和优化,选择最符合焊接桥壳工件焊缝环境下的图像处理方法。通过模板匹配确定焊缝图像ROI感兴趣区域和焊缝边界,采用中值滤波降噪,并经过图像二值化处理,将焊缝信息与背景信息分离,利用Canny算子检测焊缝的上下边缘,最后通过霍夫直线变换提取焊缝精确路径,得到焊缝关键点坐标。最后,对桥壳工件进行焊接实验验证。在焊接机器人视觉引导实验平台上进行了相机标定和机器人手眼标定,将焊缝关键点坐标从像素坐标系转换至机器人坐标系。并开发了焊接机器人视觉引导系统软件,集成了上述算法和功能,将生成的焊接程序通过FTP文件传输协议的方式加载到机器人控制柜,进行机器人焊接。通过对焊接误差的分析进一步验证了焊接机器人视觉引导的可行性,为实现桥壳工件焊缝焊接自动化,以及焊接领域智能制造提供了一种可行的思路。