機器視覺是一種使計算機或自動化系統能夠“看見”并解讀視覺信息的技術，其原理與人類視覺類似。

該技術在工業自動化領域發揮著重要作用，可讓系統基于實時成像數據進行檢測、監控和決策。在焊接場景中，機器視覺的價值尤為突出——它能強化質量控制、過程監控和缺陷檢測，提升生產一致性，同時減少返工或故障。

1.焊接中機器視覺監測的關鍵要素

在焊接工藝中，機器視覺的任務是監測幾個關鍵對象：熔池、坡口、焊道、電極尖端以及周圍的工件表面。

對這些對象進行精確測量和跟蹤至關重要。然而，使用傳統可見光進行成像會帶來挑戰——這主要是由于在熔化極氣體保護焊（GMAW）或鎢極氬弧焊（GTAW）等工藝過程中會產生強烈的弧光。

2.焊接中使用可見光的挑戰

在可見光譜范圍內，電弧成為主要的照明光源。電弧和鋼水均會發光，但電弧的亮度要高得多。

這種極強的亮度在相機圖像中占據主導地位，其在工件表面的反射會形成明暗不均、高對比度的場景。在短路或脈沖式熔化極氣體保護焊（GMAW）中，電弧的脈動還會進一步導致照明的不穩定性。此外，焊接產生的煙塵和飛濺也會形成干擾，它們會散射電弧光，進而掩蓋焊接關鍵要素的可視畫面。

3.近紅外成像作為電弧光干擾的解決方案

近紅外（NIR）成像為上述挑戰提供了強有力的解決方案。與可見光不同，NIR可削弱電弧光的強度。包括研究人員及XirisAutomation內部的研究表明，電弧在近紅外波段的輻射強度顯著減弱——通常降低數倍。這種更低的強度使相機能夠捕捉到更清晰、更均衡的焊接環境圖像。

4.熔池與焊道可見性的對比度優化

熔池在近紅外波段會釋放更強的熱輻射，因此相對于周圍環境顯得更明亮。這提升了熔池與較暗背景之間的對比度，使其邊緣和形狀更易辨別。精確的邊緣檢測對于坡口跟蹤或焊道輪廓測量等任務至關重要。更清晰的物體邊界可減少機器視覺系統的誤差，并提高實時決策的可靠性。

5.實現精確的Blob分析與目標檢測

NIR增強的對比度對Blob分析（一種基于亮度閾值識別和量化感興趣區域的方法）也至關重要。為使Blob分析有效工作，目標（如熔池）與周圍環境必須有清晰區分。在NIR環境下，由于電弧眩光減弱且目標清晰度提升，這一條件更易滿足。

6.MeltPoolAI等AI工具如何受益于NIR技術

此外，基于AI的工具（如MeltPoolAI）也能從更清晰的輸入數據中獲益。當神經網絡和其他識別算法被訓練用于檢測熔池幾何形狀、焊道形成或電極定位等特征時，若這些特征定義明確且無干擾，算法性能會更優。

總結來看，近紅外成像在焊接機器視覺中具有顯著優勢。通過減少電弧光干擾并增強關鍵焊接要素的可見性，NIR實現了更精確、穩定和智能的監測。無論是邊緣檢測、目標識別還是基于AI的分析，NIR在提供機器視覺系統所需的清晰度方面始終優于可見光。

源自網絡

審核編輯 黃宇