周天生, 董博伦, 林三宝, 蔡笑宇, 范成磊

摘要： 电弧增材制造过程中的熔池形态影响沉积态金属的成形，为了得到良好的增材产品，首先需要实现对增材过程的在线监测，以获取熔池形态尺寸等数据，为进一步反馈控制提供前提条件。在线监测的重点之一在于计算机的图像处理速度，而图形处理器GPU作为强大的图形处理设备，比CPU更适合做大量图像相关的计算。为此，文中采用CPU/GPU异构协同并行计算方法，试图通过调用GPU设备加速图像处理过程，以实时获取电弧增材制造过程中的熔池形态尺寸信息。试验结果表明，无论GPU调用与否，同一处理程序对同一视频处理所得到的熔池宽度结果基本相同，而当调用GPU后，每帧图像的处理时间大幅降低，处理效率得到很大程度的提高。因此，异构计算为电弧增材制造熔池尺寸在线监测提供了可能。

关键词： 异构计算； 在线检测； 增材制造； 电弧

中图分类号：  TG 444

An online detection algorithm of wire arc additive manufacturing

molten pool dimension based on heterogeneous computing

Zhou Tiansheng， Dong Bolun， Lin Sanbao， Cai Xiaoyu， Fan Chenglei

（Harbin Institute of Technology， Harbin 150001， Heilongjiang， China）

Abstract： Morphology of molten pool affects formation of deposited metal during wire arc additive manufacturing. In order to obtain good additive products， it is necessary to realize online detection of additive process first， so as to obtain shape and size of molten pool and other data， and provide prerequisite for further feedback control. One of the key points of online detection is image processing speed of computer. As a powerful graphics processing equipment， graphics processing unit （GPU） is more suitable for doing a large number of imagerelated calculations than CPU. Therefore， CPU/GPU heterogeneous collaborative parallel computing method was adopted in this paper to accelerate image processing process by calling GPU devices， so as to obtain information of shape and size of molten pool in the process of arc additive manufacturing in real time. The results showed that whether GPU was called or not， results of weld pool width obtained by the same video processing program were basically same. When GPU was called， handling time for a single frame was reduced significantly， and efficiency of algorism was highly improved. Therefore， heterogeneous computing provided a possibility for online detection of size of molten pool by arc additive manufacturing.

Key words：  heterogeneous computing; online detection; additive manufacturing; arc0前言

电弧增材制造（Wire and arc additive manufacturing， WAAM）是一个伴随着强光、强热等物理现象，且发生多次热循环和金属熔覆的复杂动态三维成形过程。在成形过程中，多种不稳定因素影响着增材过程的稳定性和可靠性，如熔池温度、熔池凝固速率、焊接电流与电弧电压、行走轨迹、焊枪高度等，不恰当的参数可能导致气孔、未熔合、轨迹偏移、熔覆层形貌不规则等缺陷，进而影响后续增材制造过程，甚至影响最终产品质量[1-3]。因此，基于以上种种问题，有必要引入熔池尺寸在线检测这一手段。

所谓熔池尺寸在线检测，即由监测系统实时输出熔池的尺寸参数，并根据增材要求调整相应参数，保证增材制造的稳定性和可靠性。目前，熔池尺寸在线检测技术大致可分为被动视觉检测和主动视觉检测两类。被动视觉检测是利用CCD摄像机直接对熔池进行取像，而主动视觉检测是将线结构光照射在熔池前沿的焊道表面以获取轮廓尺寸信息[4-5]。无论是主动检测还是被动检测，在获取图像信息后均要对其进行处理，但是由于焊接过程存在的强烈弧光、焊接飞溅等干扰，检测系统对图像处理的计算量较大、耗时较长，对增材制造過程的控制具有滞后性，难以保证控制的实时性。用Visual C++ 6.0编程实现，在Windows XP操作系统下，CPU为主频2.4 GHz，内存为256 M，对图像大小为498×18像素进行处理，图像预处理平均时间约为63 ms[6]，与交流电弧频率50 Hz相比，图像处理耗时过长，若用滞后的信息进行控制，增材过程会逐渐偏离稳定，无法纠正。

要保證增材过程控制的实时性，可以从减少计算机计算量和提高计算机的图像处理速度两方面考虑。采用感兴趣区域（Region of interest， ROI）提取技术，可以选择优先处理熔池边缘等位置，降低图像处理的计算量，从而提高处理效率。但目前ROI自动提取技术的准确率不是很高[7-8]，若获得了错误的处理信息，增材制造过程的稳定性很可能被破坏。中央处理器（Central processing unit， CPU）多线程图像处理（CPU多线程）和异构图像处理（CPU+GPU多线程）都可以加速图像处理速度，但图形处理器（Graphic processing unit， GPU）是完全专用于图形输出流水线的处理和加速，并发展出基于GPU的通用计算（Generalpurpose graphics processing unit， GPGPU）来实现高强度计算，而CPU是被设计用来优化串行代码，注重控制和缓存等非计算功能，其图形计算能力远不如GPU。因此，CPU/GPU异构协同并行计算可以最大程度上发挥各自优点，进一步加速图像处理效率[9-10]。

采用基于异构计算的图像处理技术，以期显著加速图像处理过程，实现熔池尺寸的实时在线检测，为进一步实现增材过程中熔池尺寸的反馈控制，最终实现产品质量控制提供前提。

1图像处理方法

利用CCD摄像机拍摄一段双脉冲MIG焊接过程，在Halcon软件中处理所得到的视频。首先，为了减少焊接环境对图像处理的影响，选择电弧及熔池前沿周围一定大小圆形区域为ROI，如图1所示。接下来，对ROI内的图像进行灰度转换、中值滤波、轮廓分割等操作，获得电弧下熔池及一些焊接飞溅的轮廓，再按面积筛选出熔池轮廓，如图2所示。最后，通过将熔池轮廓拟合为圆，如图3所示，读取其半径，则半径的二倍即为电弧下熔池宽度的近似值。Halcon软件对视频文件逐帧处理，得到焊接过程中连续的熔池宽度数据，并自动记录。同时，在Halcon中建立对GPU设备调用的程序，在GPU关闭和开启两种情况下，分别对同一视频文件做相同的处理，对比分析二者获得熔池宽度数据的相似性和处理效率。

2CPU/GPU异构协同并行计算方式

在CPU/GPU异构协同并行计算方式中，CPU扮演领导角色，控制主要流程，进行决策，并将需要大量并行处理的计算密集型工作分配给GPU来完成，充分发挥二者的优势[11-14]。这种计算方式的实例之一为信号处理[15]，在信噪比较高，采样点数较多的情况下，该算法对单一频率信号可以得到较高的测频精度。算法步骤为：①对N点实信号序列x（n）做离散傅里叶变换（DFT）得到X（k）；②将X（k）做变换得到：

X′（k）=X（k），k=0

2X（k），1≤k≤N2－1

0，N2≤k≤N－1（1）

③对X′（k）做离散傅里叶逆变换（IDFT），得到x（n）的解析信号s（n）；④求s（n）的瞬时自相关序列r（n，τ）= s（n）*（n-τ），τ为采样间隔；⑤将r（n，τ）实部与模的比值求反余弦可得到瞬时频率f（n）；⑥将序列f（n）加权平均即得到信号的平均频率f。

3试验结果

3.1熔池宽度

在GPU待机和调用的情况下，利用Halcon分别对同一段双脉冲MIG焊接视频进行相同处理，得到熔池宽度如图4和图5所示。试验所用CPU型号为Intel i79750H 2.60GHz，GPU型号为AMD Radeon Pro 5500M。通过对比分析可知，无论GPU调用与否，同一处理方法对同一视频处理所得到的熔池宽度结果基本相同。

3.2处理效率

在GPU待机和调用的情况下，利用Halcon处理同一视频的每一帧图像所用时间如图6所示。通过分析可知，在未启用GPU时，每帧图像的处理时间大于100 ms，而在启用GPU后，在异构计算方式下，每帧图像的处理时间不高于20 ms。GPU对图像处理的提速至少为5倍，最高可达30倍以上，提速效果十分明显。

4结论

（1）CPU/GPU异构协同并行计算相比CPU计算，二者得到的熔池宽度结果基本相同。

（2）异构计算对图像处理加速效果十分明显，其每帧图像处理时间低于20 ms，提速效果至少可达5倍，最多可达30倍以上。

（3）异构计算适应电弧增材制造熔池尺寸在线检测的可能性很大。

参考文献

[1]田舒平， 解瑞东， 李涤尘， 等. 激光金属成形缺陷在线检测方法及热场仿真[J]. 西安理工大学学报， 2019， 35（2）： 212-218.

[2]Gaja H， Liou F. Defects monitoring of laser metal deposition using acoustic emission sensor [J]. The International Journal of Advanced Manufacturing Technology， 2017， 90： 561-574.

[3]肖宇， 陈曦， 胡建南， 等. 基于红外温度场的电弧增材制造缺陷在线检测方法[J]. 焊接， 2020（7）： 42-46， 54.

[4]韩庆璘， 李大用， 李鑫磊， 等. 基于分区减光的电弧增材制造熔敷道尺寸主被动联合视觉检测[J]. 焊接学报， 2020， 41（9）： 28-32.

[5]Jin Zeshi， Li Haichao， Li Ran， et al. 3D reconstruction of GMAW pool surface using composite sensor technology [J]. Measurement， 2019， 133： 508-521.

[6]刘明友， 刘南生， 郭昌荣， 等. 基于结构光视觉传感的焊缝视觉信息检测和识别研究[J]. 焊接， 2007（1）： 28-31.[7]冯竞舸. 静止图像的ROI区域自动提取与编码[D]. 南京：南京郵电大学硕士学位论文， 2013.

[8]Lin D T， Yan C R， Chen W T. Autonomous detection of pulmonary nodules on CT images with a neural networkbased fuzzy system [J]. Computerized Medical Imaging and Graphics， 2005， 29（6）： 447-458.

[9]卢风顺， 宋君强， 银福康， 等. CPU/GPU协同并行计算研究综述[J]. 计算机科学， 2011， 38（3）： 5-9， 46.

[10]吴恩华， 柳有权. 基于图形处理器（GPU）的通用计算[J]. 计算机辅助设计与图形学学报， 2004， 16（5）： 601-612.

[11]张彤， 刘钊， 欧阳宁. 基于GPU的图像快速傅立叶变换研究[J]. 微计算机信息， 2009， 25（15）： 286-287， 232.

[12]方旭东. 面向大规模科学计算的CPU-GPU异构并行技术研究[D]. 长沙：国防科学技术大学硕士学位论文， 2009.

[13]白洪涛. 基于GPU的高性能并行算法研究[D]. 长春：吉林大学博士学位论文， 2010.

[14]钟联波. GPU与CPU的比较分析[J]. 技术与市场， 2009， 16（9）： 13-14.

[15]张朝晖， 刘俊起， 徐勤建. GPU并行计算技术分析与应用[J]. 信息技术， 2009（11）： 86-89.

收稿日期： 2022-03-25

周天生简介： 硕士研究生；主要从事电弧增材制造与焊接过程监测方面的研究；gjyjcn@126.com。

林三宝简介：通信作者，博士，教授，博士生导师；主要从事高效电弧焊接技术及电弧增材制造方面的研究；已发表论文200余篇；sblin@hit.edu.cn。