Inspeção de solda utilizando visão computacional

Prévia do material em texto

X SBAI – Simpósio Brasileiro de Automação Inteligente
18 a 21 de setembro de 2011
São João del-Rei - MG - Brasil
ISSN: 2175-8905 - Vol. X 444
INSPEÇÃO DE SOLDA UTILIZANDO VISÃO COMPUTACIONAL 
ALECSANDER PEREIRA MARTINS
1, JOSÉ CARLOS PIZOLATO JUNIOR
2. 
 
1. Departamento de Engenharia Elétrica, UEL 
Caixa Postal 6025 Cep: 86051-980, Londrina, PR, Brasil 
E-mail: apms6592@gmail.com 
 
2. Depto. de Engenharia Elétrica, Universidade Federal de São Carlos-UFSCar 
Cep: 13565-905, São Carlos, SP, Brasil 
E-mail: jcpizolato@yahoo.com.br 
Abstract This paper proposes the application of a computer vision system for measuring and analyzing the cross section of 
sheet metal together under the action of the industry welding process. The proposed inspection system quantifies the material 
deposited in the fillets weld T type joints obtained in the processes GMAW (Gas Metal Arc Welding). The algorithm used in au-
tomatic inspection system has the following characteristics: it analyzes quantitatively the solder regardless of the format of the 
section, performs measurements without the use of conventional mechanical instruments and professional skills with advanced 
operational. The proposed system was subjected to experimental tests performed in a batch of specimens of a center of industrial 
welding. A comparison between the performances of the proposed systems and traditional welding inspection was performed. 
Each section of the specimen was analyzed by a group of professional inspection, obtaining the average values of quantitative 
parameters. Automation proposal showed exactness of approximately 94% compared to the rate of 62% of the measurements 
performed by operators of welding. 
Keywords Computer Vision, Inspection Process Automation, Weld Inspection, Morphological Operation in Image. 
Resumo Este trabalho propõe a aplicação de um sistema de visão computacional para a medição e análise da secção transver-
sal de chapas metálicas unidas sob a ação do processo de soldagem industrial. O sistema de inspeção proposto quantifica o ma-
terial depositado em filetes de solda de junções tipo T obtidos em processos GMAW (Gas Metal Arc Welding). O algoritmo uti-
lizado no sistema de inspeção automático apresenta as seguintes características: analisa quantitativamente a solda independente 
do formato da secção, realiza medições sem a necessidade de instrumentos convencionais mecânicos e profissional com qualifi-
cação operacional avançada. O sistema proposto foi submetido a testes experimentais que foram realizados num lote de corpos 
de prova de um centro de soldagem industrial. Uma comparação entre os desempenhos dos sistemas proposto e tradicional de 
inspeção de soldagem foi realizada. Cada secção do corpo de prova foi analisada por um grupo de profissionais de inspeção ob-
tendo-se a média de valores dos parâmetros quantitativos. A automatização proposta apresentou exatidão em torno de 94% 
comparado ao índice de 62% das medições realizadas por operadores de soldagem. 
Palavras-chave Visão Computacional, Automatização de Processo de Inspeção, Inspeção de Solda, Operação Morfológica 
em Imagem.
1 Introdução 
Nos últimos anos houve um crescimento da demanda 
por soldagem industrial, principalmente da soldagem 
automatizada em indústrias de manufatura, um dos 
exemplos é o setor automotivo. Na referência de Me-
dina e Crispim (2010), dos robôs industriais articula-
dos instalados a nível mundial, 50% deles são usados 
para soldagem. Neste contexto a análise da solda é 
fundamental no processo de união metálica, uma vez 
que evita desperdícios e insuficiência de material du-
rante a deposição como indica a American Welding 
Society (AWS) (2000). De acordo com o trabalho de 
Dixon, Edwards and Palmer (1999) para a inspeção 
inicial de soldagem são aplicados os ensaios não des-
trutivos (END´s) que apresentam baixo custo de pre-
paração. Entre eles destaca-se o ensaio de inspeção 
visual com diferentes metodologias para a inspeção 
automática como descreve Schneider et al. (2004). Na 
detecção de falhas de soldagem em imagens radiográ-
ficas, as referências de Wang and Liao (2002), e Sha-
feek et al. (2004a) são fundamentados em técnicas de 
visão computacional. Nos trabalhos aplicados na me-
dição da região de solda e inspeção automática, desta-
ca-se o método de inspeção on-line de White, Smith 
and Lucas (1994) e Schreiber et al. (2008). 
 A evolução no processamento de imagem, visão 
computacional, inteligência artificial de outras áreas 
afins, têm melhorado significativamente a capacidade 
das técnicas para a inspeção visual descrito por Sha-
feek et al. (2004b). O objetivo deste trabalho é auto-
matizar a inspeção visual dimensional da secção 
transversal de solda aplicando a visão computacional. 
Diferente das várias etapas de processamento citados 
por Ng (2006), Alaknanda and Kumar (2005), Li et al. 
(2006), Shi et al. (2007) e comentados por Wang et al. 
(2008), esta proposta fundamenta-se basicamente na 
aplicação da técnica de morfologia matemática em 
imagens binárias, mencionado por Marques e Vieira 
(1999). Dessa forma, o algoritmo proposto permite a 
redução dos custos de hardware e do tempo de pro-
cessamento computacional na inspeção quantitativa na 
X SBAI – Simpósio Brasileiro de Automação Inteligente
18 a 21 de setembro de 2011
São João del-Rei - MG - Brasil
ISSN: 2175-8905 - Vol. X 445
secção transversal de solda. O sistema proposto não 
utiliza um quadro de referência em torno da secção de 
solda para o ajuste entre as dimensões reais e da ima-
gem a ser mensurada, não limitando o tamanho do 
corpo de prova. Além disso, ele não utiliza imagens 
radiográficas e dispensa equipamentos online entre o 
processo de soldagem e a medição. Este sistema pode 
ser aplicado na medição de trincas aparentes na solda. 
 Este artigo está organizado como descrito a se-
guir. Na seção 2 são apresentados os parâmetros que 
devem ser mensurados para avaliar a qualidade de 
soldagem. Na Seção 3 é resumido o procedimento de 
medição tradicional da soldagem. A seção 4 descreve 
o sistema de inspeção proposto e a seção 5 descreve o 
processamento digital da imagem. Na seção 6 são 
apresentados os resultados da implementação. As con-
clusões sobre o sistema proposto estão na seção 7. 
2 Parâmetros de Medição 
 Os principais parâmetros de medição em solda-
gem de acordo com a norma D1.1/D1.1M:2004 da 
American National Standard / AWS (2004) estão ilus-
trados na Fig. 1. O parâmetro h é o parâmetro que 
indica o comprimento da perna de solda ou tamanho 
da solda, obtida através do cálculo da média aritméti-
ca entre as medidas h1 e h2. A AWS recomenda o 
tamanho mínimo da solda em relação à espessura das 
chapas metálicas dispostas em 90° conforme especifi-
cado na tabela 1. 
Tabela 1. Tamanho de solda comparado à espessura da chapa. 
Espessura chapa em (mm) Tamanho mínimo da solda (mm) 
T ≤ 6.4 3 
6.4 < T ≤ 12.7 5 
12.7 < T ≤ 19.0 6 
19.0 < T 8 
 
 Uma outra medida necessária para mensurar a 
dimensão da solda é a garganta teórica t, que indica a 
altura do filete de solda desde a raiz r até a linha trace-
jada transversal que toca as extremidades do filete de 
solda nas chapas metálicas, como mostrado na Fig.1. 
 
 
Fig. 1. Secção transversal do filete de solda após a união de duas 
chapas metálicas. h1 representa o comprimento da perna de solda 
horizontal. h2 representa o comprimento da perna de solda vertical. 
t é a altura do filete de solda desde a raiz r até a linha tracejada 
transversal que une os pontos de encontro entre as chapas e filete 
de solda. 
A partir das medições destes parâmetros sãoextraídas 
conclusões quantitativas que indicam a qualidade e 
resistência da solda no aspecto dimensional. A deter-
minação da medida da garganta teórica é representada 
pelo parâmetro t na equação (1). Este parâmetro se-
gundo Chang and Chen (2008) deve ser próximo de 
70% do tamanho da solda h. Para garantir a resistência 
mínima de soldagem em relação à espessura das cha-
pas metálicas, o parâmetro adequado da garganta teó-
rica garante que a junção não sofrerá falhas prematu-
ras quando submetidas a esforços mecânicos. 
 
 ht 707.0= (1) 
3 Processo de Medição Tradicional 
 A avaliação da região de soldagem em um corpo 
de prova precede o processo definitivo de união metá-
lica em linha de produção. O corpo de prova é consti-
tuído por meio da união de chapas metálicas com ma-
terial de adição dispostas a 90°, também chamada 
solda T, como ilustrado na Fig. 2. As medições expe-
rimentais são realizadas na seção transversal das cha-
pas conforme mostrado na Fig. 1. 
 
 
Fig. 2. Corpo de prova obtido da união em T de duas chapas metá-
licas dispostas em 90° num processo de soldagem. 
 No procedimento tradicional de inspeção de sol-
dagem há uma medição obtida com instrumento de 
metrologia por contato direto com a região de solda. A 
Fig. 3(a) ilustra a aplicação da escala graduada na 
medição de uma dimensão do corpo de prova. As Fig. 
3(b) e 3(c) ilustram a medição da secção do corpo de 
solda empregando os seguintes instrumentos de medi-
ção: paquímetro digital e um micrômetro. Nestes pro-
cedimentos de medição há uma incerteza no posicio-
namento do instrumento de medição que irá depender 
da experiência técnica do operador do instrumento. 
Embora os instrumentos acima citados apresentem 
resolução elevada, os processos de medição por conta-
to levam a erros conforme é mencionado por Barazze-
tti and Scaioni (2009). Dentre os erros mais comuns 
na medição em soldagem podem ser citados: erro de 
leitura devido à insuficiência de conhecimento técnico 
do instrumento por parte do operador de soldagem, 
erro de paralaxe devido ao posicionamento inadequa-
do do instrumento ou operador em relação à escala de 
leitura, e erro ocasionado por falta de certificação ou 
calibração dos instrumentos de medição. Desta forma, 
o método tradicional de medição pode gerar leituras 
diferentes entre operadores de soldagem para a mesma 
região de solda. Este inconveniente implica no aumen-
X SBAI – Simpósio Brasileiro de Automação Inteligente
18 a 21 de setembro de 2011
São João del-Rei - MG - Brasil
ISSN: 2175-8905 - Vol. X 446
to do número de leituras, devido ao acompanhamento 
constante em relação à confiabilidade das medições. 
 
 
 (a) (b) (c) 
Fig. 3. Instrumentos de metrologia dimensional posicionados na 
secção transversal do corpo de prova. (a) Escala graduada. (b) 
Paquímetro digital. (c) Micrômetro analógico. 
 Dentre os equipamentos mais avançados em me-
dição dimensional automatizada destacam-se: o equi-
pamento de medição tridimensional por contato e o 
projetor de perfil (medição sem contato). Estes equi-
pamentos apresentam alta confiabilidade e elevado 
custo de aquisição. Além disso, eles são utilizados em 
ambientes controlados e devem ser aplicados em labo-
ratórios de metrologia profissional. Entretanto, o posi-
cionamento do corpo de prova por um operador do 
equipamento ainda persiste. 
 Com o objetivo de minimizar os inconvenientes 
apresentados no método de inspeção tradicional, um 
método de inspeção quantitativo da área de soldagem 
fundamentado em visão computacional é apresentado 
na próxima seção. 
4 O Sistema de Inspeção Proposto 
 O sistema de inspeção automático proposto está 
ilustrado no diagrama em blocos da Fig. 4. 
 
 
Fig. 4. Diagrama em blocos do sistema de inspeção proposto. 
 O corpo de prova em secção transversal apresen-
tado na seção 3 é a entrada do sistema proposto. A 
aquisição da imagem do corpo de prova é realizada 
por meio de uma câmera com Dispositivo de Carga 
Acoplada ou sensor CCD (Charged Coupled Device) 
comentado por Russ (1998) posicionado sobre a sec-
ção transversal do mesmo. De acordo com Edmund 
Optics (2011) para não ocorrer distorções na imagem 
é necessário manter a distância mínima de trabalho 
entre o objeto e a câmera, e no sistema proposto a 
distância foi de 40 cm. A região de interesse a ser me-
dida no corpo de prova é o filete de solda em secção 
transversal, como apresenta em destaque a Fig. 5. 
 
Fig. 5. Secção transversal do corpo de prova com o filete de solda 
em destaque. 
 A imagem é transferida por cabo entre a câmera e 
o computador. A interface usuário/software (bloco 1, 
Fig. 4) solicita ao usuário a seleção da imagem a ser 
medida para o início do processamento. A Fig. 6 ilus-
tra a mensagem de solicitação do software ao usuário. 
 
 
Fig. 6. Mensagem do software na interface do usuário para a sele-
ção da imagem do corpo de prova. 
 O processamento digital da imagem (bloco 2, Fig. 
4) no sistema proposto é detalhado na seção 5. Nesta 
fase é extraída para a medição apenas a secção trans-
versal do filete de solda, como mostra a Fig. 7. 
 
 
Fig. 7. Corpo de prova em secção transversal. Em destaque a sec-
ção do filete de solda extraída do corpo de prova. 
 
 Como existem distintas aplicações da soldagem 
industrial, tensões de trabalho e diversos formatos de 
peças que utilizam soldagem, o sistema de inspeção 
proposto compara as dimensões do filete de solda com 
a norma e parâmetros citados na seção 2. As medidas 
h1 e h2 da perna de solda e garganta teórica t estão na 
secção do filete de solda ilustrado na Fig. 8. 
 
 
Fig. 8. Secção transversal do filete de solda apresentando apenas o 
material de deposição. A média dos valores das medidas h1 e h2 
indicam a perna de solda. A medida t indica a garganta teórica. 
 A saída do sistema proposto no diagrama em blo-
cos da Fig. 4 é a inspeção automática quantitativa da 
secção transversal de solda, com o resultado final na 
forma de mensagem na interface: ‘Filete de solda sufi-
ciente’ ou ‘Filete de solda insuficiente’, dispensando 
um técnico especialista na área neste tipo de análise. 
5 Processamento Digital da Imagem 
 O processamento digital proposto é realizado no 
domínio espacial da imagem do corpo de prova, atu-
ando diretamente na morfologia dos pixels da imagem. 
X SBAI – Simpósio Brasileiro de Automação Inteligente
18 a 21 de setembro de 2011
São João del-Rei - MG - Brasil
ISSN: 2175-8905 - Vol. X 447
A imagem do corpo de prova é composta por 256 ní-
veis de cinza. O processamento digital da imagem está 
ilustrado no diagrama em blocos da Fig. 9. 
 
 
Fig. 9. Diagrama em blocos do processamento digital da imagem. 
 As coordenadas de um pixel na imagem é repre-
sentada pela função f(x,y), onde x representa a coorde-
nada linha e y a coordenada coluna na matriz corres-
pondente ao tamanho da imagem. A Fig. 10 mostra a 
coordenada inicial f(1,1) do pixel na imagem e final 
f(256, 256) no exemplo da imagem com 65536 pixels. 
A leitura da imagem (bloco 1, Fig. 9) é realizada de 
forma a identificar os níveis de cinza de todos os 
pixels na imagem da secção transversal. 
 
 
Fig. 10. Imagem da secção transversal do corpo de prova com 
tamanho de 256 x 256 pixels com a representação dos pixels em 
linha: eixo x, e a representação dos pixels em coluna: eixo y. 
 O sistema de inspeção proposto utiliza um dos 
métodos de Dunnu, Hilber and Schnell (2006) para a 
calibração entre os valores dimensionaisreais da sec-
ção do corpo de prova e a relativa imagem (bloco 2, 
Fig. 9). Esse método utiliza uma medida fisicamente 
conhecida, calculando a proporcionalidade (fator de 
escala) sobre a mesma região na imagem. Este único 
fator de escala é aplicado nas demais dimensões da 
imagem. No sistema de inspeção proposto a medida 
conhecida é a espessura da chapa metálica superior 
do corpo de prova. O algoritmo recebe da interface o 
valor de milímetros da chapa superior, compara com 
a mesma região em pixels e identifica o fator de esca-
la. No exemplo da Fig. 11 é ilustrada a mensagem de 
solicitação do software para o usuário fornecer a me-
dida conhecida em milímetros da chapa superior. O 
valor inserido da espessura da chapa superior é 8 mi-
límetros que resulta no valor de 71 pixels na imagem. 
 
Fig. 11. Mensagem de solicitação da interface do software para o 
usuário sobre a espessura da chapa superior do corpo de prova. Na 
sequência o valor da espessura da chapa superior em pixels na 
imagem. 
 Para a posterior medição da imagem, a mesma é 
modificada para a escala de níveis de cinza que vari-
am de 0 até 1 (bloco 3, Fig. 9) por meio da equação 
(2) de normalização da média variância citado por 
Heijden (1994). Na normalização do trabalho propos-
to, o termo I(i) representa o nível de cinza original do 
pixel, e os termos Imin e Imax seus níveis extremos de 
intensidade na escala de 256 níveis. Os novos valores 
dos pixels g(x,y) variam agora de valor 0 que repre-
senta o pixel preto, até o valor 1 que representa o pixel 
branco. A Fig. 12 apresenta a imagem em escala de 
níveis de cinza com a intensidade de valor 0.6 no mo-
delo de representação de cor RGB (vermelho, verde e 
azul) descrita por Pratt (2001). 
 
 ( ) ),(),(
1
Im)(
ImIm yxgyxf
iniI
inax =−
− (2)
 
 
Fig. 12. Imagem da secção de solda em escala de cinza com inten-
sidade no valor de 0,6 na representação de cor RGB. 
 Para a quantificação mais precisa do filete de sol-
da no sistema proposto, é necessário modificar os 
pixels da escala de níveis de cinza para a escala biná-
ria, (bloco 4, Fig. 9) ou binarização da imagem como 
descrito na referência de Laksmana et al. (2009). Para 
modificar a imagem de escala de cinza para escala 
binária como mostra a Fig. 13 (pixel branco: 1 e pixel 
preto: 0), é aplicada a técnica de segmentação de ima-
gem por limiarização de Russ (2007) e Gonzalez and 
Woods (2002), que atribui valores fixos 0 ou 1 para os 
pixels nas coordenadas da imagem xij, com i represen-
tando linhas e j as colunas. Nos pixels de intensidade 
maior em relação a determinado limiar L na equação 
(3) atribui-se valor 1, e nos pixels de intensidade me-
nor ou igual ao limiar L é atribuído o valor 0. 
 




≤=
>=
=
Lyxfx
Lyxfx
yxg
ji
ji
),( se 0
),( se 1
),(
,
, (3) 
 
 
Fig. 13. Imagem binária da secção transversal de solda apresentan-
do o pixel branco com valor 1, e o pixel preto valor 0 na represen-
tação de cor RGB. 
X SBAI – Simpósio Brasileiro de Automação Inteligente
18 a 21 de setembro de 2011
São João del-Rei - MG - Brasil
ISSN: 2175-8905 - Vol. X 448
 Na segmentação da imagem (bloco 5, Fig. 9) rea-
liza-se o isolamento da área de interesse extraída da 
imagem binária. Para isso é aplicada a técnica menci-
onada por Gonzalez and Woods (2002) de subtração 
(4) entre imagens. A operação é realizada entre os 
pixels da imagem completa f(x,y) ilustrado na Fig. 
14(a), subtraindo os pixels da imagem criada das cha-
pas em secção transversal h(x,y) na Fig. 14(b). Assim 
é obtida apenas a imagem da secção transversal do 
filete de solda g(x,y) como ilustrado na Fig. 14(c). 
 
 ),( - ),( ),( yxhyxfyxg = (4)
 
 
 (a) (b) (c) 
Fig. 14. (a) Imagem binária completa (b) Imagem criada a partir da 
secção original das chapas do corpo de prova. Fig. 14. (c) Secção 
transversal do filete de solda extraído da imagem completa. 
 Para a realização da medição dos pixels na área de 
solda na imagem (bloco 6, Fig. 9) é utilizado o méto-
do de medição de distância Euclidiana entre os pixels 
do filete de solda. Segundo Gonzalez e Woods (2010), 
para os pixels p, q, e z com as seguintes coordenadas: 
(x, y), (s, t), e (v, w), respectivamente, D é uma função 
distância ou métrica: 
 
).,D(),D( ),D( (c)
e ),,D(),D( (b)
) se somente e se 0),(D( 0 ),D( (a)
zqqpzp
pqqp
qpqpqp
+=
=
===
 
 
Onde a distância Euclidiana (5) entre p e q é definida: 
 
 2
1
])()[(),( 22 tysxqpDe −+−= (5) 
 
Nesta etapa também é calculada a área de solda em 
termos de mm². O termo bn,m na equação (6) represen-
ta as coordenadas da imagem original e Mp,q o número 
de pixels da região. 
 
 mn
qp
N
n
M
m
qp bmnM ,
1
0
1
0
, ∑∑
−
=
−
=
= (6) 
 
No cálculo da área de deposição de solda na imagem, 
Mp,q M0,0 ∆² é uma estimativa direta da área do filete 
de solda. 
 A Saída do processamento digital da imagem é o 
valor da garganta teórica, que é a medida de referência 
quantitativa de solda também em sistemas comerciais 
de inspeção que utilizam imagens. O sistema de inspe-
ção proposto apresenta ao usuário por meio da inter-
face a medida da garganta teórica para a comparação e 
validação, e a mensagem da análise sobre a quantida-
de de solda depositada, como a ilustra a Fig.15. 
 
Fig. 15. Resultado apresentado ao usuário do sistema de inspeção 
na interface com o software: O valor da medida da garganta teórica 
e a mensagem sobre a quantidade de solda depositada no filete. 
6 Resultados 
 O sistema de inspeção de solda proposto foi sub-
metido à medição do parâmetro da garganta teórica 
em amostras de corpos de prova confeccionadas no 
processo de soldagem manual e com diferentes geo-
metrias no filete de solda. Um grupo de inspetores em 
soldagem realizou a leitura referencial do valor verda-
deiro do mensurando (garganta teórica) nas amostras. 
O sistema proposto apresentou exatidão superior a 
30% comparado à média de leitura dos operadores de 
soldagem no processo de medição tradicional da seção 
3. Na comparação entre as formas de leitura foi utili-
zada uma planilha de repetições em metrologia dimen-
sional e os resultados estão na tabela 2. 
Tabela 2. Resultados das leituras referenciais do parâmetro da 
garganta teórica obtidos por inspetores em soldagem em 25 amos-
tras e comparados com as leituras do sistema proposto e as leituras 
dos operadores de soldagem com os respectivos índices de erro. 
 
Amostra 
Leitura 
Insp. Solda 
Leitura 
Sistema Proposto 
Leitura 
Operadores Soldag. 
(mm) (mm) erro (mm) erro 
1 5,2 4,9 -6% 3,9 -25% 
2 6 5,6 -7% 4,1 -32% 
3 6,4 6,8 6% 9,3 45% 
4 7 7,3 4% 4,4 -37% 
5 7,3 7,7 5% 10,7 47% 
6 7,3 7,8 7% 4,7 -36% 
7 7,5 7,1 -5% 5,1 -32% 
8 7,6 7,1 -7% 11,2 47% 
9 7,7 8,2 6% 10,9 42% 
10 7,7 8 4% 10,8 40% 
11 7,8 8,3 6% 5 -36% 
12 7,9 7,4 -6% 5,1 -35% 
13 8,1 8,5 5% 11,9 47% 
14 8,2 8,8 7% 11,5 40% 
15 8,2 8,9 9% 11,9 45% 
16 8,4 8 -5% 12,3 46% 
17 8,4 8,8 5% 12 43% 
18 8,7 8,4 -3% 12,3 41% 
19 8,9 9,7 9% 13,1 47% 
20 9,2 9,8 7% 13 41% 
21 9,3 9,9 6% 11,8 27% 
22 9,4 10,2 9% 12,5 33% 
23 10,4 10,9 5% 13,2 27% 
24 10,8 11,6 7% 14,7 36% 
25 11,1 11,8 6% 13,1 18% 
 Média erro: 6,1% Média erro: 37,8% 
Exatidão: 93,9% Exatidão: 62,2% 
 
 Pretende-se validar também o sistema proposto 
comparando-o a um sistema comercial de inspeção de 
solda com medição da garganta teórica por imagens. 
7 Conclusão 
Diante dos resultados experimentais iniciais, o 
sistema automatizado proposto demonstrou maior 
X SBAI – Simpósio Brasileiro de Automação Inteligente
18 a 21 de setembro de 2011
São João del-Rei - MG - Brasil
ISSN: 2175-8905 - Vol. X449
concordância com os valores referencias nos testes de 
leitura da garganta teórica, em média o erro foi de 
6,1%. A implementação aplica um software com mí-
nima exigência de hardware: processador de 1.8 GHz 
e 1GB de RAM. Diferente em relação ao método tra-
dicional e de alguns sistemas comerciais de inspeção, 
o sistema proposto mede sem contato e de forma au-
tomática a garganta teórica, permitindo também a aná-
lise dimensional do filete de solda. O trabalho propos-
to permite viabilizar a inspeção quantitativa da secção 
transversal de solda produzida de forma manual ou 
robotizada, sem a necessidade do profissional qualifi-
cado na inspeção de solda, visão computacional e pro-
cessamento de imagens. Dispensa instalações labora-
toriais, tornando-o acessível em linha de produção e 
centros de treinamento em soldagem industrial. 
Agradecimentos 
 Agradecimentos ao Dep. de Eng. Elétrica-UEL. 
Referências Bibliográficas 
Alaknanda, A.R.S and Kumar, P. 2005, ‘Flaw Detec-
tion in radiographiac weld images using morpho-
logical approach’. NDT & E Int. vol. 39, no.1, pp. 
29-33. 
American Welding Society 2000, Welding Inspection 
Handbook, 3° ed. AWS, Miami. 
American Welding Society 2004, Structural Welding 
Code Steel, 18° ed, AWS, Miami. 
Barazzetti, L. and Scaioni, M. 2009, ‘Crack measure-
ment: Development, testing and applications of an 
automatic image-based algorithm’, ISPRS Journal 
of Photogrammetry and Remote Sensing, vol. 64, 
pp. 285-296. 
Chang, C.L. and Chen, H.Y. 2008, ‘Weld contour 
measurement of fillet welds by the ‘reverse engi-
neering technique, Journal of Manufacturing Sys-
tems, vol. 27, pp. 1-6. 
Dixon, S; Edwards, C. and Palmer S.B. 1999, ‘A la-
ser–EMAT system for ultrasonic weld inspec-
tion’, Ultrasonics, vol. 37, pp. 273-281. 
Dunnu, G; Hilber, T. and Schnell, U. 2006 ‘Advanced 
Size Measurements and Aerodynamic Classifica-
tion of Solid Recovered Fuel Particles’Energy & 
Fuels, vol. 20, pp. 1685-1690. 
Gonzalez, R. C. and Woods R.E. 2002, Digital Image 
Processing, 2° ed. Prentice Hall, New Jersey. 
Gonzalez, R.C e Woods R.E. 2010, Processamento 
Digital de Imagens, Pearson, 3° ed. São Paulo. 
Heijden, D.V.F. 1994, Image Based Measurement 
Systems: Object Recognition and Parameter Es-
timation, 1° ed. John Wiley and Sons, New York. 
Laksmana, F. L; Vliet L. J. V; Kok, P. J. A; Vromans, 
H; Frijlink, H.W. and Maarschalk, V.V.K. 2009, 
‘Quantitative Image Analysis for Evaluating the 
Coating Thickness and Pore Distribution’. Phar-
maceutical Research, vol. 26, no. 4, pp. 965-976. 
Li, X; Tso, S.K; Guan X.P. and Huang, Q. 2006, ‘Im-
proving automatic detection of defects in castings 
by applying wavelet technique’. IEEE Trans Ind 
Electron, vol. 53, no. 3, pp.1927-1934. 
Marques, F. O. e Vieira, N.H. 1999, Processamento 
Digital de Imagens, Editora Brasport. Rio de Ja-
neiro. 
Medina, R. M. e Crispim, S.F. 2010, ‘Fatores deter-
minantes no processo de decisão de investimentos 
em robotização na indústria brasileira de autope-
ças’, Revista Gestão e Produção, UFSCar, vol. 
17, n. 3, pp. 567-578. 
Ng, F.H. 2006, ‘Automatic thresholding for defect 
detection’, Pattern Recognition Letters, vol. 27, 
pp. 1644-1649. 
Optics and Optical Instruments Catalog. 2011. Ed-
mund Optics, USA. 
Pratt, W. K. 2001, Digital Image Processing, John 
Wiley and Sons, New York. 
Russ, J. C. 1998, The Image Processing Handbook 
3th ed. CRC Press. London. 
Russ, J. C. 2007, The Image Processing Handbook 
5th ed. CRC Press Taylor & F. G. Boca Raton. 
Shafeek, H.I; Gadelmawla, E.S; Abdel Shafy, A.A and 
Elewa, I.M. 2004a, ‘Assessment of welding de-
fects for gas pipeline radiographs using computer 
vision’, NDT&E International, vol. 37, pp. 291-
299. 
Shafeek, H.I; Gadelmawla, E.S; Abdel Shafy, A.A and 
Elewa, I.M. 2004b, ‘Automatic inspection of gas 
pipeline welding defetcs using an expert vision 
system’, NDT&E International, vol. 37, pp. 301-
307. 
Schneider, G.A; Felisberto M. K; Arruda, L.V.R e 
Centeno T. M. 2004, ‘Segmentação de cordões de 
solda por meio do perfil em imagens radiográfi-
cas’, XV Congresso Brasileiro de Automação - 
CBA, Gramado, Rio Grande do Sul. 
Schreiber, D; Cambrini, L; Biber, J. and Sardy, B. 
2008, ‘Online visual quality inspection for weld 
seams’, Springer-Verlag, vol. 42, pp. 497-504. 
Shi, D.H; Gang, T; Yang, SY, Yuan, Y. 2007, ‘Re-
search on segmentation and distribution features 
of small defects in precision weldments with 
complex structure’, NDT & E International, vol. 
40, no. 5, pp. 397-404. 
Wang, G and Liao, T. W. 2002, ‘Automatic identifica-
tion of different types of welding defects in radio-
graphic images’, NDT&E International, vol. 35, 
pp. 519-528. 
Wang, Y; Sun, Y; Peng, L; and Wang, H. 2008, ‘De-
tection of line weld defects based on multiple 
thresholds and support vector machine’, NDT & E 
Int, vol. 41, pp.517-524. 
White, R.A; Smith, J.S and Lucas, J. 1994, ‘Vision-
based gauge for online weld profile metrology’, 
IEE Proc.-Sci. Meas. Technol, vol. 141, no. 6, pp. 
521-526.