共查询到20条相似文献,搜索用时 15 毫秒
1.
针对油气管道焊缝射线检测胶片的实际情况,提出一种用于气孔缺陷检测的方法,应用图像处理技术对气孔缺陷进行量化分析,并实现计算机辅助评片。 相似文献
2.
3.
焊接缺陷检测是焊接行业的一项重要工作,利用X射线焊缝缺陷图像进行缺陷检测是焊接无损检测的重要手段。为实现对缺陷的自动识别和定位,结合缺陷的具体特征提出了一种改进的Mask RCNN实例分割网络实现对图像进行缺陷检测和分割。该方法在原有网络的基础上通过采用变形卷积更好地提取不规则形状缺陷特征信息,引入空洞卷积加强高层特征的感受野,在局部图像中融合全局图像信息使局部图像获取上下文信息,利用迁移学习和数据增强降低对训练数据的需求,提升检测和分割精度。最终,通过对焊缝X射线数据集上进行实验,验证改进的Mask RCNN模型与原始Mask RCNN模型以及Faster RCNN模型等模型进行客观比较,并对实验结果进行可行性分析,提出的模型表现出更精确的检测精度和更好的性能。实验结果表明改进的Mask RCNN模型可以更好的适用于焊缝缺陷检测中。 相似文献
4.
针对磁记忆检测技术在焊缝缺陷等级定量识别中模糊性和分散性的难题,提出以模糊c均值聚类算法为理论基础的焊缝缺陷等级磁记忆定量识别模型。以Q235焊接试件为试验材料,进行疲劳拉伸试验。对比X射线检测定量标准,确定磁记忆焊缝缺陷量化等级,提取不同等级的磁记忆信号征参数向量,通过训练样本的学习选取最优模糊加权指数m,建立了基于模糊c均值聚类算法的焊缝缺陷等级磁记忆定量识别模型。模型验证结果表明,预测损伤等级的准确率达到了90%,为实际工程中准确区分焊缝缺陷等级提供理论依据和新的思路。 相似文献
5.
针对焊缝表面成形缺陷检测存在的技术问题,对现有焊缝缺陷检测技术即磁粉检测、超声检测、涡流检测、渗透检测、磁光成像检测、红外检测以及结构光视觉检测法进行了深入研究。对检测原理、系统基本结构、各自的适用范围以及研究现状进行了论述;并分析总结了基于结构光视觉检测法的激光条纹图像采集、图像处理、特征提取和焊缝缺陷分类识别等技术相关的理论与算法;研究结果表明:为了满足焊缝缺陷全方位检测要求,可融合多检测技术,优势互补;随着人工智能技术的不断发展和焊件质量要求的提高,实现焊缝缺陷检测技术可视化、自动化是未来的发展趋势;人工智能技术是焊缝缺陷检测的关键技术,实现真正智能化检测需进一步研究。 相似文献
6.
7.
8.
为了实现焊接缺陷的自动检测,研究一种交变磁场激励下焊缝表面及亚表面缺陷的磁光成像动态无损检测方法。分析了基于法拉第磁致旋光效应的焊接缺陷磁光成像机理,并结合交变磁场原理推导出励磁变化与动态磁光成像的关系。探索低碳钢板的亚表面焊缝磁光成像特征试验,验证了所提方法可用于检测焊缝亚表面的未熔合缺陷。最后对高强钢焊缝特征的动态磁光图像进行分析,采用主成分分析法和支持向量机(PCA-SVM)模式识别方法建立了焊接缺陷分类模型。试验结果表明,所提方法可以识别高强钢焊件中的焊缝特征(未熔透、裂纹、凹坑和无缺陷),缺陷分类模型的整体识别率达到92.6%,能够实现焊缝表面及亚表面缺陷的自动检测。 相似文献
9.
为提高对焊缝缺陷的检测精度,提出采用支持向量机(Support Vector Machine,SVM)分类的方法对X射线焊缝图像进行分割.选择训练样本图像的灰度、形态学梯度作为训练向量的特征分量对SVM进行训练,得到SVM分割模型后,将测试样本输入分割模型进行分割处理.以气孔缺陷为例,证明了该方法能实现焊缝气孔缺陷的准确分割,与其他分割方法相比,可提高缺陷检测的精度. 相似文献
10.
《机械设计与制造》2017,(6)
高频直缝焊管的性能很大程度上取决于焊缝的质量,焊缝表面的质量成为了判别焊缝质量的重要因素。为了定量评价高频直缝焊管生产过程中焊缝表面形质量,采集了高频直缝焊管不同质量评级对应焊缝表面的图像信息,基于MATLAB平台,利用图像处理方法对不同质量焊缝表面图像进行了预处理,提取样本图像的几何形状及纹理特征等11维图像特征参数,经过对这些参数的动态变化建立了用于焊缝表面质量判别的BP神经网络模型。结果表明:缺陷边界周长﹑圆形度﹑矩形度等焊缝表面形貌图像特征参数可以作为描述焊缝表面形貌质量的定量指标,并可用BP网络模型对焊缝表面形貌进行识别预测。本研究为建立焊缝表面形貌的定量评价体系提供了新途径。 相似文献
11.
《压力容器》2016,(12)
针对实际工程中角焊缝在设备结构中位置特殊、造成采用常规无损检测无法对其评价的难题,进行了角焊缝缺陷处磁记忆检测信号定量特征提取与建模。从三维地磁场下力磁耦合的角度,考虑焊接残余应力的基础上,对不同倾斜角度相交的管道角焊缝进行力磁耦合仿真,获得不同载荷下不同角度的角焊缝磁场分布规律,提取缺陷处切向和法向磁记忆特征参数,建立不同载荷下角焊缝缺陷处应力集中程度的定量表征模型。进一步考虑到理论建模与实际检测的差异性,设计磁记忆检测试验,用实测数据对模型进行修正,并对修正模型进行了验证,验证结果表明最大误差7.117%,为工程实际中对角焊缝这类复杂焊接结构的磁记忆定量检测提供科学依据。 相似文献
12.
从X射线焊缝底片数字化图像缺陷识别的实际需求出发,针对焊缝缺陷图像边缘提取,进行不同边缘检测方法的对比研究,分析各类边缘检测算子边缘提取效果的特点及阈值的取值对边缘检测算子的边缘提取效果的影响,提出基于数学形态学的多方位结构元素边缘检测方法.实验表明:综合采用阈值优化的Canny算子和基于改进的形态学梯度算子及多方位结构元素的数学形态学边缘检测方法,能够获得完整全面的边缘信息,有利于对焊缝缺陷的分类及缺陷等级识别. 相似文献
13.
14.
针对长输油气管道缺陷尺寸的智能识别、有效评估管道损伤程度的问题,提出了一种基于卷积神经网络的漏磁数据智能识别处理方法。该方法将漏磁检测信号的结构化数据作为模型量化分析输入源,可有效减小检测干扰的影响。利用卷积核提取管道缺陷处的漏磁检测数据特征,改进输出层激活函数,线性输出结果,实现对管道缺陷尺寸的智能识别。实验结果表明:该方法对管道缺陷具有良好的量化能力,量化误差为2~4 mm,满足工程需求,同时可快速对工程数据进行批量识别,在管道漏磁内检测数据处理领域具有很好的应用前景。 相似文献
15.
《仪器仪表学报》2020,(4)
针对电弧增材制造(WAAM)成形件表面及亚表面微小缺陷难以检测和识别的问题,结合图像纹理特征和神经网络提出一种基于磁光成像的无损检测方法,实现低碳钢WAAM成形件表面微小缺陷检测和分类。首先对二次表面精加工后的WAAM成形件进行磁化,并使用磁光成像仪获取成形件表面磁光图像作为试验样本,然后对磁光图像进行预处理,用灰度共生矩阵提取每幅图像的能量、熵、对比度和相关性纹理特征,对比分析无缺陷、熔合不良、凹陷和裂纹4种WAAM成形件表面质量纹理特征,最后通过建立的LMBP神经网络模型对成形件表面质量进行分类预测。试验预测结果表明,WAAM成形件表面缺陷检出率为97.33%,表面质量分类准确率可达91.33%,验证了所提方法能够有效检测和识别低碳钢WAAM成形件表面微小缺陷。 相似文献
16.
《制造技术与机床》2019,(6)
薄壁铝合金型材对接焊缝结构复杂,并受检测空间限制,尚无可行的焊缝焊接质量检测方法。为此提出一种超声爬波检测工艺进行检测试验。通过设计型材结构试块、模拟焊缝余高试块和人工模拟缺陷试块等,研究型材结构与焊缝余高等对爬波检测的影响,并测试该爬波检测工艺对各种缺陷的检测能力。并与超声相控阵技术进行对比试验,分析两种技术对该种焊缝检测的适应性。试验结果表明:对于余高磨平的焊缝,爬波与相控阵的检测能力基本相当,能够检测裂纹、未焊透和未熔合等焊接缺陷,具有快速检测的优势;对于余高未磨平的薄壁焊缝,爬波检测发现缺陷的能力优于相控阵技术。试验结果可为实际工程检测提供参考和指导。 相似文献
17.
《光学精密工程》2021,29(8)
为了实现轮毂焊缝缺陷的智能化检测,本文对深度学习目标检测算法(You Only Look Once version3,YOLOv3)进行改进,得到YOLOv3-MC算法用于轮毂焊缝缺陷的检测。首先,使用工业相机采集轮毂焊缝图像,然后标注图像制作数据集,并且通过数据增强方法扩充数据集。接着,为了提高算法检测精度,使用Mish激活函数替换YOLOv3主干网络中的激活函数。修改算法的损失函数,使用完备交并比(Complete Intersection over Union,CIoU)的计算方法提升算法检测的定位精度。最后使用训练集训练算法模型,再使用验证集和测试集图像数据进行检测试验,结果表明,YOLOv3-MC的最优模型在验证集上的平均准确率(Mean Average Precision,mAP)达到了98.94%,F1得分值为0.99,平均交并比(Average Intersection over Union,AvgIoU)为80.92%,检测速度为76.59帧/秒,模型大小234MB。该模型在测试集上的检测正确率达到了99.29%。相较于传统机器视觉检测方法,该方法提高了检测精度,满足轮毂生产企业的焊缝实时在线检测需求。 相似文献
18.
19.
20.
焊缝缺陷的检测在石油化工等领域是极其关键的环节,焊接质量的好坏直接影响到结构的使用性能.对于X射线焊缝图像评定,目前采用的人工评片受到多种主观因素的影响,导致漏检或错检情况相对较高.近年来,随着工业智能检测技术的发展,深度学习在图像特征学习中的独特优势使其在缺陷自动检测中具备重要的实用价值.综述了以神经网络技术为代表的深度学习模型在焊缝缺陷检测方面的研究进展,详细分析了基于卷积神经网络和Faster R-CNN网络的工业设备焊缝缺陷自动检测的理论模型及其优缺点,并对焊缝缺陷自动检测技术的发展进行了展望. 相似文献