基于支持向量机的焊缝缺陷类型识别研究

针对焊缝的线形和圆形两种主要缺陷,提出了一种基于支持向量机的焊缝缺陷种类识别算法。首先,对焊缝X射线图像运用模糊C均值聚类、区域填充、均值滤波、边缘检测、大津阈值及谷发现图像预处理算法,获取焊缝缺陷的位置,然后通过逆表面阈值算法将缺陷从焊缝中分割出来;利用基于分段分形纹理分析算法提取焊缝缺陷的特征值;最后将特征值输入到基于支持向量机的焊缝缺陷分类器中,识别出焊缝缺陷种类。试验结果表明,通过对150张焊缝X射线图像进行训练,对80张焊缝X射线图像进行测试,平均正确识别焊缝缺陷种类的准确率达97.5%,满足工业要求。     

基于SUSAN算法的X射线焊缝图像缺陷提取

针对X射线焊缝图像存在对比度不高、灰度分布不均衡、图像中噪声多以及动态模糊等特点导致焊缝缺陷难以提取等问题,提出了一种基于SUSAN算法的焊缝缺陷提取方法。首先设定了采集图像的有效焊缝区域,减小了所要处理的数据量,进而对该区域进行了中值滤波处理;然后通过SUSAN算法找到了每一行焊缝缺陷区域的入口点及出口点,从而实施了缺陷分割;接着再结合数学形态学运算,滤除了孤立的噪声点与间断点,实现了缺陷区域准确定位。在VC++6.0平台上,针对常见的几类缺陷,包括裂纹、气孔、烧穿、未熔合等,取共100张焊缝缺陷图片进行了算法测试,与人工观测结果相对,正确率约为87%。研究结果表明,焊缝图像噪声过多以及对比度太小是未能正确分割出焊缝缺陷的主要原因。     

基于X射线图像和卷积神经网络的石油钢管焊缝缺陷检测与识别

研究了基于X射线图像和卷积神经网络(CNN)的石油钢管焊缝缺陷检测与识别问题。首先采用数字图像处理技术拟合提取出焊缝区域,验证了咬边缺陷的存在不影响焊缝边缘的提取;针对常用阈值分割方法不适于小面积区域缺陷分割的局限,采用基于排序点的聚类算法(OPTICS)对区域内任意形状大小的缺陷和噪声干扰点进行分割,然后对缺陷、噪声和无缺陷的正常图像进行提取并进行数据增强及尺寸归一化操作,从而完成焊缝图像的预处理以构建出样本图库。最后采用CNN与Softmax分类器相结合的算法,以缺陷和噪声为输入样本训练CNN并进行了实际应用实验,实验结果验证了方法的有效性。     

基于多层Hopfield神经网络的X射线焊缝气泡检测

提出利用Hopfield神经网络来分割X射线焊缝图像以判断焊缝是否存在气泡,将焊缝图像的分割问题转化为一个优化问题进行处理.针对焊缝图像噪声大、气泡出现位置随机的特点,构造Hopfield神经网络的能量函数.通过试验计算,确定能量函数系数的选取原则.在此基础上,提出基于神经网络的X射线焊缝图像分割算法,算法结合中值滤波和神经网络以便有效地去除噪声和检测气泡.对某实际生产线的焊缝图像进行处理的结果表明,中值滤波结合多层Hopfield神经网络可以准确地检测到焊缝中的气泡.     

埋弧焊X射线焊缝缺陷图像分类算法研究

对埋弧焊X射线焊缝圆形和线形缺陷图像进行分析,针对焊缝缺陷局部图像强噪声、弱对比度和常规方法不易区分类型的特点,将主成成分分析的思想引入焊缝圆形和线形缺陷类型分类。分析缺陷疑似局部图像自相关矩阵特征值发现,圆形线形焊缝缺陷疑似局部图像分类问题可降维为一维问题,极大地简化计算和提高运算速度。基于此给出圆形和线性缺陷分类算法,由于将缺陷图像分类问题降维,使得分类算法对模板的选择具有较强的鲁棒性。通过现场超过400张焊缝缺陷局部图像的实验表明,无论如何选取模板,线性缺陷的识别率均在98%以上,圆形缺陷的识别率在89%~98.8%之间,且在16次模板更换实验中,4次圆形缺陷识别率达到98.8%。     

Peleg-ε毯子法在焊缝图像缺陷边缘检测上应用的研究

分形几何中分形维数可用来度量、分析和评价纹理和形状,笔者利用分形维数来区分焊缝X射线图像中缺陷的纹理和形状.分形维数的计算方法有很多种,采用Peleg-ε毯子法计算图像的分形维数和图像的面积度量(即截距特征),利用图像的两个特征对焊缝X射线图像缺陷进行检测.从实验结果看出,用Peleg-ε毯子法检测焊缝图像缺陷边缘可行,特别对直线边缘检测效果较好.但要用于进一步分割的焊缝缺陷边缘,需要将分形方法与其它方法相结合.     

基于多帧图像焊缝缺陷轨迹跟踪的X射线实时检测技术

正基于X射线实时成像的焊缝缺陷在线检测是重要焊接结构连续生产过程中的关键环节,而动态图像处理技术是实现在线自动检测的关键。对于高噪声焊缝X射线实时图像,采用单帧图像处理算法无法克服缺陷误检与漏检之间的矛盾,需要研究多帧关联的图像处理方法。目前该领域已有的X射线多帧实时动态图像处理主要采用图像匹配方法或帧间缺陷匹配方法,前者在进行相关度计算时实时性较差,后者对低对比度缺陷容易产生漏检。另外,现有的焊缝缺陷检测图像处理算法对     

封头焊缝的X射线图像分割与增强方法研究

针对现有大型封头焊缝X射线检测存在胶片成像成本高、人工识别缺陷效率低等问题,提出基于X射线数字图像自动采集方案,并设计焊缝图像自动处理识别方法。针对焊缝区域与背景差异特性,采用固步灰度梯度法提取焊缝区域;采用双边滤波融合算法、自适应高频图像信息增强算法,实现焊缝图像的降噪和缺陷细节对比度增强;最后结合封头焊缝类型及特点设计特征库,基于Canny算法组合树形分类器实现缺陷的特征提取和分类。实验结果表明,该方法对封头焊缝中的气孔、裂纹、未融合、夹杂、未焊透等五类典型缺陷特征提取效果满足判级要求。     

炭素制品缺陷的X射线自动检测技术研究

针对炭素制品X光图像的特点,对其缺陷的提取与识别技术进行了研究,给出了目标边界提取算法和基于小波变换的图像增强算法,实现了图像的背景去除及增强处理。在此基础上,为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从背景去除后的图像中提取出缺陷区域,取得了良好的效果。对缺陷特征选择及识别方法进行了研究,设计了基于遗传策略的特征选择和基于BP神经网络的缺陷识别算法,计算表明:缺陷正确识别率可达95%以上。采用上述技术开发完成了一套炭素制品缺陷X射线自动检测系统。     

基于阈值分割和形态学相结合的金属废料 X 射线图像轮廓提取方法

针对金属废料 X 射线透射图像中废料之间距离较近时图像可能相互粘连,导致不能有效提取单个物料轮廓的问题,提出了一种基于阈值分割和形态学相结合的金属废料 X 射线图像轮廓提取方法。首先分析图像噪声信息分布,利用约束灰度值范围的 Otsu 阈值分割算法获得全局最优阈值对图像进行滤波;然后采用动态阈值分割方法得到二值化图像,在此基础上采取一种改进的形态学处理策略实现对各单物料区域的连通区标记;最后对各连通区进行轮廓提取以获得单个物料区域的轮廓。经实验表明,该方法有效地提高了在物料粘结情况下图像轮廓提取的准确率和成功率。     

Application of an improved watershed algorithm in welding image segmentation

In view of the present state of welding flaw X-ray test method and open question, a watershed segmentation method is proposed based on the dynamic combination rule. In consideration of image structure information, this paper presents an improved method based on the watershed algorithm, which has effectively restrained the over-segmentation occurrence by means of combination whilst segmentation in accordance with the dynamics combination rules. Experimental results show that the algorithm can quickly and accurately obtain the segmentation result of flaw image. Furthermore, it has higher ability in resisting noise.     

基于改进CV模型和PCNN的NSST域焊接缺陷提取

为了精确地提取焊接缺陷,进一步提高缺陷检测的准确性,提出了一种基于改进ChanVese(CV)模型和脉冲耦合神经网络(pulse coupled neural network,PCNN)的非下采样Shearlet变换(non-subsampled Shearlet transform,NSST)域焊接缺陷提取方法。首先,对焊接缺陷图像进行NSST分解,对得到的低频分量采用PCNN提取出缺陷的主要区域;然后,利用背景抑制后的低频分量和高频分量构造出高频特征图像,并对其进行粗分割,再利用改进的CV模型寻找最优轮廓,提取出缺陷精细轮廓;最后,融合缺陷的主要区域和精细轮廓信息得到最终的结果。实验结果表明,与其他缺陷提取法相比,所用方法提取的缺陷结构更为完整,缺陷轮廓更为精细。     

基于结构光视觉的激光拼焊焊缝质量检测方法研究

焊缝质量自动检测是实现焊接自动化的关键技术。文中在分析结构光视觉检测原理的基础上,建立了基于结构光视觉的激光拼焊焊缝质量检测系统并对检测系统的图像处理方法进行了研究。对原始图像进行了开窗处理和中值滤波,并使用迭代阈值法获得了结构光光纹。提出了一种简化的模板获得了光纹的边界点并使用几何中心法提取了光纹中心线。使用平均斜率法识别出光纹中心线的特征点。分析了激光拼焊焊缝截面轮廓的特点并建立了截面轮廓几何参数计算方法。实验结果表明该检测系统可以完成焊缝截面轮廓相关参数的计算。     

基于机器视觉的太阳能电池片位置误差检测

为了提高太阳能焊接机的焊接精度和焊接速度,提出了基于机器视觉在线检测太阳能电池片位置误差的方法。采用最小误差法对图像进行阈值分割,通过轮廓提取出电池片的轮廓;采用Hough变换直线检查的方法得到了电池片边缘及三线所在直线;计算出电池片的位置误差。实验结果验证了该方法的有效性。     

基于膨胀和Hough变换的焊缝位置检测方法

对视觉焊缝跟踪图像处理的方法进行了研究.首先,将彩色图像灰度化,再通过滤波、直方图均衡化等进行图像分割;然后,利用边缘检测和数学形态学中的膨胀算子将目标区域连通;最后,利用Hough变换找出焊缝的边界线和中心线.该方法不仅可以较快地把焊缝整个区域提取出来,而且可以检测出焊缝偏离的位置和方向.实验运行结果表明该方法精度高...     

脉冲涡流热成像的自适应异常提取算法

脉冲涡流热成像通过检测试样表面温度场异常来进行缺陷检测。试样的表面不平整带来的非相关显示,使得缺陷引起的温度异常很难被检测出来。本文提出了自适应异常提取算法,该算法使用基于局部信息模糊C均值聚类图像分割将非相关显示的干扰区域分割开来,然后采用自适应模板对各个分割区域内的像素进行预测。该算法能够用于原始热图像和其他检测算法得到结果图的异常提取。以表面不平整的焊缝裂纹试样为对象来验证算法的有效性,并进行信噪比评价。结果表明该算法能够很好地抑制非相关显示,同时激励不均匀性的干扰也得到较好的消除,缺陷的异常信息被很好地提取出来。     

Application of a new image segmentation method to detection of defects in castings

X-ray-based inspection technique is well applied to identification and evaluation of internal defects in castings, such as cracks, porosities, and foreign inclusions. Combining X-ray inspection with digital image processing and automatic image assessment is now the preferred approach for the continuous inspection of castings. However, in practical application, the quality of the X-ray image is poor. Under the circumstances, many classical thresholding methods usually cannot obtain ideal segmentation results. In this paper, we propose an effective segmentation method for the detection of typical internal defects in castings derived for an X-ray inspection system. The proposed method takes advantage of the fuzzy set theory and bound histogram and presents fuzzy exponential entropy for object and background according to the fuzzy sets and gray-level distribution of the image. The ideal threshold is obtained by maximizing the fuzzy exponential entropy associated with the distribution of the object and background classes in the bound histogram. Experimental results indicate that the proposed method is a powerful method to analyze images derived from X-ray inspection for automatically detecting typical internal defects in castings.     

板焊缝图像处理

焊接过程中不可避免地受到弧光、飞溅以及烟尘等若干因素干扰,为了提取准确、清晰的焊缝图像,提出了利用中值滤波进行图像预处理,采用固定阈值的方法对图像进行分割,应用Canny边缘算予进行边缘检测,采用Sobel算子对边缘进一步细化,采用最小二乘法进行曲线拟合以得到更为精确的图像,最后采用几何中心法较为准确地提取焊缝中心。以上各过程都是利用Visualc＋＋实现,实验结果表明,方法快速有效,原理明了,算法简单,易于编程。