基于漏磁图像的焊接接头缺陷识别

在提出基于灰度-梯度共生矩阵焊缝缺陷聚类分析方法的基础上,为进一步识别焊缝缺陷,以焊道上分布圆柱体缺陷、焊道上分布矩形槽缺陷、热影响区分布矩形槽缺陷漏磁图像为试验对象,将灰度-梯度共生矩阵提取上述3种缺陷的漏磁图像特征量传递给层次聚类,利用k-均值聚类方法分析层次聚类选取的特征量。结果显示,这3种焊缝缺陷的识别率在93.33%以上,试验结果验证了该方法在不同类型与不同位置焊缝缺陷识别分析的可行性,焊缝不同位置相同类型缺陷的识别较焊缝相同位置不同类型缺陷识别容易。     

焊缝缺陷磁光成像模糊聚类识别方法

以激光焊接高强钢(HSS)为对象,研究基于法拉第磁旋光效应的焊缝缺陷磁光成像检测方法.通过施加交变磁场改变焊缝处磁感应大小,利用磁光传感器获取焊缝缺陷磁光图像,选定特定区域提取灰度共生矩阵(GLCM)特征,并进行分析.为准确识别和分类焊缝缺陷类型,建立焊缝缺陷模糊聚类识别模型.通过调整模糊C-均值聚类(FCM)的模糊指...     

注射制品表面缺陷在线检测与自动识别

基于机器视觉技术的注射制品表面缺陷检测与识别可有效解决人工抽样检测问题,为克服现有缺陷识别算法对于不同的制品需分别进行样本训练、图像质量要求高、可操作性差等难题,在采用图像处理技术对制品表面缺陷进行检测的同时,提出一种基于缺陷区域轮廓、制品轮廓、区域灰度等特征的缺陷自动识别算法,避免了大量制品图像样本的训练过程,提高了可操作性。基于该方法,开发了一套注射制品表面缺陷在线检测与识别系统,试验表明,对短射、飞边、裂纹3种常见表面缺陷的识别率为91.8%。     

焊缝漏磁图像边缘检测算法的实现

以对接焊缝不同区域分布矩形槽缺陷的漏磁图像为对象,提出一种基于数学形态学的焊缝和缺陷的边缘提取方法。首先利用经典边缘检测算子对焊道上分布矩形槽缺陷和热影响区分布矩形槽缺陷进行边缘提取,检测结果说明了经典算子的不适用性。针对焊缝不同区域分布矩形槽缺陷漏磁图像,利用数学形态学算法,构造圆盘形结构元素进行边缘提取。结果表明:基于灰度膨胀变换的边缘检测算法,可较准确地提取漏磁信号图像的焊缝和缺陷边界,实现焊缝和缺陷二者的有效分离,具有一定的可行性和实用性。     

管道漏磁内检测缺陷可视化方法

针对长输管道漏磁内检测数据,基于图像可视化方法对管道管壁缺陷特征检测的问题进行可视化图像显示。将数据直接转化成屏幕上的点,生成一系列的漏磁曲线图形;将检测到的数据经过处理转换成对应的灰度值,由灰度值生成灰度图像;利用插值、滤波等图像增强手段进行图像处理,得到清晰的灰度图像,该灰度图像显示出管壁的缺陷;生成的灰度图像经过密度分割法转换成伪彩色图像,使管道缺陷视觉效果明显。实验表明,管道内部的缺陷特征信息通过曲线图形、灰度图像、伪彩色图像能够直观、形象地显示,提高数据分析的质量与效率。     

焊接电弧图像的边缘检测及其批处理算法

借助高速摄像捕捉不同时刻的焊接电弧图像,通过图像处理识别其边缘并提取其特征参数,可以实现对电弧燃烧和焊接过程稳定性的量化评价. 在分析电弧图像灰度特征的基础上,基于传统图像处理和形态学图像处理,提出了电弧图像边缘辨识的2种简化算法,并从程序运行时间和边缘检测精度两方面,对比了传统图像处理的Sobel边缘检测算法与形态学边缘检测算法的优劣. 选取传统图像处理简化算法构建了图像批处理程序,通过在原始电弧图像中添加随机高斯噪声和对TIG-MIG复合电弧图像边缘的准确识别来检验程序的性能. 结果表明,所构建的图像批处理程序有良好抗干扰能力和适用性.     

基于三维图像处理的车刀磨损缺陷检测方法研究

针对目前车刀磨损检测中所获取的二维图像处理无法提取车刀磨损区域三维特征的问题，提出一种基于结构光投影技术的方法，提取车刀磨损区域三维特征信息。对获取的信息进行分割，分离车刀中的垫片点云和刀头部分点云；然后对垫片点云进行最小二乘拟合平面处理，将拟合的平面与刀头部分点云进行最大距离求解，并用标准量块进行实际物理距离换算；最终获得刀头的最大实际磨损量，为工人更换刀头提供数据参考。实验结果表明：在对车刀进行磨损区域量化处理中，该方法可以获取车刀刀头的具体磨损量值，且具有较高的精度和较低的经济成本，该系统的误差小于0.05 mm,可满足实际生产需求。     

基于支持向量机的焊缝超声TOFD缺陷分类识别

为了实现对大型厚壁压力容器焊缝缺陷的准确识别,提高缺陷评定的准确性和检测效率,在基于标记的改进分水岭TOFD检测图像分割的基础上,结合典型缺陷图像的纹理特征,从图像空间域和频域特征,分别利用局部相位量化和局部二值模式获取缺陷区域的局部邻域特征参数,将二者特征参数进行归一化融合,再将融合特征向量用支持向量机进行分类识别。试验结果表明,检测图像4×4分块后提取的熔合特征识别率最优,分类识别正确率达到87.10%。     

基于深度学习的焊缝定位与缺陷识别

针对大型构件缺陷焊缝的自动定位及缺陷识别是实现焊缝打磨、补焊等自动化操作的必要条件.大型构件焊缝及焊缝缺陷图像具有形状多样、灰度分布随机等特点,加大了图像处理的难度.提出一种基于深度学习的焊缝定位及缺陷识别方法,通过深度学习目标检测方法确定焊缝位置并识别焊瘤及不合格缺陷,通过深度学习语义分割方法识别气孔及凹坑缺陷.选取FPN网络结构创建和训练焊缝定位及缺陷识别模型,并通过增加样本数量完成模型优化,焊缝定位识别准确率达到95％,焊瘤识别准确率达到98％,气孔与凹坑两类缺陷的识别准确率约为91.8％.     

合金钢熔化极气保焊熔池灰度图像特征试验

针对MAG焊特点,采用被动式视觉传感和近红外滤波方式采集到了不同熔滴过渡形式下清晰的典型熔池视觉图像.通过专用图像处理软件提取了反映焊接质量的熔池图像灰度特征,并采用灰度直方图、伪彩色增强等方法进一步描述了熔池图像的灰度分布特点.提出了用灰度均值和标准差研究MAG焊焊接过程的思路,分析研究并给出了灰度均值和标准差计算方法,并对不同工艺参数下,结合焊接电流和电弧电压波形,分析研究了熔池视觉图像的灰度均值、标准差和焊接过程,得出了其波动大小反映了焊接过程稳定性的初步结论.     

��˿�������ƶ�����Ӱ������̽��

 整绳破断力已成为钢丝绳检验的主要参数,根据GB/T8358－2006《钢丝绳破断拉神试验方法》对影响试验结果的因素进行了探讨,发现选择合适的夹持方法以及试验仪器能有效地提高试验成功率。     

X射线焊缝图像的缺陷检测与识别技术

针对目前无损检测主要采用人工方式存在的主观不一致、检测效率低、操作复杂等问题,设计了一套焊缝缺陷自动检测系统。提出基于Otsu双阈值分割的缺陷区域自动提取、图像的降噪和灰度增强的图像预处理方法;通过SUSAN算法检测焊缝缺陷目标,并结合形态学孔洞填充算法修正缺陷目标;计算焊缝缺陷目标特征参数,并结合所设计的深度为4的二叉树分类识别逻辑流程,实现了较好的焊缝缺陷的检测结果。     

钢丝绳无损检测技术在宝钢的应用

简述LMA型钢丝绳无损检测系统的结构和特点。在宝山钢铁集团公司利用该系统对在线钢丝绳进行无损检测,并结合倾向管理,可以保证在役钢丝绳运行的安全可靠,避免钢丝绳更换的盲目性,做到按照钢丝绳的运行状态来进行预知维修。     

图像灰度与腐蚀特征的相关性研究

根据实验数据研究腐蚀图象灰度和实际腐蚀深度的相关性,发现对孤立、规则圆孔的图像,经双向扫描校准后,其局部平均灰度和孔深存在很好线形关系,相关系数达0.95;对实际腐蚀图像,其局部平均灰度和相应位置的深度仍在0.95置信度下线性相关。但复杂深坑可能导致灰度值偏高（亮）,而且,坑深和灰度统计分布相关曲线表现为斜率不同（以坑深0.045cm为转折点）的两段直线,综上所述,基于图像灰度的腐蚀形貌诊断更适合腐蚀发展初期。此外,图像灰度和实际腐蚀参数的相关性研究表明,图像灰度极差是平均腐蚀速度及最大坑深的良好表征,它们在0.95置信度下线性相关。     

Use of gamma rays in the inspection of steel wire ropes in suspension bridges

Regularity visual inspections are performed on steel wire ropes of suspension bridges. However, because the steel wire ropes were coated with plastic materials, inspectors could not visually detect the deterioration conditions of the ropes. In this paper, radiation tests and electromagnetic testing were compared. The gamma rays used in the radiation tests were employed to develop two assessment techniques, namely the exposure time formula and sensitivity assessment of steel wire ropes. Actual tests showed that such techniques can be adopted to evaluate the defects of steel wire ropes and help engineers improve the safety of suspension bridges.     

索道钢绳缺陷的磁性检测信号辨识

索道钢绳是索道设备的关键部件,对索道钢绳状态的监测是保障生命、财产安全的重要环节。对锈蚀、断丝等几种常见钢绳缺陷做检测,分析了其各自的LF及LMA谱线,并由实际检核验证了监测结果的准确性。总结了在钢绳探伤中的一些经验,如探伤仪的校准、缺陷的定性与定量分析等,对钢绳探伤工作有一定借鉴价值。     

大口径管道远场涡流缺陷检测仿真建模

利用有限元分析软件ANSYS对大口径油气管道的远场涡流检测进行了仿真研究。根据远场涡流的特点,采取局部法进行三维仿真,即先对无缺陷的二维轴对称远场涡流模型做仿真,得到缺陷外围区域的磁场分布,再以此为边界条件对缺陷区域做三维仿真。该方案显著降低了模型的规模,提高了远场涡流缺陷检测仿真的效率和准确性,使得对大口径油气管道的远场涡流仿真得以在PC机上完成。     

Wear Evolution in a Stranded Rope Subjected to Cyclic Bending

Wire ropes, due to their construction, combine two very interesting properties: high axial strength and flexibility in bending. However, the assemblage of wires to form flexible ropes results in the sliding of contacting wires and the creation of wear scars, which can act as stress risers and reduce the fatigue life of ropes. Therefore, in order to understand the fatigue behavior of wire ropes, the degradation that occurs between the wires and the strands has to be studied first. In this study, after identifying the main wear patterns for a polymer-covered stranded rope, the wear evolution along the number of cycles and the effect of the sheave diameter in the preferential wear sites were analyzed. The tests were carried out in a custom-made Bending over Sheave (BoS) fatigue test bench and short segments of the rope were analyzed by Scanning Electron Microscope (SEM) and confocal imaging profilometry in order to characterize the wear scars. The worn volume and the wear scar depth were selected as the most suitable parameters to characterize the wear behavior of wires. In addition, the importance of the polymeric cover and sheave diameter was proved: a reduction of the sheave diameter results in a bigger wear rate (μm³/cycle).     

基于PSO-SVM的FPC焊盘表面缺陷检测研究

针对柔性线路板(FPC)焊盘表面的缺陷检测,建立了一种利用粒子群算法(PSO)进行参数寻优的PSO-SVM分类识别模型。首先通过OTSU法将焊盘从原始图像中分割出来,然后对其5种表面缺陷从形状、灰度、纹理三个方面提取了14维特征,接着用粒子群算法方法对支持向量机的参数优化以获得较高的识别准确率,最后对缺陷样本进行分类识别,并将其与GS-SVM和BP神经网络分类性能进行对比。实验证明了该方法可以对焊盘缺陷进行准确的分类识别。