基于有监督过渡区的焊缝X射线图像分割

针对X射线焊缝检测图像中存在大量背景冗余信息,焊缝和缺陷难于准确检测提取的问题,提出一种基于先验知识的有监督过渡区域提取及阈值分割方法.根据焊接图像本身的特点,通过先验知识对样本图像进行训练,确定某个区间来估算图像过渡区域的灰度范围,按照模糊子集理论,给出一种新的加权算子来描述局部窗口内灰度级的变化,从而能充分考虑到局部窗口内灰度级变化的频率和幅度,通过计算过渡区域像素的灰度均值,将其作为阈值对图像进行分割.结果表明,该方法能准确地将目标缺陷从焊缝X射线图像中分割出来,具有良好的适应性.     

基于Fourier拟合曲面的X射线焊缝缺陷检测

针对在强噪声、低对比度及复杂背景特征下X射线焊缝图像的缺陷检测问题,提出了去噪处理、焊缝边缘分割及缺陷检测的方法.用快速离散Curvelet变换和循环平移相结合的方法,对焊缝图像进行滤波去噪,同时对图像列灰度曲线用最大类间方差法提取焊缝区域.在图像预处理后,采用三阶Fourier曲线对图像列灰度曲线进行拟合并扩展到三维空间,构造出自适应阈值面,最后利用原图像与构造曲面三维灰度图的灰度值差异,准确分割背景与缺陷区域.结果表明,与传统缺陷检测算法相比,该方法能准确提取出焊缝缺陷,漏检率和误判率低,准确率可达95%.     

基于超声信号和图像融合的焊缝缺陷识别

超声无损检测已被广泛用来检测材料内部的缺陷,然而对缺陷性质的识别始终是检测的难点,为此研究了一种基于超声信号和图像融合的焊缝缺陷识别新方法.该方法充分利用检测数据,通过对缺陷回波信号特征与缺陷形态特征的数据融合,实现了焊缝缺陷的有效识别.利用自主研制的超声成像手动检测系统对含有气孔、夹渣、裂纹、未焊透和未熔合五类典型焊接缺陷的焊件进行了检测,分别提取缺陷的超声回波信号特征和缺陷图像的形态特征,构建神经网络实现超声信号和图像特征的数据融合.结果表明,该方法实现了多类缺陷的识别,提高了缺陷识别率,有助于焊缝质量评定.     

基于小波模极大值的铝焊缝CR图中缺陷的提取

针对计算机射线照相技术(Computed Radiography,CR)图像中焊缝区域以及缺陷的提取问题,运用小波模极大值法提取缺陷。文章以铝焊缝CR图的缺陷提取为例,首先使用小波模极大值法处理,通过增强的列灰度曲线可明确地获得焊缝边界以及缺陷所在的局部位置,然后根据尖峰宽度的中值大小大致评估区域内缺陷是裂纹类还是非裂纹类缺陷,同时比对几种缺陷提取方法。试验表明,小波模极大值法较其它方法能更准确地提取焊缝边界及焊接缺陷,具有良好的可行性与实用性。     

X射线线阵实时成像焊缝缺陷检测方法

针对X射线线阵探测器实时成像的焊缝图像,提出了降噪处理、焊缝图像分割及缺陷检测的方法.通过自适应中值滤波方法对焊缝图像进行滤波降噪,利用类间、类内方差比分割法和数学形态学方法进行焊缝图像分割,对焊缝部分应用高频加强变换提取焊接缺陷.结果表明,采用自适应中值滤波能够有效去除噪声的同时保留焊缝和缺陷的边缘细节;类间、类内方差比分割方法与数学形态学方法并用能准确地将图像分割为焊缝与母材区域;高频加强变换能使焊缝中心部位灰度变化突显进而实现缺陷检测.     

基于图像线性化处理的超声TOFD检测缺陷定位方法

超声TOFD检测方法在厚大焊缝的检测中具有较强的优势,特别是对裂纹类的缺陷,其检出效率高。为满足工程现场检测的需要,开发了基于USB接口的便携式超声TOFD检测系统,利用该系统对含有不同尺寸的人工底面开口窄槽的铝合金试块进行了D扫描检测。同时利用提出的自动算法提取了焊缝区域并将该区域的图像进行了转换,解决了D扫描图像在纵向方向上的显示与焊件厚度之间非线性的关系。结果表明,处理后的图像便于缺陷深度测量,检测人员可根据线性关系直接估算出缺陷的深度和高度,提高了检测效率。     

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...     

小径管X射线焊缝图像缺陷识别算法

针对小径管X射线焊缝图像缺陷检测精确率低的现状,通过对图像进行特征分析并结合稀疏字典学习,提出一种基于图像分割的小径管焊缝图像缺陷检测算法.首先,对小径管焊缝图像进行两步图像分割获得感兴趣区域;其次,提取焊缝缺陷,得到缺陷疑似局部图像;最后,提出以不同类型原子间相关性最小为目标的小径管焊缝缺陷字典矩阵数学模型并使用K-SVD算法进行求解,利用该字典矩阵实现圆形缺陷、线形缺陷和噪声的分类鉴别.为提高系统实时性,使用并行编程对图像分割算法进行加速.结果表明,改进后缺陷字典矩阵对圆形缺陷识别成功率为0.974,线形缺陷识别成功率为0.967,且具有较快的识别速度,实现了小径管焊缝图像缺陷的有效识别.     

焊缝横向裂纹声波衍射信号特征与采集方法

针对厚壁环焊缝或复杂结构焊缝中可能出现的横向裂纹,提出了超声波衍射时差法(TOFD)的一种改进检测方案,并通过声场模拟确定了试验参数。试验时将两探头布置在焊缝上方,通过水耦合,沿焊缝方向进行扫查,并对获得的扫描图像进行了分析和计算。结果表明,该试验方法能够有效地对焊缝表面及内部的横向裂纹进行定量和定位,最浅能够检测到焊缝下2 mm深的缺陷,相对误差基本可以控制在10%以内,是一种可靠的焊缝横向裂纹检测方法,弥补了TOFD法在检测横向裂纹上的不足。     

打底层焊道裂纹的优化检测方法

通过采用多种无损检测方法对船体焊道打底层微裂纹缺陷检出率进行对比分析和应用,从实用性和有效性两个方面确定了对焊接过程和完工后焊缝检测方法的研究和选择,最终优化了检测方法;并且消除和避免了大量裂纹类缺陷的存在,确保了焊接产品的完工质量,提高了船体的整体安全性。     

一种焊缝X射线数字图像的缺陷提取算法

准确提取焊缝X射线图像中的缺陷是图像自动识别的主要问题。针对这一难题,提出了一种以邻域灰度平方差变换为基础,结合灰度级形态学重构和边缘检测,辅之边缘保持滤波和已标注连接分量图像融合的缺陷提取新算法。该方法能可靠地提取出低对比度X射线数字图像中的焊缝缺陷部分。     

基于改进卷积神经网络的管焊缝X射线图像缺陷识别方法

针对卷积神经网络(CNN)应用于焊缝探伤图像识别时,目标区域占比小,局部信息冗余,激活函数小于零时出现硬饱和区导致模型对输入变化较敏感、网络参数难以训练的问题,采用超像素分割算法(SLIC)和改进的ELU激活函数构建CNN模型进行焊缝探伤图像缺陷识别. 首先,在CNN模型中使用ELU激活函数,在缓解梯度消失时对输入噪声产生更好的鲁棒性,同时,利用SLIC算法对图像像素进行像素块处理的特点,增大焊缝探伤图像中感兴趣区域的占比,降低局部冗余信息,提高模型在训练过程中的特征提取能力. 通过对焊缝探伤图像感兴趣区域提取并与所述CNN模型进行对比试验. 结果表明,该方法在焊缝探伤图像特征提取、训练耗时及识别准确率方面较传统卷积神经网络有更好的表现.     

基于FGT-FBP重构算法的焊接缺陷检测

针对焊接过程产生的缺陷,提出一种磁光成像传感的模糊灰度变换和滤波反投影(FGT-FBP)重构检测方法. 研究焊接缺陷的几何特征,通过分析裂纹和未熔合两种不同焊接缺陷在交变磁场励磁下的磁光成像特征,设计模糊规则,对磁光图像进行模糊灰度变换. 增强磁光图像对比度,使焊接缺陷形态趋势可视化,实现描述磁光成像焊接缺陷细节的无参考型图像评估方法. 对FGT处理的焊接缺陷磁光图进行旋转投影,并经过快速傅里叶变换和改进的滤波器进行滤波去噪,消除伪影后进行反投影变换实现焊接缺陷图像的重构. 利用滤波反投影重构算法进行去噪,可有效突出焊接缺陷特征. 最后结合阈值分割和边缘检测实现焊接缺陷检测. 结果表明,该方法能较准确检测裂纹和未熔合两种焊接缺陷.     

激光视觉水下焊缝图像处理与特征提取

自动化、智能化是水下焊接的发展方向,水下焊缝位置的实时传感与检测是其中的关键技术之一,激光视觉传感是一种很有前景的检测方法.阐述了激光视觉水下焊缝图像在不同水质环境下干扰噪声的特点,探讨了V形焊接坡口的水下焊缝图像预处理方法,研究了M ean Sh ift算法在水下焊缝图像分割中的应用,以及直线Hough变换提取水下焊...     

超声波探伤在网架球接点焊缝缺陷检测中的应用

介绍了超声波探伤技术在检测网架球接点焊缝缺陷中存在的问题;通过对超声波探头、灵敏度专用标准当量试块和参考试块以及超声波探伤工艺等的改进,提高了球接点网架焊缝缺陷的检出率。     

无坡口对接焊缝特征角点检测方法

针对无坡口平板对接焊缝,研究一种应用线结构光传感的角点检测原理实现焊缝特征检测与跟踪的方法.与基于线结构光形变特征检测焊缝位置的传统方法不同,根据激光条纹在焊缝处的灰度变化,运用图像形态学处理方法,提取焊缝中心特征.计算图像每列邻域内灰度值和,运用中心差分方法,提取焊缝图像感兴趣区域.再依据角点检测原理,确定焊缝中心亚像素级坐标位置,通过简单快速的系统标定,得到焊缝实际位置偏差.结果表明,对焊缝间隙为0.2 mm左右的对接焊缝进行跟踪试验,平均误差均保持在0.1 mm以内,满足焊缝跟踪精度要求.     

基于卷积神经网络X射线环焊缝缺陷检测

针对工业X射线焊缝图像对比度低、缺陷模糊且相对面积较小及难以识别的问题,设计了结合卷积神经网络的识别框架。根据缺陷图像特点,设计了对应的神经网络结构、卷积模板及池化模板的大小。在分析确定神经网络结构的基础上,卷积神经网络的灵敏度和训练算法也在文中一并给出。通过实例对神经网络结构进行了有效性的验证,缺陷检测准确率达97%,误报率仅为3%。同时,对适用于卷积神经网络进行识别的X射线焊缝图像进行了分析,发现灰度直方图有效信息跨度范围在50之上的卷积神经网络可以有效识别。文中所设计的神经络对X射线焊缝缺陷图像的识别可行、有效。     

Background removal and weld defect detection based on energy distribution of image

The lateral wave in ultrasonic TOFD （time of flight diffraction） image has a tail in transit time, which disturbs the detection and evaluation of shallow weld defect. Meanwhile, the lateral wave and back-wall echo that act as background add redundant data in digital image processing. In order to separate defect wave from lateral wave and prepare the way for following image processing, an algorithm of background removal method named as mean-subtraction is developed. Based on this, an improved method by statistic of the energy distribution in the image is proposed. The results show that by choosing proper threshold value according to the axial energy distribution of the image, the background can be removed automatically and the defect section becomes predominant. Meanwhile, diffractive wave of shallow weld defect can be separated from lateral wave effectively.