焊接缺陷磁光成像纹理特征GLCM-Gabor识别方法

一种基于磁光图像纹理特征的焊接缺陷无损检测方法,首先用法拉第磁致旋光效应,结合漏磁场及磁畴理论分析焊接缺陷与磁光图像关系.针对缺陷磁光图像特点,通过灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取磁光图像纹理特征.由于裂纹和凹坑的GLCM纹理特征参数区分度不高,提出用Gabor变换法进一步提取磁光图像纹理特征.将GLCM-Gabor纹理特征作为输入量,用支持向量机(support vector machine,SVM)构造缺陷分类模型.结果表明,该方法可有效识别焊缝表面及亚表面特征(凹坑、裂纹、未熔透、无缺陷),分类模型整体识别率可达89.7%.     

焊接裂纹磁光成像纹理特征提取

以高强钢焊接裂纹为检测对象,研究磁光成像识别方法,论述采用磁光成像技术检测微小焊接裂纹的基本原理。基于模糊集合论原理,采用改进的连续模糊增强算法提高区分度,解决高强钢表面裂纹磁光成像不均、裂纹和熔融区区分度低的不足。利用自适应快速边缘检测算法提取焊接裂纹图像的纹理特征。试验结果表明该方法可有效提取裂纹磁光图像边缘特征,提高焊接裂纹检测跟踪过程的准确性。     

微间隙焊缝磁光成像分形维数识别方法

针对紧密对接、无坡口、肉眼难以分辨的微间隙焊缝,采用磁光成像方法获取焊缝位置信息,并运用分形维数方法解决焊缝磁光图像存在较多干扰的问题.根据图像大视野相关信息处理图像,避免受到图像微小细节干扰对焊缝位置识别精度的影响,较传统图像处理法具有显著的抗干扰性.对焊缝磁光图像进行滤波去噪,将图像细分成块并计算出每个图像块的分形维数,再选取合适阈值对图像进行分割,准确地提取出焊缝中心位置.试验结果表明,运用分形维数提取磁光图像焊缝边缘区域特征,能够获取较准确的焊缝位置信息,为焊缝跟踪控制提供重要基础.     

微间隙焊缝磁光成像检测方法

针对激光焊接紧密对接微间隙(0~0.1 mm)焊缝,研究一种基于法拉第磁光效应成像的焊缝检测新方法.以碳钢平板对接激光焊为试验对象,采用磁场激励器使焊件感应磁性并在焊缝处改变磁场分布,磁光传感器置于待测焊缝上方,不同磁场强度将导致磁光传感器偏振光不同角度的旋转,形成反映焊缝位置特征的磁光图像.对焊缝磁光图像进行滤波去噪、灰度转换以及形态学等处理,快速准确地提取出焊缝中心位置.结果表明,磁光图像能够有效反映微间隙焊缝位置,可以获得较高的测量精度,为解决微间隙焊缝检测和跟踪问题提供了一条有效途径.     

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.     

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...     

焊接裂纹磁场模拟及磁光成像检测

研究交变磁场下的焊缝裂纹磁化规律,针对碳钢（Q235）焊缝裂纹,进行交变电磁场励磁下焊缝磁光成像无损检测的仿真和试验. 基于交变励磁下焊缝励磁规律的仿真模型,研究裂纹间隙分别为0.03,0.05,0.07和0.1 mm的焊缝表面磁通密度（磁感应强度）模曲线分布差异. 钢板对接间隙分别限定为0.03,0.05,0.07和0.1 mm后,通过激光焊接钢板两端来模拟仿真试验中的裂纹. 进行磁光成像无损检测试验,并将试验结果与仿真结果进行对比. 结果表明,在仿真试验与工艺试验中,焊接裂纹感应磁场的变化规律基本相同,磁感应强度不会因采样起始点不同出现较大的差异.     

20钢焊接缺陷磁记忆信号分析

对含有焊接缺陷的试块进行磁记忆检测,研究了金属磁记忆检测技术对裂纹、气孔、未焊透、未熔合、夹渣缺陷的检出能力,对裂纹、气孔、未焊透、未熔合、夹渣区域的磁场强度梯度平均值H_ave、最大值H_max、磁场强度梯度曲线围成的面积S(H)、磁场强度梯度平均值K_ave、最大值K_max、磁场强度梯度曲线围成的面积S(K)进行计算,并与无缺陷区域的参数进行对比分析.结果表明,焊缝中裂纹、气孔、未焊透、未熔合、夹渣区域的K_ave,K_max,S(K)明显区别于无缺陷区域,可以准确判定焊接缺陷位置;焊接缺陷和焊接残余应力虽然都会导致磁记忆信号的变化,但是二者具有本质不同.     

激光焊磁光彩色成像焊缝检测方法

针对激光焊接平板对接微间隙焊缝(间隙小于0.1 mm),研究彩色图像信息的磁光成像焊缝检测算法,为微间隙焊缝的精确跟踪提供一种新方法. 采用磁光传感器采集焊接过程的焊缝区域图像,对焊缝磁光图像在RGB(red, green, blue)和HSV(hue, saturation, value)彩色空间的灰度分布进行分析,提取RGB图各分量的灰度图,根据各分量灰度分布曲线确定阈值提取焊缝边缘,合成3个分量的焊缝边缘得到焊缝过渡带轮廓;对HSV图的每个分量图灰度直方图进行分析确定阈值,然后综合形成单一的焊缝过渡带分割图像. 结果表明,该方法能有效检测肉眼难以分辨的微间隙焊缝.     

基于金属磁记忆法的焊接缺陷特征值提取

研究了磁记忆检测技术在焊缝检测中的应用情况。采集了有缺陷和无缺陷试件分别在无应力作用下和加载后的磁记忆信号,并进行对比分析。以小波包变换为理论基础,对磁记忆信号进行小波包分解和小波包能量谱特征分析。试验证明,采用磁记忆信号的能量集中位置来判断缺陷的区域是可行的。     

微间隙焊缝磁光检测神经网络修正

针对激光焊接微间隙焊缝（间隙小于0.1 mm）,研究提高磁光传感检测焊缝精度的BP神经网络修正方法.以碳钢平板对接激光焊为试验对象,利用磁光传感器检测焊缝区域磁场分布并成像.通过分析焊缝处磁场成像并应用BP神经网络修正磁光传感器得到焊缝中心数据,有效避免焊缝磁光图像低对比度和强噪声干扰问题.经过在不同焊接速度试验下的测试,四组神经网络试验的焊缝位置误差的绝对平均值都在0.015 mm左右,BP神经网络测量误差比磁光成像直接测量平均减少约28%.BP神经网络修正磁光成像测量技术可有效识别微间隙焊缝,为解决激光焊接微间隙焊缝过程自动识别和跟踪焊缝的难题提供了一种新方法.     

多新息理论优化卡尔曼滤波焊缝在线识别

针对间隙小于0.05 mm的低碳钢对接焊缝,用磁光传感方法获取焊缝位置信息,研究多新息理论优化卡尔曼滤波在焊缝识别及跟踪中的应用.在获取磁光图像及提取焊缝位置的过程中存在较多干扰,而传统卡尔曼滤波受噪声的影响较大,难以对焊缝偏差进行最优估计.为此,结合多新息理论,提出一种焊缝位置检测的卡尔曼滤波改进算法,在对当前时刻进行预测时,充分考虑之前多个时刻的运动状态,综合历史数据估计出焊缝位置信息,对不同新息值进行试验比较并考虑计算量和滤波精度,发现选用两个新息值优化卡尔曼滤波算法可得到较好的效果.结果表明,多信息理论优化卡尔曼滤波算法可有效提高焊缝位置检测精度.     

基于磁光成像的微间隙焊缝信息提取

焊缝跟踪的精确性是保证良好焊接质量的关键因素,为精确检测焊缝位置,研究一种基于磁光成像(MOI)技术的焊缝识别新方法。在激光平板对接焊实验中,通过对焊件施加感应磁场,由磁光传感器将焊缝处感应磁场分布的变化转换成相应的光强变化,实现对焊缝的实时成像。对获取的焊缝磁光图像进行灰度变换、中值滤波和二值化处理,与传统边缘检测方法不同,引进一种抗噪性更好的形态边缘检测算子进行边缘检测,继而提取出焊缝中心坐标。结果表明,该方法可获得较高的测量精度,能有效检测出焊缝中心位置。     

A fast and adaptive method for automatic weld defect detection in various real-time X-ray imaging systems

A fast and effective method is proposed to detect weld defect adaptively in various types of real-time X-ray images obtained in different conditions.After weld extraction and noise reduction,a proper t...     

基于计算机成像技术的焊缝缺陷形状自动检测系统

数字成像技术是最新引进的一种用以代替传统电影的无胶片数字化射线图像,它是一种用来显示检测到的样本内部条件的无损技术,同时也是一种高效的缺陷检测技术。焊缝缺陷是一种危害完工焊接样本效用的缺陷。在数字化射线图像技术中,可以通过提取分界线完成焊缝缺陷的分割,这是一项可以用于缺陷特征分析的重要任务。本研究的目的是摘录焊缝缺陷,评估其几何特性,通过将图像转换为二进制形式来提取缺陷边界。