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。     

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.     

基于支持向量机的X射线焊缝缺陷检测

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.     

埋弧焊X射线焊缝图像缺陷分割检测技术

针对在埋弧焊X射线焊缝图像的强噪声和弱对比度特点下常规图像分割算法成功率低的现状,通过综合的分析和实验有针对性地给出了系统、实用的缺陷分割方法.首先通过实验给出了一种提取焊缝图像感兴趣区域(the region of interest,ROI)的方法.该方法通过中值滤波,基于sin函数的图像增强、大津法分割、Sobel算子边缘检测和Hough变换可以定量计算出X射线焊缝图像的ROI区域.进一步通过实验给出基于大津法的焊缝缺陷分割算法,实验表明在无人工设定初始分割阈值情况下这一分割算法具有较高的分割成功率.为进一步提高分割成功率,针对焊缝缺陷相对面积较小的特点,提出将缺陷视为噪声,将平均局部平均灰度视为密度,利用密度聚类方法进行缺陷分割.该方法在78张有缺陷的焊缝图像中,成功地分割出74张图像中的缺陷.最后在所研究算法基础上给出了一个综合考虑到各种因素的分割算法,即可节约计算时间,又可以保证分割的成功率.     

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。     

改进Mask RCNN的焊缝缺陷检测

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。     

基于模糊规则库推理的X射线底片焊缝缺陷识别

分析工业X射线底片焊缝缺陷特征,建立用于焊缝缺陷分类识别的模糊推理系统模型。对模型进行试验测试,结果表明,该方法能够较好地对缺陷进行分类识别。     

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。     

钛合金管件焊缝射线探伤图像识别与数据分析

针对钛合金管件焊缝射线图像检测过程中,人工识别缺陷效率不高、准确度较低的问题, 提出采用计算机图像识别技术,对钛合金管件焊缝缺陷位置进行数字成像、图像预处理、图像分析以及特征的提取,并研发了射线探伤数据分析与质量评判软件系统,采用该系统对焊缝缺陷进行自动识别,可实现钛合金管件焊缝质量的自动评判。     

铸件缺陷语义分割的编码器-解码器网络

深度学习的快速发展扩展了基于视觉的缺陷检测应用。针对铸件缺陷类间差异小、类内差异大、缺陷规模小等难点，提出一种编码器-解码器架构的语义分割网络，使用在ImageNet上预训练的ResNeSt主干网络作为特征提取器，构建密集连接的多尺度特征融合模块提升有效特征利用率，增强网络特征表示能力，解码器端融合低层级特征改善缺陷边缘分割效果，再通过双线性插值进行上采样以恢复空间分辨率。网络在构建的X射线铸件缺陷分割数据集上进行训练和评估，采用混合损失函数解决数据集样本不均衡问题，提升模型性能。实验结果表明，提出的语义分割方法能够提升铸件缺陷分割精度，效果优于其他语义分割方法。     

“304”不锈钢薄板焊缝 X 射线衍射图像探讨

我们用X 射线检查“304”不锈钢薄板制造的120M~3发酵罐焊缝时,有些底片的焊缝影相上出现酷似线状、条状缺陷的图像。这些图像离开焊缝中心0.3mm 左右,并平行于焊缝。并且有的图像出现在焊缝中心一侧,有的两则同时存在,有的还伴随着毛刷状条纹。出现条状图像的焊缝中心黑度低于焊缝其它部位(如图1)。但是在检查lcr18Ni9Ti 不锈钢薄板制造的同类产品中未发现上述图像。什么原因产生这种图像?为了提高评定焊缝质量的准确性,避免误判、漏判,我们对此进行了探讨分析.下面是试验的分析过程。     

一种改进卷积神经网络模型的焊缝缺陷识别方法

针对传统卷积神经网络(Convolutional neural network,CNN)应用于焊缝缺陷识别时,池化模型适应差及特征选择能力低、以及易导致过拟合问题,提出了一种基于改进卷积神经网络(Improved pooling model and feature selection of CNN,IPFCNN)的焊缝缺陷识别方法。结合焊缝缺陷图像本身的特点,对传统平均池化模型做出改进,提出一种综合考虑池化域与其所在区域特征图分布的池化模型;为增强模型特征选择能力,提出将随机森林与卷积神经网络相结合的强化特征选择方法。以某汽轮机制造过程中焊缝缺陷识别案例对所提方法进行了验证和说明,结果表明提出的池化模型在处理不同特征分布的池化域时具有动态自适应性,并通过提高特征选择能力,使得所提方法比传统CNN方法具有更高的缺陷识别率。     

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。     

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。     

激光焊匙孔特征的近红外与X射线传感分析

由于多传感匙孔特征参数可以有效地反映大功率激光焊接质量状态,本文研究了匙孔特征信息的提取方法并建立了焊缝成形预测模型。以大功率盘形激光焊接304不锈钢为试验对象,应用近红外高速摄像机和X射线视觉成像系统同时提取了焊接过程中的熔池动态图像,并分割出匙孔区域。针对近红外图像,应用矩方法导出匙孔的不变矩特征,同时定义并提取匙孔面积和最前端点纵坐标两个特征;针对X射线图像则提取匙孔深度和熵两个特征。在不同激光功率条件下得到匙孔特征并进行特征融合分析,然后建立了3个BP神经网络焊缝成形预测模型。探索了匙孔形态、焊接条件和焊接状态三者之间的联系,实现了对焊接过程的在线监测。试验结果表明,将两个传感器获取的匙孔特征信息融合并进行主成分分析变换后,熔宽和熔深的预测绝对误差平均值分别为0.18mm和0.57mm,比基于单个传感器获取匙孔特征建立的BP神经网络分别减小了0.03mm和0.31mm,显示提出的方法能够有效在线监测大功率盘形激光焊接状态。     

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     

应用形态学运算的焊缝X射线图像处理研究

应用数学形态学方法对钢管焊缝X射线检测的图像处理进行了详细地分析研究,通过对钢管焊缝检测灰度图像的去噪、增强和分割处理的实例,讨论了灰度形态学图像处理的方法及其在焊缝射线检测中的应用。实验结果证明了处理方法及其技术实现的实用性和可行性。     

高频直缝焊管焊缝表面形貌图像特征研究

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。     

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.     

图像处理技术在焊缝射线探伤中的应用

针对机械零件X射线图像的特点,对其缺陷的提取技术进行了研究,提出了基于迭代的阈值构造方法和基于数学形态学的边缘提取算法.针对在工作现场采集的射线探伤底片进行数字成像,结合图像的变换、中值滤波、阈值分割、边缘检测、特征提取、模式识别等算法,通过适当的处理和分析,对压力容器焊接缺陷进行自动检测与识别,最终实现了对焊接缺陷的机器自动识别.实践证明,该方法具有一定的快速性和实用性.