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。     

基于CCTV和缺陷特征提取的城市排水管道结构性缺陷检测

基于管道闭路电视(CCTV)检测系统，提出5种不同的管道结构性缺陷特征提取方法，对缺陷图像进行纹理特征提取，并利用二分类支持向量机(BSVM)对特征提取数据进行一对一投票分类。结果表明，Gabor法提取得到的特征维数远大于GLCM、B＿GLCM、GGCM以及LBP四种方法得到的；B＿GLCM法相比GLCM法，特征提取效率略有提高，但随着分区的减小，提取耗费的时间会逐渐增大；GLCM和B＿GLCM提取方法对裂纹、错口和腐蚀三种缺陷均具有较好的分类效果，分类正确率都在90%以上，其他三种提取方法的分类正确率较低；综合考虑分类准确率和分类效率，建议采用分区大小为3×3的B＿GLCM方法对管道缺陷纹理特征进行提取，以获得最佳的检测结果。     

高强钢焊接缺陷磁光成像分形特征检测

研究一种基于磁光成像原理的焊接缺陷无损检测新方法.以高强钢表面微小焊接缺陷为例,采用分形维数对焊缝磁光图像进行特征识别并估计最优尺度,根据Adabost分类算法对提取的焊接缺陷特征进行分析和训练,构建焊接缺陷特征量并对高强钢表面缺陷磁光图像进行自动识别.结果表明,运用磁光成像方法可以获取高强钢焊接缺陷特征,并通过图像分形维数分析可识别焊缝缺陷的位置、形状和类别.     

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.     

焊接缺陷磁光成像磁场分布数值模拟与试验分析

以激光对接焊的焊接缺陷为对象,研究基于数值模拟的焊接缺陷漏磁场的分析方法. 建立对接焊焊接缺陷检测的三维模型,利用漏磁场理论对比分析不同几何缺陷与漏磁场信号之间的关系规律,并用试验进行验证. 结果表明,裂纹的深度越深,磁感应强度越大,未熔合、凹坑分别随着角度、宽度的增大而磁感应强度减小,并且验证漏磁场信号可以作为焊接缺陷检测的依据. 采用RGB分割法对磁光图像进行分割并提取几何特征,用模糊C-均值聚类（FCM）对不同焊接缺陷进行识别,有良好的识别率.     

基于磁光图像纹理特征的焊缝识别

研究一种基于磁光图像纹理特征的紧密对接焊缝(间隙小于0.1mm)的焊缝识别方法。与传统采用视觉传感器捕捉焊缝图像并利用焊缝灰度梯度特征进行焊缝边缘检测方法不同,通过磁光传感器采集焊接区域紧密对接焊缝图像,焊件在磁场激励器作用下形成反映焊缝位置特征的磁光图像,利用焊缝位置和母材的磁光成像纹理差异识别焊缝位置。对磁光图像的待焊区和母材区进行纹理分析,提取纹理特征,再利用纹理特征差别,将磁光图形划分为若干子区域,进行图像分割,确定焊缝区域。试验结果表明,该方法能够精确地识别微间隙紧密对接焊缝。     

基于Gabor-GLCM工件表面纹理特征的刀具状态视诊

在铣削加工过程中,为实现在线不停机刀具磨破损的快速检测与预报,提出了一种基于Gabor-GLCM工件表面纹理特征的刀具状态视诊方法。首先采用Gabor滤波器虚部与工件纹理图像卷积并提取Gabor特征;然后在卷积图像上采用GLCM提取二阶统计特征,将提取的特征向量串联,旋转规范化后得到刻画工件纹理的特征集;最后将旋转规范化特征集输入SVM训练分类模型,在实验采集的铣削工件表面纹理图像库中进行了测试。实验结果表明:该方法用时短,分类正确率高达98.667%,提高了刀具磨损状态监测的正确率和实时性。     

焊接机器人焊缝完整程度图像识别算法研究

焊接机器人存留的焊缝缺陷会给生产企业造成安全威胁,为了让机器人有效识别焊缝缺陷,设计了一种焊接机器人焊缝完整程度图像识别方法。该方法根据采集的焊接机器人焊缝图像,采用暗通道先验理论对采集结果实施图像增强处理操作,从而达到提升图像清晰度的目的;以此为基础采用Contourlet变换将图像分解为低频分量及高频分量图像,并采用KPCA方法提取焊缝高频分量图像纹理特征,达到提高图像完整度识别效果的目的;最终将提取结果输入到构建的支持向量机模型内,结合典型缺陷焊缝纹理特征,以此识别出焊缝的完整度,完成了对焊接机器人焊缝完整程度的全面识别。试验结果表明：通过对该方法开展了焊接机器人对焊缝的裂纹、小孔、夹渣、未焊透等完整度识别测试及识别性能测试,验证了该方法的有效性强、可行性高。     

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。     

一种基于图像展开与拼接的精密轴承表面缺陷光学检测方法

建立一种基于机器视觉的精密轴承表面缺陷光学检测系统。利用图像展开和拼接技术获得轴承侧面完整而又没有重复的二维图像,在此基础上对微小轴承表面缺陷进行检测、缺陷提取和分类。实验结果表明:采用该方法能够快速、高效地检测出微小精密轴承表面大于10μm的缺陷形貌;能够准确地对凹坑、裂纹和划痕缺陷进行分类。     

焊缝表面缺陷激光视觉传感HOG-SVM的检测方法

为了实现对焊缝表面缺陷的自动检测与分类,研究一种有效识别焊缝表面缺陷的激光视觉检测方法.通过激光视觉传感器采集焊缝图像并进行预处理,包括图像分割,灰度化,平滑去噪以及焊缝轮廓提取.采用方向梯度直方图(Histogram of Oriented Gradient, HOG)提取焊缝激光条纹轮廓图像的特征向量.其次,基于5折-交叉验证网格搜索方法进行模型参数寻优,最终建立了支持向量机(Support Vector Machine, SVM)智能模型识别与分类焊缝表面缺陷.通过调整焊缝轮廓提取算法、HOG特征维度得到不同特征数据并进行对比、分析焊缝缺陷的识别效果.在相同试验条件下,发现支持向量机比随机森林分类器、K最近邻分类器以及朴素贝叶斯分类器的识别率更高,达到97.86%.基于HOG-SVM的焊缝表面缺陷智能识别方法可有效提高焊缝缺陷(气孔、凹陷、咬边)及无缺陷的分类精度.     

焊接检验及其设备

基于加权支持向量机的焊缝RT图像中缺陷分类研究,D6A＋20钢自动焊焊缝射线检测及裂纹成因分析,金属磁记忆法检测焊接裂纹的时间空间有效性,焊接裂纹的金属磁记忆定量化评价研究,[编者按]     

基于视觉的MAG焊气孔缺陷图像特征初步探讨

针对MAG焊特点,利用被动式熔池视觉传感系统,采集到清晰的熔池图像;通过同步对比试验方法,系统地对焊接气孔缺陷与熔池图像特征信息之间的关系进行了研究,提取了表面气孔、内部气孔(夹渣)对应的熔池图像特征,并从灰度均值和标准差的角度研究了焊接气孔缺陷产生过程中熔池图像变化情况及奇异特征.试验表明,通过熔池视觉图像特征判断气孔焊接缺陷,具有良好的可行性,为基于视觉传感的焊接缺陷自动识别提供了技术依据;一种图像特征可能预示有多种焊接缺陷产生的可能,一种焊接缺陷可能有多种图像特征显示.     

基于视觉的焊接缺陷熔池图像特征探讨

针对MAG焊电弧光谱特点,采用被动式视觉传感方法,利用CCD摄像机配合近红外复合滤光系统消除弧光干扰,获取MAG焊熔池图像.从MAG焊焊接缺陷产生的机理及熔池流态出发,采用同步对比试验,研究了熔池图像特征与焊接缺陷的映射关系,提取出表面气孔、焊塌、焊穿等焊接缺陷所对应的熔池图像特征.结果表明,一种焊接缺陷往往有多种视觉图像特征,通过熔池图像特征判断表面气孔、焊塌、焊穿等焊接缺陷具有良好可行性,为基于视觉的焊接缺陷自动在线预测提供了技术依据.     

基于周向励磁的管道缺陷漏磁信号仿真分析

油气长输管道是我国重要的能源基础设施,在役管道内外壁缺陷是管道安全运行的严重隐患,需要对其进行定期安全性评估.漏磁检测作为管道无损检测中常见的方法之一,应用非常广泛.基于漏磁检测技术基本原理,采用COMSOL有限元软件,运用周向励磁方法对管道凹坑及类裂纹缺陷的漏磁场分布特征进行了仿真分析.通过改变凹坑和裂纹的几何尺寸和...     

电动汽车充电站钢结构停车棚焊接节点裂纹识别

钢结构停车棚焊接区域图像噪声影响到了裂纹识别精度,所以提出了电动汽车充电站钢结构停车棚焊接节点裂纹识别方法。通过磁光成像法获得钢结构焊接区域图像,对采集到的焊区分段图像进行灰度处理。经过灰度处理后,使用双边滤波器去除焊接区域图像所有噪声,结合局部阈值的多目标分割与卷积神经网络,得到裂纹判断阈值,利用该值识别焊接节点裂纹。试验结果表明,该方法在缺陷类别识别和检测效果上均优于其他方法,能够识别出各种钢结构焊接细小裂纹,应用价值较高。     

基于改正二维主成分分析的焊缝表面缺陷检测

机器人焊接因零件形状不规则和焊接工艺复杂不可避免带来各种焊缝缺陷. 针对二维主成分分析应用于焊缝表面缺陷检测时面临计算复杂度高、分类准确率低及无法进行增量学习等问题,提出了一种基于均值更新的增量二维主成分分析(mean updated incremental two-dimensional principal component analysis,MUI2DPCA)算法,并将MUI2DPCA和前馈神经网络( feedforward neural network,FNN)相结合进行焊缝表面缺陷在线检测. 首先,对相机捕获的视频帧图像进行预处理得到焊缝局部块图像. 然后,利用MUI2DPCA在线提取局部块图像的模式特征. MUI2DPCA对图像的特征主成分进行增量迭代估计,降低计算复杂度,并且能够增量更新当前的样本均值,减少无关特征变化对主成分收敛性的影响. 最后,利用FNN建立提取的模式特征与焊缝类别之间的联系,实时返回焊缝表面缺陷的检测信息. 试验结果表明,该检测方法平均分类准确率为95.40%,平均处理速度可达29帧/s,能够满足焊缝在线检测的实时性要求.     

漏磁特征可视化及智能识别缺陷

利用ANSYS Maxwell建立了三维漏磁场有限元模型,分析了穿孔、平滑凹坑以及矩形凹槽三种缺陷的漏磁信号曲线并得到了仿真数据,通过漏磁仿真信号的变化,提取4个不同的特征值。采用T-SNE算法将漏磁特征降维可视化,研究了利用特征值区分缺陷类别的可行性。选用支持向量机(SVM),随机森林(Random Forest)以及梯度提升决策树(GBDT)三种机器学习方法对特征值进行学习以及分类识别,计算了不同算法的准确率,研究发现SVM较差,而GBDT准确率稍高。本文的研究结果为机器学习区分缺陷类别提供了参考。     

微间隙焊缝磁光图像磁荷理论建模检测分析

对于激光焊接要求的微间隙焊缝(≤0.1 mm),可采用磁光传感器进行检测跟踪。利用磁荷理论建模,在外加直流磁场对焊件焊缝磁化的情况下,研究焊缝表面所产生漏磁场分布特征,并利用磁光传感器把焊缝近表面磁场分布特征转换为对应的磁光图像。 通过对焊缝近表面磁场分布特征和其对应磁光图像焊缝过渡带特征进行了对比分析研究,确定焊件微间隙焊缝磁光图像焊缝过渡带中心,对应实际焊件焊缝中心。研究结果表明,该模型能有效地解释焊缝磁光图焊缝信息,为采用焊缝磁光图进行焊缝跟踪识别提供了合理的理论依据。