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.     

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。     

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.     

不锈钢薄板激光焊焊缝缺陷检测与识别

不锈钢薄板激光焊焊缝成形尺寸细微,焊接速度快、节拍快,人工进行焊缝缺陷检测已不适合,因此焊缝缺陷检测的自动化是必然趋势。构建了一套激光焊焊缝数字成像(DR)检测系统,并在DR检测图像的基础上研究了焊缝缺陷的自动检测与识别算法。首先设计焊缝和焊接缺陷检测系统,可靠地将焊缝和焊接缺陷从工件背景中分割出来,基于此又设计了焊接缺陷特征提取算法和缺陷类型识别算法,通过二叉树和逻辑回归分类可以将激光焊焊缝中的常见缺陷识别出来,识别正确率达到了工程化水平。     

基于二元函数拟合的X射线焊缝图像缺陷分割方法

由于存在焊缝图像噪声强、不清晰、对比度低的问题,导致图像分割效果差,文中提出一种基于二元函数拟合的X射线焊缝图像缺陷分割方法。通过正弦变换函数对原始焊缝图像增强处理,使用B样条曲线拟合图像内的灰度曲线,计算高斯曲率与平均曲率得到焊缝表面图像边缘特征,通过二元函数得到不同类型的焊缝边缘数据,结合焊缝图像的表决图,完成对焊缝图像缺陷完美分割。试验结果表明,该方法分割精度高,且在缺陷类别识别和检测效果图上都要高于卷积神经网络算法、目标检测算法、多视觉成像算法的,证明所提方法分割效果好,有实际的应用价值。     

管屏拼焊焊缝表面缺陷的激光视觉检测方法

针对管屏多道焊缝表面缺陷存在焊缝定位困难、计算量过大的问题,文中提出一种管屏拼焊焊缝表面缺陷激光视觉检测方法,建立基于激光视觉的管屏焊缝检测系统,并基于激光视觉相机拍摄管屏图像。分析管屏特征并结合形态学操作定位焊缝,使用高维多项式拟合解决焊缝缺陷快速检测问题,实现了对管屏拼焊表面缺陷的快速检测。结果表明,该检测方案能识别的最小缺陷为1 mm2,检测速度为0.438 m/s,提升了管屏焊缝表面缺陷的检测效率,解决了曲面焊缝定位难、数据量大的难题,实现快速对大量焊缝轮廓进行检测,并符合应用要求。 创新点： (1)提出了一种管屏拼焊焊缝表面缺陷激光视觉检测方案,提升管屏焊缝表面缺陷检测效率。 (2)提出了基于高阶曲面的焊缝缺陷检测方法,实现快速对大量焊缝轮廓进行检测。 (3)管屏拼焊焊缝表面缺陷激光视觉检测方法经过数据集验证,效率和精度均满足应用要求。     

汽车横向摇臂总成焊缝质量视觉检测系统

汽车部件焊缝质量的人工检测效率低,精度差,且数据不易统计、存储及查询。将机器视觉技术引入汽车部件焊缝质量检测能够很好地克服上述缺陷,实现焊缝质量自动检测、判定、统计及查询。检测系统利用机器人手臂夹持视觉传感器与光源,对汽车底盘横向摇臂的焊缝分段采集结构光图像和LED光图像,根据不同图像特征设计适应性强的图像处理算法进行计算、判别。通过LED光图像可以识别焊缝缺失、表面气孔等缺陷;通过结构光图像可以测量出焊缝宽度和角焊缝厚度,并判定是否焊偏。试验结果表明,检测系统能准确高效地计算、判别焊缝的主要特征,适合在焊缝质量检测领域推广应用。     

基于机器视觉的滑动轴承缺陷检测系统设计

针对滑动轴承生产过程中存在的检测速度慢、自动化水平低、检测精度低等问题,提出一种基于机器视觉的滑动轴承内表面缺陷检测系统的设计方案,实现了轴承体的自动检测功能。首先设计了一种实验检测平台用于获取滑动轴承内表面的图像;通过基于形状的模板匹配算法对预处理后的图像进行匹配,实现对目标物体与缺陷区域的快速定位;为了实现对缺陷的提取,提出了一种基于区域灰度值的图像分割方法与基于区域形态学处理的特征提取方法。实验表明,系统的检测效果与传统的检测方法相比,具有明显的优越性,为滑动轴承内表面检测提供了新的方法。     

基于OpenCV的焊缝图像识别算法研究

针对自动焊机器人的视觉引导问题,提出了一种基于OpenCV计算机视觉库的焊缝识别算法。焊缝边缘是焊接图像识别中的重要特征,文中使用分水岭算法进行前景检测与图像分割,Canny算法进行边缘提取,Hough直线检测算法提取焊缝边缘特征,实现对焊缝的图像识别,并加入自动阈值提高算法适用性。识别程序通过Python语言实现,结果表明,该算法计算效率高、适用性强,可以满足机器视觉引导系统中的要求。     

基于机器视觉的线缆表面缺陷检测系统设计与算法研究

针对相关行业对线缆表面质量检测的需求和人工检测方法的不足,提出一套基于机器视觉的线缆表面缺陷实时检测系统的设计方案。设计了满足工业生产线条件的视觉硬件设备,用于采集优质的线缆图像。在图像处理算法中,改进行灰度均值法实现了复杂环境下图像线缆区域的提取;改进双边滤波建立背景并与原缺陷图像差分实现了缺陷信息的分割。通过对300张存在小孔、划痕、绝缘皮破损等线缆缺陷图像进行检测试验,结果表明:该算法检测准确率高于96.3%。     

在线铝带材表面检测系统

设计了一种在线铝带材表面缺陷检测系统。为满足系统实时性和检测率,构造了一个独特的架构和算法集合系统。图像预处理和缺陷分割在高速阵列处理的前端机上完成,缺陷分类和显示在数据库服务器上实现。图像预处理中引进图像非均匀性校正以改善图像质量;缺陷分割模块中融合几种分割方法的分割结果,并设计了一种缺陷合并方法提高缺陷目标定位精度,从而有效地进行后续缺陷特征计算和分类;同时,系统分类器中设有供用户操作的缺陷样本库,样本库的完善能促进分类精度的提高。该系统已经在现场投入使用,结果表明该系统是一个稳定可靠的实时表面缺陷检测系统。     

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%.     

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.     

镀锌钢GMAW焊缝成形特征与焊枪方向同步实时检测

针对基于激光视觉传感的镀锌钢薄板搭接GMAW特点,提出了一种搭接接头焊缝成形全位置特征与焊枪方向同步实时检测方法. 该方法利用激光视觉系统同步检测焊缝与焊丝信息,采用尺度不变特征变换与方向特征检测算法,同步实时获取焊缝轮廓与焊丝方向;采用Harris角点检测算法实现焊缝轮廓特征点识别;针对接头焊缝面积偏小的特点,采用线性插值方法实现了焊缝高度与宽度的全位置、焊缝面积的亚像素级测量,并基于零、一阶矩实现了焊缝重心检测. 结果表明,该算法适应性强、测精度高,为基于焊枪姿态和焊接过程参数优化在线控制焊缝成形提供了依据.     

铝合金焊缝裂纹涡流检测系统设计及试验研究

针对铝合金焊缝表面及近表面裂纹缺陷涡流检测时缺陷信号难于识别问题,开发了基于ARM的铝合金焊缝裂纹涡流检测系统,设计研制了铝合金焊缝涡流检测探头,开展了带有预制裂纹的铝合金焊缝涡流检测试验。试验结果表明:利用研发的铝合金焊缝涡流检测系统及探头能够有效实现对铝合金焊缝表面及近表面裂纹的检测和判别,其中噪声信号阻抗图平行于实部分量轴线,缺陷信号阻抗图呈现"8字"形且和噪声信号具有较大的相位差,具有较高的信噪比。对非铁磁性材料焊缝的涡流检测系统的开发和探头的研制具有一定的工程应用价值。     

遗传算法在微间隙焊缝分割中的应用

焊缝识别是焊缝跟踪的前提条件。针对激光焊接紧密对接微间隙(焊缝间隙不大于0.15 mm)焊缝,利用磁光传感器实时采集焊缝区域信息,焊缝与母材在磁场作用下进行成像,研究遗传算法在焊缝图像阈值分割中的应用。介绍遗传算法的基本理论,重点阐述遗传算法在微间隙焊缝检测中的应用,与传统的焊缝边缘检测算法相比,遗传算法能够更准确地提取焊缝信息,得到完整的焊缝边缘轮廓。试验结果表明,该方法能有效地识别微间隙焊缝。     

铝合金列车车身焊缝表面激光清洗-质量检测一体化方法

视觉检测是实现焊缝表面质量检测的有效手段。然而,铝合金轨道列车车身电弧焊接产生的黑灰使视觉传感器采集到的数据存在大量缺失,影响了焊缝表面质量检测的精度。为此,该文提出一种铝合金车身焊缝表面激光清洗-质量检测一体化方法,设计了“清洗-焊接-检测”一体化装置。首先采用激光清洗技术去除电弧焊接产生的黑灰,降低了数据缺失率;随后基于线结构光传感器采集焊缝表面轮廓信息,采用三次样条插值和随机抽样一致性算法建立焊缝表面动态理想轮廓模型;通过特征点提取、比较动态理想轮廓与实际轮廓差异实现了焊缝特征尺寸的测量与表面缺陷检测。结果表明,激光清洗后采集数据的缺失率相比清洗前降低了93.43%;提出的激光清洗-质量检测一体化方法实现了焊缝特征尺寸测量与表面缺陷检测。焊缝特征尺寸检测精度达0.1 mm,气孔、焊瘤、未熔合缺陷的长度检测精度达0.2 mm。     

免疫算法在焊缝识别中的应用研究

对在自然光条件下焊缝识别进行了深入的研究,搭建了TIG焊图像采集系统,实时采集焊接图像。在此基础上,对焊接图像的焊缝识别技术进行研究,在传统的图像分割方法中引入免疫算法。首先定义了图像灰度抗体、抗原,构造免疫亲合度函数,并详细描述了人工免疫操作算子,给出了免疫计算算法流程,以实时获取最优的图像分割阈值。最后,进行了相关的试验验证,试验结果表明,与传统的Ostu法相比,基于免疫计算的焊缝识别法能较好地去除焊缝周围由于光线所造成的干扰,较好地提取焊缝信息,为焊缝跟踪提供更为精准的焊缝信息。     

基于自适应SVM决策树的焊缝缺陷类型识别

针对传统X射线焊缝缺陷检测方法普遍存在分类识别精度不高的问题,提出了一种基于分离程度的自适应SVM决策树算法。首先对滤波后的X-Ray焊缝缺陷图像进行数学形态学重建,然后根据分离程度,每次将分离程度最大的缺陷类别首先分离出来,构造自适应二叉树的SVM分类器,从而达到了减小二叉树的累积误差,得到了分类性能优良的的SVM决策树,并用其对X-Ray焊缝缺陷图像进行分类识别。实验结果表明,该算法取得了好的分类精度和识别效果。     

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％.