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。     

基于支持向量机的焊缝超声TOFD缺陷分类识别

为了实现对大型厚壁压力容器焊缝缺陷的准确识别,提高缺陷评定的准确性和检测效率,在基于标记的改进分水岭TOFD检测图像分割的基础上,结合典型缺陷图像的纹理特征,从图像空间域和频域特征,分别利用局部相位量化和局部二值模式获取缺陷区域的局部邻域特征参数,将二者特征参数进行归一化融合,再将融合特征向量用支持向量机进行分类识别。试验结果表明,检测图像4×4分块后提取的熔合特征识别率最优,分类识别正确率达到87.10%。     

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EEMD的特征提取及其在齿轮裂纹故障诊断中的应用

为了提取齿轮裂纹故障的特征参数并识别不同裂纹深度齿轮的类型,以单级齿轮箱中的圆柱齿轮为实验对象,采集3种不同裂纹深度齿轮的振动信号。对采集到的信号进行时频域分析和EEMD分解,分别提取时域特征参数和EEMD能量特征参数,分析和构造齿轮裂纹故障特征向量,选用基于径向基核函数的支持向量机分类方法进行不同裂纹深度齿轮的识别。结果表明：结合时域特征参数和EEMD能量特征参数构造的齿轮裂纹故障特征向量能准确识别不同裂纹深度齿轮的类型。     

基于PSO-LS-SVM的漏磁信号二维轮廓重构

漏磁检测技术被广泛应用于铁磁材料的无损评估中,用漏磁信号描述缺陷的几何特征一直是漏磁检测的难点。提出应用最小二乘支持向量机对缺陷轮廓重构的方法,并利用粒子群算法来优化LS-SVM的参数及核函数参数。支持向量机输入是漏磁信号,输出是缺陷轮廓数据,建立了由缺陷的漏磁信号到缺陷二维轮廓的映射关系。训练样本由试验数据与仿真数据组成,测试样本为人工裂纹缺陷。该方法实现了人工裂纹缺陷的二维轮廓的重构,并与BP神经网络、GA-LS-SVM两种方法进行了比较。试验结果表明,该方法具有速度快、精度高和很好的泛化能力,为漏磁检测定量化提供了一种可行的方法。     

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。     

基于机器学习的铆接质量数字化检测系统

为实现铆接质量数字化检测和质量追溯,提出基于机器学习的铆接质量数字化检测方法。使用CCD摄像机对铆接部位进行图像采集,然后进行中值滤波、Canny边缘检测、图像形态学处理等,实现铆接部位裂纹检测和特征信息提取。利用改进的粒子群优化最小二乘支持向量机算法建立铆接质量检测模型,并使用检测样本对模型进行检验。对不合格的铆接进行质量追溯,应用专家系统判断产生缺陷的原因。在某型号飞机装配车间对原型系统进行应用验证。结果表明：所设计的系统检测准确率达96%,可提高铆接质量检测效率、统一检测标准、减少工人劳动。     

聚类和优化支持向量机的冷轧带钢表面缺陷分类

针对具有小样本、非线性、高维模式识别特点的冷轧带钢表面缺陷,且部分缺陷分布零散、不相连而导致后期识别数量增加、识别率低的情况,提出聚类与优化支持向量机相结合的改进分类算法。利用矩形框将缺陷进行标记,实现缺陷聚类合并,减少后期缺陷识别分类个数,便于后期正确识别判断;利用粒子群优化算法结合交叉验证自动选取最优参数,确定支持向量机结构,并结合实际生产线上出现频率较高的5类带钢缺陷进行分类研究。实验结果表明,相较于改进BP神经网络和网格优化的支持向量机,聚类与优化支持向量机相结合的改进分类算法不仅解决了位置接近的同种缺陷重复分类的问题,而且耗时短、缺陷正确识别率可达98%,符合实际生产线需求。     

基于SVM的搅拌摩擦焊表面缺陷分类

提出了一种基于支持向量机(SVM)的搅拌摩擦焊(FSW)表面缺陷分类方法.首先,使用高斯金字塔获取下采样后的低分辨率图像以减少FSW表面洋葱纹的影响,使用Sobel算子和Hough直线检测算法提取感兴趣区域并将结果映射回原始图像,得到FSW轴肩作用区图像;其次,对得到的无缺陷、飞边和沟槽缺陷图像使用小波变换、灰度共生矩...     

基于支持向量机的镁熔液弱小目标检测

针对镁熔液图像中弱小目标不易检测的问题,提出一种基于支持向量机回归(SVR)的第一气泡检测方法。首先利用支持向量机回归原理的函数回归特性对原图像进行背景逼近;再重构两帧残差图像并对其进行帧差运算;最后通过所提出的阈值分割方法处理并利用形态学开运算识别第一气泡。与BP神经网络背景预测算法对比,SVR算法所获取的帧差图像在信噪比和信噪比增益方面分别提高了17.67%和17.69%,且在实时性方面较优。     

基于机器视觉的升船机凸齿焊缝检测方法

为了获取精准的焊缝检测结果,文中提出一种基于机器视觉的升船机凸齿焊缝检测方法。建立基于机器视觉的X射线焊缝底片采集平台,通过需求确定采集方案进行图像采集。将采集的底片作为研究对象,以广义交叉验证准则为优化目标,通过序列二次规划算法优化处理非降采样轮廓波变换(NSCT)域的去噪阈值,获取最优去噪阈值。在确定阈值后,采用非线性阈值函数处理Contourlet系数,获取去噪后的图像。引入梯度方向直方图算法提取升船机凸齿焊缝图像特征,将二叉树支持向量机(SVM)作为分类模型完成特征学习及升船机凸齿焊缝检测。试验结果表明,文中方法不仅可以获取精准的焊缝检测结果,同时还能够提高焊缝检测效率。     

基于机器视觉的金属板材表面缺陷光学检测技术

为了解决传统金属表面质量检测技术的缺陷检测精度不高、缺陷检测识别率不高、缺陷分类不准确的难题,搭建了一套基于机器视觉的金属板材表面检测系统。基于偏微分方程,利用图像等照度线改进中值滤波算法,对图像进行预处理,显著地抑制了图像的噪声。利用最大类间方差算法(OTSU)自适应确定一图像双阈值,改进了Canny算法中高斯滤波器对图像的灰度分布特征提取,使其不受亮度和对比度的影响。最后,利用SIFT(Scale-invariant Feature Transform)算法提取缺陷特征点,提出一种BP(Back Propagation)神经网络和SVM(Support Vector Machine)向量机结合分类器的检测方法,缺陷检出率为926.8%,单幅图像检测仅需498.ms,该缺陷检测系统对金属板材表面缺陷能有效提取与识别,满足金属板材表面在线检测的要求。     

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.     

承压构件缺陷磁记忆检测信号的量化分析

将金属磁记忆检测技术应用于含埋藏缺陷承压构件的检测中,将承压构件简化为平板结构,对平板试件进行单向拉伸的有限元模拟试验,分析了不同裂纹尺寸和载荷对检测信号的影响以及构件焊缝缺陷磁记忆信号的变化规律,得到了磁记忆信号特征参数与缺陷的关系。结合磁记忆检测试验,对磁记忆信号特征参数与缺陷参数、加载结果进行了量化分析。试验结果表明,磁记忆信号可以对承压构件缺陷进行有效表征,并可以对裂纹扩展趋势进行预测。研究为金属磁记忆检测技术在承压构件检测中的应用提供了理论支持。     

基于改进YOLOv5算法的钢管焊缝缺陷检测

针对X光图像下钢管焊缝缺陷对比度弱﹑缺陷尺寸大小不一﹑同类缺陷形状变化大等因素导致的缺陷检测率不高的问题，提出一种改进YOLOv5的焊缝缺陷检测算法。首先，对X光图像进行去模糊处理，获得较清晰的焊缝图像；其次，在YOLOv5的主干网络中引入动态区域感知卷积代替标准卷积，保证参数不增加的情况下，增强特征提取能力；进一步针对YOLOv5中CSP特征金字塔融合准则过于简单的问题，采用了一种高效的特征融合机制以增强特征表达能力；最后，在检测头部分引入可学习权重参数，实现检测头中的特征自适应融合。实验结果表明，与传统YOLOv5算法相比，虽然检测速度从32.2 fps降到27.5 fps,但是检测的mAP提高了3.3%,达到94.6%,初步满足实际生产中钢管焊缝缺陷自动检测需求。     

基于前馈神经网络的储油罐底板焊缝表面缺陷检测方法

为了有效解决储油罐底板焊缝缺陷检测过程中存在速度慢、检测结果不准确等问题，提出一种基于前馈神经网络的储油罐底板焊缝表面缺陷检测方法。分析相机捕获的储油罐底板焊缝图像各像素之间的相关性和椒盐噪声特点，通过支持向量机(SVM)分类器识别图像中的噪声，重构图像，完成去噪处理。通过基于泛化的增量式二维主成分分析的特征提取方法(GI2DPCA)提取储油罐底板焊缝图像的特征，引入前馈神经网络，构建基于前馈神经网络的储油罐底板焊缝表面缺陷检测模型，将提取到的特征输入到模型完成缺陷检测。试验测试结果表明，所提方法能以较短的时间和较高的检测精度完成缺陷检测。     

基于信号分形与支持向量机的点焊检测方法

鉴于分形维数对数据样本集复杂程度的定量描述特点及支持向量机在小样本集合分类和回归方面所具有的显著优势,采用信号数据序列的分形维数作为特征值,提出一种基于信号分形维数及支持向量机的点焊信号检测方法。分别对点焊飞溅缺陷和熔核尺寸缺陷建立两类支持向量机检测模型,构成支持向量机阵列,利用该阵列模型进行点焊飞溅和小尺寸熔核两种缺陷的综合检测。结果表明,该阵列对点焊缺陷的无损检测是比较精确的,能较好地无损检测到点焊过程中飞溅及小尺寸熔核两种缺陷。为点焊的无损检测提供了一种新的方法。     

激光焊熔池红外辐射特征支持向量机回归分析

大功率光纤激光焊接过程中,熔池红外辐射蕴含着丰富的焊接质量信息。以大功率光纤激光对接焊304不锈钢板为试验对象,运用近红外高速摄像机获取焊接熔池动态热像。定义并提取熔池宽度、匙孔面积、匙孔周长和匙孔质心横、纵坐标,作为熔池特征参数,运用支持向量机建立熔池特征参数和焊缝宽度的回归模型,并通过网格寻优和粒子群算法优化支持向量机参数。试验表明,所建立的支持向量回归机能够较好地融合熔池特征,预测焊缝宽度,从而为自动监控大功率光纤激光焊接质量提供试验依据。     

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。