基于背景重构X射线钢管焊缝缺陷检测方法

焊缝缺陷检测是保证焊接质量的重要环节,随着工业的高速发展和迫切需求,X射线焊缝缺陷自动检测技术得到了广泛的研究,但是由于成像方式,以及铸件材质等客观因素的影响,X 射线图像存在噪声多、对比度低、背景亮度不均匀、焊缝边缘模糊等问题,使得利用计算机进行焊缝缺陷自动检测的准确率不太理想. 针对这一问题,本文提出了一种能够自动检测钢管焊缝缺陷的检测方法. 首先,采用了快速ICA算法重构了含有缺陷的X射线焊缝图像的背景区域;随后,将原图像与重构图像进行做差,并且对差后图像使用阈值法将缺陷提取出来;最后,在提取出的缺陷结果上做了进一步处理,有效的降低了漏检率和误检率. 与其他传统检测算法相比,它对缺陷类型不敏感,具有较好的适应性和通用性.     

基于模糊增强算法的不规则缺陷边缘提取研究

在工业焊缝不规则气孔缺陷的无损检测过程中,由于利用×射线拍摄的数字图像对比度低、噪声大、图像灰度变化复杂,缺陷边缘信息难以提取.针对上述问题,本文首先利用自适应中值滤波消除利用×射线拍摄的数字图像无缺陷的焊缝区域和背景区域,然后利用优化的模糊增强算法对图像边缘进行增强处理,最后分离提取出缺陷区域.通过实验对比,本文采用的方法检测精度高,处理速度快,具有较好的工程应用价值.     

基于ButterWorth滤波的X射线钢管焊缝缺陷检测方法

焊缝缺陷检测是保证焊接质量的重要环节,随着工业的高速发展和迫切需求,基于X射线焊缝缺陷自动检测技术得到了广泛的研究,但是由于成像方式,以及铸件材质等客观因素的影响,X射线图像存在噪声多、对比度低、背景亮度不均匀、焊缝边缘模糊等问题,使得利用计算机进行焊缝缺陷自动检测的准确率不太理想。针对这一问题,提出了一种基于ButterWorth滤波的钢管焊缝缺陷检测方法。首先利用傅里叶变换将图像的时域信息变换到频域,之后对图像的频域信息进行高通滤波,提取出图像中的高频缺陷信息,再对其进行傅里叶反变换,从而将缺陷信息凸出,最后利用阈值分割成功提取出缺陷,并对提取出的缺陷结果进行处理,有效地降低了漏检率和误检率。与其他传统检测算法相比,它对缺陷类型不敏感,具有较好的适应性和通用性。     

基于视觉显著性与PCNN的图像分割算法

针对射线缺陷检测图像对比度低、缺陷边缘模糊、噪声多、存在较大的背景起伏等缺点,传统缺陷检测方法难从焊缝缺陷图像中提取出对比度较低的目标缺陷的问题,该文提出了结合视觉显著性与脉冲耦合神经网络（PCNN）的缺陷分割算法。首先,利用LC算法对射线检测图像进行显著性区域检测,得到反映图像不同区域显著程度的显著图;其次,将所得到的显著图作为简化PCNN的输入图像,并利用最小交叉熵分割出感兴趣区域。实验结果表明,相较于传统的最大类间方差（Otsu）算法和脉冲耦合神经网络算法,采用该算法分割缺陷的效果较好,其分割边缘与细节信息的清晰度高,采用该算法分割缺陷的效果有较大提升。     

小波及拉氏算子在管道焊缝缺陷检测中的应用

通常数字化的X射线图像存在噪声且对比度较差,给缺陷识别带来一定难度.文章在图像分解的基础上,利用小波分析对工业X射线天然气管道焊缝缺陷图像进行去噪处理,有效地改善了图像质量,又根据Laplacian算子检测图像边缘快速性的特点,参照天然气管道焊缝图像的特征,提出一种基于小波与Laplacian算子相结合的管道焊缝缺陷识别方法,仿真结果证明了此方法有效性及可靠性.     

小波及拉氏算子在管道焊缝缺陷检测中的应用

通常数字化的X射线图像存在噪声且对比度较差,给缺陷识别带来一定难度。文章在图像分解的基础上,利用小波分析对工业X射线天然气管道焊缝缺陷图像进行去噪处理,有效地改善了图像质量,又根据Laplacian算子检测图像边缘快速性的特点,参照天然气管道焊缝图像的特征,提出一种基于小波与Laplacian算子相结合的管道焊缝缺陷识别方法,仿真结果证明了此方法有效性及可靠性。     

基于形态学的焊接图像缺陷检测方法研究

射线焊接缺陷的准确检测是保证焊接构件质量的关键,针对焊接生产中采集的图像存在对比度低、噪声干扰及边界模糊等特点,提出了一种基于灰度形态学的射线焊接图像的缺陷检测方法;首先,在对原始射线焊接图像滤波和增强的基础上,根据对焊接图像列灰度的分析运用阈值法提取出焊道;然后,选取了多尺度多结构元素,采用灰度形态学方法对焊接图像进行缺陷边缘检测,并二值化处理后提取出焊接图像巾的缺陷;试验结果表明,相比传统的边缘检测算法,该方法能有效提取图像中的焊接缺陷边缘,且其连续性和完整性较好.     

X射线管道焊缝探伤中的视觉同步算法

X射线管道焊缝探伤机器人作业时,要求管外X射线接收器跟随管内X射线发射窗同步旋转。针对此要求,文中研究了一种基于视觉的同步算法。实现同步旋转的难点在于如何实时、准确地检测管内外间的转角差,文中通过对X射线图像进行特征提取检测转角差：先对X射线图像进行形态学滤波,接着用自适应阀值算法对其二值化,然后进行边缘提取,最后通过Hough变换提取特征并获取转角差。文中对机器人作业时拍摄的一组X射线图像进行了试验,结果表明：文中算法从X射线图像中准确检测出了管内外间的转角差,且检测速度超过25帧／秒的实时性要求。文中算法再结合PID等规律控制伺服电机可实现管内外同步旋转。     

基于深度学习的焊缝图像边缘识别相似度检测

在高压天然气输送管线安装和压力容器制造过程中需要大量的焊接操作,射线检测在焊缝缺陷检测中应用广泛。传统人工识别评定缺陷和重复图像的方法,由于工程周期漫长、焊缝图像数量巨大,识别效率低、错误率较高,不能有效保证施工质量,杜绝射线胶片图像造假等问题。针对焊缝探伤图像造假现象,提出基于深度学习的焊缝图像边缘识别相似度检测方法,实现对X射线焊缝图像的特征提取。建立相似度评估方法,计算焊缝图像特征相似度,筛选重复图像;实现自动读取、识别数据库焊缝图像的相关功能;给出基于边缘识别的技术路径和优化算法,建立特征数据库,进行相似度判定。实验结果表明,在一定阈值设定下,该算法对重复图像的识别结果能达到92.3%。     

基于小波变换的X射线焊缝图像缺陷识别方法研究

经过长时间的研究发现,在焊缝图像缺陷识别中,传统的方法具有正确识别率低的问题,为此提出了基于小波变换的图像缺陷识别方法。输入获取的X射线焊缝初始图像信息,从帧数叠加、数字形态学变换和图像增强三个方面对初始图像进行预处理,约束小波变换阈值降低图像噪声,最后通过边缘检测,提取焊缝图像当中的缺陷特征。在对比实验当中,设立两种传统识别方法作为实验的对照组,提出的X射线焊缝图像缺陷识别方法为实验组,同时对统一型号的焊接工件进行缺陷识别,实验发现提出的识别方法的正确识别率高达91.8%。     

基于形态学的PCB缺陷快速检测技术

提出了一种基于数学形态学的PCB自动缺陷检测算法。 在对测试图像进行距离变换时,将参考图腐蚀后的边缘作为感兴趣区域使用,边缘上的每个点都具有线路边界的相应距离信息。对边缘上的距离图像进行直方图分析后得出合格线路的距离信息,以该距离为参照,可以快速地检测出各种缺陷。结合轮廓特征的对比,其能够进行准确的缺陷类型识别。实验证明,所提算法能够快速检测出PCB图像中的各种缺陷,并能进行准确的自动分类识别。     

基于旋转不变HOG特征的焊缝缺陷类型识别算法

根据某钢管厂实际采集到的X射线焊缝图像,并通过对焊缝缺陷多样性和形态多变性特点的研究,给出一种基于旋转不变HOG特征提取的焊缝缺陷类型识别算法. 首先,将项目前期已经检测到的多种缺陷进行分类和统计,截取每幅焊缝图像的ROI部分,构成实验所需的缺陷样本. 通过尺度变换和圆形细胞划分方式,得到具有尺度不变性和旋转不变性的HOG特征,将所有样本特征进行PCA降维,维数由贡献度决定. 最后使用LSSVM模型对缺陷进行类型识别. 通过研究block块重叠范围对识别正确率的影响,发现在一定范围内,重叠范围越大,识别正确率越高. 该算法通过改进传统HOG特征提取方式,提高了缺陷识别的正确率.     

基于模糊神经网络的焊缝缺陷识别的研究

焊缝缺陷在X射线设备下成像转成数字图像后,分析其图像的特点,进行缺陷的定位与边缘检测,结合人工识别焊缝缺陷的经验选取对焊缝缺陷分类影响因子较大的特征参数。用模糊集合的概念描述特征参数,建立特征参数的模糊规则库,构建以模糊化后的特征参数为输入层,以模糊规则为隐含层,缺陷预知识别分类为输出的模糊神经网络模型。分析实验结果,成功定位缺陷在数字图像中的大概位置与边缘检测。该方法提高了集合交叉较大的焊缝缺陷的识别率,能有效地对缺陷进行识别分类。     

粗糙集理论的带钢表面缺陷图像的识别与分类

针对带钢表面的划伤、黑斑、翘皮、辊印、褶皱和压印6种典型缺陷,提取样本图像的灰度、纹理和几何形状特征等20维特征向量;给出粗糙集理论的关键技术,基于粗糙集理论构造带钢表面缺陷图像识别的决策表,对决策表进行属性约简,并直接从训练样本图像中导出决策规则;应用所获取的规则对带钢表面缺陷测试样本图像进行分类,并同BP算法进行对比,验证了基于粗糙集理论的分类识别算法的有效性。     

基于显著性判别的缺陷检测方法

X射线成像存在噪声大、半影现象及散射等问题,使所得缺陷图像边缘模糊,背景灰度变化不均匀,严重影响了缺陷的识别准确率。提出了一种由LoG边缘检测和局部对比度筛选进行显著性判别的缺陷检测方法,在基于LoG边缘检测的双阈值进行显著性边缘检测的基础上,通过各向同性扩散方法求取待定缺陷的局部背景,利用待定缺陷和局部背景之间对比度的显著性设置第三个阈值进行进一步判断,从而去除假缺陷,使缺陷能够被准确地提取出来,并可以同时确定缺陷的轮廓和面积。实验结果表明,该方法对缺陷识别的准确度较高,并可以用于在线的实时检测系统中。     

钢板表面低对比度微小缺陷图像增强和分割

目的 环境干扰及光学元件不稳定等因素往往会造成钢板表面图像照度不均,钢板表面的微小缺陷具有图像灰度不均、对比度低、形态微小等特点,给后续图像分析和缺陷识别带来因难。为此,提出一种钢板表面低对比度微小缺陷图像增强和分割算法,以消除照度不均并突出缺陷信息,从而有效分割缺陷目标。方法 采用小波-同态滤波算法进行图像增强处理,即先利用小波变换对图像进行分解,再基于同态滤波对小波低频系数进行图像灰度修正,同时对高频系数进行高通滤波,然后将处理后的小波低频系数和高频系数进行重构得到增强的图像,从而达到消除照度不均、增强缺陷细节信息的目的。最后利用最大类间方差法（Otsu法）确定自适应阈值提供给Canny算子进行边缘检测。结果 采用本文算法对钢板表面多类型低对比度表面微小缺陷进行研究,有效消除了光照不均;单一的Otsu阈值分割和Canny算子难以有效检测这些缺陷,而本文Otsu-Canny算法的正确检测率达96%。结论 采用小波-同态滤波进行图像增强处理后,再利用Otsu-Canny算法对钢板表面多类型、低对比度的微小缺陷进行边缘检测取得了良好效果。     

基于模糊分析的焊缝图象的缺陷提取

在X射线检测焊缝缺陷过程中,至关重要的一步就是图象中缺陷的提取和分割,其处理效果直接影响到后续缺陷识别的正确性.本文先进行了焊缝背景去除,然后针对焊缝图象对比度差的特点以及其固有的模糊性,设计了基于直方图的模糊增强算法,以及基于直方图的模糊C-均值聚类分割算法.实验表明,本文提出的方法不仅能大大减少图象处理工作量,还能有效地提取出缺陷,为后续正确识别缺陷打下良好基础.     

基于SVM的输送带钢丝绳芯图像的缺陷分类

输送带钢丝绳芯缺陷一般分为：内部钢丝绳的划伤,铜丝绳芯的锈蚀,断裂,钢丝绳芯与胶带粘合力下降而导致的胶带脱落等故障。对常见的划伤和断裂的x光图像进行缺陷分类。使用机器学习方法学习图像特征,自动建立图像类的模型已成为一种有效的方法。采用支持向量机（SVM）方法通过训练特征向量,建立模型,对划伤和断裂的x光缺陷图像进行自动分类。实验结果表明基于SVM的算法适合X光钢丝绳芯图像的缺陷分类。     

基于机器视觉的钢管壁厚在线检测方法研究

在钢管生产过程中,需要对钢管的壁厚进行实时测量,以检验所生产的钢管是否符合规格。针对人工测量钢管壁厚中所出现的测量效率低、易产生疲劳且无法实时测量等问题,基于机器视觉测量技术,提出一种钢管壁厚在线检测方法。该方法首先采集钢管断面图像,然后对采集到的钢管图像进行预处理,使用Canny边缘检测算子检测钢管断面内外圈边缘特征,最后使用改进后的随机霍夫圆检测算法检测断面轮廓,根据设计的钢管壁厚测量方案计算得到各处钢管壁厚。改进的随机霍夫圆检测由于采用分区采样以及筛选出与边缘轮廓契合度最高的候选圆的方式,提高了原检测算法的检测精度与效率。经过实验验证,该方法测量精度高,效率高,能够满足对钢管壁厚在线检测的要求。     

3维灰度矩阵的钢板缺陷图像识别

目的 钢板表面缺陷的种类多样、灰度结构复杂,现有的图像分割技术运用在灰度结构复杂、目标边缘模糊的钢板缺陷图像中仍然存在识别效率低、过分割现象明显等问题,本文结合图像灰度矩阵的空间特征,提出一种基于3维灰度矩阵的钢板表面缺陷识别算法。方法 首先根据灰度图像构建3维灰度矩阵;然后引入半类间方差改进克里金插值算法,绘制3维灰度矩阵的等值线图;接着构建等值线的拓扑关系树;最后根据自定义的全局搜索策略和局部搜索策略相结合,寻找局部凹凸区域,从而定位缺陷区域,达到分割钢板表面缺陷的目的。结果 本文方法能有效地识别钢板表面缺陷区域,对光照变化不敏感,在保证低误差率的前提下,提高了有效分割率。通过对氧化、辊印、结疤和气泡四类钢板缺陷图像进行测试,从分割效果和评价指标两方面对比其他钢板缺陷分割算法。与Fisher阈值分割法、经典的活动轮廓模型CV模型、基于半局部区域描述符的活动轮廓模型HTB模型和改进背景差分法进行分割效果对比,本文方法对四类钢板表面缺陷的识别更精确,分割结果更细致,一定程度上抑制了过分割现象。与大津法Ostu、1维最大模糊熵法1DMFE、最大模糊超熵法MFEE进行评价指标对比,得出对于分割孔洞和辊印图像,本文方法在误分割率均保持在2.0%以下的前提下,将有效信息率分别提升了1.6%和2.1%;对于夹杂图像,本文方法在3.4%的误分割率的前提下,具有85%以上的有效信息率。结论 提出的基于3维灰度矩阵的钢板缺陷图像识别算法可以有效地识别多种类型的钢板缺陷,即使在缺陷结构复杂的图像识别中仍具有较高的识别率。