基于X射线图像序列的焊缝缺陷自动检测方法

X射线无损检测对于焊接结构件的质量保证具有重要意义,焊缝缺陷X射线实时自动检测的核心技术是序列图像处理。目前,国内外的研究工作大多集中在基于孤立图像的处理中,由于焊缝缺陷形态的多样性而难以将噪声与微小缺陷区分开,因此无法解决缺陷的漏检率和误检率此消彼长的矛盾。该文着眼于时间序列图像,提出基于帧内分割和帧间跟踪相结合的焊缝缺陷检测方法,在图像的空间域处理中消除漏检,在图像的时间域处理中消除误检,从而为解决缺陷漏检和误检之间的矛盾提供了有效途径。试验和现场应用期间,对于常见的壁厚分别为8.8 mm、12.5 mm以5m/m in速度运动的螺旋焊缝钢管中的一系列自然缺陷,最小检出缺陷直径分别约为0.6mm、0.8mm,符合工业应用要求,与此同时无误检出现。     

基于厚壁工件X射线实时成像的焊缝缺陷自动检测

基于X射线成像的焊缝缺陷自动检测技术对提高工业射线检测的自动化水平具有重要意义。焊缝缺陷在线连续检测的实时性要求较高,随着工件厚度的增加,其焊缝X射线实时图像的信噪比变得很低,使得已有的处理算法难以在满足实时性的同时,有效处理缺陷误检与漏检之间的矛盾。针对这些问题,在分析了传统方法在厚壁工件X射线图像焊缝缺陷自动检测中存在的问题基础上,对传统方法进行了改进,提出了双阈值背景消除法和平行焊接方向波形分析法,然后利用所提出算法之间的冗余性和互补性,融合多种分割结果以解决缺陷误检与漏检之间的矛盾。试验结果表明:所提出的缺陷自动检测方法能够在满足实时性要求的同时,实现缺陷检出,有效避免误检。     

用于焊缝检测的X射线实时图像序列时空域滤波

X射线实时图像处理技术是在线自动检测焊缝缺陷的关键环节。由于原始图像噪声大,严重影响了焊缝缺陷X射线实时自动检测技术的实际应用。该文先对焊缝X射线实时图像序列进行匹配,在此基础上采用扩展的局部线性最小均方差法进行时空域滤波,从而综合利用X射线实时图像序列的时域信息和空域信息。实验结果表明:焊缝X射线实时图像时空域滤波效果明显优于现有的空域滤波和时域滤波,为后续焊缝缺陷检测的图像处理提供了良好条件。     

用于焊缝检测的X射线实时图像序列时空域滤波

X射线实时图像处理技术是在线自动检测焊缝缺陷的关键环节。由于原始图像噪声大,严重影响了焊缝缺陷X射线实时自动检测技术的实际应用。该文先对焊缝X射线实时图像序列进行匹配,在此基础上采用扩展的局部线性最小均方差法进行时空域滤波,从而综合利用X射线实时图像序列的时域信息和空域信息。实验结果表明:焊缝X射线实时图像时空域滤波效果明显优于现有的空域滤波和时域滤波,为后续焊缝缺陷检测的图像处理提供了良好条件。     

压力容器焊缝的数字射线探伤技术研究

在压力容器焊缝检测中,X射线是常用的检测手段,传统的射线曝光胶片方式有探伤效率低、缺陷判读复杂等诸多不足。文中以非晶硅面阵探测器为成像器件,按照优化理论组建了焊缝数字射线探伤系统,并建立了曝光优化曲线,为压力容器焊缝探伤提供最优参数指导;针对噪声引起图像降质的特点,考虑到工程应用对算法速度的要求,提出了在时间域的图像处理手段,避免了降噪的同时模糊缺陷特征的矛盾。文中还通过现场的试验数据,对探伤质量进行了IQI灵敏度测试,试验结果表明,探伤质量达到胶片最高级B级水平。     

基于形态学的焊缝X射线图像缺陷检测

通过对焊缝X射线图像进行垂直扫描,提取扫描线的线灰度曲线,提出了焊缝缺陷位置的检测算法.应用形态学滤波和分水岭变换对缺陷轮廓进行提取,实现了焊缝X射线图像缺陷的检测.对图像的实测结果表明,该方法能有效地对焊缝缺陷位置进行检测.     

基于多类支持向量机的X射线焊缝图像缺陷类型识别方法

压力容器的焊缝结构多变,纹路复杂,这增加了压力容器检测时焊缝缺陷定级的难度,提出一种基于多类支持向量机的X射线焊缝图像缺陷类型识别方法。首先通过对X射线焊缝图像进行预处理及缺陷轮廓检测,提取表征焊缝缺陷的状态特征,以构造特征向量,然后基于多类支持向量机建立焊缝缺陷识别模型,对产品的焊缝缺陷进行分类识别。实验结果表明了该方法的有效性。     

基于多类支持向量机的X射线焊缝图像缺陷类型识别方法

压力容器的焊缝结构多变,纹路复杂,增加了压力容器检测焊缝缺陷时定级的难度.提出一种基于多类支持向量机的X射线焊缝图像缺陷类型识别方法.首先通过对X射线焊缝图像进行预处理及缺陷轮廓检测,提取表征焊缝缺陷的状态特征,以构造特征向量;然后基于多类支持向量机建立焊缝缺陷识别模型,对产品的焊缝缺陷进行分类识别.实验结果表明了该方法的有效性.     

基于深度学习One-stage方法的焊缝缺陷智能识别研究

目前基于深度学习的卷积神经网络在对焊缝缺陷射线图像进行智能识别时,多采用基于候选区域的two-stage方法,检测速度难以满足实时性要求。针对该问题,提出基于深度卷积神经网络的one-stage焊缝缺陷识别定位算法,将整张图像输入网络,并直接在输出图像上标定目标缺陷位置及类别。通过采用特征金字塔、减小网络深度、引入跳跃连接卷积块和K-means算法等方法对YOLO网络进行改进,提高了网络对焊缝缺陷识别定位的准确率和速度。实验结果表明:该方法比two-stage识别定位算法和YOLO原网络在检测速度和检测精度方面都有所提升,单个图像的平均识别准确率为94.9%,召回率为94.1%,处理时间为19.58 ms,具备焊缝缺陷在线实时识别的工程应用价值。     

一种改进的最大类间方差图像分割法

该文根据脑部切片图像中白质的特点,将均方差因素引入传统分割方法,提出了一种改进的最大类间方差图像分割方法.采用连通域标记进行图像预分割,借助形态学的开运算进行滤波处理,根据改进的最大类间方差分割原理进行白质提取.将该方法与传统最大类间方差法对序列脑切片的白质分割结果进行定性比较,并借助漏检率和误检率指标进行定量评估,发现两种方法的平均漏检率均约为0.03,平均误检率分别为0.251和0.026,表明该方法能够综合利用图像的区域特性和边缘特性,分割更加准确有效.     

文本性的盛宴：美国汉学现当代文学研究的亮点和拐点

由于传统焊缝区域检测算法难以准确提取模糊和对比度低的厚钢管焊缝区域,提出一种新的基于鲁棒PCA模型的焊缝区域检测算法,该算法能克服传统方法的不足,并能准确提取焊缝区域.首先,收集一序列X射线图像,并对其进行空域对齐及亮度归一化预处理.其次,计算得到系列图像的背景图像,并将背景图像与待测试X射线图像张成一个观测矩阵.最后,使用鲁棒PCA算法对观测矩阵进行低秩与稀疏分解,测试图像中的不均匀强度及噪声被消除,焊缝区域被凸显出来,通过全局阈值可将焊缝区域较好地分割出来.实验结果表明,该算法能较大地消除厚钢管X射线图像中噪声及不均匀强度分布带来的干扰、同时增强模糊的焊缝边缘及对比度低的区域,相比传统焊缝区域检测算法,具有更高的检测灵敏度(0.952)和精度(0.989),能更好地将模糊和对比度低的焊缝区域完整检测出来.     

衍射时差图像处理与缺陷识别技术综述

焊缝是压力容器的质量薄弱环节,焊缝缺陷直接影响压力容器的安全运行。衍射时差(TOFD)检测是目前焊缝质量评价的主要手段。随着TOFD成像检测技术的不断发展,TOFD成像结果自动判读的不足,正成为制约TOFD检测规模化应用的障碍。图像处理和缺陷识别是TOFD成像检测的技术关键。本文将TOFD图像处理技术归纳为噪声去除、直通波处理、曲线拟合和图像分割,将TOFD缺陷识别技术归纳为特征提取和模式分类,详细介绍了国内外的相关研究成果,并对TOFD图像分割、特征提取和缺陷分类识别的研究提出建议。     

基于背景差分法在焊缝缺陷检测中的应用

现代工业对于焊接技术的使用越来越多,如何保证焊件质量是焊缝技术的重要环节。在机器视觉中,背景差分法是一种重要的运动检测方法。基于背景像素点在图像序列中被观测到的概率是最大的前提假设,并结合背景像素点可以看作高斯分布的加权的前提假设,提出了一种实时焊缝检测算法。该算法在准确检测焊缝缺陷的同时,能够在一定程度上对焊缝缺陷类别进行分类;既能提高产品的合格率,有通过反馈焊缝缺陷的分类,对焊缝生产线的调节提供帮助。实验结果证实了所提算法的有效性和实时性。     

Automatic Defect Detection in X-Ray Images Using Image Data Fusion

Introduction A welded structure must be inspected to guarantee that the weld quality meets the design requirements to as- sure safety and reliability. However, X-ray image analyses and defect recognition are very complex. Most difficulties lie in finding …     

基于自适应轮廓匹配的视频运动车辆检测和跟踪

为了对高空拍摄的交通场景进行图像处理，实现对运动车辆的检测和跟踪，以获得车辆的运行轨迹，在固定模板的基础上，利用自适应轮廓匹配算法，结合误检判断和轮廓分解，较好地检测出了车辆轮廓，并能避免由于两辆车靠近带来的误检．将自适应轮廓匹配思想移植到车辆跟踪中，可以实现较为准确的跟踪．计算机检测和人工检测的比对实验表明，在一定的条件下，这种算法有效消除了误检和多检现象，其正确检出率达到95．01％，即使存在一定的漏检，也可以通过插值实现填充．     

基于模糊理论的焊缝缺陷图像识别算法研究

为提高无损检测中焊缝缺陷射线检测效率、降低人工操作强度,针对射线胶片焊缝缺陷自动检测技术普遍存在难以自动准确识别缺陷问题,充分利用焊缝图像中各种信息,提出了一种焊缝缺陷智能检测识别方法。基于自动选择阈值,使用模糊集合进行灰度变换以增强图像对比度;利用最大类间方差算法(OTSU)求解自适应阈值,检测并提取焊缝边缘;依据缺陷几何特征识别不同缺陷。结果表明,该系统可以较为准确地检测各种焊缝图像的边界和缺陷,具有较好地适应性和实用性。     

焊缝X射线图像缺陷检测技术

针对焊缝X射线图像存在对比度低、噪声干扰及边界模糊等缺点,通过运用数学形态学操作、减影技术和迭代式阈值分割的方法对图像进行处理,较好地实现了焊缝外观轮廓和内部缺陷的边缘提取.相比传统算法,该方法更有效,具有更好的连续性和完整性.此外,研究了焊缝轮廓宽度缺陷的坐标和内部缺陷的参数计算方法,为后续的焊缝检测和识别提供了有利条件.     

X射线检测焊缝的图像处理与缺陷识别

根据射线检测焊缝图像的特点,设计了图像去噪、增强的算法;针对焊缝缺陷对比度差、光照不均、纹理较多等不利因素,在去除焊缝背景情况下,设计了动态划分焊缝区域算法,利用局域阈值法分割提取出对比度不均的缺陷;通过对焊缝缺陷特征分析,选取缺陷识别的特征参数;建立了用于焊缝缺陷识别的模糊神经网络模型。试验结果表明,图像预处理和缺陷提取是成功的,提出的识别算法能够提高介于模糊边界模式分类时的识别率,对焊缝缺陷识别的效果优于分类识别法。     

基于局部视觉单词分布的成人图像检测

为克服成人图像基于低层视觉特征识别产生的大量误检情况,在检测中引入了图像的局部形态特征.将图像中突出的局部形态量化为视觉单词,并消除了视觉单词中的多义和同义现象.然后对测试图像建立了视觉单词敏感度分布缩图,从中获知与色情信息高度相关的区域.通过分析这些区域的色情相关性,判断图像是否为成人图像.在与传统类型方法的对比实验中,该策略显著提高了检测性能,特别是减少了很多对人物类图像的误检.实验结果表明,基于分析局部视觉单词分布的策略,能有效提高成人图像识别系统的性能.