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。     

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.     

基于字典的概率松弛法对焊缝图像中裂纹缺陷的提取

提出了一种在焊缝图像中提取裂纹缺陷的方法。该算法首先对含有裂纹缺陷的图像采用基于偏移量的Laplacian算子进行检测处理,对处理后的图像建立有12个基本容许结构的字典模型,应用字典法提供有效的搜索方法,通过迭代,从邻近目标中提取越来越多的上下文信息处理,有效去除噪声,提取裂纹缺陷。实验结果表明：该算法对纵向裂纹能获得较好的连接性及较清晰的轮廓,且有较好的抗噪性,是一种有效的弱显示裂纹检测方法。     

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。     

焊缝X射线实时成像图像中缺陷的提取

焊缝缺陷的提取成为目前焊缝X射线检测技术的难点之一,本文采用基于模糊推理技术进行焊缝及焊缝缺陷边缘检测,提取的边缘十分完整,为进行焊缝缺陷特征参数的提取打下基础,有利于实现焊缝X射线检测的自动化.     

基于BP神经网络方法的焊缝图像识别系统

在工业探伤领域中,由于焊接过程出现的各种问题,会导致焊缝中含有气孔和裂纹等缺陷,影响产品的质量,所以焊接图像中缺陷的检测十分重要。受传统X射线焊缝图像检测的评片人员的技术素质和经验的影响,焊缝缺陷的检测逐步从人工评片过渡到计算机智能识别。本文以数字图像处理技术为基础,应用Matlab建立了基于BP神经网络的焊缝图像识别系统,实现故障类型的识别。     

基于OTSU和Canny算子的红外图像特征提取

由于红外图像背景复杂、分辨率低等因素,在利用涡流红外热成像技术检测金属材料裂纹缺陷时,会导致红外图像裂纹缺陷区域模糊。为解决这一问题,提出一种基于大津法(OTSU)和Canny算子相结合的红外图像特征提取方法,用于解决红外图像分割、特征增强和裂纹缺陷区域边缘特征提取等问题。首先对获取的红外图像进行降噪处理,增强图像中的特征信息;然后用OTSU算法将裂纹区域从背景区域分离出来,并用Canny算子提取裂纹区域的边缘,最终获得裂纹边缘的周长和面积等特征信息。实验结果表明,该方法能准确定位红外图像裂纹区域,提取红外图像裂纹边缘特征信息。     

基于高频加强变换的焊接缺陷检测方法

根据X射线线阵实时成像检测压力容器的特点,提出焊缝图像处理及快速发现焊接缺陷的方法。利用自适应中值滤波方法和类间、类内方差比分割法及数学形态学方法对原始焊缝图像进行降噪和提取焊缝区域,并对提取的焊缝内部进行频域锐化的高频加强变换.仿真结果表明,自适应中值滤波能够有效去除噪声,并保持焊缝和缺陷的边缘细节;类间、类内方差比分割方法增强了图像目标与背景的对比,与数学形态学方法并用能准确地提取焊缝区域;高频加强变换能够为焊缝缺陷提供清晰的视觉效果,从而根据其显示的特点对焊接缺陷进行提取.     

基于局部处理的X射线图像裂纹缺陷自动检测

研究了X射线图像裂纹缺陷自动检测问题.首先根据裂纹缺陷特征及位置信息提取感兴趣区域,使检测到的缺陷区域准确地包含实际缺陷;然后提出了一种结合局部方差和局部直方图均衡化的图像增强方法,实现了图像的对比度增强,使裂纹缺陷肉眼可见;接着利用阈值分割和形态学方法对裂纹缺陷进行分割提取;最后根据裂纹缺陷的几何特征实现了裂纹缺陷的检测.实验结果表明:相比于仅利用局部方差或局部直方图均衡化对图像做一次对比度增强,此方法能有效增强缺陷特征,更利于缺陷检测.     

焊接缺陷实时成像自动检测技术的研究

对射线实时成像检测技术的发展现状进行了分析 ,指出了目前存在的主要问题。以焊接缺陷的射线实时成像检测为对象 ,简要介绍了图像增强及去噪声等预处理方法。对缺陷提取技术进行了研究 ,设计了基于灰度梯度的焊缝边界提取方法 ,采用基于分离焊缝的拟合 DSA方法进行特征提取 ,详细介绍了有关算法并给出了实际处理结果。另外 ,提出了提取结果相关性修正的概念及算法并对缺陷类型识别方法进行了研究。采用上述方法开发完成了一套焊缝缺陷实时成像检测系统     

焊缝表面缺陷的视觉图像表征

提出一种基于焊缝表面缺陷几何特征提取的视觉图像表征方法.以视觉系统采集的焊缝表面视觉图像为信息源,通过图像增强、图像平滑、阈值分割等方法完成了焊缝与母材的分离,采用多尺度Retinex增强、模糊边缘检测算法,实现焊缝图像中缺陷几何特征区域的提取.基于焊缝及其成像间的坐标变换关系,建立缺陷几何特征参数的求取算法.验证结果表明,获取的几何特征参数能够准确表征缺陷的大小、形状、位置等信息,基于视觉图像表征焊缝缺陷的方法是可行的.     

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。     

基于模糊模式识别的焊缝缺陷图像检测

以埋弧焊管焊缝的X射线检测图像为对象,通过图像处理、特征提取和模糊识别实现了对缺陷的识别。为提高识别精度与实时性,采用主成分分析法对采集图像的像素矩阵进行了主元分析,结合模糊识别中的模糊C均值聚类算法对圆形缺陷和线形缺陷进行识别。相比于传统的通过提取缺陷的若干几何特征分类识别的方法,此方法具有算法简单、占用内存空间小、识别准确率高、实时性强等特点。最终平均识别率可达到90.93%,能够较准确地对焊缝缺陷进行分类识别。     

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8.8mm、12.5mm以5m/min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。     

基于深度学习的X射线焊缝缺陷识别

为了提高缺陷识别效率,提出利用基于深度学习网络进行焊缝缺陷识别。在分析X射线焊缝缺陷图像特征的基础上,构建一种基于模拟视觉感知原理的深度学习网络结构,并对卷积神经网络的卷积模板大小及层数进行了分析,对卷积神经网络隐藏层中2种不同的激活函数进行了实验验证,针对性地提出优化方法。该深度学习神经网络可以避免对焊缝缺陷图像特征的提取,直接判断疑似缺陷图像是否为缺陷。对580张图像进行了实验,结果表明,本文所提方法对SDR图像的识别准确率超过98%,优于传统方法。且所设计系统具有自动学习X射线焊缝缺陷图像中复杂的深度特征的特点,实用性较强。     

高频焊管错边缺陷的图像处理及特征提取

为准确捕捉到高频焊管错边缺陷的图像照片,建立了高频焊管焊缝图像的CCD视觉系统.对错边缺陷的焊缝图像进行了特征分析,使用形态学方法对焊管错边缺陷进行图像处理,提取图像边缘,在此基础上进一步提取了焊缝宽度和亮度信息.研究结果表明:焊缝宽度和焊缝边缘亮度可以作为视觉检测焊缝错边缺陷的重要图像特征,为进一步构建高频焊管焊缝缺陷视觉检测系统提供了基础.在虚拟仪器开发软件LabVIEW环境下,选择比色测温法构建了高频焊管焊接温度控制系统,并进行温控试验.试验结果表明:采样比色测温模式可较好降低烟尘、水汽等因素对测温的影响,提高测温结果的稳定性和精度,在测温稳定准确的基础上,温控系统控温效果良好.