基于红外热成像技术的管母线焊缝缺陷对发热影响研究

焊缝质量是影响管母线综合性能的关键因素。首先使用X射线数字成像系统对实验样品焊缝进行检测,确定了焊缝缺陷类型;再根据电磁感应原理对加工有不同焊缝缺陷的管母线实验样品分别进行通流实验;利用红外热像仪对焊缝周围温度进行定时测量;计算了各个实验样品焊缝位置和距离焊缝20 cm处的平均温差;绘制了不同负载下温差与加载时间的变化曲线。通过与无缺陷实验样品进行对比,得到了各种常见焊缝缺陷对管母线焊缝发热的影响规律,充分证明了利用红外热成像技术对管母线焊缝现场检测的可行性,为管母线焊缝质量现场红外检测提供了重要的参考依据。     

管母线焊缝缺陷对发热损耗的影响研究

结合管母线电场和温度场数值计算方法,建立了存在气孔、未焊透、裂纹等焊缝缺陷的管母线温度场有限元计算模型。在综合考虑对流和辐射换热、电阻率温度效应以及热量沿管母线轴向的传输等影响因素的基础上,对存在焊缝缺陷的管母线温度场进行了计算分析,得出了管母线焊缝缺陷周围温度场的分布规律。通过与通流检测实验数据对比分析,得出了不同焊缝缺陷对管母线发热损耗的影响,为实际运行的管母线的焊接质量带电检测以及实时温度测量提供了参考依据。     

X射线焊缝缺陷图像字典矩阵构建及求解算法

对埋弧焊X射线焊缝图像圆形、线形缺陷和噪声图像进行分析。以构建基于稀疏描述的模式识别字典矩阵为目标,通过分析各类X射线焊缝图像的相关性曲线,明确了稀疏描述技术中字典矩阵图像数量范围,提出一种适合于X射线焊缝图像识别的字典矩阵构建数学模型,并提出利用Hopfield神经网络求解该模型。给出了神经网络的能量函数及对应的求解方法。通过实例构建了X射线焊缝图像字典矩阵,并利用该字典矩阵进行了模式识别实验。实验表明,本文所提方法构建的字典矩阵具有较好的鲁棒性,圆形缺陷识别成功率可达97.5%,线形缺陷识别成功率可达97.0%。     

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。     

膨胀波纹管焊缝缺陷的检测及影响评价分析

焊缝可靠的性能是膨胀波纹管技术成功应用的关键因素之一。针对膨胀波纹管焊缝检测方法和性能评价标准缺失的现状,引入了数字化X射线平板成像技术。结合图像处理软件实现了波纹管焊缝缺陷的检测,可准确检测出缺陷的类型、尺寸及所处的位置,检测精度可达到0.01 mm。分析了气孔型、未焊透型和裂纹型这三种缺陷分别在焊缝的凹区和肩区时,缺陷的轴向宽度、径向深度、环向长度等参数对膨胀性能的影响,给出了30 MPa膨胀压力下的临界失效尺寸。人为地在焊缝上制备了特定尺寸的缺陷,通过水力膨胀试验,验证了计算结果的可靠性。该研究成果为膨胀波纹管的焊缝质量提供了检测方法,为焊缝性能的评价提供了依据。     

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。     

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.     

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。     

结合注意力机制和卷积神经网络的X射线焊缝缺陷检测

焊接是一种重要的连接技术,但是焊缝缺陷会直接影响焊接结构的性能和使用寿命。焊缝缺陷的种类和特征的多样性增加了缺陷检测的复杂性。首先,提出一种新颖的并行残差注意力模块,在通道和空间维度上充分利用全局平均池化和全局最大池化来捕获全局特征,并与输入特征相乘,自适应的选择缺陷特征,显著提升了网络模型的特征表达能力。其次,针对焊缝缺陷长宽比悬殊的问题,利用注意力机制指导锚框自学习图像特征,预测锚框的位置和形状,围绕缺陷区域自适应生成非均匀分布的任意形状的感兴趣区域。最后,设计了端到端的由注意力引导感知的深度学习网络模型。为验证所提模型的有效性,在包含3 403张图像(其中1 001张有缺陷)的X射线焊缝数据集上,通过定性的分析和定量的对比。实验结果表明：检测指标平均精度均值(mean average precision, mAP)达到了66.74%,与原算法相比提升了5.78%,平均交并比(mean intersection over union, mIoU)提升了7.21%,基本满足对焊缝缺陷的高精度检测。     

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 …     

焊缝X射线探伤数字图象处理方法研究

采用灰度分析法研究了实时X射线探伤图象特征,提出了一种能显著提高图象清晰度和对比度,降低图象噪音的S-T非线性图象变换方法,并用线灰度梯度法成功地提取了焊缝中的缺陷。结果表明:对于噪声成分多、灰度分布范围窄、对比度差的实时X射线探伤图象,S-T变换方法能明显地改善图象质量,线灰度梯度法提取的焊接缺陷定位准确、畸变小。该方法可以在实时X射线探伤系统中应用。     

叶片气膜孔加工缺陷的DR数字成像自动检测方法

气膜孔作为涡轮叶片中重要的冷却结构之一,对提高航空发动机冷却效率、降低燃烧室温度乃至提升发动机服役寿命等具有重要意义.然而,在实际加工过程中受外界因素干扰极易出现气膜孔未打通、打偏及损伤内壁等内部缺陷.传统检测手段采用单一透照角度的X射线胶片照片法对其内部缺陷进行识别,但存在检测效率低、测量误差大、缺陷漏检误判率高等弊端.为此,提出了一种基于X射线数字成像技术的气膜孔缺陷自动检测方法,通过研究DR数字图像与胶片图像的等效性、透照角度对缺陷识别的影响规律及检测工艺优化、基于深度学习神经网络缺陷自识别等关键技术等,实现对叶片气膜孔加工缺陷的高精度检测与智能识别.     

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.     

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。