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。     

链条的X射线图像缺陷检测方法

通过对链条X射线图像的预处理、图像轮廓处理,研究了链条X射线图像缺陷提取和检测算法,并对算法的可行性和准确性进行了验证,实现了链条缺陷的识别.研究结果为链条缺陷自动化检测系统的实现奠定基础.     

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.     

射线检测图像中焊缝和缺陷的提取方法探讨

本文以射线检测图像中的焊缝及缺陷为研究对象,针对当前技术条件支持下焊缝及缺陷难以精确提取的这一问题展开了详细分析与讨论,在逐级局部化的作用之下总结出了一种新型射线检测方式。这种方式以图像自身所涵盖的信息数据为载体,将整个射线图区的图像信息划分为裂纹与非裂纹两大基本类型,并且提取射线图像中的焊缝与缺陷位置,确保其精确度与完整性。在该领域有着较为显著的实用性以及适应性。     

射线照相焊缝缺陷数字化图像的分割

射线底片焊缝缺隐图象经数字化图象预处理后，缺陷已经明显，但在自动识别前尚须进行图像分割，为此我们采用二阶导数过零边缘检测和阈值化分割算法。     

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。     

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。     

管道焊缝缺陷图像特征参数的提取

焊缝的质量直接影响管道的使用寿命.有效检测出焊缝的缺陷,具有十分重要的现实意义和经济价值.本文介绍了焊缝图像缺陷特征参数的提取方法,为管道焊缝缺陷识别与评价奠定了基础,为管道焊缝质量控制和缺陷检测提供技术保障.     

焊缝X射线探伤返修片的计算机打印技术

运用行式打印机输出焊缝X射线探伤返修片的方法,研究了最佳打印控制参数。结果表明:利用图象处理技术,对探伤返修片进行滤波,增强处理后,打印出的返修片分辨率高,视觉效果好,增强了图象的对比度,缺陷清晰,并改进了传统的返修片制作方法。     

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。     

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。     

射线检测中视差法定位仿真与误差分析

以双目视觉为理论基础,建立数学模型,通过X射线成像方法对试件内部缺陷进行定位。在检测过程中,使试件移动一个小的距离,获得移动前后两幅图像,用视差方法求出缺陷深度。用仿真方法对数学模型进行了验证,用误差理论分析方法对可能影响测量结果的误差进行了重点分析,给出了各误差和测量结果的关系曲线,依据分析结果提出了调整系统参数等减小误差影响的方法。     

基于DSP和图像识别的拉索表面缺陷检测技术

针对国内对拉索表面保护材料层的两种检测方法的不足,搭建以嵌入式DSP为核心处理器,结合CCD、视频解码芯片、SDRAM、FLASH ROM等外围资源的采集和检测系统,提出了一套快速识别拉索表面缺陷的检测识别算法,包括:确定图像区域,改进中值滤波,SOBEL边缘检测和动态阈值分割,形态学闭合运算,缺陷面积计算和存储.实验结果表明该方法实现了桥梁拉索表面缺陷的实时、非接触的智能化检测,并给出了该系统所能达到的指标.该系统结构简单、成本较低、操作简便、具有重要价值.