收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

X射线焊缝缺陷图像降维及分类检测算法研究

王雒瑶  
【摘要】:随着图像处理技术和模式识别技术的不断发展,计算机智能评片以其高效性、客观性和经济性等方面的优势,被广泛应用到油气管道焊缝缺陷检测领域中。传统的缺陷检测方法,首先提取感兴趣区域,然后对感兴趣区域进行分割。对分割出来的疑似局部图像,通过各种特征值判断是否为真实缺陷。然而,实际的焊缝缺陷有多种形式,通过分割出来的形状等特征值来判断分割的正确与否不仅计算量大,准确率也受到图像质量的影响。卷积神经网络是将人工神经网络和深度学习技术结合而产生的一个新型人工神经网络方法,具有局部感知区域、层次结构化、特征提取和分类过程结合的全局训练等特点,同时避免了传统分类算法中复杂的特征提取和数据重构过程,因此在图像识别领域获得了广泛的应用。本文采用教研室自主研发的焊缝缺陷检测平台对焊缝图像内可能存在的主要缺陷类型通过图像处理、特征描述和分类识别3个步骤实现了对焊缝缺陷的识别。首先,经过图像滤波的实验结果分析焊缝图像内噪声的类型并选择合适的图像处理算法对图像去噪,再通过sin函数增强、Otsu分割和Sobel边缘检测等一系列方法在整幅图像中找到焊缝边界,并通过Hough变换提取出焊缝边界直线的相关参数,从而实现ROI区域的分割。随后,通过比较Otsu算法和基于灰度密度聚类算法对于焊缝区域内缺陷和图像噪声的分割效果,进而选择后者对其进行分割。其次,采用提取几何特征参数的方法并通过拉普拉斯特征映射的方法进行降维处理。最后,分别采用BP神经网络和支持向量机依据特征参数进行建模并实现对焊缝缺陷的识别。在基于支持向量机的缺陷识别系统取得较高识别率的前提下,由于在图像的预处理过程中,焊缝缺陷图像本身很难做到精确分割这一特点导致求得的特征值也无法保证精确,避免不了对最终的识别结果产生影响。鉴于此问题,本文进一步采用基于卷积神经网络的识别系统实现对焊缝缺陷的识别,有效地避免了计算误差并达到了更高的识别率。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 Ron Wappel;张藕秀;;超声鉴别焊缝缺陷[J];无损检测;1986年07期
2 卢佳;徐薇;郑兴伟;;搅拌摩擦焊焊缝缺陷检测研究进展[J];热加工工艺;2017年13期
3 张晓光,林家骏;实时射线检测焊缝缺陷的模糊神经网络识别方法[J];自动化仪表;2003年02期
4 孙枝;;“在电焊工考试中板状试样”——背弯裂纹超标原因及解决方法[J];电焊机;1987年02期
5 J·L罗斯;J·B内斯利罗思;E·G波普罗斯基;徐善明;;利用微处理机控制探伤仪对各种钢板焊缝缺陷进行分类[J];试验机与材料试验;1987年01期
6 丁爱莲;陈永芳;;焊缝缺陷浅说[J];水电站机电技术;1987年03期
7 孙照铭;层板包扎相错角度的确定[J];压力容器;1988年03期
8 友;;射线探伤焊缝缺陷识别和评级系统通过鉴定[J];技术经济信息;1988年04期
9 连德铿;姚坤宝;;对SB衬垫CO_2半自动俯、横对接焊焊缝连接处焊接质量的探讨[J];焊接技术;1988年01期
10 周广德;电子束焊接技术国内外发展概况[J];电工电能新技术;1989年02期
11 陈定华;吴林;徐庆鸿;;用微型计算机自动识别焊缝缺陷的研究[J];无损检测;1983年05期
12 韩曙光;赵洪波;;浅论超声波检测焊缝缺陷定性程序方法[J];电子世界;2013年20期
13 张晓光,林家骏;基于模糊推理的射线底片焊缝缺陷识别专家系统[J];矿山机械;2003年01期
14 张晓光,林家骏;基于模糊神经网络的焊缝缺陷识别方法的研究[J];中国矿业大学学报;2003年01期
15 C.F.博尔顿;刘家驹;;疲劳条件下焊缝缺陷的允许水平[J];国外舰船技术(材料类);1979年01期
16 李宁;卢子广;;基于支持向量机的焊缝缺陷类型识别研究[J];现代制造工程;2017年10期
17 任国强;崔冬芳;胡智博;王艳华;;超声波检测焊缝缺陷深度的不确定度评定[J];理化检验(物理分册);2014年10期
18 朱剑;王历军;冯庆善;林逸汉;王富祥;王学力;宋汉成;李宾;马丛;;管道螺旋焊缝缺陷的初级失效评估[J];油气储运;2009年07期
19 张富生;;用射线检测技术确定焊缝缺陷深度[J];一重技术;2011年06期
20 刘志远,裴润,王玲,刘志林;一种焊缝缺陷自动超声检测系统[J];焊接学报;2002年03期
中国重要会议论文全文数据库 前10条
1 都东;侯润石;邵家鑫;石涵;;X射线动态图像处理与焊缝缺陷自动检测[A];第十六次全国焊接学术会议论文摘要集[C];2011年
2 宋永伦;叶峰;张果戈;陈富根;丁秀樑;;机器人弧焊过程焊缝缺陷特征信息的检测[A];第九次全国焊接会议论文集(第2册)[C];1999年
3 黄庆;张万平;曹明;贺寅彪;;ASME规范关于管道焊缝缺陷评定的应用[A];压力容器先进技术——第七届全国压力容器学术会议论文集[C];2009年
4 李洪兵;齐建堂;;汽车半轴摩擦焊缝的超声波探伤[A];陕西省第九届无损检测年会陕西省机械工程学会无损检测分会论文集[C];2004年
5 詹湘琳;诸葛晶昌;陈世利;;超声相控阵探伤中环焊缝缺陷类型的识别[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
6 涂宏应;;P22厚壁管焊缝缺陷现场处理技术[A];全国火电大机组(300MW级)竞赛第37届年会论文集[C];2008年
7 燕冰川;冯庆善;王学力;;老龄管道螺旋焊缝缺陷失效分析[A];2011年全国失效分析学术会议论文集[C];2011年
8 林家根;吴伟城;马树春;;PAUT探伤中船舶焊缝缺陷类型的识别研究[A];2017远东无损检测新技术论坛论文集[C];2017年
9 李仲华;袁鸽成;朱振华;路浩东;曾国勋;;搅拌摩擦焊接5083铝合金焊缝缺陷分析[A];低碳技术与材料产业发展研讨会论文集[C];2010年
10 费凡;王冲;李振林;朱沈宾;;压缩机缓冲罐焊缝缺陷检测应用技术研究[A];2017远东无损检测新技术论坛论文集[C];2017年
中国博士学位论文全文数据库 前5条
1 崔巍;焊缝缺陷非接触漏磁检测方法与识别的关键问题研究[D];东北石油大学;2013年
2 郑猛;焊缝缺陷计算机X射线激光扫描成像技术与提取方法研究[D];北京交通大学;2010年
3 丛森;超声调频激励方法及奥氏体不锈钢焊缝缺陷检测研究[D];哈尔滨工业大学;2015年
4 胡文刚;基于多值域特征及数据融合的焊缝缺陷超声检测与识别[D];哈尔滨工业大学;2012年
5 狄彦;在役管道完整性管理研究[D];中国石油大学(北京);2016年
中国硕士学位论文全文数据库 前10条
1 王璐;钢管焊缝缺陷类型检测[D];西安理工大学;2018年
2 叶梦雅;基于导波的不同结构管道焊缝缺陷检测方法研究[D];华东理工大学;2018年
3 王雒瑶;X射线焊缝缺陷图像降维及分类检测算法研究[D];西安石油大学;2018年
4 罗帅;基于X射线的焊缝缺陷图像特征提取研究[D];电子科技大学;2014年
5 巩淼;基于模糊集和神经网络的焊缝缺陷识别技术研究[D];东北石油大学;2014年
6 李晓宾;基于机器视觉的焊缝缺陷测量与评级系统[D];西安工业大学;2016年
7 张欣欣;圆形焊缝缺陷自动识别系统设计与实现[D];北京邮电大学;2012年
8 李超;基于机器视觉的焊缝缺陷检测及分类系统的研究[D];江南大学;2017年
9 周红岩;量子神经网络模型及在焊缝缺陷识别中的应用研究[D];东北石油大学;2016年
10 杨洋;大型概率筛动态特性与焊缝疲劳寿命分析[D];湘潭大学;2017年
中国重要报纸全文数据库 前1条
1 记者 孙兆光 通讯员 王艳双;为“国脉”穿上多层“安全外衣”[N];中国石油报;2011年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978