X射線鋼管焊縫缺陷的圖像處理與識(shí)別技術(shù)研究.pdf

1、焊縫缺陷檢測(cè)是保證焊接質(zhì)量的重要環(huán)節(jié)，隨著工業(yè)的高速發(fā)展和迫切需求，基于計(jì)算機(jī)圖像處理與識(shí)別技術(shù)的焊縫缺陷自動(dòng)檢測(cè)問(wèn)題得到了廣泛的研究。其中，X射線檢測(cè)由于具有成像速度快，利于實(shí)時(shí)檢測(cè)，成本較低等優(yōu)點(diǎn)而一直受到人們的極大關(guān)注。但是由于成像方式，以及鑄件材質(zhì)等客觀因素的影響，X射線圖像存在噪聲多、對(duì)比度低、背景亮度不均勻、焊縫邊緣模糊等問(wèn)題，這些使得利用計(jì)算機(jī)進(jìn)行焊縫缺陷自動(dòng)檢測(cè)的準(zhǔn)確率不太理想。焊縫缺陷自動(dòng)檢測(cè)是計(jì)算機(jī)圖像處理與識(shí)別領(lǐng)域

2、中一個(gè)極具挑戰(zhàn)的課題，它融合了信號(hào)處理、圖像處理與分析、模式識(shí)別、計(jì)算機(jī)視覺(jué)等多個(gè)領(lǐng)域的前沿技術(shù)，具有巨大的生產(chǎn)應(yīng)用價(jià)值，目前還沒(méi)有一個(gè)比較成熟的檢測(cè)方法。
　　本論文首先分析了國(guó)內(nèi)外焊縫缺陷自動(dòng)檢測(cè)的研究現(xiàn)狀，指出當(dāng)前焊縫缺陷自動(dòng)檢測(cè)所存在的困難以及相關(guān)的圖像處理與識(shí)別技術(shù)的方法，并提出了一種基于尺度乘積的圖像分割和基于稀疏自編碼深度神經(jīng)網(wǎng)絡(luò)的缺陷分類(lèi)算法。該算法能在含有較多噪聲、對(duì)比度低、焊縫邊緣模糊的X射線圖像中準(zhǔn)確提取焊縫

3、邊緣并分割出焊縫區(qū)域。針對(duì)當(dāng)前焊縫缺陷自動(dòng)檢測(cè)領(lǐng)域普遍存在的識(shí)別準(zhǔn)確率和缺陷圖片漏檢率之間的矛盾，本文利用深度神經(jīng)網(wǎng)絡(luò)強(qiáng)大的分類(lèi)和識(shí)別能力，提出了一對(duì)互補(bǔ)的稀疏自編碼深度神經(jīng)網(wǎng)絡(luò)，使得能夠在較低的漏檢率下取得較高的準(zhǔn)確率，即在實(shí)際應(yīng)用中判斷為無(wú)缺陷圖片的比率更高且無(wú)缺陷圖片中所含缺陷圖片的比率更小，從而將算法推向了可實(shí)際應(yīng)用的水平。本文提出的算法分為兩大部分：（1）在焊縫區(qū)域分割部分，本算法通過(guò)不同尺度對(duì)焊縫圖像橫向灰度曲線進(jìn)行擬合，并

4、利用兩者的尺度乘積檢測(cè)出焊縫的邊緣，從而提取出焊縫區(qū)域；（2）在焊縫缺陷的檢測(cè)與識(shí)別部分，本算法提出了基于稀疏自編碼深度神經(jīng)網(wǎng)絡(luò)的焊縫缺陷識(shí)別算法，該算法第一步使用4個(gè)稀疏自編碼網(wǎng)絡(luò)對(duì)焊縫圖像中不同大小不同位置的圖像子塊進(jìn)行檢測(cè)；第二步是使用1個(gè)稀疏自編碼網(wǎng)絡(luò)對(duì)整個(gè)缺陷圖像進(jìn)行檢測(cè)。通過(guò)對(duì)5個(gè)深度神經(jīng)網(wǎng)絡(luò)的分類(lèi)結(jié)果進(jìn)行分析，從而能夠在較低的漏檢率下取得較高的準(zhǔn)確率。
　　最后，本論文在實(shí)際生產(chǎn)過(guò)程中所得到的X射線焊縫圖片集上進(jìn)行了