基于机器视觉的船板连接处焊接缺陷检测方法

发布时间：2021-02-19 15:46

　　针对传统焊接缺陷检测方法检测到的焊接缺陷数量与实际缺陷数量差别较大的问题,研究基于机器视觉的船板连接处焊接缺陷检测方法。选取参数合适的工业相机采集焊接处图像,对采集的图像做灰度转换、滤波降噪等预处理。使用主成分分析算法提取预处理后图像的特征,并利用特征模板匹配算法完成对焊接缺陷的检测。设计与2种传统焊接缺陷检测方法的对比实验,结果证明了基于机器视觉的船板连接处焊接缺陷检测方法的缺陷识别检测能力更优越。 

【文章来源】：舰船科学技术. 2020,42(08)北大核心

【文章页数】：3 页

【部分图文】：

光源正向照射示意图Fig.1Schematicdiagramofforwardirradiationoflightsource

相似度超出设定的阈值时，判断图像对应的焊接处存在焊接缺陷。至此，完成了对基于机器视觉的船板连接处焊接缺陷检测方法的研究。2方法测试本文研究了基于机器视觉的船板连接处焊接缺陷检测方法，该方法对传统的焊接缺陷检测方法进行了改进。本节将对研究的方法进行测试，通过实验测试该方法的有效性。2.1实验内容实验共分2组进行，第1组实验共进行10次测试，对比2种检测方法检测样品存在焊接缺陷的数量图1光源正向照射示意图Fig.1Schematicdiagramofforwardirradiationoflightsource图2PCA算法流程图Fig.2FlowchartofPCAalgorithm第42卷熊川，等：基于机器视觉的船板连接处焊接缺陷检测方法·221·

刘涵,郭润元.基于X射线图像和卷积神经网络的石油钢管焊缝缺陷检测与识别[J].仪器仪表学报,2018,39(4):247–256.[4]表1第1组实验数据Tab.1Datafromthefirstsetofexperiments次数真实值/件对照组/件实验组/件160726027253713341834464596552725276301130795429584784798536851026326表2第2组实验数据Tab.2Datafromthesecondsetofexperiments次数真实值/件对照组/件实验组方法/件1563056210542104377237748344815642764641174177238728421141图3实验环境Fig.3Experimentalenvironment·222·舰船科学技术第42卷

【参考文献】：
期刊论文
[1]海工船舶厚板Y型坡口不清根高效焊接新技术分析[J]. 陈旭.  工程技术研究. 2019(13)
[2]基于机器视觉的铝合金厚板粗轧头/尾平面形状检测与分析[J]. 燕猛,黄华贵,杨志强,张尚斌,张顺宁.  塑性工程学报. 2019(03)
[3]基于机器视觉的齿轮缺陷识别研究[J]. 伍玉琴,徐海元,成晓军.  煤矿机械. 2019(04)
[4]基于X射线图像和卷积神经网络的石油钢管焊缝缺陷检测与识别[J]. 刘涵,郭润元.  仪器仪表学报. 2018(04)



本文编号：3041331