基于卷积神经网络的铸件内部缺陷超声检测方法研究

发布时间：2022-10-08 19:20

　　金属材料在近年来被越来越多的应用到各种产品中,对人们的生活产生了很大影响。这些金属部件大部分都是通过铸造方法生产的,而在铸造过程中产品的内部缺陷会直接影响产品质量。目前超声检测方法由于检测方便,对人和环境完全无害,成为铸件内部缺陷检测的常用方法,但是对于铸件内部缺陷的超声检测结果,大多还是依靠人工经验来识别分类,严重影响了工业生产中的效率,因此为了解决该问题,基于深度学习的相关理论设计了可以实现内部缺陷自动识别的智能算法。本文的主要工作分为以下三部分:（1）缺陷的检测和图像获取:通过采用脉冲反射法的超声探测设备对试块进行内部缺陷的检测,在计算机上使用软件导出设备获得的A型扫描的超声检测图像,采集和导出过程需要人工操作完成。（2）检测图像的预处理:检测设备获取的原始图像画面较为复杂,不利于内部缺陷的识别,首先对图像进行二值化,以降低数据量,然后剪切图像去除设备系统界面,随后采用了边缘检测算法来去除超声信号的背景噪声,最后利用基于连通域的图像形态学方法实现了超声信号的提取。（3）基于卷积神经网络的内部缺陷识别:在对卷积神经网络（Convolutional Neural Network,CN... 

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

常见铸造件

超声探伤仪

直探头和斜探头Fig.2.9UltrasonicflawdetectorFig.2.10Straightandobliqueprobe

【参考文献】：
期刊论文
[1]基于多尺度深度卷积网络的高光谱图像分类[J]. 冯帅星.  现代商贸工业. 2019(04)
[2]基于CNN的木材内部CT图像缺陷辨识[J]. 陈龙现,葛浙东,罗瑞,刘传泽,刘晓平,周玉成.  林业科学. 2018(11)
[3]数字超声波无损检测扫描技术[J]. 陈昌华,哈曜,王司男,汤志贵,张龙群,钱健清.  物理测试. 2018(05)
[4]深度卷积神经网络在目标检测中的研究进展[J]. 姚群力,胡显,雷宏.  计算机工程与应用. 2018(17)
[5]模糊关联规则在超声波探伤焊缝检验中的运用[J]. 刘贵超.  化学工程与装备. 2016(01)
[6]基于图像处理的电子元器件表面缺陷检测技术[J]. 郑秀莲,袁巧玲,沈亚琦.  机电工程. 2009(07)
[7]铸件缺陷无损检测方法的研究现状[J]. 徐丽,刚铁,张明波,郭立伟.  铸造. 2002(09)

博士论文
[1]大型回转体超声成像检测技术研究[D]. 王新征.南京理工大学 2017
[2]基于计算机视觉的检测方法与应用研究[D]. 漆随平.浙江大学 2005

硕士论文
[1]超声无损检测信号处理方法的研究[D]. 章佩佩.安徽理工大学 2018
[2]塑性混凝土防渗墙质量无损检测技术研究[D]. 赵祥.华北水利水电大学 2018
[3]基于CNN的自然场景中文文本定位与识别方法研究[D]. 饶钦程.华南理工大学 2017
[4]金属/金属与复合材料粘接质量超声检测[D]. 胡玉平.南昌航空大学 2017
[5]数字图像技术在机械试块超声检测中的应用研究[D]. 邹浩.南京邮电大学 2015
[6]大型铸锻件超声无损检测技术研究[D]. 王磊.河北科技大学 2013
[7]检测声学信号智能处理技术的研究[D]. 乔华伟.浙江大学 2008



本文编号：3688280