X射线焊缝图像的缺陷检测与识别技术研究

发布时间：2017-08-21 16:35

  本文关键词：X射线焊缝图像的缺陷检测与识别技术研究

  更多相关文章： 焊缝图像预处理 焊缝缺陷目标提取 特征参数计算 焊缝缺陷分类

【摘要】：在工业无损探伤领域,对于焊缝中出现的各类缺陷,会给现实生活带来很多不安全的事故。目前,在无损检测中,主要采用人工方式对胶片进行质量评定,这种方式容易存在主观标准不一致、检测效率低、操作复杂、胶片资料不易保存等特点。因此,对研究能有效对焊缝缺陷自动检测的方法来代替人工方式很有必要。针对上述问题,本文主要对焊缝缺陷检测与识别算法进行研究,主要包括三方面的内容:焊缝缺陷预处理、焊缝缺陷分割与提取及焊缝缺陷识别与分类,其具体概述如下:(1)对于X射线焊缝图像中存在的大量与缺陷无关的背景区域且焊缝图像分为三个可分区域(背景区域、板材区域及焊缝区域)。采用了一种基于Otsu双阈值分割的缺陷区域自动分割方法,并在此基础上作了改进,以减少计算量,提高缺陷检测运行时间,得到了较好的分割效果。(2)针对目标图像对比度低,检测目标湮没在焊缝区域等特点,采用了一种通过计算图像累积分布值来确定灰度拉伸极限,调整图像灰度值,增强图像对比度,改善目标区域显示效果,提高目标识别率的目的,取得了比较理想的效果。(3)由于数学形态学开运算能够有效消除图像中的高频分量,并且焊缝缺陷形状大小无规律,若采用固定大小的结构元素对图像滤波将会导致:当缺陷尺寸大于结构元素时,缺陷区域高频部分不能够有效消除,缺陷失真较大;当结构元素尺寸过大时,会破坏焊缝图像其他区域有用信息,处理速度也会变慢。为此,设计了一种能够随缺陷尺寸自适应改变结构元素大小的形态学滤波方法,取得了较好的滤波效果。(4)针对SUSAN算法良好抗噪能力的特点,提出了SUSAN模板中自适应阈值的选取方法,提高边缘检测效果。(5)为了对缺陷目标进行标记,方便后续对每个缺陷特征参数计算,本文利用二次扫描法对缺陷目标快速标记。同时,为方便计算特征参数,采用Moore边界追踪算法追踪每个缺陷的8连通编码,准确计算缺陷目标的特征参数。(6)对焊缝缺陷分类本文设计了深度为4的二叉树分类器,并依据文献中对特征参数的取值,设计了合理的识别逻辑流程。并通过大量样本验证分类的准确性,取得了较好的分类结果。为了验证检测方法的合理性及实时性,分别对32个缺陷进行检测。检测结果表明,实验设计的检测方法能有效对31个缺陷分类识别。对于单幅图像而言,在图像尺寸为512*512,缺陷个数为5左右的X射线焊缝缺陷图像中,处理速度为0.3s左右,可以满足缺陷检测与识别要求。
【关键词】：焊缝图像预处理 焊缝缺陷目标提取 特征参数计算 焊缝缺陷分类
【学位授予单位】：南昌航空大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TG441.7
【目录】：

• 摘要4-6
• Abstract6-10
• 第1章 绪论10-15
• 1.1 选题背景和意义10
• 1.2 国内外研究现状10-13
• 1.2.1 X射线检测技术发展状况10-11
• 1.2.2 焊接缺陷检测算法的研究概况和发展趋势11-13
• 1.3 本文研究的主要内容13-15
• 第2章 X射线检测基本原理及成像系统介绍15-23
• 2.1 X射线检测原理15-16
• 2.2 X射线在线检测系统组成16-17
• 2.3 线阵探测器的成像原理及图像校正17-21
• 2.3.1 线阵探测器的成像原理17-18
• 2.3.2 线阵探测器图像校正18-21
• 2.3.3 本文中焊缝缺陷灰度特点21
• 2.4 总体方案设计21-22
• 2.5 本章小结22-23
• 第3章 X射线焊缝图像的预处理23-35
• 3.1 X射线焊缝区域的提取23-27
• 3.1.1 图像分割方法的确定23-24
• 3.1.2 Otsu双阈值分割方法的具体实现24-25
• 3.1.3 基于Otsu双阈值分割方法的改进25-26
• 3.1.4 基于灰度投影法的焊缝区域提取26-27
• 3.2 焊缝图像降噪27-28
• 3.3 焊缝图像增强28-34
• 3.3.1 图像增强方法的确定29-30
• 3.3.2 图像可拉伸范围的确定30
• 3.3.3 使用伽马变换或对比度拉伸变换进行图像对比度增强30-34
• 3.4 本章小结34-35
• 第4章 焊缝缺陷目标的分割与提取35-50
• 4.1 基于形态学Top-hat变换的缺陷目标检测方法35-43
• 4.1.1 灰度膨胀和腐蚀35-36
• 4.1.2 灰度开闭运算36-37
• 4.1.3 Top-hat变换37
• 4.1.4 Top-hat检测原理37-38
• 4.1.5 基于Top-hat形态学滤波器的改进38-39
• 4.1.6 极小值点的提取39-40
• 4.1.7 Top-hat自适应形态学滤波器尺寸的确定40-43
• 4.2 基于SUSAN的焊缝缺陷目标检测方法43-49
• 4.2.1 SUSAN检测原理43-44
• 4.2.2 SUSAN算法关键参数的确定44-45
• 4.2.3 SUSAN算法的改进45-46
• 4.2.4 SUSAN算法的具体实现46
• 4.2.5 SUSAN边缘检测算法与传统的边缘检测算子的比较46-48
• 4.2.6 目标内部的区域填充48-49
• 4.3 本章小结49-50
• 第5章 焊缝缺陷目标的特征计算50-62
• 5.1 缺陷特征的选取原则50
• 5.2 焊缝缺陷的图像特征50-53
• 5.3 焊缝缺陷特征参数的选择53-55
• 5.4 焊缝缺陷连通区域的标记55-57
• 5.5 焊缝缺陷连通区域的边界追踪57-60
• 5.6 焊缝缺陷目标特征参数的计算60-61
• 5.7 本章小结61-62
• 第6章 焊缝缺陷的识别与分类62-69
• 6.1 焊缝缺陷识别62-64
• 6.2 焊缝缺陷识别结果与分析64-68
• 6.2.1 焊缝缺陷识别试验结果64-67
• 6.2.2 焊缝缺陷识别结果分析67-68
• 6.3 本章小结68-69
• 第7章 结论与展望69-71
• 7.1 结论69-70
• 7.2 展望70-71
• 参考文献71-73
• 攻读硕士期间发表论文73-74
• 致谢74-75

【相似文献】

中国期刊全文数据库 前10条

1 邓双城;蒋力培;焦向东;薛龙;邓晓彬;;基于束波变换的焊缝图像处理技术[J];焊接学报;2009年01期

2 刘苏宜;李冰;张华;贾剑平;;激光视觉水下焊缝图像处理与特征提取[J];焊接学报;2011年09期

3 李秀忠;;小波分析在焊缝图像处理中的应用[J];焊接技术;2010年07期

4 高原;张文明;刘兆甲;焦万才;;焊缝图像特征分析及处理[J];焊管;2008年01期

5 张义顺;刘辉荣;刘性忍;刘丽丽;郭彦辉;;自动阈值方法在焊缝图像处理中的应用[J];焊接技术;2007年06期

6 查笑春;汤楠;高纬欣;;基于埋弧焊焊缝图像特征的滤波方法研究[J];焊管;2009年10期

7 余卓骅;;基于模糊推理的V形焊缝图像阈值的自动选取[J];电焊机;2011年03期

8 路井荣,陈强;焊缝图像的分形模型[J];清华大学学报(自然科学版);1999年02期

9 何银水;胡兆吉;胡宗梅;谢晓闻;;改进的近邻聚类算法用于水下焊缝图像的识别[J];电焊机;2013年05期

10 刘耀华;刘云霞;王坤显;;焊接钢管焊缝图像处理方法探讨[J];钢管;2007年02期

中国博士学位论文全文数据库 前1条

1 申俊琦;基于激光视觉传感的CO_2横焊焊缝图像处理研究[D];天津大学;2010年

中国硕士学位论文全文数据库 前10条

1 傅建安;X射线焊缝图像的缺陷检测与识别技术研究[D];南昌航空大学;2016年

2 秦佳;爬行小车机器人焊缝图像识别与压缩算法研究[D];南昌大学;2011年

3 李大鹏;基于激光视觉传感的焊缝图像处理算法研究[D];浙江工业大学;2014年

4 刘晓瑞;基于视觉传感的弧焊机器人焊缝图像信息优化处理[D];南昌大学;2010年

5 赵永珠;船舶焊缝图像缺陷识别系统研究[D];武汉理工大学;2009年

6 宋庆国;焊缝图像缺陷提取与识别系统研究[D];武汉理工大学;2008年

7 刘富强;焊缝的特征识别与精确测量[D];哈尔滨工程大学;2013年

8 李冰;水下机器人焊缝图像识别算法的研究[D];南昌大学;2007年

9 张静;实时焊缝图像有效信息获取及管理技术研究[D];中北大学;2007年

10 王平;基于激光结构光视觉传感的焊缝图像处理[D];上海交通大学;2010年

，

本文编号：713996