X射线钢管焊缝缺陷的图像处理与识别技术研究

发布时间：2022-08-12 21:49

　　焊缝缺陷检测是保证焊接质量的重要环节,随着工业的高速发展和迫切需求,基于计算机图像处理与识别技术的焊缝缺陷自动检测问题得到了广泛的研究。其中,X射线检测由于具有成像速度快,利于实时检测,成本较低等优点而一直受到人们的极大关注。但是由于成像方式,以及铸件材质等客观因素的影响,X射线图像存在噪声多、对比度低、背景亮度不均匀、焊缝边缘模糊等问题,这些使得利用计算机进行焊缝缺陷自动检测的准确率不太理想。焊缝缺陷自动检测是计算机图像处理与识别领域中一个极具挑战的课题,它融合了信号处理、图像处理与分析、模式识别、计算机视觉等多个领域的前沿技术,具有巨大的生产应用价值,目前还没有一个比较成熟的检测方法。本论文首先分析了国内外焊缝缺陷自动检测的研究现状,指出当前焊缝缺陷自动检测所存在的困难以及相关的图像处理与识别技术的方法,并提出了一种基于尺度乘积的图像分割和基于稀疏自编码深度神经网络的缺陷分类算法。该算法能在含有较多噪声、对比度低、焊缝边缘模糊的X射线图像中准确提取焊缝边缘并分割出焊缝区域。针对当前焊缝缺陷自动检测领域普遍存在的识别准确率和缺陷图片漏检率之间的矛盾,本文利用深度神经网络强大的分类和识... 

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文主要内容及结构安排
第二章 相关基础知识
    2.1 图像分割
        2.1.1 阈值分割法
        2.1.2 区域分割法
        2.1.3 边缘分割法
        2.1.4 其他分割方法
    2.2 典型分类器
        2.2.1 支持向量机
        2.2.2 Ada Boost算法
        2.2.3 神经网络算法
    2.3 深度学习
        2.3.1 稀疏自编码网络
        2.3.2 深度信念网
        2.3.3 卷积神经网络
    2.4 本章小结
第三章 基于尺度乘积的焊缝区域分割算法
    3.1 焊缝缺陷自动检测系统简介
    3.2 基于尺度乘积的X射线焊缝区域提取算法研究
        3.2.1 图像预处理
        3.2.2 灰度曲线的最小二乘直线拟合
    3.3 多尺度分析
        3.3.1 单一尺度与多尺度
        3.3.2 不同尺度乘积
    3.4 本章小结
第四章 基于深度神经网络的焊缝缺陷识别算法
    4.1 焊缝缺陷识别基础
        4.1.1 常见焊缝缺陷的分类
        4.1.2 焊缝缺陷识别相关算法
    4.2 基于深度神经网络的焊缝缺陷识别
        4.2.1 特征学习基础
        4.2.2 多网络检测模型
        4.2.3 焊缝缺陷检测
        4.2.4 基于焊缝区域的特征学习
        4.2.5 网络参数可视化
    4.3 本章小结
第五章 实验结果及性能分析
    5.1 实验结果说明及对比
        5.1.1 图像分割算法对比
        5.1.2 焊缝缺陷分类算法的比较
    5.2 本章小结
第六章 总结与展望
    6.1 论文总结
    6.2 进一步研究工作
致谢
参考文献
攻读硕士学位期间取得的成果



本文编号：3676654