X射線埋弧焊焊縫缺陷模型及分類算法研究.pdf

1、隨著圖像處理技術(shù)和模式識別技術(shù)的發(fā)展，計算機智能評片以其高效性、客觀性和經(jīng)濟性等方面的優(yōu)勢，被廣泛應(yīng)用到油氣管道焊縫缺陷檢測領(lǐng)域中。然而，傳統(tǒng)的智能識別方法需要大量的樣本作為支持，從而導(dǎo)致識別過程實時性不佳的問題。對此，研究采用了一種小樣本的訓(xùn)練方法應(yīng)用于石油焊管焊縫的缺陷識別，在判斷有無缺陷的同時實現(xiàn)了缺陷種類的劃分，應(yīng)用到工業(yè)現(xiàn)場可以更好的指導(dǎo)后續(xù)的焊接工藝。
　　本文采用教研室自主研發(fā)的焊縫缺陷檢測平臺對焊縫圖像內(nèi)可能存在的

2、圓形和線形缺陷，通過圖像處理、特征描述和分類識別3個步驟實現(xiàn)了對焊縫缺陷的識別。首先，經(jīng)過圖像濾波的實驗結(jié)果分析焊縫圖像內(nèi)噪聲的類型并選擇合適的圖像處理算法對圖像去噪，再通過sin函數(shù)增強、Ostu分割和Sobel邊緣檢測等一系列方法在整幅圖像中找到焊縫邊界，并通過 Hough變換提取出焊縫邊界直線的相關(guān)參數(shù)，從而實現(xiàn)焊縫區(qū)域(region of interest, ROI)的分割。隨后，通過比較Ostu算法和基于灰度密度聚類算法對于焊

3、縫區(qū)域內(nèi)缺陷和圖像噪聲的分割效果，進而選擇后者對其進行分割。其次，分別采用傳統(tǒng)的提取幾何特征參數(shù)的方法和提取像素灰度特征描述的方法對焊縫的圓形缺陷和線形缺陷進行描述，建立相應(yīng)的特征描述向量，并采用PCA方法對其進行主元分析，確定了使用像素灰度特征進行描述。最后，以得到的主元特征量為系統(tǒng)輸入，先經(jīng)過模糊 C均值聚類算法對樣本點進行聚類分析，隨后將隸屬度接近難以準確識別的樣本提取出來，再通過 SMO-SVM對其進行二次識別，最終根據(jù)實驗結(jié)果