基于边缘检测的槽罐车焊缝提取方法

针对槽罐车内壁焊缝背景影响缺陷分割的问题,提出一种基于边缘检测的方法提取出焊缝区域.对槽罐车内壁图像进行灰度化、高斯滤波去噪等预处理;用Canny算子获取到焊缝的边缘细节,采用一系列形态学处理方法把焊缝边缘连接成一个区域,并用最大面积法去除周围噪声,初步提取到焊缝区域;求焊缝区域的最小外接矩形,将最小外接矩形的四个顶点坐标用到槽罐车焊缝原图像,提取出完整的焊缝区域;采用"旋转法"解决倾斜焊缝的提取问题.     

基于局部曲面重构的焊缝X射线图像缺陷分割技术

背景消除是焊缝X射线自动检测中缺陷分割的常用方法,其核心是焊缝背景图像的获取。由于焊缝的多样性,常用的低通滤波和曲线拟合方法所得到的背景不够准确,造成较多误检率。研究了基于局部曲面重构的背景消除法,先对焊缝列灰度进行分析,获取潜在的缺陷区域,再对该区域进行曲面重构,获得焊缝背景图像。试验表明,该方法可有效减少误检和漏检,并获得良好的焊缝缺陷形貌。     

X射线检测图像焊缝分割方法研究

本文通过对大量X射线焊缝检测图像的列灰度分布曲线的分析,设计了基于灰度梯度和灰度阈值的焊缝分割方法。经验证,该方法对于对比度较低的焊缝检测图像可以很好地分割出焊缝,而不会产生过度分割的问题,从而实现了焊缝区域的自动分割。     

基于有监督过渡区的焊缝X射线图像分割

针对X射线焊缝检测图像中存在大量背景冗余信息,焊缝和缺陷难于准确检测提取的问题,提出一种基于先验知识的有监督过渡区域提取及阈值分割方法.根据焊接图像本身的特点,通过先验知识对样本图像进行训练,确定某个区间来估算图像过渡区域的灰度范围,按照模糊子集理论,给出一种新的加权算子来描述局部窗口内灰度级的变化,从而能充分考虑到局部窗口内灰度级变化的频率和幅度,通过计算过渡区域像素的灰度均值,将其作为阈值对图像进行分割.结果表明,该方法能准确地将目标缺陷从焊缝X射线图像中分割出来,具有良好的适应性.     

焊缝X射线胶片数字化图像低对比度细长线缺陷的检测

焊缝X射线数字化图像中像素宽度不超过3个像素的细长线缺陷,其对比度低,常有间断,常规的X射线焊缝缺陷检出算法难以有效检出。针对此类缺陷,提出了在滤波降噪的基础上,采用逐列自适应阈值法对图像中细长线缺陷进行初步分割,然后应用改进的局部霍夫变换剔除初步分割结果中的大量噪点,准确分割出细长线缺陷。试验结果表明,所提出的方法能够适应不同灰度范围的X射线图像、克服噪声及缺陷间断的影响,有效检测出低对比度细长线缺陷。     

X射线线阵实时成像焊缝缺陷检测方法

针对X射线线阵探测器实时成像的焊缝图像,提出了降噪处理、焊缝图像分割及缺陷检测的方法.通过自适应中值滤波方法对焊缝图像进行滤波降噪,利用类间、类内方差比分割法和数学形态学方法进行焊缝图像分割,对焊缝部分应用高频加强变换提取焊接缺陷.结果表明,采用自适应中值滤波能够有效去除噪声的同时保留焊缝和缺陷的边缘细节;类间、类内方差比分割方法与数学形态学方法并用能准确地将图像分割为焊缝与母材区域;高频加强变换能使焊缝中心部位灰度变化突显进而实现缺陷检测.     

射线检测图像中焊缝和缺陷的提取方法

针对射线检测图像中焊缝和缺陷难于准确检测提取问题,基于逐级局部化处理,提出了一种实用的检测方法.方法充分利用了图像本身已包含的信息,首先通过条带区域特征检测确定焊缝区域在原始图像中的大致位置,然后通过列灰度波形分析确定焊缝边界和缺陷所在的局部区域,并粗分标记区域类型为非裂纹类和裂纹类,最后分别采用基于分水岭变换和Bea...     

焊缝缺陷图像特征提取的研究

由于焊缝缺陷图像存在噪声多、对比度不高、图像边缘模糊等缺点,从而影响到焊缝缺陷区域特征的提取,不利于焊缝缺陷的分类和识别。文中针对焊缝缺陷图像的复杂性,提出了一种有效提取焊缝缺陷区域特征的方法。首先对焊缝图像进行图像预处理、图像分割、缺陷图像背景去除,提取到焊缝缺陷区域;然后采用8连通区域标记的方法对处理之后的二值化缺陷图像进行标记;最后对每一个标记后的缺陷区域的周长、面积、圆形度等几何参数进行提取。试验结果表明,这种图像处理的方法能较准确地提取出焊缝缺陷图像的特征,具有良好的适应性与实用性。     

基于灰度均衡模型联合Gabor滤波器的钢轨表面缺陷检测方法

目的 设计一种钢轨表面缺陷检测方法,对钢轨表面存在的缺陷进行快速、准确地检测。方法 首先,利用图像的灰度均值构造灰度均衡模型,对钢轨表面图像中像素点的灰度值进行修正,以克服光照不均的影响。然后,利用图像的谱残差模型与相位谱增强钢轨表面图像中的缺陷部分,引入ostu阈值分割法对增强后的图像进行二值化,对图像中的缺陷区域进行准确地分割提取。最后,利用Gabor滤波器,将二值化图像中的噪声进行滤除,并保留缺陷区域的边缘等细节特征。结果 与对照组方法相比,所提方法的检测效果较好,精确率以及召回率都有所提高。直观测试结果显示,所提方法能够较为完整地检测出钢轨表面缺陷。客观测试实验结果显示,所提方法的精确率为90.11%,召回率为93.41%,且平均耗时为45.17 ms,相对对照组方法而言,耗时最少。结论 所提钢轨表面缺陷方法不仅能够准确地对钢轨表面缺陷进行检测,而且还具有较高的检测效率。     

基于视觉传感的薄板焊缝特征亚像素提取方法

提出了一种薄板对接焊缝特征亚像素提取和图像处理方法,可以有效地提高薄板焊缝特征的提取精度。针对薄板接头特征设计了一个基于面性激光的视觉传感器,有效地采集薄板焊缝图像;提出了一种亚像素特征提取方法,根据图像的灰度分布特点,搜索每列的极大值和极小值,并以这两点为边界,对图像进行分割;接着对分割的焊缝特征区域,采用基于灰度梯度的重心法进行亚像素的焊缝特征提取。试验结果表明,该方法可以有效地检测出薄板对接焊缝特征,提取精度可达0.1个像素。     

基于FGT-FBP重构算法的焊接缺陷检测

针对焊接过程产生的缺陷,提出一种磁光成像传感的模糊灰度变换和滤波反投影(FGT-FBP)重构检测方法. 研究焊接缺陷的几何特征,通过分析裂纹和未熔合两种不同焊接缺陷在交变磁场励磁下的磁光成像特征,设计模糊规则,对磁光图像进行模糊灰度变换. 增强磁光图像对比度,使焊接缺陷形态趋势可视化,实现描述磁光成像焊接缺陷细节的无参考型图像评估方法. 对FGT处理的焊接缺陷磁光图进行旋转投影,并经过快速傅里叶变换和改进的滤波器进行滤波去噪,消除伪影后进行反投影变换实现焊接缺陷图像的重构. 利用滤波反投影重构算法进行去噪,可有效突出焊接缺陷特征. 最后结合阈值分割和边缘检测实现焊接缺陷检测. 结果表明,该方法能较准确检测裂纹和未熔合两种焊接缺陷.     

基于卷积神经网络X射线环焊缝缺陷检测

针对工业X射线焊缝图像对比度低、缺陷模糊且相对面积较小及难以识别的问题,设计了结合卷积神经网络的识别框架。根据缺陷图像特点,设计了对应的神经网络结构、卷积模板及池化模板的大小。在分析确定神经网络结构的基础上,卷积神经网络的灵敏度和训练算法也在文中一并给出。通过实例对神经网络结构进行了有效性的验证,缺陷检测准确率达97%,误报率仅为3%。同时,对适用于卷积神经网络进行识别的X射线焊缝图像进行了分析,发现灰度直方图有效信息跨度范围在50之上的卷积神经网络可以有效识别。文中所设计的神经络对X射线焊缝缺陷图像的识别可行、有效。     

一种非线性扩散与图像差分的金属表面缺陷检测方法

目的为检测金属产品表面缺陷提供一种有效的方法,希望可以对金属产品表面质量进行监控。方法首先,引入自适应中值滤波方法对原始图像中的噪声进行滤除,以提高金属表面缺陷的检测正确度。然后,利用图像梯度的倒数对传统的P-M非线性扩散模型中的扩散因子进行改进,使得金属表面图像中梯度值较大的区域得以平滑,同时保持其他区域的平滑度不变。将金属表面的原始图像与经过非线性扩散后的图像进行图像差分运算,以消除光照度对金属表面图像的影响,获取均匀背景的金属表面图像,使得缺陷区与非缺陷区的对比度得以增强。最后,通过差分图像中图像块的标准差构造自适应二值化模型,对差分图像进行二值化,以提取金属表面的缺陷区域,实现对金属表面缺陷的准确检测。结果通过对具有划痕、裂纹、缺口以及锈斑缺陷的图像进行检测表明,该方法能够对金属表面缺陷进行准确的检测。结论所设计的方法能对金属表面缺陷进行检测,并且检测精度也优于当前其他金属表面缺陷检测方法。     

Automatic defect detection in ultra sonic TOFD D-scan data using image processing method

In ultrasonic time of flight diffraction (TOFD) D-scan image, only a small fraction represents defects, whereas the majority is redundant. Because of the low contrast between defect and background image, it is difficult to manually interpret TOFD image. In addition, due to the nature of the weak amplitude of ultrasonic diffracted signals, the human factor introduces inconsistency into the interpretation. In order to automatically distinguish weld defects from the D-scan image, a defect detection method based on image processing technique is proposed. First, image pre-processing including clutter and noise suppression is conducted. Second, information entropy based image segmentation technique is employed to extract defects in the pre-processed image. At last, mathematical morphology based post-processing is carried out. The experimental results show that with the proposed method, TOFD can be used for automatic weld defect detection with satisfactory level of reliability.     

基于B样条曲线的X射线图像焊缝缺陷分割与提取

针对大部分X射线数字图像低对比度、背景起伏大以及纹理复杂的问题,在X射线数字焊缝图像预处理之后,采用B样条曲线对列灰度曲线进行拟合,获得光滑而且顺畅的曲线.在此基础上进一步提取曲线的极值点,并通过定义的波动阈值以及边界阈值进行两次极值点集合的修正.最后利用数学形态学及中值滤波对缺陷的形状和大小进行了修正.结果表明,该技术有效地解决了X射线图像由于焊缝纹理复杂导致缺陷提取困难的问题,有利于实现X射线图像焊接缺陷的自动提取.     

基于视觉注意机制的射线图像缺陷检测方法

针对铸件、焊缝等缺陷在复杂背景射线图像中提取准确度较低的情况,提出一种基于视觉注意机制的射线图像缺陷检测方法。根据缺陷的不同性质,将射线图像按照区域或者线段划分成若干子区域;通过模拟视觉注意机制,利用中央-周边差算子分割出可疑区域;设置显著性阈值排除图像其他部分的干扰,并极大减少了算法处理量,然后以阈值法即可准确提取出各类缺陷。实验结果表明:该方法可在复杂背景下的射线图像中准确高效提取出缺陷,准确率可达94.6%,且适应性强、通用性好。     

高强钢焊接缺陷磁光成像分形特征检测

研究一种基于磁光成像原理的焊接缺陷无损检测新方法.以高强钢表面微小焊接缺陷为例,采用分形维数对焊缝磁光图像进行特征识别并估计最优尺度,根据Adabost分类算法对提取的焊接缺陷特征进行分析和训练,构建焊接缺陷特征量并对高强钢表面缺陷磁光图像进行自动识别.结果表明,运用磁光成像方法可以获取高强钢焊接缺陷特征,并通过图像分形维数分析可识别焊缝缺陷的位置、形状和类别.     

焊缝表面缺陷激光扫描三维重构测量

为检测工件焊缝表面缺陷,采用点激光位移传感测距法和数据拟合技术进行焊缝表面缺陷检测试验研究. 首先采集缺陷表面轮廓数据点,利用高斯滤波对原始数据降噪处理. 再对处理后的数据点进行Delaunay三角剖分,使散乱点连接并结合其空间坐标重构出缺陷的三维模型. 结果表明,基于点激光位移传感测距技术及焊缝表面缺陷三维重构方法可以准确判断焊缝成形情况.