基于超声信号和图像融合的焊缝缺陷识别

超声无损检测已被广泛用来检测材料内部的缺陷,然而对缺陷性质的识别始终是检测的难点,为此研究了一种基于超声信号和图像融合的焊缝缺陷识别新方法.该方法充分利用检测数据,通过对缺陷回波信号特征与缺陷形态特征的数据融合,实现了焊缝缺陷的有效识别.利用自主研制的超声成像手动检测系统对含有气孔、夹渣、裂纹、未焊透和未熔合五类典型焊接缺陷的焊件进行了检测,分别提取缺陷的超声回波信号特征和缺陷图像的形态特征,构建神经网络实现超声信号和图像特征的数据融合.结果表明,该方法实现了多类缺陷的识别,提高了缺陷识别率,有助于焊缝质量评定.     

升船机轮毂焊缝未焊透缺陷超声波无损检测技术

为了有效提高焊缝未焊透缺陷检测结果的准确性,提出一种升船机轮毂焊缝未焊透缺陷超声波无损检测方法。利用改进的粒子群算法(PSO)搜索隶属函数的最优参数,对含有噪声的升船机轮毂焊缝图像展开模糊中值滤波处理,复原被噪声污染的像素点灰度值。经去噪处理后,采用一维局部二元模式算法(1-D LBP)提取升船机轮毂焊缝未焊透缺陷特征,对缺陷特征主成分分析和聚类处理,获取各个特征的权重和取值特点,将检测到的特征值和历史数据集比对,获取和不同缺陷特征的匹配结果,进而实现升船机轮毂焊缝未焊透缺陷超声波无损检测。试验结果表明,采用所提方法可以精准检测焊缝未焊透缺陷。     

厚壁大径管对接焊缝根部缺陷的一纵一横双探头超声波衍射法定性定量检测

针对大直径厚壁管道对接焊缝根部缺陷的定性定量难点,提出了采用一纵一横双探头超声波衍射法进行检测的方法。该方法利用横波斜探头发射声束入射到管道根部,若根部存在缺陷,将产生衍射波。通过对置于管道焊缝表面的纵波直探头接收到的衍射波进行分析,可得到缺陷的深度。再结合斜探头测得的水平位置等数据以及衍射波形特征,可实现根部缺陷的定性和定量。试验总结出对裂纹、未焊透、未熔合、焊瘤、内凹以及错边六种缺陷的定性判据,并归纳出缺陷定性的分类流程。所介绍的检测方法对于大直径厚壁管道焊缝,尤其是只能进行单侧单面检测的管道焊缝具有实际检测应用价值。     

不锈钢薄板激光焊焊缝缺陷检测与识别

不锈钢薄板激光焊焊缝成形尺寸细微,焊接速度快、节拍快,人工进行焊缝缺陷检测已不适合,因此焊缝缺陷检测的自动化是必然趋势。构建了一套激光焊焊缝数字成像(DR)检测系统,并在DR检测图像的基础上研究了焊缝缺陷的自动检测与识别算法。首先设计焊缝和焊接缺陷检测系统,可靠地将焊缝和焊接缺陷从工件背景中分割出来,基于此又设计了焊接缺陷特征提取算法和缺陷类型识别算法,通过二叉树和逻辑回归分类可以将激光焊焊缝中的常见缺陷识别出来,识别正确率达到了工程化水平。     

表面SH波探伤法的开发及其应用

介绍了一种新的SH波（水平偏振横波）斜探头探伤法和与其相关的探头,指出它在十字型焊缝根部未焊透间隙的测量、带垫板的钢梁对接焊缝根部未焊透、端部翼梁焊缝、焊接裂纹的远距离探测、薄板对接焊缝的检测等的应用例,并指出SH波探测声束的方向是垂直指向缺陷的.     

谱熵分析方法在TOFD信号特征提取中的应用

超声TOFD检测技术在厚大焊缝的检测方面具有较强优势,但其检测结果的定性识别目前还依赖人员完成,而自动识别技术能够降低人为因素对检测结果分析的干扰。但若欲实现检测结果的自动识别,特征量提取是关键。通过控制焊接规范,制备了含有气孔、夹渣、裂纹、未焊透和未熔合缺陷的试件,分析了各类缺陷的TOFD信号频域二维信息熵特征,即谱熵和谱的重心频率。结果表明,该二维信息熵可将五类缺陷信号分开,为缺陷的自动识别提供有效的特征量。     

利用可变角聚焦探头测定单面焊根部未焊透的探讨

锅炉联箱端盖焊缝无损检测中的困难问题是如何准确测定单面焊根部未焊透的深度。用常规的斜探头来测深,由于缺陷的实际形状、表面粗糙度、缺陷和声束之间角度的不同,以及声束在缺陷处产生的波形转换,都会影响反射波的幅度和动态波形,也就是说,示波屏上的反射波幅和动态波形对缺陷来说是个多值函数,因此用简单的反射波幅法和动态波形法都不能准确测出未焊透的深度。用聚焦声束、尖端反射法测出根部未焊透的两个端点来求其深度比要有效得多。为此,特提出利用可变角聚焦探头进行缺陷测深的新方法。     

钢制对接焊缝内部缺陷类型的超声TOFD-D扫描图像表征

本研究针对对接焊缝常见缺陷的超声TOFD-D扫描图像,通过对比分析获得可用于识别缺陷类型的图像特征;结合检测信号特征,识别焊缝常见缺陷的类型。研究结果表明:超声TOFD-D扫描图像与缺陷几何形状密切相关,可用于表征缺陷类型;焊缝常见缺陷如侧壁未熔合、根部未焊透、气孔、裂纹的D扫描图像特征体现在条纹现状、抛物线开口方向及端部曲率,基于这些图像特征可识别缺陷类型;此外,将超声TOFD-D扫描图像特征与超声TOFD检测信号特征相结合可进一步提高对缺陷类型的识别能力。     

基于深度学习的焊缝定位与缺陷识别

针对大型构件缺陷焊缝的自动定位及缺陷识别是实现焊缝打磨、补焊等自动化操作的必要条件.大型构件焊缝及焊缝缺陷图像具有形状多样、灰度分布随机等特点,加大了图像处理的难度.提出一种基于深度学习的焊缝定位及缺陷识别方法,通过深度学习目标检测方法确定焊缝位置并识别焊瘤及不合格缺陷,通过深度学习语义分割方法识别气孔及凹坑缺陷.选取FPN网络结构创建和训练焊缝定位及缺陷识别模型,并通过增加样本数量完成模型优化,焊缝定位识别准确率达到95％,焊瘤识别准确率达到98％,气孔与凹坑两类缺陷的识别准确率约为91.8％.     

基于纹理特征的焊缝识别方法

提出了一种基于纹理特征的焊缝自主识别视觉方法.不同于通常利用被焊工件的宏观结构特征的主动视觉和利用工件图像中明显的灰度梯度的被动视觉,该方法利用待焊区(焊缝位置)与母材区之间明显的纹理特征差异来实现;能够解决多层多道焊后几层、道次的焊接时通常视觉方法不易识别焊缝的问题.在该方法中,先对图像进行纹理分析.提取纹理特征,再利用待焊区和母材区的纹理特征差异,采用图像分割的方法,确定焊缝区域位置以及焊缝中心.结果表明,该方法能够适用于多层焊盖面焊焊缝识别.     

焊缝表面缺陷激光视觉传感HOG-SVM的检测方法

为了实现对焊缝表面缺陷的自动检测与分类,研究一种有效识别焊缝表面缺陷的激光视觉检测方法.通过激光视觉传感器采集焊缝图像并进行预处理,包括图像分割,灰度化,平滑去噪以及焊缝轮廓提取.采用方向梯度直方图(Histogram of Oriented Gradient, HOG)提取焊缝激光条纹轮廓图像的特征向量.其次,基于5折-交叉验证网格搜索方法进行模型参数寻优,最终建立了支持向量机(Support Vector Machine, SVM)智能模型识别与分类焊缝表面缺陷.通过调整焊缝轮廓提取算法、HOG特征维度得到不同特征数据并进行对比、分析焊缝缺陷的识别效果.在相同试验条件下,发现支持向量机比随机森林分类器、K最近邻分类器以及朴素贝叶斯分类器的识别率更高,达到97.86%.基于HOG-SVM的焊缝表面缺陷智能识别方法可有效提高焊缝缺陷(气孔、凹陷、咬边)及无缺陷的分类精度.     

声-固耦合模型下自适应高维特征焊缝缺陷超声检测

针对焊缝缺陷种类识别精度有待提高的问题,提出了一种将随机森林与变分模态分解相结合的算法,以结合二者的自适应特征提取能力及对于高维特征的强适应特性。利用多物理场仿真软件建立含缺陷焊缝的声-固耦合模型,进行超声波无损检测仿真,得到含缺陷超声回波信号。利用变分模态分解求出其各IMF能量分布系数,并以其作为特征向量建立随机森林模型,进行焊缝缺陷识别。结果表明,利用该方法提取的缺陷回波信号特征能有效表征焊缝缺陷,以其建立随机森林模型可以对其进行准确识别。     

基于多视觉特征获取与信息融合的焊道识别方法

焊接过程的复杂性与对象的多样性对焊缝视觉识别与跟踪提出了较高要求,依靠单一特征难以保证识别算法的稳定性与可靠性.文中提出了基于置信度加权的信息融合方法,对获得的不同光照条件下的同视场图像分别进行结构光条形状特征与灰度特征的提取,并分别根据两者的结果进行焊缝边缘的识别,将结果表示为位置的概率密度与置信度的形式,采用置信度加权的方法对概率密度进行叠加,得到融合结果,并针对算例进行了融合算法的验证.结果表明,算法能够实现稳定准确的焊缝边缘识别.     

异形构件超声检测技术

由于异型构件直径小、管壁薄与结构复杂等特点,增加了检测方法的难度。为此应用超声爬波检测原理,采用组合探头检测方法检测了异形构件内外壁的标准伤样。比较了缺陷回波与内棱波的区别,提出采用信号幅度与时间双特征量识别缺陷以消除内棱波的干扰。为了克服单探头数据信号片面性的缺点,采用了数据融合技术,综合三个探头的局部判伤结果来确定缺陷,提高了判伤的准确率。根据各探头信号的周期特征、持续时间与幅度特征三个特征量对缺陷做了综合评估。     

不同透照工艺对焊缝中缺陷的射线检验可靠性的影响

采用不同射线透照工艺,对带人工模拟缺陷(裂纹和未熔合)的异种金属焊缝试块进行了射线检验,得到了各缺陷的检验结果,并与解剖测量的缺陷尺寸进行了比较分析。通过检出/漏检数据,获得检验概率函数;通过信号响应数据,获得检验概率函数的分析方法。探讨了异种金属焊缝中缺陷的射线检验可靠性,分析了影响射线检验可靠性的主要因素。给出了缺陷的检出概率和检测概率曲线。     

An automatic system of classification of weld defects in radiographic images

In this paper, we describe an automatic detection system to recognise welding defects in radiographic images. In a first stage, image processing techniques, including noise reduction, contrast enhancement, thresholding and labelling, were implemented to help in the recognition of weld regions and the detection of weld defects. In a second stage, a set of geometrical features which characterise the defect shape and orientation was proposed and extracted between defect candidates. In a third stage, an artificial neural network (ANN) for weld defect classification was used. With the aim of obtaining the best performance of ANN three different methods for improving network generalisation was used. The results was compared with a method without generalisation. For the input layer, the principal component analysis technique was used in order to reduce the number of feature variables; and, for the hidden layer, a different number of neurons was used.     

基于聚焦探头的带包覆层管道复杂结构部位脉冲涡流检测研究

脉冲涡流检测技术在带包覆层管道腐蚀缺陷检测中展现出优势而引起广泛关注。本研究设计了一种脉冲涡流聚焦探头,通过有限元仿真与试验,研究其在复杂结构部位中的检测能力。仿真结果显示,设计的脉冲涡流聚焦探头能有效聚集磁场与涡流场能量,有利于对局部缺陷与复杂结构中的缺陷进行检测。通过探究聚焦探头在提离10~50 mm下对管道焊缝及各种尺寸局部缺陷的检测灵敏度,分析其检测能力与提离检测极限,以及在检测过程中的信号特征。结果表明,聚焦探头在提离50 mm下仍能检出尺寸为40 mm×40 mm×1 mm（长×宽×深）的方形局部腐蚀缺陷,焊缝信号的凸起特征、缺陷信号的下凹特征与仿真结果相印证。     

基于信息融合优化搜索的X射线焊缝缺陷检测

提出一种基于信息融合优化搜索技术的X射线图像焊缝缺陷检测方法.在对X射线焊缝图像进行预处理的基础上,使用垂直焊缝方向投影的波形分析法进行焊缝区域分割,采用图像信息融合技术,综合不同判据获得启发式状态空间优化搜索的启发信息,对搜索过程进行优化,从而快速准确地检测出X射线图像中的缺陷区域.试验结果表明,提出的算法能够快速有效地检测出焊缝X射线图像中的缺陷,取得较好效果.