主成分分析法在脉冲涡流缺陷识别中的应用

在钢结构脉冲涡流缺陷识别中,通常采用信号的峰值幅度、过零时间、主峰面积等特征参数对缺陷进行表征。但上述参数相互关联,存在一定的信息冗余,增加了数据分析量及信息筛选难度,进而影响了缺陷识别的效率。针对上述问题,采用主成分分析法对脉冲涡流信号的6个特征参数进行降维处理,构造了一个主成分特征,减少了信息冗余;将上述主成分特征输入Logistic分类器,实现了对钢结构减薄缺陷的准确识别。结果表明:主成分分析法可以在确保缺陷识别准确率的情况下,有效减少分类器处理的数据量,提高缺陷识别效率。     

基于主成分-贝叶斯分类模型的除草机器人杂草识别方法

计算机应用技术的不断发展加快了各领域人工智能系统的步伐,在农业方面,机器视觉自动除草设备已逐渐成为研究热点。计算机视觉技术是以图像处理为前提,在土壤背景下,准确的识别出农作物与杂草的分布情况,进行有目标性的除草作业,为实现精细农业做出贡献。针对玉米地视觉识草问题,采用颜色、形状、纹理多特征融合技术,利用主成分分析方法进行特征降维,再结合贝叶斯分类算法进行玉米与杂草的识别分类。仿真实验结果表明:此种方法能够实现杂草的有效分类。     

基于复小波变换和贝叶斯分类器的缺陷类型识别

针对缺陷类型识别这一典型的不确定性问题,提出了一种基于复小波变换和朴素贝叶斯分类器的缺陷类型识别新方法.在利用小渡对超声缺陷回波信号进行消噪的基础上,采用复小波变换获得缺陷回波信号的包络并提取特征参数,最后利用朴素贝叶斯分类器进行分类.实验结果表明,该方法能够实现对缺陷类型的有效识别.     

贝叶斯最小错误率在水下焊缝识别中的应用

利用贝叶斯最小概率决策寻找V形焊缝左右边的数据点,即以一个特征观测量x1表示从左向右连续的高度位置逐渐降低的25个以上的白点,满足这一特征数据的概率大约为0.3,且以W1表示V形焊缝左边数据的类.连续扫描高度为20个像素、宽度为30个像素的小区域,为简单起见,以该区域内获得的白点数除以30作为x1的类条件概率密度,通过计算x1关于w1的后验概率,如果大于0.8,则把这些点归为V形焊缝的左边这一类别,从而对左边采用最小二乘法进行拟合,同理对V形焊缝右边的数据进行识别,并进行拟合.     

预筛选PCA法在特征分类中的应用

主成分分析(PCA)法在特征融合过程中未考虑特征之间特性对分类识别的影响,导致降维后特征无法正常有效分离,因此提出预筛选PCA方法以提取信号的时域特征、频域特征。利用相关系数法可有效区分对象之间的相互关系,先去掉不利于分类的特征,然后对新得到的矩阵进行PCA降维,把时域特征及频域多特征转化为综合性的评价指标,以获得更好的分类效果。结果表明:该方法的特征分离效果更好。研究结果有利于提高PCA分类识别准确率。     

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.     

距离判别在超声探伤缺陷识别中的应用

提出了距离判别在超声探伤缺陷识别中的应用，提取时域空间特征量：上升时间（Tvp）、下降时间（Tdown）、波宽（Width）、上升角度（Angle）及峰度系数（KU）和波形下面积（S），通过计算检测缺陷与样本的马氏距离，比较马氏距离大小来对缺陷进行分类识别，识别率达到87．5％，对以后超声缺陷识别具有一定的理论指导意义。     

对接焊缝中缺陷类型的超声识别

讨论超声横波单、串列探头波幅比较法区分焊缝中缺陷类型的机理，在实验基础上验证了单控头和串列探头回波波幅与缺陷类型之间的对应关系，同时给出了串列探头之间距离和串列探头测盲区的计算方法。     

焊缝超声探伤中缺陷分类时域分析方法

用超声数据采集计算机系统对焊缝中的缺陷进行扫描,并对缺陷回波作数据采集,而后提取各类缺陷脉冲回波的时域特征参数,并对其作统计分析。用统计分布的数字特征值和图象识别中“Fisher线性识别方法”区分焊缝中的各类缺陷。     

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...     

基于改进二叉树多分类SVM的焊缝缺陷分类方法

为了进一步提高焊缝缺陷识别精度,定义了一种类分离度,提出了改进二叉树多分类SVM的焊缝缺陷分类方法.在焊缝缺陷分类时,计算每个类的类分离度,将类分离度最小的两个类进行训练得到SVM子分类器SVM_1,并将这两个类合并成一个新簇G;同理对新簇G和剩下的k-2类进行类分离度的评估,将类分离度最小的两类训练得到SVM子分类器SVM_2,并合并成新簇H,直至得到k-1个SVM分类器,训练结束得到良好的二叉树的分类结构.利用聚类生成好的优化二叉树SVM进行判别焊接缺陷.结果表明,新算法具有高的分类精度和推广能力.     

基于LBP-KPCA特征提取的焊缝超声检测缺陷分类方法

焊缝缺陷影响结构安全,缺陷定性是实现结构安全评价的重要基础.研究了一种基于一维局部二元模式（one-dimensional local binary pattern,1-D LBP）算法结合核主成分分析（kernel principal component analysis,KPCA）提取焊缝缺陷回波信号特征的方法.采用1-D LBP算法提取缺陷回波信号的LBP特征,通过KPCA对此LBP特征集进行主成分分析,选取贡献率之和超过90%的前N个主成分作为缺陷分类的特征向量,利用基于径向基核函数的支持向量机（support vector machine,SVM）实现了缺陷类型的自动分类.以夹渣、气孔和未焊透三类焊缝缺陷为对象,开展了缺陷特征提取及分类试验.结果表明,使用LBP-KPCA特征进行缺陷分类时,准确率达到96.7%,优于常规特征,为焊缝缺陷分类及无损评价提供了重要参考.     

钢管内焊缝边缘缺陷的分析

运用超声波、X射线、金相试验等方法对钢管内焊缝边缘缺陷进行分析及识别,提出了消除此缺陷的控制措施.     

基于PCA降维结合机器学习算法的人机交互手势识别研究

更加自然和灵活的手势识别技术正逐渐成为智能移动机器人控制的重要人机接口。为了进一步提高基于计算机视觉的机器人导航控制的实时性和精度,提出了一种基于主成分分析(Principal Component Analysis,PCA)降维结合机器学习算法的手势识别方法。首先,对视觉摄像头捕获的手势图像进行预处理,具体包括图像二值化、中值滤波和形态学变换。然后通过PCA提取主要特征并对数据进行降维。最后结合机器学习中自组织神经网络(Self-Organizing Feature Maps,SOM)作为分类器应用于手势识别,具体采用的是学习向量量化(Learning Vector Quantization,LVQ)神经网络。静态手势实验测试结果表明:相比网络和K-means算法,提出方法缩短了手势识别时间,且识别准确率得到有效提高,验证了方法的有效性。     

基于X射线图像处理的单搭接焊缝缺陷识别

钢板单搭接焊缝区厚度的变化,使其对应的X射线图像灰度连续变化。这给基于图像阈值分割处理的缺陷识别带来困难。为了解决这一问题,文中给出一种基于X射线图像背景去除的缺陷识别方法。首先对待处理的X射线数字化图像进行噪声抑制,并利用模拟图像背景获得前景图像;然后对前景图像进行基于迭代阈值法的图像分割,提取缺陷目标;最后采用数学形态学处理,实现缺陷自动识别。结果表明所提方法能有效识别钢板单搭接焊缝中的气孔缺陷。     

焊缝缺陷影像的识别及成因分析

通过对新制造的4具60m3工业油罐进行射线探伤拍片抽查,指出底片评定中的一些技术要点,分析了缺陷形成的原因,并提出压力容器检验过程中应注意的一些重要环节。     

基于自适应SVM决策树的焊缝缺陷类型识别

针对传统X射线焊缝缺陷检测方法普遍存在分类识别精度不高的问题,提出了一种基于分离程度的自适应SVM决策树算法。首先对滤波后的X-Ray焊缝缺陷图像进行数学形态学重建,然后根据分离程度,每次将分离程度最大的缺陷类别首先分离出来,构造自适应二叉树的SVM分类器,从而达到了减小二叉树的累积误差,得到了分类性能优良的的SVM决策树,并用其对X-Ray焊缝缺陷图像进行分类识别。实验结果表明,该算法取得了好的分类精度和识别效果。     

超声检测缺陷分析及假象识别

准确判别超声检测缺陷并详细描述其产生的过程及原因,是无损检测人员的职责。准确的检测报告对改进工艺、控制操作过程和提高产品质量起到关键性的作用。本文根据多年的实际经验,对一些典型实例进行探讨。