【摘要】：工件裂紋檢測方法多種多樣,相比價格比較昂貴的超聲波探傷儀,熒光磁粉裂紋檢測因成本低、靈敏度高以及檢測速度快等優(yōu)點而被廣泛使用。由于傳統(tǒng)的熒光磁粉表面裂紋檢測主要依靠人工判別來實現(xiàn)的,這種方式檢測的效率較低且判斷精確度不高或者是因視覺疲勞而出現(xiàn)誤檢,同時人體長期在紫外光環(huán)境下工作易危害身體健康。因此,研究基于數(shù)字圖像處理和模式識別技術(shù)的熒光磁粉裂紋自動化檢測方法具有重要的理論意義和實用價值。本文重點研究了熒光磁粉圖像裂紋自動檢測的圖像預(yù)處理、圖像分割、特征提取以及裂紋識別等4個關(guān)鍵步驟。首先,采用加權(quán)有向平滑濾波去除噪聲的方法對圖像進(jìn)行預(yù)處理,旨在對圖像進(jìn)行去噪的同時能夠盡可能的保留邊緣信息,為后期的灰度-梯度共生矩陣最大熵圖像分割提供有利條件。實驗結(jié)果表明,與傳統(tǒng)的均值濾波和中值濾波等去噪方法相比,此方法去噪效果更佳,更好地保留邊緣信息,避免邊緣模糊化;其次,給出基于遺傳算法的灰度-梯度共生矩陣最大熵分割改進(jìn)算法,有效解決了傳統(tǒng)灰度-梯度共生矩陣最大熵分割產(chǎn)生的裂紋斷裂現(xiàn)象,提高了分割運(yùn)算速度。為了消除基于遺傳算法的灰度-梯度共生矩陣最大熵改進(jìn)算法對熒光磁粉圖像分割引入的噪聲,提出了點鄰域搜索方法,完善圖像的分割質(zhì)量;再次,根據(jù)裂紋與非裂紋圖像在形狀、灰度以及梯度信息的差異性,本文采用Hu矩不變量和梯度方向直方圖(HOG)描繪子作為分類器的輸入樣本,并針對HOG描繪子給出基于霍夫變換的改進(jìn)方法;最后,針對支持向量機(jī)算法中人為選取懲罰因子和核參數(shù)的缺點,給出基于粒子群尋優(yōu)(PSO)的SVM熒光磁粉裂紋檢測改進(jìn)算法,進(jìn)一步提高裂紋的識別率。
[Abstract]:Compared with the expensive ultrasonic flaw detector, the fluorescence magnetic particle crack detection is widely used because of its advantages of low cost, high sensitivity and high detection speed. Because the traditional detection of surface cracks of fluorescent magnetic powder mainly depends on manual discrimination, the efficiency of this method is low and the accuracy of judgment is not high, or because of visual fatigue, there is false detection. At the same time, the human body long-term work in ultraviolet light environment is likely to endanger the health of the body. Therefore, it is of great theoretical significance and practical value to study the automatic detection method of fluorescent magnetic particle crack based on digital image processing and pattern recognition technology. This paper focuses on four key steps of image preprocessing, image segmentation, feature extraction and crack identification for automatic detection of cracks in fluorescent magnetic particle images. Firstly, the weighted directed smoothing filter is used to pre-process the image, which can keep the edge information as much as possible while de-noising the image. It provides favorable conditions for gray-gradient co-occurrence matrix maximum entropy image segmentation. The experimental results show that compared with the traditional methods such as mean filter and median filter, this method has better denoising effect, better preserving edge information and avoiding edge blurring. Secondly, an improved gray-gradient co-occurrence matrix maximum entropy segmentation algorithm based on genetic algorithm is presented, which effectively solves the crack fracture phenomenon caused by the traditional gray-gradient co-occurrence matrix maximum entropy segmentation, and improves the segmentation operation speed. In order to eliminate the noise caused by the gray gray-gradient co-occurrence matrix maximum entropy improved algorithm based on genetic algorithm, a point neighborhood search method is proposed to improve the image segmentation quality. Thirdly, according to the difference of shape, grayscale and gradient information between crack and non-crack image, we use Hu moment invariant and gradient direction histogram (HOG) descriptor as the input sample of classifier. An improved method based on Hough transform is given for HOG descriptors. Finally, aiming at the disadvantage of artificially selecting penalty factor and kernel parameter in support vector machine algorithm, an improved algorithm of SVM fluorescence magnetic particle crack detection based on particle swarm optimization (PSO) is proposed to further improve the crack identification rate.
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TB302.5;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周錦鑫,馬紫峰,黃永昌,李國強(qiáng);探傷用熒光磁粉制造工藝研究[J];新技術(shù)新工藝;2000年09期

2 ;NC-188熒光磁粉[J];應(yīng)用化學(xué);1985年01期

3 姚芳蓮,李維云,鄧聯(lián)東,孟繼紅,白云;遺傳算法及其在化學(xué)領(lǐng)域中的應(yīng)用[J];天津化工;2000年04期

4 劉坤,劉偉波,吳忠強(qiáng);基于模糊遺傳算法的電液位置伺服系統(tǒng)控制[J];黑龍江科技學(xué)院學(xué)報;2005年04期

5 李華昌,謝淑蘭,易忠勝;遺傳算法的原理與應(yīng)用[J];礦冶;2005年01期

6 馮錦春;楊林建;;遺傳算法在機(jī)械工程方面的應(yīng)用研究[J];煤礦機(jī)械;2008年08期

7 李凱;田雙亮;耿麗君;張喜;;基于改進(jìn)遺傳算法在分析企業(yè)客戶群中的應(yīng)用[J];河南理工大學(xué)學(xué)報(自然科學(xué)版);2009年06期

8 劉鐵男,姜建國,陳繼剛,張長江,于鏑;遺傳算法的收斂性分析[J];大慶石油學(xué)院學(xué)報;2000年03期

9 樂慧豐,林家駿,俞金壽;投影遺傳算法[J];華東理工大學(xué)學(xué)報;2000年05期

10 苑進(jìn),孫忠林,劉雪美;改進(jìn)遺傳算法在齒輪減速器優(yōu)化中的應(yīng)用[J];山東科技大學(xué)學(xué)報(自然科學(xué)版);2001年04期

相關(guān)會議論文 前10條

1 張妮;倪原;伊興國;;熒光磁粉無損探傷檢測系統(tǒng)的設(shè)計[A];先進(jìn)制造技術(shù)論壇暨第五屆制造業(yè)自動化與信息化技術(shù)交流會論文集[C];2006年

2 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

3 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年

4 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

5 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設(shè)計算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

6 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年

7 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

8 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議專刊[C];2008年

9 何翠紅;區(qū)益善;;遺傳算法及其在計算機(jī)編程中的應(yīng)用[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

10 靳開巖;張乃堯;;幾種實用遺傳算法及其比較[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

相關(guān)重要報紙文章 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報;2002年

相關(guān)博士學(xué)位論文 前10條

1 Amjad Mahmood;半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

2 李險峰;基于改進(jìn)遺傳算法的汽車裝配生產(chǎn)線平衡問題研究[D];北京科技大學(xué);2017年

3 孫秋紅;基于遺傳算法的水質(zhì)數(shù)據(jù)挖掘與應(yīng)用研究[D];燕山大學(xué);2016年

4 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

5 郝國生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

6 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

7 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

8 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

9 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

10 劉冀成;基于改進(jìn)遺傳算法的生物電磁成像與磁場聚焦應(yīng)用研究[D];四川大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 林果;基于熒光磁粉的智能無損檢測技術(shù)研究及實現(xiàn)[D];西南科技大學(xué);2016年

2 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

3 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

4 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測控制[D];華南理工大學(xué);2015年

5 王琳琳;新型雙層液壓轎運(yùn)車車廂的設(shè)計研究[D];上海工程技術(shù)大學(xué);2015年

6 李海全;基于遺傳算法的建筑體形系數(shù)及迎風(fēng)面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年

7 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

8 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年

9 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

10 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

，

本文編號：2423126