針對傳統(tǒng)焊接缺陷檢測方法檢測到的焊接缺陷數(shù)量與實際缺陷數(shù)量差別較大的問題,研究基于機(jī)器視覺的船板連接處焊接缺陷檢測方法。選取參數(shù)合適的工業(yè)相機(jī)采集焊接處圖像,對采集的圖像做灰度轉(zhuǎn)換、濾波降噪等預(yù)處理。使用主成分分析算法提取預(yù)處理后圖像的特征,并利用特征模板匹配算法完成對焊接缺陷的檢測。設(shè)計與2種傳統(tǒng)焊接缺陷檢測方法的對比實驗,結(jié)果證明了基于機(jī)器視覺的船板連接處焊接缺陷檢測方法的缺陷識別檢測能力更優(yōu)越。 

【文章來源】：艦船科學(xué)技術(shù). 2020,42(08)北大核心

【文章頁數(shù)】：3 頁

【部分圖文】：

光源正向照射示意圖Fig.1Schematicdiagramofforwardirradiationoflightsource

相似度超出設(shè)定的閾值時，判斷圖像對應(yīng)的焊接處存在焊接缺陷。至此，完成了對基于機(jī)器視覺的船板連接處焊接缺陷檢測方法的研究。2方法測試本文研究了基于機(jī)器視覺的船板連接處焊接缺陷檢測方法，該方法對傳統(tǒng)的焊接缺陷檢測方法進(jìn)行了改進(jìn)。本節(jié)將對研究的方法進(jìn)行測試，通過實驗測試該方法的有效性。2.1實驗內(nèi)容實驗共分2組進(jìn)行，第1組實驗共進(jìn)行10次測試，對比2種檢測方法檢測樣品存在焊接缺陷的數(shù)量圖1光源正向照射示意圖Fig.1Schematicdiagramofforwardirradiationoflightsource圖2PCA算法流程圖Fig.2FlowchartofPCAalgorithm第42卷熊川，等：基于機(jī)器視覺的船板連接處焊接缺陷檢測方法·221·

劉涵,郭潤元.基于X射線圖像和卷積神經(jīng)網(wǎng)絡(luò)的石油鋼管焊縫缺陷檢測與識別[J].儀器儀表學(xué)報,2018,39(4):247–256.[4]表1第1組實驗數(shù)據(jù)Tab.1Datafromthefirstsetofexperiments次數(shù)真實值/件對照組/件實驗組/件160726027253713341834464596552725276301130795429584784798536851026326表2第2組實驗數(shù)據(jù)Tab.2Datafromthesecondsetofexperiments次數(shù)真實值/件對照組/件實驗組方法/件1563056210542104377237748344815642764641174177238728421141圖3實驗環(huán)境Fig.3Experimentalenvironment·222·艦船科學(xué)技術(shù)第42卷

【參考文獻(xiàn)】：
期刊論文
[1]海工船舶厚板Y型坡口不清根高效焊接新技術(shù)分析[J]. 陳旭.  工程技術(shù)研究. 2019(13)
[2]基于機(jī)器視覺的鋁合金厚板粗軋頭/尾平面形狀檢測與分析[J]. 燕猛,黃華貴,楊志強(qiáng),張尚斌,張順寧.  塑性工程學(xué)報. 2019(03)
[3]基于機(jī)器視覺的齒輪缺陷識別研究[J]. 伍玉琴,徐海元,成曉軍.  煤礦機(jī)械. 2019(04)
[4]基于X射線圖像和卷積神經(jīng)網(wǎng)絡(luò)的石油鋼管焊縫缺陷檢測與識別[J]. 劉涵,郭潤元.  儀器儀表學(xué)報. 2018(04)



本文編號：3041331