本文關鍵詞： X射線圖像 獨立分量分析 缺陷檢測 機器學習 厚鋼管　出處：《計算機應用》2017年03期 　論文類型：期刊論文

【摘要】：由于厚鋼管X射線圖像強度分布不均勻,對比度低、噪聲大,且氣孔缺陷的大小、形狀、位置、對比度各異,使得自動檢測各種類型的氣孔較為困難。針對傳統(tǒng)缺陷檢測算法中手工標記缺陷數(shù)據(jù)工作量大,焊縫邊緣難以準確提取等問題,提出一種新的無監(jiān)督學習的各種氣孔缺陷檢測算法。首先,采用快速獨立分量分析從鋼管X射線圖像集合中學習一組獨立基底,并用該基底的線性組合來選擇性重構(gòu)帶氣孔缺陷的測試圖像;隨后,測試圖像與其重構(gòu)圖像相減獲得差異圖像,通過全局閾值從差異圖像中將各種氣孔分割出來。實驗的訓練集有320幅,測試集有60幅圖像,所提算法檢測結(jié)果的平均敏感性和準確率為90.5%和99.7%。實驗結(jié)果表明,該算法無需手工標記數(shù)據(jù)或提取焊縫邊緣,可準確檢測各種氣孔缺陷。
[Abstract]:Because of the uneven distribution of X-ray image intensity, low contrast, large noise, and the size, shape, position and contrast of the hole defects. It is difficult to detect various types of holes automatically. Aiming at the problems of manual marking defect data and the difficulty of accurately extracting weld edge in the traditional defect detection algorithm. A new unsupervised learning algorithm for detecting stomatal defects is proposed. Firstly, a set of independent substrates is studied by using fast independent component analysis (FICA) from the set of X-ray images of steel tubes. The linear combination of the substrate is used to selectively reconstruct the test image with stomatal defects. Then, the test image is subtracted from the reconstructed image to obtain the differential image, and a variety of pores are segmented from the differential image by the global threshold. The experimental training set has 320 pieces, and the test set has 60 images. The average sensitivity and accuracy of the proposed algorithm are 90.5% and 99.7.The experimental results show that the algorithm can accurately detect various pore defects without manually marking data or extracting weld edges.
【作者單位】： 上海交通大學電子信息與電氣工程學院;寶山鋼鐵股份有限公司研究院;寶山鋼鐵股份有限公司鋼管條鋼事業(yè)部;
【基金】：國家自然科學基金資助項目(61375020)~~
【分類號】：TG441.7;TP391.41
【正文快照】： 0引言焊接缺陷會影響焊接鋼管的使用壽命,因此自動檢測焊接缺陷可提高焊接鋼管出廠的合格率[1-3]。在基于鋼管X射線圖像進行無損探測中,自動檢測焊縫缺陷是一個重要的研究主題[4-10]。由于X射線圖像強度分布不均勻,缺陷的形狀、尺寸大小、亮度、分布位置各異,使得從鋼管X射線

【相似文獻】

相關期刊論文 前10條

1 趙鳳陽;于洋;汪德征;;493Q氣缸蓋氣孔缺陷的防止[J];現(xiàn)代鑄鐵;2008年06期

2 黃政;;解決微車缸體氣孔缺陷的工藝措施[J];鑄造技術;2009年11期

3 黃政;;微型車用缸體氣孔缺陷的解決措施[J];現(xiàn)代鑄鐵;2009年06期

4 蘇艷;張春艷;劉冬梅;薛海濤;金懷東;;風電箱體鑄件氣孔缺陷的解決方法[J];鑄造;2010年09期

5 馬懷榮;劉祥泉;韓建華;梁波;張現(xiàn)誠;張建滿;;V法鑄造工藝生產(chǎn)鑄件氣孔缺陷的防治[J];鑄造設備與工藝;2012年01期

6 鄧Z逆，

本文編號：1473010