在埋弧焊石油輸送鋼管的制造過程中,由于生產(chǎn)工藝和生產(chǎn)環(huán)境的制約,焊縫中常會產(chǎn)生損害管材質(zhì)量的各式焊接缺陷,而現(xiàn)有人工X射線圖像焊縫缺陷檢測識別方法效率較低且準確率不高,本文基于石油管材焊縫的X射線圖像,對焊縫缺陷的檢測和識別方法進行研究,旨在提出一種能夠?qū)崿F(xiàn)更優(yōu)識別指標的焊縫缺陷識別算法,從而提高焊縫缺陷識別的準確率并提升識別過程的自動化程度。在缺陷檢測過程,首先基于整幅X射線石油鋼管焊縫圖像,對其使用小波濾波濾除噪聲、使用圖像增強操作以消除對比度不同圖像對缺陷檢測的影響、再用最大類間方差法分割出焊縫區(qū)域、最后采用Prewitt邊緣檢測和霍夫變換等數(shù)字圖像處理技術(shù)檢測擬合出焊縫區(qū)域,并驗證了咬邊缺陷的存在不影響焊縫邊緣的提取。其次,針對常用閾值分割方法不適于小面積區(qū)域缺陷分割的局限,用基于排序點的聚類結(jié)構(gòu)算法（OPTICS）對區(qū)域內(nèi)任意大小的缺陷和噪聲偽缺陷進行分割,然后對缺陷、噪聲和無缺陷正常圖像進行提取并進行數(shù)據(jù)增強及尺寸歸一化操作,從而完成焊縫圖像的預處理以構(gòu)建出樣本圖庫。在缺陷識別過程,首先采用傳統(tǒng)“人工特征提取+機器學習”的方法進行缺陷識別,根據(jù)缺陷和噪聲的外部幾何特征計算出... 

【文章來源】：西安理工大學陜西省

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

X射線實時成像缺陷檢測識別現(xiàn)場作業(yè)圖

ial Neutral Network,ANN），實現(xiàn)了對 4 種典，設計出經(jīng)過優(yōu)化并擁有更好性能的分類器缺陷分割任務中將缺陷分割識別變?yōu)榻鉀Q優(yōu)術(shù)，成功對焊縫圖像中的氣孔缺陷實現(xiàn)準確待證實[21]。形態(tài)學填充和 SUSAN 算法修正缺陷，然后得特征參數(shù)進行識別，實現(xiàn)了較好識別效果缺陷很難選出優(yōu)質(zhì)的形狀特征對其自身進行較高的識別準確率[22]。于特征工程的識別方法，而準確有效的特征、紋理特征等眾多特征類型的難以確定，也質(zhì)量表征，這就導致識別準確率無法獲得進特征，這需要大量的人工工作，從而大幅降頸就對我們突破傳統(tǒng)方法，找到新的缺陷識

石油鋼管焊縫 X 射線圖像在形成過程中不可避免的受到噪聲干工件厚度不同，所產(chǎn)生的 X 射線圖像其對比度也不盡相同，這就處理，并將低對比度圖像的對比度，以使焊縫區(qū)域和待檢缺陷在圖續(xù)對焊縫區(qū)域進行擬合，從而為管材焊縫識別奠定良好基礎(chǔ)。且由大小各異，故其在 X 射線圖像上的影像也各不相同，因此，本章射線影像特征進行簡要分析，后對所設計采用的數(shù)字圖像預處理技缺陷的 X 射線影像特征分析油鋼管焊縫缺陷類型與缺陷形態(tài)等相關(guān)知識是對管材缺陷做出正類石油鋼管焊縫缺陷有其不同的形成機理，因此在 X 射線檢測圖各異，依照《金屬熔化焊焊縫缺陷分類及說明》[27]對主要缺陷及裂紋：裂紋是焊接接頭內(nèi)的焊縫金屬在結(jié)晶過程中或冷卻后產(chǎn)生的上的表現(xiàn)為形狀、粗細不規(guī)則的白色線條，按形狀分為橫向或縱向 2-1 中（a）、（b）所示。

【參考文獻】：
期刊論文
[1]集箱管接頭內(nèi)焊縫表面缺陷識別方法研究[J]. 焦敬品,李思源,常予,吳斌,何存富.  儀器儀表學報. 2017(12)
[2]自適應粒子群集優(yōu)化二維OSTU的圖像閾值分割算法[J]. 于洋,孔琳,虞闖.  電子測量與儀器學報. 2017(06)
[3]X射線焊縫圖像的缺陷檢測與識別技術(shù)[J]. 劉輝,萬文,熊震宇.  電焊機. 2017(04)
[4]基于X射線圖像的厚鋼管焊縫中氣孔缺陷的自動檢測[J]. 陳本智,方志宏,夏勇,張靈,蘭守忍,王利生.  計算機應用. 2017(03)
[5]基于BP神經(jīng)網(wǎng)絡的管道泄漏聲信號識別方法研究[J]. 焦敬品,李勇強,吳斌,何存富.  儀器儀表學報. 2016(11)
[6]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機應用. 2016(09)
[7]人工神經(jīng)網(wǎng)絡和支持向量機性能比較及其在DMD疾病識別中的應用[J]. 章鳴嬛,陳瑛,沈瑛,馬軍山.  上海理工大學學報. 2016(04)
[8]基于模糊模式識別的焊縫缺陷圖像檢測[J]. 王欣,高煒欣,武曉朦,王征,李華.  西安石油大學學報(自然科學版). 2016(04)
[9]基于稀疏主成分分析和自適應閾值選擇的圖像分割算法[J]. 盧濤,萬永靜,楊威.  計算機科學. 2016(07)
[10]圖像理解中的卷積神經(jīng)網(wǎng)絡[J]. 常亮,鄧小明,周明全,武仲科,袁野,楊碩,王宏安.  自動化學報. 2016(09)

碩士論文
[1]基于BP神經(jīng)網(wǎng)絡的焊縫缺陷建模及其識別算法研究[D]. 黃曄.西安石油大學 2016
[2]輸油管道鍛制管件漏磁檢測與典型缺陷識別研究[D]. 王海蘭.西南石油大學 2015
[3]埋弧焊管缺陷X射線圖像處理及其自動識別技術(shù)研究[D]. 李勇.西安石油大學 2013
[4]X射線數(shù)字圖像焊接缺陷檢測研究[D]. 董明訓.山東大學 2011
[5]焊縫圖像缺陷提取與識別系統(tǒng)研究[D]. 宋慶國.武漢理工大學 2008
[6]超聲相控陣焊縫探傷系統(tǒng)的數(shù)據(jù)采集和處理方法的研究[D]. 王寧.天津大學 2006



本文編號：3108317