金屬材料在近年來被越來越多的應用到各種產(chǎn)品中,對人們的生活產(chǎn)生了很大影響。這些金屬部件大部分都是通過鑄造方法生產(chǎn)的,而在鑄造過程中產(chǎn)品的內(nèi)部缺陷會直接影響產(chǎn)品質(zhì)量。目前超聲檢測方法由于檢測方便,對人和環(huán)境完全無害,成為鑄件內(nèi)部缺陷檢測的常用方法,但是對于鑄件內(nèi)部缺陷的超聲檢測結果,大多還是依靠人工經(jīng)驗來識別分類,嚴重影響了工業(yè)生產(chǎn)中的效率,因此為了解決該問題,基于深度學習的相關理論設計了可以實現(xiàn)內(nèi)部缺陷自動識別的智能算法。本文的主要工作分為以下三部分:（1）缺陷的檢測和圖像獲取:通過采用脈沖反射法的超聲探測設備對試塊進行內(nèi)部缺陷的檢測,在計算機上使用軟件導出設備獲得的A型掃描的超聲檢測圖像,采集和導出過程需要人工操作完成。（2）檢測圖像的預處理:檢測設備獲取的原始圖像畫面較為復雜,不利于內(nèi)部缺陷的識別,首先對圖像進行二值化,以降低數(shù)據(jù)量,然后剪切圖像去除設備系統(tǒng)界面,隨后采用了邊緣檢測算法來去除超聲信號的背景噪聲,最后利用基于連通域的圖像形態(tài)學方法實現(xiàn)了超聲信號的提取。（3）基于卷積神經(jīng)網(wǎng)絡的內(nèi)部缺陷識別:在對卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network,CN... 

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【部分圖文】：

常見鑄造件

超聲探傷儀

直探頭和斜探頭Fig.2.9UltrasonicflawdetectorFig.2.10Straightandobliqueprobe

【參考文獻】：
期刊論文
[1]基于多尺度深度卷積網(wǎng)絡的高光譜圖像分類[J]. 馮帥星.  現(xiàn)代商貿(mào)工業(yè). 2019(04)
[2]基于CNN的木材內(nèi)部CT圖像缺陷辨識[J]. 陳龍現(xiàn),葛浙東,羅瑞,劉傳澤,劉曉平,周玉成.  林業(yè)科學. 2018(11)
[3]數(shù)字超聲波無損檢測掃描技術[J]. 陳昌華,哈曜,王司男,湯志貴,張龍群,錢健清.  物理測試. 2018(05)
[4]深度卷積神經(jīng)網(wǎng)絡在目標檢測中的研究進展[J]. 姚群力,胡顯,雷宏.  計算機工程與應用. 2018(17)
[5]模糊關聯(lián)規(guī)則在超聲波探傷焊縫檢驗中的運用[J]. 劉貴超.  化學工程與裝備. 2016(01)
[6]基于圖像處理的電子元器件表面缺陷檢測技術[J]. 鄭秀蓮,袁巧玲,沈亞琦.  機電工程. 2009(07)
[7]鑄件缺陷無損檢測方法的研究現(xiàn)狀[J]. 徐麗,剛鐵,張明波,郭立偉.  鑄造. 2002(09)

博士論文
[1]大型回轉(zhuǎn)體超聲成像檢測技術研究[D]. 王新征.南京理工大學 2017
[2]基于計算機視覺的檢測方法與應用研究[D]. 漆隨平.浙江大學 2005

碩士論文
[1]超聲無損檢測信號處理方法的研究[D]. 章佩佩.安徽理工大學 2018
[2]塑性混凝土防滲墻質(zhì)量無損檢測技術研究[D]. 趙祥.華北水利水電大學 2018
[3]基于CNN的自然場景中文文本定位與識別方法研究[D]. 饒欽程.華南理工大學 2017
[4]金屬/金屬與復合材料粘接質(zhì)量超聲檢測[D]. 胡玉平.南昌航空大學 2017
[5]數(shù)字圖像技術在機械試塊超聲檢測中的應用研究[D]. 鄒浩.南京郵電大學 2015
[6]大型鑄鍛件超聲無損檢測技術研究[D]. 王磊.河北科技大學 2013
[7]檢測聲學信號智能處理技術的研究[D]. 喬華偉.浙江大學 2008



本文編號：3688280