近年來,人工智能技術(shù)飛速發(fā)展推動了各行各業(yè)的智能化進程。特別是在無損檢測領(lǐng)域,計算機自動識別技術(shù)以其高效化、標準化和智能化的優(yōu)勢已經(jīng)逐漸取代了傳統(tǒng)人工評片的檢測方式。對于基于X射線焊縫圖像的缺陷檢測來說,傳統(tǒng)人工評片的方法效率低下,缺陷檢測標準不一,易受工作人員主觀影響。因此為了提高檢測的準確率和工作效率,研究基于圖像處理技術(shù)和計算機視覺的缺陷自動檢測技術(shù)具有重要意義和應用價值。本文以螺旋埋弧焊和環(huán)焊縫的X射線焊縫圖像為研究對象,對焊縫缺陷檢測與識別算法進行研究,主要包括:焊縫圖像預處理、焊縫缺陷分割和缺陷識別3個方面,并且根據(jù)實際需要設計開發(fā)了一套X射線焊縫缺陷檢測系統(tǒng)。具體內(nèi)容概括如下:（1）在圖像預處理過程,針對X射線圖像中噪聲多、對比度低、圖像質(zhì)量差等問題,通過分析圖像中的噪聲模型和缺陷特征,采用均值濾波方法濾除噪聲,使用sin函數(shù)增強算法提高焊縫和背景區(qū)域的對比度;（2）在圖像分割過程,采用大津法結(jié)合Sobel算子邊緣檢測和Hough變換的分割方法,實現(xiàn)ROI區(qū)域的準確提取。分割SDR時,引入了灰度密度的概念,提高了聚類分割缺陷時的準確率,取得了較好的分割效果;（3）在缺陷識... 

【文章來源】：西安石油大學陜西省

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于圖像處理的缺陷識別
        1.2.2 基于深度學習的缺陷識別
    1.3 主要研究內(nèi)容
    1.4 本文結(jié)構(gòu)安排
    1.5 本章小結(jié)
第二章 X射線焊縫圖像分析
    2.1 X射線檢測原理
    2.2 常見焊縫缺陷的分類和分級
        2.2.1 焊縫缺陷的分類
        2.2.2 焊縫缺陷的分級
    2.3 焊縫圖像采集
    2.4 X射線焊縫圖像分析
        2.4.1 缺陷特征分析
        2.4.2 圖像噪聲分析
    2.5 本章小結(jié)
第三章 X射線焊縫圖像處理
    3.1 圖像濾波
    3.2 sin函數(shù)增強
    3.3 ROI區(qū)域分割
        3.3.1 大津法分割
        3.3.2 邊緣檢測
        3.3.3 Hough變換邊緣提取
    3.4 疑似缺陷區(qū)域提取
    3.5 本章小結(jié)
第四章 基于卷積神經(jīng)網(wǎng)絡的缺陷識別算法
    4.1 卷積神經(jīng)網(wǎng)絡原理
    4.2 卷積神經(jīng)網(wǎng)絡模型構(gòu)建
        4.2.1 卷積神經(jīng)網(wǎng)絡模板選擇
        4.2.2 卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)設計
        4.2.3 卷積神經(jīng)網(wǎng)絡算法選擇
    4.3 卷積神經(jīng)網(wǎng)絡模型訓練與預測
        4.3.1 卷積神經(jīng)網(wǎng)絡的訓練
        4.3.2 卷積神經(jīng)網(wǎng)絡的測試
    4.4 基于卷積神經(jīng)網(wǎng)絡的缺陷識別結(jié)果
    4.5 本章小結(jié)
第五章 X射線焊縫缺陷檢測系統(tǒng)實現(xiàn)
    5.1 系統(tǒng)需求分析
    5.2 系統(tǒng)總體設計
        5.2.1 系統(tǒng)架構(gòu)設計
        5.2.2 功能模塊設計
    5.3 服務器側(cè)實現(xiàn)
    5.4 移動客戶端實現(xiàn)
    5.5 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
致謝
參考文獻
攻讀碩士學位期間參加科研情況及獲得的學術(shù)成果



本文編號：3166879