钢管焊缝缺陷类型检测

摘要

近年来，在工业焊接领域，焊接技术不断发展，钢管以及其余焊件被大量地投入到生产应用中去。焊缝缺陷指的是在实际操作中由于技术因素或外部环境因素，导致的焊接过程中出现的缺陷。焊缝缺陷危害巨大，无论在哪个领域，所使用的焊件必须保证其无缺陷。在保证识别到缺陷的前提下，需要对缺陷进行修补，修补的前提是明确得知缺陷的类型，本文在某钢管厂缺陷自动识别系统的基础上，完善其系统功能，研究出可以将被检测缺陷自动分类的一套算法。 若使用人工的方法，主观判断是否有缺陷，效率很低。以X射线为成像基础，开发出了一套焊缝缺陷自动俭测系统，首先对该系统的成像原因，工作原理及检测算法进行简单的介绍。由于本次实验的操作对象全部都是静态图片，需对DR系统图像成像特点进行总结。 其次给出缺陷形态特征与灰度特征提取的过程。通过对该系统基本功能和原理的了解，收集该系统检测到的各类缺陷图像作为样本集。对原图像及识别后的二值图像进行膨胀，聚类，勾画轮廓等一系列操作，明确找到每个缺陷的位置和其包含的点集，根据各类缺陷的形成原因以及形状特点，给出缺陷判别的依据，在此依据的基础上，选择一些形态特征参数和灰度特征参数，作为样本的特征描述向量。 第二手中提取特征的思想，是在原HOG特征思想的基础上提出的。首先针对传统HOG特征旋转可变性的缺陷，将细胞划分方式改进为圆形划分方式，其次使用RGT变换对梯度直方图进行统计，最后确定相关参数。为解决传统HOG特征尺度可变性缺点可以使用尺度归一化的方法对目标进行处理。 最后使用LSSVM模型对以上两种特征分别进行训练和样本识别，由于改进HOG特征提取的特征维数较高，使用改进的且具有旋转不变性的HOG特征进行样本训练前需要将样本进行PCA降维。将两种方法的结果进行比较，得到最后的结论。最终结果达到了预期效果。

目录

第一个书签之前

1 绪论

1.1研究背景及意义

1.3主要研究内容

1.4 论文结构

2 成像系统及缺陷检测系统

2.1 成像系统

2.2 焊缝缺陷自动检测系统界面介绍

2.3 缺陷检测过程

2.3.1 图像预处理

2.3.2 缺陷提取

2.3.3 本次研究操作对象

2.4 本章小结

3 焊缝缺陷的形态及灰度特征提取

3.1 焊缝缺陷类型及特点

3.2 焊缝缺陷分类依据

3.3 缺陷标记与提取

3.3.1 数据源分析

3.3.2 离散目标点膨胀

3.3.3 目标点集聚类

3.3.4 去除多余点

3.3.5 缺陷轮廓提取

3.4 焊缝缺陷形态特征与灰度特征计算

3.4.1缺陷形态特征

3.4.2缺陷灰度特征

3.5 本章小结

4 旋转不变性HOG特征提取

4.1 HOG特征

4.1.1 HOG特征提取步骤

4.1.2 HOG特征优势

4.1.3 HOG特征弊端

4.2 HOG特征改进

4.2.1 ROI区域提取

4.2.2 图像的划分方式

4.2.3 RGT变换

4.2.4 近似RGT变换

4.3 旋转不变HOG特征提取

4.4 旋转不变HOG相关参数选择

4.5 本章小结

5 基于支持向量机的焊缝缺陷类型识别

5.1 SVM理论基础

5.2 最小二乘支持向量机LSSVM

5.3核函数的确定

5.3.1 常用核函数

5.3.2 核函数的选择

5.4 PCA降维

5.4.1 PCA原理

5.4.2 PCA降维过程

5.5 基于形态及灰度特征的识别结果

5.5.1 形态特征与灰度特征的选择

5.5.2 识别结果

5.6 基于旋转不变性HOG特征的识别结果

5.7 本章小结

6.1 总结

6.2 展望

致谢

参考文献

攻读硕士期间主要成果