【技术实现步骤摘要】
本专利技术涉及射线成像与无损检测，特别涉及一种焊缝X射线图像缺陷检测与识别方法和装置。
技术介绍
目前焊接是现在制造领域的一种重要工艺方法之一。随着计算机技术、自动控制技术以及信息和软件技术迅速地引入焊接领域，焊接生产自动化、智能化已经成为21世纪焊接技术发展的重要方向。计算机视觉技术以其信息量大、精度高、检测范围大等特点，在焊接缺陷的检测领域得到了广泛的应用。而X射线检测是常规无损检测常用的重要方法之一，其检测结果将作为焊缝缺陷分析和质量评定的重要判定依据。X射线检测是将强度均匀的射线照射到被测的物体，使透过的射线在照相胶片上感光，而在成像的底片上，可以检测出被检测物体的焊接缺陷位置、类型、尺寸和数目等。要评定X射线对焊缝的检测结果，必须对获取的焊缝射线图像进行分析处理以评价焊接质量。评定X射线检测结果有两种方法:人工评定和计算机图像识别评定。传统的缺陷检测方法主要由评片人员手工完成。目前实际生产中，主要采取的方式是人工分析焊缝图像，凭经验确定有无缺陷及缺陷的类型、位置、尺寸等，由此评定焊接质量。人工评定方式受个人技术水平、经验、疲劳程度、情绪等人为因...
【技术保护点】
一种焊缝X射线图像的识别方法，其特征在于，包括：步骤一：对灰度焊缝图像进行逐线视觉扫描，搜索各扫描线的中央点，通过中央‑周边差运算，获得焊缝图像的显著图和注意焦点；步骤二：根据自适应梯度阈值计算方法，利用自适应中央‑周边差阈值和各注意焦点的显著性强度，确定可疑缺陷区域；步骤三：基于卷积神经网络的构造深度学习网络，从初始卷积网络开始，利用预设网络自生长规则进行生长，直到识别能力和检测效率都达到预设期望值；步骤四：基于上述深度学习网络，将可疑区域的像素灰度信号输入已训练的卷积神经网络深度模型，获取可疑缺陷区域的深度学习本质特征，从而识别出焊缝缺陷。
【技术特征摘要】
【专利技术属性】
技术研发人员：殷鹰，余永维，衡良，殷国富，
申请(专利权)人：四川省特种设备检验研究院，四川大学，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。