The invention provides a method and system for defect recognition of weld seam negative, which includes: obtaining weld seam negative by ray imaging technology; obtaining weld seam image texture feature data by image recognition technology; establishing recognition model by machine learning algorithm according to the weld image texture feature data and defect category of weld seam negative; According to the weld image texture feature data and the recognition model, the defect types of the weld negative to be detected are calculated. In this way, the problem of texture accuracy and inaccurate feature judgment of welding negative recognition is effectively solved, and the accuracy of edge detection and defect tracking recognition of welding negative image is greatly improved, which lays a foundation for the development of welding seam feature recognition technology.
【技术实现步骤摘要】
一种焊缝底片缺陷识别方法及系统
本专利技术涉及油气管道安全检测领域,尤指一种焊缝底片缺陷识别方法及系统。
技术介绍
焊接作为连接构件的一种基本工艺方法,在我国工业领域的生产和日常维护中都起到了重要作用。由于焊接施工中会产生各种各样的缺陷,受焊接过程中各种参数稳定性的影响,焊缝难免会出现夹渣、裂纹、气孔等各类缺陷,为了确保焊接构件的品质,所以有必要对焊缝缺陷进行详细的检测和合理的评价。常规无损检测方法主要有超声波检测法、X射线检测法等。X射线检测方式以其灵敏度高、直观可靠、而且重复性好等特点为后续焊接工作做出了可靠性的指导,从而在油气管道和石油化工领域应用普遍。以往对于焊缝内缺陷的具体位置及类别的判定多采用人工审阅评定,但该方法存在劳动强度大、效率低下、主观性强等缺点,同时容易受到影响质量的影响。X射线数字化实时成像检测技术其图像存在噪声大、对比度不高、焊缝边缘模糊且纹理较多的特点,质量难以达到规定的衡量标准,为了改善检测对象的质量,开展后续计算机图像处理是必要的,并结合计算机评片的形式完成对焊缝内缺陷的自动识别。但由于实际检测工段出现的诸多问题,如运动导致的图像抓取模糊(边缘及缺陷部分模糊粗糙)等多方面带来的噪声被夹入待检测样本中,导致识别过程耗时长、准确率低,严重限制了图像处理技术在该领域的应用;此外,对于同一个工件,检测时射线照射的角度不同,获得图像的质量也存在较大差异。针对以上问题,有以下几种方法对焊片缺陷进行提取与识别分类。1、王鹏[1]提出的基于模糊理论的焊缝缺陷图像识别算法研究,该方法基于自动选择阈值,使用模糊集合进行灰度变换以增强图像对比度; ...
【技术保护点】
1.一种焊缝底片缺陷识别方法,其特征在于,所述方法包含:通过射线成像技术获得焊缝的焊缝底片;利用图像识别技术获取焊缝底片的焊缝图像纹理特征数据;根据所述焊缝图像纹理特征数据与焊缝底片的缺陷类别通过机器学习算法建立识别模型;获得待检测焊缝底片的焊缝图像纹理特征数据;根据所述待检测焊缝底片的焊缝图像纹理特征数据与所述识别模型,计算获得待检测焊缝底片的缺陷类别。
【技术特征摘要】
1.一种焊缝底片缺陷识别方法,其特征在于,所述方法包含:通过射线成像技术获得焊缝的焊缝底片;利用图像识别技术获取焊缝底片的焊缝图像纹理特征数据;根据所述焊缝图像纹理特征数据与焊缝底片的缺陷类别通过机器学习算法建立识别模型;获得待检测焊缝底片的焊缝图像纹理特征数据;根据所述待检测焊缝底片的焊缝图像纹理特征数据与所述识别模型,计算获得待检测焊缝底片的缺陷类别。2.根据权利要求1所述的焊缝底片缺陷识别方法,其特征在于,所述利用图像识别技术获取焊缝底片的焊缝图像纹理特征数据包含:利用图像识别技术获取焊缝底片的大小信息、符号信息以及中心区域信息,根据所述大小信息、所述符号信息以及所述中心区域信息获得焊缝底片的焊缝图像纹理特征数据。3.根据权利要求2所述的焊缝底片缺陷识别方法,其特征在于,利用图像识别技术获取焊缝底片的大小信息包含:通过以下公式计算获得焊缝底片的大小信息;在上式中,a,b为自定义常量,TH为预定阈值,p为像素点个数。4.根据权利要求2所述的焊缝底片缺陷识别方法,其特征在于,利用图像识别技术获取焊缝底片的符号信息包含:通过以下公式计算获得焊缝底片的符号信息;在上式中,CLTP_S*为符号信息,TH为预定阈值,p为像素点个数。5.根据权利要求2所述的焊缝底片缺陷识别方法,其特征在于,利用图像识别技术获取焊缝底片的中心区域信息包含:通过以下公式计算获得焊缝底片的中心区域信息;在上式中,CLTP_C*为中心区域信息,TH1为图像像素均值。6.根据权利要求1所述的焊缝底片缺陷识别方法,其特征在于,根据所述焊缝图像纹理特征数据与焊缝底片的缺陷类别通过机器学习算法建立...
【专利技术属性】
技术研发人员:董绍华,谢书懿,孙玄,张河苇,张来斌,
申请(专利权)人:中国石油大学北京,
类型:发明
国别省市:北京,11
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。