【技术实现步骤摘要】
焊缝缺陷检测方法、系统、存储介质、计算机设备、终端
本专利技术属于图像检测
，尤其涉及一种焊缝缺陷检测方法、系统、存储介质、计算机设备、终端。
技术介绍
近几年来随着工业技术的发展，产品生产效率越来越高，由于环境和焊接工艺的影响，在工业生产过程中会出现各种各样的缺陷，比如夹钨、裂纹、气孔等，这些缺陷不仅影响产品的美观，更重要的是影响产品的使用寿命，甚至造成极其严重的后果。为确保焊缝质量，对焊缝的质量检测是必不可少的。在实际生产中由于焊接材料的多样性及焊缝缺陷的多样性，主要采用人工检测的方法来判断X射线成像的图像中是否存在缺陷。但人工检存在很大的局限性。不仅在检测速度上比较慢，更是由于人工检测通常是依靠主观意识来对产品进行缺陷有无的判断，导致产品检测结果不稳定，造成产品质量参差不齐。目前存在一些用于工业焊缝图像的自动识别与分类方法，如专利“一种基于深度学习的焊缝及焊缝缺陷检测方法”中直接定义深度学习网络自动对焊缝和缺陷进行特征提取及参数更新，实现了对多种缺陷的自动检测。该方法采用YOLOV3网络，利用定位框对焊缝...
【技术保护点】
1.一种焊缝缺陷检测方法，其特征在于，所述焊缝缺陷检测方法包括：/n第一步，对图片进行预处理；/n第二步，通过分析图片特点，提取预处理后的图片特征，并通过训练SVM分类器得到训练模型来判断缺陷的有无；/n第三步，基于canny算子的边缘检测方法检测出缺陷，并运用自适应阈值的方法对缺陷区域进行分割；/n第四步，对缺陷图片运用Seam-Carving算法进行非等比例变换，得到规格一致的图片；/n第五步，自定义卷积神经网络，通过输入缺陷图片，训练模型，并最终得到训练好的网络，用于缺陷识别。/n
【技术特征摘要】
1.一种焊缝缺陷检测方法，其特征在于，所述焊缝缺陷检测方法包括：
第一步，对图片进行预处理；
第二步，通过分析图片特点，提取预处理后的图片特征，并通过训练SVM分类器得到训练模型来判断缺陷的有无；
第三步，基于canny算子的边缘检测方法检测出缺陷，并运用自适应阈值的方法对缺陷区域进行分割；
第四步，对缺陷图片运用Seam-Carving算法进行非等比例变换，得到规格一致的图片；
第五步，自定义卷积神经网络，通过输入缺陷图片，训练模型，并最终得到训练好的网络，用于缺陷识别。
2.如权利要求1所述的焊缝缺陷检测方法，其特征在于，所述第一步还包括：将图片分为无缺陷、夹钨、裂纹、气孔四个文件夹，并分别设置测试数据集和训练数据集；
对训练数据集中的图片进行旋转、镜像、添加噪声、微变形处理，生成多幅类似图像；
把扩展后的训练数据集输入到图像预处理程序中，得到预处理后的训练数据集；
把预处理后的训练数据集进行特征提取，并把数据保存到.csv文件中，每张图片的特征数据为一行，.csv文件第一列为该图片的真实标签，第二至四列该图片的特征数据；
导入基本SVM模型，读取.csv文件，并进行训练，程序会自动划分训练集和测试集，并计算准确率，最终得到.m模型文件，此文件用于对有无缺陷进行划分。
3.如权利要求1所述的焊缝缺陷检测方法，其特征在于，所述第二步还包括：运行缺陷检测代码，运用边缘检测、自适应阈值算法和连续边缘检测算法可切割出缺陷区域，对缺陷图片进行分类和重命名，分为夹钨、裂纹、气孔三个文件夹，每个文件夹中的图片命名从1开始，同时划分训练数据集和测试数据集。
4.如权利要求1所述的焊缝缺陷检测方法，其特征在于，所述第三步还包括：运行图片尺寸归一化代码，对上一步骤得到的训练数据集和测试数据集图片进行处理，若图片尺寸任意一边大于60，先进行等比例变换，把图片较长的一遍缩小至50，然后再进行非等比例变换，把图片变为50*50大小；若图片尺寸任意一遍均小于60，则直接进行非等比例变换至50*50大小；命名及图片类型划分规则不变得到图片尺寸均为50*50的新的测试数据集和训练数据集。
5.如权利要求1所述的焊缝缺陷检测方法，其特征在于，所述第四步还包括：进行网络初始化，把上一步骤得到的训练数据集变成张量输入到已定义好的神经网络中，得到预测结果，网络自动进行迭代更新，直至达到训练次数或达到损失函数精度要求停止，并得到.meta模型文件；
得到的测试数据集变成张量输入到.meta模型文件中，计算分类准确率，如达到要...
【专利技术属性】
技术研发人员：李康，郭海涛，王攀龙，靳晓琦，周钰全，陆少强，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61
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。