基于Mask R-CNN模型的一种射线缺陷检测方法技术

一种用于焊缝缺陷检测的方法，包括以下步骤：A1、获取多个不同焊缝的X射线图像；A2、对每张图像使用标注软件进行数据标注；A3、基于TensorFLow框架搭建Mark R‑CNN模型；A4、将标记后的图像作为训练集对Mask R‑CNN模型进行不少于30批次的训练，得到训练好的Mask R‑CNN模型；A5、将一张新的焊缝X射线图片作为输入，输入到训练好的Mask R‑CNN模型，获得焊缝缺陷检测的结果。

【技术实现步骤摘要】
基于MaskR-CNN模型的一种射线缺陷检测方法
本专利技术涉及一种缺陷检测方法，尤其是基于MaskR-CNN模型的射线缺陷检测。
技术介绍
焊接技术是工业产品制造和加工过程中一种常用的技术手段。由于焊接过程中存在着机器焊接误差等不确定因素，焊缝连接处容易出现裂纹、气孔、夹渣等缺陷，这些缺陷将直接影响焊接产品的质量以及使用寿命。因此，对焊缝缺陷进行有效的无损检测对保障产品质量和提高生产效率有着重大的意义。而在目前的无损检测技术中，射线检测是工业无损检测的主要方法之一，其检测结果已作为焊缝缺陷分析和质量评价的重要判定依据。射线检测的关键技术是图像处理技术，利用射线穿透物体，与其内部物质发生相互作用，并根据吸收和散射将使射线强度减弱的特点得到对应强度的胶片。通过把胶片放在适当位置使其在透过射线的作用下感光暗室处理，得到底片，由专业检测人员根据行业标准并结合经验判断存在的缺陷类别以及可能性。张晓光等采用列灰度波形分析法确定了焊缝边界和缺陷所在的局部区域，并通过分水岭算法和Beamlet变换实现缺陷的检测提取。周正干等根据图像不同区域灰本文档来自技高网...

【技术保护点】
1.一种用于焊缝缺陷检测的方法，其特征在于，包括以下步骤：/nA1、获取多个不同焊缝的X射线图像；/nA2、对每张图像使用标注软件进行数据标注；/nA3、基于TensorFLow框架搭建Mark R-CNN模型；/nA4、将标记后的图像作为训练集对Mask R-CNN模型进行不少于30批次的训练，得到训练好的Mask R-CNN模型；/nA5、将一张新的焊缝X射线图片作为输入，输入到训练好的Mask R-CNN模型，获得焊缝缺陷检测的结果。/n

【技术特征摘要】
1.一种用于焊缝缺陷检测的方法，其特征在于，包括以下步骤：
A1、获取多个不同焊缝的X射线图像；
A2、对每张图像使用标注软件进行数据标注；
A3、基于TensorFLow框架搭建MarkR-CNN模型；
A4、将标记后的图像作为训练集对MaskR-CNN模型进行不少于30批次的训练，得到训练好的MaskR-CNN模型；
A5、将一张新的焊缝X射线图片作为输入，输入到训练好的MaskR-CNN模型，获得焊缝缺陷检测的结果。


2.权利要求1所述的用于检测焊缝缺陷的方法，其特征在于，步骤A1中，所获X射线图像，单张图像长宽均在100像素以上。


3.权利要求1所述的用于检测焊缝缺陷的方法，其特征在于，步骤A2中，通过标注软件所进行的数据标注，标注方式为沿着缺陷边界进行标注，单个缺陷不少于10个标注点，对每一类缺陷标记出不少于25个缺陷。


4.权利要求1所述的用于检测焊缝缺陷的方法，其特征在于，步骤A3中，训练集的样本数量不少于50张权利要求3所述的图片。


5.权利要求1所述的用于检测焊缝缺陷的方法，其特征在于，步骤A4中，MaskR-CNN模型训练过程具体如下：
B1、基于大型数据集COCO预训练得到的权重，作为MarkR-CNN模型的初始网络权重；
B2、将训练集输入主干网络中获得对应特征图；
B3、将特征图中的每一个像素点按不...

【专利技术属性】
技术研发人员：林智聪，张晋泰，刘宏烨，
申请(专利权)人：林智聪，张晋泰，刘宏烨，
类型：发明
国别省市：广东;44