一种射线工业底片焊缝缺陷智能检测方法技术

本发明专利技术提供一种射线工业底片焊缝缺陷智能检测方法，涉及射线工业底片焊缝缺陷检测技术领域。该方法用两种数据预处理方式实现缺陷与背景的对比度增强，使缺陷特征更加明显。利用迭代检测与集成学习的思想，检测器对不同数据的检测效果不同，当该数据缺陷没有被检测器检测到时，用另外一组数据的检测结果去补充，以此得到一个更好更全面的检测模型。具体的检测过程为先迭代再集成；迭代时将前一次的检测结果采用三次样条插值方式将缺陷消除后重新放入检测器，每迭代一次将增强检测器对下一轮缺陷的感知。然后将两种处理方式迭代后的检测结果集成，运用非极大值抑制算法去除重叠的目标。最后再针对根部未熔合缺陷及夹层未熔合缺陷进行进一步检测。

【技术实现步骤摘要】
一种射线工业底片焊缝缺陷智能检测方法
本专利技术涉及射线工业底片焊接缺陷检测
，尤其涉及一种射线工业底片焊缝缺陷智能检测方法。
技术介绍
焊接技术在工业应用十分广泛，被广泛的应用到航空航天，机械制造等领域。由于不同焊接人员技术水平的不同，在实际对目标进行焊接时会不可避免的出现一些圆孔型、长条形、未熔合、未焊透、裂纹、烧穿、内凹等七种类型缺陷。为了保证焊接工程质量，避免由于未能及时检测出焊接区域缺陷，而给环境、经济和安全造成巨大损失，必须严格按照焊接标准对焊缝进行缺陷检测。X射线探伤是工业无损检测的主要方法，其检测结果已经作为焊缝缺陷分析和质量评定的重要判据。目前的检测手段主要以人工检查X射线缺陷图像为主，但是往往存在很多缺点，比如检测人员专业素质、技能经验等不同对质量的检测标准会造成很多偏差，其次检验人员很难对缺陷进行定量的判断，无法定量分析检出率、精度等标准。最后这种检测方式效率低下并且需要耗费大量的专业技术人员，因此综合几种因素人工视觉检测已经越来越不能满足当今时代工业领域的需要。目前以图像处理技术为基础的机器视觉技术恰好可以本文档来自技高网...

【技术保护点】
1.一种射线工业底片焊缝缺陷智能检测方法，其特征在于：包括以下步骤：/n步骤1：依据光电技术和数字处理技术将焊缝信息转换成数字信号，由X射线扫描得到原始焊缝缺陷图像，并对原始焊缝缺陷图像数据进行标注制作训练数据集；/n步骤2：利用改进的Retinex理论与小波去噪结合的方式对训练数据集中的原始焊缝缺陷图像进行第一种图像预处理，实现对原始焊缝缺陷图像的增强去噪处理，得到增强的焊缝缺陷图像；/n步骤3：采用频域滤波方法对图像进行增强，并与小波去噪图像相融合，对训练数据集中的原始焊缝缺陷图像进行第二种图像预处理，得到融合的焊缝缺陷图像；/n步骤4：将经过步骤2和步骤3预处理后的焊缝缺陷图像均送入到F...

【技术特征摘要】
1.一种射线工业底片焊缝缺陷智能检测方法，其特征在于：包括以下步骤：
步骤1：依据光电技术和数字处理技术将焊缝信息转换成数字信号，由X射线扫描得到原始焊缝缺陷图像，并对原始焊缝缺陷图像数据进行标注制作训练数据集；
步骤2：利用改进的Retinex理论与小波去噪结合的方式对训练数据集中的原始焊缝缺陷图像进行第一种图像预处理，实现对原始焊缝缺陷图像的增强去噪处理，得到增强的焊缝缺陷图像；
步骤3：采用频域滤波方法对图像进行增强，并与小波去噪图像相融合，对训练数据集中的原始焊缝缺陷图像进行第二种图像预处理，得到融合的焊缝缺陷图像；
步骤4：将经过步骤2和步骤3预处理后的焊缝缺陷图像均送入到Faster-RCNN检测器中，得到两个焊缝缺陷检测模型；
步骤5：通过两个焊缝缺陷检测模型对待检测焊缝缺陷图像进行目标缺陷区域的初步检测，并采用迭代检测方法对缺陷进一步检测，得到待检测焊缝缺陷图像的全体目标缺陷区域的集合；
步骤5-1：将待检测缺陷焊缝图像输入两个焊缝缺陷检测模型中，得到并保存焊缝缺陷图像目标区域的两种初步缺陷检测结果；
步骤5-2：使用三次样条插值函数对两个焊缝缺陷检测模型初步检测得到的待检测焊缝缺陷图像目标缺陷区域中的像素点值进行逐行插值消除检测到的缺陷，并分别重构图像；
步骤5-3：将重构后的两个图像对应输入到两个焊缝缺陷检测模型中进行进一步检测并保存检测结果，再通过三次样条插值函数消除检测到的缺陷后再次分别重构图像；
步骤5-4：重复执行步骤5-3K次，并将K次的检测结果进行合并，得到K次迭代后待检测焊缝缺陷图像的目标缺陷区域的两个集合，如下公式所示：






其中，LOC1、LOC2分别为通过两个焊缝缺陷检测模型及迭代检测得到的待检测焊缝缺陷图像的目标缺陷区域的集合，N为输入到两个焊缝缺陷检测模型的待检测焊缝缺陷图像的个数，n′和m′分别为两个焊缝缺陷检测模型对每张图像检测出的目标缺陷区域的个数，j代表迭代检测的次数，F(xij)代表数据为第i张图像第j次插值得到的重构图像，H1()、H2()分别表示第一种图像预处理方式和第二种图像预处理方式对应的焊缝缺陷检测模型，loc1ki,soc1ki分别表示第一种图像预处理方式对应的焊缝缺陷检测模型及迭代检测所得到的目标缺陷区域的位置和该位置对应的置信度，loc2ki,soc2ki分别表示第二种图像预处理方式对应的焊缝缺陷检测模型及迭代检测所得到的目标缺陷区域的位置和该位置对应的置信度；
步骤6：将步骤5-3中通过两个焊缝缺陷检测模型及迭代检测得到的待检测焊缝缺陷图像的全体目标缺陷区域的集合LOC1、LOC2中的目标缺陷区域进行集成，并去掉重叠区域，得到每种缺陷的精确检测结果；
步骤6-1:将焊缝缺陷类型标号为1、2、…、M，则待检测焊缝缺陷图像的全体目标缺陷区域的集合LOC1、LOC2按照缺陷类别表示为：






将上述两个式子进行集成得到待检测焊缝缺陷图像的全体目标缺陷区域集合：



其中，loc,soc分别表示目标缺陷区域的位置以及位置所对应的置信度；
步骤6-2：根据步骤6-1得到的待检测焊缝缺陷图像目标缺陷区域的集合LOC，依次遍历该集合中的所有目标缺陷区域，选取置信度最大的一个目标缺陷区域作为基准缺陷区域；
步骤6-3：将步骤6-2基准缺陷区域依次与待检测焊缝缺陷图像的全体目标缺陷区域集合中的其他目标缺陷区域进行重复度IOU的比较，如果重复度IOU大于阈值0.5，将该目标缺陷区域删除，反之将其保留，然后按照6-2中步骤对其余的目标缺陷区域进行下一个基准缺陷区域的确定；
步骤6-4：重复执行步骤6-2和步骤6-3，直到将待检测焊缝缺陷图像的全体目标缺陷区域集合中最后一个目标缺陷区域遍历完毕，得到去除重叠目标缺陷区域后的焊缝目标缺陷区域集合LOC′；
步骤6-5：为每种缺陷类型设置置信度阈值，并将去除重叠目标缺陷区域后的焊缝目标缺陷区域集合LOC′中各目标缺陷区域的置信度值与该缺陷区域所属缺陷类别对应的置信度阈值进行比较，如果小于置信度阈值则去除该目标缺陷区域，否则保留该目标缺陷区域，最后得到焊缝目标缺陷区域集合LOC″；
步骤7：对待检测的焊缝缺陷图像进行根部未熔合缺陷及夹层未熔合缺陷的检测，完成对焊缝缺陷图像的检测；
步骤7-1：根据已有焊缝缺陷样本数据对焊缝缺陷图像的根部熔合线区域进行标记，并根据步骤4方法，得到熔合线检测模型；
步骤7-2:将待检测的N张焊缝缺陷图像输入到熔合线检测模型，对两条根部熔合线进行定位，得到两条根部熔合线间的区域Ω，如下公式所示：



其中，H(xi)为熔合线检测模型，F(xi)输入到熔合线检测模型的第i张的焊缝缺陷图像；
步骤7-3：将焊缝目标缺陷区域集合LOC″中所有的未熔合目标缺陷区域逐一与两条根部熔合线间的区域Ω进行比较，若未熔合目标缺陷区域在两条根部熔合线间的区域Ω内，则该未熔合目标缺陷区域为根部未熔合缺陷区域，否则该区域为夹层未熔合缺陷区域，进而得到根部未熔合缺陷区域集合LOClfr和夹层未熔合缺陷区域集合LOClfi；
最后得到所有焊缝缺陷的精确位置集合其中，LOCC为第C种缺陷类型的最终目标缺陷区域的集合。


2.根据权利要求1所述的一种射线工业底片焊缝缺陷智能检测方法，其特征在于：所述步骤2的具体方法为：
步骤2-1：使用小波变换对原始焊缝缺陷图像F(x,y)进行二维小波分解，得到低频信息图像Fl(x,y)和高频信息图像Fh(x,y)，其中，(x,y)为图像的像素点坐标；
步骤2-2：对高频信息图像采用小波阈值去噪的方法进行降噪处理，得到降噪后的高频信息图像...

【专利技术属性】
技术研发人员：刘金海，左逢源，吕慧莹，张化光，汪刚，马大中，卢森骧，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21