[发明专利]用于工业射线焊缝图像的缺陷检测方法

说明书

本发明公开了一种用于工业射线焊缝图像的缺陷检测方法，本方法将若干焊缝图像数据进行预处理，然后做傅里叶变换获得其幅度谱，取幅度谱第一象限作为图像特征数据；对图像特征数据作出标记并划分为训练集矩阵和测试集矩阵输入支持向量机的分类器中，通过对分类器训练和测试得到分类器对焊缝缺陷识别的准确率；拍摄实际焊缝，对该焊缝图像数据进行预处理并做傅立叶变换获得其幅度谱，取幅度谱第一象限作为图像特征数据；将该图像特征数据输入分类器，分类器对焊缝缺陷进行识别，如识别概率≥分类器焊缝缺陷识别概率，判断该焊缝存在缺陷，否则该焊缝正常。本方法提高焊缝缺陷检测准确性，降低检测成本，适应能力强，适用于大多焊缝图像检测分析。

技术领域

本发明涉及一种用于工业射线焊缝图像的缺陷检测方法。

背景技术

在工业生产中，由于焊接过程中可能出现的各种问题，会导致焊缝中含有气孔、夹渣等各种缺陷，影响产品的质量，因此焊缝图像的缺陷检测显得尤为非常重要。传统的工业射线焊缝图像通常由人工看片进行缺陷检测，其准确度因人而异，视经验而定，且人工工作量大，人力成本高，存在缺陷漏检的可能；因此焊缝图像实现自动化检测对生产的标准化和规范化都具有重要的意义。目前也存在一些用于工业射线焊缝图像的自动识别与分类方法，如焊接学报第31卷第11期发表的“基于X射线数字化图像处理的双面焊焊缝缺陷检测”中对双面焊的焊缝缺陷进行了分析, 实现了对细长缺陷和非细长缺陷的自动检测。该方法分别采用中值滤波和均值滤波模板对焊缝的边缘区与非边缘区进行预处理，通过改变传统霍夫变换累积数组的累计方式，提出了基于逐列自适应阈值分割算法提取细长缺陷；但采用阈值分割方法存在适应性不强的问题。Hassan 在2005年Frontiers of InformationTechnology,10th International Conference上提出的”Welding defect detection andclassification using geometric features”中，首先采用高频增强滤波的方法来改善图像的对比度，接着采用Canny算子和Sauvola阈值分割方法提取焊缝区域，最后根据缺陷的几何特征提取焊接缺陷，实验结果表明该方法能对焊接缺陷进行有效的划分，特别是低对比度的焊缝图像缺陷识别的效果较好。但是通常所需检测的焊缝图像对比度相对较高，且亮度分布不适合采用阈值分割的方法。

发明内容

本发明所要解决的技术问题是提供一种用于工业射线焊缝图像的缺陷检测方法，本方法克服了传统人工及自动焊缝图像识别的缺陷，有效提高焊缝缺陷检测的准确性，降低检测成本，并且本方法的适应能力强，适用于大多焊缝图像的检测分析。

为解决上述技术问题，本发明用于工业射线焊缝图像的缺陷检测方法包括如下步骤：

步骤一、选取若干由X射线机拍摄的焊缝图像数据，对焊缝图像数据进行包括图像裁剪和尺寸归一化的预处理；

步骤二、对预处理后的焊缝图像数据做傅里叶变换获得其幅度谱，取傅里叶变换幅度谱第一象限部分作为图像特征数据；

步骤三、对图像特征数据分别作出缺陷图像标记和正常图像标记并且构成全部样本，从全部样本中随机选取一部分构成训练集矩阵，其余的构成测试集矩阵；

步骤四、将训练集矩阵输入支持向量机算法并通过训练得到焊缝缺陷分类器，利用测试集矩阵验证分类器性能，通过调整训练集矩阵与测试集矩阵在全部样本中的比例，得到焊缝缺陷识别准确率最优的分类器用于之后的图像自动分类，并且设定分类器对于焊缝缺陷识别的概率值；

步骤五、采用X射线机拍摄实际焊缝，得到该实际焊缝图像数据，对该实际焊缝图像数据进行包括图像裁剪和尺寸归一化的预处理，

步骤六、将预处理后的该实际焊缝图像数据进行傅立叶变换获得其幅度谱，取傅里叶变换幅度谱第一象限部分作为图像特征数据；