[发明专利]一种焊缝X射线图像缺陷检测与识别方法和装置

摘要

本发明提供了一种焊缝X射线图像缺陷检测与识别方法和装置，包括视觉扫描、中央-周边差运算、灰度显著图获取、注意焦点搜索、可疑区域确定的步骤；采取深度学习将可疑区域的像素灰度信号直接通过已训练的层状网络深度模型，获取可疑缺陷区域的本质特征直接进行识别。本发明按照视觉显著性由强到弱的顺序串行选择和识别图像目标，提高了图像分析与识别的效率和准确性、适应性强、通用性好。

主权项

一种焊缝X射线图像的识别方法，其特征在于，包括：步骤一：对灰度焊缝图像进行逐线视觉扫描，搜索各扫描线的中央点，通过中央‑周边差运算，获得焊缝图像的显著图和注意焦点；步骤二：根据自适应梯度阈值计算方法，利用自适应中央‑周边差阈值和各注意焦点的显著性强度，确定可疑缺陷区域；步骤三：基于卷积神经网络的构造深度学习网络，从初始卷积网络开始，利用预设网络自生长规则进行生长，直到识别能力和检测效率都达到预设期望值；步骤四：基于上述深度学习网络，将可疑区域的像素灰度信号输入已训练的卷积神经网络深度模型，获取可疑缺陷区域的深度学习本质特征，从而识别出焊缝缺陷。