基于主成分分析的焊缝缺陷识别算法研究研究

摘要

焊缝缺陷的识别是检测焊件质量的关键环节，有效地检测出焊缝缺陷保证焊缝的质量，对于安全生产具有十分重大的意义。传统的缺陷检测，主要依靠人工评片，该方法主观性强，受检测人员的专业素质影响较大，自动化水平低，易产生较多的误判和漏判；随着计算机技术以及电子技术的迅速发展，使得基于图像处理的计算机辅助评片技术成为可能，计算机评片技术则大大减轻了评片人员的工作量，提高了工作效率，使评片过程更加科学和规范,但是，由于焊缝图像在输入计算机时噪声过多、缺陷边缘模糊和对比度低等缺点，给缺陷信息的正确提取、分割和识别带来了很大的困难。
　　研究以埋弧焊焊缝的X射线检测图像为对象，针对焊缝区域中可能存在的气孔、裂纹等缺陷，通过图像处理、特征提取和神经网络识别完成了焊缝缺陷识别。首先，通过图像去噪、图像增强、图像分割和图像边缘检测算法在整幅图像中找到焊缝边界。其次通过分析行列灰度曲线的分布情况对焊缝缺陷的位置进行定位。再次，采用7类几何特征和形状特征对缺陷进行描述，建立相应的特征描述向量，并采用主成分分析（Principal Component Analysis,PCA）和核主成分分析（Kernel Principal Component Analysis，KPCA）方法对其进行主元分析。最后，分别以原始数据和得到的主元特征量为系统输入，针对气孔和裂纹2类缺陷,研究了基于神经网络的焊缝缺陷识别算法。研究表明，对特征选择后的数据利用主成分分析和核主成分分析进行特征提取，可将数据投影到一个更低维的特征空间，实现分类器性能的提高。仿真结果，在对数据进行特征提取的能力上，核主成分分析提取的主元比主成分分析提取的主元减少1个，显示核主成分分析优于主成分分析；在对焊缝缺陷识别的效果上，RBF神经网络的分类正确率比BP神经网络高于0.72个百分点，显示RBF神经网络优于BP神经网络。

目录

声明

第一章 绪论

1.1 研究背景

1.2 国内外研究现状

1.3 研究的目的与意义

1.4 课题来源

1.5 研究的内容及技术路线

1.6 本章小结

第二章 图像处理的基础理论

2.1 图像处理技术

2.2 相关理论研究

2.3 本章小结

第三章 埋弧焊焊缝缺陷图像的采集与处理

3.1 X射线焊缝缺陷图像采集系统的建立

3.2 焊缝图像处理系统

3.3 本章小结

第四章 特征参数的选取与分析

4.1 焊缝缺陷种类及其特点

4.2 建立缺陷的特征参数

4.3 特征参数的处理

4.4 特征参数的主成分分析和核主成分分析的对比

4.5 本章小结

第五章 基于神经网络的焊缝缺陷识别研究

5.1 神经网络特征和缺陷识别原理

5.2 神经网络模型的对比

5.3 实验对比分析

5.4 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

攻读硕士学位期间发表的论文