10.16208/j.issn1000-7024.2016.07.040
梅尔频率倒谱耦合神经网络的焊接缺陷检测
当前焊接图像缺陷检测技术因依赖焊接几何特征缺陷,对微小缺陷中黑暗边缘的噪声较为敏感,导致其定位精度不佳,为此提出一种梅尔频率倒谱耦合神经网络特征匹配的焊接缺陷检测算法。利用 DCT (discrete cosine transform)与Zigzag机制,将焊接图像排列成1 D信号数组;将1 D信号分割为多个帧,构造窗口函数,增强相邻帧之间的连续性,引入倒谱技术,查询1D信号的稳定特性,提取其梅尔频率倒谱系数;定义两个正交多项式,建立多项式系数计算模型,提取多项式系数。基于神经网络训练,对提取特征与数据库特征进行匹配,完成缺陷检测。实验结果表明,与当前焊接缺陷检测技术相比,该算法的定位精度高达90%,鲁棒性更强,不受噪声影响。
焊接图像、缺陷检测、梅尔频率倒谱、神经网络、窗口函数、多项式系数
37
TP391(计算技术、计算机技术)
国家863高技术研究发展计划基金项目2014AA051901;国家自然科学基金项目51377111
2016-08-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
1911-1915