基于X射线图像和卷积神经网络的石油钢管焊缝缺陷检测与识别
研究了基于X射线图像和卷积神经网络(CNN)的石油钢管焊缝缺陷检测与识别问题.首先采用数字图像处理技术拟合提取出焊缝区域,验证了咬边缺陷的存在不影响焊缝边缘的提取;针对常用阈值分割方法不适于小面积区域缺陷分割的局限,采用基于排序点的聚类算法(OPTICS)对区域内任意形状大小的缺陷和噪声干扰点进行分割,然后对缺陷、噪声和无缺陷的正常图像进行提取并进行数据增强及尺寸归一化操作,从而完成焊缝图像的预处理以构建出样本图库.最后采用CNN与Softmax分类器相结合的算法,以缺陷和噪声为输入样本训练CNN并进行了实际应用实验,实验结果验证了方法的有效性.
缺陷识别、边缘检测拟合、图像分割、深度学习、卷积神经网络
39
TH878;TP319
陕西省重点研发计划重点项目2018YFZDGY0084;陕西省现代装备绿色制造协同创新中心研究计划304-210891704;陕西省教育厅科学研究计划2017JS088;西安理工大学特色研究计划2016TS023
2019-05-13(万方平台首次上网日期,不代表论文的发表时间)
共10页
247-256