焊縫圖像識別與智能檢測

第1 章 焊縫無損檢測常用方法 1
1.1 超聲檢測 1
1.1.1 超聲檢測的特性 2
1.1.2 超聲檢測的分類 3
1.1.3 超聲檢測的方法 3
1.1.4 檢測掃查方式 6
1.1.5 檢測面的選擇及檢測等級 7
1.1.6 缺陷的測量 9
1.2 結(jié)構(gòu)光檢測 9
1.2.1 激光三角法測量原理 10
1.2.2 結(jié)構(gòu)光檢測法在焊接方面的應(yīng)用 10
1.3 射線探傷 12
1.3.1 X 射線探傷 13
1.3.2 γ 射線探傷 16
1.4 磁粉檢測 16
1.5 渦流檢測 19
1.5.1 渦流檢測原理 19
1.5.2 渦流檢測線圈分類 20
1.5.3 渦流檢測對象 20
1.5.4 渦流檢測的特點(diǎn) 22
1.6 滲透探傷 24
1.7 視覺圖像識別 26
參考文獻(xiàn) 28

第2 章 焊縫數(shù)字圖像常用處理方法 31
2.1 灰度化 31
2.1.1 灰度線性變換 32
2.1.2 非線性變換 34
2.2 圖像濾波 35
2.2.1 空域?yàn)V波 35
2.2.2 頻域?yàn)V波 37
2.3 數(shù)學(xué)形態(tài)學(xué)及其應(yīng)用 41
2.3.1 基本符號和定義 42
2.3.2 二值圖像形態(tài)學(xué)處理 44
2.3.3 灰度圖像形態(tài)學(xué)處理 48
2.4 圖像二值化 50
參考文獻(xiàn) 52

第3 章 焊縫圖像識別常用智能算法 53
3.1 BP 神經(jīng)網(wǎng)絡(luò) 53
3.1.1 網(wǎng)絡(luò)模型 53
3.1.2 激活函數(shù) 54
3.1.3 網(wǎng)絡(luò)模型訓(xùn)練 55
3.1.4 BP 神經(jīng)網(wǎng)絡(luò)的特點(diǎn) 55
3.2 支持向量機(jī)（SVM） 57
3.2.1 支持向量機(jī)原理 57
3.2.2 SVM 軟間隔 59
3.2.3 SVM 核函數(shù) 59
3.2.4 SVM 算法的特點(diǎn) 60
3.3 人工免疫算法 61
3.3.1 人工免疫算法的原理 61
3.3.2 人工免疫算法的特點(diǎn) 64
3.4 深度卷積神經(jīng)網(wǎng)絡(luò) 64
3.4.1 深度學(xué)習(xí)的發(fā)展及應(yīng)用 64
3.4.2 深度學(xué)習(xí)算法的原理 66
3.4.3 深度學(xué)習(xí)算法的特點(diǎn) 68
參考文獻(xiàn) 69

第4 章 GMAW 焊接熔池CCD 圖像采集 71
4.1 機(jī)器人焊接工作站 71
4.2 熔池圖像傳感設(shè)計 73
4.2.1 成像原理及器件參數(shù)分析 73
4.2.2 圖像數(shù)據(jù)信號傳輸接口協(xié)議 75
4.2.3 工業(yè)鏡頭參數(shù)分析與選型 76
4.2.4 傳感觸發(fā)電路 76
4.2.5 濾光系統(tǒng) 77
4.3 熔池圖像采集 77
參考文獻(xiàn) 79

第5 章 GMAW 熔池CCD 圖像智能識別 80
5.1 焊接熔池圖像智能識別的研究進(jìn)展 80
5.2 熔池圖像特征提取及檢測 81
5.2.1 熔池輪廓提取 81
5.2.2 熔池圖像特征選取 83
5.2.3 基于熔池圖像的焊偏檢測 84
5.2.4 基于熔池圖像的焊接錯邊檢測 87
5.2.5 基于熔池圖像的熔透狀態(tài)檢測 88
5.3 基于BP 神經(jīng)網(wǎng)絡(luò)的GMAW 焊縫成形預(yù)測 92
5.3.1 BP 神經(jīng)網(wǎng)絡(luò)選型 92
5.3.2 焊縫成形預(yù)測與結(jié)果分析 93
5.4 基于深度卷積神經(jīng)網(wǎng)絡(luò)的焊接熔池CCD 圖像智能識別 95
5.4.1 算法模型 95
5.4.2 模型優(yōu)化 96
5.4.3 熔池形態(tài)識別試驗(yàn)結(jié)果分析 96
5.4.4 遷移學(xué)習(xí)和圖像關(guān)鍵區(qū)識別 98
5.4.5 算法性能比較分析 99
5.4.6 特征可視化分析 100
參考文獻(xiàn) 102

第6 章 成形焊縫表面激光條紋圖像采集 103
6.1 焊縫表面形態(tài)智能識別與檢測研究進(jìn)展 103
6.2 激光條紋圖像采集硬件設(shè)計 105
6.2.1 圖像采集系統(tǒng)硬件結(jié)構(gòu) 105
6.2.2 激光視覺傳感設(shè)計 106
6.3 圖像標(biāo)定和坐標(biāo)轉(zhuǎn)換 109
6.3.1 視覺系統(tǒng)坐標(biāo)系 109
6.3.2 相機(jī)參數(shù)的標(biāo)定 113
6.3.3 視覺傳感參數(shù)標(biāo)定 113
6.4 焊縫表面激光條紋圖像采集軟件設(shè)計 116
6.5 焊縫表面圖像采集結(jié)果分析 119
參考文獻(xiàn) 120

第7 章 成形焊縫表面質(zhì)量智能檢測 122
7.1 焊縫圖像預(yù)處理 122
7.1.1 圖像灰度化 123
7.1.2 濾波降噪 124
7.1.3 圖像二值化 125
7.1.4 圖像連通性處理 127
7.1.5 圖像關(guān)鍵區(qū)域提取 128
7.2 激光條紋圖像中心線提取 129
7.3 激光條紋關(guān)鍵點(diǎn)提取 135
7.4 焊縫表面成形質(zhì)量智能檢測及結(jié)果分析 137
參考文獻(xiàn) 139

第8 章 焊縫內(nèi)部缺陷射線圖像采集 140
8.1 焊縫內(nèi)部缺陷射線圖像的智能識別研究進(jìn)展 140
8.2 焊縫射線探傷標(biāo)準(zhǔn) 143
8.3 焊縫內(nèi)部缺陷射線圖像采集 144
8.4 焊縫內(nèi)部缺陷射線圖像數(shù)據(jù)庫設(shè)計 146
參考文獻(xiàn) 147

第9 章 焊縫內(nèi)部射線圖像智能識別 150
9.1 基于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的焊縫內(nèi)部射線圖像智能識別 150
9.1.1 焊接接頭缺陷特征的形狀描述 150
9.1.2 免疫優(yōu)化支持向量機(jī)算法 150
9.1.3 實(shí)驗(yàn)及結(jié)果分析 153
9.2 基于深度卷積神經(jīng)網(wǎng)絡(luò)的焊縫內(nèi)部射線圖像智能識別 157
9.2.1 識別算法選型 157
9.2.2 識別模型設(shè)計 158
9.2.3 識別流程設(shè)計 163
9.2.4 模型驗(yàn)證和結(jié)果分析 166
參考文獻(xiàn) 170