基于主成分分析的焊縫缺陷識別算法研究研究.pdf

1、焊縫缺陷的識別是檢測焊件質量的關鍵環(huán)節(jié)，有效地檢測出焊縫缺陷保證焊縫的質量，對于安全生產具有十分重大的意義。傳統(tǒng)的缺陷檢測，主要依靠人工評片，該方法主觀性強，受檢測人員的專業(yè)素質影響較大，自動化水平低，易產生較多的誤判和漏判；隨著計算機技術以及電子技術的迅速發(fā)展，使得基于圖像處理的計算機輔助評片技術成為可能，計算機評片技術則大大減輕了評片人員的工作量，提高了工作效率，使評片過程更加科學和規(guī)范,但是，由于焊縫圖像在輸入計算機時噪聲過多、缺

2、陷邊緣模糊和對比度低等缺點，給缺陷信息的正確提取、分割和識別帶來了很大的困難。
　　研究以埋弧焊焊縫的X射線檢測圖像為對象，針對焊縫區(qū)域中可能存在的氣孔、裂紋等缺陷，通過圖像處理、特征提取和神經網(wǎng)絡識別完成了焊縫缺陷識別。首先，通過圖像去噪、圖像增強、圖像分割和圖像邊緣檢測算法在整幅圖像中找到焊縫邊界。其次通過分析行列灰度曲線的分布情況對焊縫缺陷的位置進行定位。再次，采用7類幾何特征和形狀特征對缺陷進行描述，建立相應的特征描述向量

3、，并采用主成分分析（Principal Component Analysis,PCA）和核主成分分析（Kernel Principal Component Analysis，KPCA）方法對其進行主元分析。最后，分別以原始數(shù)據(jù)和得到的主元特征量為系統(tǒng)輸入，針對氣孔和裂紋2類缺陷,研究了基于神經網(wǎng)絡的焊縫缺陷識別算法。研究表明，對特征選擇后的數(shù)據(jù)利用主成分分析和核主成分分析進行特征提取，可將數(shù)據(jù)投影到一個更低維的特征空間，實現(xiàn)分類器性能的