基于支持向量机的焊缝缺陷类型识别研究

doi:10.16731/j.cnki.1671-3133.2017.10.020

现代制造工程 ›› 2017, Vol. 445 ›› Issue (10): 106-109.doi: 10.16731/j.cnki.1671-3133.2017.10.020

基于支持向量机的焊缝缺陷类型识别研究

李宁¹, 卢子广²

1 广西机电职业技术学院电气工程系,南宁 530007;
2 广西大学电气工程学院,南宁 530004

收稿日期:2016-08-26 出版日期:2017-10-20 发布日期:2018-01-08
作者简介:李宁,副教授,硕士,研究方向为焊缝跟踪系统、工业机器人控制。卢子广,教授,博士,研究方向为智能控制,无线传感器网络。 E-mail:li_ning_gxjd@sina.com;lu_ziguang@21cn.com
基金资助:
广西高等学校优秀中青年骨干教师培养工程资助项目

Type recognition of weld defects based on support vector machines

Li Ning¹, Lu Ziguang²

1 Department of Electrical Engineering,Guangxi Technological College of Machinery and Electricity,Nanning 530007,China;
2 College of Electrical Engineering,Guangxi University,Nanning 530004,China

Received:2016-08-26 Online:2017-10-20 Published:2018-01-08

摘要/Abstract

摘要： 针对焊缝的线形和圆形两种主要缺陷,提出了一种基于支持向量机的焊缝缺陷种类识别算法。首先,对焊缝X射线图像运用模糊C均值聚类、区域填充、均值滤波、边缘检测、大津阈值及谷发现图像预处理算法,获取焊缝缺陷的位置,然后通过逆表面阈值算法将缺陷从焊缝中分割出来;利用基于分段分形纹理分析算法提取焊缝缺陷的特征值;最后将特征值输入到基于支持向量机的焊缝缺陷分类器中,识别出焊缝缺陷种类。试验结果表明,通过对150张焊缝X射线图像进行训练,对80张焊缝X射线图像进行测试,平均正确识别焊缝缺陷种类的准确率达97.5%,满足工业要求。

关键词: 焊缝, 缺陷, 图像处理, 支持向量机

Abstract: For linear and circular two kinds of weld defects,proposed a method of weld defect type recognition algorithms based on Support Vector Machine (SVM).First of all,some image pre-processing algorithms such as fuzzy C means clustering,region filling algorithm,average filtering,edge detection,Otsu thresholding and inverse thresholding,to get the approximate location of weld defects.The information of the particular region will be extracted using segmentation based fractal texture analysis,SVM is used to classify the segmented defect as line or circular defects based on the extracted features lastly.The results showed that,the average accuracy rate is 97.5% for correcting identification of the type of weld defects,by 150 weld X-ray image is trained and 80 X-ray image weld test,which can meet industrial requirements.

Key words: weld, defect, image processing, Support Vector Machine(SVM)

中图分类号:

TP 391

李宁, 卢子广. 基于支持向量机的焊缝缺陷类型识别研究[J]. 现代制造工程, 2017, 445(10): 106-109.

Li Ning, Lu Ziguang. Type recognition of weld defects based on support vector machines[J]. Modern Manufacturing Engineering, 2017, 445(10): 106-109.

参考文献

[1] 高炜欣,胡玉衡,穆向阳,等.埋弧焊X射线焊缝图像缺陷分割检测技术[J].仪器仪表学报,2011,32(6):1215-1224.
[2] 邵家鑫,都东,石涵,等.基于厚壁工件X射线实时成像的焊缝缺陷自动检测[J].清华大学学报(自然科学版),2013,53(2):150-154.
[3] 高炜欣,胡玉衡,武晓萌,等.埋弧焊X射线焊缝缺陷图像分类算法研究[J].仪器仪表学报,2016,37(3):518-524.
[4] VALAVANIS I,KOSMOPOULOS D.Multiclass defect detection and classification in weld radiographic images using geometric and texture features[J].Expert Systems with Applications,2010,37(12):6706-7614.
[5] SENTHIL Kumar G,NATARAJAN U,ANANTHAN S S.Vision inspection system for the identification and classification of defects in MIG welding joints[J].International Journal of Advanced Manufacturing Technology,2011,61(9-12):923-933.
[6] MUHTADAN R,WIDYAWAN R H,Amhar F.Weld defect classification in radiographic film using statistical texture and support vector machine[J].Advanced Materials Research,2014,89(6):695-700.
[7] 杜秀丽,沈毅,王艳.基于时频判别特征的焊缝超声检测缺陷分类[J].焊接学报,2008,29(2):89-92.
[8] 张晓光,林家骏.X射线检测焊缝的图像处理与缺陷识别[J].华东理工大学学报(自然科学版),2004,30(2).
[9] AREE C,LURSINSAP S,SOPHATSATHIT C,et al.Fuzzy C-Mean:A statistical feature classification of text and image segmentation method.Proceeding of international conference on Intelligent technology,Thailand,Assumption University Bangkok,Thailand[C].[S.l.]:[s.n.],2000:279-284.
[10] GONZALEZ R C,WOODS R E.Digital Image Processing[M].New York:Prentice Hall,2000.
[11] YAZID H,AROF H,AHMAD S,et al Discontinuities detection in welded joints based on inverse surface thresholding[J].NDT & E International,2011(44):563-570.
[12] COSTA A F,HUMPIRE-Mamani G,TRAINA A J M.An efficient algorithm for fractal analysis of textures.25th international conference on graphics,patterns and images[C].[S.l.]:[s.n.],2012:39-46.
[13] VAPNIK V.Statistical learning theory[M].New York:Wiley&Sons,1998.

[1]	魏万珍，田建艳，姜茜，杨胜强，. 基于图像技术的零件表面粗糙度支持向量机检测模型[J]. 现代制造工程, 2022, 500(5): 100-109.
[2]	马宇超，付华良，吴鹏，陈信华，王鼎，陈帅，曹晨雨. 深度网络自适应优化的Mask R-CNN模型在铸件表面缺陷检测中的应用研究[J]. 现代制造工程, 2022, 499(4): 112-118.
[3]	仇娇慧，贝绍轶，尹明锋，卿宏军. 基于改进YOLOv5s的齿轮表面缺陷检测[J]. 现代制造工程, 2022, 498(3): 104-113.
[4]	李新良，蒋庆，党胜茂，曹松晓，徐志鹏. 基于线阵相机的微通道扁管表面缺陷检测系统[J]. 现代制造工程, 2022, 498(3): 114-121.
[5]	杨欣薇，朱松青，杨柳，高海涛，平冠群，李昌磊. 基于EMD-SVM的列车门系统承载传动机构故障诊断技术研究[J]. 现代制造工程, 2021, 492(9): 87-93.
[6]	杨宏帅，敖冰峰，庞继红. 提高激光制孔质量策略的研究进展[J]. 现代制造工程, 2021, 492(9): 152-161.
[7]	夏绪辉，周诚，王蕾，张泽琳，刘翔. 废旧零/部件批量表面失效形式识别与分类方法研究[J]. 现代制造工程, 2021, 491(8): 147-154.
[8]	易可夫，胡锦，崔凯阳，胡宏伟. 基于二次特征筛选的覆铜板表面缺陷检测[J]. 现代制造工程, 2021, 489(6): 95-100.
[9]	王少伟，徐锋，晁海涛，刘宇，左敦稳. 基于支持向量机的纺织热轧机故障分类的研究[J]. 现代制造工程, 2021, 489(6): 116-121.
[10]	王慧，王元刚，李晓鹏. 基于峰值电流与脉冲宽度的微细电极控形研究[J]. 现代制造工程, 2021, 488(5): 1-5.
[11]	高耀东，范要鹏. 基于时间反转法的管道焊缝区缺陷检测研究[J]. 现代制造工程, 2021, 487(4): 114-120.
[12]	杜雪雪，殷晨波，童欣，陈曦. 红外热成像技术在大型起重机械金属裂纹探伤中的应用[J]. 现代制造工程, 2021, 487(4): 121-125.
[13]	盛永健，黄子龙，刘晨，曹毅，张洪. 基于改进卷积神经网络的燃气调压器故障识别研究[J]. 现代制造工程, 2021, 487(4): 132-138.
[14]	李捷辉，贾奎，金炜凯，魏帅. 基于优化支持向量机的发动机故障预诊断[J]. 现代制造工程, 2021, 486(3): 127-131.
[15]	谢晖，吴先锋，付山，王伟龙. 基于Halcon的电表铭牌缺陷检测系统[J]. 现代制造工程, 2021, 485(2): 119-126.

基于支持向量机的焊缝缺陷类型识别研究

Type recognition of weld defects based on support vector machines

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics