论文部分内容阅读
焊缝缺陷识别是检测焊件质量的关键环节，有效地检测出焊缝缺陷保证焊缝的质量，对于安全生产具有十分重大的意义。焊缝缺陷识别率的高低直接关系到焊件质量的好坏及施工建设的安全性问题。目前，石油管道焊缝缺陷检测主要有以下三个方面问题：一、在检测管道焊缝缺陷方式上主要依靠人工检测，自动化程度不高，效率较低；二、在检测技术方面主要依靠专业技术员的经验，在焊缝底片检测时会伴有主观性，以及经验的不完善性、模糊性，容易造成评定结果不客观；三、焊缝缺陷影像在整个底片中所占的比例很小，容易造成漏检现象。针对焊缝缺陷识别不标准、不规范的情况，需要用更合理的方法去完成焊缝缺陷识别。针对传统人工检测的问题，本文主要从大庆油田实际情况出发，将模糊集与神经网络技术融入焊缝缺陷识别中，对焊缝缺陷识别进行深入研究，具体研究内容有以下几点：1.焊缝图像预处理操作是缺陷识别的基础，进行焊缝缺陷识别前需要进行图像的预处理。本文针对焊缝图像的特点，对图像的噪声进行分析，提出改进中值滤波方法对图像降噪处理，并用模糊增强方式增强图像中有用信息。2.研究焊缝缺陷灰度曲线的特点，本文通过分析行列灰度曲线的分布情况对焊缝缺陷的位置进行定位，提取缺陷的有效特征，并引用模糊理论对特征参数类别进行描述，作为缺陷识别的特征参数。3.针对焊缝缺陷特征固有的模糊性，研究基于模糊理论的神经网络模式识别算法，以模糊理论为基础建立网络的缺陷训练样本数据，代替传统的输入变量模式，提高网络的映射能力，结合实际情况，将其应用到焊缝缺陷识别中。4.根据本文的算法，开发出焊缝缺陷识别系统。系统的实际的应用情况表明，本文研究的基于模糊集和神经网络的焊缝缺陷识别方法容易操作、执行速度较快，能取得比较理想的效果。