基于BP神經網絡的焊縫缺陷建模及其識別算法研究.pdf

1、全日制學術型碩士學位論文題目基于BP神經網絡的焊縫缺陷建模及其識別算法研究作者姓名黃曄導師姓名、職稱穆向陽教授學科(專業(yè))名稱檢測技術與自動化裝置提交論文日期2016年6月17日分類號TG445學號131030156密級中文摘要論文題目：基于論文題目：基于BP神經網絡的焊縫缺陷建模及其識別算法研究神經網絡的焊縫缺陷建模及其識別算法研究專業(yè)：檢測技術與自動化裝置業(yè)：檢測技術與自動化裝置碩士生：黃生：黃曄(簽名簽名)導師：穆向陽師：穆向陽(

2、簽名簽名)摘要由于油氣長輸管道用的埋弧焊焊縫內部所存在缺陷直接影響到管道的強度和使用壽命，嚴重時造成重大生產事故，因此檢測焊縫缺陷是保證管道安全運行的重要技術手段。近年來基于X射線的焊縫圖像檢測成為研究熱點，隨著機器視覺和人工智能技術的飛速發(fā)展，使得計算機自動識別焊縫缺陷有了長足的進步。BP神經網絡具有很強的適應性與魯棒性，在控制應用中更是體現(xiàn)出其無需數(shù)學建模只需在線或離線學習訓練的優(yōu)點，能夠對焊縫缺陷進行方便快速的識別，因此本文采用B

3、P（BackPropagation）神經網絡算法對焊縫缺陷進行建模及識別算法的研究。本文將埋弧焊管的焊縫X射線檢測圖像作為研究對象，針對可能存在于焊縫區(qū)域的裂紋、氣孔及缺陷噪聲，進行圖像預處理、特征描述、分類識別等處理步驟，從而完成X射線焊縫檢測圖像中缺陷的識別。首先對檢測圖像進行濾噪、圖像增強、大津（Ostu）分割方法及Sobel邊緣檢測等處理步驟，得到檢測圖像中焊縫的邊界，隨后運用Hough變換直線提取的方法獲得焊縫邊界直線的相關信

4、息。在圖像增強處理部分提出一種基于Hopfield神經網絡的焊縫圖像增強方法，通過構造能量函數(shù)將圖像增強問題轉換為一個優(yōu)化問題，避免了灰度值歸一化過程的同時使增強處理過程不受圖像尺寸的限制。接著使用灰度密度聚類的方法分割焊縫區(qū)域中的缺陷區(qū)域及噪聲區(qū)域，通過缺陷形狀特征的計算得到描述其特征的6種參數(shù)，從而建立相應的特征向量，完成焊縫缺陷的特征提取。最后將所得特征向量作為BP神經網絡系統(tǒng)輸入，對裂紋、氣孔及缺陷噪聲的分析識別進行研究。通過仿