焊缝缺陷类型识别方法的研究

申清明; 高建民; 李成

您当前的位置：

首页 >

文章列表页 >

焊缝缺陷类型识别方法的研究

更新时间：2025-07-09

- 焊缝缺陷类型识别方法的研究
- Recognition of Weld Defect Types
- 西安交通大学学报 2010年44卷第7期页码：100-103
- 作者机构：
  
  西安交通大学机械制造系统工程国家重点实验室,西安,710049
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TN911.7
- 网络首发：2010-07-10，
  
  纸质出版：2010
- 稿件说明：
移动端阅览
申清明, 高建民, 李成. 焊缝缺陷类型识别方法的研究[J]. 西安交通大学学报, 2010,44(7):100-103.

Recognition of Weld Defect Types[J]. 2010, 44(7): 100-103.
申清明, 高建民, 李成. 焊缝缺陷类型识别方法的研究[J]. 西安交通大学学报, 2010,44(7):100-103. DOI：

Recognition of Weld Defect Types[J]. 2010, 44(7): 100-103. DOI：

摘要

针对焊缝射线检测图像中缺陷类型识别准确度较低的问题

提出了一种基于直接多类支持向量机的缺陷类型识别方法.该方法将焊缝缺陷类型识别问题转化为一个约束优化问题

采用由缺陷边缘特征和区域特征构成的特征向量对缺陷进行描述

解决了在实际训练样本较少的情况下

提高缺陷类型识别准确度的问题.实验表明

该方法的识别准确度为94.25%

比一对一支持向量机和多层感知神经网络的高

并且通过引入区域特征提高了特征组的缺陷描述能力.

Abstract

To improve the recognition accuracy of weld defects in the radiographic image

a method based on direct multiclass support vector machine(SVM)is proposed to recognize the defect types

where the recognition of weld defects is regarded as a constrained optimization problem

and the edge-based features and region-based features of the weld defect are employed as the feature vector. This method solves the difficulty of achieving higher accuracy under a small training set. The experimental results demonstrate that the recognition accuracy of the method gets 94.25%

higher than that of the one-versus-one SVM and multi-layer perceptron(MLP)neural network

and the introduced region-based features improve the characterization capability of the feature group.

关键词

Keywords

references

LIAO T W. Classification of welding flaw types with fuzzy expert systems [J]. Expert Systems with Applications, 2003,25(1):101-111.

LIM T Y, RATNAM M M, KHALID M A. Automatic classification of weld defects using simulated data and an MLP neural network [J].Insight, 2007,49(3):154-159.

MERY D, DASILVAR R, CALOBAL P, et al. Pattern recognition in the automatic inspection of aluminium castings [J]. Insight, 2003,45(7):475-483.

WANG G, LIAO T W. Automatic identification of different types of welding defects in radiographic images [J]. NDT E International, 2002,35(8):519-528.

ZHANG Xiaoguang, ZHU Zhencai, XU Jihua, et al. The classification algorithm of defects in weld image based on asymmetrical SVM [C]∥International Conference on Control and Automation. Piscataway, NJ, USA: IEEE, 2005:1215-1219.

ZHANG Xiaoguang, XU Jianjian, GE Guangying. Defects recognition on X-ray images for weld inspection using SVM [C]∥Proceedings of 2004 International Conference on Machine Learning and Cybernetics. Piscataway, NJ, USA: IEEE, 2004:3721-3725.

边肇祺, 张学工. 模式识别 [M]. 第2版. 北京: 清华大学出版社, 2000.

SILVA R R, CALA L P, SIQUEIRA M H S, et al. Pattern recognition of weld defects detected by radiographic test [J]. NDT E International, 2004,37(6):461-470.

EFRON B, TIBSHIRANI R J. An introduction to the bootstrap [M].London,UK:Chapman Hall, 1997.

HSU C W, CHANG C C, LIU C J.A practical guide to support vector classification [EB/OL]. [2010-03-20].http:∥www.csie.ntu.edu.tw/～cjlin/liblinear/.

焊缝缺陷的水淹没分割算法.西安交通大学学报, 2010,44(3):90-94.

复杂体制雷达辐射源信号时频原子特征提取方法.西安交通大学学报, 2010,44(4):108-113.

利用小波分解和支持向量机的心理意识真实性识别研究.西安交通大学学报, 2010,44(4):119-124.

一类支持向量机的设备状态自适应报警方法.西安交通大学学报, 2009,43(11):61-65.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

焊缝缺陷的水淹没分割算法

电动车辆间接热系统快速除湿响应迟滞机理及优化控制策略

混合电解槽阵列协同的风光耦合制氢系统双层多目标优化

离子液体改性燃料的电流体动力学效应研究

不同板叠材料热声热机能量转换过程数值模拟研究