实时射线检测焊缝缺陷的模糊神经网络识别方法.pdfVIP

自动化仪表)第24卷第2期20O3年2月

实时射线检测焊缝缺陷的模糊神经网络识别方法

FuzzyNeuralNetworkRecognitionofRealTimeRadiationDetectiononDefects

ofWeldLines

晓先林家蕴2

(中国矿业大学机电学院，徐州221008；华东理工大学信息学院。，上海200237)

摘要通过对射线检测焊缝缺陷特征的分析，提出了用于焊缝缺陷识别的模糊神经网络模型，介绍了隶属度的构造和BP网络学习

算法。实验表明，该方法对于焊缝缺陷的识别是有效的。

关键词缺陷识别焊缝射线检测模糊神经网络

Atmmghtheanalysisontheradiationdetectiononcharacteristicsofdefectsofweldlinesthefu=yneuralnetworkmodelusedfordefcetle嘲．

nitionofweMlinesisstated．rlhestructureofsubontinationandBPlearningag,o~ithmaIeintroduced．1heexperiramtsshowthatthemethodiseffcetive

nidefectmcognltionofweldlines．

KeywordsDefectrecognitionWeldlineRadiationdetectionFuzzynolralnetwork

O引言

x射线胶片照相法(RT)具有缺陷显示直观、可靠，

灵敏度和分辨力高、胶片可长期保存等优点，广泛应用

于焊接、流程管道、压力容器等领域质量检查，为保证

设备安全运行和生产发挥了重大作用。但其存在检测

成本较高、速度慢等缺点。随着计算机技术、电子技术

和控制技术的发展，X射线实时成像检测发展迅猛。

它是一种在射线透照检测的同时即可观察所产生的图^一x射线源；B__x射线图像增强管；C—摄像机；D—A／D转换器；

E一计算机图像处理系统；卜显示器；O—被测l件

像的检测方法。其原理是…：射线源透过工件后，在荧

图1实时射线检测焊缝缺陷识别系统结构图

光屏检测器上成像，利用摄像机摄像后，将图像输入计

算机通过图像处理并在显示器上显示观察及进行质量

2焊缝缺陷特征提取及分类

评定。由于焊缝缺陷影像千变万化，形态各异，特征和

缺陷类别关系比较复杂，故建立精确数学模型来进行每种焊缝缺陷影像差异和变化较大，因为每种焊

缺陷识别是非常困难的。目前缺陷评定还需专业评片缝缺陷影像不仅与缺陷自身形态有关，而且与射线能

人员在显示器上观察评定，受评片人员的技术素质和量，工件厚度，焊接方法，工件焊接位置，透照角度等许

经验限制，往往结果因人而异，缺乏准确性和规范化。多因素有关…。

在射线检测焊缝缺陷中，要求计算机能够实时读取焊图像特征是用于区分一个图像内部的最基本属性

道图像加以分析、识别，所以焊缝缺陷识别实际上是一或特征的。焊缝缺陷影像千变万化，形态各异，主要

个模式识别问题。本文结合焊缝缺陷影像的基本形有：①由缺陷造成的的缺陷影像；②由试件外观造成表

状、分布形状、轮廓线特点和专家经验，提出运用模糊面几何影像。分析影像首先注意的是影像形状、尺寸、

识别理论和人工神经网络相结合的模糊神经网络进行黑度，除此外，还应分析影像位置、影像的延伸方向、影

焊缝缺陷识别的方法，并验证其有效性。像轮廓清晰程度、影像细节特征等。

影像的几何形状常常是判断缺陷的最重要依据。