导读:本文包含了焊缝识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:缺陷,图像,算法,图像处理,伤损,边缘,钢轨。
焊缝识别论文文献综述
田应仲,刘洪飞,冯杰才,曹守启[1]（2019）在《基于二次滤波的对接焊缝路径识别》一文中研究指出当前视觉传感器广泛应用于焊接机器人的轨迹规划。针对焊接图像噪声干扰引起的焊缝路径提取精度差的问题,本文提出了一种基于二次滤波的方法实现焊缝的路径识别。通过对采集的焊接图像依次进行灰度处理,滤波处理,边缘提取和填充,将焊缝特征通过二值图像体现出来。同时,为了去除二值图像上噪声的干扰,再次进行滤波处理,并通过灰度重心法提取整张图像上的焊缝坐标。最后,在对接焊缝上验证了本方法识别焊缝路径的平均误差在1像素以内,满足工业的要求。(本文来源于《计量与测试技术》期刊2019年11期）
曹守启,刘洪飞,冯杰才,田应仲[2]（2019）在《基于窗口迭代的对接焊缝路径识别》一文中研究指出针对当前对焊接路径通过手动编程方式存在的效率低,精度差等问题,提出了一种基于窗口迭代识别焊接路径的方法。通过相机采集焊接图像,然后在焊缝图像起点处设定一个窗口区域,在窗口内依次进行图像灰度化、滤波、阈值分割。将原来的RGB图像转化为二值图像并使焊缝得到清晰的体现。进一步的,提取窗口内的坐标并将最后的坐标点作为下个窗口的起点进行迭代,完成整条焊缝路径的识别。这样能大大降低了非焊缝区域噪声的干扰,提高路径识别精度。最后在对接焊缝上验证了该方法满足工业的需求。(本文来源于《工业控制计算机》期刊2019年11期）
付琳[3]（2019）在《基于Relief算法的汽车车载承压焊缝图像缺陷融合识别研究》一文中研究指出当前汽车车载承压焊缝图像缺陷识别过程中的特征类别重迭,冗余度高,造成识别精度低,提出基于Relief算法的汽车车载承压焊缝图像缺陷融合识别方法。采用Relief算法计算汽车车载承压焊缝图像特征权值。利用最大相关最小冗余算法(mRMR)进行焊缝图像缺陷特征降维,通过互信息方法权衡特征和类别之间、特征和特征之间的相关度,选出与类别具有最大相关性、最小冗余性的图像特征,通过缺陷特征选择获取图像缺陷特征集合。对缺陷特征集合进行融合处理,得到待选特征子集。采用优化后的SVM分类器对待选子集进行分类,输出汽车车载承压焊缝图像缺陷融合识别结果。实验结果显示,本文方法能够有效除去冗余特征,区分缺陷特征类别,准确识别汽车车载承压焊缝图像缺陷。(本文来源于《环境技术》期刊2019年05期）
侯怀书,任慧霞[4]（2019）在《金属管道对接焊缝超声检测缺陷类型识别研究》一文中研究指出超声波具有传递能量和传递信息的功能,因此超声检测技术应用广泛。目前通过超声检测技术可以成功定位到缺陷的位置和计算缺陷的大小,但是对于缺陷类型的识别还存在一定的难度。利用短时傅里叶变换方法,从缺陷信号的频谱和功率谱密度出发,对超声检测技术在金属管道对接焊缝缺陷中的缺陷类别识别问题进行了探究。首先,在管道焊缝上制作人工缺陷,利用高频数据采集卡采集缺陷信号,最后通过短时傅里叶变换处理缺陷信号。实验结果表明,利用短时傅里叶变换处理超声缺陷信号,可以识别出金属管道焊缝中的四种缺陷类型。(本文来源于《热加工工艺》期刊2019年21期）
李克奇,栾义忠,夏楠,郭政良[5]（2019）在《基于工业机器人弧焊的焊缝识别研究》一文中研究指出从视频或图像序列中准确有效提取出焊缝位置信息是实现工业机器人自主弧焊的基础和研究关键。根据主动视觉识别技术,利用CCD摄像机和激光视觉传感器搭建硬件系统,进行焊缝图像采集,提出了一种基于图像预处理与后处理相结合的焊缝检测方法,以适应于复杂焊接环境情况下的焊缝识别。对原始采集图像做图像滤波等预处理工作滤除噪声和提高焊缝图像清晰度,通过改进图像分割和孤点滤波滤等图像后处理提取出焊缝感兴趣区域,最后通过几何分析法和斜率法提取出焊缝中心线和特征点,得到准确的焊缝位置特征信息,从而完成图像信息到焊缝位置信息转换。实验仿真结果表明,所提出算法在搭建硬件系统上的焊缝识别率达到92%,能够把误检率控制在11%左右,能够在复杂背景情景下准确提取出焊缝位置信息,满足工程应用要求。(本文来源于《现代制造技术与装备》期刊2019年10期）
崔智青[6]（2019）在《钢轨焊缝自动定位识别技术研究与应用》一文中研究指出为了提升钢轨探伤作业效率,实现焊缝自动定位与准确识别伤损的目标,依据电磁感应原理,使用常开型接近开关与稀土磁铁,利用废旧仪器材料,研究钢轨焊缝自动定位识别技术,开发了钢轨焊缝自动定位识别器。通过实际应用发现,焊缝自动定位识别技术较传统人工标记准确率大幅提升,焊缝出波位置精准,仪器轻巧便于安装,降低了探伤作业强度,提高了数据回放效率。(本文来源于《科技与创新》期刊2019年19期）
陈城洋[7]（2019）在《基于视觉传感器的焊缝图像识别与跟踪控制技术研究（英文）》一文中研究指出针对传统"示教法"机器人焊接效率低、精度不高的问题,基于视觉传感技术对焊缝图像识别与跟踪技术进行研究。利用中值滤波和阈值分割的方法对图像进行预处理,并采用动态ROI提取与最小二乘法相结合的方法提取焊缝特征点,以解决弧光、飞溅等因素对图像的影响。同时,设计了激光焊缝跟踪系统,并将焊枪姿态作为指标对对焊缝的跟踪效果进行了实验分析。研究结果表明:所设计的视觉传感系统可有效提取焊接图像特征,识别精度高。焊缝跟踪系统可实时校正焊枪位置,焊枪高度误差始终保持在0. 2 mm以内,焊缝角度识别误差不超过0. 4°,说明该系统抗干扰能力强,焊接精度高,实时性好。(本文来源于《机床与液压》期刊2019年18期）
迟大钊,马子奇,程怡,王梓明,唐自衡[8]（2019）在《基于X射线图像处理的单搭接焊缝缺陷识别》一文中研究指出钢板单搭接焊缝区厚度的变化,使其对应的X射线图像灰度连续变化。这给基于图像阈值分割处理的缺陷识别带来困难。为了解决这一问题,文中给出一种基于X射线图像背景去除的缺陷识别方法。首先对待处理的X射线数字化图像进行噪声抑制,并利用模拟图像背景获得前景图像;然后对前景图像进行基于迭代阈值法的图像分割,提取缺陷目标;最后采用数学形态学处理,实现缺陷自动识别。结果表明所提方法能有效识别钢板单搭接焊缝中的气孔缺陷。(本文来源于《焊接》期刊2019年08期）
李清格,高炜欣[9]（2019）在《基于深度学习的X射线焊缝缺陷识别》一文中研究指出为了提高缺陷识别效率,提出利用基于深度学习网络进行焊缝缺陷识别。在分析X射线焊缝缺陷图像特征的基础上,构建一种基于模拟视觉感知原理的深度学习网络结构,并对卷积神经网络的卷积模板大小及层数进行了分析,对卷积神经网络隐藏层中2种不同的激活函数进行了实验验证,针对性地提出优化方法。该深度学习神经网络可以避免对焊缝缺陷图像特征的提取,直接判断疑似缺陷图像是否为缺陷。对580张图像进行了实验,结果表明,本文所提方法对SDR图像的识别准确率超过98%,优于传统方法。且所设计系统具有自动学习X射线焊缝缺陷图像中复杂的深度特征的特点,实用性较强。(本文来源于《西安石油大学学报(自然科学版)》期刊2019年04期）
刘端飞,单宝明[10]（2019）在《改进的Canny算法在不锈钢板焊缝识别中的应用》一文中研究指出传统Canny算法中应用高斯滤波对原始图像进行滤波,消除噪声的同时会丢失部分边缘信息,使得检测结果中出现边缘模糊等情况。提出一种改进的Canny算法,用双边滤波算法代替Canny算法中的高斯滤波算法。不仅考虑待检测图像中像素空间相对位置对滤波权重的影响,也把像素灰度之间的相似程度考虑在内,并将改进后的算法用于处理工程应用中焊缝提取这一特定场景。改进算法处理后的图像相较未改进之前,能够保留更加丰富的边缘特征。改进后的算法更有利于自动化焊接的后续处理过程,焊缝的中心线提取更容易,能够提高最终的焊接精度。(本文来源于《电子测量技术》期刊2019年14期）
焊缝识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对当前对焊接路径通过手动编程方式存在的效率低,精度差等问题,提出了一种基于窗口迭代识别焊接路径的方法。通过相机采集焊接图像,然后在焊缝图像起点处设定一个窗口区域,在窗口内依次进行图像灰度化、滤波、阈值分割。将原来的RGB图像转化为二值图像并使焊缝得到清晰的体现。进一步的,提取窗口内的坐标并将最后的坐标点作为下个窗口的起点进行迭代,完成整条焊缝路径的识别。这样能大大降低了非焊缝区域噪声的干扰,提高路径识别精度。最后在对接焊缝上验证了该方法满足工业的需求。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
焊缝识别论文参考文献
[1].田应仲,刘洪飞,冯杰才,曹守启.基于二次滤波的对接焊缝路径识别[J].计量与测试技术.2019
[2].曹守启,刘洪飞,冯杰才,田应仲.基于窗口迭代的对接焊缝路径识别[J].工业控制计算机.2019
[3].付琳.基于Relief算法的汽车车载承压焊缝图像缺陷融合识别研究[J].环境技术.2019
[4].侯怀书,任慧霞.金属管道对接焊缝超声检测缺陷类型识别研究[J].热加工工艺.2019
[5].李克奇,栾义忠,夏楠,郭政良.基于工业机器人弧焊的焊缝识别研究[J].现代制造技术与装备.2019
[6].崔智青.钢轨焊缝自动定位识别技术研究与应用[J].科技与创新.2019
[7].陈城洋.基于视觉传感器的焊缝图像识别与跟踪控制技术研究（英文）[J].机床与液压.2019
[8].迟大钊,马子奇,程怡,王梓明,唐自衡.基于X射线图像处理的单搭接焊缝缺陷识别[J].焊接.2019
[9].李清格,高炜欣.基于深度学习的X射线焊缝缺陷识别[J].西安石油大学学报(自然科学版).2019
[10].刘端飞,单宝明.改进的Canny算法在不锈钢板焊缝识别中的应用[J].电子测量技术.2019
论文知识图
