摘要
近年来，我国大型铝合金罐式专用车的发展尤为迅速。使罐体能够长时间承受运输过程中道路颠簸造成的内部介质冲击，通过X射线检测保证罐体焊接质量是极为重要的环节。人工评定焊缝质量方式高度依赖于工人技术水平和经验，受主观因素影响大，且效率较低。采用智能算法对焊缝X射线检测图像评定时，受其清晰度和缺陷类型多样化、形貌复杂化等因素影响，缺陷提取与识别精度较低。本文开展铝合金罐体焊缝X射线检测图像智能化评定工作研究，提出基于改进DRLSE模型焊接缺陷特征提取与基于支持向量机的焊接缺陷分类识别方法，实现缺陷高精度特征提取与智能分类识别，为大型专用车铝合金罐体的高性能焊接提供借鉴。本文主要的研究工作内容如下： （1）对原始焊缝X射线检测图像进行预处理；根据焊缝区域亮度特性，对焊缝区域进行初步确定；基于对焊缝图像灰度值曲线的梯度特性的分析，提出基于灰度值梯度的自适应焊缝边界精确提取方法，并进行焊缝边界提取对比实验。结果表明，相较于人为设定梯度阈值的焊缝边界提取方法，所提方法能够提取不同清晰度下的焊缝边界，且提取到的焊缝边界与实际焊缝边界有较高的吻合度。 （2）在提取焊缝精确边界基础上，引入无需重新初始化的传统距离保持水平集演化(DRLSE)模型；针对其出现的问题，提出了添加自适应权重系数的改进DRLSE模型，并进行焊接缺陷特征提取对比实验。结果表明，与传统DRLSE模型相比，改进DRLSE模型能够对缺陷轮廓进行准确的分割，有效地改善了传统DRLSE模型所出现的过度分割、特征提取失准的情况。 （3）对裂纹、气孔等常见焊接缺陷的产生原因及图像特征进行了分析，并选择了面积、周长、长宽比等用于描述焊接缺陷的5种特征参数；在确定支持向量机多分类策略及其最优参数的基础上，使用GDX-RAY数据集中的焊缝X射线检测图像进行焊接缺陷分类识别实验。结果表明，所提出的基于支持向量机的焊接缺陷分类识别方法能够识别常见类别焊接缺陷，准确率达到88%以上。 （4）将前文所述的焊接缺陷特征提取和分类识别方法应用于铝合金罐体焊缝X射线检测图像的智能化评定中。结果表明，所提出方法对于铝合金罐体焊缝X射线检测图像中各类焊接缺陷特征的提取效果良好，并能进行较为准确的分类识别，其中对于气孔、夹渣、未焊透缺陷分类识别的准确率达到89%以上。
NETL