[发明专利]基于神经网络的压力容器焊缝缺陷识别方法及其装置

权利要求书

1.一种基于神经网络的压力容器焊缝缺陷识别方法,其特征在于，该方法为：计算机读入射线检测底片图像，根据所述读入的底片图像平均黑度值大小确定底片图像的质量合格；根据模糊理论对所述底片图像进行增强，根据中值滤波对增强后的底片图像进行去噪处理；根据形态学特征在去噪处理后的底片图像中分离出焊缝区域并保留其原始焊缝灰度值；根据均值滤波器对分离后的底片图像进行缺陷滤除，形成一个模拟理想焊缝作为虚拟背景，再与原焊缝相减，增强去噪后，得到焊缝缺陷。

2.根据权利要求1所述的基于神经网络的压力容器焊缝缺陷识别方法,其特征在于，所述得到焊缝缺陷之后，该方法包括：基于检测出来的图像中目标特征对图像中可能的目标建立假设公式，根据所述假设公式得到提取缺陷的特征参数；根据得到的缺陷的特征参数，建立缺陷模型；将待识别缺陷的特征参数识别指标作为输入向量，在缺陷模型内进行比对，当找到匹配的特征参数时，将识别出的特征参数对应的缺陷类型作为输出向量。

3.一种基于神经网络的压力容器焊缝缺陷识别装置,其特征在于，该装置包括质量检测单元、模糊增强单元、图像去噪单元、分离焊缝区域单元、分离缺陷单元；

所述质量检测单元，用于端读入射线检测底片图像，根据所述读入的底片图像平均黑度值大小确定底片图像的质量合格，将质量合格的底片图像发送到模糊增强单元；

所述模糊增强单元，用于根据模糊理论对所述底片图像进行增强，将模糊增强后的底片图像发送到图像去噪单元；

所述图像去噪单元，用于根据中值滤波对增强后的底片图像进行去噪处理，将去噪后的底片图像发送到分离焊缝区域单元；

所述分离焊缝区域单元，用于根据形态学特征在去噪处理后的底片图像中分离出焊缝区域并保留其原始焊缝灰度值，将分离后的底片图像发送到分离焊缝区域单元；

所述分离焊缝区域单元，用于根据均值滤波器对分离后的底片图像进行缺陷滤除，形成一个模拟理想焊缝作为虚拟背景，再与原焊缝相减，增强去噪后，得到焊缝缺陷。

4.根据权利要求3所述的基于神经网络的压力容器焊缝缺陷识别装置,其特征在于，所述装置还包括提取特征参数单元、智能识别单元；

所述提取特征参数单元，用于基于检测出来的图像中目标特征对图像中可能的目标建立假设公式，根据所述假设公式得到提取缺陷的特征参数；根据得到的缺陷的特征参数，建立缺陷模型；

所述智能识别单元，用于将待识别缺陷的特征参数识别指标作为输入向量，在提取特征参数单元内的缺陷模型内进行比对，当找到匹配的特征参数时，将识别出的特征参数对应的缺陷类型作为输出向量。