[发明专利]一种基于图像纹理的焊缝表面缺陷识别方法

摘要

一种基于图像纹理的焊缝表面缺陷识别方法，根据采集图像标准，设置微型CCD相机拍摄参数；将采集到的真彩色图像转化为灰度图，创建灰度共生矩阵；分别提取0°、45°、90°和135°方向上的能量、对比度、相关性、同质性、熵和方差共24个特征参数，并将提取的特征参数进行归一化处理；利用训练样本图像训练BP神经网络，设置神经网络的神经元数、隐含层传递函数、输出层传递函数和训练算法传递函数；将测试样本特征参数输入到训练后的BP神经网络中，进行分类识别；计算测试样本与各类不同表面焊接质量训练样本的匹配度，完成测试样本表面焊接质量的自动分类识别。

主权项

一种基于图像纹理的焊缝表面缺陷识别方法，其特征在于：本方法是通过以下步骤实现的，步骤一：图像采集；对表面焊接质量不同的焊缝进行图像采集，为了保证图像的清晰度，修正外部光线所造成的误差；对相机的内参进行修改，使其达到最好的成像效果步骤二：图像前期处理；将真彩色RGB图像转化为灰度图像，并将灰度图像创建为灰度共生矩阵；步骤三：训练样本焊缝表面特征参数提取；(1)为减小由拍摄角度引起的操作误差，并根据焊缝缺陷纹理的差异性及计算效率，设置灰度共生矩阵计算中的像素距离，设置步进方向为0°、45°、90°和135°方向，生成灰度共生矩阵；(2)提取灰度共生矩阵中的能量、对比度、相关性、同质性、熵和方差等特征参数，并将提取的特征参数进行归一化处理；步骤四：BP神经网络的创建；(1)将训练样本输入到神经网络中，对神经网络的神经元数、隐含层传递函数、输出层传递函数和训练算法传递函数进行设置；(2)对神经网络进行多次训练，确定最终的权值与阈值矩阵；优化出最佳的神经网络结构参数；步骤五：测试样本缺陷分类识别；将测试样本图像重复步骤二和步骤三；并将得到的测试样本特征参数输入到步骤四创建的BP神经网络中，进行分类识别；步骤六：焊接质量评定；测试样本经过神经网络识别，计算出测试样本与各类不同表面焊接质量训练样本的匹配度，选取与5类不同表面焊接质量测试样本匹配度最高的一类，识别出测试样本的表面焊接质量。