图像自动识别技术在无损检测中的应用研究

摘 要 利用在焊缝自动跟踪中的图像自动识别的应用作为例子，对该项技术的处理方法进行的研究讨论，整个过程是先从图像当中提取其特征，然后通过计算机自动识别和理解图像的过程。针对图像识别技术对于无损检测行业中的实际应用展开了分析并且得出了结论。图像自动识别技术可以有效的将无损检测自动化以及智能化，从而有效降低相关人员的工作强度。

关键词 图像识别；无损检测；视觉传感器

中图分类号：TP27 文献标识码：A 文章编号：1671-7597（2014）07-0120-01图像自动识别技术，就是对各种各样不同模式的目标或者对象，通过计算机来对其图像作出分析和理解以及有效的处理。在现阶段的无损检测行业当中，其主要是利用人工来对图像进行识别工作，并没有让无损检测达到自动化的标准。

在使用超声波自动检测对焊缝进行检测时，经常出现由焊缝的偏移而导致的超声波探头并没有对准焊缝进行工作，从而接收不到能够反映出焊缝质量的回波信号，容易出现漏检的情况。如果能够自动跟踪焊缝，通过计算机对焊缝的偏移距离作出自动识别并且向超声波探头的控制单元进行反馈，将超声波探头所检测的相关位置进行调整，让超声波探头可以收到有效的回波信号，从而有效的反映出焊缝质量的具体情况。对焊缝所做的自动跟踪这一检测方法，能够保证正确有效的进行检测，最大限度的减低漏检的发生率。现阶段有许多进行焊缝跟踪的方法，通常都是在焊接之前进行的跟踪，而且只能做到对焊缝的跟踪的单一作用。在本文中使用了从正常的光源照明之下所产生的最直接的视觉图像，并从中直接提取出焊缝的直线，然后通过图像识别技术对焊缝进行自动识别，从而达到对焊缝实施自动跟踪的效果，这样既可以将焊缝的偏移距离及时反馈，有能够对焊缝进行外观上的检测以及判断，当焊缝表面有异常情况时能够输出异常信号，这种手段能够有效的补充对焊缝质量进行的无损检测。

1 关于图像自动识别技术

图像自动识别技术，是在有效的结合了图像处理技术和计算机模式的识别技术以及视觉技术，再通过对图像进行分析、处理以及理解，从而对相关图像进行智能化的处理。在图像识别的过程中，通常是先通过检查以及分离出图像中所显示的物体，准确的对物体中各部分的纹理特征以及形状提取出来，也就是对原始图像的特征进行提取。常常在特征提取的过程当中也会包括对图像进行的处理。然后通过图像样本模式与所提取的特征作比较，运用模式识别理论所提供的这一项技术对图像进行分类，针对其结构对整个图像进行分析。

1）图像处理。图像处理一般包括图像编码、压缩、增强、分割以及复原等主要内容。图像分割，就是从图像的背景当中将各个对应的物体分割出来。在图像处理各个环节当中，无论是输出还是输入其相对应的都是图像。

2）特征抽取。特征抽取阶段，也就是对物体多进行的度量阶段。度量，指的是某一个物体当中某一个可度量的性质的度量值；特征，即多个或者一个度量的函数。计算特征是针对于物体在某一方面所对应的重要特征而做出的度量估计。在进行特征抽取的过程当中，每产生一组特征按照一些相应的规章进行组合，这就是特征向量的形成方式。图像信息在一定数量的减少对于后期的分类决策起到了重要作用。

3）图像的识别分类。在图像的识别分类中，图像的输出就是决策，就是将每一个物体所应该归属的类别进行确定。在图像识别这一环节当中，输入的一般都是处理过的图像，而输出的是对图像的结构分析以及类别的划分。

2 关于图像自动识别技术在焊缝自动检测当中的应用

在使用超声波自动检测对焊缝进行检测时，有时会出现由焊缝的偏移而导致的超声波探头并没有对准焊缝，从而接收不到能够反映出焊缝质量的回波信号，容易出现漏检的情况。如果能够自动跟踪焊缝，通过计算机对焊缝的偏移距离作出自动识别并且向超声波探头的控制单元进行反馈，将超声波探头所检测的相关位置进行调整，让超声波探头可以收到有效的回波信号，从而有效的反映出焊缝质量的具体情况。该过程如图1所示。

图1 焊缝自动识别跟踪过程示意图

3 关于图像自动识别技术在无损检测行业的其他应用及发展

现阶段，图像自动识别技术在对于无损检测行业的相关应用等方面还处在初期的发展阶段。早在1997年的美国，内梅隆大学Gunatilake P等对远程视觉检测系统做出了初步的设计，针对飞机表面的腐蚀状况以及表面的裂纹进行检测。而在1999年的加拿大，滑铁卢大学Paul W.Fieguth等，利用闭路电视所截取到的图像，针对地下管道的表面所产生的裂纹进行了检测，为能够及时对其进行维修提供了有效的依据。

有关于钢管内壁质量所采用的无损检测方法通常是使用视频涡流检测法，就是使用涡流穿过式探头并且进入管子的内部的检测方法。在涡流穿过式探头的同时与视觉传感器有效的结合，在进入钢管内壁获取详细的状况。而视觉传感器做起到的作用就是坚实管子内部出现的状况，其坚实的过程一般有工作人员来完成。然后进行图像自动识别的步骤，通过计算的自动判断来确定钢管内壁是否存在异常，这一步骤不需要依赖于工作人员的进行，可以尽量的杜绝因为工作人员用眼疲劳而导致的漏检，从而更加可靠的对钢管内壁的状况进行全面的分析，有效的对钢管内壁进行检测。

从实例中发现，图像自动识别技术能够应用于无损检测行业的各个方面还存在着很多的不足，其应用前景还需要我们进一步的挖掘以及提高，在无损检测行业当中自动化以及智能化的发展有着极为重要的作用。

4 结论

在我们对有关焊缝偏移以及图像自动识别技术的有关应用的研究分析中确定认，图像自动识别技术能够有效的达到焊缝自动识别的相关标准以及作用，有效提高其自动化与智能化的相应水平。在关于图像自动识别技术相关的应用分析能够确认，该技术的合理应用能够有效的降低依赖工作人员相关经验的进行检测的可能，还能够减低人眼疲劳导致的漏检现象。虽然该项技术在现阶段无损检测行业的应用还不够广泛，但是其应用与发展的前景却是巨大。

参考文献

[1]蒋秋月.轮对缺陷超声检测图像自动识别算法实现[D].西南交通大学，2013.

[2]徐志刚.基于多特征融合的路面破损图像自动识别技术研究[D].长安大学，2012.

[3]于四海.超声探伤技术在无损检测中的应用[J].中华民居，2013（04）：297-298.