基于机器学习多特征融合成像的感应扫描热成像焊缝缺陷检测

摘要:

在役中的焊缝结构由于表面的褶皱和污渍对检测技术的干扰程度大，针对这一问题，本文基于更适用于复杂结构加热的的磁轭激励方式，以及大范围检测的感应扫描热成像技术搭建了检测平台。在采集并预处理热图像序列数据后，基于设计了一种多特征融合成像方法，通过焊缝图像序列的多种时域热特征图像作为输入，并且提出一种基于动态检测信号机理的空间相位峭度（SPK）改进特征，这些特征由一个训练好的人工神经网络(ANN)进行融合，以获得一个评估值。实验结果表面，这种方法可以准确地在复杂背景下以像素级别检测分离出缺陷区域，将成像准确率提高至99.6%，并且在没有误报的情况下，极大地抑制了复杂背景信息的干扰。

Abstract: