基于深度学习的风机塔筒焊缝外部缺陷检测

• 作者: 吴忍 孙渊
• 来源期刊: 上海电机学院学报
• 关键词: 风机塔筒 缺陷检测 图像处理 卷积神经网络
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 计算机技术|Computer Technology
• 页码范围: 169-174
• 页数: 6页
• 分类号: TP391.3
• 语种: 中文
• DOI: 10.3969/j.issn.2095-0020.2021.03.008

摘要

风机塔筒在生产过程中会产生如焊缝成形差、焊缝裂纹等多种类型焊缝缺陷,为解决传统无损检测效率低、操作困难等问题,提出采用机器视觉技术完成风机塔筒在生产过程中的焊缝缺陷识别检测.由于工业相机采集到的焊缝图像质量受各种外界因素的影响,提出将传统图像处理和卷积神经网络结合的焊缝缺陷检测方法.首先将原始焊缝图像进行图像灰度化和图像增强处理,提高图像质量,再将图像输入训练好的卷积神经网络,得出检测结果.实验表明,该方法对于检测焊缝缺陷具有很高的准确率.