基于图像块特征的焊缝识别算法研究

《基于图像块特征的焊缝识别算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学位论文独创性说明本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及其取得研究成果。尽我所知，除了文中加以标注和致谢的地方外，论文中不包含其他人或集体已经公开发表或撰写过的研究成果，也不包含为获得西安科技大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。学位论文作者签名：日期：学位论文知识产权声明书本人完全了解学校有关保护知识产权的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于西安科技大学。学校有权保留并向国家有关部门或机构送

2、交论文的复印件和电子版。本人允许论文被查阅和借阅。学校可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律注明作者单位为西安科技大学。保密论文待解密后适用本声明。学位论文作者签名：指导教师签名:年月日万方数据万方数据论文题目：基于图像块特征的焊缝识别算法研究专业：信号与信息处理硕士生：魏谱跹（签名）指导教师：李国民（签名）王书朋（签名）摘要视觉焊缝识别因其精确、快速、可靠及可数字化等优点，成为了近年来焊缝识别领域的

3、热点研究问题，在焊接工艺、焊缝缺陷检测、焊缝智能识别等方面有着巨大的应用前景。在视觉焊缝识别定位中，环境光照的变化与腐蚀磨损是阻碍识别性能提升的主要因素，因此，解决光照及腐蚀磨损问题成为了焊缝识别定位的关键。本文主要对焊缝识别定位中的特征提取、分类训练、识别定位三个关键技术进行研究。在特征提取的研究中，采用基于图像块的选取方式对焊缝图像特征进行提取，并利用PCA对特征进行降维，利用累计贡献率曲线为降维参考，以曲线放缓点维度作为各尺寸图像块特征的确定维度，降低了图像块特征维度。在分类训练的研究中，采用基于LM的BP神经网络作为分类

4、器，利用公式法和增长法结合的改进方法对网络隐层节点进行确定，优化了隐层节点的选择。识别定位依据分类结果对图像进行重构，利用横向灰度值平均、最小焊缝宽度为识别定位指标，确定焊缝中心线。本文在Matlab上搭建了一个基于图像块特征的焊缝识别系统，并在不同成像距离、不同光照的条件下对识别系统的性能进行了评估，实验结果表明：该系统对于在不同光照条件下，具有不同程度腐蚀磨损因素时，有重叠识别的检测率为90.5%，虚警率为7.4%，无重叠识别的检测率为85.9%，虚警率为4.7%。关键词:焊缝识别；特征提取；PCA降维；BP神经网络论文类型

5、:理论研究万方数据万方数据Subject:ResearchonWeldingSeamRecognitionBasedonFeaturesofImageBlockSpecialty:SignalandInformationProcessingName:WeiPuxian（Signature）Instructor:LiGuomin（Signature）WangShupeng*（Signature）ABSTRACTWiththeadvantagesofaccurate,fast,reliable,easytodigitize,etc.

6、,visualweldingseamrecognitionhasbeentheresearchhotspotinthefieldsofweldrecognitioninrecentyears,andhasgreatapplicationprospectintheaspectsofweldingprocess,welddefectsdetection,weldingseamidentification,etc.Invisualweldingseamrecognition,theinfluenceofilluminationchan

7、geandthecorrosionarethekeyfactorsthathindertherecognitionperformance.Inthispaper,theresearchingandimprovementofthealgorithmsisconductaroundthreeaspects:featureextraction,trainingoftheclassification,weldingseamrecognitionandpositioning.Inthepartoffeatureextraction,wee

8、xtractfeaturesbasedonimageblock,andusePCAtoreducethedimensionofimageblockfeatures.Usingthecumulativecontributionratecurveasadimensi