金屬材料在近年來被越來越多的應(yīng)用到各種產(chǎn)品中,對人們的生活產(chǎn)生了很大影響。這些金屬部件大部分都是通過鑄造方法生產(chǎn)的,而在鑄造過程中產(chǎn)品的內(nèi)部缺陷會直接影響產(chǎn)品質(zhì)量。目前超聲檢測方法由于檢測方便,對人和環(huán)境完全無害,成為鑄件內(nèi)部缺陷檢測的常用方法,但是對于鑄件內(nèi)部缺陷的超聲檢測結(jié)果,大多還是依靠人工經(jīng)驗來識別分類,嚴(yán)重影響了工業(yè)生產(chǎn)中的效率,因此為了解決該問題,基于深度學(xué)習(xí)的相關(guān)理論設(shè)計了可以實現(xiàn)內(nèi)部缺陷自動識別的智能算法。本文的主要工作分為以下三部分:（1）缺陷的檢測和圖像獲取:通過采用脈沖反射法的超聲探測設(shè)備對試塊進(jìn)行內(nèi)部缺陷的檢測,在計算機上使用軟件導(dǎo)出設(shè)備獲得的A型掃描的超聲檢測圖像,采集和導(dǎo)出過程需要人工操作完成。（2）檢測圖像的預(yù)處理:檢測設(shè)備獲取的原始圖像畫面較為復(fù)雜,不利于內(nèi)部缺陷的識別,首先對圖像進(jìn)行二值化,以降低數(shù)據(jù)量,然后剪切圖像去除設(shè)備系統(tǒng)界面,隨后采用了邊緣檢測算法來去除超聲信號的背景噪聲,最后利用基于連通域的圖像形態(tài)學(xué)方法實現(xiàn)了超聲信號的提取。（3）基于卷積神經(jīng)網(wǎng)絡(luò)的內(nèi)部缺陷識別:在對卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CN... 

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

常見鑄造件

超聲探傷儀

直探頭和斜探頭Fig.2.9UltrasonicflawdetectorFig.2.10Straightandobliqueprobe

【參考文獻(xiàn)】：
期刊論文
[1]基于多尺度深度卷積網(wǎng)絡(luò)的高光譜圖像分類[J]. 馮帥星.  現(xiàn)代商貿(mào)工業(yè). 2019(04)
[2]基于CNN的木材內(nèi)部CT圖像缺陷辨識[J]. 陳龍現(xiàn),葛浙東,羅瑞,劉傳澤,劉曉平,周玉成.  林業(yè)科學(xué). 2018(11)
[3]數(shù)字超聲波無損檢測掃描技術(shù)[J]. 陳昌華,哈曜,王司男,湯志貴,張龍群,錢健清.  物理測試. 2018(05)
[4]深度卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測中的研究進(jìn)展[J]. 姚群力,胡顯,雷宏.  計算機工程與應(yīng)用. 2018(17)
[5]模糊關(guān)聯(lián)規(guī)則在超聲波探傷焊縫檢驗中的運用[J]. 劉貴超.  化學(xué)工程與裝備. 2016(01)
[6]基于圖像處理的電子元器件表面缺陷檢測技術(shù)[J]. 鄭秀蓮,袁巧玲,沈亞琦.  機電工程. 2009(07)
[7]鑄件缺陷無損檢測方法的研究現(xiàn)狀[J]. 徐麗,剛鐵,張明波,郭立偉.  鑄造. 2002(09)

博士論文
[1]大型回轉(zhuǎn)體超聲成像檢測技術(shù)研究[D]. 王新征.南京理工大學(xué) 2017
[2]基于計算機視覺的檢測方法與應(yīng)用研究[D]. 漆隨平.浙江大學(xué) 2005

碩士論文
[1]超聲無損檢測信號處理方法的研究[D]. 章佩佩.安徽理工大學(xué) 2018
[2]塑性混凝土防滲墻質(zhì)量無損檢測技術(shù)研究[D]. 趙祥.華北水利水電大學(xué) 2018
[3]基于CNN的自然場景中文文本定位與識別方法研究[D]. 饒欽程.華南理工大學(xué) 2017
[4]金屬/金屬與復(fù)合材料粘接質(zhì)量超聲檢測[D]. 胡玉平.南昌航空大學(xué) 2017
[5]數(shù)字圖像技術(shù)在機械試塊超聲檢測中的應(yīng)用研究[D]. 鄒浩.南京郵電大學(xué) 2015
[6]大型鑄鍛件超聲無損檢測技術(shù)研究[D]. 王磊.河北科技大學(xué) 2013
[7]檢測聲學(xué)信號智能處理技術(shù)的研究[D]. 喬華偉.浙江大學(xué) 2008



本文編號：3688280