基于漏磁检测数据的缺陷三维重构技术

针对漏磁检测数据可视化研究中存在的技术难点,提出了一套有效的缺陷三维重构方法。首先基于三维有限元神经网络建立漏磁迭代反演模型,构建出与传感器多通道检测数据相对应的缺陷二维断层轮廓序列;然后根据铁磁构件表面腐蚀缺陷断层轮廓的形状特征建立匹配点对,采用线性插值方法实现缺陷相邻断层轮廓间的插值,以克服因传感器数量少对缺陷外形重构精度的影响;最后运用三角形面片将相邻的轮廓线两两连接起来,重构出断层轮廓序列所代表的缺陷三维表面模型。

管道漏磁检测数据图形化显示的研究

本文主要介绍了管道漏磁检测数据的软件分析处理系统中的图形化显示部分。曲线图形直接采用将数据转化为屏幕上一点的方法进行显示;灰度图形先将数据转化为相应的灰度值,再根据灰度值画出初步的灰度图,然后利用插值和图像滤波(平滑)、锐化等图像增强手段进行处理。经过编程测试,曲线图形较好地表现了数据变化的真实性,灰度图的效果也较为理想,管道的特征信息显示更为形象、直观,提高了数据分析的质量。

基于灰度-梯度共生矩阵的焊缝缺陷聚类分析

为识别焊缝不同类型缺陷,以焊缝缺陷的漏磁检测(MFL)图像为研究对象,提出基于灰度-梯度共生矩阵(GGCM)和聚类分析的焊缝缺陷识别方法。将采集的三维MFL信号转换为二维灰度图像,利用GGCM直接提取焊缝3种状态下(焊缝无缺陷、焊道上分布圆柱体缺陷、焊道上分布矩形槽缺陷)MFL图像的特征信息。结合2种聚类算法,用层次聚类法选取评述焊缝图像的特征量,用k-均值聚类方法分析这些特征量,并以可视化图形显示聚类结果。结果表明:根据GGCM提取的特征量的聚类分析结果,焊缝典型缺陷的识别率大于96%。