融合视觉感知机理与知识模型的射线检测缺陷智能识别技术

There is a close link between visual perception, analysis of geometric features and decision-making based Knowledge for defect identification in radiographic detection images. The collaboration defect identification based knowledge model is one of the key issues to promote the development of radiographic detection technology. For the scientific problems in the intelligent identification defects of radiographic detection images in mechanical products, the decision-making principle and mode of the defect identification in the detection images by radiographic testing experts is explored. The intelligent identification technology of small defects in radiography image is researched, and which is integrated the humanoid visual perception model and the knowledge model. A humanoid visual perception model is proposed based on attention mechanism of highlighting small defects by edge extraction, local, and topological relation features in the large background image. The defect identification knowledge model is build up, which is consisting of the defect formation mechanism, defect characteristics, inspection knowledge, judgment rules and associating products background knowledge. A new small defects identification reasoning and classification decision-making method is developed based on the image processing algorithms, the humanoid visual perception and knowledge model. An intelligent defect identification software system used to radiographic detection image is developed and verified in industrial application. The research results can provide a new way to solve the defect identification problem in mechanical products which is mainly relying on manual identification and judgment currently.

射线检测图像中缺陷识别的视觉感知、几何特征分析与基于知识的判定之间存在密切的联系，基于知识模型的协同缺陷识别是促进射线检测技术发展的关键问题之一。本项目针对机械产品射线检测图像中微小缺陷智能识别所面临的科学问题，探讨射线检测领域专家对检测图像中缺陷识别的决策原理和模式，研究融合仿人视觉感知机理与知识模型的射线检测图像中微小缺陷智能识别技术。提出一种基于注意机制的提取边缘、局部、拓扑关系特征使大背景图像中微小缺陷目标凸显的仿人视觉感知模型，建立描述缺陷形成机理、缺陷特征、检测知识、评判规则、缺陷与产品关联背景知识等内容所组成的缺陷识别知识模型，形成为一种新的基于图像处理算法、仿人视觉感知与知识模型的微小缺陷识别推理和分类决策方法，开发出射线检测图像中缺陷智能识别软件原型系统并在企业应用验证。研究成果可为解决目前机械产品射线检测图像中缺陷识别还主要依靠人工识别评定问题提供一种新的技术方法。

机器视觉是人工智能学科的一个最为活跃的领域。基于仿人生物视觉机理建立机器视觉人工智能方法是解决传统机器视觉和图像处理算法的重要内容之一,建立射线无损检测智能化信息处理平台具有重要的理论意义和实际意义。针对机械产品射线检测图像中微小缺陷智能识别所面临的科学问题，本项目探讨了射线检测领域专家对检测图像中缺陷识别的决策原理和模式，进行了融入缺陷图像处理算法、仿人视觉感知模型与知识模型的射线检测图像中微小缺陷智能识别技术研究。本项目集成智能信息知识和NDT处理的关键技术，针对射线图像缺陷特别是弱小缺陷检测与识别领域还存在的主要技术问题，提出基于仿人视觉感知机理的射线图像智能识别新模式和体系结构，实现精密机械产品射线图像复杂大背景下微小（弱）缺陷智能检测与识别，完成理论算法及实验研究。. 本项目提出了基于注意机制的提取微小缺陷特征的仿人视觉感知模型，建立了描述缺陷形成机理、缺陷特征、检测知识、评判规则、缺陷与产品关联背景知识等内容所组成的缺陷识别知识模型。形成为一种新的基于图像处理算法、仿人视觉感知与知识模型的微小缺陷识别推理和分类决策方法。提出了基于小波模极大值的裂纹缺陷边缘检测算法和基于轮廓波包变换的微弱缺陷分割方法。研究了缺陷区域几何特征和PCA特征提取技术。.在仿人视觉注意机制引入到射线图像微弱缺陷目标的检测中，使识别系统在面对射线图像复杂大背景时能快速地将注意焦点集中在缺陷目标区域，以优先细致处理；模拟生物视觉感知系统的深度学习层次结构，使注意区域的像素灰度信号直接作为系统输入，通过深度网络，逐级逐层，深度挖掘可疑缺陷区域的内在属性特征，直接进行智能识别。提出了基于视觉感知层次网络的的射线图像智能识别推理方法。. 针对X射线图像缺陷检测与识别的需要，应用本项目所提出的基于仿人视觉感知机理的射线图像检测识别方法，开发了X射线图像缺陷智能检测识别系统。采用Vsual Studio + Opencv开发环境，实现了本项目原理与方法研究成果，实现了对精密焊件的焊缝缺陷特别是弱小缺陷的自动检测与识别，系统具有针对X射线焊缝图像的获取、预处理、图像分析、缺陷检测、缺陷分割、特征计算、网络训练与测试、分类识别、缺陷分级等完整功能，进行了应用验