APP下载

基于改进YOLOX的地铁列车焊接质量检测

2023-11-13马瑞贺德强贺岁球陈彦君靳震震单晟

铁道科学与工程学报 2023年10期
关键词:特征提取焊缝特征

马瑞,贺德强,贺岁球,陈彦君,靳震震,单晟

(1.广西大学 机械工程学院,广西 南宁 530004;2.中车株洲电力机车研究所有限公司,湖南 株洲 412001)

焊接作为金属连接的主要方式之一,在地铁列车铝合金车体的生产制造中发挥着重要作用[1]。在实际加工过程中,焊接环境、焊接材料以及焊接技术的局限性导致了焊接缺陷的产生,因此,开展焊接质量检测非常必要[2]。无损检测是焊接质量检测的常用方法,相控阵超声波检测技术作为一种便捷高效环保的无损检测方式,其检测灵敏度高,可以检测出焊缝的表面和内部缺陷,内部缺陷主要有未焊透、未熔合、裂纹、气孔和夹渣[3]。陈选民等[4]对钢轨焊缝的相控阵超声定点扫查工艺进行了研究,发现扇形扫描角度范围在30°~70°之间的检测能力最好。闫彧[5]通过超声波检测技术,对焊接缺陷类型、大小、位置做出了检测与评估。但是传统的无损检测方法,需要人工检测和判别缺陷类型,漏检率和误检率较高。人工智能的发展为焊接质量检测提供了新思路,与机器视觉结合的无损检测方法得到广泛应用[6]。在传统机器视觉方面,余胜威等[7]提出基于PCA(Principal Component Analysis)降维的特征焊缝提取方法,有效检测出转向架焊接表面缺陷。SUN 等[8]提出了基于高斯混合特征提取的焊缝缺陷检测模型,实现了焊缝缺陷的识别和分类。ZHANG 等[9]提出了一种基于支持向量机与网格搜索优化交叉验证的焊接缺陷检测模型,可以识别未焊透、烧穿等焊接缺陷。YANG 等[10]提出了一种向量机多尺度缺陷检测方法,运用迁移学习和多尺度融合方法,对于弱纹理和弱对比度图像有较好的识别能力。……

登录APP查看全文

猜你喜欢

特征提取焊缝特征
基于焊缝余高对超声波探伤的影响分析
TP347制氢转油线焊缝裂纹返修
如何表达“特征”
基于Gazebo仿真环境的ORB特征提取与比对的研究
不忠诚的四个特征
机器人在轮辋焊缝打磨工艺中的应用
一种基于LBP 特征提取和稀疏表示的肝病识别算法
光谱分析在检验焊缝缺陷中的应用
基于MED和循环域解调的多故障特征提取
线性代数的应用特征