一种焊缝缺陷的数字射线检测方法、系统及服务器技术方案

本发明专利技术实施例提供的一种焊缝缺陷的数字射线检测方法、系统及服务器，首先完成对焊缝图像的采集、转换、存储，获得待检测图像；然后完成对待检测图像的处理，包括图像标注、图像对比等；对图像进行检测，识别缺陷，对有缺陷的图像进行缺陷定位；对已完成检测的图像生成质量报告，完成对报告的编辑、打印、导出；整体流程通过视频监控并全程对设备状态进行监控。本系统是一个自动化集成管理、智能识别并定位缺陷、智能化检测报告打印及导出(PDF、WORD、图片)等服务于一身的服务平台；辅助企业实现自动化智能缺陷筛选、缺陷定位，智能化评片，自动生成质量报告；充分为企业整合资源，为个人提高工作效率。

【技术实现步骤摘要】
一种焊缝缺陷的数字射线检测方法、系统及服务器
本专利技术涉及焊缝缺陷检测
，特别是涉及一种焊缝缺陷的数字射线检测方法、系统及服务器。
技术介绍
近年来，随着我国经济的快速增长与焊接技术的不断进步以及焊接结构形式的不断优化，焊接结构在各行业得到广泛应用，严格控制各焊接结构的生产质量是保障产品整体完整性、安全性的关键因素。用焊接方法加工的结构易产生较大的焊接变形和焊接残余应力，从而影响结构的承载能力、加工密度和尺寸稳定性。在焊接接头中存在着一定梳理的缺陷，如裂纹、气孔、夹渣、未焊透、未熔合等，这些缺陷的存在会降低焊接强度，引起应力集中，造成焊接结构破坏。以上均会影响到焊接结构的完整性及安全性，采用适当的无损检测方法对焊接结构进行检测有利于保证焊接结构安全性及可靠性。现在的焊缝缺陷检测大多还是采用人工方式进行检测与分析，但是人工检测本身主观标准不一致、劳动强度大、检测效率低，采用智能数字射线检测系统对焊缝缺陷进行在线检测与分析，可以有效克服人工评定中因为眼睛疲劳、经济差异而引起的漏判与误判，从而使检测工作客观化、规范化与智能化。目前也存在一些用于射线焊缝图像自动识别与分类的方法，如基于图像差分的方法，基于边缘检测的方法，基于模板匹配的相似缺陷检测算法等，在焊接学报第25卷第2期发表的“X射线焊缝图像中缺陷的实时监测算法”中提出一种基于图像空间特性(空间对比度与空间方差)的模糊识别算法，采用人类视觉原理，利用空间对比度、模糊隶属度实现缺陷检测。实验结果表明该方法能对焊接缺陷进行有效的划分，速度快，但是对图像对比度要求较高，对低对比度图像无法很好地判别，并且人为设定阈值存在不确定性。
技术实现思路
本专利技术实施例的目的在于提供一种焊缝缺陷的数字射线检测方法、系统及服务器，以以解决现有技术中利用人为或者传统焊缝缺陷检测方法检测效率低下、准确率低的问题。具体技术方案如下：第一方面，本专利技术实施例提供了一种焊缝缺陷的数字射线检测方法，包括：对包含焊缝的图像进行框选、标记多张此类图像作为训练数据集；利用所述训练数据集，制作完成深度学习模型；获取多张待检测图像并存储；利用预设方法处理所述待检测图像，得到标记图像；其中，所述预设方法包括显示所述检测图像、修正所述待检测图像大小、调整所述图像窗宽窗位、提高所述待检测图像的清晰度、标记所述待检测图像；对所述标记图像进行缺陷检测，获取异常标记图像；利用所述深度学习模型对所述异常标记图像进行缺陷识别并标注缺陷位置，得到测试数据；从所述测试数据中，获得焊缝缺陷的检测结果。可选的，在得到测试数据之后还包括：根据所述测试数据更新所述深度学习模型。可选的，所述预设方法包括：利用图像显示功能显示所述待检测图像；其中，所述待检测图像格式支持8位或16位；修正所述待检测图像大小，缩放待检测图像的大小、旋转图像、调整待检测图像的窗宽窗位；对待检测图像进行滤镜处理，所述滤镜处理包括反白、对比度、亮度、锐化、浮雕、平滑、色阶、除杂色中的至少一种；以获得高清晰度的待检测图像；对高清晰度的待检测图像进行标记，在高清晰度的待检测图像上标记基础信息；其中，所述基础信息包括分辨率、信噪比、工件名称、时间中的至少一种。可选的，对所述标记图像进行缺陷检测，获取异常标记图像包括：利用所述深度学习模型，对所述标记图像进行分类，得到无缺陷标记图像、有缺陷标记图像；所述有缺陷标记图像即为所述异常标记图像。可选的，对所述标记图像进行缺陷检测，获取异常标记图像包括：从数据库中获取有缺陷的图像；将所述标记图像与所述有缺陷的图像进行比对并分类，得到无缺陷标记图像、有缺陷标记图像；所述有缺陷标记图像即为所述异常标记图像。可选的，制作完成深度学习模型之后还包括：将所述深度学习模型上传至云服务器。可选的，获得焊缝缺陷的检测结果之后还包括：根据所述检测结果，生成检测报告。可选的，生成并打印检测报告之后还包括：用户在所述检测报告中添加基础内容，其中，所述基础内容包括：报告时间、缺陷类型、缺陷程度、缺陷位置、缺陷大小中的至少一种；导出所述检测报告或者打印所述检测报告。第二方面，一种焊缝缺陷的数字射线检测系统，包括：图像采集模块、图像处理模块、质量报告模块、云检测模块、安全监控模块以及系统管理模块；所述图像采集模块用于图像采集、图像转换、图像存储；所述图像处理模块用于图像显示、基础处理、高级处理、图像标注、图像对比和图像存储；质量报告模块用于自动生成报告、报告编辑、报告打印、报告导出；云检测模块用于缺陷识别、缺陷定位、模型共享、深度学习模型共享；安全监控模块用于工作环境监控、图像采集相关设备运行状态的监控并预警；系统管理模块用于机构管理、用户管理、角色管理、节点管理、消息管理、日志管理。再一方面，本专利技术实施例提供了一种服务器，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现上述方法步骤。本专利技术实施例提供的一种焊缝缺陷的数字射线检测方法、系统及服务器，包括对包含焊缝的图像进行框选、标记多张此类图像作为训练数据集；利用所述训练数据集，制作完成深度学习模型；获取多张待检测图像并存储；利用预设方法处理所述待检测图像，得到标记图像；其中，所述预设方法包括显示所述检测图像、修正所述待检测图像大小、提高所述待检测图像的清晰度、标记所述待检测图像；对所述标记图像进行缺陷检测，获取异常标记图像；利用所述深度学习模型对所述异常标记图像进行缺陷识别并标注缺陷位置，得到测试数据；从所述测试数据中，获得焊缝缺陷的检测结果；本系统首先完成对焊缝图像的采集、转换、存储；然后完成对图像的处理，包括图像标注、图像对比等；对图像进行与检测，识别缺陷，对有缺陷的图像进行缺陷定位等；对已完成的图像生成质量报告，完成对报告的编辑、打印、导出；整体流程通过视频监控并全程对设备状态进行监控。本系统是一个自动化集成管理、智能识别并定位缺陷、智能化检测报告打印及导出(PDF、WORD、图片)等服务于一身的服务平台；辅助企业实现自动化智能缺陷筛选、缺陷定位，智能化评片，自动生成质量报告；充分为企业整合资源，为个人提高工作效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。图1为本专利技术实施例提供的一种焊缝缺陷的数字射线检测方法流程图。图2为本专利技术实施例所提供的智能数字射线系统结构组成示意图。图3为本专利技术实施例所提供的智能数字射线系统核心流程图。图4为本专利技术实施例所提供一种服务器的模块连接图。具体实施方式下面将结合本专利技术实施例中的附图，对本发本文档来自技高网...

【技术保护点】
1.一种焊缝缺陷的数字射线检测方法，其特征在于，包括：/n对包含焊缝的图像进行框选、标记多张此类图像作为训练数据集；/n利用所述训练数据集，制作完成深度学习模型；/n获取多张待检测图像并存储；/n利用预设方法处理所述待检测图像，得到标记图像；其中，所述预设方法包括显示所述检测图像、修正所述待检测图像大小、调整所述图像窗宽窗位、提高所述待检测图像的清晰度、标记所述待检测图像；/n对所述标记图像进行缺陷检测，获取异常标记图像；/n利用所述深度学习模型对所述异常标记图像进行缺陷识别并标注缺陷位置，得到测试数据；/n从所述测试数据中，获得焊缝缺陷的检测结果。/n

【技术特征摘要】
1.一种焊缝缺陷的数字射线检测方法，其特征在于，包括：
对包含焊缝的图像进行框选、标记多张此类图像作为训练数据集；
利用所述训练数据集，制作完成深度学习模型；
获取多张待检测图像并存储；
利用预设方法处理所述待检测图像，得到标记图像；其中，所述预设方法包括显示所述检测图像、修正所述待检测图像大小、调整所述图像窗宽窗位、提高所述待检测图像的清晰度、标记所述待检测图像；
对所述标记图像进行缺陷检测，获取异常标记图像；
利用所述深度学习模型对所述异常标记图像进行缺陷识别并标注缺陷位置，得到测试数据；
从所述测试数据中，获得焊缝缺陷的检测结果。


2.根据权利要求1所述的焊缝缺陷的数字射线检测方法，其特征在于，在得到测试数据之后还包括：
根据所述测试数据更新所述深度学习模型。


3.根据权利要求1所述的焊缝缺陷的数字射线检测方法，其特征在于，所述预设方法包括：
利用图像显示功能显示所述待检测图像；其中，所述待检测图像格式支持8位或16位；
修正所述待检测图像大小，缩放待检测图像的大小、旋转图像、调整待检测图像的窗宽窗位；
对待检测图像进行滤镜处理，所述滤镜处理包括反白、对比度、亮度、锐化、浮雕、平滑、色阶、除杂色中的至少一种；以获得高清晰度的待检测图像；
对高清晰度的待检测图像进行标记，在高清晰度的待检测图像上标记基础信息；其中，所述基础信息包括分辨率、信噪比、工件名称、时间中的至少一种。


4.根据权利要求1所述的焊缝缺陷的数字射线检测方法，其特征在于，对所述标记图像进行缺陷检测，获取异常标记图像包括：
利用所述深度学习模型，对所述标记图像进行分类，得到无缺陷标记图像、有缺陷标记图像；
所述有缺陷标记图像即为所述异常标记图像。


5.根据权利要求1所述的焊缝缺陷的数字射线检测方法，其特征在于，对所述标记图像进行缺陷检...

【专利技术属性】
技术研发人员：郑玲，
申请(专利权)人：西安数合信息科技有限公司，
类型：发明
国别省市：陕西;61