-
公开(公告)号:CN114693670B
公开(公告)日:2023-05-23
申请号:CN202210433159.7
申请日:2022-04-24
Applicant: 西京学院
IPC: G06T7/00 , G06T5/00 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/088
Abstract: 本发明为一种基于多尺度U‑Net的直缝埋弧焊管焊缝缺陷超声检测方法,其克服了现有技术中存在的复杂背景下直缝埋弧焊管焊缝管缺陷检测的准确率低的问题。本发明能有效提高复杂背景下直缝埋弧焊管焊缝管缺陷检测的准确率。本发明包括以下步骤:步骤1.采用谱聚类算法将直缝埋弧焊管焊缝超声图像网格化并分配标签,得到超像素图像;步骤2.计算每个超像素内所有像素点的灰度平均值,再将灰度平均值重新赋值给超像素中每个像素点,得到视觉概要图;步骤3.构建改进的多尺度U‑Net模型;步骤4.将得到的视觉概要图作为训练集训练改进的多尺度U‑Net模型,利用训练好的多尺度U‑Net模型对直缝埋弧焊管焊缝缺陷进行检测。
-
公开(公告)号:CN114693670A
公开(公告)日:2022-07-01
申请号:CN202210433159.7
申请日:2022-04-24
Applicant: 西京学院
Abstract: 本发明为一种基于多尺度U‑Net的直缝埋弧焊管焊缝缺陷超声检测方法,其克服了现有技术中存在的复杂背景下直缝埋弧焊管焊缝管缺陷检测的准确率低的问题。本发明能有效提高复杂背景下直缝埋弧焊管焊缝管缺陷检测的准确率。本发明包括以下步骤:步骤1.采用谱聚类算法将直缝埋弧焊管焊缝超声图像网格化并分配标签,得到超像素图像;步骤2.计算每个超像素内所有像素点的灰度平均值,再将灰度平均值重新赋值给超像素中每个像素点,得到视觉概要图;步骤3.构建改进的多尺度U‑Net模型;步骤4.将得到的视觉概要图作为训练集训练改进的多尺度U‑Net模型,利用训练好的多尺度U‑Net模型对直缝埋弧焊管焊缝缺陷进行检测。
-