为了实现对大型厚壁压力容器焊缝缺陷的准确识别，提高缺陷评定的准确性和检测效率，在基于标记的改进分水岭TOFD检测图像分割的基础上，结合典型缺陷图像的纹理特征，从图像空间域和频域特征，分别利用局部相位量化和局部二值模式获取缺陷区域的局部邻域特征参数，将二者特征参数进行归一化融合，再将融合特征向量用支持向量机进行分类识别。试验结果表明，检测图像4×4分块后提取的熔合特征识别率最优，分类识别正确率达到87.10%。

所属栏目

试验研究福建省自然科学（2015J01234）

收稿日期

2018/4/5

作者单位

伏喜斌:厦门市特种设备检验检测院, 厦门 361004福州大学 机械工程及自动化学院, 福州 350108

联系人作者

伏喜斌(xibinfu@163.com)

备注

伏喜斌(1977-),男,高级工程师,硕士生导师,工学博士,主要从事特种设备无损检测技术的研究与应用工作

引用该论文:

FU Xibin.Classification and Recognition of Weld Defects by Ultrasonic TOFD Based on Support Vector Machine[J].Nondestructive Testing,2018,40(6):52～57
伏喜斌.基于支持向量机的焊缝超声TOFD缺陷分类识别[J].无损检测,2018,40(6):52～57

参考文献

【1】

林尚扬,于丹,于静伟.压力容器焊接新技术及其应用[J]. 压力容器, 2009,26(11):1-6.

【2】

MERAZI-MEKSEN T, BOUDRAA M, BOUDRAA B. Mathematicalmorphology for TOFD image analysis and automatic crack detection[J]. Ultrasonics, 2014, 54(6):1642-1648.

【3】

BASKARAN G, RAO C L, BALASUBRAMANIAM K. Simulation of the TOFD technique using the finite element method[J]. Or Insight, 2007, 49(11):641-646.

【4】

BOHÁ AČG IK M, MI AČG IAN M, KOÑÁR R,et al. Ultrasonic testing of butt weld joint by TOFD technique[J]. Manufacturing Technology, 2017, 17(6):842-847.

【5】

HABIBPOUR-LEDARI A, HONARVAR F. Three dimensional characterization of defects by ultrasonic time-of-flight diffraction(TOFD) technique[J]. Journal of Nondestructive Evaluation, 2018, 37(1):14.

【6】

宋克臣, 颜云辉, 陈文辉, 等. 局部二值模式方法研究与展望[J]. 自动化学报, 2013, 39(6):730-744.

【7】

李岚, 师飞龙, 徐楠楠. 自适应加权局部相位量化的人脸识别[J]. 光电工程, 2012,39(12):138-142.