基于人工智能的鋼制車輪焊縫焊接質(zhì)量的檢測方法與流程

技術(shù)特征：

1.基于人工智能的鋼制車輪焊縫焊接質(zhì)量的檢測方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于人工智能的鋼制車輪焊縫焊接質(zhì)量的檢測方法，其特征在于，所述步驟s2中對于焊接處的圖像進行濾波去噪的具體實現(xiàn)為：

3.根據(jù)權(quán)利要求1所述的基于人工智能的鋼制車輪焊縫焊接質(zhì)量的檢測方法，其特征在于，所述步驟s2中通過canny邊緣檢測算法結(jié)合霍夫直線變換定位焊縫邊界，利用區(qū)域生長法提取完整焊縫區(qū)域，生成焊縫roi圖像的具體實現(xiàn)為：

4.根據(jù)權(quán)利要求1所述的基于人工智能的鋼制車輪焊縫焊接質(zhì)量的檢測方法，其特征在于，所述步驟s3得到完整的roi圖像中每個像素的灰度值，構(gòu)建灰度矩陣，并基于霍夫直線變換確定的焊縫主走向?qū)⒒叶染仃囇睾缚p中心線拉直，形成灰度序列，該灰度序列的長度等于焊縫roi沿其主走向的像素總數(shù)；采用移動平均濾波對灰度序列進行平滑預(yù)處理，得到平滑后的灰度序列的具體實現(xiàn)為：

5.根據(jù)權(quán)利要求1所述的基于人工智能的鋼制車輪焊縫焊接質(zhì)量的檢測方法，其特征在于，所述步驟s4計算平滑后灰度序列的相鄰灰度差序列，統(tǒng)計其均值和標準差，采用滑動窗口遍歷并計算累計偏差系數(shù)，標記并合并異常窗口得到焊縫異常段；提取各異常段灰度子序列，計算包括灰度均值偏離度和灰度分布熵的具體實現(xiàn)為：

6.根據(jù)權(quán)利要求1所述的基于人工智能的鋼制車輪焊縫焊接質(zhì)量的檢測方法，其特征在于，所述步驟s5中神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)為：

技術(shù)總結(jié)
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于人工智能的鋼制車輪焊縫焊接質(zhì)量的檢測方法。該方法包括獲取鋼制車輪焊接處圖像；對圖像采用加權(quán)融合的高斯中值混合濾波去噪，通過Canny邊緣檢測結(jié)合霍夫直線變換定位焊縫邊界，利用區(qū)域生長法提取焊縫ROI圖像；構(gòu)建ROI圖像灰度矩陣，沿焊縫中心線拉直形成灰度序列并經(jīng)移動平均濾波平滑；計算灰度差序列，通過滑動窗口標記合并異常段，提取灰度均值偏離度和灰度分布熵特征；對特征歸一化后輸入預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型，輸出焊縫質(zhì)量評分。本發(fā)明提升鋼制車輪焊接處檢測精準度與穩(wěn)定性，滿足大規(guī)模自動化生產(chǎn)的高效質(zhì)量管控需求。

技術(shù)研發(fā)人員：王亞強,王宗會,趙子成,楊增健
受保護的技術(shù)使用者：冠縣華超金屬科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2026/4/16