摘要：针对箱梁结构件焊缝表面缺陷分类识别过程中的在线特征提取及实时性等问题,在二维主成分分析(2DPCA)的基础上提出了一种基于泛化的增量式2DPCA(GI2DPCA)的特征提取算法。首先,对获取的箱梁结构件焊缝表面图像进行图像增强、图像平滑和阈值分割等预处理,实现了焊缝缺陷区域的有效信息提取,建立了焊缝缺陷数据库;然后,利用所提出的GI2DPCA算法对数据库中的焊缝图像提取其特征主元,并通过BP神经网络进行缺陷分类识别;最后,在建立的焊缝缺陷数据库上进行了算法性能的对比实验,并在ORL人脸数据库上对所提算法的通用性进行了验证。结果表明, GI2DPCA+BP神经网络算法的提取及分类速度可达36 fps,识别率达到97%,能够满足箱梁结构件焊缝表面缺陷检测的工程应用及实时性处理需求。

关键词：焊缝表面缺陷 特征提取 二维主成分分析 bp神经网络 分类识别 

单位：天津市先进机电系统设计与智能控制重点实验室; 天津300384; 天津理工大学机电工程部级实验教学示范中心; 天津300384; 天津大学; 北京科技大学; 湖南大学; 河北工业大学