[发明专利]一种基于深度学习的焊缝底片造假的自动检测方法

说明书

针对目前缺乏焊缝底片造假自动检测手段的情况，本发明设计了一种基于深度学习的焊缝X射线探伤底片造假的自动检测方法，首先将射线胶质底片扫描成数字化焊缝底片图像，通过筛选一部分包含所有焊缝字符标识的焊缝底片图像，并将焊缝底片图像中所有字符标识分割出来用于训练可识别字符的字符识别模型，通过字符识别模型提取出新提交焊缝底片图像中的字符信息，另外通过改进的VGGNet‑16卷积神经网络提取出新提交焊缝底片图像中的焊缝信息，将提取出的字符信息、焊缝信息分别与数据库中保存的字符信息、焊缝信息进行比对，快速、准确地检测出和原有焊缝底片的字符标识相同或者焊缝相同的焊缝底片，即造假的焊缝底片，保证工程质量。

技术领域

本发明属于管道焊接检测技术领域，特别涉及一种基于深度学习的焊缝底片造假的自动检测方法。

背景技术

焊接缺陷依照其在焊缝中的位置不同，分为外部缺陷(咬边、焊瘤、塌陷等)和内部缺陷(裂纹、气孔、夹渣、未焊透等)，对位于焊缝外表面的外部缺陷通过直接观察可实现辨别，而内部缺陷需经无损检测技术进行检测实现辨别。

常见的管道焊接缺陷检测技术主要利用超声波、涡流、红外和射线检测等。射线检测又称射线探伤,所谓射线探伤需要以胶片为载体，是利用物体不同结构对射线的吸收能力不同,产生感光作用不同来检查焊缝内部缺陷的一种方法，射线探伤的基本原理如下：当强度均匀的射线束透照射物体时，如果物体局部区域存在缺陷或结构存在差异，它将改变物体对射线的衰减，使得不同部位透射射线强度不同，这样，采用一定的检测器(例如，射线照相中采用胶片)检测透射射线强度，就可以判断物体内部的缺陷和物质分布等。射线能不同程度地透过金属材料，对照相胶片产生感光作用，利用这种性能，当射线通过被检查的焊缝时，因焊缝缺陷对射线的吸收能力不同，使射线落在胶片上的强度不一样，胶片感光程度也不一样，这样就能准确、可靠、非破坏性地显示缺陷的形状、位置和大小,技术人员通过观察胶片上显示的图像信息可达到识别缺陷的目的。常用的射线有X射线和γ射线两种,其中X射线无损探伤是工业管道焊接无损检测的主要方法之一，其检测结果已作为焊缝缺陷分析和质量评价的重要判定依据。

根据X射线探伤工艺规程，每张底片上必须显示像质计，定位标记(中心定位标记、搭接标记)与识别标记。识别标记包括管线号、焊口号、焊工号、焊接日期等。若返修重拍时片号后加返修标记，R1、R2等注脚为返修次数。上述各种标记铅字在拍摄前放置在指定的位置，与焊缝一起成像，故X射线胶质底片图像中共包含两部分，分别为焊缝图像和用于区别焊缝的字符图像。

在工程上，焊缝X射线探伤底片存在造假的现象，即底片上的识别标记与要拍摄的焊缝不吻合，可能出现用新铅字标记拍摄老焊缝或者用老铅字标记拍摄新焊缝的造假方式。比如，在实际的工程验收中,如果工程方认为某条焊缝或某焊口其中一段焊缝质量不佳，无法通过检查，他们可能会用新标记重新拍摄一条质量好的焊缝，冒充质量不佳的焊缝(用新铅字标记拍摄老焊缝)，并提交造假的焊缝底片。通常一个工程中的焊缝底片数量巨大，仅凭人眼观察很难发现这种造假，若这些存在缺陷的焊缝通过验收，将会直接影响焊接产品的质量和使用寿命，存在极大的安全隐患。

目前检查底片造假的方法是人工审查前后焊缝底片搭接缝，如一个焊口的焊缝底片前后搭接不上，就存在造假的嫌疑。但是人工审查费时费力，容易漏检，而且如果整个焊口的全部焊缝底片都造假(换一条焊口拍摄)，搭接检查也不能解决造假问题，况且读片人员应该把精力放在焊接缺陷检查而不是防止造假上。

发明内容

为了能快速、准确地检查出用新铅字标记拍摄老焊缝或者用老铅字标记拍摄新焊缝的造假底片，本发明提供了一种基于深度学习的焊缝底片造假的自动检测方法，能够自动检测出焊缝底片中存在的焊缝标识相同或者焊缝图像相同的底片，及时发现工程中质量不合格的焊缝，保证了工程质量，消除安全隐患，提高了工作效率。

本发明采用的技术方案为：

一种基于深度学习的焊缝底片造假的自动检测方法，包括如下步骤：

S1:将X射线胶质底片扫描成数字化焊缝底片图像；