D-S证据理论驱动的金属薄壁罐焊缝缺陷智能检测

本文主要探讨了"基于D-S证据理论的金属薄壁罐焊缝缺陷检测"这一主题，发表在2014年8月的《江南大学学报(自然科学版)》第13卷第4期。作者沈祯杰和孙俊*来自江南大学物联网工程学院，针对薄壁金属罐焊接过程中常见的缺陷问题，提出了两种创新的机器视觉检测方法。 首先，作者采用了"累积灰度值波形分析法"（Column Gray-Level Accumulation Inspection, CAI），这种方法基于统计学原理，通过对焊缝区域的灰度值分布进行分析，捕捉其独特的统计特征。通过检测这些特征的变化，可以识别出焊缝是否存在问题。这种方法侧重于静态分析，旨在提高检测的精确性。 其次，"帧差法"被引入作为另一种检测手段，该方法利用连续两帧图像之间的差异来检测焊缝的动态变化，任何显著的位移或异常可能指示焊缝缺陷的存在。这种方法注重实时性和动态监控，有助于降低因焊接过程中的微小运动导致的误判。 为了进一步提高检测的可靠性，论文引入了Dempster-Shafer (D-S) 证据理论。D-S证据理论是一种处理不确定性和不完备信息的数学工具，能够有效地整合和处理CAI和帧差法提供的多源信息，减少误判（即错误地认为存在缺陷）和漏判（即遗漏实际存在的缺陷）。通过这种方法，检测系统的准确度得到了显著提升，能够达到90%以上。 本文的研究成果对于工业生产环境中的金属罐质量控制具有重要意义，因为它不仅提高了焊缝缺陷的检测效率，还兼顾了实时性和准确性。此外，由于算法的计算量较低，这些方法可以轻松适应实时生产线的需求，对于制造业的自动化检测系统来说是一大进步。整体而言，这篇文章在机器视觉技术、焊缝检测和D-S证据理论的交叉应用方面做出了有价值的研究贡献。