本書內容實用，技術新穎，汲取 研究成果和實踐經驗，體現了焊接智能檢測新技術、新工藝，適應焊接專業發展需要，具有較高的指導性和借鋻性。

●第1章 焊縫無損檢測常用方法 1
1.1 超聲檢測 1
1.1.1 超聲檢測的特性 2
1.1.2 超聲檢測的分類 3
1.1.3 超聲檢測的方法 3
1.1.4 檢測掃查方式 6
1.1.5 檢測面的選擇及檢測等級 7
1.1.6 缺陷的測量 9
1.2 結構光檢測 9
1.2.1 激光三角法測量原理 10
1.2.2 結構光檢測法在焊接方面的應用 10
1.3 射線探傷 12
1.3.1 X 射線探傷 13
1.3.2 γ 射線探傷 16
1.4 磁粉檢測 16
1.5 渦流檢測 19
1.5.1 渦流檢測原理 19
1.5.2 渦流檢測線圈分類 20
1.5.3 渦流檢測對像 20
1.5.4 渦流檢測的特點 22
1.6 滲透探傷 24
1.7 視覺圖像識別 26
參考文獻 28

第2章 焊縫數字圖像常用處理方法 31
2.1 灰度化 31
2.1.1 灰度線性變換 32
2.1.2 非線性變換 34
2.2 圖像濾波 35
2.2.1 空域濾波 35
2.2.2 頻域濾波 37
2.3 數學形態學及其應用 41
2.3.1 基本符號和定義 42
2.3.2 二值圖像形態學處理 44
2.3.3 灰度圖像形態學處理 48
2.4 圖像二值化 50
參考文獻 52

第3章 焊縫圖像識別常用智能算法 53
3.1 BP 神經網絡 53
3.1.1 網絡模型 53
3.1.2 激活函數 54
3.1.3 網絡模型訓練 55
3.1.4 BP 神經網絡的特點 55
3.2 支持向量機（SVM） 57
3.2.1 支持向量機原理 57
3.2.2 SVM 軟間隔 59
3.2.3 SVM 核函數 59
3.2.4 SVM 算法的特點 60
3.3 人工免疫算法 61
3.3.1 人工免疫算法的原理 61
3.3.2 人工免疫算法的特點 64
3.4 深度卷積神經網絡 64
3.4.1 深度學習的發展及應用 64
3.4.2 深度學習算法的原理 66
3.4.3 深度學習算法的特點 68
參考文獻 69

第4章 GMAW 焊接熔池CCD 圖像采集 71
4.1 機器人焊接工作站 71
4.2 熔池圖像傳感設計 73
4.2.1 成像原理及器件參數分析 73
4.2.2 圖像數據信號傳輸接口協議 75
4.2.3 工業鏡頭參數分析與選型 76
4.2.4 傳感觸發電路 76
4.2.5 濾光繫統 77
4.3 熔池圖像采集 77
參考文獻 79

第5章 GMAW 熔池CCD 圖像智能識別 80
5.1 焊接熔池圖像智能識別的研究進展 80
5.2 熔池圖像特征提取及檢測 81
5.2.1 熔池輪廓提取 81
5.2.2 熔池圖像特征選取 83
5.2.3 基於熔池圖像的焊偏檢測 84
5.2.4 基於熔池圖像的焊接錯邊檢測 87
5.2.5 基於熔池圖像的熔透狀態檢測 88
5.3 基於BP 神經網絡的GMAW 焊縫成形預測 92
5.3.1 BP 神經網絡選型 92
5.3.2 焊縫成形預測與結果分析 93
5.4 基於深度卷積神經網絡的焊接熔池CCD 圖像智能識別 95
5.4.1 算法模型 95
5.4.2 模型優化 96
5.4.3 熔池形態識別試驗結果分析 96
5.4.4 遷移學習和圖像關鍵區識別 98
5.4.5 算法性能比較分析 99
5.4.6 特征可視化分析 100
參考文獻 102

第6章 成形焊縫表面激光條紋圖像采集 103
6.1 焊縫表面形態智能識別與檢測研究進展 103
6.2 激光條紋圖像采集硬件設計 105
6.2.1 圖像采集繫統硬件結構 105
6.2.2 激光視覺傳感設計 106
6.3 圖像標定和坐標轉換 109
6.3.1 視覺繫統坐標繫 109
6.3.2 相機參數的標定 113
6.3.3 視覺傳感參數標定 113
6.4 焊縫表面激光條紋圖像采集軟件設計 116
6.5 焊縫表面圖像采集結果分析 119
參考文獻 120

第7章 成形焊縫表面質量智能檢測 122
7.1 焊縫圖像預處理 122
7.1.1 圖像灰度化 123
7.1.2 濾波降噪 124
7.1.3 圖像二值化 125
7.1.4 圖像連通性處理 127
7.1.5 圖像關鍵區域提取 128
7.2 激光條紋圖像中心線提取 129
7.3 激光條紋關鍵點提取 135
7.4 焊縫表面成形質量智能檢測及結果分析 137
參考文獻 139

第8章 焊縫內部缺陷射線圖像采集 140
8.1 焊縫內部缺陷射線圖像的智能識別研究進展 140
8.2 焊縫射線探傷標準 143
8.3 焊縫內部缺陷射線圖像采集 144
8.4 焊縫內部缺陷射線圖像數據庫設計 146
參考文獻 147

第9章 焊縫內部射線圖像智能識別 150
9.1 基於傳統神經網絡的焊縫內部射線圖像智能識別 150
9.1.1 焊接接頭缺陷特征的形狀描述 150
9.1.2 免疫優化支持向量機算法 150
9.1.3 實驗及結果分析 153
9.2 基於深度卷積神經網絡的焊縫內部射線圖像智能識別 157
9.2.1 識別算法選型 157
9.2.2 識別模型設計 158
9.2.3 識別流程設計 163
9.2.4 模型驗證和結果分析 166
參考文獻 170

本書在介紹焊縫無損檢測、數字圖像處理方法及常用焊縫圖像識別方法的基礎上，詳細介紹了利用機器視覺、數字圖像處理和人工智能等技術對焊縫圖像進行識別和質量檢測的方法，主要包括焊接過程中監測GMAW 熔池區域的圖像信息、成形焊縫的表面檢測、焊縫內部缺陷的圖像采集和圖像識別等。本書內容實用，技術新穎，體現了焊接智能檢測新技術、新工藝，具有較高的指導性和借鋻性，適應焊接相關專業師生及技術人員閱讀參考。