1.目的及意义

1.1目的与意义：

X射线检测从诞生至今已经有多年的历史了，传统的X射线相片识别模式是机器程序辅助下的人工识别模式，其具有许多不可预测的失误，而所检测的材料又十分精密，一点小小的缺陷就有可能引发巨大的灾难，造成不可挽回的后果。因此利用计算机智能来对X相片进行识别的研究逐渐成为了一个热门的项目。

机器学习是一种根据生理学和认知学构建的一种具有预测能力的模型。具体应用于组织和拟合参数以及学习特征表示两大方面，其能处理的数据量是十分巨大的，远远超过了单个人的处理能力。在大数据逐渐完善和计算机技术飞速发展的前提下，机器学习所需要的训练时间大大减少了，其应用于X射线相片识别的条件已经成熟。综上所述，研究基于机器学习的X射线检测模型是十分有意义的。

1.2国内研究历史背景：

X射线无损探伤是工业无损检测的主要方法之一,是保证焊接质量的重要技术,其检测结果已作为焊缝缺陷分析和质量评定的重要判定依据,应用十分广泛^[10]。早期X射线无损探伤中常用的方法是胶片照相法。X射线胶片的成像质量较高,具有直观性强,探伤记录可追溯和长期保存等优点,能够较准确地提供焊缝中缺陷的真实信息。X射线检测最主要的目的是检查出被检物体上被检部位的缺陷的位置、类型、尺寸和数目,而这些信息均可在成像的底片上获得。

1.2.1传统X射线检测方法概况：

传统的X射线图像识别是由工作人员在观片室中借助于观片灯、放大镜、量尺、记录表格来手工完成。这种方法易受设备、环境、底片质量及人的生理条件等因素的影响。人眼长时间观察,会使眼睛疲劳,分辨能力下降,容易造成缺陷的漏检、误判等后果。有争议的识别结果会造成评判人员反复的拿放、摩擦甚至刮坏底片,影响识别结果的最后定论。手工测量带来的误差也因人而异,况且现代机械制造对精度的要求越来越高,手工测量渐渐不能满足要求。由于人工识别的工作量大,速度慢,识别质量与操作者的技术水平,精神状态有关,某些缺陷的定量参数单纯靠人工短时间内无法确定,因此常常造成焊接缺陷的误判,漏判,给焊接结构造成质量隐患。因此人工识别越来越不能满足生产发展的需要。

1.2.2国内外研究历史：

自20世纪80年代以来,计算机技术己进入图像处理领域,特别是数字化成像技术的普及,数字图像处理与识别技术己在商业,工业,医疗等领域中广泛应用并取得丰硕成果。如何应用图像识别技术,对焊接图像进行识别,以有效地克服人工评定中由于视力,经验差异而引起的漏判误判,使评定工作客观化,规范化,成为图像识别技术在射线探伤领域应用的首要问题。