·85·在工业生产中焊接作为重要的工件加工技术之一，焊接质量对焊接件的寿命长短有着直接的影响。工件在焊接过程中受工艺参数的影响，容易产生夹渣、未焊透、表面气孔和表面裂纹等焊接缺陷[1]。若将有焊接缺陷的工件产品应用到工业领域，轻则导致焊接系统的崩溃，重则出现事故，造成人员伤亡。研究焊接缺陷检测方法、识别焊接缺陷的类型，对提高焊接件的寿命及其质量具有重要的意义。工业生产中，常用的焊接缺陷检测方法为射线检测法[2],但这种方法受限于检测员的水平，容易出现漏检、错检等问题，同时由于是人工检测，检测周期相对较长，不能满足工业化生产的要求。随着计算机视觉技术的发展，研究人员针对焊接缺陷的识别检测提出了诸多方法。胡曦[3]等为了实现对化工管道的焊接缺陷检测，提出了一种基于多特征提取和二叉树支持向量机（BT-SVM）分类的机器视觉检测方法，精准地对焊接缺陷进行了分类。张承宁[4]等针对激光拼焊视觉检测，提出了一种基于K-means焊缝提取方法，通过对纹理特征选取和描述，主元映射与特征点聚类，完成了对焊缝的识别。李慧[5]提出了基于卷积神经网络的图像质量评价算法，通过对图像的预处理、层次化分池处理等方法，有效提升了算法的学习能力和评价精度。余云[6]等提出了一种项目属性和云填充的计算机智能图像收稿日期：2021-10-12基金项目：安徽农业大学“优才计划”科研发展资助项目（xszz202006）作者简介：陈滔，男，贵州毕节人,安徽农业大学工学院工程师,主要从事图像处理和信息处理研究。基于改进粒子群优化的K-means聚类的焊接缺陷图像识别陈滔1,2（1.安徽农业大学工学院，安徽合肥230036；2.甘肃政法大学民商经济法学院，甘肃兰州730070）摘要：针对传统检测方法对焊接缺陷图像识别的缺点，提出基于改进粒子群算法优化的K-means聚类的焊接缺陷图像识别方法。运用HOG算法提取焊接缺陷图像的特征，利用IPSO算法对K-means聚类模型的聚类点数K进行参数寻优，从而实现对焊接缺陷的检测识别，实验验证表明，该方法能够有效提高焊接缺陷图像的识别效果，总体识别准确度达到94%。关键词：IPSO优化；K-means聚类；HOG算法；焊接缺陷中图分类号：TP391.4；TG441.7文献标识码：A文章编号：1009-3583（2023）-0085-04WeldingDefectImageRecognitionBasedonImprovedParticleSwarmOptimizationK-meansClusteringCHENTao1,2(1.SchoolofEngineering,AnhuiAgriculturalUniversity,Hefei230036,China;2.SchoolofCivilandCommerc...
