焊接技术是一种常用的工业连接技术,广泛应用于机械制造、农业机械装备生产、工业生产等行业。由于焊接过程中环境的复杂与焊接技术的影响,焊接过程中不可避免的会产生局部缺陷。焊接部位一旦出现故障,轻则导致焊接结构的失效,重则导致人员伤亡,为了保证焊接的可靠性与安全性,对焊接部位材料的精准检测非常重要。传统上基于X射线焊接图像的质量评定的方式采用人工评定,但是人工评定具有费时费力、依赖评定人员的素质等缺点。基于计算机的焊缝图像缺陷的自动检测系统成为新的趋势和重要的方向。传统的计算机辅助评定的主要有缺陷部位分割、特征提取、特征分类。本文使用形态学处理方法获取焊缝缺陷位置。接着,提取了焊缝三种特征,两种手工特征以及一种自学习特征。利用方向梯度直方图提取焊缝缺陷的轮廓信息、灰度共生矩阵提取焊缝缺陷的纹理特征、自编码器对深度神经网络进行无监督的预处理,以获取缺陷图像的自学习深层特征。考虑单一特征描述焊缝缺陷特征不够全面,本文提出了一种基于特征融合技术的焊缝缺陷图像分类与识别方法。首先,将提取的单一特征互相结合获取融合特征,考虑到不同方法提取特征分类效果不同,又尝试将不同特征赋予不同的权值进行融合,最后,使用支持向量机进行分类。实验结果表明,焊缝缺陷特征融合后的分类效果优于单一特征分类效果,有效的证明了所提出的方法的可靠性,并且该方法能够在少量训练样本集的基础上对焊缝缺陷进行准确分类,比传统方法分类的分类效果更好。