CN107607612B - 基于漏磁信号的垂直分量的缺陷轮廓识别方法及装置 - Google Patents
基于漏磁信号的垂直分量的缺陷轮廓识别方法及装置 Download PDFInfo
- Publication number
- CN107607612B CN107607612B CN201710686539.0A CN201710686539A CN107607612B CN 107607612 B CN107607612 B CN 107607612B CN 201710686539 A CN201710686539 A CN 201710686539A CN 107607612 B CN107607612 B CN 107607612B
- Authority
- CN
- China
- Prior art keywords
- defect
- right angle
- position point
- vertical component
- square position
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 185
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000010586 diagram Methods 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 230000004907 flux Effects 0.000 claims description 14
- 241000239290 Araneae Species 0.000 claims description 10
- 230000005415 magnetization Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 8
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
- G01N27/83—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明公开了基于漏磁信号的垂直分量的缺陷轮廓识别方法及装置，其中，该方法包括：首先，获取待识别缺陷的漏磁信号的垂直分量；接着，对垂直分量进行识别，判定缺陷的各个直角的直角特征和直角位置点；接着，根据所述直角特征获取所述缺陷的各个直角位置点的可能的直角类型；接着，将各个可能的直角类型在对应的直角位置点进行遍历，确定各个直角位置点对应的最佳直角类型；最后，根据各个直角位置点对应的最佳直角类型绘制缺陷的轮廓以完成缺陷轮廓识别。该方法只需对漏磁信号的垂直分量进行计算分析，通过判定各个直角的直角特征、在缺陷几何拓扑图中进行遍历搜寻等操作，实现缺陷轮廓识别，具有较好的识别效果。
Description
技术领域
本发明涉及漏磁检测技术领域，尤其涉及一种基于漏磁信号的垂直分量的缺陷轮廓识别方法及装置。
背景技术
缺陷轮廓识别是漏磁检测技术的关键环节，对于缺陷评估具有重要作用。漏磁信号表征为三维漏磁信号，包括水平分量、法向分量、垂直分量，其中漏磁信号的垂直分量相较于其水平分量和法向分量，信号强度弱且难以直观体现缺陷边界，因此很少被单独应用于漏磁检测及其缺陷轮廓识别技术中。目前常用的漏磁检测方案和缺陷识别方法大都是基于漏磁信号的水平分量、法向分量或其综合信号开展设计和研究的。然而漏磁信号的垂直分量对缺陷直角具有很高的检测灵敏度，且对于不同的缺陷直角类型，具有不同的信号特征，因此可以利用漏磁信号的垂直分量这一特性对缺陷直角类型进行判断，进而实现缺陷轮廓识别，这对于充分挖掘和利用漏磁信号中的垂直分量信息，实现对缺陷直角特征的准确定位和识别具有重要意义。目前尚未为利用漏磁信号的垂直分量的直角特征信息实现缺陷轮廓识别的方法。
发明内容
本发明的目的旨在至少在一定程度上解决上述的技术问题之一。
为此，本发明的第一个目的在于提出一种基于漏磁信号的垂直分量的缺陷轮廓识别方法，首先，获取待识别缺陷的漏磁信号的垂直分量；接着，对垂直分量进行识别，判定缺陷的各个直角的直角特征和直角位置点；接着，根据所述直角特征获取所述缺陷的各个直角位置点的可能的直角类型；接着，将各个可能的直角类型在对应的直角位置点进行遍历，确定各个直角位置点对应的最佳直角类型；最后，根据各个直角位置点对应的最佳直角类型绘制缺陷的轮廓以完成缺陷轮廓识别。该方法只需对漏磁信号的垂直分量进行计算分析，通过判定各个直角的直角特征、在缺陷几何拓扑图中进行遍历搜寻等操作，实现缺陷轮廓识别，具有较好的识别效果，且为基于三维漏磁信号的缺陷轮廓特征识别，提供了有效准确的缺陷直角特征等相关信息，方法简单、缺陷直角识别率高。
本发明的第二个目的在于提出一种基于漏磁信号的垂直分量的缺陷轮廓识别装置。
为了实现上述目的，本发明第一方面实施例的基于漏磁信号的垂直分量的缺陷轮廓识别方法，包括：
获取待识别缺陷的漏磁信号的垂直分量；
对所述垂直分量进行识别，判定所述缺陷的各个直角的直角特征和直角位置点；
根据所述直角特征获取所述缺陷的各个直角位置点的可能的直角类型；
将各个可能的直角类型在对应的直角位置点进行遍历，确定各个直角位置点对应的最佳直角类型；
根据所述各个直角位置点对应的最佳直角类型绘制所述缺陷的轮廓以完成缺陷轮廓识别。
如上所述的方法，所述将各个可能的直角类型在对应的直角位置点进行遍历，确定各个直角位置点对应的最佳直角类型包括：
将各个直角位置点的可能的直角类型进行排列组合；
根据排列组合结果构建缺陷几何拓扑图；
遍历所述缺陷几何拓扑图；
在从所述缺陷几何拓扑图中获取的组合结果对应的缺陷为闭合缺陷时，停止遍历；
将所述闭合缺陷中各个直角位置点对应的直角类型确定为各个直角位置点对应的最佳直角类型。
如上所述的方法，所述直角特征包括第一类直角特征和第二类直角特征；
所述第一类直角特征包括四种第一直角类型，四种所述第一直角类型分别为开口角度为0°～90°的直角、开口角度为0°～270°的直角、开口角度为180°～270°的直角、开口角度为180°～90°的直角；
所述第二类直角特征包括四种第二直角类型，四种所述第二直角类型分别为开口角度为90°～180°的直角、开口角度为270°～360°的直角、开口角度为270°～180°的直角、开口角度为90°～360°的直角；
其中，所述开口角度是以沿磁化方向为起始角按顺时针旋转得到。
如上所述的方法，在所述对所述垂直分量进行识别之前，还包括：
确定对所述垂直分量进行识别的识别模式；
在确定所述识别模式为人工识别模式时，则根据对所述垂直分量进行观察判定所述缺陷的各个直角的直角特征和直角位置点；
在确定所述识别模式为自动识别模式时，则根据对所述垂直分量的包络信号判定所述缺陷的各个直角的直角特征和直角位置点。
如上所述的方法，所述根据对所述垂直分量进行观察判定所述缺陷的各个直角的直角特征和直角位置点，包括：
对所述垂直分量进行观察；
在观察到所述垂直分量中存在呈现明显向上凸起的波峰状信号以及所述波峰的等高线基本呈圆形时，判定直角特征为第一类直角特征，相应地，呈现明显向上凸起的波峰状信号中的信号最大值点对应的位置判定为直角位置点；
在观察到所述垂直分量中存在呈现显向下凹陷的波谷状信号及所述波谷的等高线基本呈圆形时，判定直角特征为第二类直角特征，相应地，呈现显向下凹陷的波谷状信号中的信号最小值对应的位置判定为直角位置点。
如上所述的方法，所述根据对所述垂直分量的包络信号判定所述缺陷的各个直角的直角特征和直角位置点，包括：
获取所述垂直分量的包络信号；
对所述包络信号进行幅值分析并判断所述包络信号的信号幅值是否均大于零或均小于零；
在确定所述包络信号的信号幅值均大于零时，判定直角特征为第一类直角特征，包络信号的信号幅值最大值对应的位置为直角位置点；
在确定所述包络信号的信号幅值均小于零时，判定直角特征为第二类直角特征，包络信号的信号幅值最小值对应的位置为直角位置点。
如上所述的方法，所述获取所述垂直分量的包络信号，包括：
对所述垂直分量进行灰度化图像处理以获取所述垂直分量的灰度图像；
对所述灰度图像进行canny边缘检测以获取所述垂直分量的包络信号。
如上所述的方法，所述垂直分量为缺陷的漏磁信号在检测平面上垂直于磁化方向上的信号分量，所述检测平面为磁传感器检测阵列的扫描平面。
为了实现上述目的，本发明第二方面实施例的基于漏磁信号的垂直分量的缺陷轮廓识别装置，包括：采集模块、判定模块、获取模块、遍历模块、绘制模块；
所述采集模块用于获取待识别缺陷的缺陷漏磁场的垂直分量；
所述判定模块用于对所述垂直分量进行识别，判定所述缺陷的各个直角的直角特征和直角位置点；
所述获取模块用于根据所述直角特征获取所述缺陷的各个直角位置点的可能的直角类型；
所述遍历模块用于将各个可能的直角类型在对应的直角位置点进行遍历，确定各个直角位置点对应的最佳直角类型；
所述绘制模块用于根据所述各个直角位置点对应的最佳直角类型绘制所述缺陷的轮廓以完成缺陷轮廓识别。
如上所述的装置，所述遍历模块具体用于：
将各个直角位置点的可能的直角类型进行排列组合；
根据排列组合结果构建缺陷几何拓扑图；
遍历所述缺陷几何拓扑图；
在从所述缺陷几何拓扑图中获取的组合结果对应的缺陷为闭合缺陷时，停止遍历；
将所述闭合缺陷中各个直角位置点对应的直角类型确定为各个直角位置点对应的最佳直角类型。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中，
图1是本发明一实施例提供的基于漏磁信号的垂直分量的缺陷轮廓识别方法的流程图；
图2是本发明实施例的示例性的三维漏磁检测的侧视图；
图3是本发明实施例示例性的三维漏磁检测的俯视图；
图4是本发明实施例示例性的三维漏磁检测中的垂直分量的信号强度分布图；
图5是本发明实施例示例性的直角特征及对应的直角类型的示意图；
图6是本发明实施例示例性的利用不同的直角类型组合缺陷的结构示意图；
图7是本发明实施例一示例性的缺陷识别结果图；
图8是本发明实施例又一示例性的缺陷识别结果图；
图9是本发明又一实施例提供的基于漏磁信号的垂直分量的缺陷轮廓识别方法的流程图；
图10是本发明一实施例提供的基于漏磁信号的垂直分量的缺陷轮廓识别装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的基于漏磁信号的垂直分量的缺陷轮廓识别方法及装置。
图1是本发明一实施例提供的基于漏磁信号的垂直分量的缺陷轮廓识别方法的流程图。如图1所示，本实施例提供的基于漏磁信号的垂直分量的缺陷轮廓识别方法，包括：
步骤S101、获取待识别缺陷的漏磁信号的垂直分量。
图2是本发明实施例的示例性的三维漏磁检测的侧视图；图3是本发明实施例示例性的三维漏磁检测的俯视图；图4是本发明实施例示例性的三维漏磁检测中的垂直分量的信号强度分布图。
参见图2和图3，Bx表征的是漏磁信号的水平分量；By表征的是漏磁信号的垂直分量；Bz表征的是漏磁信号的法向分量。在本实施例中，检测平面为磁传感器检测阵列的扫描平面，垂直分量By为缺陷的漏磁信号在检测平面上垂直于磁化方向上的信号分量，所获取的漏磁信号的垂直分量的信号强度分布参见图4。
步骤S102、对垂直分量进行识别，判定所述缺陷的各个直角的直角特征和直角位置点。
具体地，要组合出一个完整的缺陷，需要确定缺陷所包括的各个直角特征以及每个直角的具体位置(即直角位置点)。举例来说，在本实施例中，直角特征包括第一类直角特征和第二类直角特征，比如第一类直角特征包括四种第一直角类型，比如第二类直角特征包括四种第二直角类型，在未确定各个直角位置点的直角特征之前，每个直角位置点可能有8种直角类型，当然，确定各个直角位置点的直角特征，则每个直角位置点可能有4种直角类型，这样就能够加快确定各个直角位置点对应的最佳直角类型的速度。
图5是本发明实施例示例性的直角特征及对应的直角类型的示意图。参见图5，直角特征包括第一类直角特征和第二类直角特征。
其中，第一类直角特征包括四种第一直角类型，四种第一直接类型分别为开口角度为0°～90°的直角、开口角度为0°～270°的直角、开口角度为180°～270°的直角、开口角度为180°～90°的直角。
其中，第二类直角特征包括四种第二直角类型，四种第二直接类型分别为开口角度为90°～180°的直角、开口角度为270°～360°的直角、开口角度为270°～180°的直角、开口角度为90°～360°的直角。
需要说明的是，上述各个直接类型的两条直角边，其中一条直角边平行于漏磁检测的磁化方向，另一条直角边垂直于漏磁检测的磁化方向；上述各个直接类型的开口角度是以沿磁化方向为起始角按顺时针旋转得到的。
步骤S103、根据所述直角特征获取所述缺陷的各个直角位置点的可能的直角类型。
举例来说，若确定某个直角位置点的直角特征为第一类直角特征，则该直角位置点可能的直角类型为0°～90°的直角、开口角度为0°～270°的直角、开口角度为180°～270°的直角、开口角度为180°～90°的直角，即该直角位置点可能有4种直角类型；同样地，若确定某个直角位置点的直角特征为第二类直角特征，则该直角位置点可能的直角类型为开口角度为90°～180°的直角、开口角度为270°～360°的直角、开口角度为270°～180°的直角、开口角度为90°～360°的直角，即该直角位置点可能有4种直角类型。
步骤S104、将各个可能的直角类型在对应的直角位置点进行遍历，确定各个直角位置点对应的最佳直角类型。
在一种可能的实现方式中，步骤S104的具体实现方式为：
S10、将各个直角位置点的可能的直角类型进行排列组合。
S11、根据排列组合结果构建缺陷几何拓扑图。
图6是本发明实施例示例性的利用不同的直角类型组合缺陷的结构示意图。以图6为例，需要组合的缺陷包括8个直角位置点，通过步骤S102的识别，已经获知8个直角位置点对应的直角特征，每个直角位置点都对应四种可能的直角类型，那么经过排列组合后，得到48种组合结果，根据这48种组合结果构建缺陷几何拓扑图。
S12、遍历所述缺陷几何拓扑图；
S13、在从缺陷几何拓扑图中获取的组合结果对应的缺陷为闭合缺陷时，停止遍历。
S14、将闭合缺陷中各个直角位置点对应的直角类型确定为各个直角位置点对应的最佳直角类型。
举例来说，通过遍历缺陷几何拓扑图，得到8个直角位置点对应的直角类型，根据8个直角位置点对应的直角类型可以拼接出一个闭合缺陷即完整的缺陷，这时停止遍历，所得到各个直角位置点对应的直角类型确定为各个直角位置点对应的最佳直角类型。
步骤S105、根据各个直角位置点对应的最佳直角类型绘制缺陷的轮廓以完成缺陷轮廓识别。
具体地，由于各个直角位置点对应的最佳直角类型可以拼接出一个闭合缺陷，自然根据各个直角位置点对应的最佳直角类型可以绘制出缺陷的轮廓，从而完成缺陷轮廓识别。本发明实施例提供的基于漏磁信号的垂直分量的缺陷轮廓识别方法，首先，获取待识别缺陷的漏磁信号的垂直分量；接着，对垂直分量进行识别，判定缺陷的各个直角的直角特征和直角位置点；接着，根据所述直角特征获取所述缺陷的各个直角位置点的可能的直角类型；接着，将各个可能的直角类型在对应的直角位置点进行遍历，确定各个直角位置点对应的最佳直角类型；最后，根据各个直角位置点对应的最佳直角类型绘制缺陷的轮廓以完成缺陷轮廓识别。该方法只需对漏磁信号的垂直分量进行计算分析，通过判定各个直角的直角特征、在缺陷几何拓扑图中进行遍历搜寻等操作，实现缺陷轮廓识别，具有较好的识别效果，且为基于三维漏磁信号的缺陷轮廓特征识别，提供了有效准确的缺陷直角特征等相关信息，方法简单、缺陷直角识别率高。
图9是本发明又一实施例提供的基于漏磁信号的垂直分量的缺陷轮廓识别方法的流程图。本实施例在上述实施例的基础上进行优化，在对垂直分量进行识别之前，还包括：确定对垂直分量进行识别的识别模式；在确定识别模式为人工识别模式时，根据对垂直分量进行观察判定缺陷的各个直角的直角特征和直角位置点；在确定识别模式为自动识别模式时，根据对垂直分量的包络信号判定缺陷的各个直角的直角特征和直角位置点。
如图9所示，本实施例提供的基于漏磁信号的垂直分量的缺陷轮廓识别方法，包括：
步骤S201、获取待识别缺陷的漏磁信号的垂直分量。
步骤S201的实现方式与上述实施例中的步骤S101的实现方式相同，在此不再详述。
步骤S202、确定对垂直分量进行识别的识别模式；在确定识别模式为人工识别模式时，执行步骤S203；在确定识别模式为自动识别模式时，执行步骤204。
具体地，人工识别模式主要依靠的是相关技术人员经过长期试验获得的从漏磁信号的垂直分量中识别缺陷的直角的经验。自动识别模式，无需利用技术人员的所获得的经验，根据设定的规则从漏磁信号的垂直分量中识别缺陷的直角的经验。
步骤S203、根据对垂直分量进行观察判定缺陷的各个直角的直角特征和直角位置点，执行步骤205。
在一种可能的实现方式中，步骤S203的具体实现方式为：
步骤S21、对所述垂直分量进行观察，执行步骤S22或S23；
步骤S22、在观察到所述垂直分量中存在呈现明显向上凸起的波峰状信号以及所述波峰的等高线基本呈圆形时，判定直角特征为第一类直角特征，相应地，呈现明显向上凸起的波峰状信号中的信号最大值点对应的位置判定为直角位置点；
步骤S23、在观察到所述垂直分量中存在呈现显向下凹陷的波谷状信号及所述波谷的等高线基本呈圆形时，判定直角特征为第二类直角特征，相应地，呈现显向下凹陷的波谷状信号中的信号最小值对应的位置判定为直角位置点。
步骤S204、根据垂直分量的包络信号判定缺陷的各个直角的直角特征和直角位置点，执行步骤205。
在一种可能的实现方式中，步骤S204的具体实现方式为：
步骤S31、对所述垂直分量进行灰度化图像处理以获取所述垂直分量的灰度图像，执行步骤S32。
步骤S32、对所述灰度图像进行canny边缘检测以获取所述垂直分量的包络信号，执行步骤S33。
需要说明的是，先对垂直分量进行灰度化图像处理生成对应的灰度图像，接着通过canny边缘检测可以快速地识别灰度图像中的包络，包络所对应的垂直分量即为包络信号。灰度化图像处理、canny边缘检测详见现有技术。当然获取包络信号还可以通过其他方式实现，并不限于灰度化图像处理、canny边缘检测等。
步骤S33、对所述包络信号进行幅值分析并判断所述包络信号的信号幅值是否均大于零或均小于零，执行步骤S34或S35。
步骤S34、在确定所述包络信号的信号幅值均大于零时，判定直角特征为第一类直角特征，包络信号的信号幅值最大值对应的位置为直角位置点。
步骤S35、在确定所述包络信号的信号幅值均小于零时，判定直角特征为第二类直角特征，包络信号的信号幅值最小值对应的位置为直角位置点。
步骤S205、根据所述直角特征获取所述缺陷的各个直角位置点的可能的直角类型，执行步骤S206。
步骤S206、将各个可能的直角类型在对应的直角位置点进行遍历，确定各个直角位置点对应的最佳直角类型，执行步骤S207。
步骤S207、根据各个直角位置点对应的最佳直角类型绘制缺陷的轮廓以完成缺陷轮廓识别。
步骤S205、S206、S207的实现方式分别与上述实施例中的步骤S103、步骤S104、S105的实现方式相同，在此不再详述。
图7是本发明实施例一示例性的缺陷识别结果图。具体地，本实施例采用人工识别模式对漏磁信号的垂直分量进行识别，所识别的缺陷轮廓结果参见图7，由图7可知，基于漏磁信号的垂直分量的缺陷轮廓识别方法具有良好的识别效果。
图8是本发明实施例又一示例性的缺陷识别结果图。具体地，本实施例采用自动识别模式对漏磁信号的垂直分量进行识别，所识别的缺陷轮廓结果参见图8，由图8可知，基于漏磁信号的垂直分量的缺陷轮廓识别方法具有良好的识别效果。
需要说明的是，图7、图8的缺陷轮廓不一样，是由于对不同的缺陷进行识别，并不是自动识别模式和人工识别模式的识别结果不一致。
本发明实施例提供的基于漏磁信号的垂直分量的缺陷轮廓识别方法，可以选择对垂直分量进行识别的识别模式，在确定识别模式为人工识别模式时，根据对垂直分量进行观察判定缺陷的各个直角的直角特征和直角位置点；在确定识别模式为自动识别模式时，根据对垂直分量的包络信号判定缺陷的各个直角的直角特征和直角位置点。该方法不但只需对漏磁信号的垂直分量进行计算分析，通过判定各个直角的直角特征、在缺陷几何拓扑图中进行遍历搜寻等操作，实现缺陷轮廓识别，具有较好的识别效果，且为基于三维漏磁信号的缺陷轮廓特征识别，提供了有效准确的缺陷直角特征等相关信息，方法简单、缺陷直角识别率高；而且还根据不同的场合选择不同的识别模式，具有很好的通用性。比如在自动识别模式因故障无法开启时，可以选用人工识别模式。当现场没有经验丰富的技术人员时，可以开启自动识别模式。
图10是本发明一实施例提供的基于漏磁信号的垂直分量的缺陷轮廓识别装置的结构示意图。如图10所示，本实施例的基于漏磁信号的垂直分量的缺陷轮廓识别装置，包括：采集模块10、判定模块20、获取模块30、遍历模块40、绘制模块50；
所述采集模块10用于获取待识别缺陷的缺陷漏磁场的垂直分量；
所述判定模块20用于对所述垂直分量进行识别，判定所述缺陷的各个直角的直角特征和直角位置点；
所述获取模块30用于根据所述直角特征获取所述缺陷的各个直角位置点的可能的直角类型；
所述遍历模块40用于将各个可能的直角类型在对应的直角位置点进行遍历，确定各个直角位置点对应的最佳直角类型；
所述绘制模块50用于根据所述各个直角位置点对应的最佳直角类型绘制所述缺陷的轮廓以完成缺陷轮廓识别。
进一步地，所述遍历模块40具体用于：
将各个直角位置点的可能的直角类型进行排列组合；
根据排列组合结果构建缺陷几何拓扑图；
遍历所述缺陷几何拓扑图；在从所述缺陷几何拓扑图中获取的组合结果对应的缺陷为闭合缺陷时，停止遍历；将所述闭合缺陷中各个直角位置点对应的直角类型确定为各个直角位置点对应的最佳直角类型。
关于本实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本发明实施例提供的基于漏磁信号的垂直分量的缺陷轮廓识别装置，首先，采集模块10获取待识别缺陷的漏磁信号的垂直分量；接着，判定模块20对垂直分量进行识别，判定缺陷的各个直角的直角特征和直角位置点；接着，获取模块30根据所述直角特征获取所述缺陷的各个直角位置点的可能的直角类型；接着，遍历模块40将各个可能的直角类型在对应的直角位置点进行遍历，确定各个直角位置点对应的最佳直角类型；最后，绘制模块50根据各个直角位置点对应的最佳直角类型绘制缺陷的轮廓以完成缺陷轮廓识别。该装置只需对漏磁信号的垂直分量进行计算分析，通过判定各个直角的直角特征、在缺陷几何拓扑图中进行遍历搜寻等操作，实现缺陷轮廓识别，具有较好的识别效果，且为基于三维漏磁信号的缺陷轮廓特征识别，提供了有效准确的缺陷直角特征等相关信息，方法简单、缺陷直角识别率高。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于漏磁信号的垂直分量的缺陷轮廓识别方法，其特征在于，包括：
获取待识别缺陷的漏磁信号的垂直分量；
对所述垂直分量进行识别，判定所述缺陷的各个直角的直角特征和直角位置点；
根据所述直角特征获取所述缺陷的各个直角位置点的可能的直角类型；
将各个可能的直角类型在对应的直角位置点进行遍历，确定各个直角位置点对应的最佳直角类型；
根据所述各个直角位置点对应的最佳直角类型绘制所述缺陷的轮廓以完成缺陷轮廓识别。
2.如权利要求1所述的方法，其特征在于，所述将各个可能的直角类型在对应的直角位置点进行遍历，确定各个直角位置点对应的最佳直角类型包括：
将各个直角位置点的可能的直角类型进行排列组合；
根据排列组合结果构建缺陷几何拓扑图；
遍历所述缺陷几何拓扑图；
在从所述缺陷几何拓扑图中获取的组合结果对应的缺陷为闭合缺陷时，停止遍历；
将所述闭合缺陷中各个直角位置点对应的直角类型确定为各个直角位置点对应的最佳直角类型。
3.如权利要求1所述的方法，其特征在于，所述直角特征包括第一类直角特征和第二类直角特征；
所述第一类直角特征包括四种第一直角类型，四种所述第一直角类型分别为开口角度为0°～90°的直角、开口角度为0°～270°的直角、开口角度为180°～270°的直角、开口角度为180°～90°的直角；
所述第二类直角特征包括四种第二直角类型，四种所述第二直角类型分别为开口角度为90°～180°的直角、开口角度为270°～360°的直角、开口角度为270°～180°的直角、开口角度为90°～360°的直角；
其中，所述开口角度是以沿磁化方向为起始角按顺时针旋转得到。
4.如权利要求1所述的方法，其特征在于，在所述对所述垂直分量进行识别之前，还包括：
确定对所述垂直分量进行识别的识别模式；
在确定所述识别模式为人工识别模式时，则根据对所述垂直分量进行观察判定所述缺陷的各个直角的直角特征和直角位置点；
在确定所述识别模式为自动识别模式时，则根据对所述垂直分量的包络信号判定所述缺陷的各个直角的直角特征和直角位置点。
5.如权利要求4所述的方法，其特征在于，所述根据对所述垂直分量进行观察判定所述缺陷的各个直角的直角特征和直角位置点，包括：
对所述垂直分量进行观察；
在观察到所述垂直分量中存在呈现明显向上凸起的波峰状信号以及所述波峰的等高线基本呈圆形时，判定直角特征为第一类直角特征，相应地，呈现明显向上凸起的波峰状信号中的信号最大值点对应的位置判定为直角位置点；
在观察到所述垂直分量中存在呈现显向下凹陷的波谷状信号及所述波谷的等高线基本呈圆形时，判定直角特征为第二类直角特征，相应地，呈现显向下凹陷的波谷状信号中的信号最小值对应的位置判定为直角位置点。
6.如权利要求4所述的方法，其特征在于，所述根据对所述垂直分量的包络信号判定所述缺陷的各个直角的直角特征和直角位置点，包括：
获取所述垂直分量的包络信号；
对所述包络信号进行幅值分析并判断所述包络信号的信号幅值是否均大于零或均小于零；
在确定所述包络信号的信号幅值均大于零时，判定直角特征为第一类直角特征，包络信号的信号幅值最大值对应的位置为直角位置点；
在确定所述包络信号的信号幅值均小于零时，判定直角特征为第二类直角特征，包络信号的信号幅值最小值对应的位置为直角位置点。
7.如权利要求6所述的方法，其特征在于，所述获取所述垂直分量的包络信号，包括：
对所述垂直分量进行灰度化图像处理以获取所述垂直分量的灰度图像；
对所述灰度图像进行canny边缘检测以获取所述垂直分量的包络信号。
8.如权利要求1-7任一项所述的方法，其特征在于，所述垂直分量为缺陷的漏磁信号在检测平面上垂直于磁化方向上的信号分量，所述检测平面为磁传感器检测阵列的扫描平面。
9.一种基于漏磁信号的垂直分量的缺陷轮廓识别装置，其特征在于，包括：采集模块、判定模块、获取模块、遍历模块、绘制模块；
所述采集模块用于获取待识别缺陷的缺陷漏磁场的垂直分量；
所述判定模块用于对所述垂直分量进行识别，判定所述缺陷的各个直角的直角特征和直角位置点；
所述获取模块用于根据所述直角特征获取所述缺陷的各个直角位置点的可能的直角类型；
所述遍历模块用于将各个可能的直角类型在对应的直角位置点进行遍历，确定各个直角位置点对应的最佳直角类型；
所述绘制模块用于根据所述各个直角位置点对应的最佳直角类型绘制所述缺陷的轮廓以完成缺陷轮廓识别。
10.如权利要求9所述的装置，其特征在于，所述遍历模块具体用于：
将各个直角位置点的可能的直角类型进行排列组合；
根据排列组合结果构建缺陷几何拓扑图；
遍历所述缺陷几何拓扑图；
在从所述缺陷几何拓扑图中获取的组合结果对应的缺陷为闭合缺陷时，停止遍历；
将所述闭合缺陷中各个直角位置点对应的直角类型确定为各个直角位置点对应的最佳直角类型。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710686539.0A CN107607612B (zh) | 2017-08-11 | 2017-08-11 | 基于漏磁信号的垂直分量的缺陷轮廓识别方法及装置 |
| US16/044,590 US10788454B2 (en) | 2017-08-11 | 2018-07-25 | Method and device for identifying defect opening profile |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710686539.0A CN107607612B (zh) | 2017-08-11 | 2017-08-11 | 基于漏磁信号的垂直分量的缺陷轮廓识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107607612A CN107607612A (zh) | 2018-01-19 |
| CN107607612B true CN107607612B (zh) | 2019-11-22 |
Family
ID=61064661
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710686539.0A Active CN107607612B (zh) | 2017-08-11 | 2017-08-11 | 基于漏磁信号的垂直分量的缺陷轮廓识别方法及装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US10788454B2 (zh) |
| CN (1) | CN107607612B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112347731B (zh) * | 2020-10-29 | 2022-07-19 | 海光信息技术股份有限公司 | 集成电路模块级布局中判断直角多边形的角的类型的方法 |
| CN113030243B (zh) * | 2021-03-22 | 2023-08-01 | 国网江苏省电力有限公司无锡供电分公司 | 面向成像的地上钢结构件腐蚀缺陷漏磁检测方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS59217158A (ja) * | 1983-05-26 | 1984-12-07 | Mitsubishi Electric Corp | 欠陥検出装置 |
| JP2011027592A (ja) * | 2009-07-27 | 2011-02-10 | Nippon Steel Engineering Co Ltd | 配管壁面検査方法及び検査装置 |
| CN203204700U (zh) * | 2013-04-16 | 2013-09-18 | 无锡乐尔科技有限公司 | 一种基于磁电阻技术检测磁性图形表面磁场的磁头 |
| CN105678844A (zh) * | 2016-01-06 | 2016-06-15 | 东南大学 | 一种基于地物散乱点逐点增加的轮廓构建算法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102008020194A1 (de) * | 2008-04-16 | 2009-10-22 | Institut Dr. Foerster Gmbh & Co. Kg | Verfahren und Vorrichtung zum Detektieren von oberflächennahen Defekten mittels Streuflussmessung |
-
2017
- 2017-08-11 CN CN201710686539.0A patent/CN107607612B/zh active Active
-
2018
- 2018-07-25 US US16/044,590 patent/US10788454B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS59217158A (ja) * | 1983-05-26 | 1984-12-07 | Mitsubishi Electric Corp | 欠陥検出装置 |
| JP2011027592A (ja) * | 2009-07-27 | 2011-02-10 | Nippon Steel Engineering Co Ltd | 配管壁面検査方法及び検査装置 |
| CN203204700U (zh) * | 2013-04-16 | 2013-09-18 | 无锡乐尔科技有限公司 | 一种基于磁电阻技术检测磁性图形表面磁场的磁头 |
| CN105678844A (zh) * | 2016-01-06 | 2016-06-15 | 东南大学 | 一种基于地物散乱点逐点增加的轮廓构建算法 |
Non-Patent Citations (1)
| Title |
|---|
| 《缺陷漏磁成像技术综述》;黄松岭，彭丽莎，赵伟，王珅;《电工技术学报》;20161031;第31卷(第20期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107607612A (zh) | 2018-01-19 |
| US10788454B2 (en) | 2020-09-29 |
| US20190049409A1 (en) | 2019-02-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI588475B (zh) | 使用模板影像匹配在一晶圓上偵測缺陷 | |
| CN109948684A (zh) | 点云数据标注质量的质检方法、装置及其相关设备 | |
| CN107607612B (zh) | 基于漏磁信号的垂直分量的缺陷轮廓识别方法及装置 | |
| CN109584300A (zh) | 一种确定车头朝向角度的方法及装置 | |
| CN107003144A (zh) | 基于扩展卡尔曼滤波器的自动磁强计校准 | |
| RU2407998C2 (ru) | Устройство и способ анализа измерений в аэродинамической трубе | |
| CN105758413B (zh) | 导航引擎中自动化评估偏航的方法和装置 | |
| CN109872303A (zh) | 表面缺陷视觉检测方法、装置和电子设备 | |
| CN109283182A (zh) | 一种电池焊点缺陷的检测方法、装置及系统 | |
| BR112016011707B1 (pt) | método e sistema para inspecionar um veículo | |
| CN108052909A (zh) | 一种基于心血管oct影像的薄纤维帽斑块自动检测方法和装置 | |
| CN110378258A (zh) | 一种基于图像的车辆座椅信息检测方法及设备 | |
| CN115861227A (zh) | 基于图像语义重建的无监督工业表面缺陷检测方法与装置 | |
| CN111861966A (zh) | 模型训练方法、装置及缺陷检测方法、装置 | |
| CN109060290A (zh) | 基于视频和亚像素技术对风洞密度场进行测量的方法 | |
| CN104463240A (zh) | 一种控制列表界面的方法及装置 | |
| CN106683040A (zh) | 一种基于ncc算法的红外全景图像拼接方法 | |
| CN106091991A (zh) | 导管扩口锥度及型面自动非接触检测设备和检测方法 | |
| CN106447649A (zh) | 一种珠体位置缺陷检测方法及装置 | |
| CN109740632A (zh) | 基于多传感器多被测对象的相似度模型训练方法和装置 | |
| CN108508023A (zh) | 一种铁路接触网中接触端部顶紧螺栓的缺陷检测系统 | |
| CN105354816A (zh) | 一种电子元件定位方法及装置 | |
| CN107576721B (zh) | 基于素信号组合求解缺陷漏磁信号的方法 | |
| CN106156713A (zh) | 一种用于考场行为自动监控的图像处理方法 | |
| CN104408542B (zh) | 质量建模与图形化缺陷录入方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |