CN110084807A - 一种焊缝探伤底片图像造假的检测方法 - Google Patents
一种焊缝探伤底片图像造假的检测方法 Download PDFInfo
- Publication number
- CN110084807A CN110084807A CN201910370301.6A CN201910370301A CN110084807A CN 110084807 A CN110084807 A CN 110084807A CN 201910370301 A CN201910370301 A CN 201910370301A CN 110084807 A CN110084807 A CN 110084807A
- Authority
- CN
- China
- Prior art keywords
- egative film
- seam inspection
- image
- film image
- seam
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种焊缝探伤底片图像造假的检测方法,首先将胶质焊缝探伤底片图像扫描成数字化焊缝探伤底片图像,并将数字化焊缝探伤底片图像按照底片号排序,并按照底片号顺序提交图片,然后提取焊缝探伤底片图像中以Hash值表示的特征摘要,并与保存在数据库中的特征摘要进行比对,检测出重复提交的焊缝探伤底片图像;进一步地,对新提交的焊缝探伤底片图像与数据库中最后保存的焊缝探伤底片图像基于SIFT算法及SSIM相似度进行搭接区匹配检测,可检测出非重复提交但是搭接区不匹配的焊缝探伤底片图像。本发明相比人工读片,可快速准确地检测出重复提交等替换的焊缝探伤底片,提高了检测准确性和检测效率,保证工程质量,消除安全隐患,有很大的应用价值。
Description
技术领域
本发明属于管道焊接检测技术领域,特别涉及一种焊缝探伤底片造假的检测方法。
背景技术
焊接是制造业中一种重要的加工手段,焊接工艺加工过程是一个复杂的过程,有时受到来自外部环境和各种非人为因素的干扰,导致在焊缝中会出现密集气孔、横向与纵向裂纹、夹渣等各种难以预测的焊接缺陷,当焊缝中存在这些缺陷时可能会导致重大事故发生。为了保证构件产品的焊接质量,必须要对其中的焊缝进行无损检测。目前,无损检测技术有多种方法,如超声波无损检测(内部缺陷)、射线无损检测(内部缺陷)、涡流无损检测(工件表面)等。常用的射线无损检测又包括X射线检测和γ射线检测两种,其中,X射线无损检测以清洁、方便、便于查看等优点在实际生产检测过程中被广泛应用,具体采用X射线胶片成像检测方法。X射线胶片成像检测方法的检测流程为:用X射线照射待检工件,使照射后的胶片感光,得到待检工件内部缺陷的底片图像,X射线胶片成像检测方法具有稳定性高,采集的图片尺寸大等特点,检测的结果具有很高的判定价值。
根据X射线探伤工艺规程,每张焊缝探伤底片上必须显示像质计,定位标记(中心标记、搭接标记)与识别标记,识别标记包括管线号、焊口号、焊工号、焊接日期等,若返修重拍时片号后加返修标记。通常拍摄的一个焊口的X射线探伤底片图像不止一张,为了保证能够覆盖全部焊缝,焊缝的拍摄位置要有少量的重叠,铅质搭接标记放置在在搭接处,位置比较固定,且周围没有其它干扰标记,通常焊缝探伤底片图像上的搭接标记是一个箭头,有时也用数字代替,上述各种标记铅字在拍摄前放置在指定的位置,与焊缝一起成像。
目前焊缝验收采用的方法是在外界光线下人为判定焊缝探伤底片图像的缺陷类型,近年来,随着计算机技术的发展,很多情况下是采用特定的扫描仪对胶片进行扫描,将胶片图像转换为数字化的图像,扫描得到的图像较为清晰,质量比较高,然后将扫描的图像转入到计算机中,进而可以对缺陷的类型进行自动化分析与评定。
但是如果工程方认为某条焊缝或某焊口其中一段焊缝质量不佳,无法通过检查,可能会在另一条质量好的焊缝上重新拍摄(用新铅字标记拍摄老焊缝)图像,冒充要被检查的焊缝,并上交造假的焊缝底片,此时只判断缺陷类型的话,因为提交的都是质量好的焊缝的图像,质量不合格的焊缝就检查不出来,因此就需要审查前后焊缝底片的搭接缝,若前后焊缝底片的搭接缝匹配不上,就存在焊缝底片造假的嫌疑。目前审查前后焊缝底片搭接缝是否匹配的方法是人工读片,由于一个工程中的焊缝底片通常数量巨大,人工检查费时费力,由于人精力有限,而且注意力有时候也会不集中,容易漏检或者误捡,如果漏检或者误捡了包含缺陷的焊缝,导致有问题的焊缝底片通过检查,会直接影响焊接产品的质量和使用寿命,存在极大的安全隐患
发明内容
为了快速准确地检查出提交的焊缝探伤底片图像中存在的造假情况,本发明提供了一种焊缝探伤底片图像造假的检测方法,能够自动检测出重复提交的焊缝探伤底片图像和相邻焊缝探伤底片图像的搭接处不匹配的情况,避免了质量不合格的焊缝采用替换造假的方式通过验收,保证工程质量,消除安全隐患。
本发明采用的具体方案为:
一种焊缝探伤底片图像造假的检测方法,包括如下步骤:
S0、将胶质焊缝探伤底片图像扫描成数字化焊缝探伤底片图像,并将数字化焊缝探伤底片图像按照底片号排序;
S1、基于Hash算法提取焊缝探伤底片图像的特征摘要;
S2、建立数据库,并按底片号的顺序提交焊缝探伤底片图像;
S3、将新提交的焊缝底片图像特征摘要与已保存在数据库中的所有焊缝探伤底片图像特征摘要进行比对,检测出相同的焊缝探伤底片图像;
S4、对新提交的焊缝探伤底片图像和数据库中最后保存的焊缝探伤底片图像进行预处理,并分割得到两个搭接区图像;
S5、基于SIFT算法及SSIM相似度对分割出的搭接区图像进行搭接匹配,若不匹配,则报警,若匹配,将新提交的焊缝探伤底片图像及其特征摘要保存在数据库中,并进行下一个焊缝探伤底片图像的检测。
具体地,所述S3的具体对比过程为:分别计算新提交的焊缝探伤底片图像特征摘要与数据库中保存的焊缝探伤底片图像特征摘要之间的汉明距离,如果汉明距离均大于零,说明数据库中的焊缝探伤底片图像与新提交的焊缝探伤底片图像均不相同,如果汉明距离等于零,说明进行比对的两个焊缝探伤底片图像是相同的图像,则报警。
优选地,所述S4的具体步骤为:
S41、将待匹配检测的两个焊缝探伤底片图像通过对比度拉伸进行图像增强处理;
S42、基于拉东变换在两个焊缝探伤底片图像中分别找到对应的搭接标记,并从搭接标记处分割图像,得到两个搭接区图像;
进一步,所述S5包括如下步骤:
S51、基于SIFT算法提取两个搭接区图像的关键点特征描述子;
S52、计算两个搭接区图像关键点特征描述子的欧式距离,寻找匹配的关键点;
S53、计算两个搭接区图像的SSIM相似度;
S54、若匹配的关键点数大于2且SSIM相似度大于85%,表示搭接匹配成功,进行下一个焊缝探伤底片图像的检测,反之,则报警。
本发明的有益效果为:
本发明首先基于Hash算法提取新提交焊缝探伤底片图像的特征摘要,减少了数据的存储空间,提高了检索效率,并与数据库中保存的特征摘要进行比对,可以快速检测出重复提交的造假焊缝探伤底片图像,其次,通过对新提交的焊缝探伤底片图像与数据库中最后保存的焊缝探伤底片图像进行搭接匹配检测,有效检测出非重复提交但是搭接区不匹配的造假焊缝探伤底片图像,搭接检测时首先分割出对应的搭接区图像,并通过判断两个搭接区图像的SIFT关键点匹配点数和SSIM两个参数指标来判断搭接区是否匹配,保证了检测的准确性,本发明相比人工读片检测,提高了检测准确性和检测效率,保证了工程质量,消除了安全隐患,有很大的应用价值。
附图说明
图1为本发明的流程图;
图2为SIFT算法的关键点描述子的示意图;
图3为焊缝探伤底片图像中的搭接标记位置的示意图;
图4为基于拉东变换确定搭接标记位置的示意图;
图5为搭接图像匹配成功时的结果显示示意图;
图6为搭接图像匹配不成功时的结果显示示意图。
具体实施方式
下面结合附图和具体实施例对本发明做详细说明。
一种焊缝探伤底片图像造假的检测方法,如图1所示,包括如下步骤:
S0、将胶质焊缝探伤底片图像扫描成数字化焊缝探伤底片图像,所述数字化焊缝探伤底片图像大小约为4200×880(扫描后每张焊缝图像的大小略有不同),格式为TIF格式,并将数字化焊缝探伤底片图像按照底片号排序,实际操作中底片号的顺序也就是拍照的顺序;
S1、基于Hash算法提取焊缝探伤底片图像的特征摘要,将提取的特征摘要保存在数据库中;Hash函数是一种压缩映射,也被称作单向散列函数,通常被用作数字签名中,也用作为消息的完整性认证和消息起源性的认证,它可以把任意长度的输入变换成固定长度的输出,本步骤中将两维的焊缝探伤底片图像转化为一维的Hash值,即提取焊缝探伤底片图像的特征摘要,通过提取焊缝探伤底片图像的特征摘要,可以压缩特征维数,节省存储空间,而且Hash值对图像的变化非常敏感,焊缝图像中有轻微的变化,Hash值就会有很大的改变;
S2、建立MySQL数据库,并按底片号的顺序提交焊缝探伤底片图像,数据库用于保存经过后续步骤检测为非重复提交的焊缝探伤底片图像及其特征摘要,;
S3、将新提交的焊缝探伤底片图像特征摘要与已保存在数据库中的所有焊缝探伤底片图像特征摘要进行比对,具体比对过程为:分别计算新提交的焊缝探伤底片图像特征摘要与数据库中的所有焊缝探伤底片图像特征摘要之间的汉明距离,汉明距离是两个HASH值对应位置的不相同的位数,如果汉明距离均大于零,说明新提交的焊缝探伤底片图像的特征摘要与数据库中保存的焊缝探伤底片图像的特征摘要均不相同,则对该新提交的焊缝探伤底片图像进行下一步的搭接匹配检查,如果汉明距离存在等于零的情况,说明数据库中保存的特征摘要与新提交的焊缝探伤底片图像的特征摘要存在相同的情况,则报警,即检测出重复提交的焊缝探伤底片图像,保证工程质量;
S4、对新提交的焊缝探伤底片图像和数据库中最后保存的焊缝探伤底片图像进行预处理,并分割得到两个搭接区图像,具体包括如下步骤:
S41、将待匹配检测的两个焊缝探伤底片图像通过对比度拉伸进行图像增强处理,对比度拉伸属于灰度变换操作,可以增强图像各部分的反差,即增强焊缝图像文字标记部分以及焊缝部分的灰度区域,以便于区分,使得后续分割更精确。
S42、基于拉东变换在两个焊缝探伤底片图像中分别找到对应的搭接标记,并从搭接标记处分割图像,得到两个搭接区图像。每张焊缝探伤底片图像中都有搭接标记,如果焊缝探伤底片图像在拍照时按照从左往右的顺序的话,则先拍摄的焊缝探伤底片图像的右侧搭接标记与后拍摄的焊缝探伤底片图像的左侧搭接标记为对应的搭接标记。本步骤基于拉东变换(Radon)在两个焊缝探伤底片图像中分别找到对应的搭接标记。拉东变换就是数字图像矩阵在某一指定角度射线方向上的投影,具体是沿着某一指定角度射线方向上的线积分。由于焊缝探伤底片图像矩阵是二维的,具体是沿着由(ρ,θ)所定义直线的垂直方向上的线积分,ρ和θ分别为极坐标系中的极径和极角:
则
其中δ为Delta函数(狄拉克函数),g(ρ,θ)为在与θ垂直方向上的投影值,f(x,y)为焊缝探伤底片图像,δ函数在非零的点取值均为0,而在整个定义域的积分为1。
首先在对应的搭接标记所在的区域分别做水平方向和垂直方向的拉东变换,然后根据水平方向和垂直方向投影值(线积分)的峰值的位置,准确地定位搭接标记的位置。
本实施例中,图3所示为先拍摄的焊缝探伤底片图像,其对应的搭接标记是一个向下的箭头(图中白色圆圈中所示),位于图像的右侧边缘。
图4是基于拉东变换确定搭接标记位置的示意图,确定搭接标记的位置后,从搭接标记处切割焊缝探伤底片图像,得到搭接区图像,共得到两张搭接区图像。
S5、基于SIFT算法对分割出的搭接区图像进行搭接匹配,若不匹配,则报警,若匹配,进行下一个焊缝探伤底片图像的检测,是否匹配的判断依据为:通过搭接区图像的关键点特征向量的欧式距离和搭接区图像的SSIM相似度这两个指标来判断,具体步骤如下:
S51、基于SIFT算法提取两个搭接区图像的关键点特征描述子;
SIFT算法的本质是在图像的不同尺度空间上检测出关键点,并计算出关键点的方向,是一种局部特征描述子。所谓关键点就是在不同尺度空间的图像下具有方向信息的局部极值点,不会因光照、仿射变换和噪声等因素而变化。
提取搭接区图像的关键点特征描述子的具体步骤为:
a、检测局部极值点:利用高斯卷积函数计算得到搭接区图像的不同尺度的图像,搭接区图像和得到的这些不同尺度的图像共同构成了搭接区图像的高斯金字塔模型。本实施例中,搭接区图像为高斯金字塔模型的第一层,将高斯金字塔中相邻上下两层图像相减得到高斯差分图像,即DoG图像,这些DoG图像组成DoG金字塔。为了寻找DoG金字塔的局部极值点,每一个像素点要和它所有的图像域(本层图像)和尺度域(上下相邻层)的相邻像素点比较,当其大于(或者小于)所有相邻像素点时,该像素点就是所述DoG金字塔的局部极值点。
b、过滤局部极值点:经上一步得到局部极值点后,通过拟合三维二次函数来精确确定局部极值点的位置和尺度,同时过滤掉一些低对比度和不稳定的局部极值点,以增强匹配稳定性、提高抗噪声能力,经过过滤后留下的局部极值点就是搭接区图像的关键点。
c、确定关键点的方向:首先计算搭接区图像关键点邻域像素的梯度方向和梯度幅值,再利用梯度直方图统计这些邻域像素的梯度方向和梯度幅值的分布特征,梯度直方图的峰值就是关键点的主方向。具体步骤如下:
在尺度为σ的尺度图像L(x,y)中,计算以关键点为中心、以3×1.5σ为半径区域图像的方向和幅值,可通过下面公式求得,
其中,m(x,y)为关键点的梯度幅值,θ(x,y)为关键点的梯度方向,
计算得到关键点梯度方向后,使用梯度直方图统计关键点邻域内像素对应的梯度方向和梯度幅值,梯度直方图的峰值就是关键点的主方向。得到关键点的主方向后,一个关键点的特征可以由三个值表示,中心(x,y)表示关键点位置,关键点的尺度为σ,主方向为θ。
d、生成特征描述子:得到SIFT关键点的位置、尺度和主方向后,以关键点为中心,将坐标轴旋转为关键点的主方向,取16×16的像素矩阵,如图2所示,左图的中央为当前关键点的位置,每个小格代表关键点邻域像素点,按公式(2)和公式(3)计算每个像素点的梯度幅值与梯度方向。图2左图每个小格中箭头方向代表该像素点的梯度方向,长度代表梯度幅值。把上述16×16的像素矩阵分割为16个不重叠的4×4小矩阵,如图2的左图所示,每个小矩阵产生一个种子点,利用高斯窗口对小矩阵进行加权运算,得到种子点方向的向量信息。对每个关键点使用4×4共16个种子点来描述,如图2的右图所示,最后每个关键点可获得4×4×8=128维向量信息,即生成了128维特征描述子,特征描述子表示的就是搭接区图像的图像特征。
S52、计算两个搭接区图像关键点特征描述子的欧式距离,寻找匹配的关键点;
进一步地,提取出两个搭接区图像的关键点特征描述子后,根据关键点特征描述子之间的欧式距离来寻找两个搭接区图像中匹配的关键点。
具体地,首先采用关键点特征描述子之间的欧式距离作为两幅搭接区图像中关键点匹配的相似性判定度量。取一个搭接区图像中的某个关键点,找到另一搭接区图像中距该关键点欧式距离最近的两个关键点,如果最近距离除以次近距离小于阈值0.8,则判定为一对匹配点。
S53、计算两个搭接区图像的SSIM相似度;
为了保证搭接匹配计算的可靠性,本发明还计算了两个搭接区图像的SSIM(structural similarity index,结构相似度),作为衡量两幅搭接区图像相似度的指标。SSIM相似度的测量由三种对比模块组成,分别为:亮度、对比度、结构。
亮度函数:
对比度函数:
结构函数:
其中x、y分别表示两张搭接区图像,L、C、S分别表示搭接区图像的亮度函数、对比度函数和结构函数,μx、μy分别表示搭接区图像x、搭接区图像y的均值,σx、σy分别表示搭接区图像x、搭接区图像y的标准差,σx2、σy2分别表示搭接区图像x、搭接区图像y的方差,σxy表示搭接区图像x、搭接区图像y的协方差。C1、C2、C3为常数,通常取C1=(K1*L)2、C2=(K2*L)2、C3=C2/2,其中K1=0.01、K2=0.01、L=255。则SSIM相似度的计算公式为:
SSIM(x,y)=L(x,y)*C(x,y)*S(x,y) (7)
S54、如果SSIM相似度大于85%且SIFT匹配点数大于2个,表示搭接匹配成功,将新提交的焊缝探伤底片图像及其特征摘要保存在数据库中,并继续进行下一个焊缝探伤底片图像的检测,否则表示搭接匹配不成功,则报警,即检测出了非重复提交但是搭接区不匹配的造假焊缝探伤底片图像。检测第一张焊缝探伤底片图像时,由于数据库为空数据库,故提交的第一张焊缝探伤底片图像和其图像特征摘要直接保存在数据库中,
图5和图6分别示出了搭接匹配成功和搭接匹配不成功时的显示结果。
本发明报警检测出的焊缝图像特征摘要不匹配、搭接区不匹配的焊缝探伤底片图像可通过人工进行进一步的判断,避免因Hash值冲突、提交顺序出错等导致的误判。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (4)
1.一种焊缝探伤底片图像造假的检测方法,其特征在于:包括如下步骤:
S0、将胶质焊缝探伤底片图像扫描成数字化焊缝探伤底片图像,并将数字化焊缝探伤底片图像按照底片号排序;
S1、基于Hash算法提取焊缝探伤底片图像的特征摘要;
S2、建立数据库,并按底片号的顺序提交焊缝探伤底片图像;
S3、将新提交的焊缝底片图像特征摘要与已保存在数据库中的所有焊缝探伤底片图像特征摘要进行比对,检测出相同的焊缝探伤底片图像;
S4、对新提交的焊缝探伤底片图像和数据库中最后保存的焊缝探伤底片图像进行预处理,并分割得到两个搭接区图像;
S5、基于SIFT算法及SSIM相似度对分割出的搭接区图像进行搭接匹配检测;若不匹配,则报警,若匹配,将新提交的焊缝探伤底片图像及其特征摘要保存在数据库中,并进行下一个焊缝探伤底片图像的检测。
2.如权利要求1所述的焊缝探伤底片图像造假的检测方法,其特征在于:所述S3的具体对比过程为:分别计算新提交的焊缝探伤底片图像特征摘要与数据库中保存的焊缝探伤底片图像特征摘要之间的汉明距离,如果汉明距离均大于零,说明数据库中的焊缝探伤底片图像与新提交的焊缝探伤底片图像均不相同,如果汉明距离等于零,说明进行比对的两个焊缝探伤底片图像是相同的图像,则报警。
3.如权利要求1所述的焊缝探伤底片图像造假的检测方法,其特征在于:所述S4的具体步骤为:
S41、将待匹配检测的两个焊缝探伤底片图像通过对比度拉伸进行图像增强处理;
S42、基于拉东变换在两个焊缝探伤底片图像中分别找到对应的搭接标记,并从搭接标记处分割图像,得到两个搭接区图像。
4.如权利要求3所述的焊缝探伤底片图像造假的检测方法,其特征在于:所述S5包括如下步骤:
S51、基于SIFT算法提取两个搭接区图像的关键点特征描述子;
S52、计算两个搭接区图像关键点特征描述子的欧式距离,寻找匹配的关键点;
S53、计算两个搭接区图像的SSIM相似度;
S54、若匹配的关键点数大于2且SSIM相似度大于85%,表示搭接匹配成功,进行下一个焊缝探伤底片图像的检测,反之,则报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910370301.6A CN110084807B (zh) | 2019-05-06 | 2019-05-06 | 一种焊缝探伤底片图像造假的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910370301.6A CN110084807B (zh) | 2019-05-06 | 2019-05-06 | 一种焊缝探伤底片图像造假的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110084807A true CN110084807A (zh) | 2019-08-02 |
CN110084807B CN110084807B (zh) | 2022-09-27 |
Family
ID=67418557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910370301.6A Active CN110084807B (zh) | 2019-05-06 | 2019-05-06 | 一种焊缝探伤底片图像造假的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110084807B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110558248A (zh) * | 2019-09-27 | 2019-12-13 | 重庆小富农康农业科技服务有限公司 | 一种猪只数量监控装置 |
CN110675388A (zh) * | 2019-09-27 | 2020-01-10 | 沈阳派得林科技有限责任公司 | 一种焊缝图像相似性比较方法 |
CN111413350A (zh) * | 2020-03-24 | 2020-07-14 | 江苏斯德雷特通光光纤有限公司 | 一种检测光纤排线缺陷的方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2954155A1 (en) * | 2014-07-10 | 2016-01-14 | Jfe Steel Corporation | Ultrasonic flaw detection apparatus and ultrasonic flaw detection method |
CN107230203A (zh) * | 2017-05-19 | 2017-10-03 | 重庆理工大学 | 基于人眼视觉注意机制的铸件缺陷识别方法 |
CN108182205A (zh) * | 2017-12-13 | 2018-06-19 | 南京信息工程大学 | 一种基于sift的hash算法的图像快速检索方法 |
CN108665452A (zh) * | 2018-05-09 | 2018-10-16 | 广东大鹏液化天然气有限公司 | 一种基于大数据的管道焊缝底片扫描入库及焊缝缺陷识别方法及其系统 |
-
2019
- 2019-05-06 CN CN201910370301.6A patent/CN110084807B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2954155A1 (en) * | 2014-07-10 | 2016-01-14 | Jfe Steel Corporation | Ultrasonic flaw detection apparatus and ultrasonic flaw detection method |
CN107230203A (zh) * | 2017-05-19 | 2017-10-03 | 重庆理工大学 | 基于人眼视觉注意机制的铸件缺陷识别方法 |
CN108182205A (zh) * | 2017-12-13 | 2018-06-19 | 南京信息工程大学 | 一种基于sift的hash算法的图像快速检索方法 |
CN108665452A (zh) * | 2018-05-09 | 2018-10-16 | 广东大鹏液化天然气有限公司 | 一种基于大数据的管道焊缝底片扫描入库及焊缝缺陷识别方法及其系统 |
Non-Patent Citations (1)
Title |
---|
刘丽等: "基于图像信息融合的焊缝无损探伤研究", 《电子设计工程》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110558248A (zh) * | 2019-09-27 | 2019-12-13 | 重庆小富农康农业科技服务有限公司 | 一种猪只数量监控装置 |
CN110675388A (zh) * | 2019-09-27 | 2020-01-10 | 沈阳派得林科技有限责任公司 | 一种焊缝图像相似性比较方法 |
CN110558248B (zh) * | 2019-09-27 | 2022-06-28 | 重庆大直科技有限公司 | 一种猪只数量监控装置 |
CN110675388B (zh) * | 2019-09-27 | 2024-02-02 | 沈阳派得林科技有限责任公司 | 一种焊缝图像相似性比较方法 |
CN111413350A (zh) * | 2020-03-24 | 2020-07-14 | 江苏斯德雷特通光光纤有限公司 | 一种检测光纤排线缺陷的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110084807B (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
Zhou et al. | Automated visual inspection of glass bottle bottom with saliency detection and template matching | |
CN108764257B (zh) | 一种多视角的指针式仪表识别方法 | |
US8131107B2 (en) | Method and system for identifying defects in NDT image data | |
CN113570605B (zh) | 一种基于液晶显示面板的缺陷检测方法和系统 | |
KR101934313B1 (ko) | 검사 이미지들 내에서 결함들을 검출하기 위한 시스템, 방법 및 컴퓨터 프로그램 제품 | |
CN114549835B (zh) | 一种基于深度学习的指针式仪表矫正识别方法及装置 | |
CN112699876B (zh) | 一种用于集气站多类型仪表自动读数方法 | |
CN110097547B (zh) | 一种基于深度学习的焊缝底片造假的自动检测方法 | |
CN108520514B (zh) | 基于计算机视觉的印刷电路板电子元器一致性检测方法 | |
CN110084807A (zh) | 一种焊缝探伤底片图像造假的检测方法 | |
JP2002508069A (ja) | 測定マークおよび測定マークの検出方法並びに物体測量方法 | |
Dong et al. | A random forest-based automatic inspection system for aerospace welds in X-ray images | |
CN113608378B (zh) | 一种基于lcd制程的全自动缺陷检测方法和系统 | |
CN115330802B (zh) | 一种碳纤维复合材料气瓶x射线图像脱粘缺陷提取方法 | |
Pieringer et al. | Flaw detection in aluminium die castings using simultaneous combination of multiple views | |
Hu et al. | Rail surface spalling detection based on visual saliency | |
CN113850749A (zh) | 训练缺陷侦测器的方法 | |
Li et al. | A two-stage crack detection method for concrete bridges using Convolutional Neural Networks | |
CN116596889A (zh) | 基于深度学习的x射线工业检测缺陷识别方法及系统 | |
CN115752969A (zh) | 一种铝箔封口密封性检测方法及系统和设备 | |
CN116524313A (zh) | 基于深度学习和多模态图像的缺陷检测方法及相关装置 | |
US20050123217A1 (en) | Method for determining the change in position of an item of luggage in order to examine a suspect region in this item of luggage | |
CN110426395B (zh) | 一种太阳能el电池硅片表面检测方法及装置 | |
CN115131596A (zh) | 缺陷分类装置、方法以及程序 |
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 |