CN110544009B - 基于数字图像处理的航空有机涂层老化损伤量化评估方法 - Google Patents

基于数字图像处理的航空有机涂层老化损伤量化评估方法 Download PDF

Info

Publication number
CN110544009B
CN110544009B CN201910681584.6A CN201910681584A CN110544009B CN 110544009 B CN110544009 B CN 110544009B CN 201910681584 A CN201910681584 A CN 201910681584A CN 110544009 B CN110544009 B CN 110544009B
Authority
CN
China
Prior art keywords
image
aging
damage
organic coating
area
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
Application number
CN201910681584.6A
Other languages
English (en)
Other versions
CN110544009A (zh
Inventor
谭晓明
张丹峰
陈新波
王德
于光辉
李小丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Campus of Naval Aviation University of PLA
Original Assignee
Qingdao Campus of Naval Aviation University of PLA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao Campus of Naval Aviation University of PLA filed Critical Qingdao Campus of Naval Aviation University of PLA
Priority to CN201910681584.6A priority Critical patent/CN110544009B/zh
Publication of CN110544009A publication Critical patent/CN110544009A/zh
Application granted granted Critical
Publication of CN110544009B publication Critical patent/CN110544009B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了基于数字图像处理的航空有机涂层老化损伤量化评估方法，借助高精度扫描仪获取有机涂层试验件老化损伤图像；采用SPEC精密色差仪测量不同加速老化周期试验件的失光率，针对采集的有机涂层老化损伤的数字图像进行滤波、灰度变换和模糊增强预处理，提取航空有机涂层老化损伤图像信息；最后通过图像滤波、图像增强、图像分割处理，分析结果。本发明的有益效果是采用数字图像处理技术量化评估航空有机涂层老化宏观和微观损伤，为现役飞机有机涂层使用寿命评定提供了一种新方法。

Description

基于数字图像处理的航空有机涂层老化损伤量化评估方法
技术领域
本发明属于航空技术领域，涉及基于数字图像处理的航空有机涂层老化宏观和微观损伤量化评估方法。
背景技术
在飞机结构表面一般喷涂聚氨酯有机涂层，它主要起着隔离金属基体与腐蚀介质的作用，以达到抑制金属腐蚀的目的。在飞机服役二三十年寿命期内，航空有机涂层不可避免的要遭受太阳辐照、温湿交变、干湿交替、酸雨和氯离子、NOX、SOX腐蚀性介质等严酷环境的侵蚀，有机涂层防腐蚀性能不断下降，宏观上呈现出褪色、粉化、龟裂和起泡等现象，最终会导致涂层与金属基体在界面处剥离，丧失腐蚀防护能力，引起飞机结构发生腐蚀，对飞行安全构成威胁。所以，准确评估航空有机涂层的老化损伤程度，预测失效规律，及时采取维修措施，对保证飞机结构使用安全性具有重要意义。
发明内容
本发明的目的在于提出基于数字图像处理的航空有机涂层老化损伤量化评估方法，本发明的有益效果是采用数字图像处理技术量化评估航空有机涂层老化宏观和微观损伤，为现役飞机有机涂层使用寿命评定提供了一种新方法。
本发明所采用的技术方案是按照以下步骤进行：
步骤1：对留样的有机涂层试验件，采用丙酮和去离子水对老化试验后的进行彻底清洗，然后干燥，借助高精度扫描仪获取有机涂层试验件老化损伤图像；
步骤2：采用SPEC精密色差仪测量不同加速老化周期试验件的失光率，通过分析获得失光率随加速试验周期的变化规律，由于试样面漆为亚光聚氨酯涂层，初始光泽度低，虽然经老化试验后涂层表面聚合物降解加剧，聚氨酯成分不断破坏，表面颜料粉化，析出，涂层表面粗糙度增加，针对采集的有机涂层老化损伤的数字图像进行滤波、灰度变换和模糊增强预处理，提取航空有机涂层老化损伤图像信息；
步骤3：图像滤波；
针对获取的有机涂层老化损伤图像进行均值滤波和中值滤波处理，均值滤波与中值滤波处理均能有效的去除图像中的噪声；
步骤4：图像增强；
采用非线性变换方法对宏观和微观损伤图像进行灰度处理；
步骤5：图像分割；
将图像根据区域一致性的原则把所选图像中的不相同的区域分开，使得这些区域能够互不交叉，处理后的每个区域，都会满足该区域的一致性，通过设置灰度分界线来分割对象图像，进而把目标和背景作为分别的二值图像，测量出图像的所有灰度级的分布，根据分布情况，选取一个所需阈值T，利用这个阈值将图像进行二值化
Figure GDA0003856387750000021
式(1)中T为选取的阈值，f(x，y)为灰度，f(x，y)＝255是代表目标区域，f(x，y)＝0是代表背景区域；
采用Otsu算法用阈值T将图像的灰度级分为两个部分，一部分为背景区域，另一部分为目标区域，这两部分的灰度组里方差应为最小，两个区域之间的方差应为最大，将阈值T作为两个不同区域的分界线，进而将原图像的所有灰度级分为两个部分，即为二值化图像，假设原有图像的灰度级有L级，其中灰度i的几率设为Pi，在0＜T＜L-1的范围内，T把0至L-1的灰度级分为两部分，分别用式(2)～(5)计算出背景区域的像素数概率ω1、平均灰度μ1和目标区域的像素数概率ω2、平均灰度μ2，将图像变成以该阈值为灰度分界线的二值图像；
Figure GDA0003856387750000022
Figure GDA0003856387750000023
Figure GDA0003856387750000031
Figure GDA0003856387750000032
式(2)～式(5)中，ω1为背景区域的像素数概率，μ1为背景区域的平均灰度，ω2为目标区域的像素数概率，μ2为目标区域平均灰度，L为原图像的灰度级，Pi为灰度i的几率，T为选取的阈值；在计算损伤面积时，实际为统计各目标区的像素点数，面积百分比则实际为计算腐蚀特征的像素点总数占所选区域的像素点总数的百分比，计算公式如式(6)所示：
Figure GDA0003856387750000033
在式(6)中，A表示观察图像的面积，Ai表示第i个老化损伤目标的面积，n表示老化损伤目标的特征数，涂层老化产生的鼓泡的形状是不规则的，用损伤目标的最大直径表示老化损伤目标的大小，通过求取腐蚀目标特征轮廓的最小覆盖圆来得到，所求得的最小覆盖圆的直径便是所求的腐蚀目标特征的最大直径，即为所求腐蚀目标特征的大小，最小覆盖圆的定义为：在选定的平面上，一个由N个像素点组成的集合Q，包含Q中全部的点、半径最小的圆，借助Matlab软件编制图像分析处理程序，分别针对宏观图像和微观图像进行滤波、增强、二值化和分割处理；
步骤6：宏观鼓泡率变化规律；
针对不同加速老化周期的宏观形貌图像，选取4个不同阈值，即式(1)中T＝0.3、0.32、0.34和0.36，进行二值化处理，根据式(6)分别计算不同阈值有机涂层宏观鼓泡率，通过分析得到鼓泡率随加速老化时间的变化规律。
随着选取阈值的增大，图像鼓泡率稍微变大，阈值确定为0.3～0.36。
微观微孔率变化规律，对于不同加速老化周期的有机涂层老化损伤微观图像，在每张图像上随机选取四个像素为100×100的区域，提取的图像特征值，根据式(6)计算涂层微孔率的平均值，得到微孔面积比例随加速老化周期的变化规律曲线。
具体实施方式
下面结合具体实施方式对本发明进行详细说明。
本发明基于数字图像处理的航空有机涂层老化损伤量化评估方法包括以下步骤：
步骤1：对留样的有机涂层试验件，采用丙酮和去离子水对老化试验后的进行彻底清洗，然后干燥，借助高精度扫描仪获取有机涂层试验件老化损伤图像；
采用FEIQuanta200 FEG扫描电镜对涂层试验件老化损伤进行观测，通过分析可知，未老化的涂层表面有少量微孔，直径为5μm左右；从第3个周期开始，微孔数量明显增多，到第6个周期，多个微孔相连贯穿，微孔数量增多，尺寸变大；第9周期，有大量大尺寸微孔生成，尺寸达到200μm～500μm。随着加速老化时间的增加，微孔数量增多，涂层表面粗糙程度加剧，其原因是涂层表面颜料颗粒不断脱落，内部聚合物不断降解，促进氯离子渗入，加剧老化进程，这也是导致涂层失光率降低的主要因素。
步骤2：采用SPEC精密色差仪测量不同加速老化周期试验件的失光率，通过分析获得失光率随加速试验周期的变化规律，经分析知，在第0～3个周期，失光率上升速率比较慢；在第4～9周期，增长速率明显加快；第9周期，涂层试样失光率达到18.1％。由于试样面漆为亚光聚氨酯涂层，初始光泽度低，虽然经老化试验后涂层表面聚合物降解加剧，聚氨酯成分不断破坏，表面颜料粉化，析出，涂层表面粗糙度增加。针对采集的有机涂层老化损伤的数字图像进行滤波、灰度变换和模糊增强预处理，提取航空有机涂层老化损伤图像信息。
步骤3：图像滤波；
针对获取的有机涂层老化损伤图像进行均值滤波和中值滤波处理，均值滤波与中值滤波处理均能有效的去除图像中的噪声；中值滤波处理能够同时减少边缘信息的丢失和克服图像细节模糊的不足；中值滤波处理效果明显优于均值滤波。
步骤4：图像增强；
采用非线性变换方法对宏观和微观损伤图像进行灰度处理，由于获取图像时会因为受光照不均等因素干扰，导致图像质量降低，一般需要进行图像增强处理。图像增强根据具体要求而采取特定方法来增强图像的某些信息，减弱或消除无用的信息，使得突出图像整体或者局部的特征。
步骤5：图像分割；
将图像根据区域一致性的原则把所选图像中的不相同的区域分开，使得这些区域能够互不交叉。处理后的每个区域，都会满足该区域的一致性。通过设置灰度分界线来分割对象图像，进而把目标和背景作为分别的二值图像，这个过程叫做图像二值化。测量出图像的所有灰度级的分布，根据分布情况，选取一个所需阈值T，利用这个阈值将图像进行二值化的方法叫做全局阈值法，计算公式见式(1)。
Figure GDA0003856387750000051
式(1)中T为选取的阈值，f(x，y)为灰度，f(x，y)＝255是代表目标区域，f(x，y)＝0是代表背景区域。
采用Otsu算法用阈值T将图像的灰度级分为两个部分，一部分为背景区域，另一部分为目标区域，这两部分的灰度组里方差应为最小，两个区域之间的方差应为最大，将阈值T作为两个不同区域的分界线，进而将原图像的所有灰度级分为两个部分，即为二值化图像。假设原有图像的灰度级有L级，其中灰度i的几率设为Pi，在0＜T＜L-1的范围内，T把0至L-1的灰度级分为两部分，分别用式(2)～(5)计算出背景区域的像素数概率ω1、平均灰度μ1和目标区域的像素数概率ω2、平均灰度μ2，将图像变成以该阈值为灰度分界线的二值图像。
Figure GDA0003856387750000052
Figure GDA0003856387750000053
Figure GDA0003856387750000061
Figure GDA0003856387750000062
式(2)～式(5)中，ω1为背景区域的像素数概率，μ1为背景区域的平均灰度，ω2为目标区域的像素数概率，μ2为目标区域平均灰度，L为原图像的灰度级，Pi为灰度i的几率，T为选取的阈值。
损伤面积作为涂层老化损伤的测量参数具有显著的表征意义。测量目标面积参数的方法称为面积分析法，常见的测量参数有涂层腐蚀特征的相对面积，单位面积内的腐蚀目标个数和平均面积等。在计算损伤面积时，实际为统计各目标区的像素点数，面积百分比则实际为计算腐蚀特征的像素点总数占所选区域的像素点总数的百分比，计算公式如式(6)所示：
Figure GDA0003856387750000063
在式(6)中，A表示观察图像的面积，Ai表示第i个老化损伤目标的面积，n表示老化损伤目标的特征数。
涂层老化产生的鼓泡的形状是不规则的，用损伤目标的最大直径表示老化损伤目标的大小，可以通过求取腐蚀目标特征轮廓的最小覆盖圆来得到。所求得的最小覆盖圆的直径便是所求的腐蚀目标特征的最大直径，即为所求腐蚀目标特征的大小。最小覆盖圆的定义为：在选定的平面上，一个由N个像素点组成的集合Q，包含Q中全部的点、半径最小的圆。借助Matlab软件编制图像分析处理程序，分别针对宏观图像和微观图像进行滤波、增强、二值化和分割处理。
步骤6：宏观鼓泡率变化规律；
针对不同加速老化周期的宏观形貌图像，选取4个不同阈值，即式(1)中T＝0.3、0.32、0.34和0.36，进行二值化处理，根据式(6)分别计算不同阈值有机涂层宏观鼓泡率，通过分析得到鼓泡率随加速老化时间的变化规律。随着选取阈值的增大，图像鼓泡率稍微变大，阈值确定为0.3～0.36比较合适；第0～3周期，鼓泡率为0，涂层完好，没有出现鼓泡；第4～7周期，涂层鼓泡率上升速率很快，涂层防腐蚀性能衰减；第7～8周期，鼓泡率达到15％以上，涂层开始局部失效；第9周期，鼓泡率达到21％，涂层基本整体失效，这与某型飞机表面有机涂层使用寿命一般为8年左右的结论是一致的。通过对比分析失光率和宏观鼓泡率两者变化规律基本上是吻合的。这在一定程度上验证了基于数字图像处理技术评估有机涂层老化宏观损伤的合理性和可行性，为现役飞机有机涂层使用寿命评估提供了一种新方法。
步骤7：微观微孔率变化规律；
对于不同加速老化周期的有机涂层老化损伤微观图像，在每张图像上随机选取四个像素为100×100的区域，提取的图像特征值，根据式(6)计算涂层微孔率(微孔面积比例)的平均值，得到微孔面积比例随加速老化周期的变化规律曲线，经分析知，未老化的原始有机涂层试验件(第0周期)，表面微孔率约为7％，这是由于有机涂层表面初始微观缺陷导致的；第0～2周期，微孔率变化很小；第2～4周期，微孔率上升速率很快，证明涂层微观结构已经发生了较大变化；第7周期，微孔率达到32％，涂层局部失效；第9周期，微孔率达到40％，为含盐(如氯离子)水分的侵入提供了通道，腐蚀介质通过涂层微孔直接侵蚀金属基体材料，此时有机涂层防腐蚀性能已经完全丧失。经分析知，基于数字图像技术获得的微孔率分析结果与扫描电镜观察结果是一致的，宏观鼓泡率和微观微孔率两者变化规律基本是吻合的，这也验证了基于数字图像处理技术评估有机涂层老化微观损伤的合理性和可行性。
以上所述仅是对本发明的较佳实施方式而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施方式所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (2)

1.基于数字图像处理的航空有机涂层老化损伤量化评估方法，其特征在于，按照以下步骤进行：
步骤1：对留样的有机涂层试验件，采用丙酮和去离子水对老化试验后的进行彻底清洗，然后干燥，借助高精度扫描仪获取有机涂层试验件老化损伤图像；
步骤2：采用SPEC精密色差仪测量不同加速老化周期试验件的失光率，通过分析获得失光率随加速试验周期的变化规律，由于试样面漆为亚光聚氨酯涂层，初始光泽度低，虽然经老化试验后涂层表面聚合物降解加剧，聚氨酯成分不断破坏，表面颜料粉化，析出，涂层表面粗糙度增加，针对采集的有机涂层老化损伤的数字图像进行滤波、灰度变换和模糊增强预处理，提取航空有机涂层老化损伤图像信息；
步骤3：图像滤波；
针对获取的有机涂层老化损伤图像进行均值滤波和中值滤波处理，均值滤波与中值滤波处理均能有效的去除图像中的噪声；
步骤4：图像增强；
采用非线性变换方法对宏观和微观损伤图像进行灰度处理；
步骤5：图像分割；
将图像根据区域一致性的原则把所选图像中的不相同的区域分开，使得这些区域能够互不交叉，处理后的每个区域，都会满足该区域的一致性，通过设置灰度分界线来分割对象图像，进而把目标和背景作为分别的二值图像，测量出图像的所有灰度级的分布，根据分布情况，选取一个所需阈值T，利用这个阈值将图像进行二值化
Figure FDA0003856387740000011
式(1)中T为选取的阈值，f(x，y)为灰度，f(x，y)＝255是代表目标区域，f(x，y)＝0是代表背景区域；
采用Otsu算法用阈值T将图像的灰度级分为两个部分，一部分为背景区域，另一部分为目标区域，这两部分的灰度组里方差应为最小，两个区域之间的方差应为最大，将阈值T作为两个不同区域的分界线，进而将原图像的所有灰度级分为两个部分，即为二值化图像，假设原有图像的灰度级有L级，其中灰度i的几率设为Pi，在0＜T＜L-1的范围内，T把0至L-1的灰度级分为两部分，分别用式(2)～(5)计算出背景区域的像素数概率ω1、平均灰度μ1和目标区域的像素数概率ω2、平均灰度μ2，将图像变成以该阈值为灰度分界线的二值图像；
Figure FDA0003856387740000021
Figure FDA0003856387740000022
Figure FDA0003856387740000023
Figure FDA0003856387740000024
式(2)～式(5)中，ω1为背景区域的像素数概率，μ1为背景区域的平均灰度，ω2为目标区域的像素数概率，μ2为目标区域平均灰度，L为原图像的灰度级，Pi为灰度i的几率，T为选取的阈值；在计算损伤面积时，实际为统计各目标区的像素点数，面积百分比则实际为计算腐蚀特征的像素点总数占所选区域的像素点总数的百分比，计算公式如式(6)所示：
Figure FDA0003856387740000025
在式(6)中，A表示观察图像的面积，Ai表示第i个老化损伤目标的面积，n表示老化损伤目标的特征数，涂层老化产生的鼓泡的形状是不规则的，用损伤目标的最大直径表示老化损伤目标的大小，通过求取腐蚀目标特征轮廓的最小覆盖圆来得到，所求得的最小覆盖圆的直径便是所求的腐蚀目标特征的最大直径，即为所求腐蚀目标特征的大小，最小覆盖圆的定义为：在选定的平面上，一个由N个像素点组成的集合Q，包含Q中全部的点、半径最小的圆，借助Matlab软件编制图像分析处理程序，分别针对宏观图像和微观图像进行滤波、增强、二值化和分割处理；
步骤6：宏观鼓泡率变化规律；
针对不同加速老化周期的宏观形貌图像，选取4个不同阈值，即式(1)中T＝0.3、0.32、0.34和0.36，进行二值化处理，根据式(6)分别计算不同阈值有机涂层宏观鼓泡率，通过分析得到鼓泡率随加速老化时间的变化规律；
微观微孔率变化规律，对于不同加速老化周期的有机涂层老化损伤微观图像，在每张图像上随机选取四个像素为100×100的区域，提取的图像特征值，根据式(6)计算涂层微孔率的平均值，得到微孔面积比例随加速老化周期的变化规律曲线。
2.按照权利要求1所述基于数字图像处理的航空有机涂层老化损伤量化评估方法，其特征在于，随着选取阈值的增大，图像鼓泡率稍微变大，阈值确定为0.3～0.36。
CN201910681584.6A 2019-07-26 2019-07-26 基于数字图像处理的航空有机涂层老化损伤量化评估方法 Active CN110544009B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910681584.6A CN110544009B (zh) 2019-07-26 2019-07-26 基于数字图像处理的航空有机涂层老化损伤量化评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910681584.6A CN110544009B (zh) 2019-07-26 2019-07-26 基于数字图像处理的航空有机涂层老化损伤量化评估方法

Publications (2)

Publication Number Publication Date
CN110544009A CN110544009A (zh) 2019-12-06
CN110544009B true CN110544009B (zh) 2022-12-09

Family

ID=68710341

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910681584.6A Active CN110544009B (zh) 2019-07-26 2019-07-26 基于数字图像处理的航空有机涂层老化损伤量化评估方法

Country Status (1)

Country Link
CN (1) CN110544009B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111625985B (zh) * 2020-06-01 2023-05-23 恒创联拓(青岛)航空科技有限公司 疲劳缺口系数数据处理方法、存储介质及信息处理终端
CN113063793B (zh) * 2021-03-25 2022-01-07 中山大学 一种钛合金表面涂层服役情况的图形化处理分析方法及其应用
CN116754467B (zh) * 2023-07-04 2024-03-08 深圳市耀杰橡胶制品有限公司 一种天然橡胶老化性能的测评方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001305067A (ja) * 2000-04-18 2001-10-31 Mitsubishi Heavy Ind Ltd 材料の寿命評価方法
JP2004264947A (ja) * 2003-02-28 2004-09-24 Sony Corp 画像処理装置および方法、記録媒体、並びにプログラム
WO2008024081A1 (en) * 2006-08-24 2008-02-28 Agency For Science, Technology And Research Methods, apparatus and computer-readable media for image segmentation
JP2009293993A (ja) * 2008-06-03 2009-12-17 Central Res Inst Of Electric Power Ind 腐食度評価方法、装置及びプログラム
WO2012127207A1 (en) * 2011-03-22 2012-09-27 E.V. Offshore Limited Corrosion assessment apparatus and method
CN103091239A (zh) * 2013-01-10 2013-05-08 湘潭大学 一种模拟和实时测试热障涂层气体腐蚀失效的试验装置
CN104819929A (zh) * 2015-04-16 2015-08-05 中国第一汽车股份有限公司 一种快速评价涂层耐候性的检测方法
CN105891096A (zh) * 2016-05-09 2016-08-24 北京航空航天大学 防护涂层老化损伤定量判定方法
CN106600606A (zh) * 2016-12-19 2017-04-26 上海电气自动化设计研究所有限公司 基于图像分割的船舶涂装轮廓检测方法
WO2018124688A1 (ko) * 2016-12-26 2018-07-05 이선구 충돌 회피용 드론 제어장치
CN108346148A (zh) * 2017-09-21 2018-07-31 华南理工大学 一种高密度柔性ic基板氧化区域检测系统及方法
CN108647864A (zh) * 2018-04-25 2018-10-12 国网江西省电力有限公司电力科学研究院 老旧架空地线腐蚀度多维采集与评测方法
CN109544576A (zh) * 2018-11-23 2019-03-29 中国空气动力研究与发展中心低速空气动力研究所 一种基于机器视觉的飞机模型冰形轮廓提取方法
CN109949239A (zh) * 2019-03-11 2019-06-28 中国人民解放军陆军工程大学 一种适用于多浓度多场景雾霾图像的自适应清晰化方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2452963B (en) * 2007-09-21 2010-05-26 Rolls Royce Plc A method for assessing degradation of a coating on a component by measuring its surface roughness
JP5555672B2 (ja) * 2011-07-14 2014-07-23 東芝テック株式会社 画像処理装置
JP5875637B2 (ja) * 2013-12-19 2016-03-02 キヤノン株式会社 画像処理装置、画像処理方法
CN106716462B (zh) * 2014-09-26 2021-10-12 宣伟投资管理有限公司 确定涂料要求的系统和方法
US10255521B2 (en) * 2016-12-12 2019-04-09 Jack Cooper Logistics, LLC System, method, and apparatus for detection of damages on surfaces

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001305067A (ja) * 2000-04-18 2001-10-31 Mitsubishi Heavy Ind Ltd 材料の寿命評価方法
JP2004264947A (ja) * 2003-02-28 2004-09-24 Sony Corp 画像処理装置および方法、記録媒体、並びにプログラム
WO2008024081A1 (en) * 2006-08-24 2008-02-28 Agency For Science, Technology And Research Methods, apparatus and computer-readable media for image segmentation
JP2009293993A (ja) * 2008-06-03 2009-12-17 Central Res Inst Of Electric Power Ind 腐食度評価方法、装置及びプログラム
WO2012127207A1 (en) * 2011-03-22 2012-09-27 E.V. Offshore Limited Corrosion assessment apparatus and method
CN103091239A (zh) * 2013-01-10 2013-05-08 湘潭大学 一种模拟和实时测试热障涂层气体腐蚀失效的试验装置
CN104819929A (zh) * 2015-04-16 2015-08-05 中国第一汽车股份有限公司 一种快速评价涂层耐候性的检测方法
CN105891096A (zh) * 2016-05-09 2016-08-24 北京航空航天大学 防护涂层老化损伤定量判定方法
CN106600606A (zh) * 2016-12-19 2017-04-26 上海电气自动化设计研究所有限公司 基于图像分割的船舶涂装轮廓检测方法
WO2018124688A1 (ko) * 2016-12-26 2018-07-05 이선구 충돌 회피용 드론 제어장치
CN108346148A (zh) * 2017-09-21 2018-07-31 华南理工大学 一种高密度柔性ic基板氧化区域检测系统及方法
CN108647864A (zh) * 2018-04-25 2018-10-12 国网江西省电力有限公司电力科学研究院 老旧架空地线腐蚀度多维采集与评测方法
CN109544576A (zh) * 2018-11-23 2019-03-29 中国空气动力研究与发展中心低速空气动力研究所 一种基于机器视觉的飞机模型冰形轮廓提取方法
CN109949239A (zh) * 2019-03-11 2019-06-28 中国人民解放军陆军工程大学 一种适用于多浓度多场景雾霾图像的自适应清晰化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于CNN的SAR图像目标分类优化算法;刘晨等;《雷达科学与技术》;20170815(第04期);第28-33页 *
基于图像处理技术的钢箱梁防腐涂层寿命预测实验研究;刘涛等;《中国腐蚀与防护学报》;20131015(第05期);第59-64页 *
钢箱梁电弧喷铝防腐涂层无损检测图像分析;刘丽娜等;《中国测试》;20151130(第11期);第134-138页 *

Also Published As

Publication number Publication date
CN110544009A (zh) 2019-12-06

Similar Documents

Publication Publication Date Title
CN110544009B (zh) 基于数字图像处理的航空有机涂层老化损伤量化评估方法
CN115222733B (zh) 基于图像识别的金属构件表面缺陷检测方法
CN105004972B (zh) 基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法
CN108108772B (zh) 一种基于配电线路航拍图像的绝缘子污闪状态检测方法
CN110441305B (zh) 一种二次喷丸的表面覆盖率检验方法
CN111652857B (zh) 一种绝缘子缺陷红外检测方法
CN111833312B (zh) 一种检测故障绝缘子放电的紫外图像诊断方法及系统
CN113838054B (zh) 基于人工智能的机械零件表面损伤检测方法
CN105300323A (zh) 绝缘子rtv涂层脱落面积检测方法及检测装置
CN114067114B (zh) 一种基于藻类细胞形态的面积核分割计数方法
CN114782416B (zh) 基于图像识别的纺织品质量检测方法及系统
CN111192273A (zh) 一种基于计算机视觉技术的数字化喷丸覆盖率测量方法
CN115330646B (zh) 一种用于健身器材喷漆工艺的金属构件检查方法
CN107507215A (zh) 一种基于自适应量化增强的电力设备红外热图分割方法
CN116958144A (zh) 一种新能源连接线表面瑕疵区域快速定位方法及系统
CN111738131B (zh) 一种合金两相微结构参数特征提取方法
CN112801949A (zh) 一种紫外成像检测技术中放电区域的确定方法及装置
CN110874825B (zh) 一种复合绝缘子表面水迹二值图像提取方法
CN116485719A (zh) 一种用于裂缝检测的自适应canny方法
Huang et al. Study on hydrophobicity detection of composite insulators of transmission lines by image analysis
CN113030905A (zh) 气溶胶激光雷达数据质控的方法及系统
CN108230334B (zh) 基于灰度阈值的高浓度风沙图像分割的方法
CN115115635B (zh) 用于纺织品漂白工艺的漂白质量识别方法
Vorobel et al. Automatized computer system for evaluation of rust using modified single-scale retinex
CN114820383A (zh) 基于绝缘子可见光图像的污秽等级评估方法

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