CN110992346A - 一种基于dip和dicm的疲劳裂纹长度在线检测方法 - Google Patents
一种基于dip和dicm的疲劳裂纹长度在线检测方法 Download PDFInfo
- Publication number
- CN110992346A CN110992346A CN201911248081.6A CN201911248081A CN110992346A CN 110992346 A CN110992346 A CN 110992346A CN 201911248081 A CN201911248081 A CN 201911248081A CN 110992346 A CN110992346 A CN 110992346A
- Authority
- CN
- China
- Prior art keywords
- crack
- edge
- sub
- point
- displacement
- 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
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/32—Investigating strength properties of solid materials by application of mechanical stress by applying repeated or pulsating forces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0001—Type of application of the stress
- G01N2203/0005—Repeated or cyclic
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0058—Kind of property studied
- G01N2203/006—Crack, flaws, fracture or rupture
- G01N2203/0062—Crack or flaws
- G01N2203/0064—Initiation of crack
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0058—Kind of property studied
- G01N2203/0069—Fatigue, creep, strain-stress relations or elastic constants
- G01N2203/0073—Fatigue
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/06—Indicating or recording means; Sensing means
- G01N2203/067—Parameter measured for estimating the property
- G01N2203/0682—Spatial dimension, e.g. length, area, angle
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
-
- 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
- G06T2207/30164—Workpiece; Machine component
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
一种基于DIP和DICM的疲劳裂纹长度在线检测方法,将DIP与DICM技术相结合,首先采用DIP对裂纹轮廓及扩展路径进行估算,然后基于DIP裂纹尖端检测结果通过DICM并利用虚拟引伸计对裂纹尖端位移场进行计算,精确得到裂纹尖端,进而计算得到相关裂纹参数。本发明可以得到精确的裂纹长度及其尖端坐标,通过优化,可以在提高疲劳裂纹试验精度的同时而又不增加硬件的成本,是一种精确有效而且经济的方法。
Description
技术领域
本发明属于金属疲劳试验领域,提供了一种疲劳裂纹长度检测的方法,适用于金属疲劳试验过程中的裂纹精确检测。
背景技术
疲劳裂纹扩展试验作为探索机械零部件及结构疲劳失效的重要方式,其试验结果的准确性对分析和研究疲劳裂纹萌生、扩展以及断裂具有十分重要的影响。 CT(CompactTension)试件是疲劳裂纹扩展试验中最常用的试件,众多的研究者采用CT试件进行疲劳试验对材料的各种性能进行研究。在研究过程中就需要对试件裂纹的长度进行测量,目前广泛使用的检测手段是基于数字图像处理的检测技术,具有实时在线、测量精度高、性价比高以及操作简单等优点。
基于数字图像处理(DIP,Digital Image Processing)的裂纹检测过程主要完成裂纹图像的采集、预处理、阈值分割以及特征提取等,在此过程中处理算法的合理选择对检测精度具有重要的影响。目前,国内外众多学者已将数字图像处理技术应用到裂纹检测中,并取得了比较好的效果。邹轶群等提出了一种基于数字图像处理技术的表面裂纹算法,实现了裂纹位置、长度等特征的精确检测。胡建林等通过设计飞机板件裂纹检测软件,研究了相关裂纹检测的算法实现。杨攀等将数字图像处理技术应用到螺纹零件头部裂纹检测,克服了传统Hought圆检测的偏心问题。Salman等提出了一种基于Gabor滤波器的裂纹自动识别方法,可以实现裂纹不同方向的检测。Yamaguchi等提出了一种基于渗透图像处理的有效裂纹检测方法,采用模板匹配技术提取与待测点相似的邻域像素,通过计算所构成区域圆形度大小来判断该点是否为裂纹。
数字图像相关法(DICM,Digital Image Correlation Method)是一种用于测量固体材料和结构表面变形场的非干涉光学测量方法。它是数字图像处理和数值计算相结合的产物,其通过比较变形前后试件散斑表面灰度变化,计算得到试件表面位移及应变信息,是一种简单高效的变形测量方法。DICM具有非接触、全场测量的特点,在固体力学实验领域,可实现在不同载荷、材料以及尺寸下物体表面变形场的直接测量,其相比于传统光测力学方法,具有设备简单、对光源及测量环境要求低及测量范围可调等优点。DICM在各种材料和结构表面的变形测量、物体参数表征以及力学理论验证等方面获得了成功的应用。1989年,Russell等第一次采用DICM测量复合材料含裂纹试件的二维应变场。刘宝琛等在国内首次将 DICM应用在材料断裂研究中,以材料的自然纹理作为散斑场,获得了在不同加载条件下韧性金属材料裂纹尖端的应变场。潘兵等提出了一种基于改进的DICM 测量含缺陷试样全场变形的方法,通过对试件散斑表面无效区域进行隔离来避免非连续区域的影响。同年,Helm等改进了DICM,在多裂纹扩展问题中以拟正则分布的圆点作为试件表面散斑,通过增加相关函数的连续性来检测试件表面不连续区域,该方法能得到裂纹尖端位置,但由于引入的小圆点散斑标记使得配准误差较高。
基于DIP的裂纹检测技术主要用于脆性材料裂纹的检测,而在金属及合金韧性材料裂纹精确测量方面应用很少,这主要由于金属表面裂纹尖端附近灰度与背景灰度接近,使得传统DIP检测存在困难。基于DICM的裂纹检测技术主要根据位移场的变化来检测裂纹,存在由于非连续区域而造成位移场计算的误差,且相关算法复杂。
在疲劳裂纹扩展试验中,试件刚度随疲劳裂纹长度的扩展而减小,而试件刚度的变化将会引起系统工作稳定性和动态特性发生变化,为了更好的分析疲劳试验机系统的性能和试验结果的准确性,需要精确测量疲劳裂纹的长度。而由于金属等韧性材料的特性,其裂纹尖端灰度与背景灰度十分接近,导致传统DIP技术所检测出的裂纹长度精度不高,进而影响实验精度。
发明内容
为了克服已有技术的不足,本发明提供了一种基于DIP和DICM相结合的疲劳裂纹长度在线检测方法,通过DIP方法测量得到疲劳裂纹尖端扩展路径,之后利用DICM方法求得裂纹尖端位移场,基于虚拟引伸计技术获得裂纹尖端张开位移量变化,进而确定裂纹尖端的精确位置,计算得到疲劳裂纹长度。
本发明解决其技术问题所采用的技术方案是:
一种基于DIP和DICM的疲劳裂纹长度在线检测方法,所述方法包括以下步骤:
步骤1:获取预制裂纹的顶点坐标,过程如下:
(1.1)在预制裂纹缺口上下边缘分别选取ROI矩形区域,使用一系列垂直于上下边缘的搜索线将矩形区域等间隔进行划分;
(1.2)根据裂纹图像边缘灰度梯度分析结果设定适当的灰度梯度阈值;
(1.3)沿垂直搜索线检索确定预制裂纹缺口上下边缘整像素点,然后采用亚像素边缘检测算法得到预制裂纹上下边缘点的亚像素坐标;
(1.4)将预制裂纹上下边缘点的亚像素坐标进行储存;
(1.5)对预制裂纹缺口边缘进行最小二乘法直线拟合,然后求得两条边缘直线的交点,即为预制裂纹顶点,裂纹起点);
步骤2:通过步骤1确定的疲劳裂纹起点到试件裂纹图像右边缘的区域内,选择沿水平方向的狭长矩形区域并将其划分为两行相同尺寸的多个矩形图像子区。其中,上一行只包含试件表面背景,下一行包含裂纹,通过试件表面区域与裂纹区域均方差值关系实现裂纹区域的定位;
步骤3:根据自适应阈值确定算法得到不同裂纹区域边缘梯度阈值;
步骤4:根据得到的各个裂纹区域的阈值,使用自适应阈值边缘检测算法对图像裂纹进行识别,得到裂纹边缘轮廓并初步确定裂纹尖端的位置。
进一步,所述方法还包括:
步骤5:使用DICM技术计算出裂纹尖端位移场,过程如下:
(5.1)输入参考图像和目标图像;
(5.2)根据DIP裂纹轮廓计算结果,在参考图像中确定ROI,并将其划分为 m×m大小的若干子区,子区中心点坐标为(xi,yi);
(5.3)确定形函数和相关系数表达式,参考子区中任意点Q(x,y)对应目标子区点Q(x’,y’)可通过形函数确定;
(5.4)利用整像素搜索得到参考子区中心点位移u,v;
(5.5)对整像素点周边点相关系数拟合求极值;
(5.6)得到亚像素位移结果;
步骤6:基于DIP得到的裂纹初尖端位置,在试件散斑表面对应位置处向前延伸10mm,并在延伸线两侧均匀布置多个虚拟引伸计,通过DICM位移场计算两个测点之间的位移,得到裂纹尖端附近位移张开量曲线,利用位移突变特性计算得到精确的裂纹尖端位置。
再进一步,所述步骤3中,确定不同裂纹区域自适应阈值的过程如下:首先,计算背景子区的平均灰度值和含裂纹子区的最小灰度值,并计算同一列两个子区之间两者的灰度差值,即上一行子区的平均灰度与下一行子区的最小灰度之差;然后由背景子区与含裂纹子区灰度均方差关系得到阈值确定比例系数,最后将同一列两个子区计算得到的灰度差值乘以相应子区计算得到的比例系数得到裂纹区域不同图像子区对应的梯度阈值即边缘检测阈值。
更进一步,所述步骤4中,根据得到的各个裂纹区域的阈值,使用自适应阈值边缘检测算法对图像裂纹进行识别,得到裂纹边缘轮廓并初步确定裂纹尖端的位置;在进行疲劳裂纹边缘检测时,基于试件裂纹区域的定位,确定裂纹边缘检测ROI即含裂纹区域,通过自适应阈值确定算法得到裂纹区域从裂纹起点到尖端对应子区的不同梯度阈值,将所确定的含裂纹区域作为ROI,并使用一系列垂直于裂纹边缘的搜索线将矩形ROI等间隔划分。根据搜索点所在图像子区,由相应图像子区计算所得梯度阈值作为边缘检测阈值,该阈值高于噪声及试件背景小边缘灰度梯度,而低于裂纹边缘灰度梯度,当被检测像素点的灰度梯度高于该阈值时判断为疑似边缘点,否则判断为非边缘点;裂纹边缘为山谷状边缘,包括上边缘、谷底和下边缘三部分,其中上边缘为下降边缘,其灰度梯度值为负,下边缘为上升边缘,其灰度梯度值为正,根据该分布特点进一步将疑似边缘点分为上疑似边缘点和下疑似边缘点,然后计算沿同一垂直搜索线上的上、下疑似边缘点分别到预制裂纹扩展水平线距离的绝对值大小,进一步确定上、下边缘点,随后采用最小二乘法分段直线拟合得到裂纹连续上、下边缘,通过对裂纹上、下边缘垂直方向取中点的方法得到裂纹的骨干即裂纹扩展基本路径。
所述步骤5中,使用DICM技术计算裂纹尖端位移场,根据DIP裂纹边缘检测结果及裂纹尖端扩展路径估算,在确定感兴趣区域时,为了避免非连续区域对位移场计算精度的影响,在进行感兴趣区域划分时将DIP计算得到的裂纹尖端位置向前延伸5mm,根据预制裂纹最大张开宽度确定无效区域的宽度,并将该部分窄条区域抠掉,不参与位移场计算;在确定感兴趣区域后,将其划分为大小相等的若干子区,并通过位移形函数表征子区中心位移。选择合适的相关函数,通过整像素搜索确定位移初值,然后通过亚像素位移算法得到精确位移,考虑到计算效率,采用相关函数曲面拟合来得到亚像素位移结果,最后不断迭代计算获得全场位移。
所述步骤6中,基于DICM计算的裂纹尖端位移场数据,通过设置虚拟引伸计来对裂纹尖端进行精准定位。基于DIP得到的裂纹初尖端位置,在试件散斑表面对应位置处向前延伸10mm,并在延伸线两侧均匀布置多个虚拟引伸计,通过 DICM位移场计算两个测点之间的位移,得到裂纹尖端附近位移张开量曲线,利用位移突变特性计算得到尖端位置。
本发明将DIP与DICM技术相结合,首先采用DIP对裂纹轮廓及扩展路径进行估算,然后基于DIP裂纹尖端检测结果通过DICM并利用虚拟引伸计对裂纹尖端位移场进行计算,精确得到裂纹尖端,进而计算得到相关裂纹参数,为疲劳裂纹的在线检测提供了新的理论和方法,具有重要的应用价值。
本发明的有益效果主要表现在:将DIP技术和DICM技术相结合,先通过DIP 技术得到初步的裂纹轮廓以及裂纹尖端位置,但是检测精度不高。然后基于DIP 检测结果,在对应试件散斑表面疲劳裂纹尖端位置利用DICM计算疲劳裂纹尖端附近全场位移。基于DICM位移场数据,设置虚拟引伸计获得尖端附近张开位移变化,利用位移突变的特点获得疲劳裂纹尖端亚像素坐标位置,最后通过计算得到疲劳裂纹长度。这样就可以得到精确的裂纹长度及其尖端坐标,通过优化,可以在提高疲劳裂纹试验精度的同时而又不增加硬件的成本,是一种精确有效而且经济的方法。
附图说明
图1是CT试件无裂纹及带有裂纹图像。
图2是预制裂纹顶点检测方法的流程图。
图3是预制裂纹边缘ROI矩形区域。
图4是预制裂纹边缘灰度及灰度梯度分布,其中,(a)是预制裂纹边缘图像, (b)是裂纹边缘灰度分布,(c)是裂纹边缘灰度梯度分布。
图5是预制裂纹边缘检测,其中,(a)是上边缘,(b)是下边缘。
图6是预制裂纹顶点检测结果。
图7是试件裂纹区域图像子区划分。
图8是图像子区灰度均方差分布规律。
图9是自适应阈值确定方法的流程图。
图10是自适应阈值边缘检测方法的流程图。
图11是ROI边缘搜索示意图,其中,1搜索区域、2垂直搜索线、3搜索方向、4边缘点、5上边缘、6下边缘。
图12是DICM位移场计算。
图13是十字搜索法示意图。
图14是虚拟引伸计的布置,其中,1裂纹初尖端、2疲劳裂纹、3裂纹尖端、 4延伸长度(10mm)、5虚拟引伸计测点。
图15是不同位置位移张开量曲线。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1~图15,一种基于DIP和DICM的疲劳裂纹长度在线检测方法,包括以下步骤:
步骤1,获取预制裂纹的顶点坐标。为了测量疲劳裂纹的长度需要先确定预制裂纹的顶点,由图1,预制裂纹顶点是两条加工规则边缘的交点,预制裂纹顶点A即疲劳裂纹起点。
拟合法亚像素边缘检测一般先采用已知函数模型对边缘灰度梯度进行拟合,之后对拟合曲线求解一阶导数,得到极值点即亚像素边缘点。根据中心极限定理可知,边缘处的灰度变化具有高斯分布的特征,由于直接利用高斯分布曲线进行拟合是比较困难的,为了求得高斯曲线的极值点,可将高斯曲线的表达式进行对数变换,进而减少运算量。高斯曲线表达式为:
其中,μ为均值,σ为标准差。
对式(1)进行对数变换后得:
从上式可以看出,其为二次曲线的形式,因此可用二次曲线抛物线来拟合,通过求其顶点坐标获得边缘点。设二次曲线形式为:
y=ax2+bx+c (3)
通过最小二乘法进行二次曲线拟合,设n个拟合点(xi,yi)(i=1,2,3……n),定义误差平方和为:
由最小二乘拟合法原理知,要求拟合的
结果使误差平方和E最小,E最小时,需满足的条件为:
对式(5)求解得:
其中,
通过预制裂纹边缘灰度及灰度分析知,预制裂纹边缘属于阶跃状边缘,且边缘受噪声影响小,可采用三点二次曲线拟合法实现边缘像素点的亚像素定位。基于裂纹边缘的像素级位置检测结果,在进行预制裂纹边缘亚像素定位时,采用三点二次曲线拟合法进行亚像素定位,取像素级边缘点的序号为0,相应灰度梯度值为f(0),与该像素点相邻的两个点的序号分别表示为-1和1,灰度梯度分别为f(-1)和f(1),然后将拟合的三点(-1,f(-1)),(0,f(0)),(1,f(1))代入式 (6)(7)(8)(9)得:
求拟合曲线y=ax2+bx+c并令其等于0,解得裂纹边缘的亚像素位置,三点拟合的亚像素定位计算公式:
将拟合点的灰度梯度值代入式(11)即可求得边缘的亚像素位置。
图2为预制裂纹顶点检测算法流程图,在预制裂纹顶点检测时,图像在线采集系统将采集到的试件图像传输至计算机中,采用图像处理软件在采集的图像上选取如图3所示的ROI矩形区域,并使用一系列垂直预制裂纹缺口边缘的搜索线将矩形区域等间隔进行划分。在ROI矩形区域沿垂直搜索线进行搜索时,可以得到沿搜索线的裂纹边缘区域的灰度梯度分布,如图4为沿某一垂直搜索线的裂纹边缘区域的灰度及灰度梯度分布情况。然后根据灰度梯度分布分析结果选取合适的灰度梯度阈值,当被检测像素点的灰度梯度大于或等于所选取的阈值时判断为预制裂纹边缘点,反之为非边缘点,上下边缘检测过程如图5所示,然后利用亚像素拟合法得到边缘点的亚像素坐标,最后对所有边缘点的亚像素坐标进行最小二乘直线拟合,上下边缘拟合直线的交点即为预制裂纹顶点的亚像素坐标位置,如图6所示。
步骤2,如图7,选择沿水平方向的狭长矩形区域并将其划分为两行相同尺寸的多个矩形图像子区。其中,上一行只包含试件表面背景,下一行包含裂纹,计算每个矩形子区的灰度均方差值,得到如图8所示矩形图像子区灰度均方差分布规律,其中横坐标表示从疲劳裂纹起点到图像右边缘的矩形子区序号。由图8可知,直到第11个矩形图像子区,背景图像子区均方差值都小于含裂纹图像子区,且两者之间的差值逐渐减小,直至接近相等。由此表明,含裂纹矩形图像子区前 11个矩形子区为包含裂纹区域,同一列两个矩形图像子区灰度均方差值相等表示裂纹并未扩展到这一子区,由该均方差值分布规律,实现了裂纹区域的定位;
步骤3,确定不同裂纹区域自适应阈值,其算法如图9所示。首先,计算背景子区的平均灰度值和含裂纹子区的最小灰度值,并计算同一列两个子区之间两者的灰度差值,即上一行子区的平均灰度与下一行子区的最小灰度之差。然后由背景子区与含裂纹子区灰度均方差关系得到阈值确定比例系数,最后将同一列两个子区计算得到的灰度差值乘以相应子区计算得到的比例系数得到裂纹区域不同图像子区对应的梯度阈值即边缘检测阈值。
步骤4,根据得到的各个裂纹区域的阈值,使用自适应阈值边缘检测算法对图像裂纹进行识别,得到裂纹边缘轮廓并初步确定裂纹尖端的位置,其算法如图10 所示;在进行疲劳裂纹边缘检测时,基于试件裂纹区域的定位,确定裂纹边缘检测ROI即含裂纹区域,通过自适应阈值确定算法得到裂纹区域从裂纹起点到尖端对应子区的不同梯度阈值,将所确定的含裂纹区域作为ROI,并使用一系列垂直于裂纹边缘的搜索线将矩形ROI等间隔划分,图11为裂纹图像ROI边缘搜索示意图。根据搜索点所在图像子区,由相应图像子区计算所得梯度阈值作为边缘检测阈值,该阈值高于噪声及试件背景小边缘灰度梯度,而低于裂纹边缘灰度梯度,当被检测像素点的灰度梯度高于该阈值时判断为疑似边缘点,否则判断为非边缘点。裂纹边缘为山谷状边缘,包括上边缘、谷底和下边缘三部分,其中上边缘为下降边缘,其灰度梯度值为负,下边缘为上升边缘,其灰度梯度值为正,根据该分布特点进一步将疑似边缘点分为上疑似边缘点和下疑似边缘点,然后计算沿同一垂直搜索线上的上、下疑似边缘点分别到预制裂纹扩展水平线距离的绝对值大小,进一步确定上、下边缘点,随后采用最小二乘法分段直线拟合得到裂纹连续上、下边缘,通过对裂纹上、下边缘垂直方向取中点的方法得到裂纹的骨干即裂纹扩展基本路径。
为了得到连续的裂纹边缘,进而获得裂纹扩展的基本路径,需要对所检测边缘点利用相应算法进行连接。根据疲劳裂纹扩展形态及方向分析,可将裂纹边缘进行分段直线拟合,通过多次最小二乘法来确定拟合线段的划分和拟合区域的确定。将检测到的裂纹上边缘点、下边缘点位置数据存入二维数组中,数组的每一列分别代表像素点的X方向和Y方向坐标值。在进行最小二乘法上下边缘分段直线拟合时,首先确定拟合区域即预制裂纹顶点到疲劳裂纹尖端位置点的水平范围内,然后,对裂纹上边缘点和下边缘点数组分别进行分段直线拟合,初选拟合数据点数集(xi,yi)(i=1,2,3……n),根据裂纹边缘扩展形态分析,设初始拟合点数为4,令拟合直线方程为:
y=a0+a1x (12)
其中a0,a1为任意实数。
根据最小二乘拟合的原理,要使拟合结果与实际情况相匹配,要求误差平方和E要达到最小,令:
当E最小时,可将函数E分别对a0,a1求偏导数,并令其等于零,即:
对上式整理可得:
解式(15)得:
将初始拟合数据代入式(16)、(17)求得相应a0、a1,进而得到拟合直线,之后在初始拟合点数的基础上增加1,继续拟合,得到新的拟合直线,比较相邻两次拟合直线斜率的偏差,若小于设定值,继续增加拟合点数,直到前后两次拟合直线斜率的偏差大于预先设定值,此时对应的前一次拟合直线就是此段边缘的拟合直线。将此时的拟合点数以及直线参数存入相应数组位置,以此点作为下一段拟合的初始点,重复以上步骤,直到所有边缘点拟合结束为止。
步骤5,使用DICM技术计算裂纹尖端位移场;本发明提出了一种适合疲劳裂纹扩展试验的位移场在线测量方法。图12为本发明所提出的位移场计算流程。根据DIP裂纹边缘检测结果及裂纹尖端扩展路径估算,在确定感兴趣区域时,为了避免非连续区域对位移场计算精度的影响,在进行感兴趣区域划分时将DIP计算得到的裂纹尖端位置向前延伸5mm,根据预制裂纹最大张开宽度确定无效区域的宽度,并将该部分窄条区域抠掉,不参与位移场计算。在确定感兴趣区域后,将其划分为大小相等的若干子区,并通过位移形函数表征子区中心位移。选择合适的相关函数,通过整像素搜索确定位移初值,然后通过亚像素位移算法得到精确位移,考虑到计算效率,本发明采用相关函数曲面拟合来得到亚像素位移结果,最后不断迭代计算获得全场位移。
(5.1)形函数:采用一阶位移形函数来描述变形后图像子区变形情况:
(5.2)在疲劳裂纹扩展试验中,由于光照变化、振动噪声等因素的影响使得所采集的试件裂纹图像局部灰度值可能产生偏差,变形前后散斑表面的灰度可能发生较大的线性变化,进而影响相关函数的计算精度,由于本研究对计算速度要求较高,对比两类相关标准的优缺点选择ZNCC标准作为相关函数,与其他CC 标准相比,此函数对目标子区灰度的偏移和比例变化不敏感,且其计算量相对较小计算速度高,提供了最准确和可靠的位移估计。
(5.3)整像素搜索法:采用十字搜索法;其具体过程如图13所示:
(5.3.1)在参考图像中选取待测位移子区,以该子区中Q点为原点作u、v 轴,并以u轴作为起始轴作等分角为θ的射线,并在射线上选取距离为s的若干点,利用零均值归一化互相关函数(ZNCC)计算这些点的相关系数,当相关系数值大于设定阈值时,此时进入小范围单主峰区;
(5.3.2)找到步骤(1)中单主峰区中的顶点,并在该单主峰点Q1(u1,v1)处,沿着u=u1的寻找相关系数最大的点Q2(u1,v2),然后沿着v=v2寻找相关系数最大的点Q3(u2,v2),Q3点就是要找的峰顶位置。
(5.4)亚像素位移计算:采用曲面拟合法求解亚像素位移;本发明采用二元二次函数进行相关系数的曲面拟合,通常采用的表达式为:
上式中,a0,a1,a2,a3,a4,a5为待求参数。
令A=[a0 a1 a2 a3 a4 a5]T,Xi=[1xiyixi 2xiyiyi 2],由上式可得:
根据最小二乘法可得:
函数C(x,y)的极值点满足以下方程组:
由上式可求出x,y的坐标:
步骤6,基于DICM计算的裂纹尖端位移场数据,通过设置虚拟引伸计来对裂纹尖端进行精准定位,图14为虚拟引伸计布置示意图。基于DIP得到的裂纹初尖端位置,在试件散斑表面对应位置处向前延伸10mm,并在延伸线两侧均匀布置多个虚拟引伸计,通过DICM位移场计算两个测点之间的位移,得到裂纹尖端附近位移张开量曲线,利用位移突变特性计算得到尖端位置。
通过计算不同位置虚拟引伸计对应的位移张开量判断裂纹尖端的实际位置。图15为不同位置虚拟引伸计张开位移拟合曲线对应裂纹尖端位置原理示意,可以看出张开位移曲线拐点处即为裂纹尖端位置。
Claims (6)
1.一种基于DIP和DICM的疲劳裂纹长度在线检测方法,其特征在于,所述方法包括以下步骤:
步骤1:获取预制裂纹的顶点坐标,过程如下:
(1.1)在预制裂纹缺口上下边缘分别选取ROI矩形区域,使用一系列垂直于上下边缘的搜索线将矩形区域等间隔进行划分;
(1.2)根据裂纹图像边缘灰度梯度分析结果设定适当的灰度梯度阈值;
(1.3)沿垂直搜索线检索确定预制裂纹缺口上下边缘整像素点,然后采用亚像素边缘检测算法得到预制裂纹上下边缘点的亚像素坐标;
(1.4)将预制裂纹上下边缘点的亚像素坐标进行储存;
(1.5)对预制裂纹缺口边缘进行最小二乘法直线拟合,然后求得两条边缘直线的交点,即为预制裂纹顶点,裂纹起点);
步骤2:通过步骤1确定的疲劳裂纹起点到试件裂纹图像右边缘的区域内,选择沿水平方向的狭长矩形区域并将其划分为两行相同尺寸的多个矩形图像子区,其中,上一行只包含试件表面背景,下一行包含裂纹,通过试件表面区域与裂纹区域均方差值关系实现裂纹区域的定位;
步骤3:根据自适应阈值确定算法得到不同裂纹区域边缘梯度阈值;
步骤4:根据得到的各个裂纹区域的阈值,使用自适应阈值边缘检测算法对图像裂纹进行识别,得到裂纹边缘轮廓并初步确定裂纹尖端的位置。
2.如权利要求1所述的一种基于DIP和DICM的疲劳裂纹长度在线检测方法,其特征在于,所述方法还包括:
步骤5:使用DICM技术计算出裂纹尖端位移场,过程如下:
(5.1)输入参考图像和目标图像;
(5.2)根据DIP裂纹轮廓计算结果,在参考图像中确定ROI,并将其划分为m×m大小的若干子区,子区中心点坐标为(xi,yi);
(5.3)确定形函数和相关系数表达式,参考子区中任意点Q(x,y)对应目标子区点Q(x’,y’)可通过形函数确定;
(5.4)利用整像素搜索得到参考子区中心点位移u,v;
(5.5)对整像素点周边点相关系数拟合求极值;
(5.6)得到亚像素位移结果;
步骤6:基于DIP得到的裂纹初尖端位置,在试件散斑表面对应位置处向前延伸10mm,并在延伸线两侧均匀布置多个虚拟引伸计,通过DICM位移场计算两个测点之间的位移,得到裂纹尖端附近位移张开量曲线,利用位移突变特性计算得到精确的裂纹尖端位置。
3.如权利要求1或2所述的一种基于DIP和DICM的疲劳裂纹长度在线检测方法,其特征在于,所述步骤3中,确定不同裂纹区域自适应阈值的过程如下:首先,计算背景子区的平均灰度值和含裂纹子区的最小灰度值,并计算同一列两个子区之间两者的灰度差值,即上一行子区的平均灰度与下一行子区的最小灰度之差;然后由背景子区与含裂纹子区灰度均方差关系得到阈值确定比例系数,最后将同一列两个子区计算得到的灰度差值乘以相应子区计算得到的比例系数得到裂纹区域不同图像子区对应的梯度阈值即边缘检测阈值。
4.如权利要求1或2所述的一种基于DIP和DICM的疲劳裂纹长度在线检测方法,其特征在于,所述步骤4中,根据得到的各个裂纹区域的阈值,使用自适应阈值边缘检测算法对图像裂纹进行识别,得到裂纹边缘轮廓并初步确定裂纹尖端的位置;在进行疲劳裂纹边缘检测时,基于试件裂纹区域的定位,确定裂纹边缘检测ROI即含裂纹区域,通过自适应阈值确定算法得到裂纹区域从裂纹起点到尖端对应子区的不同梯度阈值,将所确定的含裂纹区域作为ROI,并使用一系列垂直于裂纹边缘的搜索线将矩形ROI等间隔划分;根据搜索点所在图像子区,由相应图像子区计算所得梯度阈值作为边缘检测阈值,该阈值高于噪声及试件背景小边缘灰度梯度,而低于裂纹边缘灰度梯度,当被检测像素点的灰度梯度高于该阈值时判断为疑似边缘点,否则判断为非边缘点;裂纹边缘为山谷状边缘,包括上边缘、谷底和下边缘三部分,其中上边缘为下降边缘,其灰度梯度值为负,下边缘为上升边缘,其灰度梯度值为正,根据该分布特点进一步将疑似边缘点分为上疑似边缘点和下疑似边缘点,然后计算沿同一垂直搜索线上的上、下疑似边缘点分别到预制裂纹扩展水平线距离的绝对值大小,进一步确定上、下边缘点,随后采用最小二乘法分段直线拟合得到裂纹连续上、下边缘,通过对裂纹上、下边缘垂直方向取中点的方法得到裂纹的骨干即裂纹扩展基本路径。
5.如权利要求2所述的一种基于DIP和DICM的疲劳裂纹长度在线检测方法,其特征在于,所述步骤5中,使用DICM技术计算裂纹尖端位移场,根据DIP裂纹边缘检测结果及裂纹尖端扩展路径估算,在确定感兴趣区域时,为了避免非连续区域对位移场计算精度的影响,在进行感兴趣区域划分时将DIP计算得到的裂纹尖端位置向前延伸5mm,根据预制裂纹最大张开宽度确定无效区域的宽度,并将该部分窄条区域抠掉,不参与位移场计算;在确定感兴趣区域后,将其划分为大小相等的若干子区,并通过位移形函数表征子区中心位移;选择相关函数,通过整像素搜索确定位移初值,然后通过亚像素位移算法得到精确位移,考虑到计算效率,采用相关函数曲面拟合来得到亚像素位移结果,最后不断迭代计算获得全场位移。
6.如权利要求2所述的一种基于DIP和DICM的疲劳裂纹长度在线检测方法,其特征在于,所述步骤6中,基于DICM计算的裂纹尖端位移场数据,通过设置虚拟引伸计来对裂纹尖端进行精准定位;基于DIP得到的裂纹初尖端位置,在试件散斑表面对应位置处向前延伸10mm,并在延伸线两侧均匀布置多个虚拟引伸计,通过DICM位移场计算两个测点之间的位移,得到裂纹尖端附近位移张开量曲线,利用位移突变特性计算得到尖端位置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2019108734059 | 2019-09-17 | ||
CN201910873405 | 2019-09-17 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110992346A true CN110992346A (zh) | 2020-04-10 |
CN110992346B CN110992346B (zh) | 2023-04-07 |
Family
ID=70091411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911248081.6A Active CN110992346B (zh) | 2019-09-17 | 2019-12-09 | 一种基于dip和dicm的疲劳裂纹长度在线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992346B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882542A (zh) * | 2020-07-29 | 2020-11-03 | 南通大学 | 一种基于AA R2Unet和HMM的高精密螺纹全自动精确测量方法 |
CN112508885A (zh) * | 2020-11-24 | 2021-03-16 | 新拓三维技术(深圳)有限公司 | 一种弯管的三维中轴线检测方法及系统 |
CN112801981A (zh) * | 2021-01-28 | 2021-05-14 | 中国科学院武汉岩土力学研究所 | 确定混合压剪裂纹尖端断裂过程区传播速度的方法及设备 |
CN112903443A (zh) * | 2021-01-28 | 2021-06-04 | 中国科学院武汉岩土力学研究所 | 确定岩石材料裂纹尖端断裂过程区传播速度的方法及设备 |
CN113256615A (zh) * | 2021-06-22 | 2021-08-13 | 常州微亿智造科技有限公司 | 线形缺陷的检测方法和装置 |
CN113446932A (zh) * | 2021-05-18 | 2021-09-28 | 西北工业大学 | 非接触式裂纹测量方法及其系统 |
CN113506292A (zh) * | 2021-07-30 | 2021-10-15 | 同济大学 | 一种基于位移场的结构物表面裂纹检测和提取方法 |
CN113588781A (zh) * | 2021-07-01 | 2021-11-02 | 南京邮电大学 | 一种Lamb波工程结构多裂纹损伤监测方法 |
CN113607546A (zh) * | 2021-08-10 | 2021-11-05 | 西北工业大学 | 一种裂纹测量方法 |
CN113865487A (zh) * | 2021-09-23 | 2021-12-31 | 北京航空航天大学 | 一种基于结构表面位移场的疲劳裂纹扩展实时监测方法 |
CN113899746A (zh) * | 2021-09-30 | 2022-01-07 | 江苏纹动测控科技有限公司 | 一种基于dic的钢结构疲劳裂纹扩展形态测量方法 |
CN114266776A (zh) * | 2022-03-03 | 2022-04-01 | 南京航空航天大学 | 一种应用复合裂纹位移场函数的数字图像相关方法 |
CN116309510A (zh) * | 2023-03-29 | 2023-06-23 | 清华大学 | 数控加工表面缺陷定位方法及装置 |
CN117329977A (zh) * | 2023-11-28 | 2024-01-02 | 中国飞机强度研究所 | 复杂工况下结构疲劳裂纹视觉特征表征与测量处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692188A (zh) * | 2012-05-08 | 2012-09-26 | 浙江工业大学 | 机械视觉疲劳裂纹扩展试验裂纹长度动态测量方法 |
CN105387809A (zh) * | 2014-08-28 | 2016-03-09 | 波音公司 | 用于检测裂纹增长的系统和方法 |
US20180137612A1 (en) * | 2015-04-27 | 2018-05-17 | Wuhan Wuda Zoyon Science And Technology Co., Ltd. | A stepwise refinement detection method for pavement cracks |
-
2019
- 2019-12-09 CN CN201911248081.6A patent/CN110992346B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692188A (zh) * | 2012-05-08 | 2012-09-26 | 浙江工业大学 | 机械视觉疲劳裂纹扩展试验裂纹长度动态测量方法 |
CN105387809A (zh) * | 2014-08-28 | 2016-03-09 | 波音公司 | 用于检测裂纹增长的系统和方法 |
US20180137612A1 (en) * | 2015-04-27 | 2018-05-17 | Wuhan Wuda Zoyon Science And Technology Co., Ltd. | A stepwise refinement detection method for pavement cracks |
Non-Patent Citations (2)
Title |
---|
秦洪远;刘一鸣;黄丹;: "脆性多裂纹扩展问题的近场动力学建模分析" * |
高红俐;郑欢斌;姜伟;齐子诚;: "基于图像处理的疲劳裂纹扩展长度在线测量方法" * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882542A (zh) * | 2020-07-29 | 2020-11-03 | 南通大学 | 一种基于AA R2Unet和HMM的高精密螺纹全自动精确测量方法 |
CN112508885A (zh) * | 2020-11-24 | 2021-03-16 | 新拓三维技术(深圳)有限公司 | 一种弯管的三维中轴线检测方法及系统 |
CN112801981B (zh) * | 2021-01-28 | 2022-06-17 | 中国科学院武汉岩土力学研究所 | 确定混合压剪裂纹尖端断裂过程区传播速度的方法及设备 |
CN112903443B (zh) * | 2021-01-28 | 2021-12-14 | 中国科学院武汉岩土力学研究所 | 确定岩石材料裂纹尖端断裂过程区传播速度的方法及设备 |
CN112903443A (zh) * | 2021-01-28 | 2021-06-04 | 中国科学院武汉岩土力学研究所 | 确定岩石材料裂纹尖端断裂过程区传播速度的方法及设备 |
CN112801981A (zh) * | 2021-01-28 | 2021-05-14 | 中国科学院武汉岩土力学研究所 | 确定混合压剪裂纹尖端断裂过程区传播速度的方法及设备 |
CN113446932A (zh) * | 2021-05-18 | 2021-09-28 | 西北工业大学 | 非接触式裂纹测量方法及其系统 |
CN113256615A (zh) * | 2021-06-22 | 2021-08-13 | 常州微亿智造科技有限公司 | 线形缺陷的检测方法和装置 |
CN113256615B (zh) * | 2021-06-22 | 2021-10-19 | 常州微亿智造科技有限公司 | 线形缺陷的检测方法和装置 |
CN113588781B (zh) * | 2021-07-01 | 2023-10-10 | 南京邮电大学 | 一种Lamb波工程结构多裂纹损伤监测方法 |
CN113588781A (zh) * | 2021-07-01 | 2021-11-02 | 南京邮电大学 | 一种Lamb波工程结构多裂纹损伤监测方法 |
CN113506292A (zh) * | 2021-07-30 | 2021-10-15 | 同济大学 | 一种基于位移场的结构物表面裂纹检测和提取方法 |
CN113607546A (zh) * | 2021-08-10 | 2021-11-05 | 西北工业大学 | 一种裂纹测量方法 |
CN113865487A (zh) * | 2021-09-23 | 2021-12-31 | 北京航空航天大学 | 一种基于结构表面位移场的疲劳裂纹扩展实时监测方法 |
CN113865487B (zh) * | 2021-09-23 | 2022-11-25 | 北京航空航天大学 | 一种基于结构表面位移场的疲劳裂纹扩展实时监测方法 |
CN113899746A (zh) * | 2021-09-30 | 2022-01-07 | 江苏纹动测控科技有限公司 | 一种基于dic的钢结构疲劳裂纹扩展形态测量方法 |
CN113899746B (zh) * | 2021-09-30 | 2024-05-17 | 江苏纹动测控科技有限公司 | 一种基于dic的钢结构疲劳裂纹扩展形态测量方法 |
CN114266776A (zh) * | 2022-03-03 | 2022-04-01 | 南京航空航天大学 | 一种应用复合裂纹位移场函数的数字图像相关方法 |
CN114266776B (zh) * | 2022-03-03 | 2022-06-10 | 南京航空航天大学 | 一种应用复合裂纹位移场函数的数字图像相关方法 |
CN116309510A (zh) * | 2023-03-29 | 2023-06-23 | 清华大学 | 数控加工表面缺陷定位方法及装置 |
CN116309510B (zh) * | 2023-03-29 | 2024-03-22 | 清华大学 | 数控加工表面缺陷定位方法及装置 |
CN117329977A (zh) * | 2023-11-28 | 2024-01-02 | 中国飞机强度研究所 | 复杂工况下结构疲劳裂纹视觉特征表征与测量处理方法 |
CN117329977B (zh) * | 2023-11-28 | 2024-02-13 | 中国飞机强度研究所 | 复杂工况下结构疲劳裂纹视觉特征表征与测量处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110992346B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992346B (zh) | 一种基于dip和dicm的疲劳裂纹长度在线检测方法 | |
Zhang et al. | Automatic pavement defect detection using 3D laser profiling technology | |
CN104359403B (zh) | 基于亚像素边缘算法的平面零件尺寸测量方法 | |
Liu et al. | An improved online dimensional measurement method of large hot cylindrical forging | |
CN101201329B (zh) | 基于射线衰减能量场的无损检测缺陷提取、识别方法 | |
Ding et al. | A laser-based machine vision measurement system for laser forming | |
CN114119553A (zh) | 一种以十字激光为基准的双目视觉异面圆孔检测方法 | |
JP5913903B2 (ja) | 形状検査方法およびその装置 | |
CN109556533B (zh) | 一种针对多线结构光条纹图像的自动提取方法 | |
CN108827197B (zh) | 一种减少边缘退化影响的线阵工业ct均质材料尺寸测量方法 | |
Fleßner et al. | Assessment of the single point uncertainty of dimensional CT measurements | |
Gadermayr et al. | Algorithms for microindentation measurement in automated Vickers hardness testing | |
CN108844469B (zh) | 一种基于激光测试工件台阶高度的方法及系统 | |
CN112233104B (zh) | 实时位移场和应变场检测方法、系统、装置和存储介质 | |
CN104655041A (zh) | 一种附加约束条件的工业零件轮廓线多特征提取方法 | |
Molleda et al. | A profile measurement system for rail manufacturing using multiple laser range finders | |
CN113267122B (zh) | 一种基于3d视觉传感器的工业零件尺寸测量方法 | |
Dou et al. | An adaptive method of measuring the rake face wear of end mills based on image feature point set registration | |
CN115239907A (zh) | 基于改进最大类间方差法的骨料形貌表征方法和系统 | |
Zhang et al. | A 3D measurement method with accurate boundaries based on mutation feature detection of laser stripes | |
Sun et al. | A fast and robust detection algorithm for extraction of the centre of a structured light stripe | |
Park et al. | Robust inspection technique for detection of flatness defects of oil pans | |
Robertson et al. | Shape recovery and analysis of large screw threads | |
CN110619650A (zh) | 一种基于线结构激光点云的边缘点提取方法和装置 | |
CN113658102B (zh) | 一种基于单幅显微图像重建的加工表面质量在线检测方法 |
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 |