CN111028229A - 一种基于图像处理技术的金属或涂层腐蚀检测方法 - Google Patents

一种基于图像处理技术的金属或涂层腐蚀检测方法 Download PDF

Info

Publication number
CN111028229A
CN111028229A CN201911318472.0A CN201911318472A CN111028229A CN 111028229 A CN111028229 A CN 111028229A CN 201911318472 A CN201911318472 A CN 201911318472A CN 111028229 A CN111028229 A CN 111028229A
Authority
CN
China
Prior art keywords
image
corrosion
binary
detection
color
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.)
Pending
Application number
CN201911318472.0A
Other languages
English (en)
Inventor
李孟思
张吉琴
赵连红
张红飞
王英芹
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.)
China Special Vehicle Research Institute
Original Assignee
China Special Vehicle Research Institute
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 China Special Vehicle Research Institute filed Critical China Special Vehicle Research Institute
Priority to CN201911318472.0A priority Critical patent/CN111028229A/zh
Publication of CN111028229A publication Critical patent/CN111028229A/zh
Pending legal-status Critical Current

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
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)

Abstract

本发明属于腐蚀防护与控制领域，具体涉及一种基于图像处理技术的金属或涂层腐蚀检测方法。该方法包括：采集彩色腐蚀图像；对彩色腐蚀图像进行预处理得到预处理图像；对预处理图像进行图像分割得到二值图像，二值图像是能够确定图像中每个像素点应该属于腐蚀区域还是背景区域的图像；提取二值图像的特征；根据二值图像的特征进行腐蚀等级评定。本发明基于图像处理技术通过结合人工检测经验、图像识别技术，运用计算机自动识别试样表面形貌，达到快速、准确地对材料腐蚀检测等级的评定，避免人因疲劳和受主观因素影响等带来的误判，消除检测结果的人为误差和降低检测人员的工作强度。

Description

一种基于图像处理技术的金属或涂层腐蚀检测方法
技术领域
本发明属于腐蚀防护与控制领域，具体涉及一种基于图像处理技术的金属或涂层腐蚀检测方法。
背景技术
图像处理技术最早应用于腐蚀领域主要用于描述和评价点蚀发生的过程。国外将图像分析技术用于研究金属的局部腐蚀，采用金相分析和图像处理相结合的方法得到了确定点蚀深度和几何形状的方法，并通过对孔深分布与腐蚀区域之间关系的定量分析得到了蚀孔的三维分布图，能够更直观地显示金属点蚀的特点。
与国外相比，国内图像处理技术在腐蚀分析中的应用范围较窄，技术发展尚未成熟。国内专家建立了基于恒电位的原位图像采集系统，并对恒电位过程图像进行分析，发现腐蚀过程中的图像灰度变化与蚀孔的产生和发展有着直接地关系，当发生点蚀时，灰度值向小的方向移动，灰度统计直方图上出现双峰；并通过分析电化学原理，从测试参数与图像信息发现，点蚀发生率与反应消耗的电量之间存在一定的相关性。
腐蚀等级评定是按照材料或结构的表现特征确定材料腐蚀等级的一项评价工作，目前国内金属腐蚀等级评价参照GB/T6461-2002(金属集体上金属和其他无机覆盖层经腐蚀实验台的试样和试件的评级)，漆膜腐蚀评价常参照GB/T1766-2008(色漆和清漆涂层老化的评级方法)，标准里对腐蚀形态做了大概的文字描述(如GB/T6461-2002第四章缺陷类型和GB/T1766-2008第四章单项评定等级)，最后检测人员依据文字描述判定腐蚀等级。
国内目前尚无实验室应用图像处理技术来进行自动化腐蚀检测，大多停留在人工检测为主、机器作为辅助工具的阶段。
发明内容
发明目的：提供一种能够基于图像处理技术进行自动化金属或涂层腐蚀检测的方法，消除检测结果的人为误差和降低检测人员的工作强度。
本发明的技术方案：
第一方面，提供了一种基于图像处理技术的金属或涂层腐蚀检测方法，包括：
采集彩色腐蚀图像；
对彩色腐蚀图像进行预处理得到预处理图像；
对预处理图像进行图像分割得到二值图像，二值图像是能够确定图像中每个像素点应该属于腐蚀区域还是背景区域的图像；
提取二值图像的特征；
根据二值图像的特征进行腐蚀等级评定。
进一步地，采集彩色腐蚀图像，具体包括：
利用相机拍摄整个试样以及腐蚀部位的宏观形貌；以及
利用显微镜采集试样腐蚀部位的微观形貌。
进一步地，采集彩色腐蚀图像，还包括：还包括对腐蚀图像中的微区元素、成分进行标定。
进一步地，采集彩色腐蚀图像，之前还包括：
设置采集图像的分辨率，相机、显微镜、图像采集卡的参数，各种材料外观类型的特征量，图像二值化阈值以及检测区域内特征点的阈值；以及
根据腐蚀检测类型选取图像识别的匹配模板。
进一步地，对彩色腐蚀图像进行预处理，具体包括：包括图像截取、图像滤波、图像灰度变换、图像模糊增强。
进一步地，图像滤波具体包括：图像中值滤波。
进一步地，对预处理图像进行图像分割得到二值图像，具体包括：将像素点的灰度值与图像二值化阈值进行比较，确定每个像素点应该属于腐蚀区域还是背景区域，从而得到二值图像。
进一步地，提取二值图像的特征，具体包括：
根据像素点的灰度值对腐蚀区域以及无破坏区域进行分析，并与匹配模板进行比较，识别出都有哪些类型的腐蚀以及腐蚀的程度。
进一步地，根据二值图像的特征进行腐蚀等级评定，具体包括：
根据腐蚀类型和腐蚀程度确定腐蚀等级。
本发明的有益效果：本发明基于图像处理技术通过结合人工检测经验、图像识别技术和最新版ISO4628-2016标准要求(色漆和清漆：涂层老化的评定-缺陷的变化程度、数量和大小的规定)，运用计算机自动识别试样表面形貌，达到快速、准确地对材料腐蚀检测等级的评定，避免人因疲劳和受主观因素影响等带来的误判，消除检测结果的人为误差和降低检测人员的工作强度。
附图说明
图1为根据本发明的方法的流程图。
具体实施方式
目前现有的腐蚀检测手段，主要是依靠试验人员的肉眼观察，或通过对试样进行宏观、微观拍照，再参照标准的描述，依据经验来评定试样的腐蚀等级。这个过程是一项冗长的工作，效率低下且检测结果极易受到主观因素的影响，且不同检测人员之间，人为误差也较大。在实验室检测过程中，腐蚀的出现，往往呈现极不均匀的分布状态，且在评价等级时，也因其大多为不规则图形，给计算腐蚀面积带来了一定难度。因此，本发明提出了提供一种能够基于图像处理技术进行自动化金属或涂层腐蚀检测的方法。
本发明的一种基于图像处理技术的金属或涂层腐蚀检测方法，包括：采集彩色腐蚀图像；对彩色腐蚀图像进行预处理得到预处理图像；对预处理图像进行图像分割得到二值图像，二值图像是能够确定图像中每个像素点应该属于腐蚀区域还是背景区域的图像；提取二值图像的特征；根据二值图像的特征进行腐蚀等级评定。
进一步地，采集彩色腐蚀图像，具体包括：利用相机拍摄整个试样以及腐蚀部位的宏观形貌；以及利用显微镜采集试样腐蚀部位的微观形貌。
进一步地，采集彩色腐蚀图像，还包括：还包括对腐蚀图像中的微区元素、成分进行标定。
进一步地，采集彩色腐蚀图像，之前还包括：设置采集图像的分辨率，相机、显微镜、图像采集卡的参数，各种材料外观类型的特征量，图像二值化阈值以及检测区域内特征点的阈值；以及根据腐蚀检测类型选取图像识别的匹配模板。
进一步地，对彩色腐蚀图像进行预处理，具体包括：包括图像截取、图像滤波、图像灰度变换、图像模糊增强。
进一步地，图像滤波具体包括：图像中值滤波。
进一步地，对预处理图像进行图像分割得到二值图像，具体包括：将像素点的灰度值与图像二值化阈值进行比较，确定每个像素点应该属于腐蚀区域还是背景区域，从而得到二值图像。
进一步地，提取二值图像的特征，具体包括：根据像素点的灰度值对腐蚀区域以及无破坏区域进行分析，并与匹配模板进行比较，识别出都有哪些类型的腐蚀以及腐蚀的程度。
进一步地，根据二值图像的特征进行腐蚀等级评定，具体包括：根据腐蚀类型和腐蚀程度确定腐蚀等级。
以下结合附图详细说明。
本发明专利里所建立的基于图像处理技术的腐蚀检测等级评定方法主要内容包括：图像采集与初值设定、图像预处理、图像分割、二值图像特征提取、特征匹配、腐蚀等级评定，如图1所示。
(1)初值设定与图像采集
初值设定主要包括采集图像的分辨率、相机、显微镜、图像采集卡等参数、各种材料外观类型的特征量、图像二值化以及检测区域内特征点的阈值等，并根据腐蚀检测类型选取图像识别的匹配模板(提前把ISO4628-2016标准中的相关图片：包括ISO-4628-2起泡等级评定，附件A、ISO 4628-3生锈等级评定，附件A、ISO 4628-4开裂等级评定，附件A、ISO4628-5脱落等级评定，附件A、ISO 4628-10丝状腐蚀等级评定，转换为可选择的匹配模板)。
图像采集可以借助于高清数据相机拍摄整个试样以及腐蚀部位的宏观形貌，但因其采集的图像容易受外界光源等因素的影响，图像随机性强，还需配合实验室显微镜采集试样局部腐蚀的微观形貌。显微镜采集图形信息丰富，可以测量，甚至可以借助于其他设备对图像中的微区元素、成分进行标定。结合试样宏观与微观图像，完成对腐蚀图像的初始采集。
由于采集到的彩色图像不能用于特征的提取，因此必须对图像进行灰度化处理，灰度图像是包含灰度级(亮度)的图像，共有256个灰度级，以数据矩阵表示，矩阵的每一个像素点所对应的灰度值介于0～255之间。其中，0代表黑色，255代表白色，1～254分别代表黑色到白色之间的各级过渡色(灰色)。腐蚀图像灰度值的大小分布不仅是灰度级的体现，而且也可以反映出材料表面腐蚀的基本情况。
(2)图像预处理
图像处理与利用腐蚀图像进行腐蚀评定的准确度息息相关。图像采集完毕后，由于光照条件、转换器件的精度以及在传输过程的中的信息损失和噪声干扰等影响，都会影响图像质量，从而影响腐蚀等级的评价。因此在获取图像特征前，需要对图像进行预处理，主要包括图像截取、图像滤波、图像灰度变换、图像增强等几个方面。在此过程中，必须积极运用各种有效的技术手段消除人为因素对实验数据的影响，保证其结果的准确性和可靠性。
图像中值滤波是对腐蚀形貌图像的干扰脉冲和点状噪声有良好的抑制作用，而对图像边缘能较好保持的非线性图像处理方法。使用中值滤波除虑图像噪声的方法有很多种，而且十分灵活。由于图像采集所摄取样品表面腐蚀形貌图像具有一定亮度相应范围，常出现对比度不足的弊病，会使人眼看图像的灰度级整个范围或者其中的某一段扩展或压缩到记录器件输入灰度级动态范围之内，以便显示图像中需要的图像细节，从而大大改善人的视觉效果。当金属的表面或涂层的老化状态还在很轻微时，试样的形貌特征有可能会淹没在背景图像中，当腐蚀形貌图像的轮廓和边缘呈现模糊的状态时，边缘的检测便不能很好地从图像中提取腐蚀形貌特征。为了增强这种边缘模糊效果，就要对图像边缘进行模糊增强处理。可见，腐蚀图像预处理技术方面的研究主要集中在滤波去噪和灰度变换两方面。由于腐蚀图像的来源和成像手段的不同，因而采用的处理技术和算法又不尽相同。因此，对不同材料的腐蚀图像，需要研究不同的图像处理算法，以提高后期图像特征识别的准确性和精度。
(3)图像分割
对图像进行预处理之后，需要将图像进行分割，进行目标与背景的分离，也就是把出现的材料腐蚀图像与背景分离开来，以便于实现对材料腐蚀特征的处理和图像信息的检索。图像分割为图像处理技术运用到腐蚀损伤检测中必不可少的一步，也是一种基本的计算机视觉技术。图像阈值分割是利用图像中要提取的腐蚀形貌与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域(腐蚀与背景)的组合，选取一个合适的阈值，以确定图像中每个像素点应该属于腐蚀还是背景区域，从而产生相应的二值图像。
(4)二值图像特征提取
经过图像分割之后，获得了腐蚀与背景两种不同的对象，但是提取的腐蚀图像也可能会出现一些问题。例如，漆膜存在多个起泡，且起泡存在粘连或者破裂、同一个试样中，同时出现起泡和生锈多种破坏现象等等，这就需要对二值图像进行分析。
二值图像特征提取，即根据像素点的值对腐蚀区域以及无破坏区域进行分析，识别出都有哪些类型的腐蚀，以及腐蚀的程度。特征提取过程中，像素点阈值选取很关键，如果过高，则过多的腐蚀点可能会被误归为背景；如果阈值过低，则会出现相反的情况。
通过相应的算法(图像直方图、频谱等)得到腐蚀图像特征信息，将图像特征数据与模型库中的模板(ISO4628-2016中列出的腐蚀图像信息)进行模式匹配，识别出材料外观腐蚀的变化情况。
(5)腐蚀等级评定
金属或涂层腐蚀特征点，描述的是基体外观表面蚀坑(面积、形状、位置等)或漆膜表面(生锈、起泡、开裂等)。实验室腐蚀检测中，根据经验，无论是金属表面还是涂层老化，腐蚀出现的破坏现象，大多为不规则形状，此时用手动计算腐蚀出现的面积，准确度较低，且受人因影响较大。因此，根据以上特征匹配的结果，运用计算机对腐蚀形貌图像进行特征提取，采用自动化的计算方式，自动判定金属或涂层的腐蚀等级，可以更准确、快速的计算腐蚀破坏的面积，大大降低了人为因素对检测结果的影响和人的负担，并提高了检测效率。
飞机工程中采用腐蚀等级来描述飞机构件表面的腐蚀情况，腐蚀等级评定得当与否直接关系到腐蚀损伤分析乃至环境当量关系的准确性。

Claims (9)

1.一种基于图像处理技术的金属或涂层腐蚀检测方法，其特征在于，包括：
采集彩色腐蚀图像；
对彩色腐蚀图像进行预处理得到预处理图像；
对预处理图像进行图像分割得到二值图像，二值图像是能够确定图像中每个像素点应该属于腐蚀区域还是背景区域的图像；
提取二值图像的特征；
根据二值图像的特征进行腐蚀等级评定。
2.根据权利要求1所述的方法，其特征在于，采集彩色腐蚀图像，具体包括：
利用相机拍摄整个试样以及腐蚀部位的宏观形貌；以及
利用显微镜采集试样腐蚀部位的微观形貌。
3.根据权利要求1所述的方法，其特征在于，采集彩色腐蚀图像，还包括：还包括对腐蚀图像中的微区元素、成分进行标定。
4.根据权利要求1所述的方法，其特征在于，采集彩色腐蚀图像，之前还包括：
设置采集图像的分辨率，相机、显微镜、图像采集卡的参数，各种材料外观类型的特征量，图像二值化阈值以及检测区域内特征点的阈值；以及
根据腐蚀检测类型选取图像识别的匹配模板。
5.根据权利要求1所述的方法，其特征在于，对彩色腐蚀图像进行预处理，具体包括：包括图像截取、图像滤波、图像灰度变换、图像模糊增强。
6.根据权利要求5所述的方法，其特征在于，图像滤波具体包括：图像中值滤波。
7.根据权利要求1所述的方法，其特征在于，对预处理图像进行图像分割得到二值图像，具体包括：将像素点的灰度值与图像二值化阈值进行比较，确定每个像素点应该属于腐蚀区域还是背景区域，从而得到二值图像。
8.根据权利要求1所述的方法，其特征在于，提取二值图像的特征，具体包括：
根据像素点的灰度值对腐蚀区域以及无破坏区域进行分析，并与匹配模板进行比较，识别出都有哪些类型的腐蚀以及腐蚀的程度。
9.根据权利要求1所述的方法，其特征在于，根据二值图像的特征进行腐蚀等级评定，具体包括：
根据腐蚀类型和腐蚀程度确定腐蚀等级。
CN201911318472.0A 2019-12-19 2019-12-19 一种基于图像处理技术的金属或涂层腐蚀检测方法 Pending CN111028229A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911318472.0A CN111028229A (zh) 2019-12-19 2019-12-19 一种基于图像处理技术的金属或涂层腐蚀检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911318472.0A CN111028229A (zh) 2019-12-19 2019-12-19 一种基于图像处理技术的金属或涂层腐蚀检测方法

Publications (1)

Publication Number Publication Date
CN111028229A true CN111028229A (zh) 2020-04-17

Family

ID=70210588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911318472.0A Pending CN111028229A (zh) 2019-12-19 2019-12-19 一种基于图像处理技术的金属或涂层腐蚀检测方法

Country Status (1)

Country Link
CN (1) CN111028229A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112241699A (zh) * 2020-10-13 2021-01-19 无锡先导智能装备股份有限公司 物体缺陷类别识别方法、装置、计算机设备和存储介质
CN112268908A (zh) * 2020-10-16 2021-01-26 北京北冶功能材料有限公司 一种铁镍合金带材锈蚀程度的评价方法
CN113063793A (zh) * 2021-03-25 2021-07-02 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
CN113298766A (zh) * 2021-05-19 2021-08-24 中国兵器工业第五九研究所 一种基于图像识别的金属腐蚀损伤定量评价方法
CN116539449A (zh) * 2023-06-09 2023-08-04 南京中金润恒金属科技股份有限公司 一种表面处理金属薄层质量分析方法
CN117115157A (zh) * 2023-10-23 2023-11-24 湖南隆深氢能科技有限公司 基于pem电解槽的缺陷检测方法、系统、终端设备及介质
CN117455915A (zh) * 2023-12-25 2024-01-26 陕西福坤顺科技有限公司 基于机器视觉的三轴转台缺陷检测方法
CN117455907A (zh) * 2023-12-22 2024-01-26 中国石油大学(华东) 一种基于图像处理的腐蚀产物膜厚度统计方法及系统
CN117670877A (zh) * 2024-01-31 2024-03-08 陕西雷诺贝尔铝业有限公司 应用于铝单板加工下的表面处理方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040044483A1 (en) * 2002-08-27 2004-03-04 Sunil Menon Optical corrosion measurement system
JP2005149399A (ja) * 2003-11-19 2005-06-09 Sumitomo Bakelite Co Ltd 画像処理方法とそれを応用した金属腐食検査方法
DE102008010973A1 (de) * 2008-02-25 2009-08-27 Robert Bosch Gmbh Verfahren zur Beurteilung der Korrosionsbeständigkeit von Werkstoffen
CN103674968A (zh) * 2013-12-20 2014-03-26 纪钢 材料外观腐蚀形貌特征机器视觉原值检测评价方法及装置
CN109658389A (zh) * 2018-11-30 2019-04-19 中国航空工业集团公司沈阳飞机设计研究所 一种腐蚀图像二值化处理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040044483A1 (en) * 2002-08-27 2004-03-04 Sunil Menon Optical corrosion measurement system
JP2005149399A (ja) * 2003-11-19 2005-06-09 Sumitomo Bakelite Co Ltd 画像処理方法とそれを応用した金属腐食検査方法
DE102008010973A1 (de) * 2008-02-25 2009-08-27 Robert Bosch Gmbh Verfahren zur Beurteilung der Korrosionsbeständigkeit von Werkstoffen
CN103674968A (zh) * 2013-12-20 2014-03-26 纪钢 材料外观腐蚀形貌特征机器视觉原值检测评价方法及装置
CN109658389A (zh) * 2018-11-30 2019-04-19 中国航空工业集团公司沈阳飞机设计研究所 一种腐蚀图像二值化处理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
徐健;栾艳华;: "数字图像处理技术在腐蚀科学中的应用研究", 全面腐蚀控制, no. 01 *
朱做涛;穆志韬;苏维国;陈定海;: "基于图像处理技术的铝合金腐蚀等级评定方法", 南京航空航天大学学报, no. 03 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112241699A (zh) * 2020-10-13 2021-01-19 无锡先导智能装备股份有限公司 物体缺陷类别识别方法、装置、计算机设备和存储介质
CN112268908A (zh) * 2020-10-16 2021-01-26 北京北冶功能材料有限公司 一种铁镍合金带材锈蚀程度的评价方法
CN112268908B (zh) * 2020-10-16 2024-05-07 北京北冶功能材料有限公司 一种铁镍合金带材锈蚀程度的评价方法
CN113063793A (zh) * 2021-03-25 2021-07-02 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
CN113298766A (zh) * 2021-05-19 2021-08-24 中国兵器工业第五九研究所 一种基于图像识别的金属腐蚀损伤定量评价方法
CN113298766B (zh) * 2021-05-19 2022-06-07 中国兵器工业第五九研究所 一种基于图像识别的金属腐蚀损伤定量评价方法
CN116539449A (zh) * 2023-06-09 2023-08-04 南京中金润恒金属科技股份有限公司 一种表面处理金属薄层质量分析方法
CN116539449B (zh) * 2023-06-09 2023-11-14 南京中金润恒金属科技股份有限公司 一种表面处理金属薄层质量分析方法
CN117115157A (zh) * 2023-10-23 2023-11-24 湖南隆深氢能科技有限公司 基于pem电解槽的缺陷检测方法、系统、终端设备及介质
CN117115157B (zh) * 2023-10-23 2024-02-06 湖南隆深氢能科技有限公司 基于pem电解槽的缺陷检测方法、系统、终端设备及介质
CN117455907B (zh) * 2023-12-22 2024-03-19 中国石油大学(华东) 一种基于图像处理的腐蚀产物膜厚度统计方法及系统
CN117455907A (zh) * 2023-12-22 2024-01-26 中国石油大学(华东) 一种基于图像处理的腐蚀产物膜厚度统计方法及系统
CN117455915A (zh) * 2023-12-25 2024-01-26 陕西福坤顺科技有限公司 基于机器视觉的三轴转台缺陷检测方法
CN117455915B (zh) * 2023-12-25 2024-03-08 陕西福坤顺科技有限公司 基于机器视觉的三轴转台缺陷检测方法
CN117670877A (zh) * 2024-01-31 2024-03-08 陕西雷诺贝尔铝业有限公司 应用于铝单板加工下的表面处理方法及系统
CN117670877B (zh) * 2024-01-31 2024-05-10 陕西雷诺贝尔铝业有限公司 应用于铝单板加工下的表面处理方法及系统

Similar Documents

Publication Publication Date Title
CN111028229A (zh) 一种基于图像处理技术的金属或涂层腐蚀检测方法
CN106780486B (zh) 一种钢板表面缺陷图像提取方法
CN109685760B (zh) 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法
CN110223282B (zh) 一种泥页岩有机孔隙与无机孔隙自动识别方法及系统
CN113177924A (zh) 一种工业流水线产品瑕疵检测方法
CN114581805A (zh) 一种采用3d线激光轮廓技术的涂敷辊面缺陷检测方法
CN109767426B (zh) 一种基于图像特征识别的盾构隧道渗漏水检测方法
CN117348574A (zh) 涂料生产线的智能化控制系统及方法
CN117036259A (zh) 一种基于深度学习的金属板材表面缺陷检测方法
CN109584212B (zh) 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法
Maier et al. Robust automatic indentation localisation and size approximation for vickers microindentation hardness indentations
CN111882521A (zh) 一种细胞涂片的图像处理方法
CN114298983A (zh) 一种防腐层缺陷智能识别与测量方法
CN115456996A (zh) 一种核燃料芯块的离散性缺陷检测方法及相关组件
CN116087196A (zh) 一种构件表面损伤面积的测量方法
CN113191330A (zh) 融合二次电子和背散射电子图像的区域生长孔隙识别方法
Djukic et al. Statistical discriminator of surface defects on hot rolled steel
CN108986080B (zh) 一种射线数字图像调制度确定方法及应用
Mustapha et al. Crack Detection on Surfaces Using Digital Image Processing
Bonnot et al. Machine vision system for surface inspection on brushed industrial parts
WO2020130786A1 (en) A method of analyzing visual inspection image of a substrate for corrosion determination
Wu et al. A segmentation algorithm of wear debris reflected image based on watershed and h-minima transform for on-line visual ferrograph analysis
Ryu et al. Measurement of the fatigue-crack using image processing techniques
Hosallimath et al. Investigation of Corrosion Intensity on Metal Structures Using Image Processing Algorithms
Guo et al. On the detection of defects on smooth free metallic paint surfaces

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200417