CN113706423B - 基于人工智能的机械零件腐蚀裂纹检测方法 - Google Patents

基于人工智能的机械零件腐蚀裂纹检测方法 Download PDF

Info

Publication number
CN113706423B
CN113706423B CN202111260692.XA CN202111260692A CN113706423B CN 113706423 B CN113706423 B CN 113706423B CN 202111260692 A CN202111260692 A CN 202111260692A CN 113706423 B CN113706423 B CN 113706423B
Authority
CN
China
Prior art keywords
crack
angle
cracks
branch
expansion
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
CN202111260692.XA
Other languages
English (en)
Other versions
CN113706423A (zh
Inventor
保柳柳
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.)
Nantong Gaoya Steel Structure Co ltd
Original Assignee
Nantong Gaoya Steel Structure Co ltd
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 Nantong Gaoya Steel Structure Co ltd filed Critical Nantong Gaoya Steel Structure Co ltd
Priority to CN202111260692.XA priority Critical patent/CN113706423B/zh
Publication of CN113706423A publication Critical patent/CN113706423A/zh
Application granted granted Critical
Publication of CN113706423B publication Critical patent/CN113706423B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的机械零件腐蚀裂纹检测方法。该方法采集机械零件的裂纹缺陷图像以得到裂纹缺陷区域，对裂纹缺陷区域中的裂纹进行细化操作得到细化图像；根据裂纹的连续性获取细化图像中的裂纹端点，基于裂纹端点的扩展区域对细化图像中的中断裂纹进行修复；利用裂纹的分支特点获取修复后裂纹的多个裂纹段，根据裂纹段的长度和角度得到裂纹缺陷对机械零件的损伤程度，以通过损伤程度采取相应的措施。根据裂纹的连续性和分支特点对中断裂纹进行修复，通过对修复后的裂纹进行分析以得到其对机械零件的损伤程度，使得检测结果更加准确和合理，降低检测误差。

Description

基于人工智能的机械零件腐蚀裂纹检测方法
技术领域
本发明涉及人工智能技术领域，具体涉及一种基于人工智能的机械零件腐蚀裂纹检测方法。
背景技术
机械设备零件在应力和腐蚀介质的联合作用下，将出现低于材料强度极限的脆性开裂现象，这种现象称为应力腐蚀开裂。裂纹的出现会降低结构系统的安全性,甚至导致整个零件的失效。因此，需要对零件表面的应力腐蚀裂纹进行检测，并获得其对零件表面的损伤程度，据此确定对机械零件的后续处理操作。
现今主流的裂纹测量方法主要包括电位法和柔度法。电位法基于金属构件的导电性来测量裂纹；柔度法是利用裂纹张开位移间接测量裂纹长度，利用公式计算，但计算公式中涉及的变量较多，它们的误差将直接影响柔度法的测量精度。
除此之外，还可利用计算机视觉技术，通过机械零件的缺陷图像获得零件的损伤信息：利用标尺和工业相机对裂纹扩展过程进行图像采集，经过图像处理后，将裂纹尖端图像转换成坐标，最后经过计算机处理，转换成裂纹扩展长度，避免其他因素造成的检测精度减低，实现对裂纹扩展长度的无接触测量。
但是由于应力腐蚀裂纹存在较多分支裂纹，部分分支裂纹的宽度较细，且图像采集和图像处理存在一定的限制性和处理误差，因此，处理后的细化图像中的分支裂纹可能存在像素点不连续的情况，导致同一支的分支裂纹产生中断，影响后续分析的准确性和合理性。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的机械零件腐蚀裂纹检测方法，所采用的技术方案具体如下：
本发明实施例提供了一种基于人工智能的机械零件腐蚀裂纹检测方法，该方法包括以下具体步骤：
采集机械零件的裂纹缺陷图像以得到裂纹缺陷区域，对所述裂纹缺陷区域中的裂纹进行细化操作得到细化图像；
根据裂纹的连续性获取所述细化图像中的裂纹端点；获取每个所述裂纹端点对应的第一扩展区域，根据所述第一扩展区域中像素点的复杂程度自适应缩小每个所述裂纹端点的所述第一扩展区域得到第二扩展区域，由所述第二扩展区域中的像素点进行所述细化图像中的中断裂纹修复；
利用裂纹的分支特点获取修复后裂纹的多个裂纹段，根据所述裂纹段的长度和角度得到裂纹缺陷对所述机械零件的损伤程度，以通过所述损伤程度采取相应的措施；所述角度是指所述裂纹段与图像坐标系中横轴之间的夹角。
优选的，所述获取每个所述裂纹端点对应的第一扩展区域的方法，包括：
根据所有所述裂纹端点对应的所述裂纹段，计算所述裂纹段对应长度的平均长度；
以所述平均长度为半径、所述裂纹端点为圆心获取由预设角度为中心角所形成的扇形区域，将所述扇形区域作为所述第一扩展区域。
优选的，所述根据所述第一扩展区域中像素点的复杂程度自适应缩小每个所述裂纹端点的所述第一扩展区域得到第二扩展区域的方法，包括：
统计所述第一扩展区域中缺陷像素点的第一数量和所述缺陷像素点所属所述裂纹段的第二数量；
由所述第一数量和所述第二数量得到所述第一扩展区域的所述复杂程度；
利用所述复杂程度分别更新所述半径和所述中心角，由所述更新后的所述半径和所述中心角得到所述第二扩展区域。
优选的，所述由所述第二扩展区域中的像素点进行所述细化图像中的中断裂纹修复的方法，包括：
当所述第二扩展区域之间存在重合时，计算任意一个所述第二扩展区域分别与其他所述第二扩展区域之间的重合面积；
将所述重合面积最大的两个所述第二扩展区域所对应的两个所述裂纹端点作为中断像素点，连接所述中断像素点以完成所述中断裂纹修复。
优选的，所述由所述第二扩展区域中的像素点进行所述细化图像中的中断裂纹修复的方法，包括：
当所述第二扩展区域之间不存在重合时，获取所述第二扩展区域内每个所述裂纹段的所述角度以及对应所述裂纹端点对应的所述角度；
分别计算每个所述角度对应的方差，从所述第二扩展区域对应的所述裂纹端点进行延长，使得延长线与所述方差最小时对应的所述裂纹段相交，以完成所述中断裂纹修复。
优选的，所述根据所述裂纹段的长度和角度得到裂纹缺陷对所述机械零件的损伤程度的方法，包括：
由裂纹的扩展性和所述裂纹段之间的斜率关系将所述裂纹段分为主裂纹段和多级分支裂纹段，以得到主裂纹和多级分支裂纹；
以所述主裂纹的所述角度为基准，依次计算每级分支裂纹的分散程度以获取每级分支裂纹的损伤权重；根据裂纹的所述长度分别得到所述主裂纹对所述机械零件的损伤指标以及所述多级分支裂纹对所述机械零件的所述损伤指标；
结合所述主裂纹和所述多级分支裂纹的所述损伤指标、所述损伤权重得到所述裂纹缺陷对所述机械零件的所述损伤程度。
优选的，所述主裂纹的所述损伤权重设置为1。
优选的，所述将所述长度对应的所述缺陷像素点的数量作为所述损伤指标。
本发明实施例至少具有如下有益效果：根据裂纹的连续性，利用每个裂纹端点的扩展区域检测裂纹的中断像素点，基于中断像素点对中断裂纹进行修复，使得后续分析裂纹缺陷对机械零件的损伤程度更加准确和合理，避免因检测结果误差导致的工程事故。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种基于人工智能的机械零件腐蚀裂纹检测方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于人工智能的机械零件腐蚀裂纹检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于人工智能的机械零件腐蚀裂纹检测方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种基于人工智能的机械零件腐蚀裂纹检测方法的步骤流程图，该方法包括以下步骤：
步骤S001，采集机械零件的裂纹缺陷图像以得到裂纹缺陷区域，对裂纹缺陷区域中的裂纹进行细化操作得到细化图像。
具体的，利用X射线采集图像时穿透工件，且工件的缺陷部位和完好部位的透射射线强度不同，使得图像上相应部位出现灰度差异。对于待检测机械零件的裂纹缺陷，其在图像上比完好部位的黑度更高。
本发明实施例基于X射线对机械零件进行检测，获得表示零件内部结构的射线图像。对射线图像进行灰度化处理，并设置灰度阈值T，将低于灰度阈值T的像素点的灰度值设置为0，高于灰度阈值T的像素点的灰度值设置为255，即可获得机械零件的裂纹缺陷图像。
需要说明的是，灰度阈值T可根据采集图像的实际情况设定。
优选的，本发明实施例中根据经验值将其设定为T=100。
裂纹缺陷图像中灰度值等于0的像素点为缺陷像素点，该缺陷像素点可能为裂纹缺陷的组成部分，通过对灰度值为0的像素点进行聚类，将聚类外的像素点剔除，获得裂纹缺陷的组成部分，并将裂纹缺陷的最小外接矩形作为裂纹缺陷区域。
进一步地，对裂纹缺陷区域中的裂纹进行细化操作，即保持裂纹的基本形状和结构不变，将裂纹转变为一组单像素点的弧线，细化操作后即可得到细化图像。
步骤S002，根据裂纹的连续性获取细化图像中的裂纹端点；获取每个裂纹端点对应的第一扩展区域，根据第一扩展区域中像素点的复杂程度自适应缩小每个裂纹端点的第一扩展区域得到第二扩展区域，由第二扩展区域中的像素点进行细化图像中的中断裂纹修复。
具体的，裂纹常常伴随着许多分支裂纹，由于部分分支裂纹的宽度较细，且图像采集和图像处理存在一定的限制性和处理误差，因此，细化图像中的分支裂纹可能存在像素点不连续的情况，导致同一支的分支裂纹产生中断，影响后续分析的准确性和合理性。
对于细化图像，根据裂纹的连续性进行中断裂纹的修复，该修复过程为：
（1）对于修复前的细化图像，基于裂纹的连续性和分支特点进行裂纹缺陷区域内整体裂纹的分段：
a.对缺陷像素点进行分类，找到整体裂纹在修复前的裂纹端点和裂纹分支点：
对于每个缺陷像素点，若其8邻域内的缺陷像素点数量为1，则该缺陷像素点为裂纹端点；若其8邻域内缺陷像素点数量大于2，则该缺陷像素点为裂纹分支点。
b.以裂纹端点和裂纹分支点为基础将整体裂纹划分为不同的裂纹段：
以裂纹端点为起始点，不断将相邻的缺陷像素点作为其组成部分，直至相邻缺陷像素点为裂纹分支点或裂纹端点为止，得到组成该裂纹段的所有缺陷像素点；
同理，以裂纹交叉点为起始点，不断将相邻的缺陷像素点作为其组成部分，直至下一个裂纹交叉点或裂纹端点为止，得到组成该裂纹段的所有缺陷像素点。
将裂纹段的数量记为n，并按照从左到右、从上到下的顺序对其进行标号为1,…,n。
c.对于每个裂纹段，可根据其缺陷像素点坐标将其拟合为一个直线段，并获得对应的直线斜率，即将第
Figure DEST_PATH_IMAGE002
个裂纹段的长度记为
Figure DEST_PATH_IMAGE004
，其对应斜率记为
Figure DEST_PATH_IMAGE006
，则与水平线的对应角度为
Figure DEST_PATH_IMAGE008
。
需要说明的是。水平线是指与图像坐标系中横轴平行的线。
（2）根据缺陷像素点的类别和裂纹的扩展原理，进行中断裂纹的修复。
a.由于裂纹端点只对应一个方向的连续像素点，则裂纹端点可能属于裂纹中断处的缺陷像素点，因此将修复前的裂纹端点作为待判断的中断像素点。
b.对于每个裂纹端点，可确定其后需扩展时的第一扩展区域：
由于裂纹在不断扩展的过程中，其扩展方向的不确定性越来越大，因此将第一扩展区域设置为以裂纹端点为圆心、
Figure DEST_PATH_IMAGE010
为半径，
Figure DEST_PATH_IMAGE012
为中心角的扇形区域。
优选的，本发明实施例中根据所有裂纹端点对应的裂纹段，计算裂纹段对应长度的平均长度
Figure DEST_PATH_IMAGE014
，同时中心角
Figure 54592DEST_PATH_IMAGE012
设定为预设角度，则以平均长度为半径、裂纹端点为圆心获取由预设角度为中心角所形成的扇形区域，将扇形区域作为第一扩展区域。
优选的，本发明实施例中预设角度为
Figure DEST_PATH_IMAGE016
。
同时，令每个第一扩展区域的两条边缘半径与水平线之间的夹角为
Figure DEST_PATH_IMAGE018
，且这两个夹角和第一扩展区域的裂纹端点所对应的裂纹段的角度相关。则根据两条边缘半径与水平线之间的夹角
Figure 223930DEST_PATH_IMAGE018
即可确定第一扩展区域的尺寸和具体位置。
作为一个示例，以裂纹端点
Figure DEST_PATH_IMAGE020
为例，裂纹端点
Figure 800405DEST_PATH_IMAGE020
的第一扩展区域的两条边缘半径与水平线之间的夹角为
Figure DEST_PATH_IMAGE022
，则这两个夹角与裂纹端点
Figure 789089DEST_PATH_IMAGE020
对应裂纹段的角度之间的关系为
Figure DEST_PATH_IMAGE024
，
Figure DEST_PATH_IMAGE026
。
c.根据第一扩展区域中像素点的复杂程度将第一扩展区域自适应缩小为第二扩展区域。
以第一扩展区域
Figure DEST_PATH_IMAGE028
为例，第一扩展区域中的缺陷像素点的数量和像素点所属裂纹段的数量越多，则说明其复杂程度越高。统计第一扩展区域
Figure 499732DEST_PATH_IMAGE028
中缺陷像素点的第一数量
Figure DEST_PATH_IMAGE030
和缺陷像素点所属裂纹段的第二数量
Figure DEST_PATH_IMAGE032
；由第一数量和第二数量得到第一扩展区域
Figure 571463DEST_PATH_IMAGE028
的复杂程度
Figure DEST_PATH_IMAGE034
。
复杂程度越高，说明与该第一扩展区域对应裂纹端点相匹配的其他裂纹端点或裂纹分支点的可能选择较多，则该第一扩展区域对应的第二扩展区域的夹角和中心角越大。对第一扩展区域
Figure 153010DEST_PATH_IMAGE028
的复杂程度
Figure DEST_PATH_IMAGE036
进行归一化，得到对应的归一化值，利用归一化值更新第一扩展区域
Figure 679806DEST_PATH_IMAGE028
的中心角
Figure 738898DEST_PATH_IMAGE012
和半径
Figure 935524DEST_PATH_IMAGE010
以得到第二扩展区域
Figure DEST_PATH_IMAGE038
的中心角和半径
Figure DEST_PATH_IMAGE040
，则
Figure DEST_PATH_IMAGE042
=
Figure DEST_PATH_IMAGE044
，
Figure 722477DEST_PATH_IMAGE040
=
Figure DEST_PATH_IMAGE046
。
d.根据第二扩展区域中的像素点进行中断裂纹的修复。
当第二扩展区域之间存在重合时，计算任意一个第二扩展区域分别与其他第二扩展区域之间的重合面积；将重合面积最大的两个第二扩展区域所对应的两个裂纹端点作为中断像素点，连接中断像素点以完成中断裂纹修复。
以第二扩展区域
Figure 508424DEST_PATH_IMAGE038
为例，当第二扩展区域
Figure 235071DEST_PATH_IMAGE038
与其他第二扩展区域存在重合时，第二扩展区域
Figure 320708DEST_PATH_IMAGE038
对应的裂纹端点为中断像素点
Figure DEST_PATH_IMAGE048
，计算第二扩展区域
Figure 560670DEST_PATH_IMAGE038
与其他第二扩展区域之间的重合面积，重合面积最大的第二扩展区域即为第二扩展区域
Figure 39056DEST_PATH_IMAGE038
相匹配的第二扩展区域，则该扩展区域对应的裂纹端点为另一个中断像素点
Figure DEST_PATH_IMAGE050
，将中断像素点
Figure 994111DEST_PATH_IMAGE048
和中断像素点
Figure 985070DEST_PATH_IMAGE050
连接起来的直线段作为裂纹中断部分的补充裂纹段，以完成中断裂纹的修复。
当第二扩展区域之间不存在重合时，获取任意一个第二扩展区域内每个裂纹段的角度以及该第二扩展区域所属裂纹端点所对应裂纹段的角度；基于第二扩展区域对应的所有角度，选取任意一个角度为目标角度，分别计算目标角度与剩余角度之间的差异值，根据差异值计算方差，将该方差作为目标角度的方差；根据每个角度对应的方差获取方差最小时的角度所对应的裂纹段，从该第二扩展区域对应的裂纹端点向该裂纹段进行延长，以完成中断裂纹修复。
以第二扩展区域
Figure 854937DEST_PATH_IMAGE038
为例，当第二扩展区域
Figure 858052DEST_PATH_IMAGE038
与其他第二扩展区域不存在重合时，第二扩展区域
Figure 11822DEST_PATH_IMAGE038
对应的裂纹端点为中断像素点
Figure 439261DEST_PATH_IMAGE048
，对于第二扩展区域
Figure 796424DEST_PATH_IMAGE038
内部的M个裂纹段，已知每个裂纹段的角度，且已知第二扩展区域
Figure 334722DEST_PATH_IMAGE038
对应裂纹端点所在裂纹段对应直线段与水平方向的角度。进而第二扩展区域
Figure 345928DEST_PATH_IMAGE038
对应M+1个角度，选取任意一个角度为目标角度，分别计算目标角度与另外剩余M个角度之间的差异值，计算M个差异值的平均值，根据平均值计算M个差异值的方差，将该方差作为目标角度对应的方差。根据M+1个角度所对应的方差获取方差最小时的角度所对应的裂纹段，从中断像素点
Figure 944268DEST_PATH_IMAGE048
向方差最小的角度所对应的裂纹段进行延长，使得延长线与该裂纹段相交，该交点即为另一个中断像素点
Figure 788728DEST_PATH_IMAGE050
，则中断像素点
Figure 865137DEST_PATH_IMAGE048
和中断像素点
Figure 993499DEST_PATH_IMAGE050
之间对应的延长线即可作为裂纹中断部分的补充裂纹段，以完成中断裂纹的修复。
需要说明的是，当任意裂纹是从相邻级分支裂纹段分支出来时，其角度对应的方差最小，同时说明第二扩展区域对应的裂纹端点是从方差最小所对应的裂纹段分支出来的。
当第二扩展区域与其他第二扩展区域不存在重合，且其内部不包含其他缺陷像素点时，则说明该第二扩展区域对应的裂纹端点不是中断像素点，因此不需要进行中断裂纹的修复。
步骤S003，利用裂纹的分支特点获取修复后裂纹的多个裂纹段，根据裂纹段的长度和角度得到裂纹缺陷对机械零件的损伤程度，以通过损伤程度采取相应的措施；角度是指裂纹段与图像坐标系中横轴之间的夹角。
具体的，在修复后的细化图像的基础上，重新进行裂纹端点和裂纹分支点的检测以及裂纹的分段，获得更合理和准确的裂纹分段结果，并将裂纹段的数量记为N，并按照从左到右、从上到下的顺序重新对其进行标号为1,…,N。
根据裂纹段的起止点信息，并结合裂纹的扩展状态对每个裂纹段进行类别划分。首先根据裂纹段之间的斜率关系将裂纹段分为主裂纹段和多级分支裂纹段，以得到主裂纹和多级分支裂纹，具体为：
（1）由于裂纹扩展方向与零件所受应力方向接近垂直，对于主裂纹，其在扩展过程中的方向变化不大，因此根据裂纹的扩展状态将裂纹进行主裂纹段和分支裂纹段的区分。
对于待判断类别的每个裂纹段，将第
Figure 500091DEST_PATH_IMAGE002
个裂纹段对应直线段的斜率记为
Figure 831846DEST_PATH_IMAGE006
；根据裂纹段之间的斜率关系判断主裂纹的起始裂纹段：已知起始裂纹段的起止点由一个裂纹端点和一个裂纹分支点组成；因此，将每个由一个裂纹端点和一个裂纹分支点组成的裂纹段看作中心裂纹段，并将该类中心裂纹段的数量记为
Figure DEST_PATH_IMAGE052
。获得每个中心裂纹段的斜率与其他所有裂纹段的斜率的差值之和，且将差值之和作为判断该中心裂纹段是否为起始裂纹段的依据，即当N个裂纹段中的第
Figure DEST_PATH_IMAGE054
个裂纹段为中心裂纹段时，其对应斜率为，与其他N-1个裂纹段对应斜率的差值之和为
Figure DEST_PATH_IMAGE056
，则可分别获得
Figure 226793DEST_PATH_IMAGE052
个中心裂纹段对应的差值之和
Figure DEST_PATH_IMAGE058
。将差值之和最小的中心裂纹段作为主裂纹段的起始裂纹段。
基于主裂纹的起始裂纹段，结合裂纹的扩展状态，确定组成主裂纹的其他裂纹段：分别获得其他裂纹段与起始裂纹段的斜率差值，则最小斜率差值对应的裂纹段
Figure DEST_PATH_IMAGE060
即为主裂纹的第二个组成部分；对于不包括起始裂纹段且具有与主裂纹段
Figure 997610DEST_PATH_IMAGE060
的起止点存在重合缺陷像素点的多个裂纹段，分别获取其与主裂纹段
Figure 672174DEST_PATH_IMAGE060
的斜率差值，则最小斜率差值对应的裂纹段
Figure DEST_PATH_IMAGE062
即为主裂纹的第三个组成部分，以此类推即可获取主裂纹的所有主裂纹段，则其他裂纹段为分支裂纹段。
（2）对于分支裂纹段，根据裂纹的扩展状态进行分支裂纹段的进一步划分。
已知每个分支裂纹段的起止点，若与主裂纹段有重合像素点，则该分支裂纹段即为一级分支裂纹段，将每个一级分支裂纹段均作为整体一级分支裂纹的起始裂纹段。
利用主裂纹段的判断方法，对于与一级分支裂纹段的起始裂纹段的起止点存在重合缺陷像素点的多个裂纹段，分别获得其与起始裂纹段的斜率差值，则最小斜率差值对应的裂纹段
Figure DEST_PATH_IMAGE064
即为一级分支裂纹段的第二个组成部分，同理以获取的新组成部分作为新起始裂纹段进行确认一级分支裂纹段的其他组成部分，进而得到整体一级分支裂纹的所有一级分支裂纹段。
同理，将所有分支裂纹段进行类别划分，以得到一级分支裂纹段、二级分支裂纹段…
Figure DEST_PATH_IMAGE066
级分支裂纹段。
进一步地，对于每个等级的裂纹段，根据裂纹之间的分布情况和裂纹段的长度获取裂纹缺陷对机械零件的损伤程度：
（1）统计主裂纹段的数量
Figure DEST_PATH_IMAGE068
和每一级分支裂纹段对应的数量
Figure DEST_PATH_IMAGE070
。
（2）以主裂纹的角度为基准，依次计算每级分支裂纹的分散程度以获取每级分支裂纹的损伤权重；根据裂纹的长度分别得到主裂纹对机械零件的损伤指标以及多级分支裂纹对机械零件的损伤指标。
对于主裂纹，获取所有主裂纹段的长度，将其长度对应的缺陷像素点的数量作为主裂纹对机械零件的损伤指标
Figure DEST_PATH_IMAGE072
，同时将所有主裂纹段对应角度的平均值作为主裂纹的角度
Figure DEST_PATH_IMAGE074
。
同理，对于每一级分支裂纹，根据
Figure 103942DEST_PATH_IMAGE054
级分支裂纹的对应长度得到其对机械零件的损伤指标
Figure DEST_PATH_IMAGE076
，同时得到
Figure 646788DEST_PATH_IMAGE054
级分支裂纹的角度
Figure DEST_PATH_IMAGE078
。
对于一级分支裂纹，由
Figure DEST_PATH_IMAGE080
个一级分支裂纹段的长度得到一级分支裂纹对机械零件的损伤指标
Figure DEST_PATH_IMAGE082
。以主裂纹的角度
Figure 470781DEST_PATH_IMAGE074
为基准，分别获取每个一级裂纹段与其之间的角度差值，根据
Figure 519508DEST_PATH_IMAGE080
个角度差值之间的标准差表征一级分支裂纹的分散程度
Figure DEST_PATH_IMAGE084
。
同理，对于每级分支裂纹都可得到对应的损伤指标和分散程度，即从二级分支裂纹至
Figure 278386DEST_PATH_IMAGE066
级分支裂纹的损伤指标为
Figure DEST_PATH_IMAGE086
，相对应的从二级分支裂纹至
Figure 373991DEST_PATH_IMAGE066
级分支裂纹的分散程度为
Figure DEST_PATH_IMAGE088
。
将
Figure 737977DEST_PATH_IMAGE066
个分支裂纹的分散程度进行归一化得到每级分支裂纹对应的损伤权重
Figure DEST_PATH_IMAGE090
，本发明实施例将主裂纹的损失权重设置为。
（3）结合主裂纹和多级分支裂纹的损伤指标、损伤权重得到裂纹缺陷对机械零件的损伤程度。
结合损伤指标和损伤权重得到裂纹缺陷对机械零件的损伤程度
Figure DEST_PATH_IMAGE092
，即
Figure DEST_PATH_IMAGE094
。
进一步地，根据损伤程度对机械零件采取针对性的相应措施：
若损伤程度
Figure DEST_PATH_IMAGE096
，则裂纹对零件的损伤程度较大，该零件面临失效的风险，则为了保证生产过程中的安全性，需要对该机械零件进行替换，并对零件的工作环境进行调整。
若第二阈值
Figure DEST_PATH_IMAGE098
，则裂纹对零件的损伤程度一般，该零件受损程度较小，则为了不影响生产效率，直接对该零件进行修补，并对零件的工作环境进行调整。
若
Figure DEST_PATH_IMAGE100
，则裂纹对零件的损伤程度非常小，可先不对零件进行修补，对零件的工作环境进行调整，降低裂纹进一步扩大的概率。
需要说明的是，
Figure DEST_PATH_IMAGE102
和
Figure DEST_PATH_IMAGE104
可根据实际情况设定，且对零件的质量要求越高，
Figure 976847DEST_PATH_IMAGE102
和
Figure 19758DEST_PATH_IMAGE104
的值越小。
优选的，本发明实施例根据经验值设定
Figure DEST_PATH_IMAGE106
，
Figure DEST_PATH_IMAGE108
。
综上所述，本发明实施例提供了一种基于人工智能的机械零件腐蚀裂纹检测方法，该方法采集机械零件的裂纹缺陷图像以得到裂纹缺陷区域，对裂纹缺陷区域中的裂纹进行细化操作得到细化图像，根据裂纹的连续性获取细化图像中的裂纹端点，基于裂纹端点对细化图像中的中断裂纹进行修复，利用裂纹的分支特点获取修复后裂纹的多个裂纹段，根据每个裂纹段的长度和角度得到裂纹缺陷对机械零件的损伤程度，以通过损伤程度采集相应的措施。根据裂纹的连续性，利用每个裂纹端点的扩展区域检测裂纹的中断像素点，基于中断像素点对中断裂纹进行修复，使得后续分析裂纹缺陷对机械零件的损伤程度更加准确和合理，避免因检测结果误差导致的工程事故。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于人工智能的机械零件腐蚀裂纹检测方法，其特征在于，该方法包括：
采集机械零件的裂纹缺陷图像以得到裂纹缺陷区域，对所述裂纹缺陷区域中的裂纹进行细化操作得到细化图像；
根据裂纹的连续性获取所述细化图像中的裂纹端点；获取每个所述裂纹端点对应的第一扩展区域，根据所述第一扩展区域中像素点的复杂程度自适应缩小每个所述裂纹端点的所述第一扩展区域得到第二扩展区域，由所述第二扩展区域中的像素点进行所述细化图像中的中断裂纹修复；
利用裂纹的分支特点获取修复后裂纹的多个裂纹段，根据所述裂纹段的长度和角度得到裂纹缺陷对所述机械零件的损伤程度，以通过所述损伤程度采取相应的措施；所述角度是指所述裂纹段与图像坐标系中横轴之间的夹角；
所述由所述第二扩展区域中的像素点进行所述细化图像中的中断裂纹修复的方法，包括：
当所述第二扩展区域之间存在重合时，计算任意一个所述第二扩展区域分别与其他所述第二扩展区域之间的重合面积；将所述重合面积最大的两个所述第二扩展区域所对应的两个所述裂纹端点作为中断像素点，连接所述中断像素点以完成所述中断裂纹修复；
当所述第二扩展区域之间不存在重合时，获取任意一个所述第二扩展区域内每个裂纹段的角度以及该第二扩展区域所属所述裂纹端点所对应裂纹段的角度；基于所述第二扩展区域对应的所有角度，选取任意一个角度为目标角度，分别计算所述目标角度与剩余角度之间的差异值，根据所述差异值计算方差，将该方差作为所述目标角度的差值；根据每个角度对应的方差获取方差最小时的角度所对应的裂纹段，从该第二扩展区域对应的所述裂纹端点向该裂纹段进行延长，以完成所述中断裂纹修复。
2.如权利要求1所述的方法，其特征在于，所述获取每个所述裂纹端点对应的第一扩展区域的方法，包括：
根据所有所述裂纹端点对应的裂纹段，计算该裂纹段对应长度的平均长度；
以所述平均长度为半径、所述裂纹端点为圆心获取由预设角度为中心角所形成的扇形区域，将所述扇形区域作为所述第一扩展区域。
3.如权利要求2所述的方法，其特征在于，所述根据所述第一扩展区域中像素点的复杂程度自适应缩小每个所述裂纹端点的所述第一扩展区域得到第二扩展区域的方法，包括：
统计所述第一扩展区域中缺陷像素点的第一数量和所述缺陷像素点所属所述裂纹段的第二数量；
由所述第一数量和所述第二数量得到所述第一扩展区域的所述复杂程度；
利用所述复杂程度分别更新所述半径和所述中心角，由所述更新后的所述半径和所述中心角得到所述第二扩展区域。
4.如权利要求1所述的方法，其特征在于，所述根据所述裂纹段的长度和角度得到裂纹缺陷对所述机械零件的损伤程度的方法，包括：
由裂纹的扩展性和所述裂纹段之间的斜率关系将所述裂纹段分为主裂纹段和多级分支裂纹段，以得到主裂纹和多级分支裂纹；
以所述主裂纹的所述角度为基准，依次计算每级分支裂纹的分散程度以获取每级分支裂纹的损伤权重；根据裂纹的所述长度分别得到所述主裂纹对所述机械零件的损伤指标以及所述多级分支裂纹对所述机械零件的所述损伤指标；
结合所述主裂纹和所述多级分支裂纹的所述损伤指标、所述损伤权重得到所述裂纹缺陷对所述机械零件的所述损伤程度。
5.如权利要求4所述的方法，其特征在于，所述主裂纹的所述损伤权重设置为1。
6.如权利要求4所述的方法，其特征在于，所述长度为裂纹对应的所述缺陷像素点的数量。
CN202111260692.XA 2021-10-28 2021-10-28 基于人工智能的机械零件腐蚀裂纹检测方法 Active CN113706423B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111260692.XA CN113706423B (zh) 2021-10-28 2021-10-28 基于人工智能的机械零件腐蚀裂纹检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111260692.XA CN113706423B (zh) 2021-10-28 2021-10-28 基于人工智能的机械零件腐蚀裂纹检测方法

Publications (2)

Publication Number Publication Date
CN113706423A CN113706423A (zh) 2021-11-26
CN113706423B true CN113706423B (zh) 2022-01-07

Family

ID=78647249

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111260692.XA Active CN113706423B (zh) 2021-10-28 2021-10-28 基于人工智能的机械零件腐蚀裂纹检测方法

Country Status (1)

Country Link
CN (1) CN113706423B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114037705B (zh) * 2022-01-11 2022-03-25 南通皋亚钢结构有限公司 一种基于贝纹线的金属断裂疲劳源检测方法与系统
CN114972187B (zh) * 2022-04-20 2024-01-02 烟台大视工业智能科技有限公司 基于人工智能的裂纹缺陷评估方法
CN115116208B (zh) * 2022-06-27 2023-12-22 广州联汇信息科技发展有限公司 一种智能报警系统
CN117974671B (zh) * 2024-04-02 2024-06-07 昭工表面制品（深圳）有限公司 基于人工智能的手表表盘缺陷智能检测方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110249115A1 (en) * 2010-04-07 2011-10-13 Marc Genest Apparatus for crack detection during heat and load testing
CN109886921A (zh) * 2019-01-16 2019-06-14 新而锐电子科技(上海)有限公司 基于数字图像的裂纹尺寸度量方法、装置和电子设备
CN110288569B (zh) * 2019-05-27 2023-05-23 中国飞机强度研究所 一种基于水平集方法的裂纹近场变形分析区域确定方法
CN112215810B (zh) * 2020-09-27 2022-03-25 武汉大学 一种疲劳测试裂纹监测方法及装置
CN113075065B (zh) * 2021-03-05 2022-06-03 天津大学 基于图像识别的深海管道裂纹扩展监测与可靠性评估系统

Also Published As

Publication number Publication date
CN113706423A (zh) 2021-11-26

Similar Documents

Publication Publication Date Title
CN113706423B (zh) 基于人工智能的机械零件腐蚀裂纹检测方法
CN115294120B (zh) 基于图像识别的阀门表面质量检测方法
CN115423813B (zh) 焊管表面焊接缺陷检测方法
CN108332681B (zh) 一种薄壁管材大塑性弯曲截面轮廓曲线的确定方法
CN114972187B (zh) 基于人工智能的裂纹缺陷评估方法
CN101526484B (zh) 基于嵌入式机器视觉的轴承缺陷检测方法
CN106404793B (zh) 基于视觉的轴承密封件缺陷检测方法
CN116703907A (zh) 一种基于机器视觉的汽车铸件表面缺陷检测方法
CN115601365B (zh) 用于数控机床的轴承检测方法
CN115018833A (zh) 一种半导体器件的加工缺陷检测方法
CN116758084B (zh) 基于图像数据的钣金件焊接缺陷智能检测方法
CN113686874B (zh) 一种基于人工智能的机械零件损伤检测方法及系统
CN115861307B (zh) 基于人工智能的筋膜枪供电驱动板焊接故障检测方法
CN116740060B (zh) 基于点云几何特征提取的装配式预制构件尺寸检测方法
CN117372433A (zh) 厚度参数的控制方法、装置、设备及存储介质
CN116977333B (zh) 基于图像数据的装配式钢结构构件质量检测方法
US10180317B2 (en) Pattern-measuring device and computer program
CN114819768B (zh) 一种电容器引出线焊接控制系统
CN114037701B (zh) 一种基于图像处理的机械零件氢损伤检测方法
CN105095897A (zh) 一种基于梯度图像和相似度加权的数字识别方法
CN116183622A (zh) 一种基于点云信息的地铁渗漏水检测方法
CN114897846A (zh) 一种基于机器视觉的点阵目标规律性检测方法
CN102749884A (zh) 陶瓷天线罩光透射扫描检测控制方法
Wang et al. A High-accessibility Identification Technology for Butt Joint Weld Defects
Zhenbin et al. Detection and Segmentation of Wire Rope Surface Deficiency Based on YOLOv8 and U-Net

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