CN115345875B - 一种船舶外板锈蚀区域识别及分析方法 - Google Patents

一种船舶外板锈蚀区域识别及分析方法 Download PDF

Info

Publication number
CN115345875B
CN115345875B CN202211264217.4A CN202211264217A CN115345875B CN 115345875 B CN115345875 B CN 115345875B CN 202211264217 A CN202211264217 A CN 202211264217A CN 115345875 B CN115345875 B CN 115345875B
Authority
CN
China
Prior art keywords
corrosion
area
edge
point
outer plate
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
CN202211264217.4A
Other languages
English (en)
Other versions
CN115345875A (zh
Inventor
张朝艳
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.)
Jiangsu Yusheng Heavy Industry Co ltd
Original Assignee
Jiangsu Yusheng Heavy Industry 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 Jiangsu Yusheng Heavy Industry Co ltd filed Critical Jiangsu Yusheng Heavy Industry Co ltd
Priority to CN202211264217.4A priority Critical patent/CN115345875B/zh
Publication of CN115345875A publication Critical patent/CN115345875A/zh
Application granted granted Critical
Publication of CN115345875B publication Critical patent/CN115345875B/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
    • G06T7/0002—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
    • 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
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)

Abstract

本发明涉及数据处理技术领域，具体涉及一种船舶外板锈蚀区域识别及分析方法。该方法是一种应用电子设备进行识别的方法，利用生产领域人工智能系统完成船舶外板锈蚀区域识别。首先利用相机采集船舶外板图像，对船舶外板图像进行数据处理得到多个锈蚀区域和锈蚀区域对应的起始点，并计算出起始点至各边缘点的延展程度指标；进一步的，结合锈蚀区域的延展程度指数和距离得到锈蚀影响程度，基于锈蚀影响程度得到待锈蚀区域。本发明利用区域生长算法在得到各准确锈蚀区域的同时分析评估出锈蚀生长趋势，得到将会受到锈蚀影响但暂时未被锈蚀的待锈蚀区域。

Description

一种船舶外板锈蚀区域识别及分析方法
技术领域
本发明涉及数据处理技术领域，具体涉及一种船舶外板锈蚀区域识别及分析方法。
背景技术
锈蚀一直都是各种船舶表面普遍存在的现象；由于船舶的外板常年暴露在空气和海水中，加上其自身是金属材质；因此非常容易产生锈蚀。尤其是外板的水下或水位线附近的区域，面临着海水对壳体产生较大的流体动力作用；行驶中激起的水浪使其经常处于干湿交替的条件下，遭受到水和空气的交变作用，大大增强了腐蚀介质的侵蚀性。这些腐蚀区域若不及时进行补漆修复处理，会威胁到驾驶人员以及乘客的生命安全，造成严重的后果。
由于受锈蚀影响程度大小不同，锈蚀区域的颜色也存在深浅差异，且区域形状不规则分布复杂，因此使用传统的全局单一阈值分割船舶外板图像寻找受腐蚀区域的操作得到的效果就不理想，且结果无法评估分割出可能受锈蚀影响的暂时未被锈蚀区域，无法达到补漆效果最佳的目的。
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船舶外板锈蚀区域识别及分析方法，所采用的技术方案具体如下：
采集船舶外板图像，对船舶外板图像进行灰度化得到外板灰度图；获取外板灰度图中的锈蚀区域；
设置合适的生长规则，对于锈蚀区域投放合适的种子点，生长得到锈蚀区域内锈蚀程度不同的连通域；获取锈蚀区域内灰度值最小的连通域，作为起始连通域；以各起始连通域的质心作为各锈蚀区域的起始点，根据各锈蚀区域的起始点到边缘的距离变化和灰度变化计算出锈蚀区域每个边缘点的延展程度指数；
对于延展程度指数大于等于预设第一阈值的边缘点，连接起始点到边缘点的延长线；当所述延长线与其他锈蚀区域的边缘点相交，且相交的边缘点对应的延展程度指数大于预设第一阈值时，结合锈蚀区域的延展程度指数和距离得到锈蚀影响程度；当所述锈蚀影响程度大于等于预设第一阈值时，两个锈蚀区域之间的区域作为待锈蚀区域。
优选的，所述获取外板灰度图中的锈蚀区域，包括：
利用大津自适应阈值分割法得到外板灰度图中的锈蚀区域。
优选的，所述设置合适的生长规则，对于锈蚀区域投放合适的种子点，生长得到锈蚀区域内锈蚀程度不同的连通域，包括：
计算每个锈蚀区域中各像素点的梯度和梯度方向来确定该锈蚀区域的边缘点形态分布情况，得到锈蚀区域的边缘点；
对于锈蚀区域的每个边缘点依次进行灰度值大小的计算，计算边缘点与前一边缘点的灰度值差值；当灰度值差值不在预设差异阈值内时，若灰度值差值对应的边缘点的前后连续的边缘点的灰度值差值均满足预设差异阈值时，认为边缘点与该边缘点的前一边缘点和后一边缘点属于同一类别；连接同一类别的边缘点，得到锈蚀区域的边缘上多个灰度值相近的线段；每个线段的中心点作为锈蚀区域的种子点，基于种子点进行区域生长得到多个锈蚀程度不同的连通域。
优选的，所述根据各锈蚀区域的起始点到边缘的距离变化和灰度变化计算出锈蚀区域每个边缘点的延展程度指数，包括：
所述延展程度指数的计算公式为：
Figure 251296DEST_PATH_IMAGE001
其中，
Figure DEST_PATH_IMAGE002
为所述延展程度指数；
Figure 207488DEST_PATH_IMAGE003
为第一调节权重；
Figure 749632DEST_PATH_IMAGE004
为第二调节权重；
Figure 36257DEST_PATH_IMAGE005
为起始 点到边缘点的连线上灰度等级由大到小的变化次数；
Figure 628912DEST_PATH_IMAGE006
为起始点到边缘点之间的欧式距离；
Figure 241159DEST_PATH_IMAGE007
为双曲线正切函数。
优选的，所述结合锈蚀区域的延展程度指数和距离得到锈蚀影响程度，包括：
所述锈蚀影响程度的计算公式为：
Figure 450424DEST_PATH_IMAGE008
其中，
Figure 275160DEST_PATH_IMAGE009
为锈蚀影响程度；
Figure DEST_PATH_IMAGE010
为当前边缘点的延展程度指数；
Figure 315797DEST_PATH_IMAGE011
为与当前边缘点对 应的延长线相交的其他锈蚀区域的边缘点对应的延展程度指数；
Figure 302208DEST_PATH_IMAGE012
为以自然常数为指数 的指数函数；
Figure 733189DEST_PATH_IMAGE013
为当前边缘点和其对应的延长线相交的其他锈蚀区域的边缘点对应的欧 式距离。
优选的，所述两个锈蚀区域之间的区域作为待锈蚀区域，包括：
以大于等于预设第一阈值的锈蚀影响程度对应的两个不同锈蚀区域的边缘点为参考，找到和两个边缘点相邻的t个边缘点，让该锈蚀区域的起始点分别连接相邻的t个边缘点并延长连接线交与相邻的其他锈蚀区域的边缘上对应的相邻的t个边缘点，以最上侧和最下侧的连接线之内的区域为待锈蚀区域。
本发明实施例至少具有如下有益效果：
本发明采集船舶外板图像，对船舶外板图像进行灰度化得到外板灰度图；获取外板灰度图中的锈蚀区域；设置合适的生长规则，对于锈蚀区域投放合适的种子点，生长得到锈蚀区域内锈蚀程度不同的连通域；获取锈蚀区域内灰度值最小的连通域，作为起始连通域；以各起始连通域的质心作为各锈蚀区域的起始点，根据各锈蚀区域的起始点到边缘的距离变化和灰度变化计算出锈蚀区域每个边缘点的延展程度指数；对于延展程度指数大于等于预设第一阈值的边缘点，连接起始点到边缘点的延长线；当所述延长线与其他锈蚀区域的边缘点相交，且相交的边缘点对应的延展程度指数大于预设第一阈值时，结合锈蚀区域的延展程度指数和距离得到锈蚀影响程度；当所述锈蚀影响程度大于等于预设第一阈值时，两个锈蚀区域之间的区域作为待锈蚀区域。本发明利用区域生长算法在得到各准确锈蚀区域的同时分析评估出锈蚀生长趋势，得到将会受到锈蚀影响但暂时未被锈蚀的待锈蚀区域，可对其一并进行后续修补操作。
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所提供的一种船舶外板锈蚀区域识别及分析方法的方法流程图。
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船舶外板锈蚀区域识别及分析方法，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。
本发明实施例提供了一种船舶外板锈蚀区域识别及分析方法的具体实施方法，该方法适用于船舶外板锈蚀区域识别场景。该场景下利用相机采集船舶外板上发生锈蚀的船舶外板图像。由于船舶的外板常年暴露在空气和海水中，加上其自身是金属材质；因此非常容易产生锈蚀。尤其是外板的水下或水位线附近的区域，面临着海水对壳体产生较大的流体动力作用；行驶中激起的水浪使其经常处于干湿交替的条件下，遭受到水和空气的交变作用，大大增强了腐蚀介质的侵蚀性。这些腐蚀区域若不及时进行补漆修复处理，会威胁到驾驶人员以及乘客的生命安全，造成严重的后果。为了解决由于受锈蚀影响程度大小不同，锈蚀区域的颜色也存在深浅差异，且区域形状不规则分布复杂，因此使用传统的全局单一阈值分割船舶外板图像寻找受腐蚀区域的操作得到的效果就不理想，且结果无法评估分割出可能受锈蚀影响的暂时未被锈蚀区域，无法达到补漆效果最佳的目的的问题。本发明采集船舶外板图像并对图像进行预处理，设置较为合适的种子点投放位置以及生长规则，通过锈蚀区域的延展趋势找出可能被锈蚀影响到的暂时未被锈蚀区域，计算受锈蚀影响程度的大小，得到会受到锈蚀影响但暂时未被锈蚀的待锈蚀区域。
下面结合附图具体的说明本发明所提供的一种船舶外板锈蚀区域识别及分析方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种船舶外板锈蚀区域识别及分析方法的步骤流程图，该方法包括以下步骤：
步骤S100，采集船舶外板图像，对船舶外板图像进行灰度化得到外板灰度图；获取外板灰度图中的锈蚀区域。
采集得到船舶外板上发生锈蚀的船舶外板图像，该船舶外板图像为RGB图像。对于采集得到的船舶外板图像进行灰度化操作得到外板灰度图。使用灰度化操作可以消除多余的色彩信息干扰，将图像中的像素变为单通道，从而减少不必要的计算量。
进一步的获取外板灰度图中的锈蚀区域，其中，利用大津自适应阈值分割法得到外板灰度图中的锈蚀区域。需要说明的是，利用大津自适应阈值分割法得到锈蚀区域为本领域技术人员的公知技术，在此不再赘述。
步骤S200，设置合适的生长规则，对于锈蚀区域投放合适的种子，生长得到锈蚀区域内锈蚀程度不同的连通域；获取锈蚀区域内灰度值最小的连通域，作为起始连通域；以各起始连通域的质心作为各锈蚀区域的起始点，根据各锈蚀区域的起始点到边缘的距离变化和灰度变化计算出锈蚀区域每个边缘点的延展程度指数。
船舶外板上的锈蚀区域内的像素点都会因受锈蚀程度不同而存在灰度差异，因此需要根据每个区域锈蚀程度的高低投放合适的种子点，制定合适的生长规则使其高效率的生长出各连通域；对于得到的连通域首先找到其起始点，其次将边缘点存放在集合中，计算起始点到边缘不同方向的各边缘点的距离、起始点到每个边缘点方向上灰度级的变化。其中，灰度级别由先验知识得到，结合两者分析该锈蚀区域的延展趋势，再结合各连通域的延展趋势之间的距离评估这些暂时未被影响但会受到锈蚀影响的待锈蚀区域。
本发明关于生长得到船舶表面锈蚀区域和将受锈蚀影响的待锈蚀区域具体操作步骤如下：
（1）设置合适的生长规则，对于锈蚀区域针对性的投放合适的种子点。
（2）根据各锈蚀区域起始点到边缘的距离变化和灰度变化评估出锈蚀区域的延展趋势；再结合每个不同锈蚀区域的分布延展情况找出暂时未被锈蚀但可能受锈蚀影响的区域。
（3）分析评估这些区域可能受锈蚀影响程度的大小，得到可能受锈蚀影响程度。
设置合适的生长规则，对于锈蚀区域针对性的投放合适的种子点，具体的：
生长规则和种子点的投放选择需要根据锈蚀区域的边缘点寻找；由于锈蚀程度的不同，同一片锈蚀区域的灰度值是存在差异的，边缘点灰度值亦是如此；因此该步骤的主要目的是通过边缘点的像素灰度值找到合适的种子像素点投放位置，从边缘点开始向内生长，得到不同锈蚀程度的连通域：
步骤一，首先通过计算每个锈蚀区域中各像素点的梯度和梯度方向来确定该锈蚀区域的边缘点形态分布情况，得到锈蚀区域的边缘信息，也即得到锈蚀区域的边缘和对应的边缘点。
步骤二，对于锈蚀区域的每个边缘点依次进行灰度值大小的计算，计算边缘点与前一边缘点的灰度值差值；当灰度值差值不在预设差异阈值内时，若灰度值差值对应的边缘点的前后连续的边缘点的灰度值差值均满足预设差异阈值时，认为边缘点与该边缘点的前一边缘点和后一边缘点属于同一类别。
对于边缘的每个边缘点依次进行灰度值大小的计算，并预设差异阈值
Figure 96037DEST_PATH_IMAGE014
，当连续的 前后边缘点灰度值的差异在该阈值的范围内时，视为这些像素点为同一类，即：
Figure 725602DEST_PATH_IMAGE015
其中，
Figure 414072DEST_PATH_IMAGE016
表示当前边缘点的灰度值，
Figure 863508DEST_PATH_IMAGE017
表示当前边缘点的前一个边缘点的灰 度值大小。若其中存在该边缘点的灰度值差异不在差异阈值范围内的情况时；若它前后连 续的边缘点灰度差都满足阈值范围，则同样视为该点和它的前后边缘点为同一类。在本发 明实施例中，预设差异阈值的取值为8，在其他实施例中实施者可根据实际情况调整该取 值。
即为若
Figure 826785DEST_PATH_IMAGE018
；但
Figure 45277DEST_PATH_IMAGE019
且
Figure 373490DEST_PATH_IMAGE020
，则当 前边缘点
Figure 575801DEST_PATH_IMAGE021
也认为属于前后边缘点灰度值的同一类。
步骤三，连接同一类别的边缘点，得到锈蚀区域的边缘上多个灰度值相近的线段；每个线段的中心点作为锈蚀区域的种子点，基于种子点进行区域生长得到多个锈蚀程度不同的连通域。
计算可以得到锈蚀区域的边缘上多个灰度值连续且相似的线段；这些灰度值相似的线段对应的内部区域很可能都是锈蚀程度相近的区域，因此得到的多个边缘上连续的相似线段的中心点就为种子像素点需要投放的位置。其中，选择线段中心点的目的是提高区域生长的效率，种子点从中间开始扩散合并时更加均匀高效。
这三个步骤主要是从边缘点着手，利用灰度值的差异区分不同锈蚀程度的边缘，找到各锈蚀程度边缘后再根据不同的边缘位置投放种子点，然后再设定合适的阈值范围作为生长规则，最终生长得到锈蚀区域内锈蚀程度不同的连通域。需要说明的是生长规则的设定由实施者根据实际情况的不同进行设定。
进一步的，根据各锈蚀区域质心到边缘的距离变化和灰度变化评估出锈蚀区域的延展趋势，具体的：
首先，利用先验知识得到不同锈蚀程度对应的灰度值范围，评估出灰度值等级，具体的：将锈蚀区域内的像素点的灰度值从小到大进行排序得到灰度值序列，将灰度值序列等分成六份，设定第一份对应的像素点的等级为A，第二份对应的像素点的等级为B，第三份对应的像素点的C，第四份对应的像素点的等级为D，第五份对应的像素点的等级为E，第六份对应的像素点的等级为F。其中，等级A锈蚀程度最严重，颜色更深，灰度值更小；等级F锈蚀程度最不严重，颜色更浅，灰度值更大。
得到各多个锈蚀区域内锈蚀程度不同的连通域，且对锈蚀区域内的像素点进行等级分类后，进一步的，获取锈蚀区域内灰度值最小的连通域，作为起始连通域；以各起始连通域的质心作为各锈蚀区域的起始点，根据各锈蚀区域的起始点到边缘的距离变化和灰度变化计算出锈蚀区域每个边缘点的延展程度指数，具体的：
步骤一，获取锈蚀区域内灰度值最小的连通域，作为起始连通域。
根据步骤a中生长得到的各连通域找到灰度值最小的区域，作为起始连通域，灰度值最小的区域颜色最深，是最开始被锈蚀的地方，可以理解为整个锈蚀是从灰度值最小的区域中的一个小的点开始逐步扩大蔓延的；相反灰度值大的部分属于还未完全氧化，锈蚀开始不久还在继续进行的部分；因此灰度值最小的区域是已经完全氧化，受锈蚀影响最严重的连通区域。
找到该起始连通域的质心，也即该起始连通域的中心点
Figure 280452DEST_PATH_IMAGE022
作为整个锈蚀区域的起 始点，该起始点为预估的起始锈蚀点，锈蚀区域内包含各种锈蚀程度连通域。
步骤二，以各起始连通域的质心作为各锈蚀区域的起始点，根据各锈蚀区域的起始点到边缘的距离变化和灰度变化计算出锈蚀区域每个边缘点的延展程度指数。
统计锈蚀区域的边缘点存放在集合中
Figure DEST_PATH_IMAGE023
中：
Figure 619029DEST_PATH_IMAGE024
计算起始点
Figure 118144DEST_PATH_IMAGE022
到各方向上边缘点的距离，该距离可以根据欧式距离求得，设质心 的平面坐标为
Figure 745434DEST_PATH_IMAGE025
，任一边缘点的平面坐标为
Figure 253776DEST_PATH_IMAGE026
，则该边缘点到质心的欧 式距离
Figure 650122DEST_PATH_IMAGE027
为：
Figure 320138DEST_PATH_IMAGE028
。
将计算所得的欧式距离存放在集合
Figure 434724DEST_PATH_IMAGE006
中：
Figure 481178DEST_PATH_IMAGE029
，该集合中存放 的元素值就表示区域的质心到任一边缘点方向上的欧式距离。
灰度变化情况可以反映该方向上锈蚀的延展情况，若该方向上灰度值由小变大或者灰度值等级变化次数较多；则可以说明该方向受锈蚀影响严重，并且极有延伸的趋势可能很快就会被锈蚀吞噬；若该方向上灰度值变化次数较小，证明该方向上的延伸趋势较慢。
对于上述步骤中得到的欧氏距离集合
Figure 997610DEST_PATH_IMAGE006
，首先选择值较大的边缘点，因为值越大距 离起始点越远，灰度值的变化情况可能会更多，因此在该集合中按照距离值变化对应的边 缘点的灰度等级由大到小的变化次数。
由此根据边缘每个像素点到质心的距离
Figure 838527DEST_PATH_IMAGE006
以及质心到该像素点的方向上灰度等级 由大到小的变化次数
Figure 705989DEST_PATH_IMAGE005
得到各边缘像素点方向上的锈蚀延展程度指数
Figure 290554DEST_PATH_IMAGE002
。
所述延展程度指数的计算公式为：
Figure 927072DEST_PATH_IMAGE001
其中，
Figure 938890DEST_PATH_IMAGE002
为所述延展程度指数；
Figure 28069DEST_PATH_IMAGE003
为第一调节权重；
Figure 416325DEST_PATH_IMAGE004
为第二调节权重；
Figure 907349DEST_PATH_IMAGE005
为起始 点到边缘点的连线上灰度等级由大到小的变化次数；
Figure 90068DEST_PATH_IMAGE006
为起始点到边缘点之间的欧式距离；
Figure 666543DEST_PATH_IMAGE007
为双曲线正切函数。
由于灰度等级的变化情况更能有效的凸显出锈蚀区域的延展情况，所以在本发明 实施例中第一调节权重的取值为0.6，第二调节权重的取值为0.4，在其他实施例中实施者 可根据实际情况调整该取值。由于次数
Figure 858490DEST_PATH_IMAGE030
和距离
Figure 938442DEST_PATH_IMAGE031
值的量级不同，且它们的取值都与最终结 果成正比，因此使用双曲正切函数使其归一化；锈蚀延展程度指数
Figure 557642DEST_PATH_IMAGE002
随着质心到边缘点距离
Figure 621413DEST_PATH_IMAGE031
的增大以及灰度级由大到小次数
Figure 351471DEST_PATH_IMAGE030
的变大而变大；最终计算出来的
Figure 551509DEST_PATH_IMAGE002
越接近于1，则表示该 边缘像素点所在方向上的延展趋势更快。
步骤S300，对于延展程度指数大于等于预设第一阈值的边缘点，连接起始点到边缘点的延长线；当所述延长线与其他锈蚀区域的边缘点相交，且相交的边缘点对应的延展程度指数大于预设第一阈值时，结合锈蚀区域的延展程度指数和距离得到锈蚀影响程度；当所述锈蚀影响程度大于等于预设第一阈值时，两个锈蚀区域之间的区域作为待锈蚀区域。
步骤S200中讨论的是单个的整体锈蚀区域内部锈蚀的延展趋势，接下来需要考虑独立的锈蚀区域两两之间对暂时未被锈蚀区域的锈蚀影响，也即结合每个不同锈蚀区域的分布延展情况找出暂时未被锈蚀但可能受锈蚀影响的区域。
首先根据上述步骤计算出边缘上各像素点的延展程度指数
Figure 341610DEST_PATH_IMAGE002
，预设第一阈值t，统 计出边缘像素点满足
Figure 627098DEST_PATH_IMAGE032
的像素点，并对于符合要求的像素点进行质心到该点的连线，延 长该连接线观察是否与其他锈蚀区域的边缘点有相交的情况。在本发明实施例中预设第一 阈值的取值为0.7，在其他实施例中实施者可根据实际情况调整该取值。
如果存在与其他锈蚀区域边缘点相交的情况，则计算出其他锈蚀区域边缘点相对 于它所在锈蚀区域的质心的锈蚀延展程度指数
Figure 895268DEST_PATH_IMAGE033
，评估两个边缘点之间距离
Figure 949812DEST_PATH_IMAGE013
范围的受 影响程度：若计算得到的
Figure 910815DEST_PATH_IMAGE033
同样满足
Figure 418019DEST_PATH_IMAGE034
，说明其两侧都有向外扩大蔓延的趋势；则
Figure 489881DEST_PATH_IMAGE013
范围受锈蚀影响程度最严重，综合距离考虑具体评估标准如下：
所述锈蚀影响程度的计算公式为：
Figure 930089DEST_PATH_IMAGE008
其中，
Figure 796414DEST_PATH_IMAGE035
为锈蚀影响程度；
Figure 322073DEST_PATH_IMAGE010
为当前边缘点的延展程度指数；
Figure 932046DEST_PATH_IMAGE011
为与当前边缘点对 应的延长线相交的其他锈蚀区域的边缘点对应的延展程度指数；
Figure 961182DEST_PATH_IMAGE012
为以自然常数为指数 的指数函数；
Figure 60725DEST_PATH_IMAGE013
为当前边缘点和其对应的延长线相交的其他锈蚀区域的边缘点对应的欧 式距离。
锈蚀影响程度使用欧几里得范数表示。当欧式距离越近，受锈蚀影响程度会越大， 因此使用指数函数表示，随着欧式距离的增大得到的锈蚀影响程度越小，
Figure 808101DEST_PATH_IMAGE013
的减小得到的 程度值越大，并使结果归一化。而
Figure 221765DEST_PATH_IMAGE036
的取值和受影响程度成正比，因此对区域两侧延展程度 指数求均得到平均值。其结果理论上取值范围为：
Figure 370987DEST_PATH_IMAGE037
。
若得到的锈蚀影响程度
Figure 844693DEST_PATH_IMAGE035
大于等于预设第一阈值；则锈蚀区域质心与该边缘点连 线所在位置的方向上与相邻锈蚀区域中间的未被锈蚀区域受锈蚀影响可能性最大；若锈蚀 影响程度小于预设第一阈值，则受锈蚀影响可能性较小。
最后，分析评估这些区域可能受锈蚀影响程度的大小，得到可能受锈蚀影响程度， 具体的：当所述锈蚀影响程度大于等于预设第一阈值时，两个锈蚀区域之间的区域作为待 锈蚀区域。也即对于最终计算出来的
Figure 813786DEST_PATH_IMAGE038
时，对于该方向上处于两个锈蚀区域内的暂 未被锈蚀的待锈蚀区域应当全部进行除锈补漆的操作；当
Figure 765562DEST_PATH_IMAGE039
时，该连线方向上处于 锈蚀区域内部的正常部分不需要全部进行除锈补漆操作，或者只需要沿着该方向适当增大 补漆区域即可。
其中，待锈蚀区域的确定方法为：以大于等于预设第一阈值的锈蚀影响程度对应的两个不同锈蚀区域的边缘点为参考，找到和两个边缘点相邻的t个边缘点，让该锈蚀区域的起始点分别连接相邻的t个边缘点并延长连接线交与相邻的其他锈蚀区域的边缘上对应的相邻的t个边缘点，以最上侧和最下侧的连接线之内的区域为待锈蚀区域。需要说明的是，t的取值由实施者根据不同的实际情况进行设定。
优选的，可以根据暂时未被锈蚀区域将受锈蚀区域影响的锈蚀影响程度大小对这些区域进行合并，并且进行除锈和补漆操作。通过上述分析评估得到的受锈蚀影响程度大的区域，根据得到的结果对于这些区域在补漆时同样需要进行预防填补的操作，达到不仅对锈蚀区域补漆，也能够对可能受到锈蚀影响的区域进行补漆的目的。
综上所述，本发明涉及数据处理技术领域。该方法采集船舶外板图像，对船舶外板图像进行灰度化得到外板灰度图；获取外板灰度图中的锈蚀区域；设置合适的生长规则，对于锈蚀区域投放合适的种子点，生长得到锈蚀区域内锈蚀程度不同的连通域；获取锈蚀区域内灰度值最小的连通域，作为起始连通域；以各起始连通域的质心作为各锈蚀区域的起始点，根据各锈蚀区域的起始点到边缘的距离变化和灰度变化计算出锈蚀区域每个边缘点的延展程度指数；对于延展程度指数大于等于预设第一阈值的边缘点，连接起始点到边缘点的延长线；当所述延长线与其他锈蚀区域的边缘点相交，且相交的边缘点对应的延展程度指数大于预设第一阈值时，结合锈蚀区域的延展程度指数和距离得到锈蚀影响程度；当所述锈蚀影响程度大于等于预设第一阈值时，两个锈蚀区域之间的区域作为待锈蚀区域。
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。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 (4)

1.一种船舶外板锈蚀区域识别及分析方法，其特征在于，该方法包括以下步骤：
采集船舶外板图像，对船舶外板图像进行灰度化得到外板灰度图；获取外板灰度图中的锈蚀区域；
设置合适的生长规则，对于锈蚀区域投放合适的种子点，生长得到锈蚀区域内锈蚀程度不同的连通域；获取锈蚀区域内灰度值最小的连通域，作为起始连通域；以各起始连通域的质心作为各锈蚀区域的起始点，根据各锈蚀区域的起始点到边缘的距离变化和灰度变化计算出锈蚀区域每个边缘点的延展程度指数；
对于延展程度指数大于等于预设第一阈值的边缘点，连接起始点到边缘点的延长线；当所述延长线与其他锈蚀区域的边缘点相交，且相交的边缘点对应的延展程度指数大于预设第一阈值时，结合锈蚀区域的延展程度指数和距离得到锈蚀影响程度；当所述锈蚀影响程度大于等于预设第一阈值时，两个锈蚀区域之间的区域作为待锈蚀区域；
其中，所述延展程度指数的计算公式为：
Figure 321224DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
为所述延展程度指数；
Figure 362999DEST_PATH_IMAGE004
为第一调节权重；
Figure DEST_PATH_IMAGE005
为第二调节权重；
Figure 765905DEST_PATH_IMAGE006
为起始点到边缘点的连线上灰度等级由大到小的变化次数；
Figure DEST_PATH_IMAGE007
为起始点到边缘点之间的欧式距离；
Figure 551327DEST_PATH_IMAGE008
为双曲线正切函数；
其中，所述锈蚀影响程度的计算公式为：
Figure 834541DEST_PATH_IMAGE010
其中，
Figure DEST_PATH_IMAGE011
为锈蚀影响程度；
Figure 814260DEST_PATH_IMAGE012
为当前边缘点的延展程度指数；
Figure DEST_PATH_IMAGE013
为与当前边缘点对应的延长线相交的其他锈蚀区域的边缘点对应的延展程度指数；
Figure 737086DEST_PATH_IMAGE014
为以自然常数为指数的指数函数；
Figure DEST_PATH_IMAGE015
为当前边缘点和其对应的延长线相交的其他锈蚀区域的边缘点对应的欧式距离。
2.根据权利要求1所述的一种船舶外板锈蚀区域识别及分析方法，其特征在于，所述获取外板灰度图中的锈蚀区域，包括：
利用大津自适应阈值分割法得到外板灰度图中的锈蚀区域。
3.根据权利要求1所述的一种船舶外板锈蚀区域识别及分析方法，其特征在于，所述设置合适的生长规则，对于锈蚀区域投放合适的种子点，生长得到锈蚀区域内锈蚀程度不同的连通域，包括：
计算每个锈蚀区域中各像素点的梯度和梯度方向来确定该锈蚀区域的边缘点形态分布情况，得到锈蚀区域的边缘点；
对于锈蚀区域的每个边缘点依次进行灰度值大小的计算，计算边缘点与前一边缘点的灰度值差值；当灰度值差值不在预设差异阈值内时，若灰度值差值对应的边缘点的前后连续的边缘点的灰度值差值均满足预设差异阈值时，认为边缘点与该边缘点的前一边缘点和后一边缘点属于同一类别；连接同一类别的边缘点，得到锈蚀区域的边缘上多个灰度值相近的线段；每个线段的中心点作为锈蚀区域的种子点，基于种子点进行区域生长得到多个锈蚀程度不同的连通域。
4.根据权利要求1所述的一种船舶外板锈蚀区域识别及分析方法，其特征在于，所述两个锈蚀区域之间的区域作为待锈蚀区域，包括：
以大于等于预设第一阈值的锈蚀影响程度对应的两个不同锈蚀区域的边缘点为参考，找到和两个边缘点相邻的t个边缘点，让该锈蚀区域的起始点分别连接相邻的t个边缘点并延长连接线交与相邻的其他锈蚀区域的边缘上对应的相邻的t个边缘点，以最上侧和最下侧的连接线之内的区域为待锈蚀区域。
CN202211264217.4A 2022-10-17 2022-10-17 一种船舶外板锈蚀区域识别及分析方法 Active CN115345875B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211264217.4A CN115345875B (zh) 2022-10-17 2022-10-17 一种船舶外板锈蚀区域识别及分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211264217.4A CN115345875B (zh) 2022-10-17 2022-10-17 一种船舶外板锈蚀区域识别及分析方法

Publications (2)

Publication Number Publication Date
CN115345875A CN115345875A (zh) 2022-11-15
CN115345875B true CN115345875B (zh) 2023-03-24

Family

ID=83957745

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211264217.4A Active CN115345875B (zh) 2022-10-17 2022-10-17 一种船舶外板锈蚀区域识别及分析方法

Country Status (1)

Country Link
CN (1) CN115345875B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116503403B (zh) * 2023-06-27 2023-09-01 无锡斯达新能源科技股份有限公司 基于图像处理的金属切削刀头的缺陷检测方法
CN117197127B (zh) * 2023-11-02 2024-02-20 广东乾威精密连接器有限公司 一种基于机器视觉的汽车端子检测方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104792792B (zh) * 2015-04-27 2017-10-20 武汉武大卓越科技有限责任公司 一种逐步求精的路面裂缝检测方法
CN110334750B (zh) * 2019-06-21 2021-06-08 西安工程大学 输电线路铁塔螺栓锈蚀程度图像分类识别方法
CN115060754B (zh) * 2022-04-29 2024-05-24 上海沛圣科技有限公司 一种不锈钢制品表面质量检测方法
CN115049649B (zh) * 2022-08-12 2022-11-11 山东振鹏建筑钢品科技有限公司 基于锈蚀程度的钢筋打磨除锈控制方法
CN115100212B (zh) * 2022-08-29 2022-11-18 卡松科技股份有限公司 一种润滑油污染程度检测方法

Also Published As

Publication number Publication date
CN115345875A (zh) 2022-11-15

Similar Documents

Publication Publication Date Title
CN115345875B (zh) 一种船舶外板锈蚀区域识别及分析方法
CN115330783A (zh) 一种钢丝绳缺陷检测方法
CN113689428B (zh) 基于图像处理的机械零件应力腐蚀检测方法及系统
CN109086824B (zh) 一种基于卷积神经网络的海底底质声呐图像分类方法
CN109740460B (zh) 基于深度残差密集网络的光学遥感图像舰船检测方法
CN115457041A (zh) 一种道路质量识别检测方法
CN110675410B (zh) 基于选择性搜索算法的侧扫声呐沉船目标非监督探测方法
CN113409314B (zh) 高空钢结构腐蚀的无人机视觉检测与评价方法及系统
CN115294338A (zh) 一种叶轮表面缺陷识别方法
CN115690108B (zh) 一种基于图像处理的铝合金杆生产质量评估方法
CN115439481B (zh) 基于图像处理的除氧器焊接质量检测方法
CN106683076A (zh) 基于纹理特征聚类的机车轮对踏面损伤检测的方法
JP2006514356A (ja) 画像解析による有糸分裂活動の評価方法
CN114067114B (zh) 一种基于藻类细胞形态的面积核分割计数方法
CN112099046B (zh) 基于多值体素模型的机载lidar三维平面检测方法
CN115311304B (zh) 一种铁板锈蚀缺陷检测方法
CN108133468B (zh) 自适应参数增强和尾迹辅助检测的恒虚警率舰船检测方法
CN115100174B (zh) 一种船舶钣金件漆面缺陷检测方法
CN112561881A (zh) 基于评价模型的红外图像自适应数据增强方法
CN101702019A (zh) Sar图像中居民区的提取方法
CN115861320A (zh) 一种汽车零件加工信息智能检测方法
CN105447488B (zh) 基于素描线段拓扑结构的sar图像目标检测方法
CN116342586B (zh) 基于机器视觉的路面质量检测方法
CN115131356A (zh) 一种基于丰富度的钢板缺陷分类方法
CN113706531A (zh) 基于机器视觉的金属板腐蚀程度判定方法及系统

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