CN115452948A - 一种矩形截面木构件内部缺陷智能检测方法及系统 - Google Patents
一种矩形截面木构件内部缺陷智能检测方法及系统 Download PDFInfo
- Publication number
- CN115452948A CN115452948A CN202211244579.7A CN202211244579A CN115452948A CN 115452948 A CN115452948 A CN 115452948A CN 202211244579 A CN202211244579 A CN 202211244579A CN 115452948 A CN115452948 A CN 115452948A
- Authority
- CN
- China
- Prior art keywords
- wood
- section
- ultrasonic wave
- detection image
- dimensional detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 188
- 239000002023 wood Substances 0.000 title claims abstract description 154
- 230000007547 defect Effects 0.000 title claims abstract description 111
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000012800 visualization Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 11
- 239000010410 layer Substances 0.000 claims description 75
- 238000012937 correction Methods 0.000 claims description 39
- 230000011218 segmentation Effects 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 15
- 239000011229 interlayer Substances 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 8
- 239000003086 colorant Substances 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 description 4
- 230000001902 propagating effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4463—Signal correction, e.g. distance amplitude correction [DAC], distance gain size [DGS], noise filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/043—Analysing solids in the interior, e.g. by shear waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/048—Marking the faulty objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0609—Display arrangements, e.g. colour displays
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0654—Imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0654—Imaging
- G01N29/069—Defect imaging, localisation and sizing using, e.g. time of flight diffraction [TOFD], synthetic aperture focusing technique [SAFT], Amplituden-Laufzeit-Ortskurven [ALOK] technique
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/07—Analysing solids by measuring propagation velocity or propagation time of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/22—Details, e.g. general constructional or apparatus details
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/46—Wood
-
- 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
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30161—Wood; Lumber
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Wood Science & Technology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明涉及一种矩形截面木构件内部缺陷智能检测方法和系统。本发明将采集到的超声波波速数据进行修正,使矩形木构件的内部缺陷特征更加突出,并且,本发明确定木材矩形横截面内修正后的超声波波速数据的分布情况,按照超声波波速大小进行RGB颜色渐变可视化处理得到木材各层横截面的二维检测图像,接着,从各个离散的二维检测平面到完整的三维立体图像的转化,以实现对矩形木构件中是否存在缺陷的精确检测。
Description
技术领域
本发明涉及木构件缺陷检测技术领域,特别是涉及一种矩形截面木构件内部缺陷智能检测方法及系统。
背景技术
利用超声波获得木材内部结构的声学特征信息对其内部缺陷进行检测已经得到普遍运用。在超声波检测中,通常用于反映木材内部缺陷特征的是超声波在木材内部的传播速度。
目前,木构件的缺陷检测技术还存在一些不足。现存的木材缺陷检测技术均针对近似圆形截面的原木,然而,木结构中存在大量的矩形构件,如方形柱和矩形梁,这导致圆形截面木构件的检测方法并不完全适用于矩形截面木构件。此外,由于木材各项异性的材料性质使得超声波的传播速度在横截面内的分布十分不均匀,其矩形截面的超声波波速修正方法也同圆形截面完全不同。因此开发适用于矩形截面的木构件缺陷检测技术,为残损的矩形木构件进行针对性修复和加固提供可靠的技术和数据支撑,已经成为本领域亟待解决的问题。
发明内容
为解决现有技术存在的上述问题,本发明提供了一种矩形截面木构件内部缺陷智能检测方法及系统。
为实现上述目的,本发明提供了如下方案:
一种矩形截面木构件内部缺陷智能检测方法,包括:
获取超声波在木材矩形横截面内的传播信息和木材矩形横截面的高度信息;所述超声波在木材矩形横截面内的传播信息包括:传播时间和传播路径的起止点坐标;
基于所述传播路径的起止点坐标确定各传播路径的传播距离;
基于所述传播时间和所述传播距离确定木材矩形横截面内的超声波波速数据;
获取超声波波速修正系数;
基于所述超声波波速修正系数修正所述超声波波速数据得到修正后的超声波波速数据;
确定木材矩形横截面内修正后的超声波波速数据的分布情况,并按照超声波波速大小进行RGB颜色渐变可视化处理得到木材各层横截面的二维检测图像;
获取缺陷特征的RGB颜色阈值和层间插值精度;
基于所述缺陷特征的RGB颜色阈值对木材各层横截面的所述二维检测图像中存在的缺陷轮廓进行标记;
基于所述木材矩形横截面的高度信息生成高度列向量;
按照层间插值精度确定木材中每两层横截面的二维检测图像之间的插值层图像数据;
基于木材中各层横截面的二维检测图像、插值层图像数据、高度列向量和木材中各层横截面的二维检测图像中标记的缺陷轮廓生成三维检测图像。
优选地,在基于所述缺陷特征的RGB颜色阈值对木材各层横截面的所述二维检测图像中存在的缺陷轮廓进行标记之后,还包括:
获取缺陷轮廓内图像的像素点数量和二维检测图像的像素点数量;
根据缺陷轮廓内图像的像素点数量和二维检测图像的像素点数量确定木材各层横截面的缺陷面积占比。
优选地,所述基于所述超声波波速修正系数修正所述超声波波速数据得到修正后的超声波波速数据,具体包括:
以木材矩形横截面的对角线为直径,构建一个圆形区域;
延长木材矩形横截面内的传播路径与所述圆形区域相交得到圆形区域的弦;
确定圆形区域的弦与圆形区域直径间的夹角;
基于该传播路径中的超声波波速数据、所述超声波波速修正系数和所述夹角得到修正后的超声波波速数据。
优选地,所述修正后的超声波波速数据为v:
v=vr+kθ (1)
式中,θ为圆形区域的弦与圆形区域直径间的夹角,vr为传播路径中的超声波波速数据,k为超声波波速修正系数。
优选地,所述确定木材矩形横截面内修正后的超声波波速数据的分布情况,并按照超声波波速大小进行RGB颜色渐变可视化处理得到木材各层横截面的二维检测图像,具体包括:
基于各传播路径的起止点坐标,生成传播射线;
按照修正后的超声波波速数据大小采用RGB颜色渐变可视化处理所述传播射线得到射线图;
将所述射线图中的所有传播射线离散为若干点后,迭代分割传播射线得到分割射线;所述分割射线的长度小于等于射线图中最短传播射线的十六分之一;
以所述分割射线为直径构建圆形邻域;
确定分割射线中的超声波波速;
以传播射线为长轴,以传播射线的十分之一为短轴构建椭圆邻域;
将木材矩形横截面离散为网格图后,确定所述椭圆邻域内的网格点;
以所述分割射线为基础,在所述椭圆邻域内构建分割射线影响区;
基于所述分割射线中的超声波波速确定分割射线影响区中的超声波波速;
基于所述分割射线影响区中的超声波波速确定所述椭圆邻域内的网格点的超声波波速;
基于所述椭圆邻域内的网格点的超声波波速确定木材矩形横截面离散为网格图后每一网格单元的超声波波速;
采用RGB颜色渐变可视化处理每一网格单元的超声波波速得到木材各层横截面的二维检测图像。
优选地,所述基于木材中各层横截面的二维检测图像、插值层图像数据、高度列向量和木材中各层横截面的二维检测图像中标记的缺陷轮廓生成三维检测图像,具体包括:
将二维检测图像的所有像素点和二维检测图像采用的RGB插值填色图标尺由RBG值转化为HSV值;
将各层横截面的二维检测图像中的所有像素点的颜色反演为颜色索引值,并形成二维颜色索引矩阵;
确定两层二维检测图像间各插值层的颜色索引矩阵;
基于二维颜色索引矩阵和各插值层的颜色索引矩阵将各层二维检测图像和插值层数据变换为空间坐标信息和颜色信息,得到三维检测图像。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供的矩形截面木构件内部缺陷智能检测方法,将采集到的超声波波速数据进行修正,使矩形木构件的内部缺陷特征更加突出,并且,本发明确定木材矩形横截面内修正后的超声波波速数据的分布情况,按照超声波波速大小进行RGB颜色渐变可视化处理得到木材各层横截面的二维检测图像,接着,从各个离散的二维检测平面到完整的三维立体图像的转化,以实现对矩形木构件中是否存在缺陷的精确检测。
对应于上述提供的矩形截面木构件内部缺陷智能检测方法,本发明还提供了一种矩形截面木构件内部缺陷智能检测系统,该系统包括:数据采集模块、数据修正模块、检测图像生成模块、检测图像处理模块、检测图像三维重建模块、分析服务器、显示终端和存储服务器;
所述分析服务器分别与所述数据修正模块、所述检测图像生成模块、所述检测图像处理模块、所述检测图像三维重建模块、所述显示终端和所述存储服务器连接;所述存储服务器分别与所述数据采集模块、所述数据修正模块、所述检测图像生成模块、所述检测图像处理模块和所述检测图像三维重建模块连接;
所述数据采集模块用于获取超声波在木材矩形横截面内的传播信息和木材矩形横截面的高度信息,并用于将超声波在木材矩形横截面内的传播信息和木材矩形横截面的高度信息发送至所述数据修正模块和所述存储服务器;所述超声波在木材矩形横截面内的传播信息包括:传播时间和传播路径的起止点坐标;
所述数据修正模块用于基于超声波波速修正系数修正超声波波速数据得到修正后的超声波波速数据;
所述检测图像生成模块用于确定木材矩形横截面内修正后的超声波波速数据的分布情况,并按照超声波波速大小进行RGB颜色渐变可视化处理得到木材各层横截面的二维检测图像,并将二维检测图像发送给存储服务器;
所述检测图像处理模块用于提取存储服务器中存储的二维检测图像,定义二维检测图像中缺陷特征的RGB颜色阈值,并将二维检测图像和缺陷特征的RGB颜色阈值发送至分析服务器;
所述检测图像三维重建模块用于基于木材中各层横截面的二维检测图像、插值层图像数据、高度列向量和木材中各层横截面的二维检测图像中标记的缺陷轮廓生成三维检测图像;
所述分析服务器用于基于所述传播路径的起止点坐标确定各传播路径的传播距离,基于所述传播时间和所述传播距离确定木材矩形横截面内的超声波波速数据,基于所述缺陷特征的RGB颜色阈值对木材各层横截面的所述二维检测图像中存在的缺陷轮廓进行标记,基于所述木材矩形横截面的高度信息生成高度列向量,按照层间插值精度确定木材中每两层横截面的二维检测图像之间的插值层图像数据,获取缺陷轮廓内图像的像素点数量和二维检测图像的像素点数量,根据缺陷轮廓内图像的像素点数量和二维检测图像的像素点数量确定木材各层横截面的缺陷面积占比;所述层间插值精度存储在存储服务器中;
所述显示终端用于接收分析服务器发送的二维检测图像、带有缺陷轮廓标记的二维检测图像与缺陷面积占比以及矩形木构件完整的三维检测图像,并进行显示;
所述存储服务器用于接收并存储超声波传播时间数据和高度信息,接收并存储修正后的超声波波速数据与各传播路径的起止点坐标、二维检测图像、带有缺陷轮廓标记的二维检测图像、缺陷的面积占比以及三维检测图像与编号,并存储各树种的超声波波速修正系数。
优选地,所述数据采集模块包括多个超声换能器。
因本发明提供的矩形截面木构件内部缺陷智能检测系统实现的技术效果与上述提供的矩形截面木构件内部缺陷智能检测方法实现的技术效果相同,故在此不再进行赘述。
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,下面将对实施例中所需要使用的附图作简单地介绍,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他的附图。
图1为本发明提供的矩形截面木构件内部缺陷智能检测方法的流程图;
图2为本发明实施例提供的各传播射线形成的弦与该弦对应的圆直径之间的夹角示意图;
图3为本发明实施例提供的超声波传播射线分割流程示意图;
图4为本发明实施例提供的椭圆邻域与分割射线影响区域示意图;
图5为本发明提供的矩形截面木构件内部缺陷智能检测系统的结构示意图;
图6为本发明实施例提供的超声换能器布设阵列位置示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种矩形截面木构件内部缺陷智能检测方法及系统,能够对矩形木构件中是否存在缺陷进行精确检测。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明提供了一种矩形截面木构件内部缺陷智能检测方法,如图1所示,该检测方法包括:
步骤100:获取超声波在木材矩形横截面内的传播信息和木材矩形横截面的高度信息。超声波在木材矩形横截面内的传播信息包括:传播时间和传播路径的起止点坐标。
步骤101:基于传播路径的起止点坐标确定各传播路径的传播距离。
步骤102:基于传播时间和传播距离确定木材矩形横截面内的超声波波速数据。
步骤103:获取超声波波速修正系数。
步骤104:基于超声波波速修正系数修正超声波波速数据得到修正后的超声波波速数据。步骤104的具体执行过程如下:
步骤1041:以矩形横截面的对角线为直径,构建一个圆形区域。
步骤1042:将矩形横截面内的所有超声波传播射线延长,与步骤1041中构建的圆形区域相交,形成圆形区域的弦。
步骤1043:计算步骤1042中各传播射线形成的弦与该弦对应的圆直径之间的夹角θ,如图2所示。
步骤1044:根据公式(1)进行超声波波速修正得到修正后的超声波波速数据。
v=vr+kθ (1)
式中,θ为圆形区域的弦与圆形区域直径间的夹角,vr为传播路径中的超声波波速数据,k为超声波波速修正系数。
步骤105:确定木材矩形横截面内修正后的超声波波速数据的分布情况,并按照超声波波速大小进行RGB颜色渐变可视化处理得到木材各层横截面的二维检测图像。在本发明中,该步骤105实施过程可以包含多种实施方式,例如,其中一种实施方式为:
步骤1051:基于各传播路径的起止点坐标,生成传播射线。
步骤1052:按照修正后的超声波波速数据大小采用RGB颜色渐变可视化处理传播射线得到射线图。
步骤1053:将射线图中的所有传播射线离散为若干点后,迭代分割传播射线得到分割射线。分割射线的长度小于等于射线图中最短传播射线的十六分之一。
步骤1054:以分割射线为直径构建圆形邻域。
步骤1055:确定分割射线中的超声波波速。
步骤1056:以传播射线为长轴,以传播射线的十分之一为短轴构建椭圆邻域。
步骤1057:将木材矩形横截面离散为网格图后,确定椭圆邻域内的网格点。
步骤1058:以分割射线为基础,在椭圆邻域内构建分割射线影响区。
步骤1059:基于分割射线中的超声波波速确定椭圆邻域内分割射线影响区中的超声波波速。
步骤10511:基于分割射线影响区中的超声波波速确定椭圆邻域内的网格点的超声波波速。
步骤10512:基于椭圆邻域内的网格点的超声波波速确定木材矩形横截面离散为网格图后每一网格单元的超声波波速。
步骤10513:采用RGB颜色渐变可视化处理每一网格单元的超声波波速得到木材各层横截面的二维检测图像。
另一种实施方式为:
步骤1052:生成传播射线图后,将所有射线二等分,以分割后的射线长度为直径构建圆形邻域(如图3所示),根据公式(3)-(5)判断所有分割射线穿越的圆形邻域:
其中,和分别表示第i个圆形邻域内分割射线起始点和终止点的横坐标,和分别表示第i个圆形邻域内分割射线起始点和终止点的纵坐标,和分别表示第i个圆形邻域内垂直于分割射线直径起始点和终止点的横坐标,和分别表示第i个圆形邻域内垂直于分割射线直径起始点和终止点的纵坐标。若f(x,y)≤1,则表示该点在圆形邻域内,则标记该离散点所属的分割射线。
步骤1053:根据公式(6)估计分段射线的波速:
式中,是第j条原始射线在第k+1次分割后第m个分段射线对应的圆形邻域的波速估计值,是第k+1分割时穿越该圆形邻域中某一射线在第k次分割后的速度值,n(k+1)是第k+1分割时穿越该圆形邻域的分割射线总数。
步骤1054:重复步骤1052和步骤1053,直到所有分割射线达到公式(7)所示的迭代终止条件:
步骤1055:以未分割的原始射线为长轴,按公式(8)构建椭圆邻域。
b2/a2=0.1 (8)
式中,a2是椭圆的长轴,即未分割的原始射线,b2是椭圆的短轴。
将检测的矩形横截面离散为网格图,按照公式(9)-(11)记录步骤1055构建的椭圆邻域内的所有网格点:
式中,和分别表示第j个椭圆邻域长轴的起始点和终止点横坐标,和分别表示第j个椭圆邻域长轴的起始点和终止点纵坐标,和分别表示第j个椭圆邻域内短轴的起始点和终止点横坐标,和分别表示第j个椭圆邻域内短轴的起始点和终止点纵坐标,和分别表示网格点的横坐标和纵坐标。若g(x,y)≤1,则该网格在椭圆邻域内。
步骤1056:以步骤1052-步骤1054生成的分割射线为基础,在步骤1055构建的椭圆邻域内按公式(12)构建分割射线影响区,如图4所示:
式中,θ′是某分段射线与原始射线影响区内任意一点与分段射线终点的连线之间的夹角。
按照公式(13)计算矩形横截面内所有网格的超声波波速值,并按波速大小采用RGB颜色着色:
其中,vxy是任一网格单元的波速估计值,v'k是影响该网格单元的分段椭圆对应值,N是同时影响该网格单元的分段射线影响区总数。
步骤106:获取缺陷特征的RGB颜色阈值和层间插值精度。
步骤107:基于缺陷特征的RGB颜色阈值对木材各层横截面的二维检测图像中存在的缺陷轮廓进行标记。
步骤108:基于木材矩形横截面的高度信息生成高度列向量。
步骤109:按照层间插值精度确定木材中每两层横截面的二维检测图像之间的插值层图像数据。
步骤110:基于木材中各层横截面的二维检测图像、插值层图像数据、高度列向量和木材中各层横截面的二维检测图像中标记的缺陷轮廓生成三维检测图像。该步骤110实施过程可以为:
步骤1101:输入二维检测图像、各检测横截面高度和层间插值精度。
步骤1102:将二维检测图像的所有像素点和检测图像采用的RGB插值填色图标尺由RBG值转化为HSV值,其中,(x1i,y1i,z1i)代表检测图像各像素点的HSV值,(x2j,y2j,z2j)代表插值填色图标尺的HSV值。
步骤1103:按公式(14)将各层检测图像所有像素点的颜色反演为颜色索引值,并形成相应的二维颜色索引矩阵map:
式中,indexi代表像素点的颜色索引值,x1i代表检测图像中第i个像素点的HSV色相值,x2j代表插值填色图标尺的HSV色相值,min函数用于寻找列向量中的最小元素,location函数用于寻找由min函数求得的最小元素在列向量中的行数。
步骤1104:根据公式(15)-(17)计算两原始检测图像层之间各插值层的颜色索引矩阵。
ratio_am=1-ratio_b (16)
mapm=mapk·ratio_b+mapk+1·ratio_a (17)
式中,ratio_bm代表第m个插值层与第k层原始图像的插值权重,ratio_am代表插值层与第k+1层原始图像的插值权重,mapm代表第m个插值层的颜色索引矩阵,mapk代表第k层原始图像的颜色索引矩阵,mapk+1代表k+1层原始图像的颜色索引矩阵,altitudek代表第k层原始图像的高度,altitudek+1代表第k+1层原始图像的高度,precision代表插值精度。
步骤1105:将各层原始图像和插值层数据变换为空间坐标信息和颜色信息。
步骤1106:设置缺陷特征阈值剔除健康区域。
为了对缺陷位置能够进行精确的可视化处理,在上述步骤107之后,本发明提供的检测方法还执行了以下步骤:
获取缺陷轮廓内图像的像素点数量和二维检测图像的像素点数量。
根据缺陷轮廓内图像的像素点数量和二维检测图像的像素点数量确定木材各层横截面的缺陷面积占比。
对应于上述提供的矩形截面木构件内部缺陷智能检测方法,本发明还提供了一种矩形截面木构件内部缺陷智能检测系统,如图5所示,该系统包括:数据采集模块、数据修正模块、检测图像生成模块、检测图像处理模块、检测图像三维重建模块、分析服务器、显示终端和存储服务器。
分析服务器分别与数据修正模块、检测图像生成模块、检测图像处理模块、检测图像三维重建模块、显示终端和存储服务器连接。存储服务器分别与数据采集模块、数据修正模块、检测图像生成模块、检测图像处理模块和检测图像三维重建模块连接。
数据采集模块用于获取超声波在木材矩形横截面内的传播信息和木材矩形横截面的高度信息,并用于将超声波在木材矩形横截面内的传播信息和木材矩形横截面的高度信息发送至数据修正模块和存储服务器。超声波在木材矩形横截面内的传播信息包括:传播时间和传播路径的起止点坐标。
数据修正模块用于基于超声波波速修正系数修正超声波波速数据得到修正后的超声波波速数据。
检测图像生成模块用于确定木材矩形横截面内修正后的超声波波速数据的分布情况,并按照超声波波速大小进行RGB颜色渐变可视化处理得到木材各层横截面的二维检测图像,并将二维检测图像发送给存储服务器。
检测图像处理模块用于提取存储服务器中存储的二维检测图像,定义二维检测图像中缺陷特征的RGB颜色阈值,并将二维检测图像和缺陷特征的RGB颜色阈值发送至分析服务器。
检测图像三维重建模块用于基于木材中各层横截面的二维检测图像、插值层图像数据、高度列向量和木材中各层横截面的二维检测图像中标记的缺陷轮廓生成三维检测图像。
分析服务器用于基于传播路径的起止点坐标确定各传播路径的传播距离,基于传播时间和传播距离确定木材矩形横截面内的超声波波速数据,基于缺陷特征的RGB颜色阈值对木材各层横截面的二维检测图像中存在的缺陷轮廓进行标记,基于木材矩形横截面的高度信息生成高度列向量,按照层间插值精度确定木材中每两层横截面的二维检测图像之间的插值层图像数据,获取缺陷轮廓内图像的像素点数量和二维检测图像的像素点数量,根据缺陷轮廓内图像的像素点数量和二维检测图像的像素点数量确定木材各层横截面的缺陷面积占比。层间插值精度存储在存储服务器中。
显示终端用于接收分析服务器发送的二维检测图像、带有缺陷轮廓标记的二维检测图像与缺陷面积占比以及矩形木构件完整的三维检测图像,并进行显示。
存储服务器用于接收并存储超声波传播时间数据和高度信息,接收并存储修正后的超声波波速数据与各传播路径的起止点坐标、二维检测图像、带有缺陷轮廓标记的二维检测图像、缺陷的面积占比以及三维检测图像与编号,并存储各树种的超声波波速修正系数。
其中,数据采集模块包括多个超声换能器,超声换能器布设的阵列位置如图6所示。
基于上述描述,相对于现有技术而言,本发明还具有以下有益效果:
1.本发明提供的一种基于图像分析的矩形截面木构件内部缺陷超声智能检测系统,检测图像生成模块和检测图像三维重建模块将矩形截面木构件的内部缺陷进行可视化检测,使二维横截面和三维完整构件的缺陷信息更为直观,通过检测图像分析模块提供的二维检测图像的缺陷轮廓和缺陷面积占比为评估矩形截面木构件的残损情况提供可靠的参考数据。
2.本发明提供的超声波波速修正方法将采集到的超声波波速数据进行修正,使矩形木构件的内部缺陷特征更加突出,显著提高检测图像的精度,并且弥补了现有研究对矩形截面波速修正方法的不足。
3.本发明提供的检测横截面内超声波速分布情况的计算方法实现了对矩形截面木构件内部缺陷的二维可视化检测。
4.本发明提供的矩形木构件三维检测图像重建方法实现了从各个离散的二维检测平面到完整的三维立体图像的转化,设置缺陷特征阈值将健康区域剔除使内部缺陷分布更为直观。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种矩形截面木构件内部缺陷智能检测方法,其特征在于,包括:
获取超声波在木材矩形横截面内的传播信息和木材矩形横截面的高度信息;所述超声波在木材矩形横截面内的传播信息包括:传播时间和传播路径的起止点坐标;
基于所述传播路径的起止点坐标确定各传播路径的传播距离;
基于所述传播时间和所述传播距离确定木材矩形横截面内的超声波波速数据;
获取超声波波速修正系数;
基于所述超声波波速修正系数修正所述超声波波速数据得到修正后的超声波波速数据;
确定木材矩形横截面内修正后的超声波波速数据的分布情况,并按照超声波波速大小进行RGB颜色渐变可视化处理得到木材各层横截面的二维检测图像;
获取缺陷特征的RGB颜色阈值和层间插值精度;
基于所述缺陷特征的RGB颜色阈值对木材各层横截面的所述二维检测图像中存在的缺陷轮廓进行标记;
基于所述木材矩形横截面的高度信息生成高度列向量;
按照层间插值精度确定木材中每两层横截面的二维检测图像之间的插值层图像数据;
基于木材中各层横截面的二维检测图像、插值层图像数据、高度列向量和木材中各层横截面的二维检测图像中标记的缺陷轮廓生成三维检测图像。
2.根据权利要求1所述的矩形截面木构件内部缺陷智能检测方法,其特征在于,在基于所述缺陷特征的RGB颜色阈值对木材各层横截面的所述二维检测图像中存在的缺陷轮廓进行标记之后,还包括:
获取缺陷轮廓内图像的像素点数量和二维检测图像的像素点数量;
根据缺陷轮廓内图像的像素点数量和二维检测图像的像素点数量确定木材各层横截面的缺陷面积占比。
3.根据权利要求1所述的矩形截面木构件内部缺陷智能检测方法,其特征在于,所述基于所述超声波波速修正系数修正所述超声波波速数据得到修正后的超声波波速数据,具体包括:
以木材矩形横截面的对角线为直径,构建一个圆形区域;
延长木材矩形横截面内的传播路径与所述圆形区域相交得到圆形区域的弦;
确定圆形区域的弦与圆形区域直径间的夹角;
基于该传播路径中的超声波波速数据、所述超声波波速修正系数和所述夹角得到修正后的超声波波速数据。
4.根据权利要求3所述的矩形截面木构件内部缺陷智能检测方法,其特征在于,所述修正后的超声波波速数据为v:
v=vr+kθ (1)
式中,θ为圆形区域的弦与圆形区域直径间的夹角,vr为传播路径中的超声波波速数据,k为超声波波速修正系数。
5.根据权利要求1所述的矩形截面木构件内部缺陷智能检测方法,其特征在于,所述确定木材矩形横截面内修正后的超声波波速数据的分布情况,并按照超声波波速大小进行RGB颜色渐变可视化处理得到木材各层横截面的二维检测图像,具体包括:
基于各传播路径的起止点坐标,生成传播射线;
按照修正后的超声波波速数据大小采用RGB颜色渐变可视化处理所述传播射线得到射线图;
将所述射线图中的所有传播射线离散为若干点后,迭代分割传播射线得到分割射线;所述分割射线的长度小于等于射线图中最短传播射线的十六分之一;
以所述分割射线为直径构建圆形邻域;
确定分割射线中的超声波波速;
以传播射线为长轴,以传播射线的十分之一为短轴构建椭圆邻域;
将木材矩形横截面离散为网格图后,确定所述椭圆邻域内的网格点;
以所述分割射线为基础,在所述椭圆邻域内构建分割射线影响区;
基于所述分割射线中的超声波波速确定分割射线影响区中的超声波波速;
基于所述分割射线影响区中的超声波波速确定所述椭圆邻域内的网格点的超声波波速;
基于所述椭圆邻域内的网格点的超声波波速确定木材矩形横截面离散为网格图后每一网格单元的超声波波速;
采用RGB颜色渐变可视化处理每一网格单元的超声波波速得到木材各层横截面的二维检测图像。
6.根据权利要求1所述的矩形截面木构件内部缺陷智能检测方法,其特征在于,所述基于木材中各层横截面的二维检测图像、插值层图像数据、高度列向量和木材中各层横截面的二维检测图像中标记的缺陷轮廓生成三维检测图像,具体包括:
将二维检测图像的所有像素点和二维检测图像采用的RGB插值填色图标尺由RBG值转化为HSV值;
将各层横截面的二维检测图像中的所有像素点的颜色反演为颜色索引值,并形成二维颜色索引矩阵;
确定两层二维检测图像间各插值层的颜色索引矩阵;
基于二维颜色索引矩阵和各插值层的颜色索引矩阵将各层二维检测图像和插值层数据变换为空间坐标信息和颜色信息,得到三维检测图像。
7.一种矩形截面木构件内部缺陷智能检测系统,其特征在于,包括:数据采集模块、数据修正模块、检测图像生成模块、检测图像处理模块、检测图像三维重建模块、分析服务器、显示终端和存储服务器;
所述分析服务器分别与所述数据修正模块、所述检测图像生成模块、所述检测图像处理模块、所述检测图像三维重建模块、所述显示终端和所述存储服务器连接;所述存储服务器分别与所述数据采集模块、所述数据修正模块、所述检测图像生成模块、所述检测图像处理模块和所述检测图像三维重建模块连接;
所述数据采集模块用于获取超声波在木材矩形横截面内的传播信息和木材矩形横截面的高度信息,并用于将超声波在木材矩形横截面内的传播信息和木材矩形横截面的高度信息发送至所述数据修正模块和所述存储服务器;所述超声波在木材矩形横截面内的传播信息包括:传播时间和传播路径的起止点坐标;
所述数据修正模块用于基于超声波波速修正系数修正超声波波速数据得到修正后的超声波波速数据;
所述检测图像生成模块用于确定木材矩形横截面内修正后的超声波波速数据的分布情况,并按照超声波波速大小进行RGB颜色渐变可视化处理得到木材各层横截面的二维检测图像,并将二维检测图像发送给存储服务器;
所述检测图像处理模块用于提取存储服务器中存储的二维检测图像,定义二维检测图像中缺陷特征的RGB颜色阈值,并将二维检测图像和缺陷特征的RGB颜色阈值发送至分析服务器;
所述检测图像三维重建模块用于基于木材中各层横截面的二维检测图像、插值层图像数据、高度列向量和木材中各层横截面的二维检测图像中标记的缺陷轮廓生成三维检测图像;
所述分析服务器用于基于所述传播路径的起止点坐标确定各传播路径的传播距离,基于所述传播时间和所述传播距离确定木材矩形横截面内的超声波波速数据,基于所述缺陷特征的RGB颜色阈值对木材各层横截面的所述二维检测图像中存在的缺陷轮廓进行标记,基于所述木材矩形横截面的高度信息生成高度列向量,按照层间插值精度确定木材中每两层横截面的二维检测图像之间的插值层图像数据,获取缺陷轮廓内图像的像素点数量和二维检测图像的像素点数量,根据缺陷轮廓内图像的像素点数量和二维检测图像的像素点数量确定木材各层横截面的缺陷面积占比;所述层间插值精度存储在存储服务器中;
所述显示终端用于接收分析服务器发送的二维检测图像、带有缺陷轮廓标记的二维检测图像与缺陷面积占比以及矩形木构件完整的三维检测图像,并进行显示;
所述存储服务器用于接收并存储超声波传播时间数据和高度信息,接收并存储修正后的超声波波速数据与各传播路径的起止点坐标、二维检测图像、带有缺陷轮廓标记的二维检测图像、缺陷的面积占比以及三维检测图像与编号,并存储各树种的超声波波速修正系数。
8.根据权利要求7所示的矩形截面木构件内部缺陷智能检测系统,其特征在于,所述数据采集模块包括多个超声换能器。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211244579.7A CN115452948B (zh) | 2022-10-12 | 一种矩形截面木构件内部缺陷智能检测方法及系统 | |
US18/085,811 US20240133848A1 (en) | 2022-10-12 | 2022-12-21 | Intelligent detection method and system for internal defects of wood member with a rectangular section |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211244579.7A CN115452948B (zh) | 2022-10-12 | 一种矩形截面木构件内部缺陷智能检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115452948A true CN115452948A (zh) | 2022-12-09 |
CN115452948B CN115452948B (zh) | 2024-06-25 |
Family
ID=
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011013092A (ja) * | 2009-07-01 | 2011-01-20 | Toshiba Corp | 超音波検査用装置 |
CN106124632A (zh) * | 2016-07-22 | 2016-11-16 | 山东大学 | 一种基于超声波的混凝土密实性评估方法 |
CN106885846A (zh) * | 2017-01-20 | 2017-06-23 | 浙江农林大学 | 树木缺陷检测装置及检测方法 |
CN107300587A (zh) * | 2017-01-20 | 2017-10-27 | 浙江农林大学 | 树木缺陷检测方法 |
CN110940728A (zh) * | 2019-12-17 | 2020-03-31 | 湖北民族大学 | 树木缺陷无损检测方法及装置 |
CN112415092A (zh) * | 2020-11-02 | 2021-02-26 | 机械工业勘察设计研究院有限公司 | 一种古建筑木构件内部残损检测方法 |
CN113899816A (zh) * | 2021-09-10 | 2022-01-07 | 国营芜湖机械厂 | 一种t型复合结构的超声无损检测装置及方法和r区检测方法及装置 |
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011013092A (ja) * | 2009-07-01 | 2011-01-20 | Toshiba Corp | 超音波検査用装置 |
CN106124632A (zh) * | 2016-07-22 | 2016-11-16 | 山东大学 | 一种基于超声波的混凝土密实性评估方法 |
CN106885846A (zh) * | 2017-01-20 | 2017-06-23 | 浙江农林大学 | 树木缺陷检测装置及检测方法 |
CN107300587A (zh) * | 2017-01-20 | 2017-10-27 | 浙江农林大学 | 树木缺陷检测方法 |
CN110940728A (zh) * | 2019-12-17 | 2020-03-31 | 湖北民族大学 | 树木缺陷无损检测方法及装置 |
CN112415092A (zh) * | 2020-11-02 | 2021-02-26 | 机械工业勘察设计研究院有限公司 | 一种古建筑木构件内部残损检测方法 |
CN113899816A (zh) * | 2021-09-10 | 2022-01-07 | 国营芜湖机械厂 | 一种t型复合结构的超声无损检测装置及方法和r区检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
魏喜雯;孙丽萍;许述正;杨扬;杜春晓;: "基于应力波传播速度模型的原木缺陷定量检测", 北京林业大学学报, no. 05, 15 May 2020 (2020-05-15), pages 143 - 154 * |
Also Published As
Publication number | Publication date |
---|---|
US20240133848A1 (en) | 2024-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10048226B2 (en) | Imaging method and apparatus based on magnetic flux leakage testing | |
WO2021218424A1 (zh) | 基于rbf神经网络的航海雷达图像反演海面风速方法 | |
US9361728B2 (en) | Submarine topography construction method based on multi-source water depth data integration | |
CN114548278A (zh) | 基于深度学习的在役隧道衬砌结构缺陷识别方法及系统 | |
CN110888147B (zh) | 一种扫描激光雷达探测数据网格化可视化方法 | |
US11145082B2 (en) | Method for measuring antenna downtilt angle based on deep instance segmentation network | |
CN101231167A (zh) | 海洋测线网系统误差的检测与调整方法 | |
CN110706177B (zh) | 一种侧扫声呐图像灰度均衡化方法及系统 | |
CN111351860A (zh) | 基于Faster R-CNN的木材内部缺陷检测方法 | |
US20200393347A1 (en) | Imaging Method of Internal Defects in Longitudinal Sections of Trees | |
CN105095913A (zh) | 基于近邻正则联合稀疏表示的遥感图像分类方法及系统 | |
CN109934151B (zh) | 一种基于movidius计算芯片和Yolo face的人脸检测方法 | |
JP2018179968A (ja) | 超音波スキャン・データを使った欠陥検出 | |
CN114384547A (zh) | 一种基于雷达传感器模型的保真度检测的评估方法及系统 | |
CN115452948B (zh) | 一种矩形截面木构件内部缺陷智能检测方法及系统 | |
CN115452948A (zh) | 一种矩形截面木构件内部缺陷智能检测方法及系统 | |
CN116957935A (zh) | 基于航迹线约束的侧扫声呐条带图像拼接方法 | |
CN112130166A (zh) | 基于反光板网络的agv定位方法及装置 | |
CN107655978B (zh) | 基于速度修正插值法的木材径切面缺陷成像方法 | |
CN107869971B (zh) | 一种基于三维激光扫描数据计算树冠表面积的方法 | |
CN114720955A (zh) | 一种三维探地雷达多测道数据拼接处理方法及系统 | |
CN114612394A (zh) | 一种基于Yolo网络和DIC技术的混凝土内部损伤预测方法 | |
CN114021422B (zh) | 一种基于跨孔雷达和深度学习的地下结构内部缺陷识别方法 | |
CN115754007A (zh) | 一种基于声发射技术和层析成像技术的损伤检测方法 | |
CN115375925A (zh) | 一种基于相位信息和深度学习的水下声呐图像匹配算法 |
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 |