CN115456994A - 一种核燃料芯块裂痕缺陷类型识别方法及相关组件 - Google Patents
一种核燃料芯块裂痕缺陷类型识别方法及相关组件 Download PDFInfo
- Publication number
- CN115456994A CN115456994A CN202211121516.2A CN202211121516A CN115456994A CN 115456994 A CN115456994 A CN 115456994A CN 202211121516 A CN202211121516 A CN 202211121516A CN 115456994 A CN115456994 A CN 115456994A
- Authority
- CN
- China
- Prior art keywords
- crack
- nuclear fuel
- fuel pellet
- defect
- image
- 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
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/759—Region-based matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06T2207/30148—Semiconductor; IC; Wafer
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
Abstract
本申请公开了一种核燃料芯块裂痕缺陷类型识别方法、装置、设备及存储介质。该方法包括:获取核燃料芯块的缺陷区域图像;对所述缺陷区域图像进行直线拟合处理,拟合得到缺陷区域内的裂纹直线;根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型。可见,通过对缺陷区域进行直线拟合处理,拟合缺陷区域中的微裂纹得到对应的裂纹直线,然后根据裂纹直线与垂直方向之间的夹角大小,结合预设的判断规则,可以判断核燃料芯块在该缺陷区域图像中存在的裂纹的类型。可精确检测出芯块裂痕缺陷类型,提高了芯块裂痕缺陷类型检测的能力,进而有利于反馈给后续生产工艺。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种核燃料芯块裂痕缺陷类型识别方法、装置、设备及存储介质。
背景技术
核燃料芯块为核燃料元件的核心部件,一般为小圆柱块。在芯块生产加工过程中,由于温度及其他不可控因素,其表面可能存在破损、掉块、裂纹等质量缺陷,因此,需要对芯块的外观进行检测并评定其表面质量。传统的核燃料芯块外观检测方法,大都是利用人工目视的方式进行检测,但由于人工目视很难定量去评价每个芯块的表面质量,并且,人工目视检测时的判定标准难以把控,容易导致不同人检测结果不一致,会严重影响检测结果的精确性和重复性,而且人工目视检测评价的效率也比较低。
近年来,利用2D相机的机器视觉技术开始逐步应用于芯块外观缺陷的检测领域,目前核工业中一般是采用机器视觉技术通过对待检芯块的外观缺陷面积进行自动识别计算,从而实现对芯块表面质量的自动检测和评价。
但是,仅根据芯块的外观缺陷面积的大小来进行检测并不能完全反映芯块的表面质量,对芯块表面质量评估的准确性较低。特别对于芯块表面的裂纹缺陷,其面积太小,不适用根据面积大小进行判断,容易出现漏检、误判的情况。
发明内容
有鉴于此,本发明的目的在于提供一种核燃料芯块裂痕缺陷类型识别方法、装置、设备及介质,能够精确检测出芯块裂痕缺陷类型,提高芯块裂痕缺陷类型检测的能力。其具体方案如下:
第一方面,本申请公开了一种核燃料芯块裂痕缺陷类型识别方法,包括:
获取核燃料芯块的缺陷区域图像;
对所述缺陷区域图像进行直线拟合处理,拟合得到缺陷区域内的裂纹直线;
根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型。
可选的,所述获取核燃料芯块的缺陷区域图像,包括:
获取核燃料芯块对应的采集图像;所述采集图像包括端面图像和柱面图像;
对所述采集图像进行图像处理,并根据图像处理结果从所述采集图像中提取出疑似缺陷区域;所述图像处理包括形态学处理和连通域分析;
根据筛选条件从所有所述疑似缺陷区域中筛选出存在裂纹的缺陷区域作为缺陷区域图像。
可选的,所述对所述缺陷区域图像进行直线拟合处理,拟合得到缺陷区域内的裂纹直线,包括:
利用Hough变换对所述缺陷区域图像进行直线检测,根据检测结果拟合得到缺陷区域内的裂纹直线。
可选的,所述根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型,包括:
确定所述缺陷区域图像所在的平面类型;所述平面类型包括端面和柱面;
若所述平面类型为柱面,则利用预设柱面判断规则,根据所述裂纹直线与垂直线的夹角的角度大小,判断所述缺陷区域图像中核燃料芯块裂纹的类型;
若所述平面类型为端面,则利用预设端面判断规则,根据所述裂纹直线与垂直线的夹角的角度大小,判断所述缺陷区域图像中核燃料芯块裂纹的类型。
可选的,所述利用预设柱面判断规则,根据所述裂纹直线与垂直线的夹角的角度大小,判断所述缺陷区域图像中核燃料芯块裂纹的类型,包括:
若所述裂纹直线与垂直线的夹角小于第一预设角度,且所述裂纹直线的长度大于第一预设长度,则判定所述缺陷区域图像中核燃料芯块裂纹的类型为柱面纵向裂纹;
若所述裂纹直线与垂直线的夹角大于第一预设角度且小于第二预设角度,且所述裂纹直线的长度大于第一预设长度,则判定所述缺陷区域图像中核燃料芯块裂纹的类型为柱面斜向裂纹;
若所述裂纹直线与垂直线的夹角大于第二预设角度且小于第三预设角度,且所述裂纹直线的长度大于第一预设长度,则判定所述缺陷区域图像中核燃料芯块裂纹的类型为柱面周向裂纹。
可选的,所述根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型之前,还包括:
判断拟合得到的所述裂纹直线的直线数量,若所述直线数量为1则执行所述根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型的操作;
若所述直线数量大于1,则判断所述缺陷区域图像中核燃料芯块裂纹的类型是否为树枝状裂纹。
可选的,所述判断所述缺陷区域图像中核燃料芯块裂纹的类型是否为树枝状裂纹,包括:
判断所述裂纹直线之间是否存在相交的裂纹直线;
若存在相交的直线,则确定每条所述裂纹直线的长度;
若存在长度大于第二预设长度的裂纹直线,则判定所述缺陷区域图像中核燃料芯块裂纹的类型为树枝状裂纹。
第二方面,本申请公开了一种核燃料芯块裂痕缺陷类型识别装置,包括:
图像获取模块,用于获取核燃料芯块的缺陷区域图像;
直线拟合模块,用于对所述缺陷区域图像进行直线拟合处理,拟合得到缺陷区域内的裂纹直线;
类型判断模块,用于根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型。
第三方面,本申请公开了一种电子设备,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现前述的核燃料芯块裂痕缺陷类型识别方法。
第四方面,本申请公开了一种计算机可读存储介质,用于存储计算机程序;其中计算机程序被处理器执行时实现前述的核燃料芯块裂痕缺陷类型识别方法。
本申请中,获取核燃料芯块的缺陷区域图像;对所述缺陷区域图像进行直线拟合处理,拟合得到缺陷区域内的裂纹直线;根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型。可见,通过对缺陷区域进行直线拟合处理,拟合缺陷区域中的微裂纹得到对应的裂纹直线,然后根据裂纹直线与垂直方向之间的夹角大小,结合预设的判断规则,可以判断核燃料芯块在该缺陷区域图像中存在的裂纹的类型。相比于人工检测,能大大降低工人的检测劳动强度,并且,可精确检测出芯块裂痕缺陷类型,提高了芯块裂痕缺陷类型检测的能力,进而有利于反馈给后续生产工艺。
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,下面将对实施例或现有技术描述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,还可以根据提供的附图获得其他的附图。
图1为本申请提供的一种核燃料芯块裂痕缺陷类型识别方法流程图;
图2为本申请提供的一种具体的核燃料芯块柱面裂纹示意图;
图3为本申请提供的一种具体的核燃料芯块裂痕缺陷类型识别方法流程图;
图4为本申请提供的一种具体的核燃料芯块树枝状裂纹示意图;
图5为本申请提供的一种核燃料芯块裂痕缺陷类型识别装置结构示意图;
图6为本申请提供的一种电子设备结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
现有技术中,采用机器视觉技术通过对待检芯块的外观缺陷面积进行自动识别计算,从而实现对芯块表面质量的自动检测和评价。但是,仅根据芯块的外观缺陷面积的大小来进行检测并不能完全反映芯块的表面质量,对芯块表面质量评估的准确性较低。特别对于芯块表面的裂纹缺陷,其面积太小,不适用根据面积大小进行判断,容易出现漏检、误判的情况。为克服上述技术问题,本申请提出一种核燃料芯块裂痕缺陷类型识别方法,能够精确检测出芯块裂痕缺陷类型,提高芯块裂痕缺陷类型检测的能力。
本申请实施例公开了一种核燃料芯块裂痕缺陷类型识别方法,参见图1所示,该方法可以包括以下步骤:
步骤S11:获取核燃料芯块的缺陷区域图像。
本实施例中,首先获取核燃料芯块的缺陷区域图像,即核燃料芯块上存在裂纹的区域的图像。
本实施例中,所述获取核燃料芯块的缺陷区域图像,可以包括:获取核燃料芯块对应的采集图像;所述采集图像包括端面图像和柱面图像;对所述采集图像进行图像处理,并根据图像处理结果从所述采集图像中提取出疑似缺陷区域;所述图像处理包括形态学处理和连通域分析;根据筛选条件从所有所述疑似缺陷区域中筛选出存在裂纹的缺陷区域作为缺陷区域图像。
可以理解的是,核燃料芯块通常为圆柱体,因此进行缺陷检测时需要获取核燃料芯块的端面图像和柱面图像,可以通过摄像头对待检测的核燃料芯块的各个面进行采集得到。获取到采集图像后,对采集图像进行图像处理,并根据图像处理结果从采集图像中提取出疑似缺陷区域。具体的,可以使用形态学处理、连通域分析等方法对采集图像进行分析,根据处理后得到的图像特征信息提取出疑似缺陷区域。形态学是图像处理中应用最为广泛的技术之一,主要用于从图像中提取对表达和描绘区域形状有意义的图像分量,使后续的识别工作能够抓住目标对象最为本质的形状特征,如边界和连通区域等。形态学的基本思想是利用一种特殊的结构元来测量或提取输入图像中相应的形状或特征,以便进一步进行图像分析和目标识别。在计算机视觉中连通域指图像中的一块连通区域,连通域分析就是对前景/背景分离后的二值图像,进行连通域提取和标记,标记完成的每一个连通域都代表一个前景目标,然后就可以计算连通域的一些相关特征,如面积等。
本实施例中,确定出疑似缺陷区域后,根据针对各类图像特征信息的筛选条件,如形状的面积和长宽比等,根据筛选条件中配置的阈值,从所有疑似缺陷区域中筛选出目标疑似缺陷区域,作为存在裂纹的缺陷区域,对应的图像作为缺陷区域图像
步骤S12:对所述缺陷区域图像进行直线拟合处理,拟合得到缺陷区域内的裂纹直线。
本实施例中,得到缺陷区域图像后,对缺陷区域图像进行直线拟合处理,拟合得到缺陷区域内的裂纹直线。即通过直线拟合处理将缺陷区域图像内的微裂纹拟合为一条直线,例如图2所示,曲线为微裂纹,L0为拟合得到的裂纹直线。
本实施例中,所述对所述缺陷区域图像进行直线拟合处理,拟合得到缺陷区域内的裂纹直线,可以包括:利用Hough变换对所述缺陷区域图像进行直线检测,根据检测结果拟合得到缺陷区域内的裂纹直线。除此之外还可以利用最小二乘法、梯度下降法、高斯牛顿等方法进行直线拟合,现有技术中适用于图像的直线拟合算法均适用于本实施例,且由于直线拟合已成熟应用于图像处理领域,在此不做过多赘述。
步骤S13:根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型。
本实施例中,确定裂纹直线后,根据裂纹直线与垂直方向夹角的夹角大小,结合预设判断规则,判断缺陷区域图像中核燃料芯块裂纹的类型,核燃料芯块裂纹的类型包括纵向裂纹缺陷、斜向裂纹缺陷和周向裂纹缺陷,实现高精度、快速的裂纹类型判断。例如图2所示,α为纹直线与垂直方向的夹角,为了方便直观感受夹角,L1为L0的平行直线。确定出的具体的裂纹缺陷类型可以用于反馈后续生成工序的优化方向。
本实施例中,所述根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型,可以包括:确定所述缺陷区域图像所在的平面类型;所述平面类型包括端面和柱面;若所述平面类型为柱面,则利用预设柱面判断规则,根据所述裂纹直线与垂直线的夹角的角度大小,判断所述缺陷区域图像中核燃料芯块裂纹的类型。本实施例中,先判断缺陷区域也想的平面类型,即判断该缺陷区域是位于柱面还是端面,若是柱面则利用柱面对应的判断规则进行核燃料芯块裂纹类型的判断。
本实施例中,所述利用预设柱面判断规则,根据所述裂纹直线与垂直线的夹角的角度大小,判断所述缺陷区域图像中核燃料芯块裂纹的类型,可以包括:若所述裂纹直线与垂直线的夹角小于第一预设角度,且所述裂纹直线的长度大于第一预设长度,则判定所述缺陷区域图像中核燃料芯块裂纹的类型为柱面纵向裂纹;若所述裂纹直线与垂直线的夹角大于第一预设角度且小于第二预设角度,且所述裂纹直线的长度大于第一预设长度,则判定所述缺陷区域图像中核燃料芯块裂纹的类型为柱面斜向裂纹;若所述裂纹直线与垂直线的夹角大于第二预设角度且小于第三预设角度,且所述裂纹直线的长度大于第一预设长度,则判定所述缺陷区域图像中核燃料芯块裂纹的类型为柱面周向裂纹。
其中,上述第一预设角度可以为20°,第二预设角度可以为75°,第三预设角度可以为90°,第一预设长度可以为4mm。例如图2所示,即若夹角小于20°,且拟合直线L0长度大于4mm,且位于柱面上,则该疑似缺陷判为柱面纵向裂纹缺陷;若夹角的范围20°<75°,且拟合直线L0长度大于4mm,且位于柱面上,则该疑似缺陷判为柱面斜向裂纹缺陷;若夹角的范围75°<90°,且拟合直线L0长度大于4mm,且位于柱面上,则该疑似缺陷判为柱面周向裂纹缺陷。
由上可见,本实施例中获取核燃料芯块的缺陷区域图像;对所述缺陷区域图像进行直线拟合处理,拟合得到缺陷区域内的裂纹直线;根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型。可见,通过对缺陷区域进行直线拟合处理,拟合缺陷区域中的微裂纹得到对应的裂纹直线,然后根据裂纹直线与垂直方向之间的夹角大小,结合预设的判断规则,可以判断核燃料芯块在该缺陷区域图像中存在的裂纹的类型。相比于人工检测,能大大降低工人的检测劳动强度,并且,可精确检测出芯块裂痕缺陷类型,提高了芯块裂痕缺陷类型检测的能力,进而有利于反馈给后续生产工艺。
本申请实施例公开了一种具体的核燃料芯块裂痕缺陷类型识别方法,参见图3所示,该方法可以包括以下步骤:
步骤S21:获取核燃料芯块的缺陷区域图像。
步骤S22:对所述缺陷区域图像进行直线拟合处理,拟合得到缺陷区域内的裂纹直线。
步骤S23:判断拟合得到的所述裂纹直线的直线数量,若所述直线数量为1则执行根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型的操作。
本实施例中,拟合得到缺陷区域内的裂纹直线后,先判断拟合得到的裂纹直线的直线数量。若拟合得到的裂纹直线的直线数量为1,则执行上述实施例中根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型的操作。
步骤S24:若所述直线数量大于1,则判断所述裂纹直线之间是否存在相交的裂纹直线。
本实施例中,若拟合得到的裂纹直线的直线数量于1,则进一步判断这些裂纹直线之前是否存在相交的裂纹直线。
步骤S25:若存在相交的直线,则确定每条所述裂纹直线的长度,若存在长度大于第二预设长度的裂纹直线,则判定所述缺陷区域图像中核燃料芯块裂纹的类型为树枝状裂纹。
本实施例中,若拟合得到的多个裂纹直线内任意两个或多个裂纹直线间存在相交的直线,则确定每条裂纹直线的长度,若存在长度大于第二预设长度的裂纹直线,则判定缺陷区域图像中核燃料芯块裂纹的类型为树枝状裂纹。
即拟合得到的多个裂纹直线L0,确定每个裂纹直线的长度,若多条直线有相交的情况,并且某一裂纹长度L0大于1.00mm,则该缺陷区域存在树枝状裂纹,例如图4所示。若缺陷区域图像位于端面,则判定核燃料芯块裂纹的类型为端面树枝状裂纹;若缺陷区域图像位于柱面,则判定核燃料芯块裂纹的类型为柱面树枝状裂纹。
其中,关于上述步骤S21、步骤S22的具体过程可以参考前述实施例公开的相应内容,在此不再进行赘述。
由上可见,本实施例中判断拟合得到的所述裂纹直线的直线数量,若所述直线数量为1则执行根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型的操作;若所述直线数量大于1,则判断所述裂纹直线之间是否存在相交的裂纹直线;若存在相交的直线,则确定每条所述裂纹直线的长度,若存在长度大于第二预设长度的裂纹直线,则判定所述缺陷区域图像中核燃料芯块裂纹的类型为树枝状裂纹。可见,在拟合得到1条裂纹直线时,根据裂纹直线与垂直线的夹角判断裂纹类型,当拟合得到多条裂纹直线时,可以根据是否相交等条件判断是否为树枝状裂纹,进一步提高了裂纹判断的能力和精确度。
相应的,本申请实施例还公开了一种核燃料芯块裂痕缺陷类型识别装置,参见图5所示,该装置包括:
图像获取模块11,用于获取核燃料芯块的缺陷区域图像;
直线拟合模块12,用于对所述缺陷区域图像进行直线拟合处理,拟合得到缺陷区域内的裂纹直线;
类型判断模块13,用于根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型。
由上可见,本实施例中获取核燃料芯块的缺陷区域图像;对所述缺陷区域图像进行直线拟合处理,拟合得到缺陷区域内的裂纹直线;根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型。可见,通过对缺陷区域进行直线拟合处理,拟合缺陷区域中的微裂纹得到对应的裂纹直线,然后根据裂纹直线与垂直方向之间的夹角大小,结合预设的判断规则,可以判断核燃料芯块在该缺陷区域图像中存在的裂纹的类型。相比于人工检测,能大大降低工人的检测劳动强度,并且,可精确检测出芯块裂痕缺陷类型,提高了芯块裂痕缺陷类型检测的能力,进而有利于反馈给后续生产工艺。
在一些具体实施例中,所述图像获取模块11具体可以包括:
采集图像获取单元,用于获取核燃料芯块对应的采集图像;所述采集图像包括端面图像和柱面图像;
疑似缺陷区域确定单元,用于对所述采集图像进行图像处理,并根据图像处理结果从所述采集图像中提取出疑似缺陷区域;所述图像处理包括形态学处理和连通域分析;
缺陷区域图像确定单元,用于根据筛选条件从所有所述疑似缺陷区域中筛选出存在裂纹的缺陷区域作为缺陷区域图像。
在一些具体实施例中,所述直线拟合模块12具体可以包括:
直线检测单元,用于利用Hough变换对所述缺陷区域图像进行直线检测,根据检测结果拟合得到缺陷区域内的裂纹直线。
在一些具体实施例中,所述类型判断模块13具体可以包括:
平面类型确定单元,用于确定所述缺陷区域图像所在的平面类型;所述平面类型包括端面和柱面;
第一判断单元,用于若所述平面类型为柱面,则利用预设柱面判断规则,根据所述裂纹直线与垂直线的夹角的角度大小,判断所述缺陷区域图像中核燃料芯块裂纹的类型;
第二判断单元,用于若所述平面类型为端面,则利用预设端面判断规则,根据所述裂纹直线与垂直线的夹角的角度大小,判断所述缺陷区域图像中核燃料芯块裂纹的类型。
在一些具体实施例中,所述第一判断单元具体可以包括:
柱面纵向裂纹判断单元,用于若所述裂纹直线与垂直线的夹角小于第一预设角度,且所述裂纹直线的长度大于第一预设长度,则判定所述缺陷区域图像中核燃料芯块裂纹的类型为柱面纵向裂纹;
柱面斜向裂纹判断单元,用于若所述裂纹直线与垂直线的夹角大于第一预设角度且小于第二预设角度,且所述裂纹直线的长度大于第一预设长度,则判定所述缺陷区域图像中核燃料芯块裂纹的类型为柱面斜向裂纹;
柱面周向裂纹判断单元,用于若所述裂纹直线与垂直线的夹角大于第二预设角度且小于第三预设角度,且所述裂纹直线的长度大于第一预设长度,则判定所述缺陷区域图像中核燃料芯块裂纹的类型为柱面周向裂纹。
在一些具体实施例中,所述核燃料芯块裂痕缺陷类型识别装置具体可以包括:
数量判断单元,用于判断拟合得到的所述裂纹直线的直线数量,若所述直线数量为1则执行所述根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型的操作;
树枝状裂纹判断单元,用于若所述直线数量大于1,则判断所述缺陷区域图像中核燃料芯块裂纹的类型是否为树枝状裂纹。
在一些具体实施例中,所述树枝状裂纹判断单元具体可以包括:
相交判断单元,用于判断所述裂纹直线之间是否存在相交的裂纹直线;
长度确定单元,用于若存在相交的直线,则确定每条所述裂纹直线的长度;
树枝状裂纹确定单元,用于若存在长度大于第二预设长度的裂纹直线,则判定所述缺陷区域图像中核燃料芯块裂纹的类型为树枝状裂纹。
进一步的,本申请实施例还公开了一种电子设备,参见图6所示,图中的内容不能被认为是对本申请的使用范围的任何限制。
图6为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20,具体可以包括:至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中,所述存储器22用于存储计算机程序,所述计算机程序由所述处理器21加载并执行,以实现前述任一实施例公开的核燃料芯块裂痕缺陷类型识别方法中的相关步骤。
本实施例中,电源23用于为电子设备20上的各硬件设备提供工作电压;通信接口24能够为电子设备20创建与外界设备之间的数据传输通道,其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议,在此不对其进行具体限定;输入输出接口25,用于获取外界输入数据或向外界输出数据,其具体的接口类型可以根据具体应用需要进行选取,在此不进行具体限定。
另外,存储器22作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,其上所存储的资源包括操作系统221、计算机程序222及包括缺陷区域图像在内的数据223等,存储方式可以是短暂存储或者永久存储。
其中,操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222,以实现处理器21对存储器22中海量数据223的运算与处理,其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的核燃料芯块裂痕缺陷类型识别方法的计算机程序之外,还可以进一步包括能够用于完成其他特定工作的计算机程序。
进一步的,本申请实施例还公开了一种计算机存储介质,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现前述任一实施例公开的核燃料芯块裂痕缺陷类型识别方法步骤。
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它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种核燃料芯块裂痕缺陷类型识别方法、装置、设备及介质进行了详细介绍,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 (10)
1.一种核燃料芯块裂痕缺陷类型识别方法,其特征在于,包括:
获取核燃料芯块的缺陷区域图像;
对所述缺陷区域图像进行直线拟合处理,拟合得到缺陷区域内的裂纹直线;
根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型。
2.根据权利要求1所述的核燃料芯块裂痕缺陷类型识别方法,其特征在于,所述获取核燃料芯块的缺陷区域图像,包括:
获取核燃料芯块对应的采集图像;所述采集图像包括端面图像和柱面图像;
对所述采集图像进行图像处理,并根据图像处理结果从所述采集图像中提取出疑似缺陷区域;所述图像处理包括形态学处理和连通域分析;
根据筛选条件从所有所述疑似缺陷区域中筛选出存在裂纹的缺陷区域作为缺陷区域图像。
3.根据权利要求1所述的核燃料芯块裂痕缺陷类型识别方法,其特征在于,所述对所述缺陷区域图像进行直线拟合处理,拟合得到缺陷区域内的裂纹直线,包括:
利用Hough变换对所述缺陷区域图像进行直线检测,根据检测结果拟合得到缺陷区域内的裂纹直线。
4.根据权利要求1所述的核燃料芯块裂痕缺陷类型识别方法,其特征在于,所述根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型,包括:
确定所述缺陷区域图像所在的平面类型;所述平面类型包括端面和柱面;
若所述平面类型为柱面,则利用预设柱面判断规则,根据所述裂纹直线与垂直线的夹角的角度大小,判断所述缺陷区域图像中核燃料芯块裂纹的类型。
5.根据权利要求4所述的核燃料芯块裂痕缺陷类型识别方法,其特征在于,所述利用预设柱面判断规则,根据所述裂纹直线与垂直线的夹角的角度大小,判断所述缺陷区域图像中核燃料芯块裂纹的类型,包括:
若所述裂纹直线与垂直线的夹角小于第一预设角度,且所述裂纹直线的长度大于第一预设长度,则判定所述缺陷区域图像中核燃料芯块裂纹的类型为柱面纵向裂纹;
若所述裂纹直线与垂直线的夹角大于第一预设角度且小于第二预设角度,且所述裂纹直线的长度大于第一预设长度,则判定所述缺陷区域图像中核燃料芯块裂纹的类型为柱面斜向裂纹;
若所述裂纹直线与垂直线的夹角大于第二预设角度且小于第三预设角度,且所述裂纹直线的长度大于第一预设长度,则判定所述缺陷区域图像中核燃料芯块裂纹的类型为柱面周向裂纹。
6.根据权利要求1至5任一项所述的核燃料芯块裂痕缺陷类型识别方法,其特征在于,所述根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型之前,还包括:
判断拟合得到的所述裂纹直线的直线数量,若所述直线数量为1则执行所述根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型的操作;
若所述直线数量大于1,则判断所述缺陷区域图像中核燃料芯块裂纹的类型是否为树枝状裂纹。
7.根据权利要求6所述的核燃料芯块裂痕缺陷类型识别方法,其特征在于,所述判断所述缺陷区域图像中核燃料芯块裂纹的类型是否为树枝状裂纹,包括:
判断所述裂纹直线之间是否存在相交的裂纹直线;
若存在相交的直线,则确定每条所述裂纹直线的长度;
若存在长度大于第二预设长度的裂纹直线,则判定所述缺陷区域图像中核燃料芯块裂纹的类型为树枝状裂纹。
8.一种核燃料芯块裂痕缺陷类型识别装置,其特征在于,包括:
图像获取模块,用于获取核燃料芯块的缺陷区域图像;
直线拟合模块,用于对所述缺陷区域图像进行直线拟合处理,拟合得到缺陷区域内的裂纹直线;
类型判断模块,用于根据所述裂纹直线与垂直线的夹角的角度大小以及预设判断规则,判断所述缺陷区域图像中核燃料芯块裂纹的类型。
9.一种电子设备,其特征在于,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现如权利要求1至7任一项所述的核燃料芯块裂痕缺陷类型识别方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序;其中计算机程序被处理器执行时实现如权利要求1至7任一项所述的核燃料芯块裂痕缺陷类型识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211121516.2A CN115456994A (zh) | 2022-09-15 | 2022-09-15 | 一种核燃料芯块裂痕缺陷类型识别方法及相关组件 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211121516.2A CN115456994A (zh) | 2022-09-15 | 2022-09-15 | 一种核燃料芯块裂痕缺陷类型识别方法及相关组件 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115456994A true CN115456994A (zh) | 2022-12-09 |
Family
ID=84305185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211121516.2A Pending CN115456994A (zh) | 2022-09-15 | 2022-09-15 | 一种核燃料芯块裂痕缺陷类型识别方法及相关组件 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115456994A (zh) |
-
2022
- 2022-09-15 CN CN202211121516.2A patent/CN115456994A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110570410B (zh) | 一种自动识别检测焊缝缺陷的检测方法 | |
CN111693534B (zh) | 表面缺陷的检测方法、模型训练方法、装置、设备和介质 | |
CN112837290B (zh) | 一种基于种子填充算法的裂缝图像自动识别方法 | |
CN103020609B (zh) | 复杂纤维图像的识别方法 | |
CN103400139A (zh) | 一种混凝土裂缝特征信息的识别方法 | |
CN112529884B (zh) | 一种基于压痕特征图像识别的焊点质量评价方法 | |
RU2003108433A (ru) | Способ предварительной обработки изображения машиночитаемой формы | |
CN111598827A (zh) | 外观瑕疵检测方法、电子装置及存储介质 | |
WO2024002187A1 (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN104614386A (zh) | 一种镜片疵病类型的识别方法 | |
CN115471466A (zh) | 一种基于人工智能的钢材表面缺陷检测方法及系统 | |
CN115526885A (zh) | 一种产品图像缺陷检测方法、系统、装置及介质 | |
CN111368824A (zh) | 一种仪表识别方法、移动设备及存储介质 | |
CN114677348A (zh) | 一种基于视觉的ic芯片缺陷的检测方法、系统和存储介质 | |
CN115456996A (zh) | 一种核燃料芯块的离散性缺陷检测方法及相关组件 | |
CN115456994A (zh) | 一种核燃料芯块裂痕缺陷类型识别方法及相关组件 | |
CN116051558B (zh) | 一种缺陷图像标注方法、装置、设备及介质 | |
CN115272381B (zh) | 一种金属线分割方法、装置、电子设备及存储介质 | |
CN116309471A (zh) | 一种质量缺陷预警方法、装置、电子设备以及介质 | |
CN116071335A (zh) | 墙面验收方法、装置、设备及存储介质 | |
WO2019128366A1 (zh) | 一种试样槽口定位方法及装置 | |
CN112907498B (zh) | 一种孔隙识别方法、装置、设备及存储介质 | |
KR20200035732A (ko) | 홀 확장성 시험장치 및 시험방법 및 작동 프로그램 | |
CN114882009A (zh) | 可适应多种表面状态的疲劳裂纹尖端自动检测方法及系统 | |
CN108765381B (zh) | 一种水利工程裂纹提取方法及系统、信息处理终端 |
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 |