CN115456996A - 一种核燃料芯块的离散性缺陷检测方法及相关组件 - Google Patents

一种核燃料芯块的离散性缺陷检测方法及相关组件 Download PDF

Info

Publication number
CN115456996A
CN115456996A CN202211121737.XA CN202211121737A CN115456996A CN 115456996 A CN115456996 A CN 115456996A CN 202211121737 A CN202211121737 A CN 202211121737A CN 115456996 A CN115456996 A CN 115456996A
Authority
CN
China
Prior art keywords
width
microcracks
image
defect
area
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
CN202211121737.XA
Other languages
English (en)
Inventor
何铭仪
许江华
胡芬
张志勇
吴婕
倪军
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.)
Hangzhou AIMS Intelligent Technology Co Ltd
Original Assignee
Hangzhou AIMS Intelligent Technology 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 Hangzhou AIMS Intelligent Technology Co Ltd filed Critical Hangzhou AIMS Intelligent Technology Co Ltd
Priority to CN202211121737.XA priority Critical patent/CN115456996A/zh
Publication of CN115456996A publication Critical patent/CN115456996A/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
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • 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
    • G06V10/54—Extraction of image or video features relating to texture
    • 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
    • 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

Abstract

本申请公开了一种核燃料芯块的离散性缺陷检测方法、装置、设备及存储介质。该方法包括：利用阈值分割和形态学处理，对核燃料芯块的缺陷区域图像进行分割以便将所述缺陷区域图像中的微裂纹分离，得到每个微裂纹对应的多边形区域；确定所述多边形区域内所述微裂纹的骨架，根据所述骨架确定所述微裂纹对应的裂纹直线，并计算所述多边形区域内所述微裂纹的宽度；根据所述宽度、所述裂纹直线和微裂纹判断规则判断所述缺陷区域图像内是否存在离散性缺陷。针对小片离散性的细条纹缺陷进行检测，可精确检测出芯块离散性缺陷类型，避免被误检判断为掉块、缺块等缺陷，提高了芯块离散性缺陷检测的能力。

Description

一种核燃料芯块的离散性缺陷检测方法及相关组件
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的离散性缺陷检测方法、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。但是对于小片离散性的细条纹缺陷，传统的检测算法无法进行准确判断，此类型缺陷通常会被误检判断为掉块、缺块等缺陷类型，因此也会误导后续生产工艺的改进方向。
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的离散性缺陷检测方法、装置、设备及介质，能够精确检测出芯块离散性缺陷，避免被误检判断为掉块、缺块等缺陷。其具体方案如下：
第一方面，本申请公开了一种核燃料芯块的离散性缺陷检测方法，包括：
利用阈值分割和形态学处理，对核燃料芯块的缺陷区域图像进行分割以便将所述缺陷区域图像中的微裂纹分离，得到每个微裂纹对应的多边形区域；
确定所述多边形区域内所述微裂纹的骨架，根据所述骨架确定所述微裂纹对应的裂纹直线，并计算所述多边形区域内所述微裂纹的宽度；
根据所述宽度、所述裂纹直线和微裂纹判断规则判断所述缺陷区域图像内是否存在离散性缺陷。
可选的，所述确定所述多边形区域内所述微裂纹的骨架，根据所述骨架确定所述微裂纹对应的裂纹直线，包括：
利用形态学的骨架方法提取所述多边形区域中所述微裂纹的骨架；
确定所述骨架上距离最远的两个点，基于所述两个点生成所述骨架对应的直线，以得到所述微裂纹对应的裂纹直线。
可选的，所述计算所述多边形区域内所述微裂纹的宽度，包括：
按照预设分割数量对所述裂纹直线进行等分，得到等分后每段裂纹直线对应在所述多边形区域中的分割后区域，以得到所述预设数量的分割后区域；
计算每个所述分割后区域内每段微裂纹对应的单段宽度，根据所有所述单段宽度计算得到单段宽度均值，将所述单段宽度均值作为所述多边形区域内所述微裂纹的宽度。
可选的，所述计算每个所述分割后区域内每段微裂纹对应的单段宽度，包括：
确定每个所述分割后区域对应的最大内接圆，并计算每个最大内接圆的半径；
根据所述半径得到每个所述分割后区域内每段微裂纹对应的单段宽度。
可选的，所述根据所述宽度、所述裂纹直线和微裂纹判断规则判断所述缺陷区域图像内是否存在离散性缺陷，包括：
判断所述宽度是否大于预设宽度阈值，以及所述裂纹直线的长度是否在预设长度范围内；
若所述宽度大于所述预设宽度阈值，且所述裂纹直线的长度在所述预设长度范围内，则判定所述多边形区域存在缺陷；
若预设数量的所述多边形区域均存在缺陷，则判定所述缺陷区域图像内存在离散性缺陷。
可选的，所述利用阈值分割和形态学处理，对核燃料芯块的缺陷区域图像进行分割以便将所述缺陷区域图像中的微裂纹分离之前，还包括：
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，所述计算所述多边形区域内所述微裂纹的宽度，包括：
通过对所述裂纹直线进行平移，得到与所述多边形区域内所述微裂纹相切的两条目标裂纹直线；
根据所述两条目标裂纹直线之间的距离，确定所述多边形区域内所述微裂纹的宽度。
第二方面，本申请公开了一种核燃料芯块的离散性缺陷检测装置，包括：
分割模块，用于利用阈值分割和形态学处理，对核燃料芯块的缺陷区域图像进行分割以便将所述缺陷区域图像中的微裂纹分离，得到每个微裂纹对应的多边形区域；
裂纹信息确定模块，用于确定所述多边形区域内所述微裂纹的骨架，根据所述骨架确定所述微裂纹对应的裂纹直线，并计算所述多边形区域内所述微裂纹的宽度；
判断模块，用于根据所述宽度、所述裂纹直线和微裂纹判断规则判断所述缺陷区域图像内是否存在离散性缺陷。
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的离散性缺陷检测方法。
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的离散性缺陷检测方法。
本申请中，利用阈值分割和形态学处理，对核燃料芯块的缺陷区域图像进行分割以便将所述缺陷区域图像中的微裂纹分离，得到每个微裂纹对应的多边形区域；确定所述多边形区域内所述微裂纹的骨架，根据所述骨架确定所述微裂纹对应的裂纹直线，并计算所述多边形区域内所述微裂纹的宽度；根据所述宽度、所述裂纹直线和微裂纹判断规则判断所述缺陷区域图像内是否存在离散性缺陷。可见，通过对核燃料芯块的缺陷区域图像进行分割，得到缺陷区域内每个微裂纹对应的多边形区域，根据骨架确定多边形区域内微裂纹对应的裂纹直线，并计算微裂纹的宽度，最后根据宽度、裂纹直线和微裂纹判断规则判断缺陷区域图像内是否存在离散性缺陷。针对小片离散性的细条纹缺陷进行检测，可精确检测出芯块离散性缺陷类型，避免被误检判断为掉块、缺块等缺陷，提高了芯块离散性缺陷检测的能力。
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的离散性缺陷检测方法流程图；
图2为本申请提供的一种具体的离散性缺陷示意图；
图3为本申请提供的一种具体的微裂纹的宽度计算方法流程图；
图4为本申请提供的另一种具体的微裂纹的宽度计算方法流程图；
图5为本申请提供的一种核燃料芯块的离散性缺陷检测装置结构示意图；
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，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。但是对于小片离散性的细条纹缺陷，传统的检测算法无法进行准确判断，此类型缺陷通常会被误检判断为掉块、缺块等缺陷类型。为克服上述技术问题，本申请中提出一种核燃料芯块的离散性缺陷检测方法，能够精确检测出芯块离散性缺陷，避免被误检判断为掉块、缺块等缺陷。
本申请实施例公开了一种核燃料芯块的离散性缺陷检测方法，参见图1所示，该方法可以包括以下步骤：
步骤S11：利用阈值分割和形态学处理，对核燃料芯块的缺陷区域图像进行分割以便将所述缺陷区域图像中的微裂纹分离，得到每个微裂纹对应的多边形区域。
本实施例中，首先利用阈值分割和形态学处理，对核燃料芯块的缺陷区域图像进行分割，以便将缺陷区域图像中的微裂纹分离，得到每个微裂纹对应的多边形区域。例如图2所示，通过对核燃料芯块的缺陷区域图像进行阈值分割和形态学处理，根据处理结果，将其中的每个微裂纹提取出来，本实施例中利用多边形对微裂纹进行框选，得到每个微裂纹对应的多边形区域。其中，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。阈值分割法是一种基于区域的图像分割技术，原理是把图像像素点分为若干类，图像阈值化分割是一种传统的最常用的图像分割方法，图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性。可见，由于利用裂纹区域与无裂纹区域的像素差异，将裂纹提取出俩。
本实施例中，所述利用阈值分割和形态学处理，对核燃料芯块的缺陷区域图像进行分割以便将所述缺陷区域图像中的微裂纹分离之前，还包括：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。
由于核燃料芯块通常为圆柱体，通过摄像头对待检测的核燃料芯块的端面和柱面进行采集，得到采集图像，然后对采集图像进行形态学处理和连通域分析，形态学处理能够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。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。最后根据图像处理结果从采集图像中提取出疑似缺陷区域。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，如从图片中确定的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，作为存在缺陷的区域，对应的图像作为缺陷区域图像。
步骤S12：确定所述多边形区域内所述微裂纹的骨架，根据所述骨架确定所述微裂纹对应的裂纹直线，并计算所述多边形区域内所述微裂纹的宽度。
本实施例中，确定每个多边形区域内微裂纹的骨架，根据骨架确定微裂纹对应的裂纹直线，并计算多边形区域内微裂纹的宽度。微裂纹的宽度为微裂纹占据的巨大宽度，由于微裂纹通常呈现为曲线，微裂纹的宽度受曲线的幅度影响。
本实施例中，所述确定所述多边形区域内所述微裂纹的骨架，根据所述骨架确定所述微裂纹对应的裂纹直线，可以包括：利用形态学的骨架方法提取所述多边形区域中所述微裂纹的骨架；确定所述骨架上距离最远的两个点，基于所述两个点生成所述骨架对应的直线，以得到所述微裂纹对应的裂纹直线。骨架提取就是根据各个连通区域，将其抽离出与其轮廓近似的单像素表示形态。本实施例中通过对多边形区域进行骨架提取，得到微裂纹的骨架，然后将骨架上距离最远的两个点之间的连线作为微裂纹对应的裂纹直线。
步骤S13：根据所述宽度、所述裂纹直线和微裂纹判断规则判断所述缺陷区域图像内是否存在离散性缺陷。
本实施例中，根据得到的微裂纹的宽度、裂纹直线和微裂纹判断规则判断缺陷区域图像内是否存在离散性缺陷。
本实施例中，所述根据所述宽度、所述裂纹直线和微裂纹判断规则判断所述缺陷区域图像内是否存在离散性缺陷，可以包括：判断所述宽度是否大于预设宽度阈值，以及所述裂纹直线的长度是否在预设长度范围内；若所述宽度大于所述预设宽度阈值，且所述裂纹直线的长度在所述预设长度范围内，则判定所述多边形区域存在缺陷；若预设数量的所述多边形区域均存在缺陷，则判定所述缺陷区域图像内存在离散性缺陷。上述宽度阈值可以为0.1mm，预设长度范围可以为1mm-4mm，即若设裂纹直线的长度为L，微裂纹的宽度为W，若1mm<L<4mm，W>0.1mm，则对应的多边形区域存在缺陷，若预设数量的多边形区域均存在缺陷，则判定缺陷区域图像内存在离散性缺陷。确定出离散性缺陷可以用于反馈后续生成工序的优化方向。
由上可见，本实施例中利用阈值分割和形态学处理，对核燃料芯块的缺陷区域图像进行分割以便将所述缺陷区域图像中的微裂纹分离，得到每个微裂纹对应的多边形区域；确定所述多边形区域内所述微裂纹的骨架，根据所述骨架确定所述微裂纹对应的裂纹直线，并计算所述多边形区域内所述微裂纹的宽度；根据所述宽度、所述裂纹直线和微裂纹判断规则判断所述缺陷区域图像内是否存在离散性缺陷。可见，通过对核燃料芯块的缺陷区域图像进行分割，得到缺陷区域内每个微裂纹对应的多边形区域，根据骨架确定多边形区域内微裂纹对应的裂纹直线，并计算微裂纹的宽度，最后根据宽度、裂纹直线和微裂纹判断规则判断缺陷区域图像内是否存在离散性缺陷。针对小片离散性的细条纹缺陷进行检测，可精确检测出芯块离散性缺陷类型，避免被误检判断为掉块、缺块等缺陷，提高了芯块离散性缺陷检测的能力。
本申请实施例公开了一种具体的微裂纹的宽度计算方法，参见图3所示，该方法可以包括以下步骤：
步骤S21：按照预设分割数量对所述裂纹直线进行等分，得到等分后每段裂纹直线对应在所述多边形区域中的分割后区域，以得到所述预设数量的分割后区域。
本实施例中，对确定的裂纹直线按照预设分割数量进行等分，得到等分后每段裂纹直线对应在多边形区域中的分割后区域，即通过对裂纹直线等分，同时实现对多边形区域的分割，并得到与裂纹直线等分相同数量的分割后区域。
步骤S22：计算每个所述分割后区域内每段微裂纹对应的单段宽度，根据所有所述单段宽度计算得到单段宽度均值，将所述单段宽度均值作为所述多边形区域内所述微裂纹的宽度。
本实施例中，计算每个分割后区域内每段微裂纹对应的单段宽度，根据所有单段宽度进行平均值计算，得到该多边形区域对应的单段宽度均值，将该单段宽度均值作为多边形区域内微裂纹的宽度。
本实施例中，所述计算每个所述分割后区域内每段微裂纹对应的单段宽度，可以包括：确定每个所述分割后区域对应的最大内接圆，并计算每个最大内接圆的半径；根据所述半径得到每个所述分割后区域内每段微裂纹对应的单段宽度。即本实施例中，具体可以利用最大内接圆的半径求解每段微裂纹对应的单段宽度。上述预设分割数量可以为10，即将每个多边形区域分割为10份，每等分区域进行最大内接圆操作，得到10个最大内接圆半径，对10个最大内接圆半径取均值，得到均值半径R0，R0视为该多边形区域内微裂纹的宽度。
由上可见，本实施例中按照预设分割数量对所述裂纹直线进行等分，得到等分后每段裂纹直线对应在所述多边形区域中的分割后区域，以得到所述预设数量的分割后区域；计算每个所述分割后区域内每段微裂纹对应的单段宽度，根据所有所述单段宽度计算得到单段宽度均值，将所述单段宽度均值作为所述多边形区域内所述微裂纹的宽度。通过分割后，利用最大内接圆半径确定每段微裂纹对应的单段宽度，然后根据每个最大内接圆半径取均值作为多边形区域内微裂纹的宽度，实现对多边形区域内微裂纹的宽度的精确计算。
本申请实施例公开了一种具体的微裂纹的宽度计算方法，参见图4所示，该方法可以包括以下步骤：
步骤S31：通过对所述裂纹直线进行平移，得到与所述多边形区域内所述微裂纹相切的两条目标裂纹直线。
本实施例中，确定裂纹直线后，将裂纹直线进行平移，能够得到两条分别与微裂纹相切的直线，将这两条直线作为目标裂纹直线，也就是说裂纹在这两条平行的目标裂纹直线之间。
步骤S32：根据所述两条目标裂纹直线之间的距离，确定所述多边形区域内所述微裂纹的宽度。
本实施例中，通过计算这两条平行的目标裂纹直线之间的最短距离，并将该最短距离作为多边形区域内微裂纹的宽度。
由上可见，本实施例中通过对所述裂纹直线进行平移，得到与所述多边形区域内所述微裂纹相切的两条目标裂纹直线；根据所述两条目标裂纹直线之间的距离，确定所述多边形区域内所述微裂纹的宽度。通过直接将裂纹直线进行平移，根据平移后得到的两条与微裂纹相切的目标裂纹直线，最后根据这两条目标裂纹直线之间的距离得到微裂纹的宽度，实现微裂纹的宽度的快速计算。
相应的，本申请实施例还公开了一种核燃料芯块的离散性缺陷检测装置，参见图5所示，该装置包括：
分割模块11，用于利用阈值分割和形态学处理，对核燃料芯块的缺陷区域图像进行分割以便将所述缺陷区域图像中的微裂纹分离，得到每个微裂纹对应的多边形区域；
裂纹信息确定模块12，用于确定所述多边形区域内所述微裂纹的骨架，根据所述骨架确定所述微裂纹对应的裂纹直线，并计算所述多边形区域内所述微裂纹的宽度；
判断模块13，用于根据所述宽度、所述裂纹直线和微裂纹判断规则判断所述缺陷区域图像内是否存在离散性缺陷。
由上可见，本实施例中利用阈值分割和形态学处理，对核燃料芯块的缺陷区域图像进行分割以便将所述缺陷区域图像中的微裂纹分离，得到每个微裂纹对应的多边形区域；确定所述多边形区域内所述微裂纹的骨架，根据所述骨架确定所述微裂纹对应的裂纹直线，并计算所述多边形区域内所述微裂纹的宽度；根据所述宽度、所述裂纹直线和微裂纹判断规则判断所述缺陷区域图像内是否存在离散性缺陷。可见，通过对核燃料芯块的缺陷区域图像进行分割，得到缺陷区域内每个微裂纹对应的多边形区域，根据骨架确定多边形区域内微裂纹对应的裂纹直线，并计算微裂纹的宽度，最后根据宽度、裂纹直线和微裂纹判断规则判断缺陷区域图像内是否存在离散性缺陷。针对小片离散性的细条纹缺陷进行检测，可精确检测出芯块离散性缺陷类型，避免被误检判断为掉块、缺块等缺陷，提高了芯块离散性缺陷检测的能力。
在一些具体实施例中，所述裂纹信息确定模块12具体可以包括：
骨架提取单元，用于利用形态学的骨架方法提取所述多边形区域中所述微裂纹的骨架；
裂纹直线确定单元，用于确定所述骨架上距离最远的两个点，基于所述两个点生成所述骨架对应的直线，以得到所述微裂纹对应的裂纹直线。
在一些具体实施例中，所述裂纹信息确定模块12具体可以包括：
分割单元，用于按照预设分割数量对所述裂纹直线进行等分，得到等分后每段裂纹直线对应在所述多边形区域中的分割后区域，以得到所述预设数量的分割后区域；
宽度确定单元，用于计算每个所述分割后区域内每段微裂纹对应的单段宽度，根据所有所述单段宽度计算得到单段宽度均值，将所述单段宽度均值作为所述多边形区域内所述微裂纹的宽度。
在一些具体实施例中，所述宽度确定单元具体可以包括：
最大内接圆半径确定单元，用于确定每个所述分割后区域对应的最大内接圆，并计算每个最大内接圆的半径；
单段宽度确定单元，用于根据所述半径得到每个所述分割后区域内每段微裂纹对应的单段宽度。
在一些具体实施例中，所述判断模块具体可以包括：
判断单元，用于判断所述宽度是否大于预设宽度阈值，以及所述裂纹直线的长度是否在预设长度范围内；
缺陷判定单元，用于若所述宽度大于所述预设宽度阈值，且所述裂纹直线的长度在所述预设长度范围内，则判定所述多边形区域存在缺陷；
离散性缺陷判定单元，用于若预设数量的所述多边形区域均存在缺陷，则判定所述缺陷区域图像内存在离散性缺陷。
在一些具体实施例中，所述核燃料芯块的离散性缺陷检测装置具体可以包括：
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；
疑似缺陷区域提取单元，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，所述裂纹信息确定模块具体可以包括：
平移单元，用于通过对所述裂纹直线进行平移，得到与所述多边形区域内所述微裂纹相切的两条目标裂纹直线；
距离计算单元，用于根据所述两条目标裂纹直线之间的距离，确定所述多边形区域内所述微裂纹的宽度。
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的离散性缺陷检测方法中的相关步骤。
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执行的核燃料芯块的离散性缺陷检测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的离散性缺陷检测方法步骤。
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的离散性缺陷检测方法、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)

1.一种核燃料芯块的离散性缺陷检测方法，其特征在于，包括：
利用阈值分割和形态学处理，对核燃料芯块的缺陷区域图像进行分割以便将所述缺陷区域图像中的微裂纹分离，得到每个微裂纹对应的多边形区域；
确定所述多边形区域内所述微裂纹的骨架，根据所述骨架确定所述微裂纹对应的裂纹直线，并计算所述多边形区域内所述微裂纹的宽度；
根据所述宽度、所述裂纹直线和微裂纹判断规则判断所述缺陷区域图像内是否存在离散性缺陷。
2.根据权利要求1所述的核燃料芯块的离散性缺陷检测方法，其特征在于，所述确定所述多边形区域内所述微裂纹的骨架，根据所述骨架确定所述微裂纹对应的裂纹直线，包括：
利用形态学的骨架方法提取所述多边形区域中所述微裂纹的骨架；
确定所述骨架上距离最远的两个点，基于所述两个点生成所述骨架对应的直线，以得到所述微裂纹对应的裂纹直线。
3.根据权利要求1所述的核燃料芯块的离散性缺陷检测方法，其特征在于，所述计算所述多边形区域内所述微裂纹的宽度，包括：
按照预设分割数量对所述裂纹直线进行等分，得到等分后每段裂纹直线对应在所述多边形区域中的分割后区域，以得到所述预设数量的分割后区域；
计算每个所述分割后区域内每段微裂纹对应的单段宽度，根据所有所述单段宽度计算得到单段宽度均值，将所述单段宽度均值作为所述多边形区域内所述微裂纹的宽度。
4.根据权利要求3所述的核燃料芯块的离散性缺陷检测方法，其特征在于，所述计算每个所述分割后区域内每段微裂纹对应的单段宽度，包括：
确定每个所述分割后区域对应的最大内接圆，并计算每个最大内接圆的半径；
根据所述半径得到每个所述分割后区域内每段微裂纹对应的单段宽度。
5.根据权利要求1所述的核燃料芯块的离散性缺陷检测方法，其特征在于，所述根据所述宽度、所述裂纹直线和微裂纹判断规则判断所述缺陷区域图像内是否存在离散性缺陷，包括：
判断所述宽度是否大于预设宽度阈值，以及所述裂纹直线的长度是否在预设长度范围内；
若所述宽度大于所述预设宽度阈值，且所述裂纹直线的长度在所述预设长度范围内，则判定所述多边形区域存在缺陷；
若预设数量的所述多边形区域均存在缺陷，则判定所述缺陷区域图像内存在离散性缺陷。
6.根据权利要求1所述的核燃料芯块的离散性缺陷检测方法，其特征在于，所述利用阈值分割和形态学处理，对核燃料芯块的缺陷区域图像进行分割以便将所述缺陷区域图像中的微裂纹分离之前，还包括：
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。
7.根据权利要求1至6任一项所述的核燃料芯块的离散性缺陷检测方法，其特征在于，所述计算所述多边形区域内所述微裂纹的宽度，包括：
通过对所述裂纹直线进行平移，得到与所述多边形区域内所述微裂纹相切的两条目标裂纹直线；
根据所述两条目标裂纹直线之间的距离，确定所述多边形区域内所述微裂纹的宽度。
8.一种核燃料芯块的离散性缺陷检测装置，其特征在于，包括：
分割模块，用于利用阈值分割和形态学处理，对核燃料芯块的缺陷区域图像进行分割以便将所述缺陷区域图像中的微裂纹分离，得到每个微裂纹对应的多边形区域；
裂纹信息确定模块，用于确定所述多边形区域内所述微裂纹的骨架，根据所述骨架确定所述微裂纹对应的裂纹直线，并计算所述多边形区域内所述微裂纹的宽度；
判断模块，用于根据所述宽度、所述裂纹直线和微裂纹判断规则判断所述缺陷区域图像内是否存在离散性缺陷。
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的离散性缺陷检测方法。
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的离散性缺陷检测方法。
CN202211121737.XA 2022-09-15 2022-09-15 一种核燃料芯块的离散性缺陷检测方法及相关组件 Pending CN115456996A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211121737.XA CN115456996A (zh) 2022-09-15 2022-09-15 一种核燃料芯块的离散性缺陷检测方法及相关组件

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211121737.XA CN115456996A (zh) 2022-09-15 2022-09-15 一种核燃料芯块的离散性缺陷检测方法及相关组件

Publications (1)

Publication Number Publication Date
CN115456996A true CN115456996A (zh) 2022-12-09

Family

ID=84304232

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211121737.XA Pending CN115456996A (zh) 2022-09-15 2022-09-15 一种核燃料芯块的离散性缺陷检测方法及相关组件

Country Status (1)

Country Link
CN (1) CN115456996A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116402815A (zh) * 2023-06-08 2023-07-07 岑科科技(深圳)集团有限公司 基于人工智能的电感线圈封装异常检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116402815A (zh) * 2023-06-08 2023-07-07 岑科科技(深圳)集团有限公司 基于人工智能的电感线圈封装异常检测方法
CN116402815B (zh) * 2023-06-08 2023-08-22 岑科科技(深圳)集团有限公司 基于人工智能的电感线圈封装异常检测方法

Similar Documents

Publication Publication Date Title
CN110555829B (zh) 一种用于芯片点胶情况的检测方法
CN112837290B (zh) 一种基于种子填充算法的裂缝图像自动识别方法
CN111369516B (zh) 基于红外图像识别的变压器套管发热缺陷检测方法
CN109752392B (zh) 一种pcb板缺陷类型检测系统和方法
CN111753692A (zh) 目标对象提取方法、产品检测方法、装置、计算机和介质
CN110443278B (zh) 一种太阳能电池片栅线粗细异常的检测方法、装置及设备
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
CN103400139A (zh) 一种混凝土裂缝特征信息的识别方法
CN115456996A (zh) 一种核燃料芯块的离散性缺陷检测方法及相关组件
CN112837308A (zh) 一种建筑裂缝检测方法、装置、设备及存储介质
CN106530273B (zh) 高精度fpc直线线路检测与缺陷定位方法
CN115937101A (zh) 质量检测方法、装置、设备及存储介质
CN111626104B (zh) 一种基于无人机红外热像的电缆隐患点检测方法和装置
CN109272480B (zh) 一种不相溶溶液分界线的检测方法
CN114255540A (zh) 一种污损纸币的识别方法、装置、设备和存储介质
CN116152208A (zh) 缺陷检测方法、装置、设备及存储介质
CN112861861B (zh) 识别数码管文本的方法、装置及电子设备
CN115619725A (zh) 电子元器件检测方法、装置、电子设备及自动质检设备
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
CN114581901A (zh) 一种古建墙壁受污题记文字图像边缘提取方法
CN111046878B (zh) 一种数据处理方法、装置及计算机存储介质和计算机
Cao et al. An effective method of wood crack trace and quantity detection based on digital image processing technology
CN113155247A (zh) 物体称重方法、状态评估方法、称重系统及状态评估系统
CN115456994A (zh) 一种核燃料芯块裂痕缺陷类型识别方法及相关组件

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