CN115841491A - 一种多孔金属材料的质量检测方法 - Google Patents
一种多孔金属材料的质量检测方法 Download PDFInfo
- Publication number
- CN115841491A CN115841491A CN202310158773.1A CN202310158773A CN115841491A CN 115841491 A CN115841491 A CN 115841491A CN 202310158773 A CN202310158773 A CN 202310158773A CN 115841491 A CN115841491 A CN 115841491A
- Authority
- CN
- China
- Prior art keywords
- cluster
- porous metal
- metal material
- value
- detected
- 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
- 239000007769 metal material Substances 0.000 title claims abstract description 177
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 238000012797 qualification Methods 0.000 claims abstract description 73
- 238000009826 distribution Methods 0.000 claims abstract description 61
- 238000012937 correction Methods 0.000 claims abstract description 40
- 238000013441 quality evaluation Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000000694 effects Effects 0.000 claims description 98
- 239000011148 porous material Substances 0.000 claims description 72
- 238000011156 evaluation Methods 0.000 claims description 69
- 238000000034 method Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000003708 edge detection Methods 0.000 claims description 11
- 229910001006 Constantan Inorganic materials 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 75
- 238000004422 calculation algorithm Methods 0.000 description 12
- 230000007547 defect Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000005187 foaming Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1765—Method using an image detector and processing of image signal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
Landscapes
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域，具体涉及一种多孔金属材料的质量检测方法，包括：利用图像处理技术，获取预处理后的待检测多孔金属材料截面的灰度图像，进而得到各孔洞区域的阴影区域、阴影区域的修正权值，确定第一合格度指标；获取最优预设聚类K值，确定孔径分布均匀指标，根据孔径分布均匀指标确定第二合格度指标；根据待检测多孔金属材料的第一合格度指标和第二合格度指标，确定待检测多孔金属材料的质量评价指标；根据质量评价指标，判断待检测多孔金属材料的质量是否合格。本发明应用于多孔金属材料领域，实现了多孔金属材料的质量检测，有效提高了多孔金属材料的质量检测结果的准确性。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种多孔金属材料的质量检测方法。
背景技术
在石油化工、医药纺织、建筑工程以及冶金制造等多个领域中，多孔材料都得到了广泛的应用，其具有密度小、孔隙分布发达和孔道小的特点，拥有一定的结构支撑性，尤其闭孔多孔材料作为一种重要的金属材料，在材料科学领域中发挥着不可取代的作用。但在多孔金属材料生产过程中，受生产工艺的影响，在使用固体发泡或者气体发泡的方法进行生产时，可能会出现由于工艺参数控制不准确，导致多孔金属材料出现孔洞大小和孔洞分布不均匀的情况，使多孔金属材料产生一定的质量缺陷，为了减少对后续多孔金属材料生产产品的影响，需要对多孔金属材料的质量缺陷程度进行检测分析。
目前现有的检测方法一般是在光线充足的条件下，通过为人工目测法，但是该种方法的效率低、准确度差、成本高，且严重依赖检测人员的先验知识，难以实现智能化生产发展。为了解决上述人工目测法所存在的缺陷，现有提出了基于分类器的缺陷检测方法，该方法通过采集大量的图像数据来训练分类器，得到图像中每个区域的特征向量，并使该特征向量与样本特征向量进行比对，输出最终的比对结果。该方法在训练分类器时需要用到大量的训练数据，检测消耗时间较长。另外，不同材质的多孔金属材料对应的样本特征向量不同，通过样本特征向量比对实现检测，鲁棒性较差，而且选取的样本特征向量并非完全标准，导致多孔金属材料质量检测的准确性较低。
发明内容
为了解决上述现有多孔金属材料质量检测的准确性较低的技术问题，本发明的目的在于提供一种多孔金属材料的质量检测方法。
本发明提供了一种多孔金属材料的质量检测方法，包括以下步骤：
获取待检测多孔金属材料的截面图像，进而获得预处理后截面图像的灰度图像；
根据灰度图像获得待检测多孔金属材料截面的各孔洞区域，根据各孔洞区域得到各孔洞区域的阴影区域；
获取待检测多孔金属材料的光源区域，根据各孔洞区域和灯源区域的中心位置、光源距离的预设修正权值，确定各阴影区域的修正权值；
对各孔洞区域进行聚类，得到多个第一聚类簇，根据第一聚类簇的个数、每个第一聚类簇中所有孔洞区域的个数、每个孔洞区域的阴影区域的修正权值以及阴影区域的面积，确定待检测多孔金属材料的第一合格度指标，所述阴影区域的面积为阴影区域内所有像素点的个数；
获取最优预设聚类K值，根据最优预设聚类K值和待检测多孔金属材料截面的各孔洞区域的孔径，得到多个第二聚类簇，根据每个第二聚类簇中所有孔径的个数、每个第二聚类簇中各孔径的中心位置以及灰度图像的中心位置，确定每个第二聚类簇对应的孔径分布均匀指标；
根据每个第二聚类簇对应的孔径分布均匀指标，确定待检测多孔金属材料的第二合格度指标，根据待检测多孔金属材料的第一合格度指标和第二合格度指标，确定待检测多孔金属材料的质量评价指标；
根据待检测多孔金属材料的质量评价指标，判断待检测多孔金属材料的质量是否合格。
进一步的，所述第一合格度指标的计算公式为：
其中，
为待检测多孔金属材料的第一合格度指标，N为第一聚类簇的个数，r为第
一聚类簇的序号，m为每个第一聚类簇中所有孔洞区域的个数，i为每个第一聚类簇中孔洞
区域的序号，
为每个第一聚类簇中第i个孔洞区域的阴影区域的修正权值，
为每个第一
聚类簇中第i个孔洞区域的阴影区域的面积，
为每个第一聚类簇中第i+1个孔洞区域的
阴影区域的修正权值，
为每个第一聚类簇中第i+1个孔洞区域的阴影区域的面积，exp
( )为以自然常数为底的指数函数，
为求绝对值函数。
进一步的，获取最优预设聚类K值，包括：
利用初始预设聚类K值对待检测多孔金属材料截面的各孔洞区域的孔径进行聚类，得到各个初始第一聚类簇，根据每个初始第一聚类簇中各孔洞区域的孔径中心的位置和每个初始第一聚类簇的聚类中心的位置，确定初始预设聚类K值对应的类内聚类效果评价值和类间聚类效果评价值，根据所述类内聚类效果评价值和类间聚类效果评价值，确定初始预设聚类K值对应的聚类效果评价指标；
若初始预设聚类K值对应的聚类效果评价指标不大于聚类效果阈值，则对初始预设聚类K值进行更新，得到更新后的预设聚类K值对应的聚类效果评价指标，若更新后的预设聚类K值对应的聚类效果评价指标仍不大于聚类效果阈值，则对更新后的预设聚类K值再次进行更新，不断重复上述步骤，直至预设聚类K值大于聚类效果阈值，将大于聚类效果阈值的预设聚类K值作为最优预设聚类K值。
进一步的，根据灰度图像获得待检测多孔金属材料截面的各孔洞区域，包括：
对灰度图像进行边缘检测，得到边缘图像，利用霍夫梯度法对边缘图像进行图像处理，得到边缘图像中的各个圆边缘，将各个圆边缘以内的区域作为待检测多孔金属材料截面的各孔洞区域。
进一步的，根据各孔洞区域得到各孔洞区域的阴影区域，包括：
对各孔洞区域进行边缘检测，得到各孔洞区域的阴影边缘线，计算由阴影边缘线划分的两个区域对应的平均灰度值，将平均灰度值较小的区域作为孔洞区域的阴影区域。
进一步的，根据各孔洞区域和灯源区域的中心位置、光源距离的预设修正权值，确定各阴影区域的修正权值，包括：
根据各孔洞区域和灯源区域的中心位置，确定各孔洞区域和灯源区域之间的欧式距离，将欧式距离作为孔洞区域和灯源区域之间的光源距离；
根据光源距离的预设修正权值、各孔洞区域和灯源区域之间的光源距离，确定各阴影区域的修正权值，所述各阴影区域的修正权值的计算公式为：
其中，
为各阴影区域的修正权值，p为光源距离的预设修正权值，d为各孔洞区域
和灯源区域之间的光源距离，exp( )为以自然常数为底的指数函数。
进一步的，根据每个第二聚类簇中所有孔径的个数、每个第二聚类簇中各孔径的中心位置以及灰度图像的中心位置，确定每个第二聚类簇对应的孔径分布均匀指标，包括：
根据每个第二聚类簇中各孔径的中心位置以及灰度图像的中心位置，确定每个第二聚类簇中各孔径中心与灰度图像中心之间的欧式距离；
根据每个第二聚类簇中所有孔径的个数和所述各孔径中心与灰度图像中心之间的欧式距离，计算每个第二聚类簇对应的欧式距离平均值，将该欧式距离平均值作为每个第二聚类簇对应的孔径分布均匀指标。
进一步的，根据每个第二聚类簇对应的孔径分布均匀指标，确定待检测多孔金属材料的第二合格度指标，包括：
根据每个第二聚类簇对应的孔径分布均匀指标，计算任意两个第二聚类簇对应的孔径分布均匀指标之间的差值绝对值；
根据任意两个第二聚类簇对应的孔径分布均匀指标之间的差值绝对值，确定待检测多孔金属材料的第二合格度指标，所述第二合格度指标的计算公式为：
其中，e为待检测多孔金属材料的第二合格度指标，exp( )为以自然常数为底的指
数函数，K为第二聚类簇的个数，l和j均为第二聚类簇的序号，
为第l个第二聚类簇对应的
孔径分布均匀指标，
为第j个第二聚类簇对应的孔径分布均匀指标，
为求绝对值函数。
进一步的，根据待检测多孔金属材料的第一合格度指标和第二合格度指标，确定待检测多孔金属材料的质量评价指标，包括：
根据待检测多孔金属材料的第一合格度指标和第二合格度指标，计算第一合格度指标和第二合格度指标的乘积，将该乘积作为待检测多孔金属材料的质量评价指标。
进一步的，根据待检测多孔金属材料的质量评价指标，判断待检测多孔金属材料的质量是否合格，包括：
若待检测多孔金属材料的质量评价指标小于预设质量评价阈值，则判定待检测多孔金属材料的质量不合格，否则，判定待检测多孔金属材料的质量合格。
本发明具有如下有益效果：
本发明提供了一种多孔金属材料的质量检测方法，该方法利用图像处理技术，对获取的待检测多孔金属材料的截面图像进行图像预处理，图像预处理有助于后续分析截面图像的图像特征信息，减少外界因素对多孔金属材料质量检测结果的影响。基于各孔洞区域，对各孔洞区域的阴影区域进行分析，获得待检测多孔金属材料的第一合格度指标，也就是获得孔洞大小的均匀程度，相比人工目测法，本发明可以得到孔洞大小均匀程度对应的量化性指标，有利于提高多孔金属材料质量检测结果的准确性。为了得到更精准的阴影区域面积，基于各孔洞区域和灯源区域的中心位置、光源距离的预设修正权值，得到各阴影区域的修正权值，其可以在一定程度上克服不同光源距离对阴影区域面积的影响，提高阴影区域的面积的参考价值，进而提高待检测多孔金属材料的第一合格度指标的准确度。为了得到更合适的孔径分布均匀指标，从多个预设聚类K值中选取最优预设聚类K值，以保证孔径分布均匀指标是在最优聚类下得到的数值，其有效增强了基于孔径分布均匀指标计算所得的待检测多孔金属材料的第二合格度指标的准确度，实现了对待检测多孔金属材料中孔洞分布均匀程度的精准分析。基于待检测多孔金属材料的第一合格度指标和第二合格度指标，获得待检测多孔金属材料的质量评价指标，利用质量评价指标判断待检测多孔金属材料的质量是否合格。从两个角度分析待检测多孔金属材料质量，有利于提高多孔金属材料质量检测结果的全面性和准确度。
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为本发明一种多孔金属材料的质量检测方法的流程图。
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技术方案的具体实施方式、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”指的不一定是同一个实施例。此外，一个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。
本实施例的应用场景可以为对生产好的闭孔的多孔金属材料进行质量检测，为了实现对多孔金属材料质量的准确检测，提供了一种多孔金属材料的质量检测方法，如图1所示，包括以下步骤：
（1）获取待检测多孔金属材料的截面图像，进而获得预处理后截面图像的灰度图像。
在本实施例中，在生产好的闭孔的多孔金属材料中任意选取一个样品，将该样品作为待检测多孔金属材料，将待检测多孔金属材料截断，并放置在传送带上，在传送带的上方安装一个工业显微相机，用工业显微相机对待检测多孔金属材料的截断面进行拍摄，采集待检测多孔金属材料的截面图像。值得说明的是，在对待检测多孔金属材料的截断面进行拍摄时，为了更好地提取图像中的信息，本实施例将使用单光源进行拍摄。
为了便于后续提取更准确的图像信息，对待检测多孔金属材料的截面图像进行图像预处理，利用高斯滤波算法对截面图像进行除噪处理，得到预处理后的截面图像，图像预处理包括但不限于除噪处理，高斯滤波算法的实现过程为现有技术，不在本发明保护范围内，此处不再进行赘述。另外，为了便于后续分析截面图像的图像信息，利用加权平均灰度化算法，对预处理后的截面图像进行灰度化处理，得到预处理后截面图像的灰度图像。灰度化的实现算法包括但不限于加权平均灰度化算法，这里不做具体限定，并且加权平均灰度化算法的实现过程为现有技术，此处不再进行赘述。
（2）根据灰度图像获得待检测多孔金属材料截面的各孔洞区域，根据各孔洞区域得到各孔洞区域的阴影区域，其步骤包括：
（2-1）根据灰度图像，获得待检测多孔金属材料截面的各孔洞区域。
对灰度图像进行边缘检测，得到边缘图像，利用霍夫梯度法对边缘图像进行图像处理，得到边缘图像中的各个圆边缘，将各个圆边缘以内的区域作为待检测多孔金属材料截面的各孔洞区域。
在本实施例中，使用Canny边缘检测算子对灰度图像进行边缘检测，得到灰度图像对应的边缘图像，进而利用霍夫梯度法提取边缘图像中的各个圆边缘，由于多孔金属材料截面中的各个孔洞的形状为圆形，可以将各个圆边缘以内的区域作为待检测多孔金属材料截面的各孔洞区域。Canny边缘检测算子和霍夫梯度法的实现过程均为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
（2-2）根据各孔洞区域，得到各孔洞区域的阴影区域。
对各孔洞区域进行边缘检测，得到各孔洞区域的阴影边缘线，计算由阴影边缘线划分的两个区域对应的平均灰度值，将平均灰度值较小的区域作为孔洞区域的阴影区域。
在本实施例中，基于多孔金属材料的各孔洞在图像中的图像特征可知，各孔洞区域的阴影区域可以呈现在孔洞区域内，由于阴影区域内像素点的灰度值要比其他区域内像素点的灰度值更低，可以利用Canny边缘检测算子对各孔洞区域进行边缘检测，将识别出各孔洞区域内阴影边缘线，阴影边缘线可以将孔洞区域划分为两个区域。基于两个区域内每个像素点的灰度值，计算每个区域对应的平均灰度值，并将平均灰度值较小的区域作为对应孔洞区域的阴影区域。
至此，本实施例得到了待检测多孔金属材料截面的各孔洞区域的阴影区域，其有利于提高多孔金属材料质量检测结果的准确性。
（3）获取待检测多孔金属材料的光源区域，根据各孔洞区域和灯源区域的中心位置、光源距离的预设修正权值，确定各阴影区域的修正权值。
需要说明的是，为了便于后续得到更精准的阴影区域面积，基于各孔洞区域和灯源区域的中心位置、光源距离的预设修正权值，得到各阴影区域的修正权值，其可以在一定程度上克服不同光源距离对阴影区域面积的影响，提高阴影区域的面积的参考价值。
本实施例基于步骤（1）中设置的单光源，例如LED（Light Emitting Diode，发光二极管）灯，将LED灯的区域图像作为待检测多孔金属材料的光源区域，基于各孔洞区域和灯源区域的中心位置、光源距离的预设修正权值，确定各阴影区域的修正权值，其步骤包括：
（3-1）根据各孔洞区域和灯源区域的中心位置，确定各孔洞区域和灯源区域之间的欧式距离，将欧式距离作为孔洞区域和灯源区域之间的光源距离。
在本实施例中，基于各孔洞区域中心的坐标位置、灯源区域中心的坐标位置，计算各孔洞区域中心与灯源区域中心之间的欧式距离，计算欧式距离的过程为现有技术，此处不再进行赘述，并将欧式距离作为孔洞区域和灯源区域之间的光源距离，获得各孔洞区域和灯源区域之间的光源距离。
（3-2）根据光源距离的预设修正权值、各孔洞区域和灯源区域之间的光源距离，确定各阴影区域的修正权值。
在本实施例中，孔径相同的孔洞区域的阴影会受光源距离的影响，阴影区域的面积存在较大差异，为了避免上述光源距离的影响，基于各孔洞区域和灯源区域之间的光源距离，确定各阴影区域的修正权值，该修正权值的计算公式可以为：
其中，
为各阴影区域的修正权值，p为光源距离的预设修正权值，d为各孔洞区域
和灯源区域之间的光源距离，exp( )为以自然常数为底的指数函数。
在修正权值的计算公式中，光源距离的预设修正权值可以为0.7，实施者可以根据
多孔金属材料光源的具体情况自行设置，不做具体限定。基于光源距离的现有知识可知，孔
洞区域和灯源区域之间的光源距离d与阴影区域的修正权值
为负相关，若孔洞区域和灯
源区域之间的光源距离d越小，则该孔洞区域的阴影区域的修正权值
越大，否则，该孔洞
区域的阴影区域的修正权值
越小。
（4）对各孔洞区域进行聚类，得到多个第一聚类簇，根据第一聚类簇的个数、每个第一聚类簇中所有孔洞区域的个数、每个孔洞区域的阴影区域的修正权值以及阴影区域的面积，确定待检测多孔金属材料的第一合格度指标。
（4-1）对各孔洞区域进行聚类，得到多个第一聚类簇。
在本实施例中，使用DBSCAN（Density-Based Spatial Clustering ofApplications with Node，基于密度的聚类方法）算法对待检测多孔金属材料的各孔洞区域进行聚类分析，可以得到多个孔洞区域聚类簇，将孔洞区域聚类簇作为本实施例中的第一聚类簇，第一聚类簇的个数可以由待检测多孔金属材料截面的面积和各孔洞区域的分布情况确定，可以将第一聚类簇的个数设置为N。
需要说明的是，DBSCAN算法的两个参数，邻域半径Epsilon可以为3，核心点的最小邻居minpts也可以为3，另外，DBSCAN算法的实现过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
（4-2）根据第一聚类簇的个数、每个第一聚类簇中所有孔洞区域的个数、每个孔洞区域的阴影区域的修正权值以及阴影区域的面积，确定待检测多孔金属材料的第一合格度指标。
首先，需要说明的是，基于多孔金属材料的结构特征可知，多孔金属材料截面可以存在多个孔洞，相同大小的气泡在同一多孔金属横截面产生的闭孔孔洞应该是相同的，多个闭孔孔洞的阴影面积也应该是相似的。然而，孔洞的深浅大小很难在灰度图像中表现出来，为了便于后续计算待检测多孔金属材料的质量评价指标，基于每个孔洞区域的阴影区域，来分析待检测多孔金属材料的所有孔洞大小的均匀程度。
在本实施例中，根据第一聚类簇的个数、每个第一聚类簇中所有孔洞区域的个数、每个孔洞区域的阴影区域的修正权值以及阴影区域的面积，该阴影区域的面积可以为阴影区域内所有像素点的个数，计算待检测多孔金属材料的第一合格度指标，第一合格度指标可以表征为待检测多孔金属材料的所有孔洞大小的均匀程度，第一合格度指标的计算公式可以为：
其中，
为待检测多孔金属材料的第一合格度指标，N为第一聚类簇的个数，r为第
一聚类簇的序号，m为每个第一聚类簇中所有孔洞区域的个数，i为每个第一聚类簇中孔洞
区域的序号，
为每个第一聚类簇中第i个孔洞区域的阴影区域的修正权值，
为每个第一
聚类簇中第i个孔洞区域的阴影区域的面积，
为每个第一聚类簇中第i+1个孔洞区域的
阴影区域的修正权值，
为每个第一聚类簇中第i+1个孔洞区域的阴影区域的面积，exp
( )为以自然常数为底的指数函数，
为求绝对值函数。
在第一合格度指标的计算公式中，
和
可以表征每个第一聚类簇中
两个相邻的孔洞区域的阴影区域对应的修正后的面积，
可以表征相邻孔
洞区域对应的阴影区域的差异程度，该差异程度与待检测多孔金属材料的第一合格度指标
为负相关，该差异程度越小，说明相邻孔洞区域的大小差异越小，那么待检测多孔金属材料
的第一合格度指标就会越大。
（5）获取最优预设聚类K值，根据最优预设聚类K值和待检测多孔金属材料截面的各孔洞区域的孔径，得到多个第二聚类簇，根据每个第二聚类簇中所有孔径的个数、每个第二聚类簇中各孔径的中心位置以及灰度图像的中心位置，确定每个第二聚类簇对应的孔径分布均匀指标，其步骤包括：
（5-1）获取最优预设聚类K值。
需要说明的是，基于多孔金属材料结构的先验知识可知，若待检测多孔金属材料的质量合格，待检测多孔金属材料截面的各孔洞区域的分布应是均匀的，孔径的大小应是相似的。在聚类效果较好的情况下，后续计算的每个第二聚类簇对应的孔径分布均匀指标应是较为相似的，故需要确定最优预设聚类K值，以便于后续分析每个第二聚类簇内各孔洞区域的分布均匀程度，其步骤包括：
（5-1-1）利用初始预设聚类K值对待检测多孔金属材料截面的各孔洞区域的孔径进行聚类，得到各个初始第一聚类簇，根据每个初始第一聚类簇中各孔洞区域的孔径中心的位置和每个初始第一聚类簇的聚类中心的位置，确定初始预设聚类K值对应的类内聚类效果评价值和类间聚类效果评价值，根据初始预设聚类K值对应的类内聚类效果评价值和类间聚类效果评价值，确定初始预设聚类K值对应的聚类效果评价指标。
（5-1-1-1）利用初始预设聚类K值对待检测多孔金属材料截面的各孔洞区域的孔径进行聚类，得到各个初始第一聚类簇。
在本实施例中，初始预设聚类K值可以为1，使用K-means聚类算法，对待检测多孔金属材料截面的各孔洞区域的孔径进行聚类分析，得到孔径聚类簇，并将孔径聚类簇作为初始第一聚类簇。K-means聚类算法的实现过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
（5-1-1-2）根据每个初始第一聚类簇中各孔洞区域的孔径中心的位置和每个初始第一聚类簇的聚类中心的位置，确定初始预设聚类K值对应的类内聚类效果评价值和类间聚类效果评价值。
为了便于后续计算初始预设聚类K值对应的聚类效果评价指标，首先，需要确定初始预设聚类K值对应的类内聚类效果评价值，本实施例基于每个初始第一聚类簇中各孔洞区域的孔径中心的坐标位置和每个初始第一聚类簇的聚类中心的坐标位置，可以计算每个初始第一聚类簇中各孔洞区域的孔径中心与其对应的聚类中心之间的欧式距离的平均值，进而可以计算所有初始第一聚类簇对应的欧式距离平均值的平均值，将该平均值作为初始预设聚类K值对应的类内聚类效果评价值，将类内聚类效果评价值记为q。若每个初始第一聚类簇中各孔洞区域距离聚类中心越近，则类内聚类效果评价值就会越好，也就是从每个聚类簇内各元素的分布情况来讲，该初始预设聚类K值对应的聚类效果比较好。
然后，需要确定初始预设聚类K值对应的类间聚类效果评价值，基于每个初始第一
聚类簇的聚类中心的坐标位置，可以计算任意两个初始第一聚类簇的聚类中心之间的欧式
距离，进而可以计算所有初始第一聚类簇的聚类中心对应的欧式距离的平均值，将该欧式
距离的平均值作为初始预设聚类K值对应的类间聚类效果评价值，将类间聚类效果评价值
记为
。若各个初始第一聚类簇的聚类中心之间的距离越远，则类间聚类效果评价值就会
越好，也就是从各个聚类簇的分布情况来讲，该初始预设聚类K值对应的聚类效果比较好。
需要说明的是，欧式距离和平均值的计算过程均为现有技术，不在本发明保护范围内，此处
不再进行详细阐述。
（5-1-1-3）根据初始预设聚类K值对应的类内聚类效果评价值和类间聚类效果评价值，确定初始预设聚类K值对应的聚类效果评价指标。
在本实施例中，类内聚类效果评价值q与聚类效果评价指标为负相关，也就是类内
聚类效果评价值q越小，聚类效果评价指标就会越大；而类间聚类效果评价值
与聚类效果
评价指标为正相关，也就是类间聚类效果评价值
越大，聚类效果评价指标就会越大。基于
类内聚类效果评价值、类间聚类效果评价值与聚类效果评价指标之间的数值关系，数学建
模的相关知识，可以计算初始预设聚类K值对应的聚类效果评价指标，聚类效果评价指标的
计算公式可以为：
其中，G为初始预设聚类K值对应的聚类效果评价指标，
为初始预设聚类K值对应
的类间聚类效果评价值，q为初始预设聚类K值对应的类内聚类效果评价值，exp( )为以自
然常数为底的指数函数。
在聚类效果评价指标的计算公式中，为了便于后续确定最优预设聚类K值，初始预
设聚类K值对应的聚类效果评价指标G的数值范围可以为0到1之间，当类间聚类效果评价值
越大、类内聚类效果评价值q越小时，聚类效果评价指标就会越大，也就是说明此时的聚
类效果越好。
（5-1-2）若初始预设聚类K值对应的聚类效果评价指标不大于聚类效果阈值，则对初始预设聚类K值进行更新，得到更新后的预设聚类K值对应的聚类效果评价指标，若更新后的预设聚类K值对应的聚类效果评价指标仍不大于聚类效果阈值，则对更新后的预设聚类K值再次进行更新，不断重复上述步骤，直至预设聚类K值大于聚类效果阈值，将大于聚类效果阈值的预设聚类K值作为最优预设聚类K值。
在本实施例中，使初始预设聚类K值对应的聚类效果评价指标与聚类效果阈值进行比对，聚类效果阈值可以为0.7，聚类效果阈值可以由实施者根据具体实际情况自行设置。若初始预设聚类K值对应的聚类效果评价指标不大于聚类效果阈值，说明初始预设聚类K值的聚类效果并非最佳，需要对初始预设聚类K值进行更新，也就是使初始预设聚类K值加一，得到更新后的预设聚类K值，更新后的预设聚类K值可以为2。基于更新后的预设聚类K值和待检测多孔金属材料截面的各孔洞区域的孔径，参考初始预设聚类K值对应的聚类效果评价指标的计算过程，可以得到更新后的预设聚类K值对应的聚类效果评价指标。若更新后的预设聚类K值对应的聚类效果评价指标仍不大于聚类效果阈值，说明更新后的预设聚类K值的聚类效果也并非最佳，则对更新后的预设聚类K值再次进行更新，不断重复上述更新后的预设聚类K值对应的聚类效果评价指标和聚类效果阈值的比对步骤，直至预设聚类K值大于聚类效果阈值，将大于聚类效果阈值的预设聚类K值作为最优预设聚类K值。另外，若初始预设聚类K值对应的聚类效果评价指标大于聚类效果阈值，则将初始预设聚类K值作为最优预设聚类K值。
至此，本实施例得到了待检测多孔金属材料截面对应的最优预设聚类K值。需要说明的是，为了后续可以得到更精准的孔径分布均匀指标，从多个预设聚类K值中选取最优预设聚类K值，以保证孔径分布均匀指标是在最优聚类下得到的数值，其有效增强了后续基于孔径分布均匀指标计算所得的待检测多孔金属材料的第二合格度指标的准确度。
（5-2）根据最优预设聚类K值和待检测多孔金属材料截面的各孔洞区域的孔径，得到多个第二聚类簇。
在本实施例中，通过K-means聚类算法，利用最优预设聚类K值对待检测多孔金属材料截面的各孔洞区域的孔径进行聚类，可以得到多个孔洞区域孔径聚类簇，并可以将孔洞区域孔径聚类簇作为第二聚类簇。至此，本实施例得到了多个第二聚类簇。
（5-3）根据每个第二聚类簇中所有孔径的个数、每个第二聚类簇中各孔径的中心位置以及灰度图像的中心位置，确定每个第二聚类簇对应的孔径分布均匀指标，其步骤包括：
（5-3-1）根据每个第二聚类簇中各孔径的中心位置以及灰度图像的中心位置，确定每个第二聚类簇中各孔径中心与灰度图像中心之间的欧式距离。
在本实施例中，基于每个第二聚类簇中各孔径中心的坐标位置和灰度图像中心的坐标位置，可以计算各孔径中心与灰度图像中心之间的欧式距离，计算欧式距离的过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
（5-3-2）根据每个第二聚类簇中所有孔径的个数和各孔径中心与灰度图像中心之间的欧式距离，计算每个第二聚类簇对应的欧式距离平均值，将该欧式距离平均值作为每个第二聚类簇对应的孔径分布均匀指标。
在本实施例中，为了便于后续计算待检测多孔金属材料的第二合格度指标，需要计算每个第二聚类簇对应的孔径分布均匀指标，该孔径分布均匀指标可以为每个第二聚类簇中的各个孔径中心到灰度图像中心的距离，该距离可以表征每个第二聚类簇的分布情况，孔径分布均匀指标的计算公式可以为：
其中，f为每个第二聚类簇对应的孔径分布均匀指标，n为每个第二聚类簇中所有
孔径的个数，x为每个第二聚类簇中孔径的序号，
为每个第二聚类簇中第x个孔径中心与
灰度图像中心之间的欧式距离。
（6）根据每个第二聚类簇对应的孔径分布均匀指标，确定待检测多孔金属材料的第二合格度指标，根据待检测多孔金属材料的第一合格度指标和第二合格度指标，确定待检测多孔金属材料的质量评价指标，其步骤包括：
（6-1）根据每个第二聚类簇对应的孔径分布均匀指标，确定待检测多孔金属材料的第二合格度指标，其步骤包括：
（6-1-1）根据每个第二聚类簇对应的孔径分布均匀指标，计算任意两个第二聚类簇对应的孔径分布均匀指标之间的差值绝对值。
在本实施例中，计算任意两个第二聚类簇对应的孔径分布均匀指标之间的差值绝对值，是为了分析两个第二聚类簇的分布情况的差异性，该差异性可以表征待检测多孔金属材料截面中该两个第二聚类簇内的各个孔洞的分布均匀程度。
（6-1-2）根据任意两个第二聚类簇对应的孔径分布均匀指标之间的差值绝对值，确定待检测多孔金属材料的第二合格度指标。
需要说明的是，为了从整体的角度分析待检测多孔金属材料的合格程度，需要基于任意两个第二聚类簇对应的孔径分布均匀指标之间的差值绝对值，利用数学建模的相关知识，确定待检测多孔金属材料的第二合格度指标，第二合格度指标的计算公式可以为：
其中，e为待检测多孔金属材料的第二合格度指标，exp( )为以自然常数为底的指
数函数，K为第二聚类簇的个数，l和j均可以为第二聚类簇的序号，l和j可以相等，
为第l个
第二聚类簇对应的孔径分布均匀指标，
为第j个第二聚类簇对应的孔径分布均匀指标，
为求绝对值函数。
在第二合格度指标的计算公式中，待检测多孔金属材料的第二合格度指标e的数
值范围可以为0到1之间，
可以表征任意两个第二聚类簇对应的孔径分布
均匀指标之间的差值绝对值的累加值，该累加值与待检测多孔金属材料的第二合格度指标
为负相关，
越大，第二合格度指标e越小，说明第二聚类簇内的各个孔洞的
分布均匀程度越不好。
（6-2）根据待检测多孔金属材料的第一合格度指标和第二合格度指标，确定待检测多孔金属材料的质量评价指标。
根据待检测多孔金属材料的第一合格度指标和第二合格度指标，计算第一合格度指标和第二合格度指标的乘积，将该乘积作为待检测多孔金属材料的质量评价指标。
在本实施例中，待检测多孔金属材料的质量评价指标的计算公式可以为：
其中，
为待检测多孔金属材料的质量评价指标，
为待检测多孔金属材料的第一
合格度指标，e为待检测多孔金属材料的第二合格度指标。
需要说明的是，由于待检测多孔金属材料的第一合格度指标和第二合格度指标的数值范围为0到1之间，待检测多孔金属材料的质量评价指标的数值范围也为0到1之间。从两个角度分析待检测多孔金属材料的质量，待检测多孔金属材料中所有孔洞大小的均匀程度和所有孔洞分布的均匀程度，即第一合格度指标和第二合格度指标，有助于提高待检测多孔金属材料的质量评价指标的准确性。
（7）根据待检测多孔金属材料的质量评价指标，判断待检测多孔金属材料的质量是否合格。
若待检测多孔金属材料的质量评价指标小于预设质量评价阈值，则判定待检测多孔金属材料的质量不合格，否则，判定待检测多孔金属材料的质量合格。
本实施例将预设质量评价阈值记为λ，并将预设质量评价阈值λ设置为0.7，预设质量评价阈值λ的大小可由实施者可根据多孔金属材料质量评价要求自行设置。当待检测多孔金属材料的质量评价指标小于预设质量评价阈值0.7时，判定待检测多孔金属材料的质量不合格，质量不合格说明待检测多孔金属材料出现孔洞大小和孔洞分布不均匀的缺陷，否则，判定待检测多孔金属材料的质量合格，质量合格说明待检测多孔金属材料没有出现孔洞大小和孔洞分布不均匀的缺陷。
至此，本实施例基于检测多孔金属材料截面的图像特征信息，利用图像处理技术，结合阴影相关知识和聚类技术，对待检测多孔金属材料截面图像的所有孔洞大小和孔洞分布的均匀程度进行分析，实现了对待检测多孔金属材料的质量检测，提高了多孔金属材料质量检测结果的可靠性和准确度。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种多孔金属材料的质量检测方法，其特征在于，包括以下步骤：
获取待检测多孔金属材料的截面图像，进而获得预处理后截面图像的灰度图像；
根据灰度图像获得待检测多孔金属材料截面的各孔洞区域，根据各孔洞区域得到各孔洞区域的阴影区域；
获取待检测多孔金属材料的光源区域，根据各孔洞区域和灯源区域的中心位置、光源距离的预设修正权值，确定各阴影区域的修正权值；
对各孔洞区域进行聚类，得到多个第一聚类簇，根据第一聚类簇的个数、每个第一聚类簇中所有孔洞区域的个数、每个孔洞区域的阴影区域的修正权值以及阴影区域的面积，确定待检测多孔金属材料的第一合格度指标，所述阴影区域的面积为阴影区域内所有像素点的个数；
获取最优预设聚类K值，根据最优预设聚类K值和待检测多孔金属材料截面的各孔洞区域的孔径，得到多个第二聚类簇，根据每个第二聚类簇中所有孔径的个数、每个第二聚类簇中各孔径的中心位置以及灰度图像的中心位置，确定每个第二聚类簇对应的孔径分布均匀指标；
根据每个第二聚类簇对应的孔径分布均匀指标，确定待检测多孔金属材料的第二合格度指标，根据待检测多孔金属材料的第一合格度指标和第二合格度指标，确定待检测多孔金属材料的质量评价指标；
根据待检测多孔金属材料的质量评价指标，判断待检测多孔金属材料的质量是否合格。
2.根据权利要求1所述的一种多孔金属材料的质量检测方法，其特征在于，所述第一合格度指标的计算公式为：
其中，
为待检测多孔金属材料的第一合格度指标，N为第一聚类簇的个数，r为第一聚
类簇的序号，m为每个第一聚类簇中所有孔洞区域的个数，i为每个第一聚类簇中孔洞区域
的序号，
为每个第一聚类簇中第i个孔洞区域的阴影区域的修正权值，
为每个第一聚类
簇中第i个孔洞区域的阴影区域的面积，
为每个第一聚类簇中第i+1个孔洞区域的阴影
区域的修正权值，
为每个第一聚类簇中第i+1个孔洞区域的阴影区域的面积，exp( )为
以自然常数为底的指数函数，
为求绝对值函数。
3.根据权利要求1所述的一种多孔金属材料的质量检测方法，其特征在于，获取最优预设聚类K值，包括：
利用初始预设聚类K值对待检测多孔金属材料截面的各孔洞区域的孔径进行聚类，得到各个初始第一聚类簇，根据每个初始第一聚类簇中各孔洞区域的孔径中心的位置和每个初始第一聚类簇的聚类中心的位置，确定初始预设聚类K值对应的类内聚类效果评价值和类间聚类效果评价值，根据所述类内聚类效果评价值和类间聚类效果评价值，确定初始预设聚类K值对应的聚类效果评价指标；
若初始预设聚类K值对应的聚类效果评价指标不大于聚类效果阈值，则对初始预设聚类K值进行更新，得到更新后的预设聚类K值对应的聚类效果评价指标，若更新后的预设聚类K值对应的聚类效果评价指标仍不大于聚类效果阈值，则对更新后的预设聚类K值再次进行更新，不断重复上述步骤，直至预设聚类K值大于聚类效果阈值，将大于聚类效果阈值的预设聚类K值作为最优预设聚类K值。
4.根据权利要求1所述的一种多孔金属材料的质量检测方法，其特征在于，根据灰度图像获得待检测多孔金属材料截面的各孔洞区域，包括：
对灰度图像进行边缘检测，得到边缘图像，利用霍夫梯度法对边缘图像进行图像处理，得到边缘图像中的各个圆边缘，将各个圆边缘以内的区域作为待检测多孔金属材料截面的各孔洞区域。
5.根据权利要求1所述的一种多孔金属材料的质量检测方法，其特征在于，根据各孔洞区域得到各孔洞区域的阴影区域，包括：
对各孔洞区域进行边缘检测，得到各孔洞区域的阴影边缘线，计算由阴影边缘线划分的两个区域对应的平均灰度值，将平均灰度值较小的区域作为孔洞区域的阴影区域。
6.根据权利要求1所述的一种多孔金属材料的质量检测方法，其特征在于，根据各孔洞区域和灯源区域的中心位置、光源距离的预设修正权值，确定各阴影区域的修正权值，包括：
根据各孔洞区域和灯源区域的中心位置，确定各孔洞区域和灯源区域之间的欧式距离，将欧式距离作为孔洞区域和灯源区域之间的光源距离；
根据光源距离的预设修正权值、各孔洞区域和灯源区域之间的光源距离，确定各阴影区域的修正权值，所述各阴影区域的修正权值的计算公式为：
其中，
为各阴影区域的修正权值，p为光源距离的预设修正权值，d为各孔洞区域和灯
源区域之间的光源距离，exp( )为以自然常数为底的指数函数。
7.根据权利要求1所述的一种多孔金属材料的质量检测方法，其特征在于，根据每个第二聚类簇中所有孔径的个数、每个第二聚类簇中各孔径的中心位置以及灰度图像的中心位置，确定每个第二聚类簇对应的孔径分布均匀指标，包括：
根据每个第二聚类簇中各孔径的中心位置以及灰度图像的中心位置，确定每个第二聚类簇中各孔径中心与灰度图像中心之间的欧式距离；
根据每个第二聚类簇中所有孔径的个数和所述各孔径中心与灰度图像中心之间的欧式距离，计算每个第二聚类簇对应的欧式距离平均值，将该欧式距离平均值作为每个第二聚类簇对应的孔径分布均匀指标。
8.根据权利要求1所述的一种多孔金属材料的质量检测方法，其特征在于，根据每个第二聚类簇对应的孔径分布均匀指标，确定待检测多孔金属材料的第二合格度指标，包括：
根据每个第二聚类簇对应的孔径分布均匀指标，计算任意两个第二聚类簇对应的孔径分布均匀指标之间的差值绝对值；
根据任意两个第二聚类簇对应的孔径分布均匀指标之间的差值绝对值，确定待检测多孔金属材料的第二合格度指标，所述第二合格度指标的计算公式为：
其中，e为待检测多孔金属材料的第二合格度指标，exp( )为以自然常数为底的指数函
数，K为第二聚类簇的个数，l和j均为第二聚类簇的序号，
为第l个第二聚类簇对应的孔径
分布均匀指标，
为第j个第二聚类簇对应的孔径分布均匀指标，
为求绝对值函数。
9.根据权利要求1所述的一种多孔金属材料的质量检测方法，其特征在于，根据待检测多孔金属材料的第一合格度指标和第二合格度指标，确定待检测多孔金属材料的质量评价指标，包括：
根据待检测多孔金属材料的第一合格度指标和第二合格度指标，计算第一合格度指标和第二合格度指标的乘积，将该乘积作为待检测多孔金属材料的质量评价指标。
10.根据权利要求1所述的一种多孔金属材料的质量检测方法，其特征在于，根据待检测多孔金属材料的质量评价指标，判断待检测多孔金属材料的质量是否合格，包括：
若待检测多孔金属材料的质量评价指标小于预设质量评价阈值，则判定待检测多孔金属材料的质量不合格，否则，判定待检测多孔金属材料的质量合格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310158773.1A CN115841491B (zh) | 2023-02-24 | 2023-02-24 | 一种多孔金属材料的质量检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310158773.1A CN115841491B (zh) | 2023-02-24 | 2023-02-24 | 一种多孔金属材料的质量检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115841491A true CN115841491A (zh) | 2023-03-24 |
| CN115841491B CN115841491B (zh) | 2023-05-05 |
Family
ID=85580134
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310158773.1A Active CN115841491B (zh) | 2023-02-24 | 2023-02-24 | 一种多孔金属材料的质量检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115841491B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117252917A (zh) * | 2023-11-14 | 2023-12-19 | 宝鸡市钛程金属复合材料有限公司 | 基于图像处理的船用复合板生产控制方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104834939A (zh) * | 2015-05-12 | 2015-08-12 | 先进储能材料国家工程研究中心有限责任公司 | 一种在线自动检测多孔金属材料空洞缺陷的方法 |
| CN105354598A (zh) * | 2015-11-25 | 2016-02-24 | 先进储能材料国家工程研究中心有限责任公司 | 一种在线检测连续带状泡沫金属材料漏镀缺陷的方法 |
| JP2016166756A (ja) * | 2015-03-09 | 2016-09-15 | 公益財団法人鉄道総合技術研究所 | 多孔質材料の品質評価用器具 |
| WO2018060142A1 (en) * | 2016-09-29 | 2018-04-05 | Tata Steel Ijmuiden B.V. | Method for classifying objects |
| CN115049653A (zh) * | 2022-08-15 | 2022-09-13 | 凤芯微电子科技(聊城)有限公司 | 基于计算机视觉的集成电路板质量检测系统 |
| CN115082482A (zh) * | 2022-08-23 | 2022-09-20 | 山东优奭趸泵业科技有限公司 | 一种金属表面缺陷检测方法 |
| CN115115621A (zh) * | 2022-08-24 | 2022-09-27 | 聊城市泓润能源科技有限公司 | 一种基于图像处理的润滑油污染程度检测方法 |
| CN115375676A (zh) * | 2022-10-24 | 2022-11-22 | 微山三利特不锈钢有限公司 | 一种基于图像识别的不锈钢制品质量检测方法 |
| CN115615995A (zh) * | 2022-11-02 | 2023-01-17 | 杭州电子科技大学 | 一种基于热塑性材料层合板透光性特点的无损检测方法 |
-
2023
- 2023-02-24 CN CN202310158773.1A patent/CN115841491B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016166756A (ja) * | 2015-03-09 | 2016-09-15 | 公益財団法人鉄道総合技術研究所 | 多孔質材料の品質評価用器具 |
| CN104834939A (zh) * | 2015-05-12 | 2015-08-12 | 先进储能材料国家工程研究中心有限责任公司 | 一种在线自动检测多孔金属材料空洞缺陷的方法 |
| CN105354598A (zh) * | 2015-11-25 | 2016-02-24 | 先进储能材料国家工程研究中心有限责任公司 | 一种在线检测连续带状泡沫金属材料漏镀缺陷的方法 |
| WO2018060142A1 (en) * | 2016-09-29 | 2018-04-05 | Tata Steel Ijmuiden B.V. | Method for classifying objects |
| CN115049653A (zh) * | 2022-08-15 | 2022-09-13 | 凤芯微电子科技(聊城)有限公司 | 基于计算机视觉的集成电路板质量检测系统 |
| CN115082482A (zh) * | 2022-08-23 | 2022-09-20 | 山东优奭趸泵业科技有限公司 | 一种金属表面缺陷检测方法 |
| CN115115621A (zh) * | 2022-08-24 | 2022-09-27 | 聊城市泓润能源科技有限公司 | 一种基于图像处理的润滑油污染程度检测方法 |
| CN115375676A (zh) * | 2022-10-24 | 2022-11-22 | 微山三利特不锈钢有限公司 | 一种基于图像识别的不锈钢制品质量检测方法 |
| CN115615995A (zh) * | 2022-11-02 | 2023-01-17 | 杭州电子科技大学 | 一种基于热塑性材料层合板透光性特点的无损检测方法 |
Non-Patent Citations (4)
| Title |
|---|
| MING CAO等: "Preparation and performance of the modified high-strength/highmodulus polyvinyl alcohol fiber/polyurethane grouting materials", 《CONSTRUCTION AND BUILDING MATERIALS》 * |
| 付鑫等: "多孔层板焊接质量的高频超声检测", 《无损检测》 * |
| 王传勇等: "电子组装用无铅钎料的研究现状及发展趋势", 《科技风》 * |
| 苏涛等: "多孔材料检测系统的设计与实现", 科学技术与工程 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117252917A (zh) * | 2023-11-14 | 2023-12-19 | 宝鸡市钛程金属复合材料有限公司 | 基于图像处理的船用复合板生产控制方法 |
| CN117252917B (zh) * | 2023-11-14 | 2024-02-02 | 宝鸡市钛程金属复合材料有限公司 | 基于图像处理的船用复合板生产控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115841491B (zh) | 2023-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115330783A (zh) | 一种钢丝绳缺陷检测方法 | |
| CN114842027A (zh) | 基于灰度共生矩阵的织物疵点分割方法和系统 | |
| CN115249246B (zh) | 一种光学玻璃表面缺陷检测方法 | |
| CN115018850B (zh) | 基于图像处理的精密电子零部件冲压孔毛刺检测方法 | |
| CN116385450B (zh) | 基于图像处理的ps片材抗耐磨性检测方法 | |
| CN115841488B (zh) | 一种基于计算机视觉的pcb板的检孔方法 | |
| CN114926463A (zh) | 一种适用于芯片电路板的生产质量检测方法 | |
| CN115311629B (zh) | 一种折弯机的异常折弯精度监测系统 | |
| CN113838054A (zh) | 基于人工智能的机械零件表面损伤检测方法 | |
| CN115063409A (zh) | 一种机械刀具表面材质检测方法及系统 | |
| CN115601368B (zh) | 一种建材装备钣金件缺陷检测方法 | |
| CN110956613B (zh) | 基于图像质量的目标检测算法性能归一化评价方法及系统 | |
| CN115311304B (zh) | 一种铁板锈蚀缺陷检测方法 | |
| CN115841491B (zh) | 一种多孔金属材料的质量检测方法 | |
| CN116452589B (zh) | 基于图像处理的人造板表面缺陷智能检测方法 | |
| CN116152242B (zh) | 一种篮球用天然皮革缺陷可视化检测系统 | |
| CN116137036A (zh) | 基于机器学习的基因检测数据智能处理系统 | |
| CN115115603A (zh) | 基于人工智能的汽车配件飞轮表面检测方法 | |
| CN114972194A (zh) | 一种从不一致标签中检测缺陷的方法 | |
| CN115908362A (zh) | 一种滑板轮的耐磨性检测方法 | |
| CN117635604A (zh) | 一种建筑工程钢结构焊接质量检测方法 | |
| CN115018835A (zh) | 一种汽车起动机齿轮检测方法 | |
| CN113469293B (zh) | 面板阵列短路检测方法、装置、电子设备及存储介质 | |
| CN117237747B (zh) | 基于人工智能的五金件缺陷分类识别方法 | |
| CN117808796A (zh) | 一种基于计算机视觉的齿轮表面损伤检测方法 |
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 | ||
| GR01 | Patent grant |