CN117218130B - 用于铁元素偏析缺陷定位的图像降维采集方法及系统 - Google Patents
用于铁元素偏析缺陷定位的图像降维采集方法及系统 Download PDFInfo
- Publication number
- CN117218130B CN117218130B CN202311485177.0A CN202311485177A CN117218130B CN 117218130 B CN117218130 B CN 117218130B CN 202311485177 A CN202311485177 A CN 202311485177A CN 117218130 B CN117218130 B CN 117218130B
- Authority
- CN
- China
- Prior art keywords
- segregation
- image
- anchor frame
- defect
- dimension reduction
- 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
Links
- 238000005204 segregation Methods 0.000 title claims abstract description 244
- 230000007547 defect Effects 0.000 title claims abstract description 156
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 108
- 238000009826 distribution Methods 0.000 claims abstract description 44
- 238000003466 welding Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000000354 decomposition reaction Methods 0.000 claims description 17
- 238000002425 crystallisation Methods 0.000 claims description 7
- 230000008025 crystallization Effects 0.000 claims description 7
- 230000004807 localization Effects 0.000 claims description 7
- 238000011946 reduction process Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 5
- 229910052742 iron Inorganic materials 0.000 abstract description 2
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000001000 micrograph Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了用于铁元素偏析缺陷定位的图像降维采集方法及系统,属于图像处理领域,其中方法包括:使用扫描电镜对焊点进行检测,得到偏析检测图像;连接历史偏析检测图像,获取偏析缺陷锚框;通过构建相似度概率分布对偏析检测图像进行降维处理,得到偏析降维图像;根据偏析缺陷锚框对偏析降维图像进行锚框检测,得到基于偏析降维图像上像素点覆盖的条件下获取偏析缺陷锚框内的锚框返回结果;根据锚框返回结果中的标记分布输出缺陷定位结果。本申请解决了现有技术中铁元素偏析缺陷定位准确度低的技术问题,达到了提高铁元素偏析缺陷定位准确度的技术效果。
Description
技术领域
本发明涉及图像处理领域,具体涉及用于铁元素偏析缺陷定位的图像降维采集方法及系统。
背景技术
钢材焊接时很容易发生铁元素偏析,对钢材的力学性能产生不利影响,形成铁元素偏析区。目前业界普遍采用扫描电镜对焊点进行铁元素偏析检测,但是直接对扫描电镜图像进行分析处理,存在无法有效提取图像特征信息,难以准确定位铁元素偏析区的问题。
发明内容
本申请通过提供了用于铁元素偏析缺陷定位的图像降维采集方法及系统,旨在解决现有技术中铁元素偏析缺陷定位准确度低的技术问题。
鉴于上述问题,本申请提供了用于铁元素偏析缺陷定位的图像降维采集方法及系统。
本申请公开的第一个方面,提供了用于铁元素偏析缺陷定位的图像降维采集方法,该方法包括:使用扫描电镜对焊点进行检测,得到偏析检测图像;连接历史偏析检测图像,获取偏析缺陷锚框,其中,偏析缺陷锚框通过焊点发生结晶偏析时的缺陷特征获取;通过构建相似度概率分布对偏析检测图像进行降维处理,得到偏析降维图像;根据偏析缺陷锚框对偏析降维图像进行锚框检测,得到基于偏析降维图像上像素点覆盖的条件下偏析缺陷锚框内的锚框返回结果,其中,锚框返回结果包括返回为1的结果和返回为空的结果,并对返回为1的结果和返回为空的结果进行标记,且两个标记信息不相同;根据锚框返回结果中的标记分布输出缺陷定位结果。
本申请公开的另一个方面,提供了用于铁元素偏析缺陷定位的图像降维采集系统,该系统包括:偏析检测图像模块,用于使用扫描电镜对焊点进行检测,得到偏析检测图像;偏析缺陷锚框模块,用于连接历史偏析检测图像,获取偏析缺陷锚框,其中,偏析缺陷锚框通过焊点发生结晶偏析时的缺陷特征获取;图像降维处理模块,用于通过构建相似度概率分布对偏析检测图像进行降维处理,得到偏析降维图像;图像锚框检测模块,用于根据偏析缺陷锚框对偏析降维图像进行锚框检测,得到基于偏析降维图像上像素点覆盖的条件下偏析缺陷锚框内的锚框返回结果,其中,锚框返回结果包括返回为1的结果和返回为空的结果,并对返回为1的结果和返回为空的结果进行标记,且两个标记信息不相同;缺陷定位结果模块,用于根据锚框返回结果中的标记分布输出缺陷定位结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了使用扫描电镜对焊点进行检测,得到偏析检测图像,以获取含有铁元素偏析信息的原始图像数据;连接历史偏析检测图像,获取偏析缺陷锚框,通过分析历史图像获取典型的铁元素偏析缺陷特征,为后续定位提供参考;通过构建相似度概率分布对检测图像进行降维处理,提取图像的主要特征信息,减少冗余与噪声,得到偏析降维图像;根据历史图像得到的偏析缺陷锚框,对降维后图像进行锚框检测,在保证覆盖特征信息像素的条件下,获取锚框返回结果;根据返回结果的不同标记,输出最终的铁元素偏析缺陷定位结果的技术方案,解决了现有技术中铁元素偏析缺陷定位准确度低的技术问题,达到了提高铁元素偏析缺陷定位准确度的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了用于铁元素偏析缺陷定位的图像降维采集方法的一种流程示意图;
图2为本申请实施例提供了用于铁元素偏析缺陷定位的图像降维采集方法中获取偏析缺陷锚框的一种流程示意图;
图3为本申请实施例提供了用于铁元素偏析缺陷定位的图像降维采集系统的一种结构示意图。
附图标记说明:偏析检测图像模块11,偏析缺陷锚框模块12,图像降维处理模块13,图像锚框检测模块14,缺陷定位结果模块15。
具体实施方式
本申请提供的技术方案总体思路如下:
本申请实施例提供了用于铁元素偏析缺陷定位的图像降维采集方法及系统。首先,通过使用扫描电镜对焊点进行检测,获取含有铁元素偏析信息的原始图像数据,作为后续处理的基础。然后,连接历史偏析检测图像,获得偏析缺陷的锚框信息,为后续定位提供参考依据。接着,构建铁元素偏析图像的相似度概率分布,提取图像的主要特征,过滤冗余与噪声信息,得到降维后的偏析图像。随后,根据历史图像得到的偏析缺陷锚框,在降维图像上进行锚框检测,获取锚框的返回结果。最后,根据锚框返回结果的不同标记,判断各个区域是否为铁元素偏析缺陷,输出最终定位结果,提高铁元素偏析缺陷定位的准确度。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一:如图1所示,本申请实施例提供了用于铁元素偏析缺陷定位的图像降维采集方法,该方法包括:
使用扫描电镜对焊点进行检测,得到偏析检测图像;
在本申请实施例中,采用扫描电镜作为检测设备,对需要检测的焊点进行扫描,获得焊点的扫描图像,从而得到偏析检测图像。首先,将待检测的焊接零件置于扫描电镜的样品舱内,选择合适的放大倍数,如选择10000-50000倍,使焊点图像充满视野。然后,设置扫描电镜的加速电压,如设置加速电压为10-30kV,使电子束具有适当的穿透能力,从而获得焊点表面的形貌信息。随后,通过控制扫描线,按逐行扫描的方式,获得焊点区域的二维灰度图像,该图像即为偏析检测图像,包含焊点表面及交界处焊缝的微观组织信息,为后续的图像处理及偏析判定提供依据。
连接历史偏析检测图像,获取偏析缺陷锚框,其中,所述偏析缺陷锚框通过焊点发生结晶偏析时的缺陷特征获取;
进一步的,如图2所示,本申请实施例还包括:
获取所述历史偏析检测图像中的树形偏析缺陷;
对所述树形偏析缺陷进行等像素分解,得到多个分解缺陷,其中,每个分解缺陷之间的相似度大于等于预设相似度;
根据所述多个分解缺陷进行锚框识别,获取所述偏析缺陷锚框。
在一种优选的实施方式中,预先建立历史偏析检测图像数据库,包含了大量真实焊接件的扫描电镜图像以及对应专业评定的偏析缺陷标注结果,覆盖多种典型偏析缺陷类型。然后,从数据库中提取出所有带有“树形偏析缺陷”标注的检测图像,实现历史偏析检测图像中的树形偏析缺陷的获取,其中,树形偏析缺陷是指焊点发生结晶偏析时呈树枝状分叉结构的缺陷。接着,对包含树形偏析缺陷的历史偏析检测图像中的树形偏析缺陷提取出缺陷区域,并计算该缺陷区域边界上的总像素数量,根据预设相似度选择等像素分解参数m,按每m个像素将缺陷边界进行分割,获得若干段子缺陷边界。随后,对各子缺陷边界使用外接矩形框进行标注,即可得到多个面积相近、相似度较高的分解缺陷,其中,每个分解缺陷之间的相似度大于等于预设相似度。
之后,遍历获取的多个分解缺陷,对每个分解缺陷,提取其外接矩形框的四个顶点坐标,作为一个锚框实例。重复该过程,直到所有子缺陷均被处理,至此即获得多个定位子缺陷位置、反映原缺陷结构特征的锚框,得到偏析缺陷锚框,为后续检测与识别奠定基础。
通过构建相似度概率分布对所述偏析检测图像进行降维处理,得到偏析降维图像;
进一步的,本申请实施例还包括:
通过对所述偏析检测图像进行预处理,得到预处理后的偏析检测图像;
对预处理后的偏析检测图像进行数据相似度计算,得到初始相似度;
以所述初始相似度构建相似度概率分布对预处理后的偏析检测图像进行降维处理,得到所述偏析降维图像。
进一步的,本申请实施例还包括:
所述相似度概率分布的表达式如下:
;
其中,为表征预处理后的偏析检测图像与所述偏析降维图像之间相似度的散度,为基于预处理后的偏析检测图像中关于像素点与像素点的相似度概率;为基于所述偏析降维图像中关于像素点与像素点的相似度概率,为表征接
近程度的衡量指标,令趋于0为约束条件进行降维处理。
在一种优选的实施方式中,在获得偏析检测图像后,为提高后续处理的效果,对图像进行预处理。先采用中值滤波对偏析检测图像进行平滑处理,以消除图像中的噪声点和毛刺,有效保留图像边缘等详细信息,再对滤波后的图像进行归一化处理,将图像像素值映射到0-1范围内,消除由于光照条件等产生的整体明暗差异,同时进行包括锐化、增强等其他预处理,以改善图像的视觉效果,从而得到预处理后的偏析检测图像,有效提高偏析检测图像的质量。
然后,基于获得的预处理后的偏析检测图像,遍历图像中的每个像素点,提取其邻域内的像素值特征,计算当前像素点与图像中其他每个像素点的相似度,得到一个相似度矩阵,作为预处理后的偏析检测图像的初始相似度,反映偏析检测图像中各像素点之间的相似性关系,是实现概率分布降维的基础,为后续降维过程提供目标约束。
接着,基于初始相似度构建相似度概率分布,其中,相似度概率分布的表达式如下:
;
其中,为从初始相似度矩阵中提取的预处理后的偏析检测图像中关于像
素点与像素点的相似度概率;为偏析降维图像中关于像素点与像素点的
相似度概率;L为表征预处理后的偏析检测图像与所述偏析降维图像之间相似度的散度;KL
用于度量预处理后的偏析检测图像与偏析降维图像的相似度分布的接近程度;
;
然后,以相似度概率分布对预处理后的偏析检测图像进行降维处理,在降维过程中,每次迭代使L值减小,即可得到最后的偏析降维图像,以保证偏析降维图像的相似度分布Q不偏离预处理后的偏析检测图像的相似度分布P,从而在降维的同时保持图像关键信息,最终得到的偏析降维图像可用于后续的锚框检测与识别。
进一步的,本申请实施例还包括:
记录所述偏析降维图像的降维阶数;
根据当前降维阶数下偏析检测的相似度偏离值进行识别,当所述相似度偏离值大于预设相似度偏离值,获取收敛指令;
以所述收敛指令停止降维处理,得到所述偏析降维图像。
在一种优选的实施方式中,对偏析检测图像进行降维处理的迭代优化过程中,实
时记录当前降维结果图像的降维阶数,为调控降维程度提供支持,避免过度降维导致的信
息损失。然后,在每次迭代优化过程中,判断预处理后的偏析检测图像与偏析降维图像之间
的偏离程度,以确定是否需要停止降维。具体的,计算当前偏析降维图像中各像素点间的相
似度分布,得到当前偏析降维图像的相似度分布Q与预处理后的偏析检测图像的
相似度分布P之间的散度值L,作为相似度偏离值;再将当前的相似度偏离值与预设相似度
偏离值进行比较,如果相似度偏离值大于预设相似度偏离值,则说明降维已使当前偏析降
维图像与预处理后的偏析检测图像在相似度分布上发生了明显的偏离,此时生成收敛指
令,表示需要停止降维迭代,作为降维收敛的判定输出;否则,继续优化降维处理。根据判断
偏析降维图像实时的相似度分布情况,确定何时停止降维迭代,避免降维程度过深导致的
信息损失,从而获得保真度更高的偏析降维图像。
在收到收敛指令后,直接终止当前进行的降维优化迭代过程,不再更新降维结果,将接收到收敛指令前最后一次迭代得到的偏析降维图像,作为最终的偏析降维图像结果输出,避免过度降维导致的信息损失问题,提高后续处理的准确性。
根据所述偏析缺陷锚框对所述偏析降维图像进行锚框检测,得到基于所述偏析降维图像上像素点覆盖的条件下所述偏析缺陷锚框内的锚框返回结果,其中,所述锚框返回结果包括返回为1的结果和返回为空的结果,并对返回为1的结果和返回为空的结果进行标记,且两个标记信息不相同;
进一步的,本申请实施例还包括:
获取所述偏析缺陷锚框的锚框像素面积;
基于所述锚框像素面积对所述偏析降维图像进行锚框检测,得到覆盖所述偏析降维图像的锚框检测列表,根据所述锚框检测列表确定各个锚框的返回结果。
在一种优选的实施方式中,首先,读取偏析缺陷锚框的锚框参数,包括锚框的左上角横坐标,左上角纵坐标,右下角横坐标,右下角纵坐标;计算锚框的长度以及宽度,根据锚框的长度和宽度得到偏析缺陷锚框的锚框像素面积。
然后,读取偏析降维图像,在偏析降维图像上,使用面积为锚框像素面积的滑动窗口,逐行逐列扫描,得到覆盖整个偏析降维图像的所有可能的锚框位置,将扫描得到的所有锚框位置依次添加到锚框检测列表中。随后,遍历锚框检测列表,获取每个检测到的锚框,对于在对应锚框区域内的图像,进行缺陷匹配计算,即计算该锚框区域内的图像与缺陷特征的缺陷匹配度,将缺陷匹配度高于预设匹配度的锚框判定为匹配成功,其锚框返回结果标记为1;将缺陷匹配度低于预设匹配度的锚框判定为匹配失败,其锚框返回结果标记为空。最后,对锚框检测列表中的所有锚框的检测结果进行汇总,得到锚框返回结果。
根据所述锚框返回结果中的标记分布输出缺陷定位结果。
进一步的,本申请实施例还包括:
获取所述锚框返回结果中关于返回为1的结果,其中,返回为1的结果为偏析缺陷锚框内缺陷匹配度大于预设匹配度的结果;
得到所述返回为1的结果的标记分布,以所述标记分布的像素边缘坐标集作为所述缺陷定位结果输出。
在一种优选的实施方式中,首先,读取所获得的锚框返回结果,该锚框返回结果为数组R,R[i]表示第i个锚框的返回标记,包括返回为1的结果和返回为空的结果,其中,返回为1的结果为偏析缺陷锚框内缺陷匹配度大于预设匹配度的结果,表示偏析缺陷锚框内的缺陷匹配成功;返回为空的结果为偏析缺陷锚框内缺陷匹配度小于等于预设匹配度的结果,表示偏析缺陷锚框内的缺陷匹配失败。然后,遍历数组R中的每个元素R[i],判断其返回结果是否为1,如果R[i]的值为1,则将该锚框的序号i进行记录,得到锚框返回结果中关于返回为1的结果。
随后,读取锚框返回结果中关于返回为1的结果中对应的每个锚框,获取每个锚框的坐标参数,得到匹配成功锚框的空间分布情况。提取所有匹配成功锚框的边缘像素坐标,构成匹配成功锚框的像素边缘坐标集,作为最终的缺陷定位结果输出。
综上所述,本申请实施例所提供的用于铁元素偏析缺陷定位的图像降维采集方法具有如下技术效果:
使用扫描电镜对焊点进行检测,得到偏析检测图像,获取含有铁元素偏析信息的原始图像数据。连接历史偏析检测图像,获取偏析缺陷锚框,为后续定位提供参考。通过构建相似度概率分布对偏析检测图像进行降维处理,得到偏析降维图像,实现图像的主要特征信息的提取,减少冗余与噪声。根据偏析缺陷锚框对偏析降维图像进行锚框检测,得到基于偏析降维图像上像素点覆盖的条件下偏析缺陷锚框内的锚框返回结果;根据锚框返回结果中的标记分布输出缺陷定位结果,实现根据不同的标记判断哪些区域是缺陷,提高铁元素偏析缺陷定位的准确度。
实施例二:基于与前述实施例中用于铁元素偏析缺陷定位的图像降维采集方法相同的发明构思,如图3所示,本申请实施例提供了用于铁元素偏析缺陷定位的图像降维采集系统,该系统包括:
偏析检测图像模块11,用于使用扫描电镜对焊点进行检测,得到偏析检测图像;
偏析缺陷锚框模块12,用于连接历史偏析检测图像,获取偏析缺陷锚框,其中,所述偏析缺陷锚框通过焊点发生结晶偏析时的缺陷特征获取;
图像降维处理模块13,用于通过构建相似度概率分布对所述偏析检测图像进行降维处理,得到偏析降维图像;
图像锚框检测模块14,用于根据所述偏析缺陷锚框对所述偏析降维图像进行锚框检测,得到基于所述偏析降维图像上像素点覆盖的条件下所述偏析缺陷锚框内的锚框返回结果,其中,所述锚框返回结果包括返回为1的结果和返回为空的结果,并对返回为1的结果和返回为空的结果进行标记,且两个标记信息不相同;
缺陷定位结果模块15,用于根据所述锚框返回结果中的标记分布输出缺陷定位结果。
进一步的,图像降维处理模块13包括以下执行步骤:
通过对所述偏析检测图像进行预处理,得到预处理后的偏析检测图像;
对预处理后的偏析检测图像进行数据相似度计算,得到初始相似度;
以所述初始相似度构建相似度概率分布对预处理后的偏析检测图像进行降维处理,得到所述偏析降维图像。
进一步的,图像降维处理模块13还包括以下执行步骤:
所述相似度概率分布的表达式如下:
;
其中,为表征预处理后的偏析检测图像与所述偏析降维图像之间相似度的散度,为基于预处理后的偏析检测图像中关于像素点与像素点的相似度概率;为基于所述偏析降维图像中关于像素点与像素点的相似度概率,为表征接
近程度的衡量指标,令趋于0为约束条件进行降维处理。
进一步的,图像降维处理模块13还包括以下执行步骤:
记录所述偏析降维图像的降维阶数;
根据当前降维阶数下偏析检测的相似度偏离值进行识别,当所述相似度偏离值大于预设相似度偏离值,获取收敛指令;
以所述收敛指令停止降维处理,得到所述偏析降维图像。
进一步的,偏析缺陷锚框模块12包括以下执行步骤:
获取所述历史偏析检测图像中的树形偏析缺陷;
对所述树形偏析缺陷进行等像素分解,得到多个分解缺陷,其中,每个分解缺陷之间的相似度大于等于预设相似度;
根据所述多个分解缺陷进行锚框识别,获取所述偏析缺陷锚框。
进一步的,图像锚框检测模块14包括以下执行步骤:
获取所述偏析缺陷锚框的锚框像素面积;
基于所述锚框像素面积对所述偏析降维图像进行锚框检测,得到覆盖所述偏析降维图像的锚框检测列表,根据所述锚框检测列表确定各个锚框的返回结果。
进一步的,缺陷定位结果模块15包括以下执行步骤:
获取所述锚框返回结果中关于返回为1的结果,其中,返回为1的结果为偏析缺陷锚框内缺陷匹配度大于预设匹配度的结果;
得到所述返回为1的结果的标记分布,以所述标记分布的像素边缘坐标集作为所述缺陷定位结果输出。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中,并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法,在此不做多余限制。
进一步的,综上所述的第一或第二可能不止代表次序关系,也可能代表某项特指概念,和/或指的是多个元素之间可单独或全部选择。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.用于铁元素偏析缺陷定位的图像降维采集方法,其特征在于,所述方法包括:
使用扫描电镜对焊点进行检测,得到偏析检测图像;
连接历史偏析检测图像,获取偏析缺陷锚框,其中,所述偏析缺陷锚框通过焊点发生结晶偏析时的缺陷特征获取;
通过构建相似度概率分布对所述偏析检测图像进行降维处理,得到偏析降维图像;
根据所述偏析缺陷锚框对所述偏析降维图像进行锚框检测,得到基于所述偏析降维图像上像素点覆盖的条件下所述偏析缺陷锚框内的锚框返回结果,其中,所述锚框返回结果包括返回为1的结果和返回为空的结果,并对返回为1的结果和返回为空的结果进行标记,且两个标记信息不相同;
根据所述锚框返回结果中的标记分布输出缺陷定位结果。
2.如权利要求1所述的方法,其特征在于,通过构建相似度概率分布对所述偏析检测图像进行降维处理,得到偏析降维图像,方法包括:
通过对所述偏析检测图像进行预处理,得到预处理后的偏析检测图像;
对预处理后的偏析检测图像进行数据相似度计算,得到初始相似度;
以所述初始相似度构建相似度概率分布对预处理后的偏析检测图像进行降维处理,得到所述偏析降维图像。
3.如权利要求2所述的方法,其特征在于,所述相似度概率分布的表达式如下:
;
其中,为表征预处理后的偏析检测图像与所述偏析降维图像之间相似度的散度,为基于预处理后的偏析检测图像中关于像素点/>与像素点/>的相似度概率;为基于所述偏析降维图像中关于像素点/>与像素点/>的相似度概率,/>为表征接近程度的衡量指标,令/>趋于0为约束条件进行降维处理。
4.如权利要求2所述的方法,其特征在于,所述方法还包括:
记录所述偏析降维图像的降维阶数;
根据当前降维阶数下偏析检测的相似度偏离值进行识别,当所述相似度偏离值大于预设相似度偏离值,获取收敛指令;
以所述收敛指令停止降维处理,得到所述偏析降维图像。
5.如权利要求1所述的方法,其特征在于,连接历史偏析检测图像,获取偏析缺陷锚框,方法包括:
获取所述历史偏析检测图像中的树形偏析缺陷;
对所述树形偏析缺陷进行等像素分解,得到多个分解缺陷,其中,每个分解缺陷之间的相似度大于等于预设相似度;
根据所述多个分解缺陷进行锚框识别,获取所述偏析缺陷锚框。
6.如权利要求5所述的方法,其特征在于,所述方法包括:
获取所述偏析缺陷锚框的锚框像素面积;
基于所述锚框像素面积对所述偏析降维图像进行锚框检测,得到覆盖所述偏析降维图像的锚框检测列表,根据所述锚框检测列表确定各个锚框的返回结果。
7.如权利要求1所述的方法,其特征在于,根据所述锚框返回结果中的标记分布输出缺陷定位结果,方法还包括:
获取所述锚框返回结果中关于返回为1的结果,其中,返回为1的结果为偏析缺陷锚框内缺陷匹配度大于预设匹配度的结果;
得到所述返回为1的结果的标记分布,以所述标记分布的像素边缘坐标集作为所述缺陷定位结果输出。
8.用于铁元素偏析缺陷定位的图像降维采集系统,其特征在于,用于实施权利要求1-7任意一项所述的用于铁元素偏析缺陷定位的图像降维采集方法,所述系统包括:
偏析检测图像模块,所述偏析检测图像模块用于使用扫描电镜对焊点进行检测,得到偏析检测图像;
偏析缺陷锚框模块,所述偏析缺陷锚框模块用于连接历史偏析检测图像,获取偏析缺陷锚框,其中,所述偏析缺陷锚框通过焊点发生结晶偏析时的缺陷特征获取;
图像降维处理模块,所述图像降维处理模块用于通过构建相似度概率分布对所述偏析检测图像进行降维处理,得到偏析降维图像;
图像锚框检测模块,所述图像锚框检测模块用于根据所述偏析缺陷锚框对所述偏析降维图像进行锚框检测,得到基于所述偏析降维图像上像素点覆盖的条件下所述偏析缺陷锚框内的锚框返回结果,其中,所述锚框返回结果包括返回为1的结果和返回为空的结果,并对返回为1的结果和返回为空的结果进行标记,且两个标记信息不相同;
缺陷定位结果模块,所述缺陷定位结果模块用于根据所述锚框返回结果中的标记分布输出缺陷定位结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311485177.0A CN117218130B (zh) | 2023-11-09 | 2023-11-09 | 用于铁元素偏析缺陷定位的图像降维采集方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311485177.0A CN117218130B (zh) | 2023-11-09 | 2023-11-09 | 用于铁元素偏析缺陷定位的图像降维采集方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117218130A CN117218130A (zh) | 2023-12-12 |
CN117218130B true CN117218130B (zh) | 2024-01-19 |
Family
ID=89046674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311485177.0A Active CN117218130B (zh) | 2023-11-09 | 2023-11-09 | 用于铁元素偏析缺陷定位的图像降维采集方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117218130B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118242262A (zh) * | 2024-05-22 | 2024-06-25 | 合力(天津)能源科技股份有限公司 | 基于油膜测试的微型柱塞泵性能预测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07306161A (ja) * | 1994-05-11 | 1995-11-21 | Nippon Steel Corp | 金属材料の偏析検出方法 |
CN101799395A (zh) * | 2010-03-18 | 2010-08-11 | 钢铁研究总院 | 钢中夹杂物粒度分布的冶金参考物质的制备及定量方法 |
CN108572187A (zh) * | 2018-04-03 | 2018-09-25 | 上海大学 | 基于扫描电镜的元素晶界偏析半定量方法 |
CN111678937A (zh) * | 2020-05-21 | 2020-09-18 | 首钢集团有限公司 | 一种确定钢中微观偏析比取值范围的图像方法 |
CN114689583A (zh) * | 2022-03-21 | 2022-07-01 | 江西省科学院应用物理研究所 | 一种铜基铁系合金铸坯的宏观偏析分析方法 |
-
2023
- 2023-11-09 CN CN202311485177.0A patent/CN117218130B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07306161A (ja) * | 1994-05-11 | 1995-11-21 | Nippon Steel Corp | 金属材料の偏析検出方法 |
CN101799395A (zh) * | 2010-03-18 | 2010-08-11 | 钢铁研究总院 | 钢中夹杂物粒度分布的冶金参考物质的制备及定量方法 |
CN108572187A (zh) * | 2018-04-03 | 2018-09-25 | 上海大学 | 基于扫描电镜的元素晶界偏析半定量方法 |
CN111678937A (zh) * | 2020-05-21 | 2020-09-18 | 首钢集团有限公司 | 一种确定钢中微观偏析比取值范围的图像方法 |
CN114689583A (zh) * | 2022-03-21 | 2022-07-01 | 江西省科学院应用物理研究所 | 一种铜基铁系合金铸坯的宏观偏析分析方法 |
Non-Patent Citations (1)
Title |
---|
重轨钢连铸坯中心偏析的分析和工艺改进;段永卿;王建锋;郭朝军;;特殊钢(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117218130A (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111626190B (zh) | 基于聚类分区进行刻度识别的水位监测方法 | |
CN117218130B (zh) | 用于铁元素偏析缺陷定位的图像降维采集方法及系统 | |
CN108961235A (zh) | 一种基于YOLOv3网络和粒子滤波算法的缺陷绝缘子识别方法 | |
CN115984284B (zh) | 一种用于船舶维护的x射线船体焊缝图像检测方法 | |
CN117237368B (zh) | 一种桥梁裂缝检测方法及系统 | |
CN115294099B (zh) | 一种钢板轧制过程发纹缺陷的检测方法及系统 | |
CN109409290B (zh) | 一种温度表检定读数自动识别系统及方法 | |
CN117173187B (zh) | 一种阀门故障智能检测系统 | |
CN108154498A (zh) | 一种裂缝缺陷检测系统及其实现方法 | |
CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
CN112767359B (zh) | 复杂背景下的钢板角点检测方法及系统 | |
CN114331986A (zh) | 一种基于无人机视觉的坝体裂纹识别与测量方法 | |
CN116740072B (zh) | 基于机器视觉的道路表面缺陷检测方法及系统 | |
CN111033563A (zh) | 一种免疫层析检测的图像分析方法以及系统 | |
CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN117635615A (zh) | 基于深度学习实现冲孔模具的缺陷检测方法及系统 | |
CN117372812A (zh) | 基于网络学习的电池ct图像极片对齐度智能识别方法 | |
CN114742849B (zh) | 一种基于图像增强的水准仪距离测量方法 | |
CN115953371A (zh) | 一种绝缘子缺陷检测方法、装置、设备和存储介质 | |
CN114677428A (zh) | 基于无人机图像处理的输电线覆冰厚度检测方法 | |
CN112037184A (zh) | 一种受电弓图像识别系统及其图像识别方法 | |
CN114240946B (zh) | 一种定位器异常检测方法、系统、存储介质及计算设备 | |
CN116563289B (zh) | 一种基于机器视觉的贴标品质检测方法和系统 | |
CN112508986B (zh) | 一种基于深度卷积网络与随机场的水位测量方法 | |
CN116883401B (zh) | 一种工业产品生产质量检测系统 |
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 |