CN117351007B - 基于红外设备的熔炉内部缺陷识别系统 - Google Patents
基于红外设备的熔炉内部缺陷识别系统 Download PDFInfo
- Publication number
- CN117351007B CN117351007B CN202311640050.1A CN202311640050A CN117351007B CN 117351007 B CN117351007 B CN 117351007B CN 202311640050 A CN202311640050 A CN 202311640050A CN 117351007 B CN117351007 B CN 117351007B
- Authority
- CN
- China
- Prior art keywords
- pixel point
- neighborhood
- initial crack
- crack
- local
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 32
- 230000005540 biological transmission Effects 0.000 claims abstract description 26
- 230000008859 change Effects 0.000 claims abstract description 21
- 238000002844 melting Methods 0.000 claims abstract description 7
- 230000008018 melting Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 56
- 230000008569 process Effects 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000005336 cracking Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/72—Investigating presence of flaws
-
- 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
- G06V10/267—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 by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
-
- 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
Abstract
本发明涉及图像处理技术领域,具体涉及基于红外设备的熔炉内部缺陷识别系统,包括:熔炉内部灰度图像采集模块、初始裂纹方向获取模块、初始裂纹区域获取模块以及内部缺陷识别模块,采集熔炉内部灰度图像;根据熔炉内部灰度图像得到局部邻域方向;根据局部邻域方向得到灰度渐变性;根据灰度渐变性对得到初始裂纹方向;根据初始裂纹方向得到温度传递方向,根据温度传递方向得到温度渐变性;根据灰度渐变性以及温度渐变性得到裂纹程度;根据裂纹程度得到初始裂纹区域;根据初始裂纹区域得到最终裂纹可能性;根据最终裂纹可能性得到裂纹。本发明降低了识别缺陷的误差,提高了熔炉内部缺陷识别的准确性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及基于红外设备的熔炉内部缺陷识别系统。
背景技术
红外设备作为非破坏性检测技术的关键工具,能够检测温度异常、热点以及潜在的裂纹或缺陷,提高设备的安全性;所以通常使用红外设备对熔炉内部进行图像获取,对红外图像进行缺陷检测。传统的缺陷检测的方法通过阈值分割的方式将熔炉内部的缺陷分割出来,但由于熔炉内温度分布不均匀,且不同温度区域之间的边界模糊,导致无法将熔炉内部的缺陷有效分割出来。
发明内容
本发明提供基于红外设备的熔炉内部缺陷识别系统,以解决现有的问题:熔炉内温度分布不均匀,且不同温度区域之间的边界模糊,传统阈值分割的方式无法获取精准的阈值,从而无法将熔炉内部的缺陷有效分割出来。
本发明的基于红外设备的熔炉内部缺陷识别系统采用如下技术方案:
包括以下模块:
熔炉内部灰度图像采集模块,用于采集若干熔炉内部的熔炉内部灰度图像;
初始裂纹方向获取模块,用于对熔炉内部灰度图像中每个像素点进行方向划分得到每个像素点的若干局部邻域方向;根据局部邻域方向对像素点邻域的灰度差异进行判定得到每个像素点在每个局部邻域方向上的灰度渐变性;根据灰度渐变性对像素点的局部邻域方向进行筛选得到每个像素点的初始裂纹方向;
初始裂纹区域获取模块,用于对于任意一个像素点,在像素点的初始裂纹方向的顺时针方向上,与像素点的初始裂纹方向第一个垂直的局部邻域方向记为像素点的温度传递方向,根据温度传递方向对像素点周围的灰度差异进行判定得到每个像素点的温度渐变性;根据灰度渐变性以及温度渐变性得到每个像素点的裂纹程度;根据裂纹程度对像素点进行区域划分得到若干初始裂纹区域;
内部缺陷识别模块,用于根据初始裂纹区域内梯度方向以及温度传递方向之间的差异得到每个初始裂纹区域的最终裂纹可能性;根据最终裂纹可能性对初始裂纹区域进行阈值判定得到若干裂纹。
优选的,所述对熔炉内部灰度图像中每个像素点进行方向划分得到每个像素点的若干局部邻域方向,包括的具体方法为:
将任意一张熔炉内部灰度图像中任意一个像素点记为目标像素点,将目标像素点的八邻域中的每个像素点记为目标像素点的邻域像素点,对于目标像素点的任意一个邻域像素点,将目标像素点到邻域像素点的方向记为目标像素点的邻域方向,获取目标像素点所有的邻域方向;对于目标像素点的任意两个邻域方向,若两个邻域方向所构成的角度度数为180度,将两个邻域方向整体记为目标像素点的局部邻域方向。
优选的,所述根据局部邻域方向对像素点邻域的灰度差异进行判定得到每个像素点在每个局部邻域方向上的灰度渐变性,包括的具体方法为:
对于任意一个像素点的任意一个局部邻域方向,将局部邻域方向中任意一个邻域方向记为第一邻域方向,将局部邻域方向中除第一邻域方向以外的邻域方向记为第二邻域方向;
式中,表示像素点在局部邻域方向上的灰度渐变性;/>表示预设的超参数;/>表示像素点的灰度值;/>表示像素点在局部邻域方向中的第一邻域方向上第/>个像素点的灰度值;/>表示像素点在局部邻域方向中的第二邻域方向上第/>个像素点的灰度值;/>表示预设的超参数;/>表示取绝对值。
优选的,所述根据灰度渐变性对像素点的局部邻域方向进行筛选得到每个像素点的初始裂纹方向,包括的具体方法为:
对于任意一个像素点,在像素点的所有局部邻域方向中,将灰度渐变性最大的局部邻域方向记为像素点的初始裂纹方向。
优选的,所述根据温度传递方向对像素点周围的灰度差异进行判定得到每个像素点的温度渐变性,包括的具体方法为:
式中,表示任意一个像素点的温度渐变性;/>表示预设的超参数;/>表示像素点的灰度值;/>表示像素点在温度传递方向中的第一邻域方向上第/>个像素点的灰度值;/>表示像素点在温度传递方向中的第一邻域方向上第/>个像素点的灰度值;/>表示预设的超参数;/>表示预设的超参数;/>表示像素点在温度传递方向中的第一邻域方向上第/>个像素点的灰度值;/>表示像素点在温度传递方向中的第一邻域方向上第/>个像素点的灰度值;/>表示取绝对值;所述/>小于或等于/>。
优选的,所述根据灰度渐变性以及温度渐变性得到每个像素点的裂纹程度,包括的具体方法为:
式中,表示任意一个像素点的初始裂纹程度;/>表示像素点在像素点的初始裂纹方向上的灰度渐变性;/>表示像素点的温度渐变性;获取所有像素点的初始裂纹程度,对所有初始裂纹程度进行线性归一化,将归一化后的每个初始裂纹程度记为裂纹程度。
优选的,所述根据裂纹程度对像素点进行区域划分得到若干初始裂纹区域,包括的具体方法为:
将预设的裂纹程度阈值记为T1;将裂纹程度大于T1的像素点记为初始裂纹像素点,对所有初始裂纹像素点进行连通域分析得到若干连通域,记为初始裂纹区域。
优选的,所述根据初始裂纹区域内梯度方向以及温度传递方向之间的差异得到每个初始裂纹区域的最终裂纹可能性,包括的具体方法为:
对于任意一个初始裂纹区域,获取初始裂纹区域内所有局部方向差异值以及所有局部温度方向差异值;
式中,表示初始裂纹区域的最终裂纹可能性;/>表示初始裂纹区域内所有局部方向差异值的数量;/>表示初始裂纹区域内第/>个局部方向差异值;/>表示初始裂纹区域内第/>个局部方向差异值;/>表示预设的超参数;/>表示初始裂纹区域内第/>个局部方向差异值;/>表示初始裂纹区域内第/>个局部温度方向差异值;/>表示取绝对值;/>表示以自然常数为底的指数函数。
优选的,所述获取初始裂纹区域内所有局部方向差异值以及所有局部温度方向差异值,包括的具体方法为:
利用sobel算子获取初始裂纹区域中所有初始裂纹像素点的梯度方向,将任意两个初始裂纹像素点的梯度方向的差值的绝对值记为初始裂纹区域内的一个局部方向差异值;将任意两个初始裂纹像素点的温度传递方向所在直线形成的小于或等于90度的角度度数记为初始裂纹区域内的一个局部温度方向差异值。
优选的,所述根据最终裂纹可能性对初始裂纹区域进行阈值判定得到若干裂纹,包括的具体方法为:
将预设的最终裂纹可能性阈值记为T2,对于任意一个初始裂纹区域,若初始裂纹区域的最终裂纹可能性大于T2,将初始裂纹区域记为裂纹。
本发明的技术方案的有益效果是:根据熔炉内部灰度图像得到局部邻域方向,获取局部邻域方向的灰度渐变性以及温度渐变性,根据灰度渐变性得到初始裂纹方向,根据初始裂纹方向、灰度渐变性以及温度渐变性得到裂纹程度,根据裂纹程度得到初始裂纹区域,获取初始裂纹区域的最终裂纹可能性,根据最终裂纹可能性进行内部缺陷识别;相较于现有技术熔炉内温度分布不均匀,且不同温度区域之间的边界模糊,传统阈值分割的方式无法获取精准的阈值;本发明的灰度渐变性反映了像素点周围的区域在局部邻域方向上的灰度逐渐变化的幅度,温度渐变性反映了像素点的周围温度逐渐变化的幅度;降低了识别缺陷的误差,提高了熔炉内部缺陷识别的准确性。
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为本发明基于红外设备的熔炉内部缺陷识别系统的结构框图。
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基于红外设备的熔炉内部缺陷识别系统,其具体实施方式、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”指的不一定是同一实施例。此外,一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。
下面结合附图具体的说明本发明所提供的基于红外设备的熔炉内部缺陷识别系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于红外设备的熔炉内部缺陷识别系统的结构框图,该系统包括以下模块:
熔炉内部灰度图像采集模块101,采集若干熔炉内部的熔炉内部灰度图像。
需要说明的是,传统的缺陷检测的方法通过阈值分割的方式将熔炉内部的缺陷分割出来,但由于熔炉内温度分布不均匀,且不同温度区域之间的边界模糊,导致无法将熔炉内部的缺陷有效分割出来。为此,本实施例提出了基于红外设备的熔炉内部缺陷识别系统。
为了实现本实施例提出的基于红外设备的熔炉内部缺陷识别系统,首先需要采集熔炉内部灰度图像,具体过程为:使用红外设备采集若干熔炉内部的红外图像,将每张红外图像进行灰度化处理得到若干熔炉内部灰度图像。其中灰度化处理是公知技术,本实施例不再进行赘述。
至此,通过上述方法得到若干熔炉内部灰度图像。
初始裂纹方向获取模块102,对熔炉内部灰度图像中每个像素点进行方向划分得到每个像素点的若干局部邻域方向;根据局部邻域方向对像素点邻域的灰度差异进行判定得到每个像素点在每个局部邻域方向上的灰度渐变性;根据灰度渐变性对像素点的局部邻域方向进行筛选得到每个像素点的初始裂纹方向。
需要说明的是,正常情况下,熔炉内部的缺陷通常是指使熔炉内部表面长时间高低温分布不均产生的裂纹,裂纹两侧一定距离内的温度是极为接近的;所以可以通过分析像素点周围灰度值情况得到像素点的灰度渐变性,以便后续分析处理。
具体的,以任意一张熔炉内部灰度图像中任意一个像素点为例,将该像素点的八邻域中的每个像素点记为该像素点的邻域像素点,以该像素点的任意一个邻域像素点为例,将该像素点到该邻域像素点的方向记为该像素点的邻域方向,获取该像素点所有的邻域方向;以该像素点的任意两个邻域方向为例,若这两个邻域方向所构成的角度度数为180度,将这两个邻域方向整体记为该像素点的局部邻域方向,获取该像素点的所有局部邻域方向;以该像素点的任意一个局部邻域方向为例,将该局部邻域方向中任意一个邻域方向记为第一邻域方向,将该局部邻域方向中除第一邻域方向以外的邻域方向记为第二邻域方向。其中每个像素点对应多个局部邻域方向,每个局部邻域方向中包含一个第一邻域方向以及一个第二邻域方向。
进一步的,根据该像素点在该局部邻域方向中的第一邻域方向以及第二邻域方向得到该像素点在该局部邻域方向上的灰度渐变性。其中该像素点在该局部邻域方向上的灰度渐变性的计算方法为:
式中,表示该像素点在该局部邻域方向上的灰度渐变性;/>表示预设的超参数,本实施例预设/>,用于确定像素点在局部邻域方向中的第一邻域方向以及第二邻域方向上参考的像素点数量;/>表示该像素点的灰度值;/>表示该像素点在该局部邻域方向中的第一邻域方向上第/>个像素点的灰度值;/>表示该像素点在该局部邻域方向中的第二邻域方向上第/>个像素点的灰度值;/>表示预设的超参数,本实施例预设/>,用于防止分母为0;/>表示取绝对值。其中若该像素点在该局部邻域方向上的灰度渐变性越大,说明该像素点周围的区域在该局部邻域方向上的灰度逐渐变化的幅度越大,反映在该局部邻域方向的基础上,该像素点越有可能属于裂纹像素点。
进一步的,获取该像素点在该像素点的每个局部邻域方向上的灰度渐变性,将灰度渐变性最大的局部邻域方向记为该像素点的初始裂纹方向;获取每个像素点的初始裂纹方向。其中初始裂纹方向包含多个邻域方向。
至此,通过上述方法得到每个像素点的初始裂纹方向。
初始裂纹区域获取模块103,根据初始裂纹方向得到每个像素点的温度传递方向;根据温度传递方向对像素点周围的灰度差异进行判定得到每个像素点的温度渐变性;根据灰度渐变性以及温度渐变性得到每个像素点的裂纹程度;根据裂纹程度对像素点进行区域划分得到若干初始裂纹区域。
需要说明的是,对于熔炉内温度分布不均匀的区域而言,其中较高温度的内部表面会发生膨胀,增加内部表面的内部压力;而其中较低温度的内部表面虽然也会发生膨胀,增加内部表面的内部压力,但是由于温度较低的原因,内部表面的内部压力增加的幅度没有高温内部表面的大,从而使用高温内部表面与低温内部表面的内部压力并不均衡,导致高温内部表面与低温内部表面接壤的部分产生裂纹;又因热量会从高温度向低温度传播,导致裂纹与温度传播的方向几乎呈垂直。所以可以根据裂纹与温度传播的方向得到像素点的裂纹程度,以便后续分析处理。
具体的,以任意一个像素点为例,在该像素点的初始裂纹方向的顺时针方向上,与该像素点的初始裂纹方向第一个垂直的局部邻域方向记为该像素点的温度传递方向,根据该像素点的温度传递方向得到该像素点的温度渐变性。其中每个像素点对应一个温度传递方向,温度传递方向中包含一个第一邻域方向以及一个第二邻域方向。另外该像素点的温度渐变性的计算方法为:
式中,表示该像素点的温度渐变性;/>表示预设的超参数,本实施例预设/>,用于确定像素点在温度传递方向中的第一邻域方向以及第二邻域方向上第一次参考的像素点数量;/>表示该像素点的灰度值;/>表示该像素点在该温度传递方向中的第一邻域方向上第/>个像素点的灰度值;/>表示该像素点在该温度传递方向中的第一邻域方向上第/>个像素点的灰度值;/>表示预设的超参数,本实施例预设/>,用于防止分母为0;/>表示预设的超参数,本实施例预设/>,用于确定像素点在温度传递方向中的第一邻域方向以及第二邻域方向上第二次参考的像素点数量;/>表示该像素点在该温度传递方向中的第一邻域方向上第/>个像素点的灰度值;/>表示该像素点在该温度传递方向中的第一邻域方向上第/>个像素点的灰度值;/>表示取绝对值。其中若该像素点的温度渐变性越大,说明该像素点的周围温度逐渐变化的幅度越大,反映该像素点越有可能属于裂纹像素点。
进一步的,根据该像素点在该像素点的初始裂纹方向上的灰度渐变性以及该像素点的温度渐变性得到该像素点的初始裂纹程度。其中该像素点的初始裂纹程度的计算方法为:
式中,表示该像素点的初始裂纹程度;/>表示该像素点在该像素点的初始裂纹方向上的灰度渐变性;/>表示该像素点的温度渐变性。其中若该像素点的初始裂纹程度越大,说明该像素点周围灰度的变化规律越符合裂纹区域的灰度变化规律,反映该像素点越有可能是裂纹像素点。
进一步的,获取所有像素点的初始裂纹程度,对所有初始裂纹程度进行线性归一化,将归一化后的每个初始裂纹程度记为裂纹程度。预设一个裂纹程度阈值T1,其中本实施例以T1=0.5为例进行叙述,本实施例不进行具体限定,其中T1可根据具体实施情况而定;将裂纹程度大于T1的像素点记为初始裂纹像素点,对所有初始裂纹像素点进行连通域分析得到若干连通域,记为初始裂纹区域。其中每个初始裂纹区域包含多个初始裂纹像素点;另外连通域的获取是公知技术,本实施例不再赘述。
至此,通过上述方法得到所有初始裂纹区域。
内部缺陷识别模块104,根据初始裂纹区域内梯度方向以及温度传递方向之间的差异得到每个初始裂纹区域的最终裂纹可能性;根据最终裂纹可能性对初始裂纹区域进行阈值判定得到若干裂纹。
需要说明的是,初始裂纹像素点用于描述经初始判断后属于裂纹的像素点,由初始裂纹像素点所构成的初始裂纹区域用于描述经初始判断后属于裂纹的区域;在正常情况下形成的裂纹区域是多段连续的区域,并且这些区域的大小较小,形状相似,延伸方向相似;为了确定最终属于裂纹的像素点,可以通过分析初始裂纹区域内初始裂纹像素点之间的梯度方向差异得到初始裂纹区域属于裂纹的可能性。
具体的,以任意一个初始裂纹区域为例,利用sobel算子获取该初始裂纹区域中所有初始裂纹像素点的梯度方向,将任意两个初始裂纹像素点的梯度方向的差值的绝对值记为该初始裂纹区域内的一个局部方向差异值,获取该初始裂纹区域内所有局部方向差异值;将任意两个初始裂纹像素点的温度传递方向所在直线形成的小于或等于90度的角度度数记为该初始裂纹区域内的一个局部温度方向差异值,获取该初始裂纹区域内所有局部温度方向差异值;根据该初始裂纹区域内所有局部方向差异值以及局部温度方向差异值,得到该初始裂纹区域的最终裂纹可能性。其中sobel算子是公知技术,本实施例不再赘述。另外需要说明的是,利用sobel算子获取的梯度方向的单位是度。另外该初始裂纹区域的最终裂纹可能性的计算方法为:
式中,表示该初始裂纹区域的最终裂纹可能性;/>表示该初始裂纹区域内所有局部方向差异值的数量;/>表示该初始裂纹区域内第/>个局部方向差异值;/>表示该初始裂纹区域内第/>个局部方向差异值;/>表示预设的超参数,本实施例预设/>,用于防止分母为0;/>表示该初始裂纹区域内第/>个局部方向差异值;/>表示该初始裂纹区域内第/>个局部温度方向差异值;/>表示取绝对值;/>表示以自然常数为底的指数函数;实施例采用/>函数来呈现反比例关系及归一化处理,实施者可根据实际情况选择反比例函数及归一化函数。其中若初始裂纹区域的最终裂纹可能性越大,说明该初始裂纹区域越沿着一个方向延展,该初始裂纹区域内的灰度变化规律越符合裂纹区域内的灰度变化规律,反映该初始裂纹区域越有可能是裂纹。
进一步的,预设一个最终裂纹可能性阈值T2,其中本实施例以T2=0.6为例进行叙述,本实施例不进行具体限定,其中T2可根据具体实施情况而定;若该初始裂纹区域的最终裂纹可能性大于T2,将该初始裂纹区域记为裂纹;获取该熔炉内部灰度图像内的所有裂纹;获取所有熔炉内部灰度图像内的所有裂纹。
至此,本实施例完成。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.基于红外设备的熔炉内部缺陷识别系统,其特征在于,该系统包括以下模块:
熔炉内部灰度图像采集模块,用于采集若干熔炉内部的熔炉内部灰度图像;
初始裂纹方向获取模块,用于对熔炉内部灰度图像中每个像素点进行方向划分得到每个像素点的若干局部邻域方向;根据局部邻域方向对像素点邻域的灰度差异进行判定得到每个像素点在每个局部邻域方向上的灰度渐变性;根据灰度渐变性对像素点的局部邻域方向进行筛选得到每个像素点的初始裂纹方向;
初始裂纹区域获取模块,用于对于任意一个像素点,在像素点的初始裂纹方向的顺时针方向上,与像素点的初始裂纹方向第一个垂直的局部邻域方向记为像素点的温度传递方向,根据温度传递方向对像素点周围的灰度差异进行判定得到每个像素点的温度渐变性;根据灰度渐变性以及温度渐变性得到每个像素点的裂纹程度;根据裂纹程度对像素点进行区域划分得到若干初始裂纹区域;
内部缺陷识别模块,用于根据初始裂纹区域内梯度方向以及温度传递方向之间的差异得到每个初始裂纹区域的最终裂纹可能性;根据最终裂纹可能性对初始裂纹区域进行阈值判定得到若干裂纹;
所述根据局部邻域方向对像素点邻域的灰度差异进行判定得到每个像素点在每个局部邻域方向上的灰度渐变性,包括的具体方法为:
对于任意一个像素点的任意一个局部邻域方向,将局部邻域方向中任意一个邻域方向记为第一邻域方向,将局部邻域方向中除第一邻域方向以外的邻域方向记为第二邻域方向;
式中,表示像素点在局部邻域方向上的灰度渐变性;/>表示预设的超参数;/>表示像素点的灰度值;/>表示像素点在局部邻域方向中的第一邻域方向上第/>个像素点的灰度值;表示像素点在局部邻域方向中的第二邻域方向上第/>个像素点的灰度值;/>表示预设的超参数;/>表示取绝对值;
所述根据温度传递方向对像素点周围的灰度差异进行判定得到每个像素点的温度渐变性,包括的具体方法为:
式中,表示任意一个像素点的温度渐变性;/>表示预设的超参数;/>表示像素点的灰度值;/>表示像素点在温度传递方向中的第一邻域方向上第/>个像素点的灰度值;/>表示像素点在温度传递方向中的第一邻域方向上第/>个像素点的灰度值;/>表示预设的超参数;/>表示预设的超参数;/>表示像素点在温度传递方向中的第一邻域方向上第/>个像素点的灰度值;/>表示像素点在温度传递方向中的第一邻域方向上第/>个像素点的灰度值;/>表示取绝对值;所述/>小于或等于/>;
所述对熔炉内部灰度图像中每个像素点进行方向划分得到每个像素点的若干局部邻域方向,包括的具体方法为:
将任意一张熔炉内部灰度图像中任意一个像素点记为目标像素点,将目标像素点的八邻域中的每个像素点记为目标像素点的邻域像素点,对于目标像素点的任意一个邻域像素点,将目标像素点到邻域像素点的方向记为目标像素点的邻域方向,获取目标像素点所有的邻域方向;对于目标像素点的任意两个邻域方向,若两个邻域方向所构成的角度度数为180度,将两个邻域方向整体记为目标像素点的局部邻域方向;
所述根据灰度渐变性对像素点的局部邻域方向进行筛选得到每个像素点的初始裂纹方向,包括的具体方法为:
对于任意一个像素点,在像素点的所有局部邻域方向中,将灰度渐变性最大的局部邻域方向记为像素点的初始裂纹方向;
所述根据灰度渐变性以及温度渐变性得到每个像素点的裂纹程度,包括的具体方法为:
式中,表示任意一个像素点的初始裂纹程度;/>表示像素点在像素点的初始裂纹方向上的灰度渐变性;/>表示像素点的温度渐变性;获取所有像素点的初始裂纹程度,对所有初始裂纹程度进行线性归一化,将归一化后的每个初始裂纹程度记为裂纹程度;
所述根据裂纹程度对像素点进行区域划分得到若干初始裂纹区域,包括的具体方法为:
将预设的裂纹程度阈值记为T1;将裂纹程度大于T1的像素点记为初始裂纹像素点,对所有初始裂纹像素点进行连通域分析得到若干连通域,记为初始裂纹区域;
所述根据初始裂纹区域内梯度方向以及温度传递方向之间的差异得到每个初始裂纹区域的最终裂纹可能性,包括的具体方法为:
对于任意一个初始裂纹区域,获取初始裂纹区域内所有局部方向差异值以及所有局部温度方向差异值;
式中,表示初始裂纹区域的最终裂纹可能性;/>表示初始裂纹区域内所有局部方向差异值的数量;/>表示初始裂纹区域内第/>个局部方向差异值;/>表示初始裂纹区域内第个局部方向差异值;/>表示预设的超参数;/>表示初始裂纹区域内第/>个局部方向差异值;/>表示初始裂纹区域内第/>个局部温度方向差异值;/>表示取绝对值;/>表示以自然常数为底的指数函数;
所述获取初始裂纹区域内所有局部方向差异值以及所有局部温度方向差异值,包括的具体方法为:
利用sobel算子获取初始裂纹区域中所有初始裂纹像素点的梯度方向,将任意两个初始裂纹像素点的梯度方向的差值的绝对值记为初始裂纹区域内的一个局部方向差异值;将任意两个初始裂纹像素点的温度传递方向所在直线形成的小于或等于90度的角度度数记为初始裂纹区域内的一个局部温度方向差异值;
所述根据最终裂纹可能性对初始裂纹区域进行阈值判定得到若干裂纹,包括的具体方法为:
将预设的最终裂纹可能性阈值记为T2,对于任意一个初始裂纹区域,若初始裂纹区域的最终裂纹可能性大于T2,将初始裂纹区域记为裂纹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311640050.1A CN117351007B (zh) | 2023-12-04 | 2023-12-04 | 基于红外设备的熔炉内部缺陷识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311640050.1A CN117351007B (zh) | 2023-12-04 | 2023-12-04 | 基于红外设备的熔炉内部缺陷识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117351007A CN117351007A (zh) | 2024-01-05 |
CN117351007B true CN117351007B (zh) | 2024-02-13 |
Family
ID=89356024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311640050.1A Active CN117351007B (zh) | 2023-12-04 | 2023-12-04 | 基于红外设备的熔炉内部缺陷识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117351007B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114723700A (zh) * | 2022-03-31 | 2022-07-08 | 江苏宝诺铸造有限公司 | 一种基于计算机视觉的铁炉表面裂纹生长预测方法及系统 |
CN114943848A (zh) * | 2022-07-25 | 2022-08-26 | 南通德晋昌光电科技有限公司 | 镍网激光熔覆过程中的裂纹识别方法 |
-
2023
- 2023-12-04 CN CN202311640050.1A patent/CN117351007B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114723700A (zh) * | 2022-03-31 | 2022-07-08 | 江苏宝诺铸造有限公司 | 一种基于计算机视觉的铁炉表面裂纹生长预测方法及系统 |
CN114943848A (zh) * | 2022-07-25 | 2022-08-26 | 南通德晋昌光电科技有限公司 | 镍网激光熔覆过程中的裂纹识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117351007A (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jang et al. | Automated crack evaluation of a high‐rise bridge pier using a ring‐type climbing robot | |
Hoang | Detection of surface crack in building structures using image processing technique with an improved Otsu method for image thresholding | |
US20190331301A1 (en) | Method for leakage detection of underground pipeline corridor based on dynamic infrared thermal image processing | |
CN114862862A (zh) | 一种基于图像处理的泵体冷隔缺陷识别方法与系统 | |
JP6099479B2 (ja) | ひび割れ検出方法 | |
CN111369516B (zh) | 基于红外图像识别的变压器套管发热缺陷检测方法 | |
CN115063423B (zh) | 基于计算机视觉的机械铸件冷热裂纹自适应辨别方法 | |
CN116805317B (zh) | 基于人工智能的回转炉内壁缺陷检测方法 | |
CN116740072B (zh) | 基于机器视觉的道路表面缺陷检测方法及系统 | |
CN111667470B (zh) | 一种基于数字图像的工业管道探伤内壁检测方法 | |
Hu et al. | Rail surface spalling detection based on visual saliency | |
CN116385434B (zh) | 一种用于预制梁裂缝的智能检测方法 | |
CN117351007B (zh) | 基于红外设备的熔炉内部缺陷识别系统 | |
CN108831844B (zh) | 检测晶圆缺陷的方法和系统 | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN111539951B (zh) | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 | |
CN114511534B (zh) | 一种基于图像处理的pc板裂纹判断方法及系统 | |
CN117036734A (zh) | 热生长氧化层的形态提取方法 | |
CN114792569A (zh) | 一种基于影像组学建立炎症细胞浸润模型预测肿瘤治疗预后的方法 | |
Hou et al. | A new approach for the detection of concrete cracks based on adaptive morphological filtering | |
JP3580088B2 (ja) | 外観検査方法 | |
CN117314912B (zh) | 一种焊管表面焊接缺陷视觉检测方法及系统 | |
Li et al. | A quantitative analysis method for pipeline defect inspection based on infrared thermal imaging | |
CN117689917B (zh) | 基于热成像及激光探测技术的舱内安全状态监测方法 | |
CN116681695B (zh) | 一种抗变形模板端面的质量检测方法 |
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 |