CN117392122A - 基于超声波技术的螺栓无损检测方法 - Google Patents

基于超声波技术的螺栓无损检测方法 Download PDF

Info

Publication number
CN117392122A
CN117392122A CN202311670663.XA CN202311670663A CN117392122A CN 117392122 A CN117392122 A CN 117392122A CN 202311670663 A CN202311670663 A CN 202311670663A CN 117392122 A CN117392122 A CN 117392122A
Authority
CN
China
Prior art keywords
target
gray value
gray
target pixel
value
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
Application number
CN202311670663.XA
Other languages
English (en)
Other versions
CN117392122B (zh
Inventor
马少立
李桂民
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.)
Shenzhen Qianhai Intelliunion Technology Development Co ltd
Original Assignee
Shenzhen Qianhai Intelliunion Technology Development 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 Shenzhen Qianhai Intelliunion Technology Development Co ltd filed Critical Shenzhen Qianhai Intelliunion Technology Development Co ltd
Priority to CN202311670663.XA priority Critical patent/CN117392122B/zh
Publication of CN117392122A publication Critical patent/CN117392122A/zh
Application granted granted Critical
Publication of CN117392122B publication Critical patent/CN117392122B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
    • G01N29/0654—Imaging
    • G01N29/069—Defect imaging, localisation and sizing using, e.g. time of flight diffraction [TOFD], synthetic aperture focusing technique [SAFT], Amplituden-Laufzeit-Ortskurven [ALOK] technique
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4463—Signal correction, e.g. distance amplitude correction [DAC], distance gain size [DGS], noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • 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
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Acoustics & Sound (AREA)
  • Image Processing (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明涉及图像处理技术领域，具体涉及基于超声波技术的螺栓无损检测方法，该方法计算在目标像素点的每个尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度，根据灰度值集中程度，获得属于目标区域的目标像素点和属于噪声的目标像素点，根据属于目标区域的目标像素点的数量和属于噪声的目标像素点的数量，对目标灰度值的频率进行调整，根据所有灰度值调整后的频率，对螺栓的超声图像进行直方图均衡化，获得螺栓的增强后的超声图像，根据增强后的超声图像判断螺栓是否存在内部缺陷；通过对内部缺陷的增强和对噪声的抑制，提高超声图像的图像质量，进而提高螺栓的内部缺陷的检测准确性。

Description

基于超声波技术的螺栓无损检测方法
技术领域
本发明涉及图像处理技术领域，具体涉及基于超声波技术的螺栓无损检测方法。
背景技术
在螺栓的生产过程中，通过对螺栓进行抽检以保证每个批次螺栓的质量；对于螺栓的内部缺陷，则需要通过超声波技术进行检测。随着数字图像处理技术和计算机技术的快速发展，将超声波技术与机器视觉检测技术结合，用来对螺栓的内部缺陷进行检测。
在超声成像的过程中，由于超声设备的局限性和干涉理论的存在，超声图像往往呈现出模糊、多噪声的特征。因此，若想要通过超声图像准确的检测出螺栓的内部缺陷，需要对螺栓的超声图像进行图像增强，抑制超声图像中的噪声，提高超声图像的图像质量。
通过直方图均衡化方法对超声图像进行图像增强时，是通过将频率较小的灰度值合并为一个灰度值，实现对噪声的抑制，但是螺栓的内部缺陷通常较小，所以螺栓的内部缺陷对应的灰度值的频率也较小，导致内部缺陷对应的灰度值也会被合并，无法实现对内部缺陷的增强。
因此，如何对直方图均衡化方法进行改进，使得改进后的直方图均衡化方法能够同时实现对噪声的抑制和对内部缺陷的增强，进而提高螺栓的内部缺陷的检测准确性成为亟待解决的问题。
发明内容
有鉴于此，本发明实施例提供了基于超声波技术的螺栓无损检测方法，以解决如何使得改进后的直方图均衡化方法能够同时实现对噪声的抑制和对内部缺陷的增强，进而提高螺栓的内部缺陷的检测准确性的问题。
本发明实施例中提供了基于超声波技术的螺栓无损检测方法，所述螺栓无损检测方法包括：
采集螺栓的超声图像；
将超声图像中的任意一种灰度值记为目标灰度值，将目标灰度值对应的像素点记为目标像素点，对于任意一个目标像素点，获得目标像素点的每个尺度的邻域的灰度直方图；
根据灰度直方图中目标灰度值附近的灰度值的频数，计算在目标像素点的每个尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度；
根据目标灰度值附近的灰度值集中程度随着邻域的尺度的变化情况和均值，获得所有目标像素点中，属于目标区域的目标像素点和属于噪声的目标像素点；
根据目标灰度值对应的所有目标像素点中，属于目标区域的目标像素点的数量和属于噪声的目标像素点的数量，对目标灰度值的频率进行调整；
根据所有灰度值调整后的频率，对螺栓的超声图像进行直方图均衡化，获得螺栓的增强后的超声图像，根据增强后的超声图像判断螺栓是否存在内部缺陷。
进一步地，所述根据灰度直方图中目标灰度值附近的灰度值的频数，计算在目标像素点的每个尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度，包括：
式中，表示在目标像素点的尺度为K×K的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度，尺度K×K中的K取遍预设范围内的所有奇数，/>表示目标灰度值，/>表示灰度值h的频数，即灰度值等于灰度值h的像素点的数量，表示以自然常数为底的指数函数，/>表示预设第一数值；
对在目标像素点的每个尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度进行线性归一化。
进一步地，所述根据目标灰度值附近的灰度值集中程度随着邻域的尺度的变化情况和均值，获得所有目标像素点中，属于目标区域的目标像素点和属于噪声的目标像素点，包括：
根据在目标像素点的不同尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度，随着尺度的变化情况，判断目标像素点是属于目标区域还是属于背景区域或者属于噪声；
对于属于背景区域或者属于噪声的目标像素点，计算在该目标像素点的所有尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度的均值；
若均值小于预设第二阈值，则目标像素点属于噪声，若均值大于或者等于预设第二阈值，则目标像素点属于目标区域。
进一步地，所述根据在目标像素点的不同尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度，随着尺度的变化情况，判断目标像素点是属于目标区域还是属于背景区域或者属于噪声，包括：
按照尺度从小到大的顺序，将在目标像素点的每个尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度组成目标像素点的灰度值集中程度序列；
获得目标像素点的灰度值集中程度序列的一阶差分序列，一阶差分序列中的第i个一阶差分值是目标像素点的灰度值集中程度序列中的第i+1个灰度值集中程度和第i个灰度值集中程度的差值；
若目标像素点的灰度值集中程度序列的一阶差分序列中最后N个一阶差分值均大于或者等于预设第一阈值，且N大于或者等于预设第二数值，则目标像素点属于背景区域，否则，目标像素点属于目标区域或者属于噪声。
进一步地，所述根据目标灰度值对应的所有目标像素点中，属于目标区域的目标像素点的数量和属于噪声的目标像素点的数量，对目标灰度值的频率进行调整，包括：
式中，表示目标灰度值调整后的频率，/>表示目标灰度值对应的所有目标像素点中属于目标区域的目标像素点的数量，/>表示目标灰度值对应的所有目标像素点中属于噪声的目标像素点的数量，R表示目标灰度值对应的所有目标像素点的数量，P表示目标灰度值的频率。
进一步地，所述获得目标像素点的每个尺度的邻域的灰度直方图，包括：
获得以目标像素点为中心像素点的多个尺度的邻域，根据目标像素点的每个尺度的邻域中灰度值的频率，获得目标像素点的每个尺度的邻域的灰度直方图。
本发明实施例至少具有如下有益效果：本发明根据灰度直方图中目标灰度值附近的灰度值的频数，计算在目标像素点的每个尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度，根据目标灰度值附近的灰度值集中程度随着邻域的尺度的变化情况和均值，获得所有目标像素点中，属于目标区域的目标像素点和属于噪声的目标像素点，根据目标灰度值对应的所有目标像素点中，属于目标区域的目标像素点的数量和属于噪声的目标像素点的数量，对目标灰度值的频率进行调整，根据所有灰度值调整后的频率，对螺栓的超声图像进行直方图均衡化，获得螺栓的增强后的超声图像中，通过将属于目标区域的目标灰度值的频率调小，使得属于目标区域的灰度值不会被合并，实现对内部缺陷的增强，通过将属于噪声的目标灰度值的频率调小，使得属于噪声的灰度值容易被合并，实现对噪声的抑制；通过对内部缺陷的增强和对噪声的抑制，提高超声图像的图像质量，进而提高螺栓的内部缺陷的检测准确性。
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为本发明实施例提供的基于超声波技术的螺栓无损检测方法的步骤流程图；
图2为本发明实施例提供的螺栓的超声图像示意图；
图3为本发明实施例提供的螺栓的增强后的超声图像示意图。
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超声波技术的螺栓无损检测方法，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超声波技术的螺栓无损检测方法的具体方案。
在超声成像的过程中，由于超声设备的局限性和干涉理论的存在，超声图像往往呈现出模糊、多噪声的特征。因此，若想要通过超声图像准确的检测出螺栓的内部缺陷，需要对螺栓的超声图像进行图像增强，抑制超声图像中的噪声，提高超声图像的图像质量。
将超声图像中的缺陷区域作为目标区域，将超声图像中属于螺栓本身的区域作为背景区域，在通过直方图均衡化方法对超声图像进行图像增强时，主要通过将频率较小的灰度值合并为一个灰度值，由于噪声是随机产生的，因此噪声对应的灰度值的频率较小，将频率较小的灰度值合并为一个灰度值，能够实现对噪声的抑制，但是螺栓的内部缺陷通常较小，所以超声图像中目标区域对应的灰度值的频率也较小，导致目标区域对应的灰度值也会被合并，最终导致无法实现对内部缺陷的增强。
虽然目标区域对应的灰度值和噪声对应的灰度值的频率都较小，但是属于目标区域的灰度值对应的像素点通常分布集中，属于目标区域的灰度值对应的像素点周围小范围邻域内的像素点，所以属于目标区域的灰度值对应的像素点和属于目标区域的灰度值对应的像素点具有以下区别：
对于属于目标区域的像素点：由于目标区域的面积较小，在该像素点的小尺度的邻域中，可能只包含其他属于目标区域的像素点，属于目标区域的像素点的灰度值会在该像素点的灰度值附近集中分布，而随着邻域的尺度增大，大尺度的邻域中加入了属于背景区域的其他像素点，属于背景区域的像素点的灰度值会在另一个灰度值附近集中分布，因此，随着该像素点的邻域的尺度增大，该像素点的灰度值附近的灰度值的频数之和逐渐增大，当增大到一定程度时，像素点的灰度值附近的灰度值的频数之和不再变化。
对于属于噪声的像素点：由于噪声可能分布在目标区域，也可能分布在背景区域，而属于背景区域的其他像素点或者属于目标区域的其他像素点的灰度值和该像素点的灰度值的灰度值存在差异，即属于背景区域的其他像素点或者属于目标区域的其他像素点的灰度值不会在该像素点的灰度值附近分布，所以该像素点的灰度值附近的灰度值的频数之和一直较小。
对于属于背景区域的像素点：由于背景区域的面积较大，随着该像素点的邻域的尺度不断增大，属于背景区域的其他像素点被不断加入到该像素点的邻域中，且属于背景区域的像素点的灰度值会在该像素点的灰度值附近集中分布，因此，随着该像素点的邻域的尺度增大，该像素点的灰度值附近的灰度值的频数之和逐渐增大。
综上，本实施例结合属于目标区域的像素点、属于噪声的像素点和属于背景区域的像素点周围邻域中像素点的灰度值的集中分布特征，判断每个像素点属于目标区域、噪声还是背景区域，进而根据属于目标区域、噪声和背景区域的像素点对应的灰度值，确定每种灰度值属于目标区域、噪声还是背景区域，对属于目标区域的灰度值和属于噪声的灰度值的频率进行调整，将属于目标区域的灰度值的频率调大，使其不会被合并，实现对内部缺陷的增强，将属于噪声的灰度值的频率调小，使其容易被合并，实现对噪声的抑制。
请参阅图1，其示出了本发明一个实施例提供的基于超声波技术的螺栓无损检测方法的步骤流程图，该方法包括以下步骤：
步骤S001，采集螺栓的超声图像。
具体的，在螺栓内部缺陷检测装置上确定定位槽，在定位槽的正上方设置超声波探头，通过超声波探头采集定位槽中的螺栓的超声图像，需要说明的是，超声相控阵通过扇形扫描进行成像，因此，后续过程中的超声图像是指超声图像中的扇形区域。
举例说明：在超声成像的过程中，由于超声设备的局限性和干涉理论的存在，超声图像往往呈现出模糊、多噪声的特征，如图2所示为螺栓的超声图像示意图。
步骤S002，获得目标像素点的每个尺度的邻域的灰度直方图，根据灰度直方图中目标灰度值附近的灰度值的频数，计算在目标像素点的每个尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度，根据目标灰度值附近的灰度值集中程度随着邻域的尺度的变化情况和均值，获得所有目标像素点中属于目标区域的目标像素点和属于噪声的目标像素点。
在一些实现中，属于目标区域的像素点、属于噪声的像素点和属于背景区域的像素点周围邻域中像素点的灰度值的集中分布特征不同：对于属于目标区域的像素点，随着属于目标区域的像素点的邻域的尺度增大，属于目标区域的像素点的灰度值附近的灰度值的频数之和逐渐增大，当增大到一定程度时，属于目标区域的像素点的灰度值附近的灰度值的频数之和不再变化；对于属于噪声的像素点，属于噪声的像素点的灰度值附近的灰度值的频数之和一直较小；对于属于背景区域的像素点：随着属于背景区域的像素点的邻域的尺度增大，属于背景区域的像素点的灰度值附近的灰度值的频数之和逐渐增大；综上可以通过像素点周围邻域中像素点的灰度值的集中分布特征，来判断像素点属于目标区域、噪声还是背景区域。
1、获得目标像素点的每个尺度的邻域的灰度直方图。
可选地，将超声图像中的任意一种灰度值记为目标灰度值，将目标灰度值对应的像素点记为目标像素点，对于任意一个目标像素点，获得以目标像素点为中心像素点的多个尺度的邻域，根据目标像素点的每个尺度的邻域中灰度值的频率，获得目标像素点的每个尺度的邻域的灰度直方图，尺度K×K中的K取遍预设范围内的所有奇数，实施人员可根据实际实施情况设置范围，例如[3,15]。
2、根据灰度直方图中目标灰度值附近的灰度值的频数，计算在目标像素点的每个尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度。
可选地，根据灰度直方图中目标灰度值附近的灰度值的频数，计算在目标像素点的每个尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度，具体为：
式中，表示在目标像素点的尺度为K×K的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度，/>表示目标灰度值，/>表示灰度值h的频数，即灰度值等于灰度值h的像素点的数量，/>表示以自然常数为底的指数函数，/>表示预设第一数值。
对在目标像素点的每个尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度进行线性归一化。
3、根据目标灰度值附近的灰度值集中程度随着邻域的尺度的变化情况和均值，获得所有目标像素点中属于目标区域的目标像素点和属于噪声的目标像素点。
可选地，根据在目标像素点的不同尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度，随着尺度的变化情况，判断目标像素点是属于目标区域还是属于背景区域或者属于噪声。
优选地，所述判断目标像素点是属于目标区域还是属于背景区域或者属于噪声，包括：按照尺度从小到大的顺序，将在目标像素点的每个尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度组成目标像素点的灰度值集中程度序列，获得目标像素点的灰度值集中程度序列的一阶差分序列，一阶差分序列中的第i个一阶差分值是目标像素点的灰度值集中程度序列中的第i+1个灰度值集中程度和第i个灰度值集中程度的差值；若目标像素点的灰度值集中程度序列的一阶差分序列中最后N个一阶差分值均大于或者等于预设第一阈值，且N大于或者等于预设第二数值，则目标像素点属于背景区域，否则，目标像素点属于目标区域或者属于噪声。
实施人员可根据实际实施情况设置第一阈值，例如0.05；实施人员可根据实际实施情况设置第二数值，例如3。
可选地，对于属于背景区域或者属于噪声的目标像素点，计算在目标像素点的所有尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度的均值，均值越小，目标像素点越可能是属于噪声的像素点，均值越大，目标像素点越可能是属于目标区域的像素点，具体为：若均值小于预设第二阈值，则目标像素点属于噪声，若均值大于或者等于预设第二阈值，则目标像素点属于目标区域。
步骤S003，根据属于目标区域的目标像素点的数量和属于噪声的目标像素点的数量，对目标灰度值的频率进行调整。
在一些实现中，根据属于目标区域、噪声和背景区域的像素点对应的灰度值，确定每种灰度值属于目标区域、噪声还是背景区域，对属于目标区域的灰度值和属于噪声的灰度值的频率进行调整，将属于目标区域的灰度值的频率调大，使其不会被合并，实现对内部缺陷的增强，将属于噪声的灰度值的频率调小，使其容易被合并，实现对噪声的抑制。
可选地，根据目标灰度值对应的所有目标像素点中，属于目标区域的目标像素点的数量和属于噪声的目标像素点的数量，对目标灰度值的频率进行调整：属于目标区域的像素点的数量越多，则目标灰度值越可能是属于目标区域的灰度值，通过将该目标灰度值的频率调大，使其不会被合并，实现对内部缺陷的增强；属于噪声的像素点的数量越多，则目标灰度值越可能是属于噪声的灰度值，通过将该目标灰度值的频率调小，使其容易被合并，实现对噪声的抑制。
优选地，所述根据目标灰度值对应的所有目标像素点中，属于目标区域的像素点的数量和属于噪声的像素点的数量，对目标灰度值的频率进行调整，目标灰度值调整后的频率具体为：
式中，表示目标灰度值调整后的频率，/>表示目标灰度值对应的所有目标像素点中属于目标区域的目标像素点的数量，/>表示目标灰度值对应的所有目标像素点中属于噪声的目标像素点的数量，R表示目标灰度值对应的所有目标像素点的数量，P表示目标灰度值的频率。
可以理解的是，目标灰度值对应的所有目标像素点中属于目标区域的目标像素点的数量越大，则目标灰度值越可能是属于目标区域的灰度值，该目标灰度值调整后的频率应该越大，通过将该目标灰度值的频率调大，使其不会被合并，实现对内部缺陷的增强；目标灰度值对应的所有目标像素点中属于噪声的目标像素点的数量越大，则目标灰度值越可能是属于噪声的灰度值，该目标灰度值调整后的频率应该越小，通过将该目标灰度值的频率调小，使其容易被合并，实现对噪声的抑制。
步骤S004，根据所有灰度值调整后的频率，对螺栓的超声图像进行直方图均衡化，获得螺栓的增强后的超声图像，根据增强后的超声图像判断螺栓是否存在内部缺陷。
可选地，根据所有灰度值调整后的频率，对螺栓的超声图像进行直方图均衡化，获得螺栓的增强后的超声图像，通过对螺栓的增强后的超声图像进行阈值分割和连通域分析，根据分析结果判断螺栓是否存在内部缺陷。
举例说明：如图3所示为螺栓的增强后的超声图像示意图。
可以理解的是，根据所有灰度值调整后的频率，对螺栓的超声图像进行直方图均衡化，获得螺栓的增强后的超声图像中，属于目标区域的灰度值不会被合并，实现对内部缺陷的增强，属于噪声的灰度值容易被合并，实现对噪声的抑制；通过对内部缺陷的增强和对噪声的抑制，提高超声图像的图像质量，进而提高螺栓的内部缺陷的检测准确性。
综上所述，本发明实施例根据灰度直方图中目标灰度值附近的灰度值的频数，计算在目标像素点的每个尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度，根据目标灰度值附近的灰度值集中程度随着邻域的尺度的变化情况和均值，获得所有目标像素点中，属于目标区域的目标像素点和属于噪声的目标像素点，根据目标灰度值对应的所有目标像素点中，属于目标区域的目标像素点的数量和属于噪声的目标像素点的数量，对目标灰度值的频率进行调整，根据所有灰度值调整后的频率，对螺栓的超声图像进行直方图均衡化，获得螺栓的增强后的超声图像中，通过将属于目标区域的目标灰度值的频率调小，使得属于目标区域的灰度值不会被合并，实现对内部缺陷的增强，通过将属于噪声的目标灰度值的频率调小，使得属于噪声的灰度值容易被合并，实现对噪声的抑制；通过对内部缺陷的增强和对噪声的抑制，提高超声图像的图像质量，进而提高螺栓的内部缺陷的检测准确性。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (6)

1.基于超声波技术的螺栓无损检测方法，其特征在于，所述螺栓无损检测方法包括：
采集螺栓的超声图像；
将超声图像中的任意一种灰度值记为目标灰度值，将目标灰度值对应的像素点记为目标像素点，对于任意一个目标像素点，获得目标像素点的每个尺度的邻域的灰度直方图；
根据灰度直方图中目标灰度值附近的灰度值的频数，计算在目标像素点的每个尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度；
根据目标灰度值附近的灰度值集中程度随着邻域的尺度的变化情况和均值，获得所有目标像素点中，属于目标区域的目标像素点和属于噪声的目标像素点；
根据目标灰度值对应的所有目标像素点中，属于目标区域的目标像素点的数量和属于噪声的目标像素点的数量，对目标灰度值的频率进行调整；
根据所有灰度值调整后的频率，对螺栓的超声图像进行直方图均衡化，获得螺栓的增强后的超声图像，根据增强后的超声图像判断螺栓是否存在内部缺陷。
2.如权利要求1所述的螺栓无损检测方法，其特征在于，所述根据灰度直方图中目标灰度值附近的灰度值的频数，计算在目标像素点的每个尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度，包括：
；
式中，表示在目标像素点的尺度为K×K的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度，尺度K×K中的K取遍预设范围内的所有奇数，/>表示目标灰度值，/>表示灰度值h的频数，即灰度值等于灰度值h的像素点的数量，/>表示以自然常数为底的指数函数，/>表示预设第一数值；
对在目标像素点的每个尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度进行线性归一化。
3.如权利要求1所述的螺栓无损检测方法，其特征在于，所述根据目标灰度值附近的灰度值集中程度随着邻域的尺度的变化情况和均值，获得所有目标像素点中，属于目标区域的目标像素点和属于噪声的目标像素点，包括：
根据在目标像素点的不同尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度，随着尺度的变化情况，判断目标像素点是属于目标区域还是属于背景区域或者属于噪声；
对于属于背景区域或者属于噪声的目标像素点，计算在该目标像素点的所有尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度的均值；
若均值小于预设第二阈值，则目标像素点属于噪声，若均值大于或者等于预设第二阈值，则目标像素点属于目标区域。
4.如权利要求3所述的螺栓无损检测方法，其特征在于，所述根据在目标像素点的不同尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度，随着尺度的变化情况，判断目标像素点是属于目标区域还是属于背景区域或者属于噪声，包括：
按照尺度从小到大的顺序，将在目标像素点的每个尺度的邻域的灰度直方图中，目标灰度值附近的灰度值集中程度组成目标像素点的灰度值集中程度序列；
获得目标像素点的灰度值集中程度序列的一阶差分序列，一阶差分序列中的第i个一阶差分值是目标像素点的灰度值集中程度序列中的第i+1个灰度值集中程度和第i个灰度值集中程度的差值；
若目标像素点的灰度值集中程度序列的一阶差分序列中最后N个一阶差分值均大于或者等于预设第一阈值，且N大于或者等于预设第二数值，则目标像素点属于背景区域，否则，目标像素点属于目标区域或者属于噪声。
5.如权利要求1所述的螺栓无损检测方法，其特征在于，所述根据目标灰度值对应的所有目标像素点中，属于目标区域的目标像素点的数量和属于噪声的目标像素点的数量，对目标灰度值的频率进行调整，包括：
；
式中，表示目标灰度值调整后的频率，/>表示目标灰度值对应的所有目标像素点中属于目标区域的目标像素点的数量，/>表示目标灰度值对应的所有目标像素点中属于噪声的目标像素点的数量，R表示目标灰度值对应的所有目标像素点的数量，P表示目标灰度值的频率。
6.如权利要求1所述的螺栓无损检测方法，其特征在于，所述获得目标像素点的每个尺度的邻域的灰度直方图，包括：
获得以目标像素点为中心像素点的多个尺度的邻域，根据目标像素点的每个尺度的邻域中灰度值的频率，获得目标像素点的每个尺度的邻域的灰度直方图。
CN202311670663.XA 2023-12-07 2023-12-07 基于超声波技术的螺栓无损检测方法 Active CN117392122B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311670663.XA CN117392122B (zh) 2023-12-07 2023-12-07 基于超声波技术的螺栓无损检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311670663.XA CN117392122B (zh) 2023-12-07 2023-12-07 基于超声波技术的螺栓无损检测方法

Publications (2)

Publication Number Publication Date
CN117392122A true CN117392122A (zh) 2024-01-12
CN117392122B CN117392122B (zh) 2024-03-15

Family

ID=89465108

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311670663.XA Active CN117392122B (zh) 2023-12-07 2023-12-07 基于超声波技术的螺栓无损检测方法

Country Status (1)

Country Link
CN (1) CN117392122B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050008213A1 (en) * 2003-07-09 2005-01-13 General Electric Company System and method for analyzing and identifying flaws in a manufactured part
JP2008233048A (ja) * 2007-03-23 2008-10-02 Railway Technical Res Inst 超音波探傷方法及び装置
CN104132998A (zh) * 2014-08-06 2014-11-05 北京科技大学 一种基于超声扫描显微镜的内部微观缺陷检测方法
CN112699912A (zh) * 2020-11-19 2021-04-23 电子科技大学 一种通过改进gan增强红外热图像的方法
US20210398271A1 (en) * 2020-06-19 2021-12-23 Hyundai Motor Company Inspection system and method for vehicle underbody
CN114972203A (zh) * 2022-04-29 2022-08-30 南通市立新机械制造有限公司 基于分水岭分割的机械零件轧制异常检测方法
CN115222741A (zh) * 2022-09-20 2022-10-21 江苏昱恒电气有限公司 一种电缆表面缺陷检测方法
CN115345876A (zh) * 2022-10-17 2022-11-15 中国空气动力研究与发展中心设备设计与测试技术研究所 一种基于超声图像的螺栓螺纹缺陷检测方法
CN115774055A (zh) * 2023-02-10 2023-03-10 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 集成电路内部缺陷检测方法、装置与系统
CN116205823A (zh) * 2023-05-05 2023-06-02 青岛市妇女儿童医院（青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心） 一种基于空域滤波的超声影像去噪方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050008213A1 (en) * 2003-07-09 2005-01-13 General Electric Company System and method for analyzing and identifying flaws in a manufactured part
JP2008233048A (ja) * 2007-03-23 2008-10-02 Railway Technical Res Inst 超音波探傷方法及び装置
CN104132998A (zh) * 2014-08-06 2014-11-05 北京科技大学 一种基于超声扫描显微镜的内部微观缺陷检测方法
US20210398271A1 (en) * 2020-06-19 2021-12-23 Hyundai Motor Company Inspection system and method for vehicle underbody
CN112699912A (zh) * 2020-11-19 2021-04-23 电子科技大学 一种通过改进gan增强红外热图像的方法
CN114972203A (zh) * 2022-04-29 2022-08-30 南通市立新机械制造有限公司 基于分水岭分割的机械零件轧制异常检测方法
CN115222741A (zh) * 2022-09-20 2022-10-21 江苏昱恒电气有限公司 一种电缆表面缺陷检测方法
CN115345876A (zh) * 2022-10-17 2022-11-15 中国空气动力研究与发展中心设备设计与测试技术研究所 一种基于超声图像的螺栓螺纹缺陷检测方法
CN115774055A (zh) * 2023-02-10 2023-03-10 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 集成电路内部缺陷检测方法、装置与系统
CN116205823A (zh) * 2023-05-05 2023-06-02 青岛市妇女儿童医院（青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心） 一种基于空域滤波的超声影像去噪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HUANG JINGXING ET AL.: "Phased Array Ultrasonic Sector Scan Imaging of Helicopter Damper Bolts Based on Vector Coherence Factor", APPLIED SCIENCES-BASEL, vol. 12, no. 19, 21 October 2022 (2022-10-21), pages 1 - 12 *
何再兴 等: "基于缺陷特征与种子填充的轮毂缺陷检测方法", 浙江大学学报(工学版), vol. 43, no. 07, 15 July 2009 (2009-07-15), pages 1230 - 1237 *

Also Published As

Publication number Publication date
CN117392122B (zh) 2024-03-15

Similar Documents

Publication Publication Date Title
CN112184693B (zh) 一种射线工业底片焊缝缺陷智能检测方法
CN113313641B (zh) 一种自适应中值滤波的ct图像去噪方法
CN102156996B (zh) 一种图像边缘检测的方法
CN117351019B (zh) 一种焊接缺陷检测方法
CN117058147B (zh) 基于计算机视觉的环保塑料制品缺陷检测方法
CN109785260B (zh) 一种针对侧扫声呐图像的非线性增强方法
CN114298916B (zh) 一种基于灰度拉伸和局部增强的X-Ray图像增强方法
CN115965623B (zh) 一种变压器生产中表面瑕疵检测方法及系统
CN115330646B (zh) 一种用于健身器材喷漆工艺的金属构件检查方法
CN116934755B (zh) 基于直方图均衡化的肺结核ct图像增强系统
CN116703754A (zh) 用于检测建筑供水管道裂痕的图像增强方法
Wang et al. Image enhancement for radiography inspection
CN114881961A (zh) 一种玻璃纤维板裂纹检测方法及设备
CN110084786B (zh) 一种渐变背景的数字x射线图像缺陷自动识别方法
CN117392122B (zh) 基于超声波技术的螺栓无损检测方法
CN111640160A (zh) 一种ct图像预处理方法
CN114998186A (zh) 基于图像处理的铜始极片表面结疤缺陷检测方法及系统
CN115330612A (zh) 基于自适应中值滤波的辐照图像去噪方法和系统
CN109459451A (zh) 一种基于射线造影的金属内部微小裂纹检测方法
CN113838001B (zh) 基于核密度估计的超声波全聚焦图像缺陷处理方法及装置
CN112862708B (zh) 图像噪声的自适应识别方法、传感器芯片以及电子设备
CN116883401B (zh) 一种工业产品生产质量检测系统
CN117152447B (zh) 一种冲切模具智能管理方法及系统
CN116051425B (zh) 一种红外图像处理方法、装置、电子设备及存储介质
CN115526867B (zh) 碳纤维复合材料气瓶x射线图像裂纹缺陷提取方法和装置

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