CN117848974B - 一种合金表面氧化金相检测方法及系统 - Google Patents
一种合金表面氧化金相检测方法及系统 Download PDFInfo
- Publication number
- CN117848974B CN117848974B CN202410257948.9A CN202410257948A CN117848974B CN 117848974 B CN117848974 B CN 117848974B CN 202410257948 A CN202410257948 A CN 202410257948A CN 117848974 B CN117848974 B CN 117848974B
- Authority
- CN
- China
- Prior art keywords
- pixel
- alloy
- reflection peak
- oxidation
- metallographic
- 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
- 229910045601 alloy Inorganic materials 0.000 title claims abstract description 260
- 239000000956 alloy Substances 0.000 title claims abstract description 260
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 238000010301 surface-oxidation reaction Methods 0.000 title claims abstract description 17
- 230000003647 oxidation Effects 0.000 claims abstract description 94
- 238000007254 oxidation reaction Methods 0.000 claims abstract description 94
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000001228 spectrum Methods 0.000 claims abstract description 49
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 230000008569 process Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 4
- 238000005088 metallography Methods 0.000 claims description 4
- 229910052751 metal Inorganic materials 0.000 description 14
- 239000002184 metal Substances 0.000 description 12
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 10
- 230000000694 effects Effects 0.000 description 6
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 5
- 229910052742 iron Inorganic materials 0.000 description 5
- 150000002739 metals Chemical class 0.000 description 5
- 239000000126 substance Substances 0.000 description 4
- UXFQFBNBSPQBJW-UHFFFAOYSA-N 2-amino-2-methylpropane-1,3-diol Chemical compound OCC(N)(C)CO UXFQFBNBSPQBJW-UHFFFAOYSA-N 0.000 description 3
- 101150035093 AMPD gene Proteins 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 3
- 238000005498 polishing Methods 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 235000013980 iron oxide Nutrition 0.000 description 2
- 239000007769 metal material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 229910000967 As alloy Inorganic materials 0.000 description 1
- QPLDLSVMHZLSFG-UHFFFAOYSA-N Copper oxide Chemical compound [Cu]=O QPLDLSVMHZLSFG-UHFFFAOYSA-N 0.000 description 1
- 239000005751 Copper oxide Substances 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 244000137852 Petrea volubilis Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003518 caustics Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 229910017052 cobalt Inorganic materials 0.000 description 1
- 239000010941 cobalt Substances 0.000 description 1
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 1
- 229910000431 copper oxide Inorganic materials 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- SZVJSHCCFOBDDC-UHFFFAOYSA-N ferrosoferric oxide Chemical compound O=[Fe]O[Fe]O[Fe]=O SZVJSHCCFOBDDC-UHFFFAOYSA-N 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- VBMVTYDPPZVILR-UHFFFAOYSA-N iron(2+);oxygen(2-) Chemical class [O-2].[Fe+2] VBMVTYDPPZVILR-UHFFFAOYSA-N 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000008247 solid mixture Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及合金氧化检测技术领域，具体涉及一种合金表面氧化金相检测方法及系统，该方法包括：采集合金金相高光谱数据，根据各像元光谱强度序列的成分复杂程度得到各像元的合金像元反射峰氧化指数，根据不同像元的合金像元反射峰氧化指数的差异得到各像元的合金像元噪声匹配指数，根据合金像元噪声匹配指数得到两像元在各波长上的归一化相似权重，结合归一化相似权重及NLM算法对合金金相高光谱数据进行去噪，将去噪后的合金金相高光谱数据与合金高光谱数据库进行比对，得到合金表面氧化情况。本发明旨在提高通过金相检测方法对合金表面氧化情况进行检测的准确率，完成合金表面氧化金相检测。
Description
技术领域
本发明涉及合金氧化检测技术领域，具体涉及一种合金表面氧化金相检测方法及系统。
背景技术
合金是指由两种或两种以上的不同金属元素，或金属与非金属元素组成的固态混合物，通过混合不同的金属元素，可以改变合金的物理和化学性质，从而使其具有比单一金属更优越的性能，广泛应用于电子行业、化工领域、医疗领域、航空航天等各种领域。
由于氧化对合金机械性能、耐腐蚀性、外观等方面产生较大影响，因此在大多情况下需要尽量避免合金的氧化，使用传统的检测合金表面氧化的方法如金相检测法对合金表面氧化情况进行检测时，能够提供有关金属材料的详细显微结构信息，如晶体尺寸、相的分布等，且适用于多种金属材料，包括铁、铜、铝、合金等，但由于合金是由多种金属混合制作而成，合金中含有较多的铁、钴、镍等元素，由于不同元素被氧化后的特征不同，同时不同元素之间具有一定的相互作用，故将合金经过金相检测方法处理后，所得高光谱数据中氧化区域更容易受到噪声干扰，使用传统的高光谱数据去噪算法如非局部均值去噪（Non-LocalMeans Denoising，NLM）算法对合金表面的高光谱数据进行去噪时，像元之间的各个相似权重可能会对噪声过于敏感，导致NLM算法对高光谱数据中的噪声过度反应，出现异常，使去噪效果较差，进而导致后续对合金表面氧化情况进行检测时的检测精度较低。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种合金表面氧化金相检测方法及系统，所采用的技术方案具体如下：
第一方面，本发明实施例提供了一种合金表面氧化金相检测方法，该方法包括以下步骤：
采集合金金相高光谱数据；
将各像元在各波长下的光谱强度作为各像元的光谱强度序列；根据各像元光谱强度序列中反射峰的位置分布得到各像元光谱强度序列中各反射峰的分合金像元反射峰氧化指数；根据光谱强度序列中反射峰间分合金像元反射峰氧化指数的差异得到各像元的合金像元反射峰氧化指数；以各像元为中心设定噪声观测窗口；根据噪声观测窗口内各像元与中心像元的合金像元反射峰氧化指数的差异得到各像元的合金像元噪声匹配指数；根据各像元的合金像元噪声匹配指数得到任意两个像元在各波长上的相似权重；根据各波长上的相似权重在所有波长中的占比得到所述任意两个像元在各波长上的归一化相似权重；结合归一化相似权重及NLM算法对合金金相高光谱数据进行去噪；利用去噪后的合金金相高光谱数据完成合金表面氧化金相检测；
所述根据光谱强度序列中反射峰间分合金像元反射峰氧化指数的差异得到各像元的合金像元反射峰氧化指数，包括：
计算各像元光谱强度序列中所有反射峰的分合金像元反射峰氧化指数最大值与各反射峰的分合金像元反射峰氧化指数的差值，计算所述差值与预设协调因子的和值，计算各反射峰的分合金像元反射峰氧化指数与所述和值的比值，将各像元光谱强度序列中所有反射峰的所述比值的和值作为各像元的合金像元反射峰氧化指数。
优选的，所述根据各像元光谱强度序列中反射峰的位置分布得到各像元光谱强度序列中各反射峰的分合金像元反射峰氧化指数，包括：
将各像元的光谱强度序列作为自动多尺度峰值查找算法的输入，输出为光谱强度序列中所有反射峰的峰值对应的波长，利用FWHM算法获取所有反射峰的宽度，获取所有反射峰的宽度的左边界点、右边界点对应波长在光谱强度序列中的序号，各反射峰的分合金像元反射峰氧化指数的表达式为：
式中，表示在合金金相高光谱数据中第a个像元光谱强度序列中第b个反射峰的分合金像元反射峰氧化指数，/>表示第b个反射峰的右边界点对应波长的序号，/>表示第b个反射峰的左边界点对应波长的序号，/>表示第b个反射峰的第/>个波长的光谱强度，/>表示第b个反射峰的第/>个波长的光谱强度，/>表示预设协调因子。
优选的，所述根据噪声观测窗口内各像元与中心像元的合金像元反射峰氧化指数的差异得到各像元的合金像元噪声匹配指数，表达式为：
式中，表示合金金相高光谱数据中第a个像元的合金像元噪声匹配指数，/>表示噪声观测窗口内像元的数量，/>表示合金金相高光谱数据中第a个像元的合金像元反射峰氧化指数，/>表示合金金相高光谱数据中第a个像元噪声观测窗口中第g个像元的合金像元反射峰氧化指数，/>表示合金金相高光谱数据中第a个像元的反射峰波长序列，/>表示合金金相高光谱数据中第a个像元的噪声观测窗口中第g个像元的反射峰波长序列，表示序列/>与序列/>的dtw距离。
优选的，所述反射峰波长序列中的各波长为对应像元的光谱强度序列中各反射峰的峰值对应的波长。
优选的，所述根据各像元的合金像元噪声匹配指数得到任意两个像元在各波长上的相似权重，表达式为：
式中，表示在合金金相高光谱数据中像元x与像元y在第i个波长上的相似权重，/>、/>分别表示合金金相高光谱数据中像元x、像元y的合金像元噪声匹配指数，/>表示预设协调因子，/>表示使用传统的NLM算法计算出的合金金相高光谱数据中像元x与像元y在第i个波长上的原始相似权重。
优选的，所述根据各波长上的相似权重在所有波长中的占比得到所述任意两个像元在各波长上的归一化相似权重，包括：
计算像元x与像元y在所有波长上相似权重的和值，记为第一和值，将像元x与像元y在各波长上的相似权重与所述第一和值的比值作为像元x与像元y在各波长上的归一化相似权重。
优选的，所述结合归一化相似权重及NLM算法对合金金相高光谱数据进行去噪，包括：
将两像元在各波长上的归一化相似权重作为NLM算法中的相似权重，将合金金相高光谱数据作为NLM算法的输入，输出为去噪后的合金金相高光谱数据。
优选的，所述利用去噪后的合金金相高光谱数据完成合金表面氧化金相检测，包括：
通过多次采集无缺陷、无氧化的对比合金的高光谱数据构建合金高光谱数据库，计算去噪后的合金金相高光谱数据与合金高光谱数据库中各对比合金的SSIM结构相似性系数，若SSIM结构相似性系数大于等于预设相似阈值，表示合金不存在氧化现象，反之，表示合金存在氧化现象。
第二方面，本发明实施例还提供了一种合金表面氧化金相检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明至少具有如下有益效果：
本发明通过分析合金表面氧化后在光谱强度序列中反射峰的数量、宽度特征构建合金像元反射峰氧化指数，反映合金金相高光谱数据中各像元符合氧化特征的程度；通过分析合金表面氧化后氧化区域与噪声的分布特征并结合合金像元反射峰氧化指数构建合金像元噪声匹配指数，反映合金金相高光谱数据中各像元属于噪声的可能性，提高对噪声数据的识别准确率；基于合金像元噪声匹配指数计算归一化相似权重，能够更准确的反映两个像元之间的相似程度，将其作为NLM算法中的相似权重，对传统的NLM算法进行改进，避免在合金金相高光谱数据中的多种噪声干扰导致使用传统的NLM算法去噪效果较差的问题，提高利用金相检测方法对合金表面氧化情况进行检测的准确率。
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为本发明一个实施例提供的一种合金表面氧化金相检测方法的步骤流程图；
图2为合金表面氧化检测指标获取流程图。
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一种合金表面氧化金相检测方法及系统，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。
下面结合附图具体的说明本发明所提供的一种合金表面氧化金相检测方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种合金表面氧化金相检测方法的步骤流程图，该方法包括以下步骤：
步骤S001，对待检测合金样本进行金相检测处理，采集处理后合金表面的高光谱数据。
对待检测合金样本检测面进行金相镶嵌，在磨抛机上使用砂纸对金相镶嵌后的待检测合金样本检测面进行磨制，通过金刚石抛光剂对磨制后的待检测合金样本检测面进行抛光处理，使用腐蚀剂对抛光后的待检测合金样本检测面进行擦拭，并使用无水乙醇进行清洗、吹干，得到待检测合金金相试样，通过高光谱成像仪采集待检测合金金相试样的高光谱数据，记为合金金相高光谱数据，则所得合金金相高光谱数据中第a个像元的光谱强度序列可具体表示为/>，其中/>、/>、/>分别表示合金金相高光谱数据中第a个像元在第1、2、A个波长上的光谱强度，A表示合金金相高光谱数据中像元的波长数量。
步骤S002，分析合金表面氧化后的反射峰特征并构建合金像元反射峰氧化指数，分析合金金相高光谱数据中噪声与氧化特征的差异，并结合合金像元反射峰氧化指数构建合金像元噪声匹配指数，基于合金像元噪声匹配指数计算NLM算法中的归一化相似权重。
具体的，本实施例首先采集合金金相高光谱数据，根据各像元光谱强度序列的成分复杂程度得到各像元的合金像元反射峰氧化指数，根据不同像元的合金像元反射峰氧化指数的差异得到各像元的合金像元噪声匹配指数，根据合金像元噪声匹配指数得到两像元在各波长上的归一化相似权重，结合归一化相似权重及NLM算法对合金金相高光谱数据进行去噪，将去噪后的合金金相高光谱数据与合金高光谱数据库进行比对，得到合金表面氧化情况，具体合金表面氧化检测指标获取流程图如图2所示。归一化相似权重的构建过程具体为：
当合金表面被氧化后，由于不同金属所对应的氧化产物不同，如铁氧化后会生成（氧化铁）、/>（氧化亚铁）、/>（四氧化三铁），铜被氧化后会生成/>（氧化铜）等，不同氧化产物的大小、颜色也不同，如铁锈为红色、铜锈为绿色等，故合金表面被氧化后，其表面会出现不规则的、不同颜色的颗粒状物体，当光线照射到合金表面的氧化产物后，由于其表面较为粗糙，光线照射到表面后不易反射，即合金表面氧化区域对光线的吸收能力较强，同时不同合金表面不同颜色对光线中不同波长的吸收能力不同，故在合金金相高光谱数据中，合金表面氧化区域内像元的光谱强度序列可能出现多个较强的反射峰，且由于合金氧化区域的金属以多种形式存在，如铁元素可能以铁单质、氧化铁等多种形式存在，故在反射峰附近区域内，像元的光谱强度序列的反射峰宽度会相对较宽，据此本实施例基于像元的光谱强度序列构建合金像元反射峰氧化指数，反映像元的成分复杂程度，构建过程如下：
以第a个像元为例，将第a个像元的光谱强度序列作为自动多尺度峰值查找算法（Automatic multiscale-based peak detection，AMPD）的输入，输出为第a个像元光谱强度序列中所有反射峰的峰值对应的波长，并按照半峰全宽（Full Width at Half Maximum，FWHM）的方式计算第a个像元光谱强度序列中所有反射峰的宽度，将反射峰宽的左、右边界点所对应的波长在光谱强度序列的序号，其中AMPD算法、FWHM的计算方式为公知技术，具体过程本实施例不再赘述。基于上述分析，构建合金像元反射峰氧化指数，表达式为：
式中，表示在合金金相高光谱数据中第a个像元光谱强度序列中第b个反射峰的分合金像元反射峰氧化指数，/>表示第b个反射峰的右边界点对应波长的序号，/>表示第b个反射峰的左边界点对应波长的序号，/>表示第b个反射峰的第/>个波长的光谱强度，/>表示第b个反射峰的第/>个波长的光谱强度，/>表示预设协调因子，用于避免分母为零，本实施例中/>，实施者可根据实际情况自行设定，本实施例对此不做限制；
表示在合金金相高光谱数据中第a个像元的合金像元反射峰氧化指数，/>表示第a个像元的光谱强度序列中所有反射峰的数量，/>表示在合金金相高光谱数据中第a个像元所有反射峰的分合金像元反射峰氧化指数的最大值。
反射峰的宽度越宽，即越大，同时在反射峰宽度内相邻两个波长的光谱强度差异越小，即/>越小，越表明该反射峰所对应金属元素的存在形式越复杂，而合金由不同的金属单质混合制成，其反射峰较为尖锐，故该反射峰所对应的金属元素越可能发生氧化现象，故计算出的分合金像元反射峰氧化指数越大，同时所有反射峰分合金像元反射峰氧化指数的最大值与各反射峰的分合金像元反射峰氧化指数差异越小，即越小，表明各反射峰的分合金像元反射峰氧化指数均相对较大，各反射峰所对应的金属元素的存在形式越复杂，则像元所对应位置的合金表面金属元素的存在形式越复杂，合金表面越可能发生氧化，故计算出的合金像元反射峰氧化指数越大。
在通过高光谱成像仪采集合金金相高光谱数据的过程中，可能会因为周围环境光源、反射等原因使所得合金金相高光谱数据中存在一定噪声，由于噪声可能会混淆合金表面元素的光谱信号，使合金金相高光谱数据中噪声区域所对应像元的光谱强度序列中反射峰的位置发生一定变化，而合金是由不同金属混合制成，不同金属在合金中的分布较为均匀，故未被噪声干扰时，合金表面不同位置处反射峰的位置变化相对较小，同时合金表面发生氧化后，通常表现为一个氧化区域，而不是一个氧化像元，噪声由于其不规律性，可能造成单个或多个像元出现噪声。据此本实施例基于合金像元反射峰氧化指数构建合金像元噪声匹配指数，反映各像元符合噪声特征的程度，合金像元噪声匹配指数的构建过程如下：
将以第a个像元为中心、边长为J的正方形窗口记为第a个像元的噪声观测窗口，本实施例中，实施者可根据实际情况自行设定，本实施例对此不做限制，将噪声观测窗口内各像元的光谱强度序列分别作为AMPD算法的输入，输出为各像元的所有反射峰的峰值所在的波长，将各像元的所有反射峰的峰值所在的波长构成的序列分别记为各像元的反射峰波长序列，并计算各像元的反射峰波长序列与第a个像元的反射峰波长序列的dtw距离，其中dtw距离的计算为公知技术，具体过程本实施例不再赘述。计算合金像元噪声匹配指数，表达式为：
式中，表示合金金相高光谱数据中第a个像元的合金像元噪声匹配指数，/>表示噪声观测窗口内像元的数量，/>表示合金金相高光谱数据中第a个像元的合金像元反射峰氧化指数，/>表示合金金相高光谱数据中第a个像元噪声观测窗口中第g个像元的合金像元反射峰氧化指数，/>表示合金金相高光谱数据中第a个像元的反射峰波长序列，/>表示合金金相高光谱数据中第a个像元的噪声观测窗口中第g个像元的反射峰波长序列，表示序列/>与序列/>的dtw距离。
在噪声观测窗口中，若第a个像元的合金像元反射峰氧化指数与其余像元的合金像元反射峰氧化指数差异越大，即越大，若第a个像元为合金氧化后的像元，则第a个像元周围的像元应当同样为氧化后的像元，则合金像元反射峰氧化指数的差异应当较小，故此时第a个像元越不符合合金表面的氧化特征，第a个像元越可能为受噪声干扰较为严重的像元，同时第a个像元与其余像元的反射峰波长序列的dtw距离越大，即/>越大，表明第a个像元的反射峰与其余像元的反射峰所在波长差异越大，则第a个像元所对应的成分与其余像元所对应的成分差异较大，而在合金中，不同位置的成分差异较小，即便合金表面被氧化，也只是被氧化区域中元素的存在形式较为多样化，元素不会变化，故此时第a个像元越可能为受噪声干扰较为严重的像元，故计算出的合金像元噪声匹配指数越大。
基于上述步骤所得各像元的合金像元噪声匹配指数，反映了各像元符合噪声的程度，则通过NLM算法对合金金相高光谱数据进行去噪处理时，若像元越可能受到较严重的噪声干扰，为达到更好的去噪效果，像元与其余像元的相似权重应当越小，据此本实施例基于合金像元噪声匹配指数计算归一化相似权重，表达式为：
式中，表示在合金金相高光谱数据中像元x与像元y在第i个波长上的相似权重，/>、/>分别表示合金金相高光谱数据中像元x、像元y的合金像元噪声匹配指数，/>表示预设协调因子，/>表示使用传统的NLM算法计算出的合金金相高光谱数据中像元x与像元y在第i个波长上的原始相似权重；
表示在合金金相高光谱数据中像元x与像元y在第i个波长上的归一化相似权重，/>表示在合金金相高光谱数据中像元x与像元y在第j个波长上的相似权重，A表示合金金相高光谱数据中像元的波长数量，将/>记为第一和值。
通过上述步骤所得合金金相高光谱数据中各像元的归一化相似权重，则将所得合金金相高光谱数据作为NLM算法的输入，将上述步骤改进后的各像元的归一化相似权重作为NLM算法中的相似权重，使用NLM算法对合金金相高光谱数据进行去噪时，需要对NLM算法中的相关参数进行初始化设置，具体包括如下参数：
平滑参数，用于控制合金金相高光谱数据的平滑程度，记平滑参数为h，本实施例中，实施者可根据实际情况自行设定，本实施例对此不做限制；
搜索窗口，用于在整个合金金相高光谱数据中寻找与搜索窗口中心像元相似的区域，记搜索窗口的边长为D，本实施例中，实施者可根据实际情况自行设定，本实施例对此不做限制，搜索窗口为方形窗口；
邻域窗口，通过在搜索窗口中滑动，根据邻域间的相似性确定邻域窗口中心像元对搜索窗口中心像元的权重，记邻域窗口的边长为E，本实施例中，实施者可根据实际情况自行设定，本实施例对此不做限制，邻域窗口为方形窗口；
则输出为去噪后的合金金相高光谱数据，将其记为合金金相高光谱去噪数据。其中NLM算法为公知技术，具体过程本实施例不再赘述。
步骤S003，基于合金金相高光谱去噪数据对合金表面氧化情况进行检测。
选取无缺陷、无氧化的合金作为对比合金，并通过高光谱成像仪多次采集对比合金的高光谱数据，基于对比合金的高光谱数据建立合金高光谱数据库，计算上述步骤所得合金金相高光谱去噪数据与合金高光谱数据库中各对比合金的SSIM结构相似性系数，SSIM结构相似性系数越接近1，表明检测合金与合金高光谱数据库中的合金结构越相似，检测合金表面越不可能存在氧化情况；SSIM结构相似性系数越接近于-1，表明检测合金表面与合金高光谱数据库中的合金结构差异越大，则检测合金表面越可能存在较严重的氧化情况。其中SSIM结构相似性系数的计算为公知技术，具体过程本实施例不再赘述。
若所得合金金相高光谱去噪数据与合金高光谱数据库中的SSIM结构相似性系数大于等于相似阈值Z，表明检测合金质量较好，不存在氧化情况；若SSIM结构相似性系数小于相似阈值Z，表明检测合金质量较差，需要进行除锈、防氧化等处理。其中本实施例中相似阈值，实施者可根据实际情况自行设定，本实施例对此不做限制。
基于与上述方法相同的发明构思，本发明实施例还提供了一种合金表面氧化金相检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种合金表面氧化金相检测方法中任意一项所述方法的步骤。
综上所述，本发明实施例通过对传统的NLM算法进行改进，避免在合金金相高光谱数据中的多种噪声干扰导致使用传统的NLM算法去噪效果较差的问题，提高利用金相检测方法对合金表面氧化情况进行检测的准确率。
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。
以上所述仅为本发明的较佳实施例，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 (5)
1.一种合金表面氧化金相检测方法，其特征在于，该方法包括以下步骤：
采集合金金相高光谱数据；
将各像元在各波长下的光谱强度作为各像元的光谱强度序列；根据各像元光谱强度序列中反射峰的位置分布得到各像元光谱强度序列中各反射峰的分合金像元反射峰氧化指数；根据光谱强度序列中反射峰间分合金像元反射峰氧化指数的差异得到各像元的合金像元反射峰氧化指数；以各像元为中心设定噪声观测窗口；根据噪声观测窗口内各像元与中心像元的合金像元反射峰氧化指数的差异得到各像元的合金像元噪声匹配指数；根据各像元的合金像元噪声匹配指数得到任意两个像元在各波长上的相似权重；根据各波长上的相似权重在所有波长中的占比得到所述任意两个像元在各波长上的归一化相似权重；结合归一化相似权重及NLM算法对合金金相高光谱数据进行去噪；利用去噪后的合金金相高光谱数据完成合金表面氧化金相检测；
所述根据光谱强度序列中反射峰间分合金像元反射峰氧化指数的差异得到各像元的合金像元反射峰氧化指数，包括：
计算各像元光谱强度序列中所有反射峰的分合金像元反射峰氧化指数最大值与各反射峰的分合金像元反射峰氧化指数的差值，计算所述差值与预设协调因子的和值，计算各反射峰的分合金像元反射峰氧化指数与所述和值的比值，将各像元光谱强度序列中所有反射峰的所述比值的和值作为各像元的合金像元反射峰氧化指数；
所述根据各像元光谱强度序列中反射峰的位置分布得到各像元光谱强度序列中各反射峰的分合金像元反射峰氧化指数，包括：
将各像元的光谱强度序列作为自动多尺度峰值查找算法的输入，输出为光谱强度序列中所有反射峰的峰值对应的波长，利用FWHM算法获取所有反射峰的宽度，获取所有反射峰的宽度的左边界点、右边界点对应波长在光谱强度序列中的序号，各反射峰的分合金像元反射峰氧化指数的表达式为：
式中，表示在合金金相高光谱数据中第a个像元光谱强度序列中第b个反射峰的分合金像元反射峰氧化指数，/>表示第b个反射峰的右边界点对应波长的序号，/>表示第b个反射峰的左边界点对应波长的序号，/>表示第b个反射峰的第/>个波长的光谱强度，/>表示第b个反射峰的第/>个波长的光谱强度，/>表示预设协调因子；
所述根据噪声观测窗口内各像元与中心像元的合金像元反射峰氧化指数的差异得到各像元的合金像元噪声匹配指数，表达式为：
式中，表示合金金相高光谱数据中第a个像元的合金像元噪声匹配指数，/>表示噪声观测窗口内像元的数量，/>表示合金金相高光谱数据中第a个像元的合金像元反射峰氧化指数，/>表示合金金相高光谱数据中第a个像元噪声观测窗口中第g个像元的合金像元反射峰氧化指数，/>表示合金金相高光谱数据中第a个像元的反射峰波长序列，/>表示合金金相高光谱数据中第a个像元的噪声观测窗口中第g个像元的反射峰波长序列，表示序列/>与序列/>的dtw距离；
所述反射峰波长序列中的各波长为对应像元的光谱强度序列中各反射峰的峰值对应的波长；
所述根据各像元的合金像元噪声匹配指数得到任意两个像元在各波长上的相似权重，表达式为：
式中，表示在合金金相高光谱数据中像元x与像元y在第i个波长上的相似权重，/>、/>分别表示合金金相高光谱数据中像元x、像元y的合金像元噪声匹配指数，/>表示预设协调因子，/>表示使用传统的NLM算法计算出的合金金相高光谱数据中像元x与像元y在第i个波长上的原始相似权重。
2.根据权利要求1所述的一种合金表面氧化金相检测方法，其特征在于，所述根据各波长上的相似权重在所有波长中的占比得到所述任意两个像元在各波长上的归一化相似权重，包括：
计算像元x与像元y在所有波长上相似权重的和值，记为第一和值，将像元x与像元y在各波长上的相似权重与所述第一和值的比值作为像元x与像元y在各波长上的归一化相似权重。
3.根据权利要求1所述的一种合金表面氧化金相检测方法，其特征在于，所述结合归一化相似权重及NLM算法对合金金相高光谱数据进行去噪，包括：
将两像元在各波长上的归一化相似权重作为NLM算法中的相似权重，将合金金相高光谱数据作为NLM算法的输入，输出为去噪后的合金金相高光谱数据。
4.根据权利要求1所述的一种合金表面氧化金相检测方法，其特征在于，所述利用去噪后的合金金相高光谱数据完成合金表面氧化金相检测，包括：
通过多次采集无缺陷、无氧化的对比合金的高光谱数据构建合金高光谱数据库，计算去噪后的合金金相高光谱数据与合金高光谱数据库中各对比合金的SSIM结构相似性系数，若SSIM结构相似性系数大于等于预设相似阈值，表示合金不存在氧化现象，反之，表示合金存在氧化现象。
5.一种合金表面氧化金相检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-4任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410257948.9A CN117848974B (zh) | 2024-03-07 | 2024-03-07 | 一种合金表面氧化金相检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410257948.9A CN117848974B (zh) | 2024-03-07 | 2024-03-07 | 一种合金表面氧化金相检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117848974A CN117848974A (zh) | 2024-04-09 |
| CN117848974B true CN117848974B (zh) | 2024-05-28 |
Family
ID=90544450
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410257948.9A Active CN117848974B (zh) | 2024-03-07 | 2024-03-07 | 一种合金表面氧化金相检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117848974B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6675106B1 (en) * | 2001-06-01 | 2004-01-06 | Sandia Corporation | Method of multivariate spectral analysis |
| CN1651905A (zh) * | 2005-02-05 | 2005-08-10 | 石家庄钢铁股份有限公司 | 钢中非金属夹杂物定量分析方法 |
| CN101950361A (zh) * | 2010-09-06 | 2011-01-19 | 中国科学院遥感应用研究所 | 一种基于光谱匹配度的遥感影像专题信息自适应提取方法 |
| CN109079329A (zh) * | 2018-09-14 | 2018-12-25 | 东莞理工学院 | 一种金属板材激光除锈系统 |
| CN109738369A (zh) * | 2018-12-10 | 2019-05-10 | 核工业北京地质研究院 | 一种采用航空高光谱遥感玉器的考古探测方法 |
| CN112435175A (zh) * | 2020-10-30 | 2021-03-02 | 西安交通大学 | 一种金相图像去噪方法及系统 |
| CN116071565A (zh) * | 2023-02-09 | 2023-05-05 | 西安航空学院 | 一种基于高光谱成像的苹果霉心病识别方法及系统 |
| CN116797801A (zh) * | 2023-01-04 | 2023-09-22 | 江苏宝孚克新能源科技有限公司 | 一种柔性铝合金导体的质量评估方法及系统 |
| CN117333681A (zh) * | 2023-09-26 | 2024-01-02 | 中国科学院国家空间科学中心 | 一种基于加权稀疏的高光谱异常目标检测方法及系统 |
| CN117428199A (zh) * | 2023-12-20 | 2024-01-23 | 兰州理工合金粉末有限责任公司 | 一种合金粉末雾化装置及雾化方法 |
| CN117554304A (zh) * | 2024-01-11 | 2024-02-13 | 深圳因赛德思医疗科技有限公司 | 一种喉镜片材料成分检测方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7892781B2 (en) * | 2001-03-30 | 2011-02-22 | Nanoprobes, Inc. | Detecting a target using a composite probe comprising a directing agent, a metal nanoparticle and an enzyme |
| US20230296437A1 (en) * | 2021-08-09 | 2023-09-21 | SafeNet International LLC | Hyperspectral Sensing System and Method for Qualitative Analysis of Fluids |
-
2024
- 2024-03-07 CN CN202410257948.9A patent/CN117848974B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6675106B1 (en) * | 2001-06-01 | 2004-01-06 | Sandia Corporation | Method of multivariate spectral analysis |
| CN1651905A (zh) * | 2005-02-05 | 2005-08-10 | 石家庄钢铁股份有限公司 | 钢中非金属夹杂物定量分析方法 |
| CN101950361A (zh) * | 2010-09-06 | 2011-01-19 | 中国科学院遥感应用研究所 | 一种基于光谱匹配度的遥感影像专题信息自适应提取方法 |
| CN109079329A (zh) * | 2018-09-14 | 2018-12-25 | 东莞理工学院 | 一种金属板材激光除锈系统 |
| CN109738369A (zh) * | 2018-12-10 | 2019-05-10 | 核工业北京地质研究院 | 一种采用航空高光谱遥感玉器的考古探测方法 |
| CN112435175A (zh) * | 2020-10-30 | 2021-03-02 | 西安交通大学 | 一种金相图像去噪方法及系统 |
| CN116797801A (zh) * | 2023-01-04 | 2023-09-22 | 江苏宝孚克新能源科技有限公司 | 一种柔性铝合金导体的质量评估方法及系统 |
| CN116071565A (zh) * | 2023-02-09 | 2023-05-05 | 西安航空学院 | 一种基于高光谱成像的苹果霉心病识别方法及系统 |
| CN117333681A (zh) * | 2023-09-26 | 2024-01-02 | 中国科学院国家空间科学中心 | 一种基于加权稀疏的高光谱异常目标检测方法及系统 |
| CN117428199A (zh) * | 2023-12-20 | 2024-01-23 | 兰州理工合金粉末有限责任公司 | 一种合金粉末雾化装置及雾化方法 |
| CN117554304A (zh) * | 2024-01-11 | 2024-02-13 | 深圳因赛德思医疗科技有限公司 | 一种喉镜片材料成分检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| Hyperspectral Imaging for the Elimination of Visual Ambiguity in Corrosion Detection and Identification of Corrosion Sources;Dayakar L. Naik等;Structural Health Monitoring;20210828;第21卷(第4期);全文 * |
| 基于实测光谱和SRF的稀疏植被区MODIS积雪信息提取;刘艳;李杨;张璞;;国土资源遥感;20130315(01);全文 * |
| 基于小波阈值法的矿山遥感图像非局部均值去噪;杜春梅;冀志刚;张琛;;金属矿山;20170315(03);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117848974A (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116721106B (zh) | 一种基于图像处理的型材瑕疵视觉检测方法 | |
| Sharifi et al. | A classified and comparative study of edge detection algorithms | |
| Yu et al. | A new edge detection approach based on image context analysis | |
| CN107368792A (zh) | 一种基于滤波器以及主干边缘的指静脉识别方法及系统 | |
| CN110276784B (zh) | 基于记忆机制与卷积特征的相关滤波运动目标跟踪方法 | |
| CN114581330A (zh) | 一种基于多尺度混合注意力的太赫兹图像去噪方法 | |
| Chaudhari | Steel surface defect detection using glcm, gabor wavelet, hog, and random forest classifier | |
| CN111223063A (zh) | 基于纹理特征和双核函数的手指静脉图像nlm去噪方法 | |
| CN110763913A (zh) | 一种基于信号分段分类的导数谱平滑处理方法 | |
| CN112634159A (zh) | 基于盲噪声估计的高光谱图像去噪方法 | |
| Jelinek et al. | Fractal analysis: pitfalls and revelations in neuroscience | |
| CN117848972B (zh) | 一种钛合金阳极氧化前处理方法 | |
| Zhang et al. | Automatic detection of surface defects based on deep random chains | |
| CN115797335A (zh) | 用于桥梁振动测量的欧拉运动放大效果评估及优化方法 | |
| CN117848974B (zh) | 一种合金表面氧化金相检测方法及系统 | |
| CN109934835A (zh) | 基于深度强化网络邻接连接的轮廓检测方法 | |
| CN113408616A (zh) | 基于pca-uve-elm的光谱分类方法 | |
| CN113450275A (zh) | 基于元学习的画质增强系统及方法、存储介质 | |
| CN108960256A (zh) | 一种部件损伤程度的确定方法、装置及设备 | |
| Taheri et al. | Diagnosis of cardiovascular disease using fuzzy methods in nuclear medicine imaging | |
| CN107727634B (zh) | 一种激光拉曼光谱解谱处理方法 | |
| Choi et al. | Fast, trainable, multiscale denoising | |
| CN105678704B (zh) | 一种基于视觉感知的非局部中值盲降噪方法 | |
| CN111259914B (zh) | 一种茶树叶特征信息高光谱提取方法 | |
| Shao et al. | No-Reference image quality assessment based on edge pattern feature in the spatial domain |
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 |