CN117876330A - 基于x射线图像识别的耐张线夹压接缺陷检测方法及系统 - Google Patents
基于x射线图像识别的耐张线夹压接缺陷检测方法及系统 Download PDFInfo
- Publication number
- CN117876330A CN117876330A CN202410044262.1A CN202410044262A CN117876330A CN 117876330 A CN117876330 A CN 117876330A CN 202410044262 A CN202410044262 A CN 202410044262A CN 117876330 A CN117876330 A CN 117876330A
- Authority
- CN
- China
- Prior art keywords
- strain clamp
- groove
- section
- gray level
- image
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 106
- 238000002788 crimping Methods 0.000 title claims abstract description 64
- 238000001514 detection method Methods 0.000 title claims description 24
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 23
- 230000003121 nonmonotonic effect Effects 0.000 claims description 38
- 230000008859 change Effects 0.000 claims description 37
- 238000012937 correction Methods 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000006835 compression Effects 0.000 description 18
- 238000007906 compression Methods 0.000 description 18
- 230000005540 biological transmission Effects 0.000 description 13
- 238000003745 diagnosis Methods 0.000 description 9
- 238000007689 inspection Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 229910000831 Steel Inorganic materials 0.000 description 5
- 239000010959 steel Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 229910052782 aluminium Inorganic materials 0.000 description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003313 weakening effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06V10/30—Noise filtering
-
- 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
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- 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
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像数据处理技术领域,公开了一种基于X射线图像识别的耐张线夹压接缺陷检测方法及系统,本方法通过对待检测的耐张线夹X射线图像进行灰度处理和预处理,再对耐张线夹灰度图像进行姿态校正至预设姿态,对经姿态校正后的耐张线夹灰度图像进行逐列扫描,得到每列的低灰度区域宽度相对变化量,将低灰度区域宽度相对变化量与预设的宽度相对变化量阈值进行比较来确定凹槽以及凹槽所在区段,并判断凹槽所在区段内的所有像素点的灰度值是否存在局部非单调区域,根据局部非单调区域确定压接缺陷以及压接缺陷区段,从而替代了人力缺陷诊断方式,降低了人力成本,提高了工作效率,从而满足输电线路耐张线夹的缺陷检测的及时性的要求。
Description
技术领域
本发明涉及图像数据处理技术领域,尤其涉及一种基于X射线图像识别的耐张线夹压接缺陷检测方法及系统。
背景技术
输电线路金具无损探伤技术是用来检测和评估输电线路金具(如耐张线夹、接续管、螺栓等)中潜在缺陷和损伤的技术。它对于确保输电线路的安全运行和预防故障具有重要意义。耐张线夹是影响输电线路线路运行稳定性的重要金具,它的健康状况直接影响线路的安全性和可靠性。由于安装人员未完全按照要求进行压接或其它外部环境因素的影响,耐张线夹可能会面临存在压接缺陷、弯曲、腐蚀、疲劳断裂等问题,这些问题可能导致金具的损坏和线路故障,所以需要X射线探伤等方式来提前检测防范风险。
X射线无损探伤检测是一种非侵入性的检测方法,能够在运行状态下检测金具的损伤和缺陷。它通过X射线对不同厚度物体穿透力不同的原理来获取金具内部的信息,可以快速、准确地检测潜在问题,并评估其对金具安全运行的影响。虽然X射线无损探伤技术的优点显著,但是业界对X射线图像的缺陷评定主要还是以检测人员肉眼目测,并借助丰富行业经验来诊断方式进行,这一方式会增加探伤诊断的耗时,影响检测结果的出具速度,同时也极大地增加人力成本。
电网输电线路的耐张线夹在组装、使用过程中可能会出现漏压、欠压、钢芯断裂等压接缺陷问题,现有输电线路检测工程中,通常采用X射线无损探伤技术来实现对缺陷的无损探伤,X射线无损探伤技术充分利用了X射线穿透性强的特点,可以实现实时成像,所成图像信息中包括了物体的厚度变化以及耐张线夹内部的缺陷情况。当前阶段,检测人员通过X射线图像信息对耐张线夹的诊断,主要还是依靠人的经验和肉眼判断,这种人工诊断缺陷的方式具有如下缺点:输电线路上需要检测的耐张线夹的数量庞大,而后台对返回的X射线图像的自动化诊断程度很低,通过人力去进行诊断,出具检测报告的方式,将导致人力成本较高,且工作效率较低;人为的主观性判断对诊断结果的影响较强,对检测人员的经验要求较高;人为诊断耗时很长,由于耐张线夹隐患对输电线路的具有潜在破坏性,难以满足输电线路耐张线夹的缺陷检测的及时性的要求。
发明内容
本发明提供了一种基于X射线图像识别的耐张线夹压接缺陷检测方法及系统,解决了人工诊断耐张线夹缺陷的方式的人力成本较高、且工作效率较低,难以满足输电线路耐张线夹的缺陷检测的及时性的要求的技术问题。
有鉴于此,本发明第一方面提供了一种基于X射线图像识别的耐张线夹压接缺陷检测方法,包括以下步骤:
对待检测的耐张线夹X射线图像进行灰度处理,得到耐张线夹灰度图像;
对所述耐张线夹灰度图像进行预处理;
对经过预处理后的耐张线夹灰度图像进行姿态校正至预设姿态;
对经姿态校正后的耐张线夹灰度图像进行逐列扫描,得到每列的低灰度区域宽度相对变化量;
将所述低灰度区域宽度相对变化量与预设的宽度相对变化量阈值进行比较,根据比较结果确定凹槽以及凹槽所在区段;
判断所述凹槽所在区段内的所有像素点的灰度值是否存在局部非单调区域,若判断所述凹槽所在区段内的所有像素点的灰度值存在局部非单调区域,则根据局部非单调区域确定压接缺陷以及压接缺陷区段。
优选地,所述对所述耐张线夹灰度图像进行预处理的步骤,具体包括:
对所述耐张线夹灰度图像进行平滑滤波处理;
对经过平滑滤波处理后的耐张线夹灰度图像进行图像增强处理。
优选地,所述对经过预处理后的耐张线夹灰度图像进行姿态校正至预设姿态的步骤,具体包括:
采用Canny边缘检测算子对经过预处理后的耐张线夹灰度图像进行边缘检测,得到高频边缘信息;
采用Hough变换算法检测所述高频边缘信息的所有直线段,并确定每条直线段的斜率;
采用RANSAC随机采样一致算法对所有直线段分别对应的斜率进行线性拟合,得到耐张线夹的轴向斜率;
根据所述耐张线夹的轴向斜率和图像横轴斜率确定旋转变换矩阵,根据所述旋转变换矩阵对所述耐张线夹灰度图像进行插值处理,得到耐张线夹轴向平行于图像横轴的图像。
优选地,所述将所述低灰度区域宽度相对变化量与预设的宽度相对变化量阈值进行比较,根据比较结果确定凹槽以及凹槽所在区段的步骤,具体包括:
将所述低灰度区域宽度相对变化量与预设的宽度相对变化量阈值进行比较,若在区段ab内的所述低灰度区域宽度相对变化量均大于所述预设的宽度相对变化量阈值时,则判定出现一个凹槽,并确定区段ab为凹槽所在区段。
优选地,所述判断所述凹槽所在区段内的所有像素点的灰度值是否存在局部非单调区域,若判断所述凹槽所在区段内的所有像素点的灰度值存在局部非单调区域,则根据局部非单调区域确定压接缺陷以及压接缺陷区段的步骤,具体包括:
根据所述局部非单调区域的判定规则判断所述凹槽所在区段内的所有像素点的灰度值是否存在局部非单调区域,其中,所述局部非单调区域的判定规则为:
δ(c)<δ(x)<δ(d),且(δ(c)=δ(d))
式中,δ(c)、δ(x)、δ(d)分别表示像素点位置c、x、d的灰度值,像素点位置c、x、d的排列次序为c<x<d;
若判断所述凹槽所在区段内的所有像素点的灰度值存在局部非单调区域,则根据像素点位置c、d确定压接缺陷以及压接缺陷区段。
优选地,本方法还包括:
获取所述凹槽的数量,判断所述凹槽的数量是否达到预设最大凹槽数阈值;
若判断所述凹槽的数量未达到预设最大凹槽数阈值,则继续扫描直至所述凹槽的数量达到预设最大凹槽数阈值时,停止扫描。
优选地,本方法还包括:
根据所述压接缺陷区段的长度和压接缺陷的数量评估耐张线夹的压接缺陷严重程度,其中,所述压接缺陷区段的长度和压接缺陷的数量越大,则耐张线夹的压接缺陷严重程度越高。
第二方面,本发明还提供了一种基于X射线图像识别的耐张线夹压接缺陷检测系统,包括:
灰度处理模块,用于对待检测的耐张线夹X射线图像进行灰度处理,得到耐张线夹灰度图像;
预处理模块,用于对所述耐张线夹灰度图像进行预处理;
姿态校正模块,用于对经过预处理后的耐张线夹灰度图像进行姿态校正至预设姿态;
图像扫描模块,用于对经姿态校正后的耐张线夹灰度图像进行逐列扫描,得到每列的低灰度区域宽度相对变化量;
凹槽识别模块,用于将所述低灰度区域宽度相对变化量与预设的宽度相对变化量阈值进行比较,根据比较结果确定凹槽以及凹槽所在区段;
缺陷检测模块,用于判断所述凹槽所在区段内的所有像素点的灰度值是否存在局部非单调区域,若判断所述凹槽所在区段内的所有像素点的灰度值存在局部非单调区域,则根据局部非单调区域确定压接缺陷以及压接缺陷区段。
第三方面,本发明还提供了一种电子设备,所述电子设备包括存储器和处理器;
所述存储器用于存储程序;
所述处理器执行所述程序实现上述的方法。
第四方面,本发明还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法。
从以上技术方案可以看出,本发明具有以下优点:
本发明通过对待检测的耐张线夹X射线图像进行灰度处理和预处理,再对耐张线夹灰度图像进行姿态校正至预设姿态,对经姿态校正后的耐张线夹灰度图像进行逐列扫描,得到每列的低灰度区域宽度相对变化量,将低灰度区域宽度相对变化量与预设的宽度相对变化量阈值进行比较来确定凹槽以及凹槽所在区段,并判断凹槽所在区段内的所有像素点的灰度值是否存在局部非单调区域,根据局部非单调区域确定压接缺陷以及压接缺陷区段,从而利用有压接缺陷、无压接缺陷图像之间列灰度扫描信息不同的特性来检测压接缺陷,替代了人力缺陷诊断方式,降低了人力成本,提高了工作效率,从而满足输电线路耐张线夹的缺陷检测的及时性的要求。
附图说明
图1为本发明实施例提供的一种基于X射线图像识别的耐张线夹压接缺陷检测方法的流程图;
图2为本发明实施例提供的两段区域的列扫描灰度信息图;
图3为本发明实施例提供的一定区域内的列扫描灰度信息图;
图4为本发明实施例提供的一种基于X射线图像识别的耐张线夹压接缺陷检测系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了便于理解,请参阅图1,本发明提供的一种基于X射线图像识别的耐张线夹压接缺陷检测方法,包括以下步骤:
S101、对待检测的耐张线夹X射线图像进行灰度处理,得到耐张线夹灰度图像。
S102、对耐张线夹灰度图像进行预处理。
需要说明的是,由于在X射线机工作过程中,耐张线夹的构件主要是圆柱状金属管,包括外层铝套以及内部钢锚、钢芯,圆柱体结构的不同部位对沿管径方向平行入射的X射线的削弱效果不同,表现为金属管自管芯至管壁处对于X射线的透照厚度逐渐减小,对X射线的削弱作用也同样减小,所以在X射线图像中,金属管的像的边缘普遍存在模糊边缘及参差不齐的毛边、毛刺,同时受到采集设备以及周边环境的影响,X射线图像中包含了一些冗余信息,这些信息对后续的图像分析会造成很大的影响。所以,需要对源图像进行相应的图像预处理。
具体来说,步骤S102具体包括:
S1021、对耐张线夹灰度图像进行平滑滤波处理。
其中,平滑滤波可以抑制噪声又能保持细节,从而有效提升图像的信噪比,通过选定合适尺寸的中值滤波模板,对耐张线夹灰度图像进行平滑滤波处理。
S1022、对经过平滑滤波处理后的耐张线夹灰度图像进行图像增强处理。
在消除图像的噪声、毛刺等高频信息后,为了进一步改善图像的视觉效果,提高图像的清晰度,便于后续对关注区域进行分析,我们还需要对经过平滑处理后的图像进行图像增强操作,为了提高局部对比度和增强图像每个区域的边缘清晰度,可以采用CLAHE(自适应直方图均衡化算法)来对耐张线夹灰度图像的像素点灰度值进行重构,得到图像增强后的耐张线夹灰度图像。
S103、对经过预处理后的耐张线夹灰度图像进行姿态校正至预设姿态。
需要说明的是,由于X射线机在每次拍摄耐张线夹时,摆放的角度位置不同,导致拍摄得到的X射线图像中耐张线夹的朝向各异,为了便于后续分析,有必要使X射线图像中耐张线夹的轴向调整至统一方向,在一个示例中,将耐张线夹的轴向平行于图像横轴。
S104、对经姿态校正后的耐张线夹灰度图像进行逐列扫描,得到每列的低灰度区域宽度相对变化量。
需要说明的是,不同型号钢锚管的凹槽数量是不同的,凹槽数量如2、3、4等,在提前预输入凹槽数量的情况下,可以通过凹槽正常压接处、凹槽非正常压接处、非凹槽压接处的灰度变化的不同确定缺陷及缺陷严重程度。由于X射线对锚管和铝管的透射率不同,导致凹槽正常压接处、非凹槽压接处灰度曲线总体上呈如下“牛脸”型,但凹槽的存在,使两者的灰度曲线在灰度值单调变化(一侧单调递减,一侧单调递增)的过程中,可以分为二阶导正负性不同的两段区域,如图2所示,图2示意了两段区域的列扫描灰度信息图。在扫描过程中,可以持续记录每一列的低灰度区域宽度相对变化量。
其中,低灰度区域宽度相对变化量计算为:
|α-β(x)|
式中,x为列索引,α为无凹槽区域的列扫描灰度信息图中低灰度区域宽度,β(x)为扫描的第x列的列扫描灰度信息图中低灰度区域宽度。
S105、将低灰度区域宽度相对变化量与预设的宽度相对变化量阈值进行比较,根据比较结果确定凹槽以及凹槽所在区段。
具体来说,将低灰度区域宽度相对变化量与预设的宽度相对变化量阈值进行比较,若在区段ab内的低灰度区域宽度相对变化量均大于预设的宽度相对变化量阈值时,则判定出现一个凹槽,并确定区段ab为凹槽所在区段。
在一个示例中,其中,通过设定宽度相对变化量阈值θ=k*α(k=0.1),当检测到一定区域内的列扫描灰度信息图如图3所示,且低灰度区域宽度相对变化量D(x)在a<D(x)<b时,每列的低灰度区域宽度相对变化量D(x)都大于θ,则说明扫描过程中发现了一个凹槽,并更新凹槽发现数量τ=τ0+1,其中,τ0表示更新前的凹槽数量。
S106、判断凹槽所在区段内的所有像素点的灰度值是否存在局部非单调区域,若判断凹槽所在区段内的所有像素点的灰度值存在局部非单调区域,则根据局部非单调区域确定压接缺陷以及压接缺陷区段。
具体来说,步骤S106具体包括:
S1061、根据局部非单调区域的判定规则判断凹槽所在区段内的所有像素点的灰度值是否存在局部非单调区域,其中,局部非单调区域的判定规则为:
δ(c)<δ(x)<δ(d),且(δ(c)=δ(d))
式中,δ(c)、δ(x)、δ(d)分别表示像素点位置c、x、d的灰度值,像素点位置c、x、d的排列次序为c<x<d。
S1062、若判断凹槽所在区段内的所有像素点的灰度值存在局部非单调区域,则根据像素点位置c、d确定压接缺陷以及压接缺陷区段。
在一个示例中,如图3所示,在扫描过程中,满足低灰度区域宽度相对变化量D(x)在一段区间内都大于宽度相对变化量阈值,且低灰度区域宽度相对变化量的曲线的灰度值并非单调,而是包含着一段显著的非单调区域,如图3所示中的CD段,而CD段满足局部非单调区域的判定规则,则可以判定存在局部非单调区域。
其中,局部非单调区域的形成是由于钢锚件的凹槽或非凹槽区域存在漏压或欠压的压接缺陷导致,则表明存在压接缺陷,记录压接缺陷数μ=μ+1,同时,CD段为压接缺陷区段。
需要说明的是,本发明通过对待检测的耐张线夹X射线图像进行灰度处理和预处理,再对耐张线夹灰度图像进行姿态校正至预设姿态,对经姿态校正后的耐张线夹灰度图像进行逐列扫描,得到每列的低灰度区域宽度相对变化量,将低灰度区域宽度相对变化量与预设的宽度相对变化量阈值进行比较来确定凹槽以及凹槽所在区段,并判断凹槽所在区段内的所有像素点的灰度值是否存在局部非单调区域,根据局部非单调区域确定压接缺陷以及压接缺陷区段,从而利用有压接缺陷、无压接缺陷图像之间列灰度扫描信息不同的特性来检测压接缺陷,替代了人力缺陷诊断方式,降低了人力成本,提高了工作效率,从而满足输电线路耐张线夹的缺陷检测的及时性的要求。
在一个具体实施例中,步骤S103具体包括:
S1031、采用Canny边缘检测算子对经过预处理后的耐张线夹灰度图像进行边缘检测,得到高频边缘信息。
S1032、采用Hough变换算法检测高频边缘信息的所有直线段,并确定每条直线段的斜率。
其中,通过Hough变换算法可以检测高频边缘信息的所有直线段,对于Hough算法返回的极坐标(ρi,θi)(i=1,2…n),将其换算成每条直线段斜率(k1,k2…,kn),n表示直线段数,大部分直线段的斜率都保持在一个较小的预设斜率范围内,若检测到直线段的斜率不在预设斜率范围内,即直线段为噪声信息,并对噪声进行剔除。
S1033、采用RANSAC随机采样一致算法对所有直线段分别对应的斜率进行线性拟合,得到耐张线夹的轴向斜率。
需要说明的是,本实施例将耐张线夹的轴向问题等价为:(1,k1),(2,k2),…(n,kn)等n个点求其拟合直线的斜率问题,为了排除噪声影响,采用RANSAC随机采样一致算法对所有直线段分别对应的斜率进行线性拟合,得到拟合直线的斜率K即为耐张线夹的轴向斜率。
S1034、根据耐张线夹的轴向斜率和图像横轴斜率确定旋转变换矩阵,根据旋转变换矩阵对耐张线夹灰度图像进行插值处理,得到耐张线夹轴向平行于图像横轴的图像。
其中,由于图像横轴斜率为零,故可以推导出旋转变换矩阵为:
式中,R(K)为旋转变换矩阵。
再对耐张线夹灰度图像进行插值处理后,可得到耐张线夹轴向平行于图像横轴的图像。
在一个具体实施例中,本方法还包括:
S701、获取凹槽的数量,判断凹槽的数量是否达到预设最大凹槽数阈值;
S702、若判断凹槽的数量未达到预设最大凹槽数阈值,则继续扫描直至凹槽的数量达到预设最大凹槽数阈值时,停止扫描。
在一个具体实施例中,本方法还包括:
S801、根据压接缺陷区段的长度和压接缺陷的数量评估耐张线夹的压接缺陷严重程度,其中,压接缺陷区段的长度和压接缺陷的数量越大,则耐张线夹的压接缺陷严重程度越高。
其中,若压接缺陷区段为c点到d点,通过获取c点和d点的位置信息,则得到压接缺陷区段的长度γ=d-c,更新压接缺陷数μ=μ0+1,其中,μ0表示更新前的压接缺陷数,通过压接缺陷区段的长度和压接缺陷数综合判断耐张线夹的压接缺陷严重程度,其中,压接缺陷区段的长度和压接缺陷的数量越大,则耐张线夹的压接缺陷严重程度越高,其呈正相关趋势。
在一个示例中,通过设置不同的阈值来确定耐张线夹的压接缺陷严重程度等级。
以上为本发明提供的一种基于X射线图像识别的耐张线夹压接缺陷检测方法的实施例的详细描述,以下为本发明提供的一种基于X射线图像识别的耐张线夹压接缺陷检测系统的实施例的详细描述。
为了便于理解,请参阅图4,本发明还提供了一种基于X射线图像识别的耐张线夹压接缺陷检测系统,包括:
灰度处理模块100,用于对待检测的耐张线夹X射线图像进行灰度处理,得到耐张线夹灰度图像;
预处理模块200,用于对耐张线夹灰度图像进行预处理;
姿态校正模块300,用于对经过预处理后的耐张线夹灰度图像进行姿态校正至预设姿态;
图像扫描模块400,用于对经姿态校正后的耐张线夹灰度图像进行逐列扫描,得到每列的低灰度区域宽度相对变化量;
凹槽识别模块500,用于将低灰度区域宽度相对变化量与预设的宽度相对变化量阈值进行比较,根据比较结果确定凹槽以及凹槽所在区段;
缺陷检测模块600,用于判断凹槽所在区段内的所有像素点的灰度值是否存在局部非单调区域,若判断凹槽所在区段内的所有像素点的灰度值存在局部非单调区域,则根据局部非单调区域确定压接缺陷以及压接缺陷区段。
本发明还提供了一种电子设备,电子设备包括存储器和处理器;
存储器用于存储程序;
处理器执行程序实现上述的方法。
本发明还提供了一种计算机可读存储介质,存储介质存储有计算机程序,计算机程序被处理器执行时实现上述的方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,电子设备和计算机可读存储介质的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,电子设备,计算机可读存储介质和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以通过一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,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发明各实施例技术方案的精神和范围。
Claims (10)
1.基于X射线图像识别的耐张线夹压接缺陷检测方法,其特征在于,包括以下步骤:
对待检测的耐张线夹X射线图像进行灰度处理,得到耐张线夹灰度图像;
对所述耐张线夹灰度图像进行预处理;
对经过预处理后的耐张线夹灰度图像进行姿态校正至预设姿态;
对经姿态校正后的耐张线夹灰度图像进行逐列扫描,得到每列的低灰度区域宽度相对变化量;
将所述低灰度区域宽度相对变化量与预设的宽度相对变化量阈值进行比较,根据比较结果确定凹槽以及凹槽所在区段;
判断所述凹槽所在区段内的所有像素点的灰度值是否存在局部非单调区域,若判断所述凹槽所在区段内的所有像素点的灰度值存在局部非单调区域,则根据局部非单调区域确定压接缺陷以及压接缺陷区段。
2.根据权利要求1所述的基于X射线图像识别的耐张线夹压接缺陷检测方法,其特征在于,所述对所述耐张线夹灰度图像进行预处理的步骤,具体包括:
对所述耐张线夹灰度图像进行平滑滤波处理;
对经过平滑滤波处理后的耐张线夹灰度图像进行图像增强处理。
3.根据权利要求1所述的基于X射线图像识别的耐张线夹压接缺陷检测方法,其特征在于,所述对经过预处理后的耐张线夹灰度图像进行姿态校正至预设姿态的步骤,具体包括:
采用Canny边缘检测算子对经过预处理后的耐张线夹灰度图像进行边缘检测,得到高频边缘信息;
采用Hough变换算法检测所述高频边缘信息的所有直线段,并确定每条直线段的斜率;
采用RANSAC随机采样一致算法对所有直线段分别对应的斜率进行线性拟合,得到耐张线夹的轴向斜率;
根据所述耐张线夹的轴向斜率和图像横轴斜率确定旋转变换矩阵,根据所述旋转变换矩阵对所述耐张线夹灰度图像进行插值处理,得到耐张线夹轴向平行于图像横轴的图像。
4.根据权利要求1所述的基于X射线图像识别的耐张线夹压接缺陷检测方法,其特征在于,所述将所述低灰度区域宽度相对变化量与预设的宽度相对变化量阈值进行比较,根据比较结果确定凹槽以及凹槽所在区段的步骤,具体包括:
将所述低灰度区域宽度相对变化量与预设的宽度相对变化量阈值进行比较,若在区段ab内的所述低灰度区域宽度相对变化量均大于所述预设的宽度相对变化量阈值时,则判定出现一个凹槽,并确定区段ab为凹槽所在区段。
5.根据权利要求1所述的基于X射线图像识别的耐张线夹压接缺陷检测方法,其特征在于,所述判断所述凹槽所在区段内的所有像素点的灰度值是否存在局部非单调区域,若判断所述凹槽所在区段内的所有像素点的灰度值存在局部非单调区域,则根据局部非单调区域确定压接缺陷以及压接缺陷区段的步骤,具体包括:
根据所述局部非单调区域的判定规则判断所述凹槽所在区段内的所有像素点的灰度值是否存在局部非单调区域,其中,所述局部非单调区域的判定规则为:
δ(c)<δ(x)<δ(d),且(δ(c)=δ(d))
式中,δ(c)、δ(x)、δ(d)分别表示像素点位置c、x、d的灰度值,像素点位置c、x、d的排列次序为c<x<d;
若判断所述凹槽所在区段内的所有像素点的灰度值存在局部非单调区域,则根据像素点位置c、d确定压接缺陷以及压接缺陷区段。
6.根据权利要求1所述的基于X射线图像识别的耐张线夹压接缺陷检测方法,其特征在于,还包括:
获取所述凹槽的数量,判断所述凹槽的数量是否达到预设最大凹槽数阈值;
若判断所述凹槽的数量未达到预设最大凹槽数阈值,则继续扫描直至所述凹槽的数量达到预设最大凹槽数阈值时,停止扫描。
7.根据权利要求1或5所述的基于X射线图像识别的耐张线夹压接缺陷检测方法,其特征在于,还包括:
根据所述压接缺陷区段的长度和压接缺陷的数量评估耐张线夹的压接缺陷严重程度,其中,所述压接缺陷区段的长度和压接缺陷的数量越大,则耐张线夹的压接缺陷严重程度越高。
8.基于X射线图像识别的耐张线夹压接缺陷检测系统,其特征在于,包括:
灰度处理模块,用于对待检测的耐张线夹X射线图像进行灰度处理,得到耐张线夹灰度图像;
预处理模块,用于对所述耐张线夹灰度图像进行预处理;
姿态校正模块,用于对经过预处理后的耐张线夹灰度图像进行姿态校正至预设姿态;
图像扫描模块,用于对经姿态校正后的耐张线夹灰度图像进行逐列扫描,得到每列的低灰度区域宽度相对变化量;
凹槽识别模块,用于将所述低灰度区域宽度相对变化量与预设的宽度相对变化量阈值进行比较,根据比较结果确定凹槽以及凹槽所在区段;
缺陷检测模块,用于判断所述凹槽所在区段内的所有像素点的灰度值是否存在局部非单调区域,若判断所述凹槽所在区段内的所有像素点的灰度值存在局部非单调区域,则根据局部非单调区域确定压接缺陷以及压接缺陷区段。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器;
所述存储器用于存储程序;
所述处理器执行所述程序实现权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,所述存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410044262.1A CN117876330B (zh) | 2024-01-11 | 2024-01-11 | 基于x射线图像识别的耐张线夹压接缺陷检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410044262.1A CN117876330B (zh) | 2024-01-11 | 2024-01-11 | 基于x射线图像识别的耐张线夹压接缺陷检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117876330A true CN117876330A (zh) | 2024-04-12 |
CN117876330B CN117876330B (zh) | 2024-07-30 |
Family
ID=90582607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410044262.1A Active CN117876330B (zh) | 2024-01-11 | 2024-01-11 | 基于x射线图像识别的耐张线夹压接缺陷检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117876330B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102257558A (zh) * | 2008-12-19 | 2011-11-23 | 株式会社半导体能源研究所 | 用于驱动液晶显示装置的方法 |
CN105334219A (zh) * | 2015-09-16 | 2016-02-17 | 湖南大学 | 一种残差分析动态阈值分割的瓶口缺陷检测方法 |
US20160343123A1 (en) * | 2015-05-19 | 2016-11-24 | Boe Technology Group Co., Ltd. | Alignment film detecting device and alignment film detecting method |
CN111709931A (zh) * | 2020-06-16 | 2020-09-25 | 四川赛康智能科技股份有限公司 | 一种耐张线夹缺陷检测识别报告自动获取方法及系统 |
CN113870211A (zh) * | 2021-09-24 | 2021-12-31 | 中国电子科技集团公司第四十一研究所 | 一种基于机器视觉的软管尾部压痕质量检测方法 |
CN114549407A (zh) * | 2022-01-11 | 2022-05-27 | 广东电网有限责任公司广州供电局 | 基于x射线图像的耐张线夹压接缺陷程度判断方法 |
CN114757949A (zh) * | 2022-06-15 | 2022-07-15 | 济宁市海富电子科技有限公司 | 基于计算机视觉的电线电缆缺陷检测方法及系统 |
CN115035106A (zh) * | 2022-08-10 | 2022-09-09 | 邹城市天晖软件科技有限公司 | 一种带钢缺陷智能检测方法 |
CN116109557A (zh) * | 2022-11-16 | 2023-05-12 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 一种输电线路耐张线夹x光图像压接缺陷检测方法 |
CN116183637A (zh) * | 2023-01-06 | 2023-05-30 | 广西电网有限责任公司电力科学研究院 | 一种基于x光检测技术的重要交叉跨越线路导线压接的质量评价方法 |
CN116569559A (zh) * | 2021-01-13 | 2023-08-08 | 索尼半导体解决方案公司 | 固态成像元件和成像装置 |
CN116977853A (zh) * | 2023-07-28 | 2023-10-31 | 广东粤电科试验检测技术有限公司 | 基于x射线图像的输电线压接缺陷识别方法及装置 |
CN117036345A (zh) * | 2023-10-07 | 2023-11-10 | 广东电网有限责任公司江门供电局 | 一种压接导线的对边距测量方法及系统 |
-
2024
- 2024-01-11 CN CN202410044262.1A patent/CN117876330B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102257558A (zh) * | 2008-12-19 | 2011-11-23 | 株式会社半导体能源研究所 | 用于驱动液晶显示装置的方法 |
US20160343123A1 (en) * | 2015-05-19 | 2016-11-24 | Boe Technology Group Co., Ltd. | Alignment film detecting device and alignment film detecting method |
CN105334219A (zh) * | 2015-09-16 | 2016-02-17 | 湖南大学 | 一种残差分析动态阈值分割的瓶口缺陷检测方法 |
CN111709931A (zh) * | 2020-06-16 | 2020-09-25 | 四川赛康智能科技股份有限公司 | 一种耐张线夹缺陷检测识别报告自动获取方法及系统 |
CN116569559A (zh) * | 2021-01-13 | 2023-08-08 | 索尼半导体解决方案公司 | 固态成像元件和成像装置 |
CN113870211A (zh) * | 2021-09-24 | 2021-12-31 | 中国电子科技集团公司第四十一研究所 | 一种基于机器视觉的软管尾部压痕质量检测方法 |
CN114549407A (zh) * | 2022-01-11 | 2022-05-27 | 广东电网有限责任公司广州供电局 | 基于x射线图像的耐张线夹压接缺陷程度判断方法 |
CN114757949A (zh) * | 2022-06-15 | 2022-07-15 | 济宁市海富电子科技有限公司 | 基于计算机视觉的电线电缆缺陷检测方法及系统 |
CN115035106A (zh) * | 2022-08-10 | 2022-09-09 | 邹城市天晖软件科技有限公司 | 一种带钢缺陷智能检测方法 |
CN116109557A (zh) * | 2022-11-16 | 2023-05-12 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 一种输电线路耐张线夹x光图像压接缺陷检测方法 |
CN116183637A (zh) * | 2023-01-06 | 2023-05-30 | 广西电网有限责任公司电力科学研究院 | 一种基于x光检测技术的重要交叉跨越线路导线压接的质量评价方法 |
CN116977853A (zh) * | 2023-07-28 | 2023-10-31 | 广东粤电科试验检测技术有限公司 | 基于x射线图像的输电线压接缺陷识别方法及装置 |
CN117036345A (zh) * | 2023-10-07 | 2023-11-10 | 广东电网有限责任公司江门供电局 | 一种压接导线的对边距测量方法及系统 |
Non-Patent Citations (2)
Title |
---|
ZHIBIN QIU 等: "X-ray Imaging Defect Detection of Transmission Line Strain Clamps Based on a YOLOX Model", 《2022 IEEE INTERNATIONAL CONFERENCE ON HIGH VOLTAGE ENGINEERING AND APPLICATIONS (ICHVE)》, 31 December 2022 (2022-12-31), pages 1 - 4 * |
王郑 等: "基于改进YOLOv4的输电线路耐张线夹 缺陷检测", 《广东电力》, vol. 36, no. 5, 31 May 2023 (2023-05-31), pages 105 - 114 * |
Also Published As
Publication number | Publication date |
---|---|
CN117876330B (zh) | 2024-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101901342B (zh) | 影像目标区域的提取方法和装置 | |
CN117351019B (zh) | 一种焊接缺陷检测方法 | |
CN117173187B (zh) | 一种阀门故障智能检测系统 | |
CN113689415A (zh) | 一种基于机器视觉的钢管壁厚在线检测方法 | |
CN115047162A (zh) | 一种钢管热处理的缺陷检测方法及系统 | |
CN114897855A (zh) | 基于x射线图片灰度值分布判定缺陷类型的方法 | |
CN117876330B (zh) | 基于x射线图像识别的耐张线夹压接缺陷检测方法及系统 | |
CN118037726B (zh) | 一种铁路配件缺陷检测方法及系统 | |
CN117542485B (zh) | 一种影像检查的智慧处理方法及系统 | |
CN102402787B (zh) | 一种检测图像中条状伪影的系统和方法 | |
CN109767426B (zh) | 一种基于图像特征识别的盾构隧道渗漏水检测方法 | |
CN116128774B (zh) | 一种胃部螺旋ct数据增强处理方法 | |
Dang et al. | A novel method for detecting weld defects accurately and reliably in radiographic images | |
CN107492093B (zh) | 基于图像处理的轴承异常检测方法 | |
CN115330793B (zh) | 一种基于图像处理的液压硬管连接管接头质量检测方法 | |
CN117911332A (zh) | 压接管毛刺识别方法 | |
CN113870197A (zh) | 一种基于小波多层分解的齿轮裂纹检测方法 | |
CN109064417B (zh) | 地铁隧道图像处理方法及装置 | |
Topp et al. | How can NDT 4.0 improve the Probability of Detection (POD)? | |
US9639926B1 (en) | Image processing tool for automatic feature recognition and quantification | |
CN112070710A (zh) | 工业品缺陷图像检测的方法 | |
CN117809083B (zh) | 一种基于红外或紫外图像的电缆接头故障检测方法及系统 | |
CN111603192B (zh) | 一种基于机器视觉的校验模体的方法 | |
CN111476779B (zh) | 一种锯材表面缺陷位置定位方法及系统 | |
CN115239713B (zh) | 一种钢丝绳状态在线识别方法 |
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 |