CN118195973B - 一种航空发动机外观检测方法及系统 - Google Patents
一种航空发动机外观检测方法及系统 Download PDFInfo
- Publication number
- CN118195973B CN118195973B CN202410591986.8A CN202410591986A CN118195973B CN 118195973 B CN118195973 B CN 118195973B CN 202410591986 A CN202410591986 A CN 202410591986A CN 118195973 B CN118195973 B CN 118195973B
- Authority
- CN
- China
- Prior art keywords
- crack
- pixel points
- preset
- pixel
- extending
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000001914 filtration Methods 0.000 claims abstract description 69
- 230000006870 function Effects 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 238000009826 distribution Methods 0.000 claims abstract description 25
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000013507 mapping Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 5
- 230000000694 effects Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005070 sampling Methods 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及裂纹检测技术领域,具体涉及一种航空发动机外观检测方法及系统。该发明遍历任一尺度图像对应灰度图像的像素点,通过像素点在不同预设延伸方向上的延伸趋势,获得像素点的裂纹可能性;筛选出目标延伸方向;结合目标延伸方向与每个预设滤波方向之间的角度特征,获得像素点在每个预设滤波方向的裂纹表现贡献率;进一步获得对应尺度的裂纹表现程度;结合对应尺度图像在不同颜色通道上像素级分布获得对应尺度的裂纹表现最优函数;筛选出最佳粗细尺度划分阈值;结合加权方向特征值获得表面显著图像,进行裂纹检测。本发明通过获得执行itti算法时合适的方向特征值以及粗细尺度划分阈值,凸显裂纹特征的表现,提高裂纹检测的准确性。
Description
技术领域
本发明涉及裂纹检测技术领域,具体涉及一种航空发动机外观检测方法及系统。
背景技术
航空发动机外观可能存在各种影响其性能和安全性的缺陷,其中长期使用和高温环境可能导致发动机零件材料的老化,或发动机运行时的振动和温度循环,导致零件表面的疲劳裂纹,需要对发动机外观进行检测;由于发动机外壳的材质问题,划痕或裂纹在图像中的表现不够明显,需要对图像进行增强,以突出对比度。
现有技术中,采用itti算法凸显发动机外观上的各种裂纹区域,但由于表面存在较多不同方向的裂纹信息,且不同裂纹的出现时间不同,随着时间的增长部分裂纹在表面的对比度增加,而新出现裂纹的对比度较低,仅通过考虑裂纹的方向特征对图像内区域进行显著性增强会导致部分裂纹特征无法凸显,裂纹检测的准确性较差;而且,由于itti算法选取的粗细尺度划分阈值不准确,尺度较粗导致捕捉不到细节特征,尺度较细导致计算量过大,导致图像中的特征表现不明显,裂纹检测准确性较差。
发明内容
为了解决采用itti算法时方向特征和粗细尺寸划分阈值不准确,导致图像特征表现不明显,裂纹检测较差的技术问题,本发明的目的在于提供一种航空发动机外观检测方法及系统,所采用的技术方案具体如下:
本发明提出了一种航空发动机外观检测方法及系统,所述方法包括:
获取航空发动机表面的原始图像,执行itti算法获得对应的多个尺度图像;
遍历任一尺度图像对应灰度图像的像素点,根据像素点在不同预设延伸方向上邻近像素点的灰度值分布,获得像素点在不同预设延伸方向上的延伸趋势,并获得像素点的裂纹可能性;
根据所述延伸趋势筛选出目标延伸方向;根据像素点的裂纹可能性、目标延伸方向与每个预设滤波方向之间的角度特征以及延伸趋势,获得像素点在每个预设滤波方向的裂纹表现贡献率;根据所有像素点的邻域范围内像素点的裂纹表现贡献率分布获得对应尺度的裂纹表现程度;根据对应尺度图像在不同颜色通道上像素级分布,以及裂纹表现程度获得对应尺度的裂纹表现最优函数;
根据所有尺度的裂纹表现最优函数筛选出最佳粗细尺度划分阈值;根据每个尺度下像素点在每个预设滤波方向的裂纹表现贡献率调整像素点的初始方向特征值,获得加权方向特征值;
基于itti算法,根据加权方向特征值和最佳粗细尺度划分阈值获得表面显著图像,进行裂纹检测。
进一步地,所述延伸趋势的获取方法包括:
计算像素点与其在预设延伸方向上每个邻近像素点之间灰度值的差异,作为灰度差异;
将像素点与其在预设延伸方向上所有邻近像素点之间的灰度差异累加,作为差异累加值;
计算邻近像素点的个数和差异累加值的比值,作为像素点在预设延伸方向上的延伸趋势。
进一步地,所述裂纹可能性的获取方法包括:
将像素点在所有预设延伸方向上的延伸趋势进行累加后,进行负相关归一化映射,得到的值作为像素点的裂纹可能性。
进一步地,所述目标延伸方向的获取方法包括:
选取像素点在所有预设延伸方向上延伸趋势最大对应的预设延伸方向,作为目标延伸方向。
进一步地,所述裂纹表现贡献率的获取方法包括:
计算目标延伸方向与每个预设滤波方向之间的角度差异,对角度差异进行负相关映射,将得到的值作为第一映射值;
计算第一映射值、像素点在目标延伸方向上的延伸趋势以及裂纹可能性的乘积,获得像素点在每个预设滤波方向的裂纹表现贡献率。
进一步地,所述裂纹表现程度的计算公式为:
;其中,表示尺度的裂纹表现程度;表示像素点在预设滤波方向的裂纹表现贡献率;表示尺度下图像中像素点的数量;表示像素点邻域范围内其他像素点在预设滤波方向的裂纹表现贡献率;表示像素点邻域范围内其他像素点的数量;表示预设滤波方向的数量;表示归一化函数,表示尺度序号。
进一步地,所述裂纹表现最优函数的计算公式为:
;其中,表示尺度的裂纹表现最优函数;表示任一颜色通道的像素级序号;表示像素级为的像素点出现频率;表示以自然常数为底数的的对数函数;表示颜色通道的数量;表示颜色通道内像素级的数量;表示尺度的裂纹表现程度;表示尺度序号。
进一步地,所述最佳粗细尺度划分阈值的获取方法包括:
选取所有尺度的裂纹表现最优函数的函数计算结果中最大值对应的尺度,作为最佳粗细尺度划分阈值。
进一步地,所述加权方向特征值的获取方法包括:
采用itti算法获得每个尺寸下像素点在每个预设滤波方向的初始方向特征值;
在每个尺度下,计算像素点在每个预设滤波方向的裂纹表现贡献率和初始方向特征值的乘积,作为加权方向特征值。
本发明还提出了一种航空发动机外观检测系统,包括存储器、处理器以及存储在所述存储器中并可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,实现任意一项所述一种航空发动机外观检测方法的步骤。
本发明具有如下有益效果:
本发明通过执行itti算法获得对应的多个尺度图像,展现裂纹在不同尺度下的形态和细节,有助于更全面地理解裂纹的表现形式;由于不同尺度对于裂纹特征的表现存在差别,且裂纹在图像中通常表现为灰度值的连续变化,遍历任一尺度图像对应灰度图像的像素点,根据像素点在不同预设延伸方向上邻近像素点的灰度值分布,获得像素点在不同预设延伸方向上的延伸趋势,并获得像素点的裂纹可能性;根据延伸趋势筛选出目标延伸方向,可以了解像素点周围的灰度变化情况和方向性信息,确定图像中像素点最显著或最具有特征性的方向;根据像素点的裂纹可能性、目标延伸方向与每个预设滤波方向之间的角度特征以及延伸趋势,获得像素点在每个预设滤波方向的裂纹表现贡献率,量化裂纹在不同尺度、不同滤波方向上的表现;根据所有像素点的邻域范围内像素点的裂纹表现贡献率分布获得对应尺度的裂纹表现程度,充分考虑像素点之间的空间关系,有效地反映出裂纹在图像中的实际分布和表现真实性;根据对应尺度图像在不同颜色通道上像素级分布,以及裂纹表现程度获得对应尺度的裂纹表现最优函数,评估不同尺度下裂纹的表现效果,有利于后续选择出最适合裂纹检测的尺度;根据所有尺度的裂纹表现最优函数筛选出最佳粗细尺度划分阈值,对比在不同尺度下的裂纹表现情况,确定最佳的尺度划分阈值;根据每个尺度下像素点在每个预设滤波方向的裂纹表现贡献率调整像素点的初始方向特征值,获得加权方向特征值,考虑了不同滤波方向上的裂纹表现,准确凸显不同滤波方向的裂纹信息;获得表面显著图像,进行裂纹检测。本发明通过获得执行itti算法时合适的方向特征值以及粗细尺度划分阈值,凸显裂纹特征的表现,提高裂纹检测的准确性。
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所提供的一种航空发动机外观检测方法的流程图;
图2为本发明一个实施例所提供的一种航空发动机外观检测系统的示意图。
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一种航空发动机外观检测方法及系统,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航空发动机外观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航空发动机外观检测方法的流程图,具体方法包括:
步骤S1:获取航空发动机表面的原始图像,执行itti算法获得对应的多个尺度图像。
在本发明的实施例中,由于长期使用和高温环境可能导致发动机零件材料的老化,或发动机运行时的振动和温度循环,可能导致零件表面的疲劳裂纹;为了及时发现潜在问题,减少由于发动机产生裂纹导致的设备故障和安全隐患,对裂纹区域进行检测;首先对航空发动机表面进行清洗,干燥之后利用工业摄像机采集发动机表面图像,获取航空发动机表面的原始图像。
航空发动机表面存在各种复杂的结构和纹理,这些特征在不同尺度下可能呈现出不同的形态和模式,基于itti算法模拟人类视觉系统对图像的感知和注意力分配,在不同的尺度上提取发动机表面的特征信息,从而实现对不同大小、不同方向的裂纹、磨损等缺陷的有效检测。执行itti算法获得对应的多个尺度图像。
需要说明的是,在本发明的实施例中,在itti算法中,图像利用高斯金字塔模型生成9个不同尺度的图像,即对图像进行逐级下采样,在每一次采样之后,对图像采用3×3高斯滤波器进行滤波,减小噪声干扰;其中,第0层为输入图像,第1-8层分别为输入图像的1/2、1/4、1/8…1/256。通过获取多尺度图像,可以更全面地了解发动机表面的细节信息,从而更准确地识别和分析潜在的问题或异常。具体itti算法为本领域技术人员熟知的技术手段,在此不做赘述。
需要说明的是,在本发明的一个实施例中,为了方便后续图像处理过程,对采集的航空发动机表面图像进行灰度化处理操作,获得航空发动机表面的灰度图像,然后对处理后的图像进行分析。需要说明的是灰度化处理作为本领域技术人员熟知的一个技术手段,可根据具体实施场景具体设置,在本发明一个实施例中采用均值灰度化算法获得航空发动机表面灰度图像,简化图像信息,提高运算速度,有助于提高图像识别的准确性。
步骤S2:遍历任一尺度图像对应灰度图像的像素点,根据像素点在不同预设延伸方向上邻近像素点的灰度值分布,获得像素点在不同预设延伸方向上的延伸趋势,并获得像素点的裂纹可能性。
不同尺度对于裂纹特征的表现存在差别,且裂纹在图像中通常表现为灰度值的连续变化,即在一定的延伸方向上,像素点的灰度值会呈现一定的变化趋势;所以遍历任一尺度图像对应灰度图像的像素点,根据像素点在不同预设延伸方向上邻近像素点的灰度值分布,获得像素点在不同预设延伸方向上的延伸趋势,可以更准确地识别出裂纹的存在和位置。
优选地,在本发明的一个实施例中,延伸趋势的获取方法包括:
计算像素点与其在预设延伸方向上每个邻近像素点之间灰度值的差异,作为灰度差异;像素点与其在预设延伸方向上所有邻近像素点之间的灰度差异累加,作为差异累加值;将计算邻近像素点的个数和差异累加值的比值,作为像素点在预设延伸方向上的延伸趋势。在本发明的一个实施例中,延伸趋势的公式表示为:
;
其中,表示预设延伸方向;表示像素点在预设延伸方向上的延伸趋势;表示像素点的灰度值;表示预设延伸方向上邻近像素点的灰度值;表示预设延伸方向上邻近像素点的个数;表示归一化函数。
在延伸趋势的公式中,表示对像素点与其在预设延伸方向上所有邻近像素点之间的灰度差异累加,即差异累加值,差异累加值越大,像素点与其在预设延伸方向上每个邻近像素点之间的灰度差异越大,延伸趋势越差;相反地,差异累加值越小,像素点与其在预设延伸方向上每个邻近像素点之间的灰度差异越小,延伸趋势越好;像素点在预设延伸方向上的延伸趋势越大。
需要说明的是,在本发明的一个实施例中,预设延伸方向为经过像素点做任意方向的直线构成对应的延伸方向,其中,延伸方向∈[0°,180°],=0°时延伸方向对应水平方向向右;邻近像素点的获取为:在预设延伸方向上,以像素点为中心分别获取左右两边相邻的3个像素点,共6个邻近像素点;在本发明的其他实施例中,邻近像素点的获取实施人员可根据具体情况具体设置,在此不做限定及赘述。
由于表现正常区域的像素点与表现裂纹的像素点的方向特征表现具有差异,裂纹像素点只在特定方向上存在与其灰度值差异较小的像素点,表现出较好的延伸趋势,而非裂纹像素点在所有方向上均存在与其灰度值差异较小的像素点,均表现出较好的延伸趋势;通过分析像素点在不同预设延伸方向上的延伸趋势获得像素点的裂纹可能性。
优选地,在本发明的一个实施例中,裂纹可能性的获取方法包括:
将像素点在所有预设延伸方向上的延伸趋势进行累加后,进行负相关归一化映射,得到的值作为像素点的裂纹可能性。在本发明的一个实施例中,裂纹可能性的公式表示为:
;
其中,表示像素点的裂纹可能性;表示预设延伸方向的个数;表示像素点在预设延伸方向上的延伸趋势;表示以自然常数为底的指数函数。
在裂纹可能性的公式中,以自然常数为底的指数函数将进行负相关映射,表示对像素点在所有预设延伸方向上的延伸趋势进行累加,每个延伸方向上的延伸趋势越大,在每个方向上存在相似像素点的可能性越高,是裂纹的可能性越小;相反地,累加值越小,某些延伸方向上的延伸趋势越小,在某些方向上存在相似像素点的可能性越小,是裂纹的可能性越大。
需要说明的是,在本发明的其他实施例中也可采用归一化后求倒数等其他基础数学运算构建负相关归一化映射,具体手段为本领域技术人员熟知的技术手段,在此不做赘述。
步骤S3:根据延伸趋势筛选出目标延伸方向;根据像素点的裂纹可能性、目标延伸方向与每个预设滤波方向之间的角度特征以及延伸趋势,获得像素点在每个预设滤波方向的裂纹表现贡献率;根据所有像素点的邻域范围内像素点的裂纹表现贡献率分布获得对应尺度的裂纹表现程度;根据对应尺度图像在不同颜色通道上像素点的像素级分布,以及裂纹表现程度获得对应尺度的裂纹表现最优函数。
像素点在不同预设延伸方向上的延伸趋势可以反映图像在该像素点局部区域内的灰度变化特性和方向性信息,确定图像中该像素点最显著或最具有特征性的方向以便后续纹理的分析;所以根据延伸趋势筛选出目标延伸方向。
优选地,在本发明的一个实施例中,目标延伸方向的获取方法包括:
选取像素点在所有预设延伸方向上延伸趋势最大对应的预设延伸方向,作为目标延伸方向。选择延伸趋势最大的方向作为目标延伸方向,可以最大程度地保留和突出图像中的关键信息。
裂纹可能性反映了像素点与裂纹的关联程度,是对像素点是否可能位于裂纹区域的初步判断,裂纹可能性越高的像素点,其在滤波过程中对裂纹表现的影响应当更大;目标延伸方向与预设滤波方向之间的角度特征描述了目标延伸方向与预设滤波方向之间的相对关系,角度较小或一致时,意味着预设滤波方向与像素点的延伸方向接近或相同,有助于提高滤波效果,突出表现特征;像素点在目标延伸方向的延伸趋势反映了像素点周围灰度变化的程度和方向性;若裂纹可能性越大,裂纹通常沿着特定的延伸方向,在目标延伸方向的延伸趋势越大,预设滤波方向与目标延伸方向的一致性对于裂纹表现的贡献率越大。所以根据像素点的裂纹可能性、目标延伸方向与每个预设滤波方向之间的角度特征以及延伸趋势,获得像素点在每个预设滤波方向的裂纹表现贡献率。
优选地,在本发明的一个实施例中,裂纹表现贡献率的获取方法包括:
计算目标延伸方向与每个预设滤波方向之间的角度差异,对角度差异进行负相关映射,将得到的值作为第一映射值;计算第一映射值、像素点在目标延伸方向上的延伸趋势以及裂纹可能性的乘积,获得像素点对应预设滤波方向的裂纹表现贡献率。在本发明的一个实施例中,裂纹表现贡献率的公式表示为:
;
其中,表示像素点在预设滤波方向的裂纹表现贡献率;表示像素点的目标延伸方向;表示像素点的预设滤波方向;表示像素点的裂纹可能性;表示像素点在目标延伸方向上的延伸趋势。
在裂纹表现贡献率的公式中,表示像素点的目标延伸方向与预设滤波方向之间的角度差异,目标延伸方向和预设滤波方向之间的差异越大,图像特征表现的越不清晰;相反地,目标延伸方向和预设滤波方向之间的差异越小,图像特征表现的越清晰;为了避免公式为0,表示对角度差异求倒数,即进行负相关映射,得到第一映射值;角度差异越小,第一映射值越大,裂纹表现贡献率越大;像素点的裂纹可能性越大,在目标延伸方向的延伸趋势越大,像素点的裂纹特征表现越明显,对裂纹特征的表现贡献率越大。
需要说明的是,在本发明的一个实施例中,在执行itti算法的过程中,通常会在不同尺度的图像中获取0°、45°、90°以及135°的方向中,gabor滤波后的方向特征图像;因此预设滤波方向为0°、45°、90°以及135°共4个方向。
需要说明的是,在本发明的其他实施例中可采用其他负相关映射方法构建越大,裂纹表现贡献率越小的负相关关系,例如,对归一化后做差构建越大,两者之间差异值越小,裂纹表现贡献率越小的负相关关系;也可对每部分归一化后相加等其他基础数学运算构建正相关关系,具体手段为本领域技术人员熟知的技术手段,在此不做赘述。
由于表现裂纹的区域其所占面积随着尺度的变化而逐渐减小,当尺度变小时,原本属于裂纹区域的像素点数量可能会减少,可能导致剩余像素点的贡献率在尺度变化时显得异常突出或陡增;若存在像素点的裂纹表现贡献率与其邻域范围内其他像素点的裂纹表现贡献率存在显著差异,则可能意味着并非真实反映裂纹的表现;通过考虑像素点邻域范围内的贡献率分布,准确地反映该区域整体的裂纹表现程度,所以根据所有像素点的邻域范围内像素点的裂纹表现贡献率分布获得尺度灰度图像的裂纹表现程度。
优选地,在本发明的一个实施例中,裂纹表现程度的计算公式为:
;
其中,表示尺度的裂纹表现程度;表示像素点在预设滤波方向的裂纹表现贡献率;表示尺度下图像中像素点的数量;表示像素点邻域范围内其他像素点在预设滤波方向的裂纹表现贡献率;表示像素点邻域范围内其他像素点的数量;表示预设滤波方向的数量;表示归一化函数;表示尺度序号。
在裂纹表现程度的获取公式中,表示计算像素点与邻域范围内所有其他像素点之间在预设滤波方向上的裂纹表现贡献率的差异累加和,累加和越大,像素点与邻域范围内其他像素点之间在预设滤波方向上的裂纹表现贡献率差异越大,邻域范围内像素点对于裂纹的表现贡献率越不一致,裂纹表现贡献率的真实性越差;相反地,累加和越小,像素点与邻域范围内其他像素点之间在预设滤波方向上的裂纹表现贡献率差异越小,邻域范围内像素点对于裂纹表现贡献率越一致,裂纹表现贡献率的真实性越大;表示像素点在预设滤波方向上的裂纹表现贡献率和像素点与邻域范围内所有其他像素点之间在预设滤波方向上的裂纹表现贡献率的差异累加和的比值,即表现像素点在邻域范围内预设滤波方向上的裂纹表现贡献率的相对重要性,若比值越大,像素点在预设滤波方向上的裂纹表现贡献率越大,且邻域范围内像素点对于裂纹表现贡献率越一致,越可能是一个重要的特征点;对所有像素点在所有预设滤波方向上的相对重要性进行累加,值越大,表示较多像素点可能为重要的特征点,裂纹表现程度越高。
需要说明的是,在本发明的一个实施例中,像素点的邻域范围为以像素点为中心与像素点的8邻域像素点构成的范围;在本发明的其他实施例中,邻域范围的大小可根据具体情况具体设置,在此不做限定及赘述。
每个尺度下的图像通常包含多个颜色通道,每个颜色通道反映了裂纹的不同特征或属性,综合考虑多个颜色通道的信息,可以更加全面地描述裂纹的表现程度;像素级分布可以反映图像中局部结构的复杂性和不规则性,裂纹区域通常表现为灰度的不连续性和结构的复杂性,因此像素级分布特征与裂纹特征之间存在一定的关联;不同尺度下,裂纹的表现形式存在差异,较小的尺度可能更关注于裂纹的细节和局部特征,而较大的尺度则可能更强调裂纹的整体结构和分布;所以根据对应尺度图像在不同颜色通道上像素级分布,以及裂纹表现程度获得对应尺度的裂纹表现最优函数。
优选地,在本发明的一个实施例中,裂纹表现最优函数的计算公式为:
;
其中,表示尺度的裂纹表现最优函数;表示任一颜色通道的像素级序号;表示像素级为的像素点出现频率;表示以自然常数为底数的的对数函数;表示颜色通道的数量;表示颜色通道内像素级的数量;表示尺度的裂纹表现程度;表示尺度序号。
在裂纹表现最优函数的获取公式中,表示信息熵的计算公式,即表示颜色通道内像素级分布的混乱程度,混乱程度越大,对应颜色通道内的细节特征越多,每个像素级对应像素点出现频率越均匀,对尺度下所有颜色通道的信息熵进行累加,越大,出现的细节特征越多,若裂纹表现程度越大,越可能更好的表现出裂纹特征;由于尺度越大,捕捉图像细节的能力越差,将尺度大小作为惩罚项,对进行调整,尺度越大,越需要调小裂纹表现最优函数。
需要说明的是,在本发明的一个实施例中,颜色通道为执行itti算法时构建颜色高斯金字塔,分别获取每个尺度下红、绿、黄以及蓝四个颜色特征。
需要说明的是,在本发明的其他实施例中也可采用其他基础运算方法构建正负相关关系,具体手段为本领域技术人员熟知的技术手段,在此不做赘述。
步骤S4:根据所有尺度的裂纹表现最优函数筛选出最佳粗细尺度划分阈值;根据像素点在每个预设滤波方向的裂纹表现贡献率调整像素点的初始方向特征值,获得加权方向特征值。
裂纹在不同尺度上表现出不同的特征,裂纹表现最优函数用于量化裂纹在不同尺度上的表现。由于较粗的尺度可能更适合检测大范围的裂纹,无法准确捕捉裂纹的细节,而较细的尺度捕捉过多裂纹的细微结构,计算量较复杂;通过调整尺度,比较不同尺度下的裂纹表现最优函数值,选择使函数值达到最优的尺度作为最佳粗细尺度划分阈值,有助于优化裂纹检测的效果,保留与裂纹相关的关键信息,提高裂纹识别的准确性和可靠性;所以根据裂纹表现最优函数筛选出最佳粗细尺度划分阈值。
优选地,在本发明的一个实施例中,最佳粗细尺度划分阈值的获取方法包括:
选取所有尺度的裂纹表现最优函数的函数计算结果中最大值对应的尺度,作为最佳粗细尺度划分阈值。
由于发动机表面裂纹形成的过程中产生的原因以及产生的时间不同,因此裂纹本身的延伸方向和宽度有所不同,并且不同尺度的不同滤波方向对裂纹特征的表现不同,有些方向可能更能凸显裂纹,而有些方向则可能效果较差,直接通过滤波后的方向特征值进行分析时,容易使部分裂纹的特征表现不明显,导致最终显著图中丢失部分裂纹特征;因此,需要根据每个滤波方向的裂纹表现贡献率来进行调整,裂纹表现贡献率越大,该滤波方向上的方向特征值越大,更凸显出裂纹信息;所以根据每个尺度下像素点在每个预设滤波方向的裂纹表现贡献率调整像素点的初始方向特征值,获得加权方向特征值。
优选地,在本发明的一个实施例中,加权方向特征值的获取方法包括:
采用itti算法获得每个尺寸下像素点在每个预设滤波方向的初始方向特征值;
在每个尺度下,计算像素点在每个预设滤波方向的裂纹表现贡献率和初始方向特征值的乘积,作为加权方向特征值。在本发明的一个实施例中,加权方向特征值的公式表示为:
;
其中,表示像素点在预设滤波方向的加权方向特征值;表示像素点在预设滤波方向的初始方向特征值;表示像素点在预设滤波方向的裂纹表现贡献率。
需要说明的是,在本发明的一个实施例中,通过执行itti算法中gabor滤波获得像素点在预设滤波方向的初始方向特征值。
需要说明的是,在本发明的其他实施例中也采用相加等其他基础数学运算来构建正相关关系,具体手段为本领域技术人员熟知的技术手段,在此不做赘述。
步骤S5:基于itti算法,根据加权方向特征值和最佳粗细尺度划分阈值获得表面显著图像,进行裂纹检测。
加权方向特征值能够准确反映像素点在滤波方向上的裂纹表现,裂纹在图像中可能表现为不同的粗细程度,通过获得最佳粗细尺度划分阈值,有助于确定裂纹在不同尺度上的显著程度,可以确保在不同尺度下都能有效地提取裂纹信息,避免漏检或误检。所以基于itti算法,根据加权方向特征值和最佳粗细尺度划分阈值获得表面显著图像,进行裂纹检测。
需要说明的是,在本发明的一个实施例中,执行itti算法过程中,计算步骤计算所有尺度下像素点的加权方向特征值替换初始的方向特征值进行后续方向特征图像的分析,基于最佳粗细尺度划分阈值,将尺度中小于等于最佳粗细尺度划分阈值对应的尺度作为细尺度;将尺度中大于最佳粗细尺度划分阈值对应的尺度作为粗尺度,分析在不同尺度下的图像对比获取不同的特征图像;后续对特征图像进行归一化,调整至相同尺寸后进行叠加,获得表面显著图像;具体对表面显著图像的获取为执行itti算法的原始计算方法,在此不做赘述。
需要说明的是,在本发明的另一个实施例中,进行裂纹检测为:对表面显著图像采用canny边缘检测算法,获得图像中的裂纹边缘区域,并输出标记裂纹后的外观图像;具体canny边缘检测算法为本领域技术人员熟知的技术手段,在此不做赘述。
综上所述,本发明获取航空发动机表面的原始图像,执行itti算法获得对应的多个尺度图像;遍历任一尺度图像对应灰度图像的像素点,根据像素点在不同预设延伸方向上邻近像素点的灰度值分布,获得像素点在不同预设延伸方向上的延伸趋势,并获得像素点的裂纹可能性;根据延伸趋势筛选出目标延伸方向;根据像素点的裂纹可能性、目标延伸方向与每个预设滤波方向之间的角度特征以及延伸趋势,获得像素点在每个预设滤波方向的裂纹表现贡献率;根据所有像素点的邻域范围内像素点的裂纹表现贡献率分布获得对应尺度的裂纹表现程度;根据对应尺度图像在不同颜色通道上像素级分布,以及裂纹表现程度获得对应尺度的裂纹表现最优函数;根据所有尺度的裂纹表现最优函数筛选出最佳粗细尺度划分阈值;根据每个尺度下像素点在每个预设滤波方向的裂纹表现贡献率调整像素点的初始方向特征值,获得加权方向特征值;获得表面显著图像,进行裂纹检测。本发明通过获得执行itti算法时合适的方向特征值以及粗细尺度划分阈值,凸显裂纹特征的表现,提高裂纹检测的准确性。
本发明还提出了一种航空发动机外观检测系统,参阅图2,包括存储器201、处理器202以及存储在存储器201中并可在处理器202上运行的计算机程序203,处理器202执行计算机程序203时,实现任意一项一种航空发动机外观检测方法的步骤。
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。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 (5)
1.一种航空发动机外观检测方法,其特征在于,所述方法包括:
获取航空发动机表面的原始图像,执行itti算法获得对应的多个尺度图像;
遍历任一尺度图像对应灰度图像的像素点,根据像素点在不同预设延伸方向上邻近像素点的灰度值分布,获得像素点在不同预设延伸方向上的延伸趋势,并获得像素点的裂纹可能性;其中,预设延伸方向为经过像素点做任意方向的直线构成对应的延伸方向,其中,延伸方向∈[0°,180°],=0°时延伸方向对应水平方向向右;
根据所述延伸趋势筛选出目标延伸方向;根据像素点的裂纹可能性、目标延伸方向与每个预设滤波方向之间的角度特征以及延伸趋势,获得像素点在每个预设滤波方向的裂纹表现贡献率;根据所有像素点的邻域范围内像素点的裂纹表现贡献率分布获得对应尺度的裂纹表现程度;根据对应尺度图像在不同颜色通道上像素级分布,以及裂纹表现程度获得对应尺度的裂纹表现最优函数;
根据所有尺度的裂纹表现最优函数筛选出最佳粗细尺度划分阈值;根据每个尺度下像素点在每个预设滤波方向的裂纹表现贡献率调整像素点的初始方向特征值,获得加权方向特征值;
基于itti算法,根据加权方向特征值和最佳粗细尺度划分阈值获得表面显著图像,进行裂纹检测;
所述延伸趋势的获取方法包括:
计算像素点与其在预设延伸方向上每个邻近像素点之间灰度值的差异,作为灰度差异;
将像素点与其在预设延伸方向上所有邻近像素点之间的灰度差异累加,作为差异累加值;
计算邻近像素点的个数和差异累加值的比值,作为像素点在预设延伸方向上的延伸趋势;
所述裂纹可能性的获取方法包括:
将像素点在所有预设延伸方向上的延伸趋势进行累加后,进行负相关归一化映射,得到的值作为像素点的裂纹可能性;
所述裂纹表现贡献率的获取方法包括:
计算目标延伸方向与每个预设滤波方向之间的角度差异,对角度差异进行负相关映射,将得到的值作为第一映射值;
计算第一映射值、像素点在目标延伸方向上的延伸趋势以及裂纹可能性的乘积,获得像素点在每个预设滤波方向的裂纹表现贡献率;
所述裂纹表现程度的计算公式为:
;其中,表示尺度的裂纹表现程度;表示像素点在预设滤波方向的裂纹表现贡献率;表示尺度下图像中像素点的数量;表示像素点邻域范围内其他像素点在预设滤波方向的裂纹表现贡献率;表示像素点邻域范围内其他像素点的数量;表示预设滤波方向的数量;表示归一化函数,表示尺度序号;
所述裂纹表现最优函数的计算公式为:
;其中,表示尺度的裂纹表现最优函数;表示任一颜色通道的像素级序号;表示像素级为的像素点出现频率;表示以自然常数为底数的的对数函数;表示颜色通道的数量;表示颜色通道内像素级的数量。
2.根据权利要求1所述的一种航空发动机外观检测方法,其特征在于,所述目标延伸方向的获取方法包括:
选取像素点在所有预设延伸方向上延伸趋势最大对应的预设延伸方向,作为目标延伸方向。
3.根据权利要求1所述的一种航空发动机外观检测方法,其特征在于,所述最佳粗细尺度划分阈值的获取方法包括:
选取所有尺度的裂纹表现最优函数的函数计算结果中最大值对应的尺度,作为最佳粗细尺度划分阈值。
4.根据权利要求1所述的一种航空发动机外观检测方法,其特征在于,所述加权方向特征值的获取方法包括:
采用itti算法获得每个尺寸下像素点在每个预设滤波方向的初始方向特征值;
在每个尺度下,计算像素点在每个预设滤波方向的裂纹表现贡献率和初始方向特征值的乘积,作为加权方向特征值。
5.一种航空发动机外观检测系统,所述系统包括存储器、处理器以及存储在所述存储器中并可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任意一项所述一种航空发动机外观检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410591986.8A CN118195973B (zh) | 2024-05-14 | 2024-05-14 | 一种航空发动机外观检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410591986.8A CN118195973B (zh) | 2024-05-14 | 2024-05-14 | 一种航空发动机外观检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118195973A CN118195973A (zh) | 2024-06-14 |
CN118195973B true CN118195973B (zh) | 2024-07-09 |
Family
ID=91393113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410591986.8A Active CN118195973B (zh) | 2024-05-14 | 2024-05-14 | 一种航空发动机外观检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118195973B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115601379A (zh) * | 2022-10-19 | 2023-01-13 | 南昌大学(Cn) | 一种基于数字图像处理的表面裂纹精确检测技术 |
CN117974637A (zh) * | 2024-03-28 | 2024-05-03 | 济宁金牛重工有限公司 | 基于图像特征的引导轮裂纹缺陷智能检测方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022062915A (ja) * | 2020-10-09 | 2022-04-21 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
-
2024
- 2024-05-14 CN CN202410591986.8A patent/CN118195973B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115601379A (zh) * | 2022-10-19 | 2023-01-13 | 南昌大学(Cn) | 一种基于数字图像处理的表面裂纹精确检测技术 |
CN117974637A (zh) * | 2024-03-28 | 2024-05-03 | 济宁金牛重工有限公司 | 基于图像特征的引导轮裂纹缺陷智能检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN118195973A (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021012735A1 (zh) | 屏幕显示缺陷的检测方法及系统 | |
WO2022042579A1 (zh) | 一种用于lcd屏幕的缺陷检测方法、装置 | |
JP6358351B1 (ja) | 表面欠陥検査方法及び表面欠陥検査装置 | |
CN111383209B (zh) | 一种基于全卷积自编码器网络的无监督瑕疵检测方法 | |
CN106780486B (zh) | 一种钢板表面缺陷图像提取方法 | |
CN114387273B (zh) | 基于计算机图像识别的环境粉尘浓度检测方法及系统 | |
CN109472788B (zh) | 一种飞机铆钉表面的伤痕检测方法 | |
CN113505865B (zh) | 一种基于卷积神经网络的片材表面缺陷图像识别处理方法 | |
CN113781406B (zh) | 电子元器件的划痕检测方法、装置及计算机设备 | |
CN116402810B (zh) | 基于图像处理的润滑油抗磨粒质量检测方法 | |
CN117274113B (zh) | 基于图像增强的碎硅片清洗效果视觉检测方法 | |
CN115841434A (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
CN116612112B (zh) | 一种水桶表面缺陷视觉检测方法 | |
CN115272335A (zh) | 基于显著性检测的冶金金属表面缺陷检测方法 | |
JP5705711B2 (ja) | ひび割れ検出方法 | |
CN114332081B (zh) | 基于图像处理的纺织品表面异常判定方法 | |
CN116309416A (zh) | 一种零件表面视觉检测方法 | |
CN115797473A (zh) | 一种土建工程用混凝土成型评估方法 | |
EP1411469A2 (en) | Quantifying the sharpness of a digital image | |
CN115018785A (zh) | 基于视觉振频识别的提升钢丝绳张力检测方法 | |
CN117011291B (zh) | 一种手表外壳质量视觉检测方法 | |
CN118195973B (zh) | 一种航空发动机外观检测方法及系统 | |
CN106778822B (zh) | 基于漏斗变换的图像直线检测方法 | |
CN114897885B (zh) | 一种红外图像质量综合评价系统和方法 | |
Tao | Enhanced Canny Algorithm for Image Edge Detection in Print Quality Assessment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |