[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN112508945A - 一种基于计算机视觉的固体火箭发动机无损检测方法 - Google Patents

一种基于计算机视觉的固体火箭发动机无损检测方法 Download PDF

Info

Publication number
CN112508945A
CN112508945A CN202011579509.8A CN202011579509A CN112508945A CN 112508945 A CN112508945 A CN 112508945A CN 202011579509 A CN202011579509 A CN 202011579509A CN 112508945 A CN112508945 A CN 112508945A
Authority
CN
China
Prior art keywords
value
image
texture
points
nondestructive testing
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.)
Pending
Application number
CN202011579509.8A
Other languages
English (en)
Inventor
魏龙
刘乐
赵益达
刘吉吉
徐浩田
刘鑫生
宋晓茜
孟薇
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.)
Inner Mongolia Power Machinery Research Institute
Original Assignee
Inner Mongolia Power Machinery Research Institute
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 Inner Mongolia Power Machinery Research Institute filed Critical Inner Mongolia Power Machinery Research Institute
Priority to CN202011579509.8A priority Critical patent/CN112508945A/zh
Publication of CN112508945A publication Critical patent/CN112508945A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于计算机视觉的固体火箭发动机无损检测方法，利用数据二分法将图像边缘像素点根据灰度值大小处理成一系列非连续线段，选择图像中多边形的顶点或曲率变化大的物体边缘点作为特征点，利用特征点与一系列非连续线段确定缺陷的起始点和终止点；计算起始点与终止点的像素距离，按照一定的比例尺计算出实际尺寸。本发明解决人工检测精度低，人力资源投入大的问题，可替代现有技术中的人工测量，并大大提高测量效率与测量精度。

Description

一种基于计算机视觉的固体火箭发动机无损检测方法
技术领域
本发明涉及固体火箭发动机无损检测领域，具体涉及一种基于计算机视觉的固体火箭发动机无损检测方法。
背景技术
固体火箭发动机无损检测与评价技术是保证固体火箭发动机质量和可靠性的重要技术手段之一。现代固体火箭发动机的研制离开了先进的无损检测与评价技术，则必然使其质盘无法判断，产品失效与寿命无法分析预测，产品无法出厂和交付，因此，现代无损检测与评价技术在固体火箭发动机技术发展中极为重要。其中固体火箭发动机无损检测图像测量结果直接影响到后续无损检测图像的判读结果，因此对测量结果要求具有较高的精度，测量时需使用测量精度较高的仪器，且对测量人员的专业技术能力有较高的要求。一直以来，固体火箭发动机无损检测图像测量都是由人工完成。目前，国内尚未有将计算机视觉技术应用于固体火箭发动机无损检测图像测量的案例。
发明内容
本发明提供一种基于计算机视觉的固体火箭发动机无损检测方法，解决人工检测精度低，人力资源投入大的问题。本发明可替代现有技术中的人工测量，并大大提高测量效率与测量精度。
为了解决上述技术问题，本发明提供一种基于计算机视觉的固体火箭发动机无损检测方法，包括如下步骤：
S1：对发动机图像数据进行选取；
S2：降噪操作，采用高斯滤波器来对进行降噪；
S3：卷积操作，分别用水平方向和垂直方向的模板进行卷积操作，得出模板中心得像素值分别为F(x)和F(y)；
S4：得到像素值后使用平方根法计算梯度变化幅度值，计算公式为：
Figure DEST_PATH_IMAGE001
S5：去除非边缘像素点，采用高阈值和低阈值来提取边缘，高阈值和低阈值的比值为2：1，后将大于高阈值和在高低阈值之间的点保留下来，小于低阈值的点去除；
S6：计算特征参数，能量和惯性矩表示特征纹理的粗细程度，用F1、F2表示，值越大，表示图像纹理脉络越粗，值越小，表示图像纹理脉络越细致，计算公式为：
Figure 100002_DEST_PATH_IMAGE002
Figure DEST_PATH_IMAGE003
熵表示发动机图像纹理的复杂程度，用F3表示，值越小纹理越简单，值越大纹理越复杂、纹理越多，计算公式为：
Figure 100002_DEST_PATH_IMAGE004
相关性表示图像行和列的相似程度，用F4表示，μ和σ表示对应参数的均值和方差，计算公式为：
Figure DEST_PATH_IMAGE005
Figure 100002_DEST_PATH_IMAGE006
Figure DEST_PATH_IMAGE007
S7：表征发动机图像特征，通过Fl，F2，F3和F4的均值和方差表征固体发动机无损检测图像特征；
S8：高阶语义判断，通过图像特征判断高阶语义，如判断为无缺陷，则停止工作，如判读为有缺陷，则进行特征点测量；
S9：测量特征点距离，根据选取起始点和终止点，计算起始点与终止点的像素距离，完成测量。
本发明所提供的基于计算机视觉的固体火箭发动机无损检测方法，使用计算机自动化测量技术替代人工测量过程，极大程度上减少人力资源的投入，测量精度方面，人工测量精度约为5mm，本发明测量精度为0.2mm，测量精度较人工测量精度提高25倍左右。
附图说明
为了更清楚地说明本发明实施例，下面将对实施例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、原图像；
图2、经过边缘检测的图像；
图3、局部放大后的经过边缘检测的图像；
图4、局部放大后的经过边缘检测的图像（长度）；
图5、局部放大后的经过边缘检测的图像（宽度）；
图6、水平方向卷积模板图；
图7、垂直方向卷积模板图。
具体实施方式
下面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，所描述的实施例仅仅是本发明一部分实施例，而不是全部所得实施例。基于本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
如图1-5所示，一种基于计算机视觉的固体火箭发动机无损检测方法，包括如下步骤：
S1：对发动机图像数据进行选取；
S2：降噪操作，采用高斯滤波器来对进行降噪；
S3：卷积操作，分别用水平方向和垂直方向的模板进行卷积操作，得出模板中心得像素值分别为F(x)和F(y)；如图6-7所示：
S4：得到像素值后使用平方根法计算梯度变化幅度值，计算公式为：
Figure 899182DEST_PATH_IMAGE001
S5：去除非边缘像素点，采用高阈值和低阈值来提取边缘，高阈值和低阈值的比值为2：1，后将大于高阈值和在高低阈值之间的点保留下来，小于低阈值的点去除；
S6：计算特征参数，能量和惯性矩表示特征纹理的粗细程度，用F1、F2表示，值越大，表示图像纹理脉络越粗，值越小，表示图像纹理脉络越细致，计算公式为：
Figure 100002_DEST_PATH_IMAGE008
Figure DEST_PATH_IMAGE009
熵表示发动机图像纹理的复杂程度，用F3表示，值越小纹理越简单，值越大纹理越复杂、纹理越多，计算公式为：
Figure 100002_DEST_PATH_IMAGE010
相关性表示图像行和列的相似程度，用F4表示，μ和σ表示对应参数的均值和方差，计算公式为：
Figure DEST_PATH_IMAGE011
Figure 100002_DEST_PATH_IMAGE012
Figure DEST_PATH_IMAGE013
S7：表征发动机图像特征，通过Fl，F2，F3和F4的均值和方差表征固体发动机无损检测图像特征；
S8：高阶语义判断，通过图像特征判断高阶语义，如判断为无缺陷，则停止工作，如判读为有缺陷，则进行特征点测量；
S9：测量特征点距离，根据选取起始点和终止点，计算起始点与终止点的像素距离，完成测量。

Claims (1)

1.一种基于计算机视觉的固体火箭发动机无损检测方法，其特征在于，包括如下步骤：
S1：对发动机图像数据进行选取；
S2：降噪操作，采用高斯滤波器来对进行降噪；
S3：卷积操作，分别用水平方向和垂直方向的模板进行卷积操作，得出模板中心得像素值分别为F(x)和F(y)；
S4：得到像素值后使用平方根法计算梯度变化幅度值，计算公式为：
Figure DEST_PATH_IMAGE002
S5：去除非边缘像素点，采用高阈值和低阈值来提取边缘，高阈值和低阈值的比值为2：1，后将大于高阈值和在高低阈值之间的点保留下来，小于低阈值的点去除；
S6：计算特征参数，能量和惯性矩表示特征纹理的粗细程度，用F1、F2表示，值越大，表示图像纹理脉络越粗，值越小，表示图像纹理脉络越细致，计算公式为：
Figure DEST_PATH_IMAGE004
Figure DEST_PATH_IMAGE006
熵表示发动机图像纹理的复杂程度，用F3表示，值越小纹理越简单，值越大纹理越复杂、纹理越多，计算公式为：
Figure DEST_PATH_IMAGE008
相关性表示图像行和列的相似程度，用F4表示，μ和σ表示对应参数的均值和方差，计算公式为：
Figure DEST_PATH_IMAGE010
Figure DEST_PATH_IMAGE012
Figure DEST_PATH_IMAGE014
S7：表征发动机图像特征，通过Fl，F2，F3和F4的均值和方差表征固体发动机无损检测图像特征；
S8：高阶语义判断，通过图像特征判断高阶语义，如判断为无缺陷，则停止工作，如判读为有缺陷，则进行特征点测量；
S9：测量特征点距离，根据选取起始点和终止点，计算起始点与终止点的像素距离，完成测量。
CN202011579509.8A 2020-12-28 2020-12-28 一种基于计算机视觉的固体火箭发动机无损检测方法 Pending CN112508945A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011579509.8A CN112508945A (zh) 2020-12-28 2020-12-28 一种基于计算机视觉的固体火箭发动机无损检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011579509.8A CN112508945A (zh) 2020-12-28 2020-12-28 一种基于计算机视觉的固体火箭发动机无损检测方法

Publications (1)

Publication Number Publication Date
CN112508945A true CN112508945A (zh) 2021-03-16

Family

ID=74951728

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011579509.8A Pending CN112508945A (zh) 2020-12-28 2020-12-28 一种基于计算机视觉的固体火箭发动机无损检测方法

Country Status (1)

Country Link
CN (1) CN112508945A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116754211A (zh) * 2023-08-22 2023-09-15 中国人民解放军火箭军工程大学 固体火箭推进器的力学特性信息获取方法及相关装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108022233A (zh) * 2016-10-28 2018-05-11 沈阳高精数控智能技术股份有限公司 一种基于改进型Canny算子的工件边缘提取方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108022233A (zh) * 2016-10-28 2018-05-11 沈阳高精数控智能技术股份有限公司 一种基于改进型Canny算子的工件边缘提取方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘磊;陈爱军;程楼;丁佳为;: "机器视觉波纹阻火盘表面波高测量方法" *
范晋伟 等: "基于图像处理技术的药柱内壁表面无损检测系统的设计与研发" *
高浩宇: "基于机器学习的图像识别研究与应用" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116754211A (zh) * 2023-08-22 2023-09-15 中国人民解放军火箭军工程大学 固体火箭推进器的力学特性信息获取方法及相关装置
CN116754211B (zh) * 2023-08-22 2023-12-19 中国人民解放军火箭军工程大学 固体火箭推进器的力学特性信息获取方法及相关装置

Similar Documents

Publication Publication Date Title
CN109087274B (zh) 基于多维融合及语义分割的电子器件缺陷检测方法及装置
CN111429403B (zh) 一种基于机器视觉的汽车齿轮成品缺陷检测方法
CN112085734B (zh) 一种基于gan的图像修复的缺陷检测方法
CN113469951B (zh) 一种基于级联区域卷积神经网络的轮毂缺陷检测方法
CN110889838A (zh) 一种织物疵点检测方法及装置
CN112907519A (zh) 一种基于深度学习的金属曲面缺陷分析系统及方法
CN110969620A (zh) 一种磁瓦波纹类缺陷的检测方法及装置
CN103839271A (zh) 一种基于最佳匹配的图像纹理合成方法
CN114719749A (zh) 基于机器视觉的金属表面裂纹检测及真实尺寸测量方法及系统
CN115018790A (zh) 一种基于异常检测的工件表面缺陷检测方法
CN116402742A (zh) 一种汽车钣金件表面缺陷的视觉检测方法及系统
CN115526885A (zh) 一种产品图像缺陷检测方法、系统、装置及介质
CN117392066A (zh) 缺陷检测方法、装置、设备及存储介质
CN111724376B (zh) 一种基于纹理特征分析的纸病检测方法
CN112508945A (zh) 一种基于计算机视觉的固体火箭发动机无损检测方法
CN113724223B (zh) 基于光学显微镜的YOLOv3数据集制作方法及系统
CN105787955A (zh) 一种带钢缺陷的稀疏分割方法及其分割装置
CN117522869B (zh) 图像处理方法和缺陷检测方法、系统、电子设备
Nie et al. Machine vision-based apple external quality grading
CN112508862B (zh) 一种通过改进gan增强裂纹磁光图像的方法
CN115049641A (zh) 一种用于机械零件异常检测的电数据处理方法及系统
Ma et al. Machine vision-based surface inspection system for rebar
CN117474915B (zh) 一种异常检测方法、电子设备及存储介质
CN113506263A (zh) 基于卷积神经网络的植物叶片气孔孔隙解剖参数测量方法
CN117495846B (zh) 图像检测方法、装置、电子设备及存储介质

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210316

WD01 Invention patent application deemed withdrawn after publication