基于多物理场分析的无人机蒙皮缺陷检测方法及系统与流程

摘要: 本技术实施例涉及机器视觉与图像处理,尤其涉及一种基于多物理场分析的无人机蒙皮缺陷检测方法及系统。背景技术:1、随着无人机在航空装备巡检、结构健康监测以及智能运维...
基于多物理场分析的无人机蒙皮缺陷检测方法及系统与流程

本技术实施例涉及机器视觉与图像处理,尤其涉及一种基于多物理场分析的无人机蒙皮缺陷检测方法及系统。

背景技术:

1、随着无人机在航空装备巡检、结构健康监测以及智能运维领域的应用不断深入,对无人机蒙皮表面缺陷进行高精度、自动化检测逐渐成为保障飞行安全和提升维护效率的重要技术手段。无人机蒙皮作为其关键的气动外形组成部分,其完整性和平整度直接关系到飞行安全和任务效能。因此,对无人机蒙皮进行高效、准确的缺陷检测至关重要。

2、目前,无人机蒙皮缺陷检测主要通过搭载成像设备获取蒙皮表面图像,并对图像中的异常区域进行识别和分类,以实现缺陷区域定位及状态判定。该类方法通常基于单帧图像纹理、边缘、亮度或局部特征响应建立缺陷识别模型,通过训练样本学习缺陷外观特征并完成检测任务。但是,在无人机动态巡检过程中,随着无人机飞行姿态以及外界光照条件持续变化,无人机蒙皮表面容易产生由观测条件变化诱发的异常成像现象,使无人机的正常结构纹理在图像中呈现出与真实微细缺陷相近的外观特征,而真实缺陷与该类异常成像区域在该观测条件下又难以直接区分,从而导致深度学习模型将伪异常误识别为结构缺陷或者为抑制误检而降低对真实微细缺陷的检测灵敏度,进而影响无人机蒙皮缺陷检测结果的准确性与稳定性。

3、因此,亟须一种基于多物理场分析的无人机蒙皮缺陷检测方法及系统以解决上述问题。

技术实现思路

1、本技术实施例提供一种基于多物理场分析的无人机蒙皮缺陷检测方法及系统,用于提高无人机蒙皮缺陷检测的精度。

2、为达到上述目的,本技术的实施例采用如下技术方案:

3、第一方面,提供了一种基于多物理场分析的无人机蒙皮缺陷检测方法,该方法包括:

4、对目标无人机蒙皮区域施加预设主动干扰动作,并采集多个观测方向下的观测图像;

5、根据观测图像提取目标无人机蒙皮区域中的固定结构锚点,并识别任意两个相邻观测图像之间固定结构锚点的对应关系;

6、基于对应关系对每个观测图像进行局部结构对齐处理得到结构对齐图像序列;

7、根据结构对齐图像序列建立方向响应函数,并利用方向响应函数生成同一像素位置在多个观测方向下的方向响应残差场;

8、通过结构对齐图像序列计算观测图像中任意两个相邻帧间的散射纹理光流场,并根据散射纹理光流场提取反射偏移区域得到反射偏移残差场;

9、结合方向响应残差场和反射偏移残差场进行约束分析构建观测伪缺陷概率图;

10、将观测图像、方向响应残差场和观测伪缺陷概率图输入预先训练的观测抑制检测模型中得到目标无人机蒙皮区域对应的候选缺陷结果;

11、对候选缺陷结果进行稳定性验证得到目标无人机蒙皮区域对应的缺陷检测结果。

12、在第一方面的一种可能的实现方式中,所述根据观测图像提取目标无人机蒙皮区域中的固定结构锚点,并识别任意两个相邻观测图像之间固定结构锚点的对应关系该方法包括:

13、确定每个观测图像对应的观测参数;

14、对观测图像进行几何基元检测确定基元特征,并将基元特征映射到空间坐标系中;

15、在空间坐标系中,对基元特征进行多帧堆叠融合确定初始锚点候选集合;

16、提取初始锚点候选集合中每个候选锚点在观测图像中的二维坐标;

17、结合观测参数和二维坐标进行反向投影生成多条空间投影射线,并对多条空间投影射线进行空间几何交汇求解确定最优空间交汇点;

18、根据最优空间交汇点进行刚体一致性分析确定固定结构锚点;

19、生成每个固定结构锚点的全局身份标识,并基于全局身份标识将同一固定结构锚点在不同帧中的二维坐标进行关联得到相邻帧之间固定结构锚点的对应关系。

20、在第一方面的一种可能的实现方式中,所述根据结构对齐图像序列建立方向响应函数,并利用方向响应函数生成同一像素位置在多个观测方向下的方向响应残差场该方法包括:

21、对结构对齐图像序列中每个图像像素位置建立局部分析窗口,并根据局部分析窗口确定图像像素的水平梯度分量和垂直梯度分量;

22、将水平梯度分量和垂直梯度分量构建为结构张量,并对结构张量进行特征值分解得到最大特征值和最小特征值;

23、将最大特征值对应的特征向量方向作为当前图像像素位置的局部纹理主方向,并结合最大特征值与最小特征值确定方向一致性系数;

24、确定结构对齐图像序列中每个图像的观测方向参数;

25、结合观测方向参数、局部纹理主方向和方向一致性系数构建方向响应函数;

26、利用方向响应函数计算同一像素位置在多个观测方向下方向响应值得到方向响应序列;

27、计算方向响应序列的离散程度,并根据离散程度生成方向响应残差值;

28、根据所有图像像素位置的方向响应残差值构建方向响应残差场。

29、在第一方面的一种可能的实现方式中,所述结合观测方向参数、局部纹理主方向和方向一致性系数构建方向响应函数该方法包括:

30、结合观测方向参数和局部纹理主方向计算方向角度差值,并利用方向角度差值构建正弦方向关联项;

31、将方向一致性系数与正弦方向关联项进行相乘生成异性方向响应函数;

32、计算每个局部纹理主方向的像素灰度方差,并利用像素灰度方差作为自变量构建异性对比度调节项;

33、将异性方向响应函数和异性对比度调节项相乘得到修正方向响应函数;

34、将修正方向响应函数作为方向响应函数。

35、在第一方面的一种可能的实现方式中,所述通过结构对齐图像序列计算观测图像中任意两个相邻帧间的散射纹理光流场,并根据散射纹理光流场提取反射偏移区域得到反射偏移残差场该方法包括:

36、对结构对齐图像序列进行反射分量分离处理提取每个图像的亚表面散射分量,并将每个图像的亚表面散射分量构建为亚表面散射图像序列;

37、根据亚表面散射图像序列计算任意两个相邻帧之间的散射纹理运动信息;

38、根据散射纹理运动信息确定每个图像中图像像素位置的散射纹理光流场,并对散射纹理光流场进行分解得到旋度分量、散度分量和剪切分量;

39、将旋度分量、散度分量和剪切分量构建为动态响应特征向量;

40、对动态响应特征向量进行匹配分析,确定每个图像像素位置的动态异常得分;

41、根据动态异常得分构建散射动态异常残差场,并通过散射动态异常残差场确定反射偏移区域;

42、利用反射偏移区域生成反射偏移残差场。

43、在第一方面的一种可能的实现方式中,所述对动态响应特征向量进行匹配分析,确定每个图像像素位置的动态异常得分该方法包括:

44、将每个图像像素位置的旋度分量、散度分量和剪切分量进行正交分解确定速度梯度张量,以确定局部光流变形率;

45、求解速度梯度张量得到在伽利略变换下的第一不变量和第二不变量,其中第一不变量表示局部光斑面积的膨胀与收缩率,第二不变量表示局部流场的旋转运动与剪切形变运动的竞争关系;

46、以第一不变量为横坐标以及第二不变量为纵坐标构建拓扑相空间,并将图像像素位置的坐标映射至拓扑相空间中确定图像像素位置的坐标在拓扑相空间中的目标区域位置;

47、将拓扑相空间利用预设的拓扑临界值划分为刚体运动一致区、非刚体形变区和散射能量汇聚区;

48、计算图像像素位置的坐标与刚体运动一致区的空间几何距离;

49、利用非刚体形变区和散射能量汇聚区分别对应的预设异性概率密度函数计算图像像素位置的非刚性偏移概率;

50、结合空间几何距离和非刚性偏移概率计算动态异常得分。

51、在第一方面的一种可能的实现方式中,所述结合方向响应残差场和反射偏移残差场进行约束分析构建观测伪缺陷概率图该方法包括:

52、对方向响应残差场进行边缘检测提取表面缺陷几何轮廓的边界线,并沿边界线计算局部曲率;

53、根据局部曲率构建表面边界曲率分布函数;

54、从反射偏移残差场中提取散度分量,并利用散度分量构建散度场;

55、对散度场施加拉普拉斯算子检测散度场的源汇分布得到亚表面散度源分布;

56、基于预设的表面变形与亚表面体之间的对偶关系,以表面边界曲率分布函数为边界条件构建边界积分方程;

57、求解边界积分方程确定理论散度源强度分布,以确定当前表面边界形态对应的亚表面能量扩散状态;

58、将亚表面散度源分布与理论散度源强度分布进行空间配准计算散度源偏差值;

59、根据散度源偏差值构建对偶一致性残差场,并利用对偶一致性残差场计算每个图像像素位置的散射一致性置信度;

60、根据散射一致性置信度确定每个图像像素位置的观测伪缺陷概率,并利用观测伪缺陷概率构建观测伪缺陷概率图。

61、在第一方面的一种可能的实现方式中,所述基于预设的表面变形与亚表面体之间的对偶关系,以表面边界曲率分布函数为边界条件构建边界积分方程该方法包括:

62、对表面边界曲率分布函数进行弧长重构得到连续的曲率边界函数;

63、对曲率边界函数进行弧长求导得到曲率变化率,并利用预设的表面变形与亚表面体之间的对偶关系将曲率变化率映射为边界激励项;

64、根据边界激励项构建边界积分核函数,并利用边界积分核函数对边界激励项沿弧长进行核加权积分得到边界积分方程。

65、第二方面,本技术提供一种基于多物理场分析的无人机蒙皮缺陷检测系统,包括:

66、存储器,被配置成存储指令;以及

67、处理器,被配置成从所述存储器调用所述指令以及在执行所述指令时能够实现上述的基于多物理场分析的无人机蒙皮缺陷检测方法。

68、第三方面,本技术提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行上述的基于多物理场分析的无人机蒙皮缺陷检测方法。

69、通过上述技术方案,通过主动引入可控的物理干扰放大缺陷与正常区域在光学响应上的差异,提升缺陷的可检测性,有效避免单一视角下缺陷可能被遮挡的问题。利用蒙皮上固有的固定结构作为稳定的参考基准,建立不同观测图像间的精确空间关联,避免因无人机外形曲面导致的图像变形配准失败问题。接着将多方向观测图像对齐到统一的空间框架下,避免伪影误检,提高检测精度。通过建模同一像素在不同观测方向下的光学响应规律,将正常蒙皮表面的各向异性反射特性参数化,有效抑制蒙皮正常曲率、材质纹理带来的方向性变化干扰,精准定位光学特性异常。捕捉相邻帧间散射纹理的微观运动模式,反射偏移区域指示了表面微观结构引起的光线散射路径改变,有效识别平面纹理引起的伪运动信号,提高物理形变的识别精度。通过双残差场的约束分析,确定每个像素属于真实缺陷还是伪缺陷,显著降低由环境干扰、表面污染引起的误报率,提升检测的可靠性。将原始图像、方向响应残差场、伪缺陷概率图进行融合,利用深度学习进行特征提取,在抑制伪缺陷干扰的同时,对真实缺陷进行有效检测,输出候选缺陷区域。对候选缺陷进行时间一致性、空间连续性等稳定性检验,过滤掉偶发性噪声,确保最终输出缺陷检测结果的准确性。

70、本技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。