一种图像识别的阀门阀体体外表面涂层剥落检测方法及系统与流程
本发明涉及阀门耐腐蚀层检测领域,尤其涉及一种图像识别的阀门阀体体外表面涂层剥落检测方法及系统。
背景技术:
1、在石油、化工、天然气等行业中,阀门(如球阀、闸阀、截止阀)外部通常涂覆有防腐蚀涂层(如环氧树脂涂层、聚氨酯涂层或熔结环氧粉末涂层)。该涂层的完整性直接关系到阀门基体金属的抗腐蚀能力和服役寿命。涂层局部脱离、剥落或鼓泡会直接暴露金属基体,在潮湿、酸性或盐雾甚至是深海环境下引发电化学腐蚀、应力腐蚀开裂,严重时导致阀门壁厚减薄、介质泄漏,造成重大安全事故。
2、阀门的涂覆耐腐蚀层的方式有很多种,其中也包括一种耐腐蚀较强的釉面耐腐蚀层的材料设计;这种工艺手段让其传统阀门的外表面上釉形成釉面,从而形成这类阀门,这类产品在工业上通常被称为搪瓷阀门(例如:搪瓷隔膜阀,最常见的类型。隔膜将介质与阀杆等部件隔离,避免腐蚀,特别适用于输送含固体颗粒或粘性介质。搪瓷蝶阀,启闭件为圆盘形的蝶板,结构简单、体积小,适用于大管径、大流量的工况)。它的工艺是通过在金属基体表面涂覆瓷釉,再经约900℃的高温烧结,最终在阀门内外壁形成一层连续、致密的瓷质釉层。但是这类瓷质釉层经过多年耐腐蚀实验和小规模使用之后需要定期维护以及检测以验证其瓷质釉层的稳定性;举例说明,具有较强耐腐蚀的瓷质釉层经过海底高盐、高压腐蚀情况下主要检测其表面以及表层脱落,其表面不应破损,瓷质不应有裂纹;如果釉面有裂纹甚至是釉面损伤(断釉),不利于阀门设备后续良好运行和抗腐蚀性能。釉面缺陷包括釉点、釉面损伤(断釉)及针孔;参见图1,此处的阀门阀体表面所在的a处存在釉面损伤(断釉)的缺陷。
3、目前,对阀门外部瓷质釉层的检测主要依赖人工目视检查与传统图像处理技术。这类巡检效率低,受光照、视角和经验影响大,难以发现早期微小的剥落。近年来,多尺度几何分析工具如轮廓波变换等被引入纹理分析领域,其优越的方向捕捉与多分辨率分析能力为缺陷检测提供了新思路。然而,传统轮廓波变换因下采样操作会导致吉布斯现象与位置信息丢失,不利于缺陷的精确表征与定位。
技术实现思路
1、本发明的目的在于提供一种图像识别的阀门阀体体外表面涂层剥落检测方法及系统,解决了现有技术中指出的上述技术问题。
2、本发明提供了一种图像识别的阀门阀体体外表面涂层剥落检测方法,包括如下操作步骤:
3、对阀门阀体进行采集表面图像,对所述表面图像进行预处理,得到待检测图像;
4、对所述待检测图像滤波,得到低通结构基底子带与高通结构基底子带;对所述高通结构基底子带进行尖峰与重尾的评估,构建方向一致性描述符向量;对所述低通结构基底子带进行构建局部方差图;通过所述局部方差图与所述方向一致性描述符向量进行形成微观纹理起伏特征向量;采集三维点云数据结合所述微观纹理起伏特征向量进行识别断釉区域。
5、较佳地,对所述待检测图像滤波,得到低通结构基底子带与高通结构基底子带,具体操作步骤如下:
6、根据滤波算法对所述待检测图像进行设置多个尺度方向与低通滤波器以及高通滤波器;
7、利用低通滤波器与高通滤波器对所述待检测图像的每个尺度方向进行非下采样的滤波分解,得到第一级低通结构基底子带与第一高通结构基底子带;
8、利用所述低通滤波器与高通滤波器对所述第一级低通结构基底子带进行重复上述步骤滤波分解得到第二级低通结构基底子带与第二级高通结构基底子带;
9、对所述第二级低通结构基底子带重复上述的步骤按照预先设置的迭代次数进行滤波分解,得到低通结构基底子带序列与高通结构基底子带序列。
10、较佳地,对所述高通结构基底子带进行尖峰与重尾的评估,构建方向一致性描述符向量,具体操作步骤如下:
11、对所述高通结构基底子带序列中的每个高通结构基底子带进行非下采样的滤波分解为多个主要方向的子高通结构基底子带,对所有子高通结构基底子带进行构建矩阵,得到子高通结构矩阵;
12、将所述所有子高通结构基底子带进行展平,形成一维数据序列;
13、预先构建广义高斯模型;将每个一维数据序列进行输入至所述广义高斯模型中进行评估,寻找所述每个子高通结构基底子带的尖峰与重尾,得到高通结构形状参数与高通结构尺度参数;
14、对每个尺度的所有方向上的高通结构形状参数与高通结构尺度参数进行分别集合,得到高通结构形状集合与高通结构尺度集合;
15、计算形状集合的高通结构形状参数均值与高通结构形状参数标准差;
16、计算尺度集合的高通结构尺度参数均值与高通结构尺度参数标准差;
17、将所述高通结构形状参数均值与高通结构形状参数标准差以及高通结构尺度参数均值与高通结构尺度参数标准差进行组合,形成该尺度的方向一致性描述符向量。
18、较佳地,对所述低通结构基底子带进行构建局部方差图;通过所述局部方差图与所述方向一致性描述符向量进行形成微观纹理起伏特征向量;采集三维点云数据结合所述微观纹理起伏特征向量进行识别断釉区域,具体操作步骤如下:
19、对所述低通结构基底子带序列中的第n个低通结构基底子带进行像素点编码,构建局部方差图;根据所述局部方差图进行提取釉质玻璃相区与陶瓷基体暴露区,构建近似统计矩;根据所述方向一致性描述符向量与近似统计矩进行串联得到微观纹理起伏特征向量;根据所述微观纹理起伏特征向量对所述待检测图像进行局部分析提取疑似断釉区域;采集三维点云数据结合所述疑似断釉进行识别断釉区域。
20、较佳地,对所述低通结构基底子带序列中的第n个低通结构基底子带进行像素点编码,构建局部方差图,具体操作步骤如下:
21、选取所述低通结构基底子带序列中的第n个低通结构基底子带,对所述第n个低通结构基底子带中的每个像素点按照预先设定的半径进行计算像素圆周长;
22、对所述该像素点按照所述像素圆周长进行采集像素圆周长上的相邻域的八个像素采样点;
23、对所述八个像素采样点的灰度值与该像素点的灰度值进行逐一比较,生成二进制序列;
24、对该像素点的二进制序列按照序列中的第一个二进制数进行逐一lbp编码,转换为十进制的像素点编码,将所有像素点编码进行构建lbp编码图;
25、对所述低通结构基底子带序列中的其余低通结构基底子带的每个像素点进行重复上述步骤的获取相邻域的八个像素采样点;
26、计算该像素点与相邻域的八个像素采样点的灰度方差值;
27、利用每个像素点的灰度方差值进行构建与所述lbp编码图相同尺寸的局部方差图。
28、较佳地,根据所述局部方差图进行提取釉质玻璃相区与陶瓷基体暴露区,构建近似统计矩,具体操作步骤如下:
29、预设方差阈值;对所述局部方差图中每个像素点的灰度方差值与预设方差阈值进行判断;
30、若所述灰度方差值大于预设方差阈值,则判定该像素点为陶瓷基体像素点,将所有陶瓷基体像素点进行聚类,得到陶瓷基体暴露区;
31、若所述灰度方差值小于预设方差阈值,则判定该像素点为玻璃像素点,将所有玻璃像素点进行聚类,得到釉质玻璃相区;
32、若所述灰度方差值等于预设方差阈值,则判定该像素点为结晶像素点,将所有结晶像素点进行聚类,得到釉质结晶相区;
33、对所述局部方差图进行分别提取出所述釉质玻璃相区与陶瓷基体暴露区的灰度方差值,别分组成玻璃灰度方差集合与陶瓷灰度方差集合;
34、计算所述玻璃灰度方差集合的玻璃灰度方差均值与玻璃灰度标准差;
35、计算所述陶瓷灰度方差集合的陶瓷灰度方差均值与陶瓷灰度标准差;
36、根据所述玻璃灰度方差均值与所述陶瓷灰度方差均值进行计算区域间对比度;
37、根据所述玻璃灰度标准差与所述陶瓷灰度标准差计算区域内均匀性指标;
38、将所述局部方差图与所述区域间对比度以及区域内均匀性指标进行拼接,构建近似统计矩。
39、较佳地,根据所述方向一致性描述符向量与近似统计矩进行串联得到微观纹理起伏特征向量;根据所述微观纹理起伏特征向量对所述待检测图像进行局部分析提取疑似断釉区域;采集三维点云数据结合所述疑似断釉进行识别断釉区域,具体操作步骤如下:
40、将所有尺度的方向一致性描述符向量与近似统计矩按照尺度顺序进行串联,得到微观纹理起伏特征向量;
41、对所述待检测图像进行划分图像块,对所述图像块进行局部分析所述微观纹理起伏特征向量,提取疑似断釉区域;对所述阀门阀体进行采集三维点云数据,提取所述疑似断釉区域对应的所述三维点云数据中的点云坐标位置区域,计算所述点云坐标位置区域的平均粗糙度;根据所述平均粗糙度构建深度分布直方图,识别显著峰,计算釉面台阶高度;根据所述釉面台阶高度进行识别断釉区域。
42、较佳地,对所述待检测图像进行划分图像块,对所述图像块进行局部分析所述微观纹理起伏特征向量,提取疑似断釉区域,具体操作步骤如下:
43、对所述待检测图像进行划分图像块,对每个图像块进行提取所述微观纹理起伏特征向量,得到局部微观纹理起伏特征向量;
44、提取正常局部微观纹理起伏特征向量,对所述正常局部微观纹理起伏特征向量与相邻的k个近邻的局部微观纹理起伏特征向量进行计算欧氏距离,作为异常分数;
45、对每个图像块的异常分数进行插值,生成异常热力图;
46、设置热力阈值;判断所述每个异常热力图的异常分数是否大于热力阈值;
47、若是,则判定该异常热力图为异常区域,对所有异常区域进行连接,得到疑似断釉区域。
48、较佳地,对所述阀门阀体进行采集三维点云数据,提取所述疑似断釉区域对应的所述三维点云数据中的点云坐标位置区域,计算所述点云坐标位置区域的平均粗糙度;根据所述平均粗糙度构建深度分布直方图,识别显著峰,计算釉面台阶高度,具体操作步骤如下:
49、对所述阀门阀体进行采集三维点云数据,对所述疑似断釉区域进行确定在所述三维点云数据中的点云坐标位置区域;
50、对所述点云坐标位置区域周围的三维点云进行最小二乘法的拟合平面方程,得到点云平面;
51、对所述点云坐标位置区域进行确定每个三维点云的高度,对所述每个三维点云的高度与所述点云平面进行计算点云高度偏差,并进一步的计算平均高度偏差,作为平均粗糙度;
52、对所述疑似断釉区域进行确定最大平均粗糙度与最小平均粗糙度;
53、根据所述最大平均粗糙度与最小平均粗糙度对所述疑似断釉区域进行划分多个粗糙区间;
54、对每个粗糙区间进行构建深度分布直方图;
55、利用寻峰算法对所述深度分布直方图确定所有显著峰;
56、对所有显著峰进行确定像素点数量,对所述显著峰进行降序排序;
57、确定所有显著峰中的最高显著峰,作为正常釉面高度;
58、对所有显著峰进行筛选第二最高显著峰,作为缺陷底部高度;
59、将所述最高显著峰与所述第二最高显著峰进行计算绝对深度差,作为釉面台阶高度。
60、较佳地,根据所述釉面台阶高度进行识别断釉区域,具体操作步骤如下:
61、确定所述点云坐标位置区域中的最高釉面台阶高度与最低釉面台阶高度;利用所述最高釉面台阶高度与最低釉面台阶高度进行计算,得到点云坐标位置区域的整体高度范围;利用所述点云坐标位置区域的整体高度范围与所述釉面台阶高度进行计算,得到三维形貌对比度;
62、预设对比度阈值;判断所述三维形貌对比度是否大于对比度阈值;
63、若是,则判定所述三维形貌对比度对应的疑似断釉区域为断釉区域。
64、与现有技术相比,本发明实施例至少存在如下方面的技术优势:
65、分析本发明提供的上述一种图像识别的阀门阀体体外表面涂层剥落检测方法及系统可知,在具体应用时通过多尺度图像分解与特征融合,系统构建了全面表征釉面状态的微观纹理起伏特征向量;利用滤波技术将图像分解为承载宏观结构的低通子带和包含微观细节的高通子带;针对高通子带,通过广义高斯模型评估其统计分布特性,提取表征纹理尖锐程度的形状参数和能量强度的尺度参数,形成方向一致性描述符,有效捕捉微裂纹引起的局部尖锐变化和方向不对称性;同时,对低通子带计算局部方差图,量化宏观结构的均匀性变化;将两类特征融合形成的综合向量,能够同时响应断釉导致的微观纹理破坏和宏观形貌异常;
66、进一步的,基于此微观纹理起伏特征向量,系统采用无监督学习策略实现断釉区域提取,方案通过将待检测图像划分为微小区块并提取局部特征,计算其与正常样本特征空间的偏离度作为异常分数,生成异常热力图定位疑似区域;该方法仅需学习正常样本模式,即可识别各类未知缺陷形态,显著提升检测泛化能力;
67、进一步的,同时本发明实施例引入三维点云数据对疑似区域进行几何验证,计算区域平均粗糙度等三维形貌参数,用于有效区分真实材料缺失与纹理伪缺陷;上述方案新增流程用于形成二维纹理分析与三维形貌验证的闭环检测流程,确保检测结果具有更高的准确性和可靠性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com