基于智能视觉的粉末冶金件缺陷无损检测方法及系统与流程
本技术涉及图像处理,尤其涉及基于智能视觉的粉末冶金件缺陷无损检测方法及系统。
背景技术:
1、粉末冶金件通过粉末压制、烧结等工艺成型,其表面在成型过程中通常会形成与材料流动及压制方向相关的烧结流痕,同时由于粉末颗粒之间的间隙及成型过程的影响,表面还可能存在天然微孔;当粉末冶金件受到成型应力或后续使用过程中的应力作用时,局部区域还可能产生微小裂纹。上述不同表面特征在实际检测过程中均可能表现为局部灰度变化,因此需要对粉末冶金件表面图像进行处理,以识别其中的真实缺陷。
2、目前,粉末冶金件表面缺陷检测可采用基于机器视觉的图像检测方式,通过采集粉末冶金件表面图像,并利用灰度、边缘、纹理等图像特征对异常区域进行识别。例如,现有图像检测方法通常根据图像中的灰度突变或边缘变化提取缺陷候选区域,再通过阈值分割、边缘检测或特征分类等方式确定缺陷区域。
3、然而对于粉末冶金件而言,正常烧结流痕、天然微孔以及微小裂纹均可能形成较明显的灰度或边缘变化,使得上述不同表面特征在图像特征上存在较大的相似性,仅依据灰度变化程度或单一边缘特征难以准确区分正常烧结流痕、天然微孔与微小裂纹,从而容易将正常烧结流痕或天然微孔识别为缺陷,或者在正常纹理及微孔干扰下造成微小裂纹的识别遗漏,出现漏识别的情况。
技术实现思路
1、为了减少粉末冶金件表面缺陷检测过程中容易出现漏识别的问题,本技术提供基于智能视觉的粉末冶金件缺陷无损检测方法及系统。
2、第一方面,本技术提供基于智能视觉的粉末冶金件缺陷无损检测方法,采用如下的技术方案:
3、基于智能视觉的粉末冶金件缺陷无损检测方法,包括:获取粉末冶金件表面光强分布的初始图像;
4、对于初始图像中的任一像素点,构建缺陷响应权重;
5、结合各像素点的缺陷响应权重与预设的方向增强模板对所述初始图像进行处理,并根据处理后的图像数据界定缺陷边界,得到检测输出结果;
6、其中,构建缺陷响应权重,包括:
7、构建用于表征像素点偏离正常纹理的异常程度的纹理方向偏离度,以及用于表征局部灰度凹陷区域几何闭合程度的形态紧凑度;融合所述纹理方向偏离度与所述形态紧凑度得到各像素点的缺陷响应权重;
8、纹理方向偏离度基于局部窗口内的灰度变化剧烈程度、全局最大的灰度变化剧烈程度、局部纹理主方向以及粉末冶金预设的工艺主方向确定;
9、所述局部窗口内的灰度变化剧烈程度越大,所述纹理方向偏离度越大;所述局部纹理主方向与工艺主方向的角度差值越大,所述纹理方向偏离度越大。
10、由于正常烧结流痕通常具有与粉末冶金的工艺主方向一致的纹理方向,而微小裂纹的纹理方向容易偏离该工艺主方向,同时天然微孔通常表现为较为闭合、规则的灰度凹陷区域。因此本方法中,针对各像素点分别构建纹理方向偏离度和形态紧凑度,将表征局部灰度变化剧烈程度及纹理方向异常程度的纹理方向偏离度,与表征灰度凹陷区域几何闭合程度的形态紧凑度进行融合,形成各像素点对应的缺陷响应权重,再利用缺陷响应权重结合预设的方向增强模板对初始图像进行处理,使图像增强过程能够根据不同像素位置的缺陷特征进行差异化处理。通过同时考虑方向偏离特征和局部形态特征,能够降低正常流痕及天然微孔对缺陷识别的干扰,并针对具有异常方向及非闭合形态特征的区域提高响应,从而使微小裂纹在处理后的图像中得到更加充分的表征,减少因正常纹理及微孔干扰造成的微小裂纹漏识别;
11、对于灰度变化较剧烈且纹理方向明显偏离工艺主方向的区域,纹理方向偏离度相应提高;对于与正常流痕方向一致的纹理区域,则能够降低其异常响应。因此能够在保留微小裂纹灰度突变特征的同时,降低正常烧结流痕对缺陷识别的干扰,使具有异常方向特征的微小裂纹更容易进入后续缺陷增强处理过程,从而解决正常流痕与微小裂纹具有相似灰度变化的问题。
12、可选地,获取粉末冶金件表面光强分布的初始图像,包括:
13、采集粉末冶金件表面的原始光强分布数据;采用局部背景差分算法对所述原始光强分布数据进行光照均匀化处理,得到均衡光强分布数据;
14、对所述均衡光强分布数据进行空间平滑去噪处理,并将处理后的数据映射至有效检测区域内,得到所述初始图像。
15、利用局部背景差分算法进行光照均匀化处理,并进一步进行空间平滑去噪及有效检测区域映射,使获得的初始图像能够减少由粉末冶金件金属表面的反光特性、局部光照不均以及传感器随机像素波动产生的非缺陷灰度变化,同时排除有效检测区域之外的背景信号干扰。
16、可选地,所述局部窗口内的灰度变化剧烈程度通过空间微分算子计算得到,所述局部纹理主方向通过结构张量分析算法获取。
17、可选地,所述形态紧凑度的构建过程,包括:
18、将所述初始图像中灰度值小于设定的灰度凹陷提取阈值的像素点标记为凹陷像素;
19、对所述凹陷像素进行聚类生成多个凹陷连通域,并提取满足预设面积阈值的凹陷连通域作为有效凹陷区域;
20、基于有效凹陷区域的实际像素面积和边缘周长,计算所述有效凹陷区域的区域形态紧凑度,并将所述区域形态紧凑度赋值给对应位置的所述像素点,得到所述各像素点的形态紧凑度;所述区域形态紧凑度与所述实际像素面积呈正相关,与所述边缘周长呈负相关。
21、将初始图像数据中低于灰度凹陷提取阈值的像素标记为凹陷像素,并对凹陷像素进行聚类形成凹陷连通域。再根据有效凹陷区域的实际像素面积和边缘周长计算区域形态紧凑度,使局部灰度凹陷不再仅按照灰度大小进行判断,而能够进一步利用其二维空间形态进行区分。
22、天然微孔通常形成较为闭合、规则的凹陷结构,而微小裂纹通常呈细长、分支或不规则延伸形态,因此二者虽然均可能产生灰度凹陷,但对应区域的面积与边缘周长关系不同,进而形成不同的区域形态紧凑度。
23、可选地,设定的灰度凹陷提取阈值的获取步骤包括:引入暗区偏离系数对所述初始图像的全局灰度标准差进行调制;从所述初始图像的全局灰度均值中,减去调制后的全局灰度标准差,以确定灰度凹陷提取阈值。
24、利用初始图像数据的全局灰度均值和全局灰度标准差确定基础灰度凹陷提取阈值,并进一步引入暗区偏离系数对全局灰度标准差进行调制,使灰度凹陷提取阈值能够结合当前图像整体灰度分布进行确定,而不是采用固定的灰度阈值。由此能够根据不同粉末冶金件表面图像的整体灰度变化调整凹陷区域的提取条件,使过亮或过暗等整体灰度变化不易直接改变凹陷区域的判定结果,从而减少正常暗色纹理被错误提取或者浅层裂纹未被提取的情况。
25、可选地,融合所述纹理方向偏离度与所述形态紧凑度得到各像素点的缺陷响应权重,包括:
26、基于所述形态紧凑度计算形态开放度,其中,所述形态紧凑度越大,所述形态开放度越小;
27、将所述纹理方向偏离度与所述形态开放度的乘积作为所述缺陷响应权重。
28、当区域具有较高的形态紧凑度时,形态开放度降低,从而抑制该区域的缺陷响应;而当区域具有较低的形态紧凑度且同时具有较高的纹理方向偏离度时,其缺陷响应权重提高。由此能够利用方向特征和形态特征的共同作用,将正常流痕、天然微孔与具有异常方向及细长形态的微小裂纹进一步区分开来,减少误识别的情况。
29、可选地,所述预设的方向增强模板的构建过程,包括:
30、基于预设的边缘增强阶数参数进行递推计算,获取各阶递推权重;
31、根据预设的局部计算窗口尺寸内各局部坐标的偏移量,从各阶所述递推权重中确定对应位置的权重值,以构建边缘凸显计算矩阵;
32、对局部坐标进行旋转,以使旋转后的坐标轴平行于流痕方向,并结合空间纵横比例和高斯分布标准差,基于边缘凸显计算矩阵构建方向选择性高斯模板作为所述方向增强模板。
33、一方面,通过边缘凸显计算矩阵增强微小裂纹所对应的局部边缘变化,另一方面能够通过与粉末冶金的工艺主方向相对应的方向选择性高斯分布对正常流痕方向的连续纹理进行抑制,从而避免将正常烧结流痕同步增强,提高微小裂纹与正常流痕之间的图像特征差异。
34、可选地,结合各像素点的缺陷响应权重与预设的方向增强模板对所述初始图像进行处理,包括:利用所述缺陷响应权重作为权重分配系数,对所述初始图像在对应像素点处的原始像素值与所述方向增强模板的卷积计算结果进行加权融合计算,得到处理后的图像数据。
35、第二方面,本技术提供基于智能视觉的粉末冶金件缺陷无损检测系统,采用如下的技术方案:
36、基于智能视觉的粉末冶金件缺陷无损检测系统,包括:处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现根据上述的基于智能视觉的粉末冶金件缺陷无损检测方法。
37、将上述的基于智能视觉的粉末冶金件缺陷无损检测方法生成计算机程序,并存储于存储器中,以被处理器加载并执行,从而,根据存储器及处理器制作系统,方便使用。
38、本技术具有以下技术效果:
39、将纹理方向异常程度和灰度凹陷区域形态特征作为两类互补的缺陷判别依据,构建像素级缺陷响应权重,并进一步利用该权重对方向选择性边缘增强进行空间调制,使检测过程能够针对不同表面特征采取不同的图像处理方式。进而解决粉末冶金件表面正常烧结流痕、天然微孔和微小裂纹容易在灰度或边缘特征上相互混淆而导致微小裂纹漏识别的问题。
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