一种钢构件焊缝表面缺陷检测方法与流程
本发明涉及图像处理,尤其涉及一种钢构件焊缝表面缺陷检测方法。
背景技术:
1、在桥梁、建筑钢结构等大型设施的制造过程中,厚板多层多道焊是关键的连接工艺,焊缝表面质量直接决定结构承载能力与服役安全。随着自动化产线节拍加快,基于机器视觉的焊缝表面缺陷自动化检测逐步替代人工目视评片,成为在线质量控制的主要技术途径。现有的焊缝表面缺陷检测系统通过工业相机采集焊缝表面图像,利用卷积神经网络对图像进行逐像素语义分割,从而识别出裂纹、未熔合、气孔等缺陷。
2、现有技术中,对于多层多道焊焊缝,相邻焊道之间必然形成连续的熔合线沟槽,该沟槽在可见光图像中呈现为与焊缝方向一致的细长暗纹,其灰度分布、梯度强度和线状形态特征与危险性裂纹、根部未熔合缺陷的表观特征高度重叠。
3、通用语义分割模型仅从像素空间无法对二者进行本质特征解耦,导致在工程应用中陷入两难境地:为保障裂纹类缺陷的低漏检率而提高检测灵敏度时,大量无害的焊道熔合线被误报为缺陷,造成高频虚警;若施加基于焊道走向或位置的强过滤规则以抑制虚警,则那些跨焊道延伸或局部沿焊道萌生的真实裂纹极易被一并滤除,形成漏检。
4、这种虚警与漏检相互制约的调参死锁,使得检测结果难以同时满足对安全隐患的高召回要求和对误报率的现场容忍度要求,制约了自动化检测在钢结构焊接场景中的推广和信任度。
技术实现思路
1、本技术实施例通过提供一种钢构件焊缝表面缺陷检测方法,解决了现有技术中多层多道焊熔合线纹理与危险性线状缺陷因特征同源而导致的虚警与漏检相互制约的调参死锁,以及判定规则因依赖固定阈值而与焊接工艺状态刚性耦合的问题,实现了对焊道伪缺陷与真实缺陷的本质特征解耦及判定界限随当前图像自身统计特性的自适应动态调整。
2、本技术实施例提供了一种钢构件焊缝表面缺陷检测方法,包括:获取待检测的焊缝原始图像,进行灰度处理和尺寸调整,得到归一化图像;
3、将归一化图像输入至预先训练的图像分割网络中,输出包含前景和背景的二值图像,提取出候选缺陷区域;
4、根据归一化图像中各个像素点的灰度变化幅度,计算得到每个像素点的纹理走向,生成走向参考场,同时提取出属于正常焊缝纹理的背景像素集合;
5、提取每个候选缺陷区域的中心骨架线,将骨架线拆分为至少两条没有分支的单线路径;
6、沿着每条单线路径,分别计算单线路径上每个点的自身延伸方向,获取每个点对应位置在走向参考场中的标准方向,计算方向之间的夹角,并统计每个点周围预设数量的邻域点区域内的纹理杂乱程度;
7、基于正常焊缝纹理的背景像素集合,统计出正常情况下的夹角界限和纹理杂乱程度界限;
8、沿着单线路径进行对比,若单线路径上的夹角超出夹角界限,或者纹理杂乱程度超出了纹理杂乱程度界限,则把对应的单线路径所在的候选缺陷区域标记为真实缺陷,否则则认为是虚假缺陷并剔除,汇总并输出真实缺陷的位置信息。
9、进一步的,输出包含前景和背景的二值图像,提取出候选缺陷区域的步骤包括:
10、将得到的归一化图像送入编码解码结构的图像分割网络中,进行像素级别的分析,输出一张和焊缝原始图像一样大小的单通道概率图,所述概率图里面每个点代表属于缺陷的可能大小;
11、设定一个具体的可能大小界限,将概率图里面超过可能大小界限的点变成前景,没有超过可能大小界限的点变成背景,生成包含前景和背景的二值图像;
12、统计二值图像里面所有相邻的前景像素,把每一块相邻的前景像素记为一个单独的区域并打上编号;
13、计算每一个区域占用的像素个数,把像素个数不够设定要求的区域进行删除,将删除剩下的区域作为候选缺陷区域。
14、进一步的,计算得到每个像素点的纹理走向,生成走向参考场的步骤包括:
15、计算归一化图像中每个点的横向和纵向灰度改变数值,拼成结构矩阵,对结构矩阵进行平滑操作后提取特征线,将代表最大数值的特征线作为该点初始纹理走向;
16、统计全部点的初始纹理走向,找出出现次数最多的走向区间,把走向区间的中间方向定为归一化图像的全局参考方向;
17、分别计算每个点的初始纹理走向和全局参考方向的点乘数值,若算出的数值小于零,则将该点的初始纹理走向进行翻转,否则不改变当前方向;
18、把所有调整完毕的点的走向进行组合,形成与焊缝延伸方向一致的走向参考场输出。
19、进一步的,提取出属于正常焊缝纹理的背景像素集合的步骤包括:
20、获取结构矩阵里的最大特征数值和第二大特征数值,用最大特征数值减去第二大特征数值,得到一个差值;
21、用最大特征数值加上第二大特征数值,得到一个和值,用算出的差值除以和值,得到一个代表纹理方向一致程度的指标数据;
22、设定一个界限数值,统计出所有指标数据大于界限数值的像素点;
23、对统计出的像素点进行打包,构成属于正常焊缝纹理的背景像素集合。
24、进一步的,提取每个候选缺陷区域的中心骨架线,将骨架线拆分为至少两条没有分支的单线路径的步骤包括:
25、对所述候选缺陷区域做变细处理,得到只有单个像素宽度的连通中心骨架线;
26、遍历中心骨架线上的每一个像素点,检测该像素点在八邻域内的前景像素点总数;
27、将八邻域内仅包含一个前景像素点的像素点标记为端点,将八邻域内包含三个及以上前景像素点的像素点标记为交叉点;
28、执行路径追踪操作,以任一所述端点作为搜索起点,沿所述连通中心骨架线进行像素点序列检索,直至触达另一个所述端点或所述交叉点,将检索到的像素点序列构成一条无分支的单线路径;
29、针对存在闭合回路的中心骨架线,执行回路破断处理,即在所述闭合回路中选取任一非交叉点作为人工断点,将其设定为虚拟起始端点与虚拟终止端点,进行路径追踪处理,直至将所述候选缺陷区域内的中心骨架线完全拆解为至少两条无分支的单线路径。
30、进一步的,获取每个点对应位置在走向参考场中的标准方向,计算方向之间的夹角,并统计每个点周围预设数量的邻域点区域内的纹理杂乱程度的步骤包括:
31、针对单线路径上的每一当前采样点,在空间序列上于所述当前采样点的前后侧各选取预设数量的邻域点,构建局部坐标集合;
32、对所述局部坐标集合进行直线拟合,获取该点的局部几何延伸方向向量,并将其定义为当前采样点的自身延伸方向;
33、检索预先构建的走向参考场,获取与当前采样点空间位置坐标相对应的标准方向向量;
34、对所述自身延伸方向向量与所述标准方向向量执行向量内积运算,取其绝对值,并通过反余弦函数进行逆向映射,获取所述当前采样点处的几何偏差角,即两个方向向量之间的夹角;
35、以当前采样点为中心,设定一个预设尺寸的正方形窗口,遍历所述正方形窗口内所有像素点的灰度梯度方向角,并将的角度区间均匀划分为若干个直方图分箱;
36、根据各分箱内梯度方向角的频数分布,采用信息熵计算方法量化所述正方形窗口内的像素梯度分布离散度,并将该信息熵数值作为当前采样点处的纹理杂乱程度度量值。
37、进一步的,统计出正常情况下的夹角界限和纹理杂乱程度界限的步骤包括:
38、提取所述背景像素集合中各像素点的几何属性,计算各像素点的自身延伸方向向量与对应空间位置走向参考场向量之间的夹角,构建背景像素集合的夹角统计分布,并基于预设的统计学分位点阈值,计算并确定平行判断界限;
39、计算所述背景像素集合中各像素点的纹理杂乱度,构建其统计频率分布直方图,通过对分布曲线尾部设定预设的百分位点阈值,获取纹理杂乱程度跳变界限;
40、计算纹理杂乱度变动差分,提取该差分分布的特征统计量,构建平稳波动界限;
41、将所述平行判断界限、纹理杂乱度跳变界限及平稳波动界限作为输出参数。
42、进一步的,把对应的单线路径所在的候选缺陷区域标记为真实缺陷,否则则认为是虚假缺陷并剔除的步骤包括:
43、沿着单线路径对各个采样点进行遍历检查,若检测到连续预设数量的采样点,其对应的几何偏差角由小于平行判断界限的状态,发生突变并超过设定的偏离界限,则判定所述单线路径存在裂纹特征;
44、若单线路径未出现几何偏差角跳变,则计算单线路径上各采样点处的纹理杂乱程度,相对于其前序局部邻域平均值的纹理杂乱变化幅度;
45、将所述纹理杂乱变化幅度与所述杂乱程度跳变界限进行比对,若纹理杂乱变化幅度超过杂乱程度跳变界限,则判定单线路径存在跨越焊缝成型区域的异常特征;
46、当所述单线路径满足裂纹特征或异常特征中的任一者时,将所述单线路径所属的候选缺陷区域判定为真实缺陷,并终止对该候选缺陷区域内剩余路径的后续排查。
47、进一步的,认为是虚假缺陷并剔除的步骤包括:
48、若整条单线路径上各采样点处的几何偏差角始终小于平行判断界限,且整条单线路径上的纹理杂乱程度波动范围小于平稳波动界限,则判定单线路径为因正常纹理结构导致的虚假路径;
49、仅在某一个候选缺陷区域拆解出的所有单线路径均被判定为虚假路径时,将该候选缺陷区域整体判定为虚假缺陷并予以剔除;
50、针对保留的真实缺陷区域,根据其边缘像素点集,计算并提取真实缺陷区域的最小外接矩形框参数、几何质心坐标以及区域面积;
51、将所述外接矩形框参数、质心坐标、区域面积以及对应的焊缝原始图像掩膜进行关联封装,作为真实缺陷的目标位置信息输出。
52、本技术实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
53、通过从待检测图像自身提取各个像素的纹理走向,生成反映焊缝延伸方向的走向参考场,并同时提取出属于正常焊缝纹理的背景像素集合,利用背景像素集合统计出正常情况下方向偏差角度和纹理杂乱程度的界限,从而实现了对焊道熔合线与真实缺陷的本质特征解耦,能够准确区分形态相似的伪缺陷和真实裂纹。
54、进一步地,在对候选缺陷进行鉴别时,通过将缺陷区域的骨架拆分为没有分支的单线路径,并沿路径逐点计算该点的自身延伸方向与走向参考场中标准方向之间的夹角,以及该点周围局部区域的纹理杂乱程度,将超出上述界限的路径判定为真实缺陷,这样既避免了因采用高灵敏度导致熔合线大量虚警,又不会因强抑制规则而漏检跨焊道延伸的真实裂纹,打破了传统方法中的调参死锁。
55、再进一步地,在判定界限的确定环节,由于这些界限是基于当前所处理图像自身的背景统计实时得出的,而不是预先设定的固定阈值,因此当焊接工艺参数发生调整、焊道纹理外观出现波动时,检测方法能够自动跟随当前图像的特征分布,无需人工重新标定参数或重新训练模型,从而将检测判定与具体工艺状态解耦,保证了检测方法在不同产线和批次之间的通用性和独立性,避免了因工艺变更导致的检测失效。
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