基于机器视觉的金属构件质量智能监测方法及系统与流程

本发明属于金属构件检测，特别是涉及一种基于机器视觉的金属构件质量智能监测方法及系统。

背景技术：

1、随着高端装备制造技术的发展，出现了高温服役金属构件表面质量检测技术，应对800摄氏度以上极端高温服役环境的金属构件。

2、高温下金属构件自发红外辐射会淹没主动照明信号，传统技术中，主要通过冷却式检测，即先将高温构件降温至室温，再开展表面质量检测，以此避开高温热辐射的干扰；或者采用滤除式检测，通过在检测相机前加装窄带滤光片，在热辐射光谱中寻找可成像的“窗口”波段，将强烈的热辐射视为纯粹噪声进行抑制，从而获取构件表面的成像信号。

3、然而，上述方法，冷却式检测在降温过程中会改变构件内部的热应力分布，导致高温下张开的微小裂纹闭合，造成严重漏检，无法真实反映构件高温服役状态下的表面质量；滤除式检测将携带金属构件表面状态丰富信息的热辐射当作噪声滤除，丢失了裂纹、氧化层厚度、微观粗糙度等关键表面微拓扑信息。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够利用热辐射对高温金属构件进行质量监测的基于机器视觉的金属构件质量智能监测方法及系统。

2、第一方面，本申请提供了一种基于机器视觉的金属构件质量智能监测方法，包括：

3、获取多通道成像系统在高温金属构件表面热辐射主导环境下同步采集的不同曝光时长的原始多光谱偏振图像数据，并对原始多光谱偏振图像数据进行辐射定标校正、偏振定标校正和多曝光融合处理，得到多光谱偏振数据立方体；其中，多光谱偏振数据立方体包括至少四个光谱波段下各光谱波段对应的四个偏振方向四个偏振方向的辐射强度空间分布；多通道成像系统由多光谱分光和偏振分析组合构建；

4、对多光谱偏振数据立方体中各像素，根据辐射强度空间分布中四个偏振方向的辐射强度进行斯托克斯矢量计算，得到各像素的线偏振度值，并基于微面元双向反射分布函数模型的偏振度-反射分量占比映射关系表，通过各像素的线偏振度值对多光谱偏振数据立方体逐像素进行反射分离，得到热辐射分量数据立方体；

5、基于双波段比色测温算法对热辐射分量数据立方体进行全局灰度级温度估算，得到初始温度场；双波段比色测温算法分别针对热辐射分量数据立方体中的短波红外通道波段和中波红外通道波段的辐射强度进行温度估计；

6、基于预设的温度-发射率联合反演框架，以初始温度场为起算基准，对热辐射分量数据立方体进行交替迭代优化求解，生成真实温度场和光谱发射率空间分布；

7、基于双层氧化膜模型和腔体辐射增强效应模型，对光谱发射率空间分布进行逆向物理参数映射处理，得到氧化层厚度分布和表面微拓扑高度场分布；

8、融合真实温度场、氧化层厚度分布和表面微拓扑高度场分布以构建多通道物理特征图，并将多通道物理特征图输入至预训练的缺陷判定网络中进行实时推理，生成目标构件的缺陷智能判定结果。

9、第二方面，本申请还提供了一种基于机器视觉的金属构件质量智能监测系统，包括：

10、数据采集模块，用于获取多通道成像系统在高温金属构件表面热辐射主导环境下同步采集的不同曝光时长的原始多光谱偏振图像数据，并对原始多光谱偏振图像数据进行辐射定标校正、偏振定标校正和多曝光融合处理，得到多光谱偏振数据立方体；其中，多光谱偏振数据立方体包括至少四个光谱波段下各光谱波段对应的四个偏振方向四个偏振方向的辐射强度空间分布；多通道成像系统由多光谱分光和偏振分析组合构建；

11、偏振引导成分分离模块，用于对多光谱偏振数据立方体中各像素，根据辐射强度空间分布中四个偏振方向的辐射强度进行斯托克斯矢量计算，得到各像素的线偏振度值，并基于微面元双向反射分布函数模型的偏振度-反射分量占比映射关系表，通过各像素的线偏振度值对多光谱偏振数据立方体逐像素进行反射分离，得到热辐射分量数据立方体；

12、测温模块，用于基于双波段比色测温算法对热辐射分量数据立方体进行全局灰度级温度估算，得到初始温度场；双波段比色测温算法分别针对热辐射分量数据立方体中的短波红外通道波段和中波红外通道波段的辐射强度进行温度估计；

13、反演模块，用于基于预设的温度-发射率联合反演框架，以初始温度场为起算基准，对热辐射分量数据立方体进行交替迭代优化求解，生成真实温度场和光谱发射率空间分布；

14、特征模块，用于基于双层氧化膜模型和腔体辐射增强效应模型，对光谱发射率空间分布进行逆向物理参数映射处理，得到氧化层厚度分布和表面微拓扑高度场分布；

15、质量模块，用于融合真实温度场、氧化层厚度分布和表面微拓扑高度场分布以构建多通道物理特征图，并将多通道物理特征图输入至预训练的缺陷判定网络中进行实时推理，生成目标构件的缺陷智能判定结果。

16、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一基于机器视觉的金属构件质量智能监测方法的步骤。

17、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一基于机器视觉的金属构件质量智能监测方法的步骤。

18、上述基于机器视觉的金属构件质量智能监测方法及系统，通过多光谱偏振成像同步采集高温构件表面的多波段偏振辐射数据，利用微面元双向反射分布模型的偏振特性将混合信号分离为纯净的热辐射分量，以双波段比色测温获得初始温度场，进而在温度-发射率联合反演框架中对热辐射数据进行交替迭代优化，从耦合信号中解耦出真实温度场与光谱发射率空间分布，基于双层氧化膜模型和腔体辐射增强效应模型对光谱发射率进行逆向物理参数映射，恢复出氧化层厚度分布和表面微拓扑高度场分布，将多物理场信息融合为特征图并输入缺陷判定网络进行实时推理。将高温环境下原本被视为干扰噪声的热辐射信号重新定位为携带表面状态信息的物理载体，通过建立从辐射数据到温度场、材料属性和微观几何的多维逆向解算链路，在单次检测流程中同步完成了真实温度测量、表面氧化状态评估、微米级缺陷几何反演与智能分类识别，从根本上克服了传统高温视觉检测中因热辐射淹没主动成像而导致的漏检与误判问题。

1.一种基于机器视觉的金属构件质量智能监测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于预设的温度-发射率联合反演框架，以所述初始温度场为起算基准，对所述热辐射分量数据立方体进行交替迭代优化求解，生成真实温度场和光谱发射率空间分布，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述联合反演目标函数，通过交替方向乘子法交替迭代更新温度场和光谱发射率场直至达到收敛条件，输出所述真实温度场和所述光谱发射率空间分布，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于双层氧化膜模型和腔体辐射增强效应模型，对所述光谱发射率空间分布进行逆向物理参数映射处理，得到氧化层厚度分布和表面微拓扑高度场分布，包括：

5.根据权利要求1所述的方法，其特征在于，所述融合所述真实温度场、所述氧化层厚度分布和所述表面微拓扑高度场分布以构建多通道物理特征图，并将所述多通道物理特征图输入至预训练的缺陷判定网络中进行实时推理，生成目标构件的缺陷智能判定结果，包括：

6.根据权利要求5所述的方法，其特征在于，所述融合所述真实温度场、所述氧化层厚度分布和所述表面微拓扑高度场分布以构建多通道物理特征图，并将所述多通道物理特征图输入至预训练的缺陷判定网络中进行实时推理，生成目标构件的缺陷智能判定结果，还包括：

7.根据权利要求3所述的方法，其特征在于，所述基于所述联合反演目标函数，通过交替方向乘子法交替迭代更新温度场变量和光谱发射率场变量直至达到收敛条件，输出所述真实温度场和所述光谱发射率空间分布，还包括：

8.一种基于机器视觉的金属构件质量智能监测系统，其特征在于，所述系统包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。