一种钻削孔分层缺陷定量检测方法与流程

1.本发明属于机械加工缺陷检测技术领域，具体涉及一种钻削孔分层缺陷定量检测方法。


背景技术：

2.分层缺陷评价是要通过计算分层缺陷因子，用该因子来评价分层缺陷产生程度以及影响。计算分层缺陷因子所依据基本数值主要分为两类：一类为一维尺寸，主要有钻削所得孔径和分层区域选定点对应直径；另一类为二维尺寸，主要为钻削孔面积、分层区域选定点所对应计算面积和实际分层缺陷区域面积，如图1所示。图1中d
nom
为钻削孔直径，d
max
为分层缺陷区域内，位于孔圆心最外处对应点的折算直径，其值为该点与圆心距离二倍，a
nom
为孔直径对应圆面积，a
max
为经d
max
计算所得圆面积，a
d
为实际分层缺陷区域面积。
3.最常用的分层缺陷因子计算公式如下：
[0004][0005]
其优点为便于测量和计算。对于每一个孔而言，孔径一般为所用钻头公称直径，因此只需测量得出分层缺陷区域最外侧对应点距圆心距离即可计算分层缺陷因子。其缺点为对分层缺陷实际产生区域不敏感。而测量d
max
时最重要的则是孔心以及分层缺陷最外侧对应点的确定。
[0006]
基于实际分层缺陷区域面积的分层缺陷因子计算方式如下：
[0007][0008]
其优点为更符合分层缺陷实际情况。缺点则为实际分层缺陷区域面积测量和计算困难，而且当分层缺陷宽度极不均匀时不能评价d
max
对分层缺陷因子的影响。
[0009]
为了同时评价d
max
和a
d
对分层缺陷因子的影响，可将以上两种分层缺陷因子计算方法相结合：
[0010][0011]
上式的优点为：当d
max
对分层缺陷因子的影响占主导作用时，f
da
值趋近于f
d
。而当a
d
对分层缺陷因子的影响大于d
max
时，f
da
值更接近f
a
。其缺点与式(2.2)相似，同样为a
d
测量和计算困难。
[0012]
综上可见，分层缺陷因子计算前提是相关尺寸和面积的测量及确定，其重点在于孔圆心和分层缺陷区域最外侧对应点的确定以及实际分层缺陷区域面积的测算。


技术实现要素：

[0013]
本发明的目的在于提供一种钻削孔分层缺陷定量检测方法，克服了现有技术的不足，利用python平台的软件模块对分层缺陷灰度图像进行处理后，快速准确的确定孔圆心
和分层缺陷区域最外侧对应点的确定以及实际分层缺陷区域面积的测算。
[0014]
为解决上述问题，本发明所采取的技术方案如下：
[0015]
一种钻削孔分层缺陷定量检测方法，其特征在于：包括以下步骤：
[0016]
s1、经ct扫描得到的分层缺陷灰度图像，通过软件对分层缺陷灰度图像进行纯黑白化；
[0017]
s2、在图像中心选取一定数量连续取样点，取样点在宽度和高度方向上与图像中心距离不超过固定跨度，保证所有取样点位于分层缺陷内部，最终所有取样点以图像中心为中心成正方形，确定所有取样点的圆心坐标(x
c
,y
c
)；
[0018]
s3、在图像的四个边缘沿着x轴和y轴向圆心逐个历遍路径上的像素点，确定分层缺陷最外侧像素点所在位置；
[0019]
s4、分别计算各个最外侧分层缺陷像素点与圆心之间的距离半径和角度值，从而确定实际分层缺陷区域面积。
[0020]
进一步，s1中所述通过软件对分层缺陷灰度图像进行纯黑白化，具体步骤包括：
[0021]
(1)引入python平台中图像处理标准库pil的image模块；
[0022]
(2)打开目标图像，设定临界灰度值；
[0023]
(3)根据图像宽度和高度历遍图像中每一个像素点进行逻辑判断，如果其灰度值小于等于临界值，将其改为纯白色，如果其灰度值大于临界值，将其改为纯黑色。
[0024]
进一步，s2中所述确定所有取样点的圆心坐标(x
c
,y
c
)，具体步骤包括：
[0025]
(1)取分层缺陷图像的宽度方向从左向右为x轴正向，最左侧为0，高度方向由上至下为y轴正向，最上方为0，选定图像中心坐标为(x0,y0)；
[0026]
(2)在取样点范围内从x0开始沿x轴正向和负向延伸历遍每一个像素点，并进行逻辑判断，直到找到第一个纯白色像素点，将该像素点坐标写入列表inner_x并停止x轴方向循环，进入下一个y坐标循环；
[0027]
(3)在取样点范围内从y0开始沿y轴正向和负向延伸历遍每一个像素点，并进行逻辑判断，直到找到第一个纯白色像素点，将该像素点坐标写入列表inner_y并停止y轴方向循环，进入下一个x坐标循环；
[0028]
(4)将列表inner_x中坐标元素按照y坐标值排序，将列表inner_y中坐标元素按照x坐标值排序；
[0029]
(5)提取inner_x列表内相邻坐标元素(y坐标相等)中的x坐标值并相加，即得孔壁圆内部x轴方向弦长度值x
s
；
[0030]
(6)计算x
s
平均值并取整即得圆心x坐标值x
c
；
[0031]
(7)提取inner_y列表内相邻坐标元素(x坐标相等)中的y坐标值并相加，即得孔壁圆内部y轴方向弦长度值y
s
；
[0032]
计算ys平均值并取整即得圆心y坐标值y
c
。
[0033]
进一步，s4中所述确定分层缺陷最外侧像素点所在位置，具体包括如下步骤：
[0034]
(1)通过圆心的水平线和垂线按90
°
将分层缺陷灰度图像分为四个区域，以最右侧为0
°
顺时针递增；
[0035]
(2)从分层缺陷灰度图像四个边缘沿x轴和y轴向圆心逐个历遍路径上的像素点，搜索到的第一个纯白色像素点坐标即为分层缺陷最外侧所在位置。
[0036]
进一步，s5中所述分别计算各个最外侧分层缺陷像素点与圆心之间的距离半径和角度值，具体包括以下步骤：
[0037]
(1)计算每个分层缺陷最外侧像素点与圆心间的距离，将其存入字典dists，字典中每一个键值对的键为(x
i
,y
i
)相对于圆心的角度，值为(x
i
,y
i
)与圆心间的距离；
[0038]
(2)将字典dists排序，绘制图表，得到平均距离半径以及距离半径最大值及其对应角度。
[0039]
本发明与现有技术相比较，具有以下有益效果：
[0040]
1、本发明通过采用python平台的软件模块对分层缺陷灰度图像进行处理后，快速准确的确定孔圆心和分层缺陷区域最外侧对应点的确定以及实际分层缺陷区域面积的测算。
[0041]
2、本发明通过明确实际分层缺陷区域面积能够更贴近分层缺陷的实际情况，因此本发明为钻削加工质量的检测、质量控制和参数优化提供了更准确的测量评价手段。
附图说明
[0042]
图1为钻削孔分层缺陷区域示意图。
[0043]
图2为一种钻削孔分层缺陷定量检测方法的流程框图。
[0044]
图3为不同分层缺陷区域的黑白化图像。
[0045]
图4为分层缺陷灰度图像孔圆心的确定图。
[0046]
图5为分层缺陷最外侧像素点的搜索图。
[0047]
图6为不同分层缺陷图像的处理结果示意图。
具体实施方式
[0048]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0049]
如图2所示，本发明所述一种钻削孔分层缺陷定量检测方法，包括以下步骤：
[0050]
s1、经ct扫描得到的分层缺陷灰度图像，通过软件对分层缺陷灰度图像进行纯黑白化；
[0051]
s2、在图像中心选取一定数量连续取样点，取样点在宽度和高度方向上与图像中心距离不超过固定跨度，保证所有取样点位于分层缺陷内部，最终所有取样点以图像中心为中心成正方形，确定所有取样点的圆心坐标(x
c
,y
c
)；
[0052]
s3、在图像的四个边缘沿着x轴和y轴向圆心逐个历遍路径上的像素点，确定分层缺陷最外侧像素点所在位置；
[0053]
s4、分别计算各个最外侧分层缺陷像素点与圆心之间的距离半径和角度值，从而确定实际分层缺陷区域面积。
[0054]
如图3所示，为了便于进行孔圆心确定、分层区域最外侧点寻找和面积测算等后续处理，s1中所述通过软件对分层缺陷灰度图像进行纯黑白化，具体步骤包括：
[0055]
(1)引入python平台中图像处理标准库pil的image模块；
[0056]
(2)打开目标图像，设定临界灰度值；
[0057]
(3)根据图像宽度和高度历遍图像中每一个像素点进行逻辑判断，如果其灰度值小于等于临界值，将其改为纯白色，如果其灰度值大于临界值，将其改为纯黑色。
[0058]
如图4所示，为了确定圆心位置，s2中所述确定所有取样点的圆心坐标(x
c
,y
c
)，具体步骤包括：
[0059]
(1)取分层缺陷图像的宽度方向从左向右为x轴正向，最左侧为0，高度方向由上至下为y轴正向，最上方为0，选定图像中心坐标为(x0,y0)；
[0060]
(2)在取样点范围内从x0开始沿x轴正向和负向延伸历遍每一个像素点，并进行逻辑判断，直到找到第一个纯白色像素点，将该像素点坐标写入列表inner_x并停止x轴方向循环，进入下一个y坐标循环；
[0061]
(3)在取样点范围内从y0开始沿y轴正向和负向延伸历遍每一个像素点，并进行逻辑判断，直到找到第一个纯白色像素点，将该像素点坐标写入列表inner_y并停止y轴方向循环，进入下一个x坐标循环；
[0062]
(4)将列表inner_x中坐标元素按照y坐标值排序，将列表inner_y中坐标元素按照x坐标值排序；
[0063]
(5)提取inner_x列表内相邻坐标元素(y坐标相等)中的x坐标值并相加，即得孔壁圆内部x轴方向弦长度值x
s
；
[0064]
(6)计算x
s
平均值并取整即得圆心x坐标值x
c
；
[0065]
(7)提取inner_y列表内相邻坐标元素(x坐标相等)中的y坐标值并相加，即得孔壁圆内部y轴方向弦长度值y
s
；
[0066]
(8)计算ys平均值并取整即得圆心y坐标值y
c
。
[0067]
如图5所示，s4中所述确定分层缺陷最外侧像素点所在位置，具体包括如下步骤：
[0068]
(1)通过圆心的水平线和垂线按90
°
将分层缺陷灰度图像分为四个区域，以最右侧为0
°
顺时针递增；
[0069]
(2)从分层缺陷灰度图像四个边缘沿x轴和y轴向圆心逐个历遍路径上的像素点，搜索到的第一个纯白色像素点坐标即为分层缺陷最外侧所在位置。
[0070]
s5中所述分别计算各个最外侧分层缺陷像素点与圆心之间的距离半径和角度值，具体包括以下步骤：
[0071]
(1)计算每个分层缺陷最外侧像素点与圆心间的距离，将其存入字典dists，字典中每一个键值对的键为(x
i
,y
i
)相对于圆心的角度，值为(x
i
,y
i
)与圆心间的距离；
[0072]
(2)将字典dists排序，绘制图表，得到平均距离半径以及距离半径最大值及其对应角度；python平台中，字典的键本身具有唯一性，但不同键对应的值可以相同，因此dists字典中每一个键值对所对应的点没有重复；
[0073]
(3)如图6所示，根据统计结果分别制作曲线图，曲线图中读出平均距离半径以及距离半径最大值及其对应角度。
[0074]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有
变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。