一种航空发动机扇形段叶片缺陷检测识别方法与流程

技术特征：
1.一种航空发动机扇形段叶片缺陷检测识别方法，其特征在于，包括以下步骤：s1.通过激光三维传感器对被测扇形段叶片的前缘、后缘、根部、叶身分别进行逐列扫描获得相应的三维点云数据，通过拼接后，获取所述被测扇形段叶片的三维坐标点云数据；s2.对所得三维坐标点云数据进行点云缺陷分割，基于欧氏距离法对三维坐标点云进行分割得到点云缺陷的几何特征；s3.对点云缺陷的几何特征进行拟合，分别计算点云缺陷区域的边界周长p、缺陷面积s、圆形度rc、矩形度rt、缺陷紧凑性c、区域占空比rq、缺陷矩特征和椭圆偏心率re，依据以上参数，基于dag svm缺陷分类决策树，对点云缺陷进行分类；s4.经过s3分类后，任意选取点云缺陷数据，对选取点云缺陷数据进行几何基元实现对扇形段叶片的缺陷检测。2.根据权利要求1所述一种航空发动机扇形段叶片缺陷检测识别方法，其特征在于，步骤s2具体如下：s201.基于聚类算法，进行点云缺陷边缘检测，对于点云缺陷的几何特征，其边缘表现为深度方向的坐标突变，采用空间欧式距离作为判别标准进行分类，将点云缺陷数据进行分割；s202.基于梯度方向判断算法，对s201提取出的边缘进行连接，通过分析三维坐标点云数据中的每个边缘点(x,y,z)邻域附近的每个点，划定准则，将识别出相似的点进行连接，组成完整边缘信息；s203.依据s202得到完整的的边缘信息，基于目标纹理，外轮廓长度信息进行外轮廓搜索，剔除错误识别的边缘，保留唯一的点云缺陷边缘特征。3.根据权利要求1所述一种航空发动机扇形段叶片缺陷检测识别方法，其特征在于，步骤s4中，几何基元拟合的过程包括：基于最小二乘法的直线拟合，基于ransac的平面拟合和基于最小二乘法的圆拟合；扇形段叶片表面经试验后，产生裂纹、划伤类缺陷，针对此类缺陷，采用最小二乘法对点云缺陷数据进行直线拟合，测量出点云缺陷长度信息；对于凹坑、擦伤类缺陷，对缺陷点云数据进行ransac的平面拟合，测量平面间的距离，获得该类点云缺陷的深度信息；对于扇形段叶片叶根部分的点云缺陷，对点云缺陷数据进行最小二乘法圆拟合，测量出扇形段叶片叶根部分倒圆半径。4.根据权利要求1所述一种航空发动机扇形段叶片缺陷检测识别方法，其特征在于，步骤s3中：(301)边界周长p；即为点云缺陷的外轮廓所占的像素点总数，(x,y)为点云坐标，r为点云数据集合；(302)点云缺陷面积s，即为缺陷目标区域内的像素点总数；(303)圆形度rc，下式可计算出区域的重心坐标，用以表征点云缺陷的位置；(x
c
，y
c
)为点云缺陷区域的重心坐标位置；
下式用来计算目标圆形度，ur和σ
r
分别为区域重心到边界点的平均距离和均方差；当目标边界为圆时rc＝1，否则rc<1；标边界为圆时rc＝1，否则rc<1；标边界为圆时rc＝1，否则rc<1；(304)矩形度rt，设点云缺陷区域的最小外接矩形的长边长度用l
l
，短边长度用l
s
表示，则矩形度为：(305)缺陷紧凑性c，(306)区域占空比rq，定义为缺陷目标面积s与缺陷区域最小外接矩形的面积之比，即(307)椭圆偏心率re，与缺陷区域有着相同二阶矩的椭圆的偏心率；偏心率是椭圆的焦距与主轴长度间距离的比率，其值在0和1之间；偏心率等于0和1是退化的情况：偏心率为0的椭圆是圆，偏心率为1的椭圆是线段。

技术总结
本发明公开一种航空发动机扇形段叶片缺陷检测识别方法，包括以下步骤：S1.通过激光三维传感器对被测扇形段叶片的前缘、后缘、根部、叶身分别进行逐列扫描获得相应的三维点云数据，通过拼接后，获取所述被测扇形段叶片的三维坐标点云数据；S2.对所得三维坐标点云数据进行点云缺陷分割，直接对三维坐标点云进行操作，基于欧氏距离法对三维坐标点云进行分割得到点云缺陷的几何特征；S3.对点云缺陷的几何特征进行拟合，分别计算点云缺陷区域的各个参数，基于DAG SVM缺陷分类决策树，对点云缺陷进行分类；S4.经过S3分类后，任意选取点云缺陷数据，对选取点云缺陷数据进行几何基元实现对扇形段叶片的缺陷检测。形段叶片的缺陷检测。形段叶片的缺陷检测。


技术研发人员：刘璐 段发阶 李天宇 刘昌文 张亚隆
受保护的技术使用者：中国航发四川燃气涡轮研究院
技术研发日：2022.08.16
技术公布日：2022/11/11