[發明專利]基于深度學習的工業射線影像評定方法及裝置

有效

• 申請號: 201910043815.0
• 申請日: 2019-01-17
• 公開（公告）號: CN109859177B
• 公開（公告）日: 2023-03-10
• 發明（設計）人: 原坤;陳魏然;丁名曉;代通;陸和平
• 申請（專利權）人: 航天新長征大道科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/25;G06V10/26;G06V10/774
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 陳宙

本發明公開了一種基于深度學習的工業射線影像評定方法及裝置，所述方法包括：獲取待檢測的工業射線影像；基于預先訓練的焊縫分割模型對所述工業射線影像進行識別，獲得感興趣區域；基于預先訓練的各類缺陷檢測模型對所述感興趣區域進行檢測，獲得缺陷檢測結果；基于預先訓練的誤檢鑒別器對所述缺陷檢測結果進行鑒別，獲得最終評定結果，從而提高工業射線影像的評定效率、準確性和可靠性。

技術領域

本發明涉及信息處理技術領域，特別是指一種基于深度學習的工業射線影像評定方法及裝置。

背景技術

焊接作為一種基本的工藝方法被廣泛應用于航空航天、電力、船舶、機械及特種設備生產等領域，然而焊接過程中受各種因素的影響，焊縫會不可避免的出現氣孔、裂紋、夾鎢、夾渣等缺陷，影響產品的質量和可靠性。

工業射線檢測是采用射線作為檢測源，對金屬焊縫成像得到底片影像或實時數字影像，通過人工評定的方法對影像中的各種信息進行分析、識別及缺陷檢測，從而判斷出焊縫的質量情況。然而由于影像中缺陷形態、尺寸各異，缺陷與背景的對比度差異較大，人工評定方法表現出培訓周期長、檢測效率低、判定標準不一、評定結果品質參差不齊等缺點，在效率和準確性方面均難以達到工業化生產的需求。

發明內容

有鑒于此，本發明的目的在于提出一種基于深度學習的工業射線影像評定方法及裝置，實現對工業射線影像中焊縫缺陷的自動檢測，提高工業射線影像的評定效率、準確性和可靠性。

基于上述目的本發明提供的基于深度學習的工業射線影像評定方法，包括：

獲取待檢測的工業射線影像；

基于預先訓練的焊縫分割模型對所述工業射線影像進行識別，獲得感興趣區域；

基于預先訓練的各類缺陷檢測模型對所述感興趣區域進行檢測，獲得缺陷檢測結果；

基于預先訓練的誤檢鑒別器對所述缺陷檢測結果進行鑒別，獲得最終評定結果。

進一步地，所述基于預先訓練的焊縫分割模型對所述工業射線影像進行識別，獲得感興趣區域，具體包括：

基于預先訓練的焊縫分割模型識別出所述工業射線影像中的焊縫區域；

計算所述焊縫區域在整個影像中的占比和所述焊縫區域的寬高比；

若所述占比和寬高比大于第一預設閾值，則判定所述焊縫區域可靠，對所述焊縫區域進行補全處理，并將補全后的焊縫區域作為感興趣區域，否則判定所述焊縫區域不可靠，將所述工業射線影像作為感興趣區域。

進一步地，所述對所述焊縫區域進行補全處理，具體包括：

對所述焊縫區域進行直線擬合，計算擬合直線相對于豎直方向的傾角；

根據所述傾角計算旋轉仿射變換矩陣，以對所述工業射線影像進行仿射變換，使變換后的工業射線影像中的焊縫區域呈豎直方向；

采用預設的高閾值和低閾值聯合判斷所述焊縫區域的起止點；

根據所述起止點補全所述焊縫區域。

進一步地，所述采用預設的高閾值和低閾值聯合判斷所述焊縫區域的起止點，具體包括：

對變換后的工業射線影像進行垂直方向的積分投影；

尋找投影值大于所述高閾值的連續區域；

若連續區域數為1，則將所述連續區域的起止點作為所述焊縫區域的起止點；