[發明專利]一種用于橫穿孔周邊裂紋的智能檢測方法及系統

有效

• 申請號: 202010130052.6
• 申請日: 2020-02-28
• 公開（公告）號: CN111325738B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 張旭;朱鄖濤;涂君;宋小春;蔡琛
• 申請（專利權）人: 湖北工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/762;G06V10/774;G06V10/82;G06N3/0464;G01N29/44
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 程琛

本發明實施例提供一種用于橫穿孔周邊裂紋的智能檢測方法及系統。該方法包括：獲取待檢測橫穿孔超聲圖像；將所述待檢測橫穿孔超聲圖像輸入至預先訓練好的裂紋檢測模型，得到所述裂紋檢測模型輸出的裂紋檢測結果；其中，所述裂紋檢測模型針對橫穿孔裂紋數據集，經過K?Means++算法和K?Mediods聚類算法生成錨框，并通過YOLOV3算法訓練和測試得到所述橫穿孔裂紋數據集的類別信息和位置信息。本發明實施例對裂紋缺陷進行快速準確識別，實現目標檢測的同時又獲得了較高的準確率，滿足實時檢測的要求，更加適合超聲無損檢測的應用環境。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種用于橫穿孔周邊裂紋的智能檢測方法及系統。

背景技術

在利用超聲波對工件進行檢測時，一般采用超聲b掃圖像進行目標區域的檢測。

由于待檢測的區域一般比較細微，針對微小區域的目標檢測首先面臨的問題就是目標區域的定位，然后是對具體檢測特征的大小和形態的獲取精度問題，最后還有計算速度的問題。常用的有Faster?R-CNN模型，但該模型在實際應用中存在檢測精度不高，速度慢的缺點。

因此，需要提出一種新的用于智能檢測工件微小特征的檢測方法，解決上述問題。

發明內容

本發明實施例提供一種用于橫穿孔周邊裂紋的智能檢測方法及系統，用以解決現有技術中人工檢測速度慢，對專業知識要求高，現有檢測精度過低，速度慢的缺陷。

第一方面，本發明實施例提供一種用于橫穿孔周邊裂紋的智能檢測方法，包括：

獲取待檢測橫穿孔超聲圖像；

將所述待檢測橫穿孔超聲圖像輸入至預先訓練好的裂紋檢測模型，得到所述裂紋檢測模型輸出的裂紋檢測結果；其中，所述裂紋檢測模型針對橫穿孔裂紋數據集，經過K-Means++算法和K-Mediods聚類算法生成錨框，并通過YOLOV3算法訓練和測試得到所述橫穿孔裂紋數據集的類別信息和位置信息到的。

優選地，所述獲取待檢測橫穿孔超聲圖像，具體包括：

采用超聲換能器組在待檢測工件表面進行掃查；

將掃查后的圖像形成超聲b掃圖像。

優選地，所述將掃查后的圖像形成超聲b掃圖像，之后還包括將所述掃查后的圖像進行預處理；其中：

設置所述超聲換能器組的反射信號電壓幅值超過預設閘門閾值時，記錄為有效信號；

設置檢測探頭沿所述待檢測工件表面滑行，每個預設間距記錄一次圖像數據，并顯示在所述超聲b掃圖像中；

將所述掃查后的圖像中的三通道信號按照預設顏色集合進行顯示，得到預處理后的超聲b掃圖像。

優選地，所述裂紋檢測模型，通過以下步驟獲得：

選取具有若干不同角度裂紋的同類工件，獲取所述具有若干不同角度裂紋的同類工件的圖像集，并將所述圖像集形成尺寸相同的圖像集；

隨機選取具有預設狀態的所述尺寸相同的圖像，形成訓練數據樣本集和測試數據樣本集；

使用所述訓練數據樣本集訓練所述YOLOv3模型，并采用Darknet-53網絡作為特征提取器，將目標檢測進行回歸處理，對所述預處理后的超聲b掃圖像進行目標區域定位及目標類別預測，得到所述裂紋檢測模型。

優選地，所述選取具有若干不同角度裂紋的同類工件，獲取所述具有若干不同角度裂紋的同類工件的圖像集，并將所述圖像集形成尺寸相同的圖像集，具體包括：

采集斜裂紋、小角度斜裂紋、水平裂紋和無裂紋的四大類圖像，得到圖像數據樣本集；