[發(fā)明專利]針對航空鋁合金表面開裂的基于機器學習的圖像識別算法

在審

• 申請?zhí)枺?/td>: 202010844070.0
• 申請日: 2020-08-20
• 公開（公告）號: CN112016555A
• 公開（公告）日: 2020-12-01
• 發(fā)明（設計）人: 徐俊潔;鄧武;趙慧敏;宋英杰
• 申請（專利權）人: 中國民航大學
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06T7/155;G06T7/187
• 代理公司: 六安市新圖匠心專利代理事務所(普通合伙) 34139
• 代理人: 陳斌

1.針對航空鋁合金表面開裂的基于機器學習的圖像識別算法，其特征在于，包括以下步驟：

S1、采用基于半監(jiān)督學習的自適應濾波算法對圖像進行處理，該濾波算法包括兩部分內(nèi)容：第一部分內(nèi)容通過對0-255的每50個灰度值的學習結果進行分析，發(fā)現(xiàn)濾波效果較好的一個灰度值區(qū)間，該區(qū)間記作[n-50, n+50]，第二部分內(nèi)容就是針對第一次學習的結果，在 [n-50, n+50] 區(qū)間內(nèi)，每隔10個灰度值來進行學習，最后得到效果最佳的灰度值作為濾波使用的灰度值；

S2、采用形態(tài)學處理方法對圖像進行分割，確定裂紋的萌生邊緣，通過采集大量的裂紋樣本，分析裂紋寬度和長度，采用不同形狀進行形態(tài)學處理，進一步確定采用何種形態(tài)學圖像處理方法，來定位裂紋的萌生邊緣；

S3、根據(jù)上述步驟確定的萌生邊緣開始，采用改進的圖像生長算法來識別裂紋，通過在基于圖像生長的區(qū)域生長的連通算法中引入形態(tài)學概念來定位裂紋的位置。

2.根據(jù)權利要求1所述的針對航空鋁合金表面開裂的基于機器學習的圖像識別算法，其特征在于，所述S3中，區(qū)域生長是按照事先定義的生長準則將一個像素或者子區(qū)域逐步聚合成一個完整獨立的連通區(qū)域過程。

3.根據(jù)權利要求2所述的針對航空鋁合金表面開裂的基于機器學習的圖像識別算法，其特征在于，獨立的連通區(qū)域形成過程包括以下步驟：對于圖像感興趣目標區(qū)域R，z為區(qū)域R上事先發(fā)現(xiàn)的種子點，按照規(guī)定的生長準則逐步將與種子點z一定鄰域內(nèi)符合相似性判據(jù)的像素合并成一個種子群以備下一階段的生長，這樣不斷的進行循環(huán)生長直到滿足生長停止條件為止，從而完成了對感興趣區(qū)域由一個種子點生長為一個獨立連通區(qū)域的過程。

4.根據(jù)權利要求1或3所述的針對航空鋁合金表面開裂的基于機器學習的圖像識別算法，所述S3中，區(qū)域生長算法一般分為三個步驟實現(xiàn)：確定生長種子點；規(guī)定生長準則；確定生長停止條件。

5.根據(jù)權利要求4所述的針對航空鋁合金表面開裂的基于機器學習的圖像識別算法，其特征在于，生長種子點的選擇：采用形態(tài)學處理方法，使用長方形圖形來定位裂紋的萌生邊緣。

6.根據(jù)權利要求3所述的針對航空鋁合金表面開裂的基于機器學習的圖像識別算法，其特征在于，所述S3中，計算生長點所在像素的5個鄰域像素的連通性，是否連通是標準是判斷生長點的像素和鄰域的像素各自的灰度值是否一致，若灰度值相等則認定為連通，否則為非連通。