[發(fā)明專利]基于手機的AI智能識別缺陷的磁粉探傷系統(tǒng)及其方法

有效

• 申請?zhí)枺?/td>: 202011355355.4
• 申請日: 2020-11-27
• 公開（公告）號: CN112508891B
• 公開（公告）日: 2022-07-22
• 發(fā)明（設(shè)計）人: 賈曉東;宋策;景奇東;胡肖峰
• 申請（專利權(quán)）人: 濟寧魯科檢測器材有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/13;G06N3/04;G06N3/08;G01N27/84;H04M1/72403;H04M1/72406;H04M1/72412;H04L67/06
• 代理公司: 青島發(fā)思特專利商標(biāo)代理有限公司 37212
• 代理人: 盧登濤

1.一種基于手機的AI智能識別缺陷的磁粉探傷方法，包括探傷儀設(shè)備，探傷儀設(shè)備通過無線傳輸模塊連接有手機APP，所述手機APP連接無線網(wǎng)關(guān)，無線網(wǎng)關(guān)連接有云端服務(wù)器，云端服務(wù)器與手機APP連接實現(xiàn)數(shù)據(jù)通訊，所述探傷儀設(shè)備內(nèi)設(shè)有主機控制模塊，主機控制模塊連接有核心數(shù)據(jù)處理模塊，核心數(shù)據(jù)處理模塊連接有攝像頭模塊，核心處理模塊通過無線傳輸模塊連接云端服務(wù)器和手機APP端，探傷儀設(shè)備通過攝像頭模塊對待測工件進行圖像采集，經(jīng)圖像采集、圖像預(yù)處理、圖像特征提取和AI智能識別后識別待測工件是否存在缺陷，磁粉檢測缺陷圖自動上傳到云端服務(wù)器，存儲到云端服務(wù)器缺陷識別庫，實現(xiàn)數(shù)據(jù)庫自動學(xué)習(xí)功能；所述的主機控制模塊還連接有升降壓模塊，升降壓模塊連接有勵磁線圈模塊；所述的無線網(wǎng)關(guān)內(nèi)設(shè)有核心處理器，核心處理器通過射頻電路連接天線，無線網(wǎng)關(guān)啟動后發(fā)射信號，手機APP端搜索無線信號，連接實現(xiàn)手機APP端和無線網(wǎng)關(guān)連接，手機APP通過無線連接攝像頭模塊，獲取攝像頭模塊拍攝的畫面，成像到手機組件；其特征在于：所述的方法包括以下步驟：

步驟1：手機終端連接無線網(wǎng)關(guān)；

步驟2：通過網(wǎng)關(guān)信號連接探傷儀設(shè)備檢測攝像頭模塊；

步驟3：圖像獲取，探傷儀設(shè)備采集待測工件的圖像，并投影到手機APP；

步驟4：圖像采集，手機終端獲取到探傷儀設(shè)備回傳的拍照指令或者手動點擊拍照后截取手機屏幕；

步驟5：圖像上傳，經(jīng)過上述圖像處理后將圖片上傳到云端服務(wù)器，云端做進一步處理增加準(zhǔn)確性；

步驟6：缺陷識別，通過AI智能識別將提取的特征與數(shù)據(jù)庫中的數(shù)據(jù)進行比較，給出特征的置信度，并根據(jù)得出的置信度進行求和得出待測工件的置信度，當(dāng)待測工件的置信度大于設(shè)定的閾值時，認(rèn)定待測工件的缺陷存在；

步驟7：當(dāng)圖片上傳成功后，電腦端通過AI智能識別后認(rèn)定圖片存在缺陷后自動存儲到數(shù)據(jù)庫，并將結(jié)果反饋給手機APP；

所述的步驟5中電腦端程序接收到圖像后，調(diào)起圖像處理，具體如下：對圖像進行濾波處理后進行灰度值拉伸然后對圖像進行區(qū)域分割，提取特征值；對分割處理后的圖像區(qū)域逐個進行局部二值化操作，對二值化后的圖像進行過濾，濾除由于噴灑磁粉而在工件表面形成的磁粉斑點，保留可以磁痕區(qū)域作為對比區(qū)域；然后對可疑傷痕使用索貝爾算子進行邊緣檢測并提取其梯度特征，包括可疑傷痕的邊界長度、梯度均值、梯度最大值、梯度最小值及梯度差；

所述的索貝爾算子包含兩組3x3的矩陣，分別為橫向及縱向，將之與圖像作平面卷積，分別得出橫向及縱向的亮度差分近似值，其公式如下:

其中：A代表原始圖像，Gx及Gy分別代表橫向及縱向邊緣檢測的圖像；

圖像的每一個像素的橫向及縱向梯度近似值可用以下的公式結(jié)合，來計算梯度的大小；

然后用以下公式計算梯度方向，

角度θ等于零時，即代表圖像該處擁有縱向邊緣，左方較右方暗，將上述步驟中提取的傷痕梯度特征形成特征向量，使用BP神經(jīng)網(wǎng)絡(luò)分析對特征向量做出識別，判定可疑傷痕區(qū)域中疑似傷痕的真?zhèn)危?/p>

所述的BP神經(jīng)網(wǎng)絡(luò)使用經(jīng)典的三層網(wǎng)絡(luò)：輸入層，選取分割圖特征值數(shù)據(jù)，作為輸入層的輸入數(shù)據(jù)，輸入向量＝(x₁+x₂+x₃+…+x₆)，然后進行統(tǒng)一的變換處理，以使輸入的目標(biāo)值在區(qū)間[0,1]中，對數(shù)據(jù)進行歸一化處理，公式如下：

隱含層個數(shù)由經(jīng)驗公式推導(dǎo)，即其中n₁為隱含層個數(shù)，n為輸入層個數(shù)，m為輸出層個數(shù)，a為[1,10]之間的常數(shù)，即隱含層個數(shù)最大為12，傳遞函數(shù)應(yīng)用的是非線性函數(shù)logsig()，其中計算出0到1之間的輸出，其中，BP神經(jīng)網(wǎng)絡(luò)輸入節(jié)點由x_i表示，而隱含層節(jié)點由y_j表示，輸出節(jié)點由o_l表示，w_ij為輸入節(jié)點和隱藏節(jié)點網(wǎng)絡(luò)權(quán)值，T_j為隱藏層節(jié)點和輸出節(jié)點網(wǎng)絡(luò)權(quán)值；

隱含層，對于隱含層節(jié)點的個數(shù)的設(shè)置，先設(shè)置多個節(jié)點，再進行不斷的訓(xùn)練，通過誤差分析來逐步增減隱含層的神經(jīng)元數(shù)目，直至得到滿意的性能，計算公式如下：

w_ij表示節(jié)點i和節(jié)點j之間的權(quán)值，首先隨機化權(quán)值的大小，取(-1，1)之間的隨機數(shù)，通過訓(xùn)練調(diào)整權(quán)值的大小；

輸出層，輸出層節(jié)點數(shù)為標(biāo)簽個數(shù)，神經(jīng)元的傳遞函數(shù)用非線性變換函數(shù)Sigmoid函數(shù)，計算公式如下：

通過函數(shù)S(x)的計算，得出輸出節(jié)點的值，數(shù)值為[0,1]之間的數(shù)，通過概率的大小對識別結(jié)果進行判斷，數(shù)值越大，缺陷概率就越大；根據(jù)置信度和設(shè)定的閾值對比來確定在測圖像是否為缺陷圖像，當(dāng)各分識別器中有1/5存在判斷為真的缺陷圖像時，就判斷此幀圖像為缺陷圖像；最后將圖像集合發(fā)送給客戶端進行保存和報警。