针对航空铝合金表面开裂的基于机器学习的图像识别算法制造技术

本发明专利技术涉及航空铝合金技术领域，尤其涉及针对航空铝合金表面开裂的基于机器学习的图像识别算法，包括以下步骤：S1、采用基于半监督学习的自适应滤波算法对图像进行处理；S2、采用形态学处理方法对图像进行分割，确定裂纹的萌生边缘；S3、通过在基于图像生长的区域生长的连通算法中引入形态学概念来定位裂纹的位置，针对现有技术在航空领域飞机表面材料裂纹图像识别的精确性和实时性上的不足，提出一种速度快、精度高的裂纹识别算法，能够实时监测飞机表面铝合金材料是否出现裂纹，以及裂纹的长度，对于预防飞机结构失效，减少由于飞机表面材料失效导致的安全事件。

【技术实现步骤摘要】
针对航空铝合金表面开裂的基于机器学习的图像识别算法
本专利技术涉及航空铝合金
，尤其涉及针对航空铝合金表面开裂的基于机器学习的图像识别算法。
技术介绍
航空铝合金具有密度低、强度高等优点，大量应用于飞机的一些重要承力结构如蒙皮、机身、起落架、隔框、翼肋等。铝合金材料具有较强的环境敏感性，在服役过程中容易出现点蚀、晶间腐蚀、剥落腐蚀等局部腐蚀。航空铝合金的应力腐蚀开裂是飞机铝合金结构重要失效形式之一，给飞机的安全运行带来极大隐患。针对航空铝合金在盐溶液中的应力腐蚀开裂问题，分析铝合金材料在不同工况下的裂纹萌生与扩展的规律，对于预防飞机结构失效、改进腐蚀管理方法、延长飞机寿命具有重要意义。目前国内针对裂纹的图像识别算法主要采用两大类算法：（1）裂纹图像的增强与分割方法；（2）结合机器学习的裂纹图像特征提取技术。已有的算法在实际应用中需要花费大量的时间代价，不合符航空领域对实时性的要求。为了提高裂纹图像识别的精确性和实时性，本项目通过研究铝合金试件(AA7075)在常温盐溶液中出现裂纹情况，发现存在如下几个问题：（1）由于某些裂纹特别细本文档来自技高网...

【技术保护点】
1.针对航空铝合金表面开裂的基于机器学习的图像识别算法，其特征在于，包括以下步骤：/nS1、采用基于半监督学习的自适应滤波算法对图像进行处理，该滤波算法包括两部分内容：第一部分内容通过对0-255的每50个灰度值的学习结果进行分析，发现滤波效果较好的一个灰度值区间，该区间记作[n-50, n+50]，第二部分内容就是针对第一次学习的结果，在 [n-50, n+50] 区间内，每隔10个灰度值来进行学习，最后得到效果最佳的灰度值作为滤波使用的灰度值；/nS2、采用形态学处理方法对图像进行分割，确定裂纹的萌生边缘，通过采集大量的裂纹样本，分析裂纹宽度和长度，采用不同形状进行形态学处理，进一步确定采...

【技术特征摘要】
1.针对航空铝合金表面开裂的基于机器学习的图像识别算法，其特征在于，包括以下步骤：
S1、采用基于半监督学习的自适应滤波算法对图像进行处理，该滤波算法包括两部分内容：第一部分内容通过对0-255的每50个灰度值的学习结果进行分析，发现滤波效果较好的一个灰度值区间，该区间记作[n-50,n+50]，第二部分内容就是针对第一次学习的结果，在[n-50,n+50]区间内，每隔10个灰度值来进行学习，最后得到效果最佳的灰度值作为滤波使用的灰度值；
S2、采用形态学处理方法对图像进行分割，确定裂纹的萌生边缘，通过采集大量的裂纹样本，分析裂纹宽度和长度，采用不同形状进行形态学处理，进一步确定采用何种形态学图像处理方法，来定位裂纹的萌生边缘；
S3、根据上述步骤确定的萌生边缘开始，采用改进的图像生长算法来识别裂纹，通过在基于图像生长的区域生长的连通算法中引入形态学概念来定位裂纹的位置。


2.根据权利要求1所述的针对航空铝合金表面开裂的基于机器学习的图像识别算法，其特征在于，所述S3中，区域生长是按照事先定义的生长准则将一个像素或者子区域逐步聚合成一个完整独立的连通区域过程。


3....

【专利技术属性】
技术研发人员：徐俊洁，邓武，赵慧敏，宋英杰，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：天津;12