高温变形测量装置及方法制造方法及图纸

本公开涉及一种高温变形测量装置及方法。所述装置包括：处理设备、图像获取设备、加热设备。加热设备用于产生热气流，并通过热气流对试件进行加热；图像获取设备用于在试件的加热过程中，获取试件的检测图像；处理设备用于通过卷积神经网络对所述检测图像进行残差识别处理，获得检测图像的残差信息；根据检测图像和残差信息，获得试件的变形图像；根据变形图像，获得试件的变形场。根据本公开的实施例的高温变形测量装置，可通过卷积神经网络降低高温热辐射引起的图像亮度不均匀、热气流扰动引起空气折射率变化等因素的耦合影响，获得更清晰的实验图像，提升了变形场的测量精度。

【技术实现步骤摘要】
高温变形测量装置及方法
本公开涉及计算机领域，尤其涉及一种高温变形测量装置及方法。
技术介绍
在航空航天、材料加工等领域，一些关键结构或部件常服役于高温环境下，高温材料的性能成为制约设备稳定工作的重要因素。高温环境下材料的力学性能评估和测量具有重要的意义，对于材料的性能评估、寿命预测和开展产品的设计具有重要作用。高温环境下的材料变形测量成为评估高温环境下材料的力学性能的重要依据。其中，数字图像相关方法由于其光路设置简单、精度高、环境适应度好等优势，近些年来在高温测试中的应用日趋成熟。然而，高温极端环境带来的光学测试挑战仍亟待解决，诸如高温热辐射引起图像亮度不均匀、热气流扰动引起空气折射率变化等因素的耦合作用，使得由高温数字图像相关技术获取的图像的识别精度难以提升，严重影响了变形场计算的精度。
技术实现思路
有鉴于此，本公开提出了一种高温变形测量装置及方法。根据本公开的一方面，提供了一种高温变形测量装置，所述装置包括：处理设备、图像获取设备、加热设备。所述加热设备用于：产生热气流，并通过热气流对试件进行加热；所述图像获取设备用于：在所述试件的加热过程中，获取所述试件的检测图像；所述处理设备用于：通过卷积神经网络对所述检测图像进行残差识别处理，获得所述检测图像的残差信息，其中，所述残差信息用于表示所述试件受到热辐射和热气流扰动产生的影响；根据所述检测图像和所述残差信息，获得所述试件的变形图像；根据所述变形图像，获得所述试件的变形场。在一种可能的实现方式中，通过卷积神经网络对所述检测图像进行残差识别处理，获得所述检测图像的残差信息，包括：对所述检测图像进行分割处理，获得所述检测图像的多个子图像；通过卷积神经网络对所述多个子图像分别进行残差识别处理，获得所述多个子图像的残差图像，其中，所述检测图像的残差信息包括所述多个子图像的残差图像。在一种可能的实现方式中，根据所述检测图像和所述残差信息，获得所述试件的变形图像，包括：对所述多个子图像以及所述多个子图像的残差图像分别进行作差处理，获得变形子图像；对所述变形子图像进行拼接处理，获得所述变形图像。在一种可能的实现方式中，根据所述变形图像，获得所述试件的变形场，包括：获得所述变形图像的第一预设通道的图像信息；根据所述第一预设通道的图像信息，获得所述变形场。在一种可能的实现方式中，所述加热设备被设置于所述试件和所述图像获取设备之间，所述加热设备产生的热气流的风向与所述试件的法平面之间的夹角为预设角度，其中，所述预设角度大于0°且小于90°。在一种可能的实现方式中，所述装置还包括测温设备，用于获取试件的温度信息，所述图像获取设备还用于：在所述试件的加热过程中获取多个第一样本图像，所述处理设备还用于：通过多个第一样本图像以及与所述第一样本图像同时获取的温度信息，对所述卷积神经网络进行训练，在获取所述第一样本图像时，所述试件被设置于所述加热设备与所述图像获取设备之间，所述加热设备产生的热气流的风向与所述试件的法平面之间的夹角为90°。在一种可能的实现方式中，所述通过多个第一样本图像以及与所述第一样本图像同时获取的温度信息，对所述卷积神经网络进行训练，包括：获取所述第一样本图像的第二预设通道的图像信息；根据所述第二预设通道的图像信息以及与所述第一样本图像同时获取的温度信息，获得所述试件表面的温度场；根据所述温度场，获得与所述第一样本图像对应的热辐射图；将所述第一样本图像输入所述卷积神经网络，获得热辐射训练图；根据所述热辐射训练图和所述热辐射图，确定所述卷积神经网络的第一网络损失函数值；根据所述第一网络损失函数值训练所述卷积神经网络。在一种可能的实现方式中，所述图像获取设备还用于：在所述试件未被加热时获取常温图像以及在所述试件的加热过程中获取多个第二样本图像，所述处理设备还用于：通过所述常温图像以及所述多个第二样本图像，对所述卷积神经网络进行训练，在获取所述第二样本图像时，所述加热设备被设置于所述试件与所述图像获取设备之间，所述加热设备产生的热气流的风向与所述试件的法平面之间的夹角为0°。在一种可能的实现方式中，通过所述常温图像以及所述多个第二样本图像，对所述卷积神经网络进行训练，包括：将所述第二样本图像与所述常温图像进行作差处理，获得所述试件的热气流扰动噪声图；将所述第二样本图像输入所述卷积神经网络，获得热气流训练图；根据所述热气流训练图和所述热气流扰动噪声图，确定所述卷积神经网络的第二网络损失函数值；根据所述第二网络损失函数值训练所述卷积神经网络。根据本公开的另一方面，提供了一种高温变形测量方法，所述方法包括：通过卷积神经网络对所述检测图像进行残差识别处理，获得所述检测图像的残差信息，其中，所述残差信息用于表示所述试件受到热辐射和热气流扰动产生的影响；根据所述检测图像和所述残差信息，获得所述试件的变形图像；根据所述变形图像，获得所述试件的变形场。根据本公开的实施例的高温变形测量装置，可分别针对热辐射和热气流扰动产生的影响训练卷积神经网络，可抑制热辐射引起亮度不均匀以及热气流扰动引起空气折射率变化耦合作用产生的影响，提升识别残差信息的准确率，获得更清晰的实验图像。通过卷积神经网络来获得试件受到热辐射和热气流扰动产生的影响，降低高温热辐射引起的图像亮度不均匀、热气流扰动引起空气折射率变化等因素的耦合作用，提升了变形场的精度，并提高了评估高温环境下材料的力学性能的评估准确性。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。附图说明包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。图1示出根据本公开的实施例的高温变形测量装置的示意图；图2示出根据本公开的实施例的卷积神经网络训练过程的示意图；图3示出根据本公开的实施例的卷积神经网络训练过程的示意图；图4示出根据本公开的实施例的高温变形测量装置的示意图；图5示出根据本公开的实施例的高温变形测量方法的流程图。具体实施方式以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。图1示出根据本公开的实施例的高温变形测量装置的示意图，如图1所示，所述装置包括：处理设备11、图像获取设备12、加热设备13。所述加热设备13用于：产生热气流，并通过热气流对试件进行加热；所述图像获取设本文档来自技高网...

【技术保护点】
1.一种高温变形测量装置，其特征在于，所述装置包括：处理设备、图像获取设备、加热设备，/n所述加热设备用于：产生热气流，并通过热气流对试件进行加热；/n所述图像获取设备用于：在所述试件的加热过程中，获取所述试件的检测图像；/n所述处理设备用于：/n通过卷积神经网络对所述检测图像进行残差识别处理，获得所述检测图像的残差信息，其中，所述残差信息用于表示所述试件受到热辐射和热气流扰动产生的影响；/n根据所述检测图像和所述残差信息，获得所述试件的变形图像；/n根据所述变形图像，获得所述试件的变形场。/n

【技术特征摘要】
1.一种高温变形测量装置，其特征在于，所述装置包括：处理设备、图像获取设备、加热设备，
所述加热设备用于：产生热气流，并通过热气流对试件进行加热；
所述图像获取设备用于：在所述试件的加热过程中，获取所述试件的检测图像；
所述处理设备用于：
通过卷积神经网络对所述检测图像进行残差识别处理，获得所述检测图像的残差信息，其中，所述残差信息用于表示所述试件受到热辐射和热气流扰动产生的影响；
根据所述检测图像和所述残差信息，获得所述试件的变形图像；
根据所述变形图像，获得所述试件的变形场。


2.根据权利要求1所述的装置，其特征在于，通过卷积神经网络对所述检测图像进行残差识别处理，获得所述检测图像的残差信息，包括：
对所述检测图像进行分割处理，获得所述检测图像的多个子图像；
通过卷积神经网络对所述多个子图像分别进行残差识别处理，获得所述多个子图像的残差图像，其中，所述检测图像的残差信息包括所述多个子图像的残差图像。


3.根据权利要求2所述的装置，其特征在于，根据所述检测图像和所述残差信息，获得所述试件的变形图像，包括：
对所述多个子图像以及所述多个子图像的残差图像分别进行作差处理，获得变形子图像；
对所述变形子图像进行拼接处理，获得所述变形图像。


4.根据权利要求1所述的装置，其特征在于，根据所述变形图像，获得所述试件的变形场，包括：
获得所述变形图像的第一预设通道的图像信息；
根据所述第一预设通道的图像信息，获得所述变形场。


5.根据权利要求1所述的装置，其特征在于，所述加热设备被设置于所述试件和所述图像获取设备之间，所述加热设备产生的热气流的风向与所述试件的法平面之间的夹角为预设角度，其中，所述预设角度大于0°且小于90°。


6.根据权利要求1所述的装置，其特征在于，所述装置还包括测温设备，用于获取试件的温度信息，
所述图像获取设备还用于：在所述试件的加热过程中获取多个第一样本图像，
所述处理设备还用于：通过多个第一样本图像以及与所述第一样本图像同时获取的温度信息，对所述卷积神经网络进行训练，
在获取所述第一样本图像...

【专利技术属性】
技术研发人员：冯雪，王锦阳，张金松，唐云龙，岳孟坤，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11