一种基于计算机视觉的固体火箭发动机无损检测方法技术

本发明专利技术提供一种基于计算机视觉的固体火箭发动机无损检测方法，利用数据二分法将图像边缘像素点根据灰度值大小处理成一系列非连续线段，选择图像中多边形的顶点或曲率变化大的物体边缘点作为特征点，利用特征点与一系列非连续线段确定缺陷的起始点和终止点；计算起始点与终止点的像素距离，按照一定的比例尺计算出实际尺寸。本发明专利技术解决人工检测精度低，人力资源投入大的问题，可替代现有技术中的人工测量，并大大提高测量效率与测量精度。

【技术实现步骤摘要】
一种基于计算机视觉的固体火箭发动机无损检测方法
本专利技术涉及固体火箭发动机无损检测领域，具体涉及一种基于计算机视觉的固体火箭发动机无损检测方法。
技术介绍
固体火箭发动机无损检测与评价技术是保证固体火箭发动机质量和可靠性的重要技术手段之一。现代固体火箭发动机的研制离开了先进的无损检测与评价技术，则必然使其质盘无法判断，产品失效与寿命无法分析预测，产品无法出厂和交付，因此，现代无损检测与评价技术在固体火箭发动机技术发展中极为重要。其中固体火箭发动机无损检测图像测量结果直接影响到后续无损检测图像的判读结果，因此对测量结果要求具有较高的精度，测量时需使用测量精度较高的仪器，且对测量人员的专业技术能力有较高的要求。一直以来，固体火箭发动机无损检测图像测量都是由人工完成。目前，国内尚未有将计算机视觉技术应用于固体火箭发动机无损检测图像测量的案例。
技术实现思路
本专利技术提供一种基于计算机视觉的固体火箭发动机无损检测方法，解决人工检测精度低，人力资源投入大的问题。本专利技术可替代现有技术中的人工测量，并大大提高测量效率与测量精度。为了解决上述技术问题，本专利技术提供一种基于计算机视觉的固体火箭发动机无损检测方法，包括如下步骤：S1：对发动机图像数据进行选取；S2：降噪操作，采用高斯滤波器来对进行降噪；S3：卷积操作，分别用水平方向和垂直方向的模板进行卷积操作，得出模板中心得像素值分别为F(x)和F(y)；S4：得到像素值后使用平方根法计算梯度变化幅度值，计算公式为：S5：去除非边缘像素点，采用高阈值和低阈值来提取边缘，高阈值和低阈值的比值为2：1，后将大于高阈值和在高低阈值之间的点保留下来，小于低阈值的点去除；S6：计算特征参数，能量和惯性矩表示特征纹理的粗细程度，用F1、F2表示，值越大，表示图像纹理脉络越粗，值越小，表示图像纹理脉络越细致，计算公式为：熵表示发动机图像纹理的复杂程度，用F3表示，值越小纹理越简单，值越大纹理越复杂、纹理越多，计算公式为：相关性表示图像行和列的相似程度，用F4表示，μ和σ表示对应参数的均值和方差，计算公式为：S7：表征发动机图像特征，通过Fl，F2，F3和F4的均值和方差表征固体发动机无损检测图像特征；S8：高阶语义判断，通过图像特征判断高阶语义，如判断为无缺陷，则停止工作，如判读为有缺陷，则进行特征点测量；S9：测量特征点距离，根据选取起始点和终止点，计算起始点与终止点的像素距离，完成测量。本专利技术所提供的基于计算机视觉的固体火箭发动机无损检测方法，使用计算机自动化测量技术替代人工测量过程，极大程度上减少人力资源的投入，测量精度方面，人工测量精度约为5mm，本专利技术测量精度为0.2mm，测量精度较人工测量精度提高25倍左右。附图说明为了更清楚地说明本专利技术实施例，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1、原图像；图2、经过边缘检测的图像；图3、局部放大后的经过边缘检测的图像；图4、局部放大后的经过边缘检测的图像（长度）；图5、局部放大后的经过边缘检测的图像（宽度）；图6、水平方向卷积模板图；图7、垂直方向卷积模板图。具体实施方式下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部所得实施例。基于本专利技术的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本专利技术保护的范围。如图1-5所示，一种基于计算机视觉的固体火箭发动机无损检测方法，包括如下步骤：S1：对发动机图像数据进行选取；S2：降噪操作，采用高斯滤波器来对进行降噪；S3：卷积操作，分别用水平方向和垂直方向的模板进行卷积操作，得出模板中心得像素值分别为F(x)和F(y)；如图6-7所示：S4：得到像素值后使用平方根法计算梯度变化幅度值，计算公式为：S5：去除非边缘像素点，采用高阈值和低阈值来提取边缘，高阈值和低阈值的比值为2：1，后将大于高阈值和在高低阈值之间的点保留下来，小于低阈值的点去除；S6：计算特征参数，能量和惯性矩表示特征纹理的粗细程度，用F1、F2表示，值越大，表示图像纹理脉络越粗，值越小，表示图像纹理脉络越细致，计算公式为：熵表示发动机图像纹理的复杂程度，用F3表示，值越小纹理越简单，值越大纹理越复杂、纹理越多，计算公式为：相关性表示图像行和列的相似程度，用F4表示，μ和σ表示对应参数的均值和方差，计算公式为：S7：表征发动机图像特征，通过Fl，F2，F3和F4的均值和方差表征固体发动机无损检测图像特征；S8：高阶语义判断，通过图像特征判断高阶语义，如判断为无缺陷，则停止工作，如判读为有缺陷，则进行特征点测量；S9：测量特征点距离，根据选取起始点和终止点，计算起始点与终止点的像素距离，完成测量。本文档来自技高网...

【技术保护点】
1.一种基于计算机视觉的固体火箭发动机无损检测方法，其特征在于，包括如下步骤：/nS1：对发动机图像数据进行选取；/nS2：降噪操作，采用高斯滤波器来对进行降噪；/nS3：卷积操作，分别用水平方向和垂直方向的模板进行卷积操作，得出模板中心得像素值分别为F(x)和F(y)；/nS4：得到像素值后使用平方根法计算梯度变化幅度值，计算公式为：/n

【技术特征摘要】
1.一种基于计算机视觉的固体火箭发动机无损检测方法，其特征在于，包括如下步骤：
S1：对发动机图像数据进行选取；
S2：降噪操作，采用高斯滤波器来对进行降噪；
S3：卷积操作，分别用水平方向和垂直方向的模板进行卷积操作，得出模板中心得像素值分别为F(x)和F(y)；
S4：得到像素值后使用平方根法计算梯度变化幅度值，计算公式为：



S5：去除非边缘像素点，采用高阈值和低阈值来提取边缘，高阈值和低阈值的比值为2：1，后将大于高阈值和在高低阈值之间的点保留下来，小于低阈值的点去除；
S6：计算特征参数，能量和惯性矩表示特征纹理的粗细程度，用F1、F2表示，值越大，表示图像纹理脉络越粗，值越小，表示图像纹理脉络越细致...

【专利技术属性】
技术研发人员：魏龙，刘乐，赵益达，刘吉吉，徐浩田，刘鑫生，宋晓茜，孟薇，
申请(专利权)人：内蒙动力机械研究所，
类型：发明
国别省市：内蒙古;15