一种基于人工智能的机械零件损伤检测方法及系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于人工智能的机械零件损伤检测方法及系统。该方法包括：对零件表面图像进行边缘检测，获得裂纹边缘。将裂纹边缘细化，获得细化边缘。通过细化边缘的端点和交叉点将细化边缘分段，获得细化裂纹段以及对应在裂纹段上的裂纹段边缘。通过裂纹段边缘的宽度筛选出主干裂纹段和分支裂纹段。根据主干裂纹段和分支裂纹段的长度和宽度获得第一零件损伤程度。连接分支裂纹段的中心点和主干裂纹段的中心点，获得裂纹向量。根据裂纹向量获得裂纹分散信息和裂纹扩展信息，根据裂纹分散信息和裂纹扩展信息获得第二零件损伤程度。本发明专利技术全面的判断了零件损伤情况，提高了检测准确性。提高了检测准确性。提高了检测准确性。

【技术实现步骤摘要】
一种基于人工智能的机械零件损伤检测方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的机械零件损伤检测方法及系统。

技术介绍

[0002]机械设备零件在应力和腐蚀介质的联合作用下，将出现低于材料强度极限的脆性开裂现象，这种现象称为应力腐蚀开裂。裂纹的出现会降低结构系统的安全性,甚至导致整个零件的失效。因此，需要对零件表面的应力腐蚀裂纹进行检测，并获得其对零件表面的损伤程度，据此确定对机械零件的后续处理操作。
[0003]在现有技术中，可利用机器视觉技术，通过机械零件的表面图像获得零件的损伤信息。因为裂纹的形成无规律，在损伤过程中在主干裂纹上会出现很多发散的分支裂纹。因为裂纹信息丰富，因此如果不能考虑整体的裂纹状态和裂纹分布，会降低损伤检测的可靠性和准确性。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能的机械零件损伤检测方法及系统，所采用的技术方案具体如下：
[0005]本专利技术提出了一种基于人工智能的机械零件损伤检测方法，所述方法包括
[0006]获取零件表面图像；对所述零件表面图像进行边缘检测，获得裂纹边缘；
[0007]将所述裂纹边缘细化，获得细化边缘；获取所述细化边缘的端点和交叉点；根据所述端点和所述交叉点将所述细化边缘分段，获得细化裂纹段；根据所述细化裂纹段获得所述裂纹边缘上对应的裂纹段边缘；根据所述裂纹段边缘的宽度筛选出主干裂纹段和分支裂纹段；
[0008]根据所述主干裂纹段和所述分支裂纹段的长度和宽度获得第一零件损伤程度；
[0009]连接所述分支裂纹段的中心点和所述主干裂纹段的中心点，获得裂纹向量；一个所述分支裂纹段对应多个所述裂纹向量；根据所述裂纹向量的角度信息获得裂纹分散信息；根据所述裂纹向量的长度获得裂纹扩展信息；根据所述裂纹分散信息和所述裂纹扩展信息获得第二零件损伤程度；
[0010]根据所述第一零件损伤程度和所述第二零件损伤程度判断零件损伤情况。
[0011]进一步地，所述获取所述细化边缘的端点和交叉点包括：
[0012]检测所述细化边缘中每个像素点的相邻像素点数量；若所述相邻像素点数量为一，则对应的像素点为所述端点；若所述相邻像素点数量大于等于三，则对应的像素点为所述交叉点。
[0013]进一步地，所述根据所述细化裂纹段获得所述零件边缘上对应的裂纹段边缘包括：
[0014]将所述细化裂纹段与所述零件边缘相减，获得差异像素点；获取所述差异像素点
与所述细化裂纹段的距离；将所述距离最小的所述差异像素点和所述细化裂纹段作为同类裂纹段像素，所述同类裂纹段像素组成所述裂纹段边缘。
[0015]进一步地，所述根据所述裂纹段边缘的宽度筛选出主干裂纹段和分支裂纹段包括：
[0016]获得所述裂纹段边缘的平均宽度；以所述平均宽度最大的所述裂纹段边缘作为主干裂纹段；以与所述主干裂纹段相交的所述裂纹段边缘作为相关裂纹段；获得所述相关裂纹段和所述主干裂纹段平均宽度的差异；若所述差异大于预设宽度阈值，则对应的所述相关裂纹段为所述分支裂纹段；反之，则对应的所述相关裂纹段为所述主干裂纹段。
[0017]进一步地，所述获得所述裂纹段边缘的平均宽度包括；根据平均宽度获取公式获得所述平均宽度，所述平均宽度获取公式包括：
[0018][0019]其中，d
i
为第i个所述裂纹段边缘的所述平均宽度，n
i2
为第i个所述裂纹段边缘内所述差异像素点的数量，n
i1
为第i个所述裂纹段边缘内所述细化裂纹段的像素点数量。
[0020]进一步地，所述根据所述主干裂纹段和所述分支裂纹段的长度和宽度获得第一零件损伤程度包括：
[0021]以主干裂纹段长度、主干裂纹段宽度和预设的主干裂纹段损伤权值的乘积作为主干裂纹损伤程度；以分支裂纹段长度、分支裂纹段宽度和预设的分支裂纹段损伤权值的乘积作为分支裂纹损伤程度；所述主干裂纹段损伤权值大于所述分支裂纹段损伤权值；将所有所述主干裂纹损伤程度和所有所述分支裂纹损伤程度的和作为所述第一零件损伤程度。
[0022]进一步地，所述根据所述裂纹向量的角度信息获得裂纹分散信息包括：
[0023]获取所述分支裂纹段对应的所有所述裂纹向量的平均向量角度；以所述平均向量角度的方差作为所述裂纹分散信息。
[0024]进一步地，所述根据所述裂纹向量的长度获得裂纹扩展信息包括：
[0025]获取所述分支裂纹段对应的所有所述裂纹向量的平均向量长度；将所有所述平均向量长度的累加得到裂纹扩展长度；根据所述零件表面图像获得零件表面面积；以所述裂纹扩展长度和所述零件表面面积的比值作为所述裂纹扩展信息。
[0026]进一步地，所述根据所述裂纹分散信息和所述裂纹扩展信息获得第二零件损伤程度包括：
[0027]以所述裂纹分散信息与所述裂纹扩展信息的乘积作为所述第二零件损伤程度。
[0028]本专利技术还提出了一种基于人工智能的机械零件损伤检测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任意一项所述一种基于人工智能的机械零件损伤检测方法的步骤。
[0029]本专利技术具有如下有益效果：
[0030]1.在本专利技术实施例中通过裂纹的长度和宽度获得代表裂纹本身对零件影响的第一损伤程度。通过裂纹分散信息和裂纹扩展信息获得代表裂纹分布情况对零件影响的第二损伤程度。通过第一损伤程度和第二损伤程度全面的判断了零件损伤情况，提高了检测准确性。
[0031]2.在本专利技术实施例中将裂纹边缘通过端点和交叉点分割成多个裂纹段边缘，根据
裂纹段边缘的宽度将复杂乱序的整体裂纹进行分类，获得主干裂纹段和分支裂纹段，提高了后续损伤检测的条理性，降低了损伤检测复杂度。
附图说明
[0032]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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它附图。
[0033]图1为本专利技术一个实施例所提供的一种基于人工智能的机械零件损伤检测方法流程图。
具体实施方式
[0034]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于人工智能的机械零件损伤检测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0035]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0036]下面结合附本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的机械零件损伤检测方法，其特征在于，所述方法包括获取零件表面图像；对所述零件表面图像进行边缘检测，获得裂纹边缘；将所述裂纹边缘细化，获得细化边缘；获取所述细化边缘的端点和交叉点；根据所述端点和所述交叉点将所述细化边缘分段，获得细化裂纹段；根据所述细化裂纹段获得所述裂纹边缘上对应的裂纹段边缘；根据所述裂纹段边缘的宽度筛选出主干裂纹段和分支裂纹段；根据所述主干裂纹段和所述分支裂纹段的长度和宽度获得第一零件损伤程度；连接所述分支裂纹段的中心点和所述主干裂纹段的中心点，获得裂纹向量；一个所述分支裂纹段对应多个所述裂纹向量；根据所述裂纹向量的角度信息获得裂纹分散信息；根据所述裂纹向量的长度获得裂纹扩展信息；根据所述裂纹分散信息和所述裂纹扩展信息获得第二零件损伤程度；根据所述第一零件损伤程度和所述第二零件损伤程度判断零件损伤情况。2.根据权利要求1所述的一种基于人工智能的机械零件损伤检测方法，其特征在于，所述获取所述细化边缘的端点和交叉点包括：检测所述细化边缘中每个像素点的相邻像素点数量；若所述相邻像素点数量为一，则对应的像素点为所述端点；若所述相邻像素点数量大于等于三，则对应的像素点为所述交叉点。3.根据权利要求1所述的一种基于人工智能的机械零件损伤检测方法，其特征在于，所述根据所述细化裂纹段获得所述零件边缘上对应的裂纹段边缘包括：将所述细化裂纹段与所述零件边缘相减，获得差异像素点；获取所述差异像素点与所述细化裂纹段的距离；将所述距离最小的所述差异像素点和所述细化裂纹段作为同类裂纹段像素，所述同类裂纹段像素组成所述裂纹段边缘。4.根据权利要求3所述的一种基于人工智能的机械零件损伤检测方法，其特征在于，所述根据所述裂纹段边缘的宽度筛选出主干裂纹段和分支裂纹段包括：获得所述裂纹段边缘的平均宽度；以所述平均宽度最大的所述裂纹段边缘作为主干裂纹段；以与所述主干裂纹段相交的所述裂纹段边缘作为相关裂纹段；获得所述相关裂纹段和所述主干裂纹段平均宽度的差异；若所述差异大于预设宽度阈值，则对应的所述相关裂纹段为所述分支裂纹段；反之，则对应的所述相关裂纹段为所述主干裂纹段。5.根据权利要求4所述的一种基于人工智能的机...

【专利技术属性】
技术研发人员：林明星，
申请(专利权)人：沭阳林冉塑业有限公司，
类型：发明
国别省市：