涡轮发动机叶片缺陷自动检测系统的训练方法技术方案

一种用于训练用于自动检测涡轮发动机叶片(2)缺陷的系统(1)的方法，所述系统包括用于接收叶片的平台(3)、至少一个图像采集装置(4)、发光强度可以变化的至少一个光源(5)、至少一个移动装置(6)，所述移动装置被配置为相对于所述至少一个图像采集装置(4)移动所述平台(3)或相对于所述平台(3)移动所述至少一个图像采集装置(4)，以及处理单元(7)，所述处理单元被配置为接收所采集的图像，并将其与以下信息项相关联，所述信息项与所述至少一个光源(5)的发光强度和在图像采集期间所述平台(3)相对于所述至少一个图像采集装置(4)的相对位置有关。置有关。置有关。

【技术实现步骤摘要】
【国外来华专利技术】涡轮发动机叶片缺陷自动检测系统的训练方法


[0001]本专利技术涉及航空航天部件(例如涡轮机叶片)的无损检测。

技术介绍

[0002]涡轮发动机叶片的检查，以检测表面缺陷，如小凹痕、粗糙度、多余材料或某些地方缺少材料，通常由运营客户完成。
[0003]进行这种检查的一个可能的方法是把要检查的叶片放在支架上，对其进行照明并以良好的分辨率进行拍照。基于这些照片，然后有必要确定叶片表面是否存在缺陷。灰度照片足以检测前面提到的缺陷类型。
[0004]然而，在拍摄可用于获得灰度照片的照片方面出现了若干问题，灰度照片可以用来比较和检测叶片表面的任何缺陷。
[0005]首先，被检查的叶片通常具有镜面和纹理涂层。因此，如果以足够的强度照射叶片以使某些涂层细节在叶片的一部分上可见，则叶片的其他部分有曝光过度的风险，并且所获得的图像上的相应部分将无法使用。此外，由涂层纹理形成的浮雕使得确定最佳照明变得困难甚至不可能(图像中的附近像素将具有不同的行为)。
[0006]其次，某些叶片(例如涡轮机叶片)具有复杂曲率。因此，如果涡轮机叶片被照亮，叶片的某些部分将处于阴影中，这将导致所获得图像上的相应部分变得不可用。此外，考虑到叶片的曲率存在于叶片的所有部分，不可能使用掠光技术。
[0007]第三，叶片的涂层可能略有不同。这意味着在相同的照明和面向图像采集装置的相同位置的情况下，叶片将以不同的方式出现在图像上，可能在图像上的同一个地方被照得太亮，也可能被照得不够。
[0008]第四，即使有精确的定位系统，精度也永远无法达到总精度。这导致在面向图像采集装置的理论上相同的位置处采集的不同叶片的图像不会严格相同，从而导致定位中的噪声。这种偏移放大了前面提到的问题。
[0009]此外，以足够分辨率拍摄以查看缺陷的叶片图像通常是灰度图像，即像素取0到255之间的整数值，并且具有相当混乱的叶片纹理，表面外观不均匀，这意味着可用区域包含许多不同的像素值，其范围从0到255。术语“可用区域”是指未被模糊的区域，该区域被照亮的方式使缺陷可见。
[0010]在每个采集的图像上划定可用区域是相当容易的，每个采集的图像对应于叶片面对图像采集装置的给定姿势，并且可用区域是未被模糊的区域，并且可以以正确的方式调整照明，即不会过度曝光，也不会太暗。但是，对于给定的照片，由于叶片的几何结构和镜面反射，所有可用区域的最佳照明将不尽相同。此外，如上所述，给定区域和给定姿势的最佳照明从一个叶片到另一个叶片不一定相同。因此，可用区域的照明不是可以手动设置的参数。
[0011]已知一种检查物体表面缺陷的方法，其中在一种或不同照明下拍摄物体的照片，然后选择可能有缺陷的一个或多个图像。对图像进行整体检查，以确定其是否具有非常明
亮的区域或处于阴影中(这些区域随后是缺陷的特征)，并以这样的方式看到预定义的缺陷特征。图像可以与参考图像进行比较。在该方法中，无论其照明条件如何，所有图像都要经过第一处理步骤，并使用第一过滤器来消除不包含任何缺陷的图像。接下来的其他步骤是迭代地消除越来越多的图像。
[0012]然而，在对缺陷进行任何过滤之前，连续处理图像以仅保留具有用于缺陷检测任务的最佳照明的图像，这在缺陷检测的总处理中代表了相当大的时间成本。具体来说，结果是缺陷检测任务的计算时间更长。
[0013]此外，每次已知方法都完整地处理图像。
[0014]已知的还有一种用于检查具有曲率的物体的方法。在这种方法中，使用两个光源以产生面向物体的光，称为“明场照明”，以及掠过物体的光，称为“暗场照明”。这些光源可以相对于物体移动。然后根据从这两个视点采集的图像执行检查以寻找缺陷。
[0015]然而，对于具有复杂曲率的物体，沿着水平方向和垂直方向连续变化一样多，将有必要增加光源的不同位置以相对于每个小区域成直角。
[0016]以与先前方法相当相似的方式，已知一种方法，其中相对于要检查的表面成精确角度定位的两个光源沿扫描线移动，以捕获子图像并重构要检查的最终图像。在这种方法中，因此不需要使用不同的光强度。因为入射角是最佳的，所以使用的发光强度已经是最佳的。
[0017]然而，这种方法对于复杂物体曲率将是无效的，因为将需要使用过多数量的不同扫描线。

技术实现思路

[0018]本专利技术旨在提供一种在给定区域内选择最佳照明的自动方法，以便通过学习方法自动控制涡轮发动机叶片的表面，更具体地说，提供一种用于训练用于自动检测涡轮发动机叶片缺陷的系统的方法，该系统包括用于接收叶片的平台。
[0019]根据本专利技术的主题，提供了一种用于训练用于自动检测涡轮发动机叶片缺陷的系统的方法，该系统包括用于接收叶片的平台、至少一个图像采集装置、发光强度可以变化的至少一个光源、至少一个移动装置，所述移动装置被配置为相对于所述至少一个图像采集装置移动所述平台或相对于所述平台移动所述至少一个图像采集装置，以及处理单元，所述处理单元被配置为接收所采集的图像，并将其与以下信息项相关联：所述信息项与所述至少一个光源的发光强度和在图像采集期间所述平台相对于所述至少一个图像采集装置的相对位置有关。
[0020]根据一般特征，对于具有已经识别出的表面缺陷的一组叶片中的每个待研究叶片，该训练方法包括以下步骤：
[0021]‑
在待研究叶片上限定可用区域，
[0022]‑
对于所述平台相对于所述至少一个图像采集装置的每个单独的相对位置，产生所述叶片的可用区域的多个采集图像，一个相同相对位置的每个采集图像以不同的发光强度生成，
[0023]‑
将可用区域的每个图像从一个采集的图像划分为子区域的多个图像，
[0024]‑
确定多对像素强度边界，每对包括最小强度和最大强度，
[0025]‑
对于每一对边界：
[0026]a.确定包含在子区域的每个图像中的像素数量，其强度介于该对边界的最小强度和最大强度之间，然后
[0027]b.在给定的相对位置为每个子区域选择单个图像，所选图像对应于包含最多像素的图像，其强度介于该对边界的所述最小和最大强度之间，然后
[0028]c.通过分类卷积神经网络检查给定相对位置的每个子区域以检测是否存在任何缺陷，然后
[0029]d.检查分类卷积神经网络所做的检测，以确定检测到的缺陷是真的还是假的，以及
[0030]e.在所有给定相对位置的基础上，计算可用区域内给定的一对边界的检测效率，检测效率取决于已证明检测的数量与错误检测的数量之比，
[0031]‑
选择具有最佳检测效率的一对边界。
[0032]根据本专利技术的方法包括有效的预处理，使得能够从在不同发光强度下在相同位置采集的图像中选择子区域，所述子区域稍后将用于检测异常。该预处理首先包括根据包含在不同最小和最大边界对中的像素数量配置子区域。在仅进行一次的调整阶段期间，以这样的方式选择最佳边界对，以便为稍后将在处理线中使用的检测算法提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于训练用于自动检测涡轮发动机叶片(2)缺陷的系统(1)的方法，所述系统包括用于接收叶片的平台(3)、至少一个图像采集装置(4)、发光强度可以变化的至少一个光源(5)、至少一个移动装置(6)，所述移动装置被配置为相对于所述至少一个图像采集装置(4)移动所述平台(3)或相对于所述平台(3)移动所述至少一个图像采集装置(4)，以及处理单元(7)，所述处理单元被配置为接收所采集的图像，并将其与以下信息项相关联，该信息项与所述至少一个光源(5)的发光强度和在图像采集期间所述平台(3)相对于所述至少一个图像采集装置(4)的相对位置有关，对于具有已经识别出的表面缺陷的一组叶片中的每个待研究叶片(2)，所述训练方法包括以下步骤：
‑
在所述叶片上限定可用区域(200)，
‑
对于所述平台相对于所述至少一个图像采集装置的每个单独的相对位置，产生(210)所述叶片的可用区域的多个采集图像，一个相同相对位置的每个采集图像以不同的发光强度生成，
‑
将所述可用区域的每个图像从一个采集的图像划分(220)为子区域的多个图像，
‑
确定(230)多对像素强度边界，每对包括最小强度和最大强度，
‑
对于每一对边界：a.对于可用区域的每个子区域，确定(241)包含在所述子区域的每个图像中的像素数量，...

【专利技术属性】
技术研发人员：赫琳娜，
申请(专利权)人：赛峰集团，
类型：发明
国别省市：