本发明专利技术公开了一种基于机器视觉的空调消音室焊接缺陷无损检测方法及系统，涉及机器视觉领域。主要包括：对待检测焊缝的X射线底片中边缘点的梯度幅值及梯度方向进行等级划分；对各边缘点的梯度幅值进行增强或抑制，并进行边缘连接获得各边缘线条；剔除白色的边缘线条，并将剩余的边缘线条分为细边缘以及粗边缘；将灰度减小方向相反的两相邻粗边缘组成粗边缘对，并将粗边缘对中两粗边缘的DTW距离作为粗边缘对的裂痕构成率；根据与细边缘最近的粗边缘对的裂痕构成率，获得细边缘的裂纹构成率；根据各边缘线条的裂痕构成率判断待检测焊缝中是否存在裂痕缺陷。采用本发明专利技术实施例能够提高对焊缝中裂痕缺陷的检测精度。高对焊缝中裂痕缺陷的检测精度。高对焊缝中裂痕缺陷的检测精度。
【技术实现步骤摘要】
基于机器视觉的空调消音室焊接缺陷无损检测方法及系统
[0001]本申请涉及机器视觉领域，具体涉及一种基于机器视觉的空调消音室焊接缺陷无损检测方法及系统。
技术介绍
[0002]空调在人们生活的各个领域得到了越来越广泛的应用，而空调的噪声问题也进一步凸显，空调中往往配备消音器以减小空调的噪音，如今应用较为广泛的汽车空调消音器，都是通过在进气口与出气口之间设置消音室，以达到消音的目的。
[0003]消音室的材质一般为铝合金、钢等结构件焊接而成，各频率的气流产生的脉冲会使消音室的内部消音结构产生不同频率的震动，而当消音室中的焊缝出现内部裂纹时，裂纹就会产生内部摩擦从而使得裂纹处变为新的噪声源，消音器的消音效果大打折扣，同时裂纹的存在会加速消音器的磨损从而缩短消音器的使用寿命。
[0004]现有技术中对焊缝内部缺陷的检测，一般利用X光对焊缝进行无损探伤，专利技术人在实现本专利技术实施例的过程中，发现
技术介绍
中至少存在以下缺陷：利用图像处理技术来实现焊缝内部裂纹检测的方法中，由于X光的底片普遍存在边界较模糊、对处在焊缝不同深浅位置的裂纹检测效果不一，同时X射线底片的成像效果易受到焊缝中其他种类的缺陷的干扰，使得对裂纹的检测不准确。因此需要一种可以准确检测焊缝内部裂纹缺陷的无损检测方法。
技术实现思路
[0005]针对上述技术问题，本专利技术提供了一种基于机器视觉的空调消音室焊接缺陷无损检测方法及系统，能够避免焊缝中裂痕以外其他种类的缺陷的干扰，从而提高对焊缝中裂痕缺陷的检测精度。
[0006]第一方面，本文专利技术实施例提出了一种基于机器视觉的空调消音室焊接缺陷无损检测方法，包括：获得待检测焊缝的X射线底片。
[0007]根据X射线底片中的像素点的梯度幅值筛选出X射线底片中的边缘点，并对边缘点的梯度幅值及梯度方向进行等级划分，获得划分后的多个幅值等级以及多个方向等级。
[0008]将边缘点邻域内与该边缘点的幅值等级相同的边缘点作为同幅值边缘点，根据边缘点的同幅值边缘点中各方向等级的边缘点的占比，分别判断对X射线底片中各边缘点的梯度幅值进行增强或抑制，并得到进行增强或抑制后的各边缘点的梯度幅值。
[0009]对梯度幅值增强或抑制后的各边缘点进行边缘连接获得各边缘线条，从各边缘线条中剔除白色的边缘线条，并按照边缘线条的两侧灰度值是否相同，将进行剔除后的各边缘线条分为细边缘以及粗边缘。
[0010]将灰度减小方向相反的两相邻粗边缘组成粗边缘对，并将粗边缘对中两粗边缘的DTW距离作为粗边缘对的裂痕构成率。
[0011]根据与细边缘最近的粗边缘对的裂痕构成率，以及到细边缘上各点到该最近的粗边缘对的最短距离，获得细边缘的裂纹构成率。
[0012]判断各细边缘以及各粗边缘对的裂痕构成率均值是否大于预设阈值，若判断结果为是，则待检测焊缝中存在裂痕缺陷，否则，待检测焊缝中不存在裂痕缺陷。
[0013]在一个可行的实施例中，根据X射线底片中边缘点的同幅值边缘点中各方向等级的边缘点的占比，分别判断对X射线底片中各边缘点的梯度幅值进行增强或抑制，并得到进行增强或抑制后的各边缘点的梯度幅值，包括：将X射线底片中边缘点邻域内与该边缘点幅值等级相同的边缘点作为同幅值边缘点，根据边缘点的同幅值边缘点中各方向等级的边缘点的占比，获得边缘点的复杂程度系数。
[0014]根据X射线底片中边缘点的复杂程度系数，判断对边缘点的梯度幅值进行增强或抑制，并结合边缘点的复杂程度系数，分别获得各边缘点进行增强或抑制后的梯度幅值。
[0015]在一个可行的实施例中，根据边缘点的同幅值边缘点中各方向等级的边缘点的占比，获得边缘点的复杂程度系数，包括：其中，表示该边缘点的邻域内同幅值边缘点的总个数，表示该边缘点的邻域内同幅值边缘点中梯度方向级别为r的点的个数，为该边缘点的复杂程度系数，为X射线底片中方向级数的总数，为自然对数。
[0016]在一个可行的实施例中，根据X射线底片中边缘点的复杂程度系数，判断对边缘点的梯度幅值进行增强或抑制，包括：判断X射线底片中边缘点的复杂程度系数是否大于0.5。
[0017]若判断结果为是，对该边缘点的梯度幅值进行增强。
[0018]若判断结果是否，对该边缘点的梯度幅值进行抑制。
[0019]在一个可行的实施例中，结合边缘点的复杂程度系数，分别获得各边缘点进行增强或抑制后的梯度幅值，包括：当某一边缘点的梯度幅值需要进行增强时，该边缘点增强后的梯度幅值为。
[0020]当某一边缘点的梯度幅值需要进行抑制时，该边缘点增强后的梯度幅值为。
[0021]其中，为该边缘点的复杂程度系数，为该边缘点在X射线底片中的增强或抑制前的梯度幅值。
[0022]在一个可行的实施例中，根据与细边缘最近的粗边缘对的裂痕构成率，以及到细边缘上各点到该最近的粗边缘对的最短距离，获得细边缘的裂纹构成率，包括：分别计算细边缘上各点到与细边缘最近的粗边缘对的最短距离。
[0023]计算各最短距离的平均值，并将该平均值与离细边缘最近的粗边缘的裂痕构成率
相乘，获得细边缘的裂纹构成率。
[0024]在一个可行的实施例中，对X射线底片中边缘点的梯度幅值进行等级划分，包括：构建基于EM算法的高斯混合模型，同时将X射线底片中边缘点的梯度幅值以及各梯度幅值的概率作为样本数据。
[0025]根据样本数据初始化所述高斯混合模型的参数，并用EM算法训练所述高斯混合模型的参数，以得到梯度幅值分类模型。
[0026]利用梯度幅值分类模型将X射线底片中边缘点的梯度幅值分类成预设数量个类别。
[0027]在一个可行的实施例中，X射线底片中像素点的梯度幅值及梯度方向的获得方法包括：利用Sobel算子分别获得X射线底片中各像素点的水平梯度以及竖直梯度。
[0028]像素点的梯度大小，像素点的梯度方向为，其中g表示梯度幅值，表示像素点的水平梯度，表示像素点的竖直梯度。
[0029]第二方面，本专利技术实施例提出了一种基于机器视觉的空调消音室焊接缺陷无损检测系统，包括：存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现本专利技术实施例中基于机器视觉的空调消音室焊接缺陷无损检测方法。
[0030]本专利技术实施例提供了一种基于机器视觉的空调消音室焊接缺陷无损检测方法及系统，相比于现有技术，本专利技术实施例的有益效果至少包括：能够避免焊缝中裂痕以外其他种类的缺陷的干扰，从而提高对焊缝中裂痕缺陷的检测精度。
附图说明
[0031]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，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性的前提下，还可以根据这些附图获得其他的附图。
[0032]图1是本专利技术实施例提供的一种基于机器视觉的空调消音室焊接缺陷无损检测方法的流程示意图。
具体实施方式
[本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于机器视觉的空调消音室焊接缺陷无损检测方法，其特征在于，包括：获得待检测焊缝的X射线底片；根据X射线底片中的像素点的梯度幅值筛选出X射线底片中的边缘点，并对边缘点的梯度幅值及梯度方向进行等级划分，获得划分后的多个幅值等级以及多个方向等级；将边缘点邻域内与该边缘点的幅值等级相同的边缘点作为同幅值边缘点，根据边缘点的同幅值边缘点中各方向等级的边缘点的占比，分别判断对X射线底片中各边缘点的梯度幅值进行增强或抑制，并得到进行增强或抑制后的各边缘点的梯度幅值；对进行梯度幅值增强或抑制后的各边缘点进行边缘连接获得各边缘线条，从各边缘线条中剔除白色的边缘线条，并按照边缘线条的两侧灰度值是否相同，将进行剔除后的各边缘线条分为细边缘以及粗边缘；将灰度减小方向相反的两相邻粗边缘组成粗边缘对，并将粗边缘对中两粗边缘的DTW距离作为粗边缘对的裂痕构成率；根据与细边缘最近的粗边缘对的裂痕构成率，以及到细边缘上各点到该最近的粗边缘对的最短距离，获得细边缘的裂纹构成率；判断各细边缘以及各粗边缘对的裂痕构成率均值是否大于预设阈值，若判断结果为是，则待检测焊缝中存在裂痕缺陷，否则，待检测焊缝中不存在裂痕缺陷。2.根据权利要求1所述的基于机器视觉的空调消音室焊接缺陷无损检测方法，其特征在于，根据X射线底片中边缘点的同幅值边缘点中各方向等级的边缘点的占比，分别判断对X射线底片中各边缘点的梯度幅值进行增强或抑制，并得到进行增强或抑制后的各边缘点的梯度幅值，包括：将X射线底片中边缘点邻域内与该边缘点幅值等级相同的边缘点作为同幅值边缘点，根据边缘点的同幅值边缘点中各方向等级的边缘点的占比，获得边缘点的复杂程度系数；根据X射线底片中边缘点的复杂程度系数，判断对边缘点的梯度幅值进行增强或抑制，并结合边缘点的复杂程度系数，分别获得各边缘点进行增强或抑制后的梯度幅值。3.根据权利要求2所述的基于机器视觉的空调消音室焊接缺陷无损检测方法，其特征在于，根据边缘点的同幅值边缘点中各方向等级的边缘点的占比，获得边缘点的复杂程度系数，包括：其中，表示该边缘点的邻域内同幅值边缘点的总个数，表示该边缘点的邻域内同幅值边缘点中梯度方向级别为r的点的个数，为该边缘点的复杂程度系数，为X射线底片中方向级数的总数，为自然对数。4.根据权利要求3所述的基于机器视觉的空调消音室焊接缺陷无损检...
【专利技术属性】
技术研发人员：聂涛，
申请(专利权)人：武汉丰丽德智能设备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。