基于显著性特征的机器零件疲劳裂纹识别方法技术

本发明专利技术涉及材料测试和分析技术领域，具体涉及基于显著性特征的机器零件疲劳裂纹识别方法。该方法通过光学手段，具体是利用可见光手段获取可见光图像，根据可见光图像进行材料分析和测试；该方法可将机器零件各区域对应的显著性值与设定的阈值进行比较，若某区域对应的显著性值大于设定的阈值，则判定待识别机器零件上存在疲劳裂纹，并将显著性值大于设定的阈值的区域判定为存在疲劳裂纹的区域。本发明专利技术通过光学手段，具体是利用可见光手段对机器零件是否存在疲劳裂纹进行了判断，实现了对机器零件疲劳裂纹的自动识别。零件疲劳裂纹的自动识别。零件疲劳裂纹的自动识别。

【技术实现步骤摘要】
基于显著性特征的机器零件疲劳裂纹识别方法


[0001]本专利技术涉及材料测试和分析
，具体涉及一种基于显著性特征的机器零件疲劳裂纹识别方法。

技术介绍

[0002]各种机器零件的疲劳损伤事故随着现代制造业水平的不断提高而层出不穷。因此，对于机器零件疲劳裂纹的检测也逐渐变得越来越重要。判断机器零件性能的一项重要指标是裂纹的产生时间、位置以及裂纹发展的过程，当前主要通过人工定期巡查实现对于机器零件疲劳裂纹的检测工作，整体检测过程具有一定的间歇性，当工人经历长时间的检测工作之后，难免会出现漏检和错检的情况。如何实现对机器零件疲劳裂纹的自动识别是很有必要的。

技术实现思路

[0003]为了实现对机器零件疲劳裂纹的自动识别，本专利技术的目的在于提供一种基于显著性特征的机器零件疲劳裂纹识别方法。
[0004]本专利技术提供的一种基于显著性特征的机器零件疲劳裂纹识别方法，包括以下步骤：获取目标图像，对所述目标图像进行预处理操作，所述预处理操作包括去噪处理和锐化处理；所述目标图像包括待识别机器零件图像、待识别机器零件散斑图像、正常机器零件图像和正常机器零件散斑图像；将所述预处理操作后的目标图像均匀划分为多个区域，根据预处理操作后的待识别机器零件图像和正常机器零件图像计算待识别机器零件图像上任意两区域间的纹理粗糙度差异；根据预处理操作后的待识别机器零件图像计算待识别机器零件图像上任意两区域间的区域明亮分布差异；根据预处理操作后的待识别机器零件散斑图像和正常机器零件散斑图像计算待识别机器零件散斑图像上任意两区域间的区域形变度差异；根据所述任意两区域间的纹理粗糙度差异、区域明亮分布差异和区域形变度差异计算任意两区域间的差异，并根据任意两区域间的差异计算各区域的显著性；将各区域对应的显著性值与设定的阈值进行比较，若某区域对应的显著性值大于设定的阈值，则判定待识别机器零件上存在疲劳裂纹，并将显著性值大于设定的阈值的区域判定为存在疲劳裂纹的区域。
[0005]进一步的，所述根据预处理操作后的待识别机器零件图像和正常机器零件图像计算待识别机器零件图像上任意两区域间的纹理粗糙度差异，包括：计算覆盖正常机器零件图像中区域i的盒子数、覆盖正常机器零件图像中区域j的盒子数、覆盖待识别机器零件图像中区域i的盒子数和覆盖待识别机器零件图像中区域j的盒子数；根据所述覆盖正常机器零件图像中区域i的盒子数计算正常机器零件图像中区域
i的分形维数；根据所述覆盖正常机器零件图像中区域j的盒子数计算正常机器零件图像中区域j的分形维数；根据所述覆盖待识别机器零件图像中区域i的盒子数计算待识别机器零件图像中区域i的分形维数；根据所述覆盖待识别机器零件图像中区域j的盒子数计算待识别机器零件图像中区域j的分形维数；根据所述正常机器零件图像中区域i的分形维数和待识别机器零件图像中区域i的分形维数计算待识别机器零件图像与正常机器零件图像中区域i的分形维数之差；根据所述正常机器零件图像中区域j的分形维数和待识别机器零件图像中区域j的分形维数计算待识别机器零件图像与正常机器零件图像中区域j的分形维数之差；根据所述区域i的分形维数之差和所述区域j的分形维数之差计算待识别机器零件图像上区域i和区域j的纹理粗糙度差异。
[0006]进一步的，所述计算覆盖正常机器零件图像中区域i的盒子数，包括：对于正常机器零件图像中区域i，建立三维坐标系，其中正常机器零件图像中区域i的长、宽分别表示三维坐标系中的x，y轴，正常机器零件图像中区域i中的每个像素的灰度值表示z轴；利用如下公式计算盒子的高度h：其中，G表示正常机器零件图像总的灰度级，M为正常机器零件图像的边长，k为各区域的边长；通过计算得到盒子高度并将盒子在各区域中进行堆积，将正常机器零件图像中区域i中的灰度最大值对应的盒子数记为T；将正常机器零件图像中区域i中的灰度最小值对应的盒子数记为；那么覆盖正常机器零件图像中区域i的盒子数为：其中，为覆盖正常机器零件图像中区域i的盒子数。
[0007]进一步的，所述根据所述覆盖正常机器零件图像中区域i的盒子数计算正常机器零件图像中区域i的分形维数，包括：计算正常机器零件图像中区域i的分形维数的公式如下：其中，为覆盖正常机器零件图像中区域i的盒子数，为正常机器零件图像中区域i的分形维数，k为各区域的边长。
[0008]进一步的，根据预处理操作后的待识别机器零件图像计算待识别机器零件图像上任意两区域间的区域明亮分布差异，包括：将待识别机器零件图像由RGB空间转换为HSV空间；根据箱线图对待识别机器零件图像中区域i和区域j中疑似存在的区域明亮异常值进行剔除；然后分别计算待识别机器零件图像中区域i和区域j经过异常值剔除之后的区域明亮分布平均值，并利用如下公式计算待识别机器零件图像中区域i和区域j的区域明亮分布差异：
其中，表示待识别机器零件图像中区域i和区域j的区域明亮分布差异，表示待识别机器零件图像中区域i的区域明亮分布平均值；表示待识别机器零件图像中区域j的区域明亮分布平均值。
[0009]进一步的，所述根据预处理操作后的待识别机器零件散斑图像和正常机器零件散斑图像计算待识别机器零件散斑图像上任意两区域间的区域形变度差异，包括：计算正常机器零件散斑图像中区域i的傅里叶描绘子、正常机器零件散斑图像中区域j的盒子数傅里叶描绘子、待识别机器零件散斑图像中区域i的傅里叶描绘子和待识别机器零件图像中区域j的傅里叶描绘子；根据所述正常机器零件散斑图像中区域i的傅里叶描绘子和待识别机器零件散斑图像中区域i的傅里叶描绘子计算待识别机器零件散斑图像与正常机器零件散斑图像中区域i的傅里叶描绘子之差；根据所述正常机器零件散斑图像中区域j的傅里叶描绘子和待识别机器零件散斑图像中区域j的傅里叶描绘子计算待识别机器零件散斑图像与正常机器零件散斑图像中区域j的傅里叶描绘子之差；根据待识别机器零件散斑图像中区域i与区域j之间的形变边缘长度差异值、所述区域i的傅里叶描绘子之差和区域j的傅里叶描绘子之差计算区域i与区域j之间的区域形变度差异。
[0010]进一步的，所述根据所述任意两区域间的纹理粗糙度差异、区域明亮分布差异和区域形变度差异计算任意两区域间的差异，包括：根据任意两区域间的纹理粗糙度差异、区域明亮分布差异和区域形变度差异计算任意两区域间的差异，公式如下：其中，为待识别机器零件图像中区域i和区域j的差异值，表示待识别机器零件图像中区域i和区域j的区域明亮分布差异的权重；表示待识别机器零件图像中区域i和区域j的区域纹理粗糙度差异的权重；表示待识别机器零件散斑图像中区域i和区域j的区域形变度的权重；是待识别机器零件图像中区域i和区域j的空间欧式距离。
[0011]有益效果：本专利技术通过光学手段，具体是利用可见光手段对机器零件是否存在疲劳裂纹进行了判断，具体得到，根据待识别机器零件图像、待识别机器零件散斑图像、正常机器零件图像和正常机器零件散斑图像实现了对待识别机器零件上是否存在疲劳裂纹的判断，并可在存在疲劳裂纹的情况下将疲劳裂纹存在的区域识别出来；本专利技术的疲劳裂纹识别方法属于一种自动识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于显著性特征的机器零件疲劳裂纹识别方法，其特征在于，包括以下步骤：获取目标图像，对所述目标图像进行预处理操作，所述预处理操作包括去噪处理和锐化处理；所述目标图像包括待识别机器零件图像、待识别机器零件散斑图像、正常机器零件图像和正常机器零件散斑图像；将所述预处理操作后的目标图像均匀划分为多个区域，根据预处理操作后的待识别机器零件图像和正常机器零件图像计算待识别机器零件图像上任意两区域间的纹理粗糙度差异；根据预处理操作后的待识别机器零件图像计算待识别机器零件图像上任意两区域间的区域明亮分布差异；根据预处理操作后的待识别机器零件散斑图像和正常机器零件散斑图像计算待识别机器零件散斑图像上任意两区域间的区域形变度差异；根据所述任意两区域间的纹理粗糙度差异、区域明亮分布差异和区域形变度差异计算任意两区域间的差异，并根据任意两区域间的差异计算各区域的显著性；将各区域对应的显著性值与设定的阈值进行比较，若某区域对应的显著性值大于设定的阈值，则判定待识别机器零件上存在疲劳裂纹，并将显著性值大于设定的阈值的区域判定为存在疲劳裂纹的区域。2.根据权利要求1所述的基于显著性特征的机器零件疲劳裂纹识别方法，其特征在于，所述根据预处理操作后的待识别机器零件图像和正常机器零件图像计算待识别机器零件图像上任意两区域间的纹理粗糙度差异，包括：计算覆盖正常机器零件图像中区域i的盒子数、覆盖正常机器零件图像中区域j的盒子数、覆盖待识别机器零件图像中区域i的盒子数和覆盖待识别机器零件图像中区域j的盒子数；根据所述覆盖正常机器零件图像中区域i的盒子数计算正常机器零件图像中区域i的分形维数；根据所述覆盖正常机器零件图像中区域j的盒子数计算正常机器零件图像中区域j的分形维数；根据所述覆盖待识别机器零件图像中区域i的盒子数计算待识别机器零件图像中区域i的分形维数；根据所述覆盖待识别机器零件图像中区域j的盒子数计算待识别机器零件图像中区域j的分形维数；根据所述正常机器零件图像中区域i的分形维数和待识别机器零件图像中区域i的分形维数计算待识别机器零件图像与正常机器零件图像中区域i的分形维数之差；根据所述正常机器零件图像中区域j的分形维数和待识别机器零件图像中区域j的分形维数计算待识别机器零件图像与正常机器零件图像中区域j的分形维数之差；根据所述区域i的分形维数之差和所述区域j的分形维数之差计算待识别机器零件图像上区域i和区域j的纹理粗糙度差异。3.根据权利要求2所述的基于显著性特征的机器零件疲劳裂纹识别方法，其特征在于，所述计算覆盖正常机器零件图像中区域i的盒子数，包括：对于正常机器零件图像中区域i，建立三维坐标系，其中正常机器零件图像中区域i的长、宽分别表示三维坐标系中的x，y轴，正常机器零件图像中区域i中的每个像素的灰度值表示z轴；利用如下公式计算盒子的高度h：其中，G表示正常机器零件图像总的灰度级，M为正常机器零件图像的边长，k为各区域
的边长；通过计算得到盒子高度并将盒子在各区域中进行堆积，将正常机器零件图像中区域i中的灰度最大值对应的盒子数记为T；将正常机器零件图像...

【专利技术属性】
技术研发人员：董安丽，朱霞英，
申请(专利权)人：启东凯顺机械制造有限公司，
类型：发明
国别省市：