一种叶轮表面缺陷识别方法技术

本发明专利技术涉及数据识别处理技术领域，具体涉及一种叶轮表面缺陷识别方法。该方法包括：获取叶轮的灰度图像并进行分割得到分割图像，对分割图像进行霍夫圆检测得到多个圆形，获取圆形上每个边缘像素点为特征点的概率得到所有的特征点，计算每个特征点的实际概率得到实际特征点；获取每个实际特征点的特征角度进而获取任意两个实际特征点之间的匹配度，基于匹配度特征组合；获取每组特征组合中每个实际特征点的特征线得到特征区域，基于分割图像中所有的特征区域和表面区域进行超像素分割得到多个超像素块，获取每个超像素块的异常程度，当异常程度大于预设阈值时，超像素块区域存在缺陷；提高了对缺陷检测识别的效率和准确度。提高了对缺陷检测识别的效率和准确度。提高了对缺陷检测识别的效率和准确度。

【技术实现步骤摘要】
一种叶轮表面缺陷识别方法


[0001]本专利技术涉及数据识别处理
，具体涉及一种叶轮表面缺陷识别方法。

技术介绍

[0002]叶轮既指装有动叶的轮盘，是冲动式汽轮机转子的组成部分，又可以指轮盘与安装其上的转动叶片的总称。风机叶轮在使用过程中由于风机输送介质中含有腐蚀性气体，其表面会出现不同的缺陷，若不及时对缺陷进行修补，缺陷会影响机器的使用，降低机器的工作效率与寿命。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的在于提供一种叶轮表面缺陷识别方法，该方法包括以下步骤：获取叶轮的表面图像，对所述表面图像进行灰度化处理得到灰度图像；对所述灰度图像进行分割得到叶轮区域的分割图像，对所述分割图像进行霍夫圆检测得到多个圆形；以圆形上每个像素点作为边缘像素点，获取每个边缘像素点为特征点的概率；当所述概率大于预设阈值时，边缘像素点为特征点；获取每个特征点的实际概率，当所述实际概率大于概率阈值时，所述特征点为实际特征点；当所述实际概率不大于概率阈值时，所述特征点为虚假特征点；获取每个实际特征点的特征角度，基于任意两个实际特征点之间的特征角度差异以及灰度差异得到匹配度；基于所述匹配度得到多组特征组合；获取每组特征组合中每个实际特征点的特征线，所述特征线构成特征区域，获取所述分割图像中所有的特征区域，所述分割图像中特征区域之外的区域为表面区域；对所述特征区域以及所述表面区域进行超像素分割得到多个超像素块，获取每个超像素块的异常程度，当所述异常程度大于预设阈值时，所述超像素块区域存在缺陷。
[0004]优选的，所述获取每个边缘像素点为特征点的概率的步骤，包括：获取每个边缘像素点的八邻域内属于叶轮区域的像素点的数量，计算边缘像素点与其八邻域内属于叶轮区域的每个像素点的灰度差异以及所有灰度差异的均值；获取灰度差异的均值与每个像素点对应灰度差异之间的差值，选取灰度差异的均值以及该像素点对应的灰度差异中的最大值作为分母，所述差值为分子得到一个分式，获取边缘像素点对应的八邻域内所有像素点对应分式的求和结果，计算所述求和结果与八邻域内属于叶轮区域的像素点的数量的比值作为边缘像素点为特征点的概率。
[0005]优选的，所述获取每个特征点的实际概率的步骤，包括：获取任意特征点与其他特征点之间的欧式距离，选取所述特征点与其他所有特征点之间欧式距离的最大值；获取任意两个特征点之间欧式距离与所述最大值的距离比值；计算两个特征点之间的灰度差值，基于所述灰度差值、所述距离比值以及所述特征点的概率得到实际概率；
所述实际概率与所述灰度差值呈负相关关系，与所述距离比值呈负相关关系，与所述特征点的概率呈正相关关系。
[0006]优选的，所述获取每个实际特征点的特征角度的步骤，包括：获取每个实际特征点的对应点，以及实际特征点的坐标和其对应点的坐标；计算实际特征点与其对应点之间纵坐标差值和横坐标差值，根据反正切函数对所述纵坐标差值和横坐标差值的比值进行计算得到特征角度。
[0007]优选的，所述基于任意两个实际特征点之间的特征角度差异以及灰度差异得到匹配度的步骤，包括：以所述特征角度差异和灰度差异分别作为幂指数，根据所述幂指数的负数构建两个指数函数，获取两个指数函数的平均值为所述匹配度。
[0008]优选的，所述获取每组特征组合中每个实际特征点的特征线的步骤，包括：以每个实际特征点为种子点进行区域生长，区域生长结束时得到的直线为所述实际特征点的特征线；其中，区域生长时种子点的第一生长点为其对应点，其他生长点基于优选值确定，以特征组合对应的对应点和对应点为例，优选值的计算为：其中，表示优选值；表示对应点的灰度值；表示夹角为时对应点的邻域像素点的灰度值；表示对应点的灰度值；表示夹角为时对应点的邻域像素点的灰度值；表示自然常数。
[0009]优选的，所述获取每个超像素块的异常程度的步骤，包括：获取超像素块中每个像素点的显著程度；计算每个超像素块与其邻近超像素块之间的显著性，基于超像素块中所有像素点的显著程度的求和与所述显著性的乘积得到所述超像素块的异常指标；对所述异常指标进行优化得到超像素块的异常程度。
[0010]优选的，所述对所述异常指标进行优化得到超像素块的异常程度的步骤，包括：所述异常程度的计算为：其中，表示异常程度；表示超像素块K对应的超像素块D之间的轮廓相似度，采用形状上下文匹配算法获取；表示超像素点K中所有像素点的平均灰度值；表示超像素块D中所有像素点的平均灰度值；表示除了超像素块D与其对应超像素块D外的第i个超像素块种子点之间的欧式距离；表示第i个超像素块的异常程度；表示所有的中的最大值。
[0011]本专利技术具有如下有益效果：通过对叶轮表面的灰度图像进行分析，对灰度图像进
行分割得到分割图像，并进一步获取分割图像中的多个圆形，以每个圆形上的边缘像素点进行分析判断其是否为特征点；进而获取每个特征点对应的实际概率，基于实际概率得到其中的实际特征点，以实际特征点进行后续的分析，分析的结果更加可靠准确；在对实际特征点分析时，考虑到了角度以及灰度之间的关系得到特征组合，以每个特征组合进行后续的分析，提高了分析的效率，进一步基于特征组合得到特征效率并进行超像素分割得到每个超像素块，获取每个超像素块的异常程度判断超像素块中是否存在缺陷，检测出缺陷的准确性较高。
附图说明
[0012]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。
[0013]图1为本专利技术一个实施例所提供的一种叶轮表面缺陷识别方法流程图。
具体实施方式
[0014]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叶轮表面缺陷识别方法，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。
[0015]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。
[0016]下面结合附图具体的说明本专利技术所提供的一种叶轮表面缺陷识别方法的具体方案。
[0017]请参阅图1，其示出了本专利技术一个实施例提供的一种叶轮表面缺陷识别方法流程图，该方法包括以下步骤：步骤S100，获取叶轮的表面图像，对表面图像进行灰度化处理得到灰度图像。
[0018]设置固定光源照射在叶轮表面，设置工业相机俯视采集得到叶轮的表面图像，采集到的表面图像为RGB图像，对RGB图像进一步进行灰度化处理得到对应的灰度图像。
[0019]灰度化处理的方法为现有公知技术，本专利技术实施例中采用加权灰度化进行灰度化处理，在其他实施例中实施者可根据实际情况自行选择本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种叶轮表面缺陷识别方法，其特征在于，该方法包括以下步骤：获取叶轮的表面图像，对所述表面图像进行灰度化处理得到灰度图像；对所述灰度图像进行分割得到叶轮区域的分割图像，对所述分割图像进行霍夫圆检测得到多个圆形；以圆形上每个像素点作为边缘像素点，获取每个边缘像素点为特征点的概率；当所述概率大于预设阈值时，边缘像素点为特征点；获取每个特征点的实际概率，当所述实际概率大于概率阈值时，所述特征点为实际特征点；当所述实际概率不大于概率阈值时，所述特征点为虚假特征点；获取每个实际特征点的特征角度，基于任意两个实际特征点之间的特征角度差异以及灰度差异得到匹配度；基于所述匹配度得到多组特征组合；获取每组特征组合中每个实际特征点的特征线，所述特征线构成特征区域，获取所述分割图像中所有的特征区域，所述分割图像中特征区域之外的区域为表面区域；对所述特征区域以及所述表面区域进行超像素分割得到多个超像素块，获取每个超像素块的异常程度，当所述异常程度大于预设阈值时，所述超像素块区域存在缺陷。2.根据权利要求1所述的一种叶轮表面缺陷识别方法，其特征在于，所述获取每个边缘像素点为特征点的概率的步骤，包括：获取每个边缘像素点的八邻域内属于叶轮区域的像素点的数量，计算边缘像素点与其八邻域内属于叶轮区域的每个像素点的灰度差异以及所有灰度差异的均值；获取灰度差异的均值与每个像素点对应灰度差异之间的差值，选取灰度差异的均值以及该像素点对应的灰度差异中的最大值作为分母，所述差值为分子得到一个分式，获取边缘像素点对应的八邻域内所有像素点对应分式的求和结果，计算所述求和结果与八邻域内属于叶轮区域的像素点的数量的比值作为边缘像素点为特征点的概率。3.根据权利要求1所述的一种叶轮表面缺陷识别方法，其特征在于，所述获取每个特征点的实际概率的步骤，包括：获取任意特征点与其他特征点之间的欧式距离，选取所述特征点与其他所有特征点之间欧式距离的最大值；获取任意两个特征点之间欧式距离与所述最大值的距离比值；计算两个特征点之间的灰度差值，基于所述灰度差值、所述距离比值以及所述特征点的概率得到实际概率；所述实际概率与所述灰度差值呈负相关关系，与所述距离比值呈负相关关系，与所述特征点的概率...

【专利技术属性】
技术研发人员：胡晓平，
申请(专利权)人：中威泵业江苏有限公司，
类型：发明
国别省市：