一种基于铸件X射线图像的缺陷评级方法及系统技术方案

本发明专利技术提供了一种基于铸件X射线图像的缺陷评级方法及系统，属于铸造产品质量检测领域，方法包括：对铸件X射线图像的缺陷标注框区域进行扩充，采用扩充后的缺陷标注框区域截取获取缺陷子图像；根据缺陷子图像中缺陷的尺寸和类别对缺陷子图像进行图像增强；若图像增强后的缺陷子图像中存在尺寸超过阈值的缺陷，则建立缺陷子图像对应的多维特征筛选矩阵，排除干扰区域；对缺陷子图像采用Canny算法获取缺陷的轮廓信息；将缺陷的像素面积转换为实际铸件缺陷的面积，对照评级量化体系获取缺陷等级；本发明专利技术实现了全自动化地铸件缺陷评级，克服了现有的铸件X射线图像人工评级方法评级结果不稳定、人工劳动强度大且难以提升效率的问题。题。题。

【技术实现步骤摘要】
一种基于铸件X射线图像的缺陷评级方法及系统


[0001]本专利技术属于铸造产品质量检测领域，更具体地，涉及一种基于铸件X射线图像的缺陷评级方法及系统。

技术介绍

[0002]航空、航天、汽车、轨道交通和工程机械等行业重大装备用复杂铸件制造过程存在关键质量点超差和质量波动大等共性难题，导致重大装备可靠性、使用寿命无法满足要求。
[0003]目前，在铸件的生产过程中难免会产生铸件缺陷，例如夹杂、气孔、缩孔及缩松等。在有铸件应用的各行各业中，铸件缺陷会严重影响铸造产品的安全使用，较为严重的缺陷往往会导致整个铸件报废。产品的质量会在一定程度上影响制造企业的效益，而质量检测则是产品质量提升过程中的关键一环。因此，在铸件生产过程中，对铸件进行质量检测是不可或缺的。而对于铸件进行X射线探伤，再对于该铸件X射线探伤图像进行缺陷评级是铸件质量检测中的一种常用方法。目前工业生产中缺陷评级以人工评级为主，而人工评级不能很好地满足大型工业生产过程中对铸件缺陷的评级需求，铸件产品质量难以得到有效控制。

技术实现思路

[0004]针对现有技术的缺陷，本专利技术的目的在于提供一种基于铸件X射线图像的缺陷评级方法及系统，旨在解决现有的铸件X射线图像人工评级方法评级结果不稳定、人工劳动强度大且难以提升效率的问题。
[0005]为实现上述目的，一方面，本专利技术提供了一种基于铸件X射线图像的缺陷评级方法，包括以下步骤：
[0006]S1：对铸件X射线图像的缺陷标注框区域进行扩充，再采用扩充后的缺陷标注框区域在铸件X射线图像上进行截取获取缺陷子图像；
[0007]S2：根据缺陷子图像中缺陷的尺寸和类别对缺陷子图像进行图像增强；
[0008]S3：若图像增强后的缺陷子图像中存在尺寸超过阈值的缺陷，则基于边缘轮廓、特征分布和面积阈值建立缺陷子图像对应的多维特征筛选矩阵，排除图像增强后的缺陷子图像中的干扰区域；
[0009]S4：对S3处理后的缺陷子图像采用Canny算法进行边缘检测，采用轮廓提取函数获取缺陷的轮廓信息，计算缺陷的像素面积；
[0010]S5：将缺陷的像素面积转换为实际铸件缺陷的面积，对照评级量化体系获取缺陷等级；
[0011]其中，评级量化体系的建立方法为：选取面积作为夹杂、气孔、缩孔和缩松的评级指标，根据缺陷评级参考图像，计算缺陷评级参考图像中缺陷区域像素在缺陷评级参考图像像素内的占比，计算各级缺陷的参考面积以完成评级量化体系的建立。
[0012]进一步优选地，在S1与S2之间执行步骤：若当前缺陷子图像与前一张缺陷子图像
的缺陷类别和图像位置高度重合，则整合两张缺陷子图像为一张缺陷子图像。
[0013]进一步优选地，S2具体为：
[0014]若缺陷子图像中存在尺寸超过尺寸阈值的夹杂和气孔，则图像增强方法为：
[0015]a.采用基于高斯分布的加权平均方法计算缺陷子图像中各中心像素点预设半径周边像素灰度值的加权平均值，并用加权平均值替代中心像素点的灰度值；
[0016]b.对经过a处理的图像进行高斯模糊，将经过a处理的图像与经过高斯模糊处理的图像进行比例换算，再将比例换算后的结果同比例换算到0～255的像素值范围内；
[0017]c.计算经过b获取的图像直方图，遍历像素阈值0～255，在直方图中大于像素阈值的像素为前景，剩余为背景，分别计算前景和背景中像素个数所占像素的比例和像素平均值；
[0018]d.计算各个像素阈值下的类间方差，使用使类间方差达到最大值的像素阈值对经过b获取的图像进行二值化处理，获取图像增强后的缺陷子图像；
[0019]若缺陷子图像中存在其他缺陷，则采用一个3
×
3的高斯模板扫描缺陷子图像中的每一个像素，基于高斯模板计算以选中像素点为中心的邻域内像素的加权平均灰度值，并用加权平均灰度值替代模板中心像素点的值，获取图像增强后的缺陷子图像。进一步优选地，多维特征筛选矩阵为：
[0020][0021]对于夹杂或气孔缺陷，形心距记为0；对于缩孔或缩松缺陷，规整度记为0；对于其他参数，处理如下：
[0022]边缘曲率：计算缺陷子图像中各区域位置的边缘曲率，若某区域存在多个超过预设曲率的边缘曲率值，则边缘曲率记为1，反之记为0；
[0023]规整度：对于夹杂或气孔缺陷图像，计算缺陷子图像中各区域的最小外接圆，再判断各区域面积在该圆中的占比，若该占比小于65％，则记为1，反之为0；
[0024]形心距：对于缩孔和缩松缺陷图像，计算各区域的形心位置，从中心区域开始依次计算所在区域与相邻最近一个区域的形心距离，若该距离超过预设距离，则形心距记为1，反之为0；
[0025]位置：判断各区域所处的位置与扩充前图像的位置关系，若区域位置全部位于扩充前图像的外面，则该项记为1，反之为0；
[0026]面积：判断各区域所占的面积，若所占面积小于1mm2，则面积记为1，反之为0；
[0027]通过缺陷子图像中各区域所对应的多维特征筛选矩阵，计算多维特征筛选矩阵的秩，若秩不为0，则判定对应区域为干扰区域，将干扰区域舍去；若秩为0，则判定对应区域为缺陷区域，将缺陷区域保留。
[0028]进一步优选地，缺陷评级参考图像选自标准GB/T 11346
‑
2018。
[0029]另一方面，本专利技术提供了一种基于铸件X射线图像的缺陷评级系统，包括：
[0030]像素扩充模块，用于对铸件X射线图像的缺陷标注框区域进行像素扩充；
[0031]截图模块，用于采用扩充后的缺陷标注框区域在铸件X射线图像上进行截取获取
缺陷子图像；
[0032]图像增强模块，用于根据缺陷子图像中缺陷的尺寸和类别对缺陷子图像进行图像增强；
[0033]干扰区域排除模块，用于若图像增强后的缺陷子图像中存在尺寸超过阈值的缺陷，则基于边缘轮廓、特征分布和面积阈值建立缺陷子图像对应的多维特征筛选矩阵，排除图像增强后的缺陷子图像中的干扰区域；
[0034]Canny算法模块，用于对缺陷子图像采用Canny算法进行边缘检测；
[0035]轮廓提取模块，用于采用轮廓提取函数获取缺陷的轮廓信息，计算缺陷的像素面积；
[0036]缺陷等级评估模块，用于将缺陷子图像的像素面积转换为实际铸件缺陷的面积，对照评级量化体系获取缺陷等级；
[0037]评级量化体系的建立模块，用于选取面积作为夹杂、气孔、缩孔和缩松的评级指标，根据缺陷评级参考图像，计算缺陷评级参考图像中缺陷区域像素在缺陷评级参考图像像素内的占比，计算各级缺陷的参考面积以完成评级量化体系的建立。
[0038]进一步优选地，缺陷评级系统还包括图像整合模块，用于当当前缺陷子图像与前一张缺陷子图像的缺陷类别和图像位置高度重合，则整合两张缺陷子图像为一张缺陷子图像。
[0039]进一步优选地，图像增强模块包括缺陷判别单元、高斯分布的加权平均单元、高斯模糊换算单元、二值化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于铸件X射线图像的缺陷评级方法，其特征在于，包括以下步骤：S1：对铸件X射线图像的缺陷标注框区域进行像素扩充，再采用扩充后的缺陷标注框区域在铸件X射线图像上进行截取获取缺陷子图像；S2：根据缺陷子图像中缺陷的尺寸和类别对缺陷子图像进行图像增强；S3：若图像增强后的缺陷子图像中存在尺寸超过阈值的缺陷，则基于边缘轮廓、特征分布和面积阈值建立缺陷子图像对应的多维特征筛选矩阵，排除图像增强后的缺陷子图像中的干扰区域；S4：对S3处理后的缺陷子图像采用Canny算法进行边缘检测，采用轮廓提取函数获取缺陷的轮廓信息，计算缺陷的像素面积；S5：将缺陷的像素面积转换为实际铸件缺陷的面积，对照评级量化体系获取缺陷等级；其中，评级量化体系的建立方法为：选取面积作为夹杂、气孔、缩孔和缩松的评级指标，根据缺陷评级参考图像，计算缺陷评级参考图像中缺陷区域像素在缺陷评级参考图像像素内的占比，计算各级缺陷的参考面积以完成评级量化体系的建立。2.根据权利要求1所述的缺陷评级方法，其特征在于，在S1和S2之间执行步骤：若当前缺陷子图像与前一张缺陷子图像的缺陷类别和图像位置高度重合，则整合两张缺陷子图像为一张缺陷子图像。3.根据权利要求1或2所述的缺陷评级方法，其特征在于，S2具体为：若缺陷子图像中存在尺寸超过尺寸阈值的夹杂和气孔，则图像增强方法为：a.采用基于高斯分布的加权平均方法计算缺陷子图像中各中心像素点预设半径周边像素灰度值的加权平均值，并用加权平均值替代中心像素点的灰度值；b.对经过a处理的图像进行高斯模糊，将经过a处理的图像与经过高斯模糊处理的图像进行比例换算，再将比例换算后的结果同比例换算到0～255的像素值范围内；c.计算经过b获取的图像直方图，遍历像素阈值0～255，在直方图中大于像素阈值的像素为前景，剩余为背景，分别计算前景和背景中像素个数所占像素的比例和像素平均值；d.计算各个像素阈值下的类间方差，使用使类间方差达到最大值的像素阈值对经过b获取的图像进行二值化处理，获取图像增强后的缺陷子图像；若缺陷子图像中存在其他缺陷，则采用一个3
×
3的高斯模板扫描缺陷子图像中的每一个像素，基于高斯模板计算以选中像素点为中心的邻域内像素的加权平均灰度值，并用加权平均灰度值替代模板中心像素点的值，获取图像增强后的缺陷子图像。4.根据权利要求3所述的缺陷评级方法，其特征在于，所述多维特征筛选矩阵为：其中，若缺陷为夹杂或气孔缺陷，则形心距记为0；若缺陷为缩孔或缩松缺陷，则规整度记为0；计算缺陷子图像中各区域位置的边缘曲率，若区域中存在若干超过预设曲率的边缘曲率值，则边缘曲率记为1，反之记为0；若缺陷为夹杂或气孔缺陷，计算缺陷子图像中各区域的最小外接圆，判断各区域面积
在最小外接圆中的占比，若占比小于65％，则规整度记为1，反之记为0；若缺陷为缩孔或缩松缺陷，则计算缺陷子图像中各区域的形心位置，从中心区域开始依次计算所在区域与相邻最近一个区域的形心距离，若距离超过预设距离，则形心距记为1，反之为0；判断各区域所在位置与扩充前图像的位置关系，若区域位置全部位于扩充前图像的外面，则位置记为1，反之为0；判断缺陷子图像中各区域所占的面积，若所占面积小于1mm2，则面积记为1，反之为0；通过缺陷子图像中各区域所对应的多维特征筛选矩阵，计算多维特征筛选矩阵的秩，若秩不为0，则判定对应区域为干扰区域，将干扰区域舍去；若秩为0，则判定对应区域为缺陷区域，将缺陷区域保留。5.一种基于铸件X射线图像的缺陷评级系统，其特征在于，包括：像素扩充模块，用于对铸件X射线图像的缺陷标注框区域进行像素扩充；截图模块，用于采用扩充后的缺陷标注框区域在...

【专利技术属性】
技术研发人员：周建新，吴楚澔，孙晓龙，侯明君，计效园，李硕宏，夏祥生，邢志辉，章则君，殷亚军，赵祖德，
申请(专利权)人：中国兵器装备集团西南技术工程研究所，
类型：发明
国别省市：