一种基于图像处理的汽轮机低压缸末级叶片裂纹识别方法技术

本发明专利技术公开了一种基于图像处理的汽轮机低压缸末级叶片裂纹识别方法，属于汽轮机叶片裂纹识别技术领域。解决了现有技术中汽轮机低压缸末级叶片裂纹识别方法存在的识别精度较低的问题；本发明专利技术包括以下步骤：S1.读取高速相机拍取的汽轮机低压缸末级叶片图片信息，将其转换为灰度图；S2.对灰度图进行前处理，暴露叶片内部金属区域；S3.识别出前处理后图像叶片边缘曲线，框选待识别叶片区域；S4.对暴露裂纹图像进行滤波处理，获得图像矩阵的裂纹特征；S5.确认叶片范围内裂纹特征点，对裂纹特征点进行聚类分析；S6.进行曲线拟合，判定存在裂纹的叶片。本发明专利技术有效避免了叶片边缘信息被误识，可以应用于汽轮机低压缸末级叶片裂纹识别。别。

【技术实现步骤摘要】
一种基于图像处理的汽轮机低压缸末级叶片裂纹识别方法


[0001]本专利技术涉及一种汽轮机叶片裂纹识别方法，尤其涉及一种基于图像处理的汽轮机低压缸末级叶片裂纹识别方法，属于汽轮机叶片裂纹识别


技术介绍

[0002]汽轮机是一种精密的工业产品，在发电设备中尤为重要，其中低压缸末级叶片为核心部件，现场运行服务中的重点就是保证低压缸末级叶片安全运行。汽轮机低压缸末级叶片的故障类型主要有叶片裂纹，裂纹原因多数为外部异物的机械损伤，疲劳损伤，目前已有汽轮机的制造商在低压缸末级叶片附近装有拾取末级叶片信息的摄像设备，在盘车或者低速运行时拍取低压缸末级叶片图片来判定裂纹。
[0003]目前，现有技术中对拍摄的低压缸末级叶片金属照片的裂纹判定有以下两种方式：1.人工判别，由专业人员来观察照片并挑选出裂纹图片；2.图像识别，应用在钢板加工过程中的图像识别方法来识别金属裂纹。
[0004]但上述方法存在以下问题：汽轮机低压缸末级具有100多支叶片，人工判别方法工作时间较长，人员工作强度较大，不符合智慧化电厂的趋势；汽轮机末级叶片金属照片中有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的汽轮机低压缸末级叶片裂纹识别方法，其特征在于，包括以下步骤：S1.读取高速相机拍取的汽轮机低压缸末级叶片图片信息，将其转换为灰度图；S2.对灰度图进行前处理，暴露叶片内部金属区域；S3.识别出前处理后图像叶片边缘曲线，框选待识别叶片区域；S4.对暴露裂纹图像进行滤波处理，获得图像矩阵的裂纹特征；S5.确认叶片范围内裂纹特征点，对裂纹特征点进行聚类分析；S6.进行曲线拟合，判定存在裂纹的叶片。2.根据权利要求1所述的一种基于图像处理的汽轮机低压缸末级叶片裂纹识别方法，其特征在于，所述S1中，利用加权平均法将RGB色彩模式图片转化为灰度图，得到灰度图矩阵Gray
[i,j]
。3.根据权利要求2所述的一种基于图像处理的汽轮机低压缸末级叶片裂纹识别方法，其特征在于，所述S2中，包括以下步骤：S21.对灰度图进行二值化处理得到二值化后的矩阵A
[i,j]
；S22.对二值化后的矩阵A
[i,j]
进行闭运算、腐蚀和膨胀处理，得到膨胀后的矩阵F；所述S21中，二值化后的矩阵A
[i,j]
计算公式为：其中，i＝1、2...h,j＝1、2...v，h为图像横向像素，v为图像竖向像素，a
m
表示为门限值，a
m
的取值范围为75至100；所述S22中，对A
[i,j]
矩阵进行闭运算得到闭运算后的矩阵C；闭运算后的矩阵C表示为：C＝cv2.morphologyEx(A,cv2MORPH_CLOSE,D)；其中，D为核，具体表示为：对闭运算后的矩阵C进行腐蚀处理得到腐蚀后的矩阵E；腐蚀后的矩阵E表示为：E＝cv2.erode(C,D,k1)；其中，k1为腐蚀迭代次数，k1取值范围为10次至15次；对腐蚀后的矩阵E进行膨胀处理得到膨胀后的矩阵F；膨胀后的矩阵F表示为：F＝cv2.dilate(E,D,k2)；其中，k2为膨胀迭代次数，k2取值范围为10次至15次。4.根据权利要求3所述的一种基于图像处理的汽轮机低压缸末级叶片裂纹识别方法，
其特征在于，所述S3中，包括以下步骤：S31.获取膨胀后的矩阵F的边缘曲线H；S32.筛选符合判定条件的边缘曲线H；所述S32中，边缘曲线为H可以表示为边缘曲线的向量H[c,d]，其中，c为行向量，d为列向量，对行向量c和列向量d做差分得到Δc和Δd；叶片边缘线的判定条件为：其中，行向量c横坐标中心为h1，列向量d纵坐标中心为v1，长度为l；长度l计算公式为：其中，e为边缘曲线的向量H[c,d]的维度。5.根据权利要...

【专利技术属性】
技术研发人员：程学亮，关淳，郑宏伟，初世明，马义良，刘志德，李光磊，邵崇晖，胡炳南，卢洪涛，刘洋，张亦宁，尉坤，潘劭平，薛海亮，李洪亮，张春秀，王鑫雨，
申请(专利权)人：哈尔滨汽轮机厂有限责任公司，
类型：发明
国别省市：