基于X-RAY的汽车轮毂内部缺陷无损检测方法技术

本发明专利技术涉及图像数据处理技术领域，具体涉及基于X

【技术实现步骤摘要】
基于X
‑
RAY的汽车轮毂内部缺陷无损检测方法


[0001]本专利技术涉及图像数据处理
，具体涉及基于X
‑
RAY的汽车轮毂内部缺陷无损检测方法。

技术介绍

[0002]轮毂是汽车重要部件，是支撑汽车和路面接触的桥梁，如果路况不好，或者突遇紧急情况，则轮毂所受压力变大，所以在汽车的生产过程中，汽车轮毂的生产质量事关汽车行驶安全。
[0003]其中现有的汽车轮毂缺陷检测时，可采用X光进行无损缺陷检测，但是由于在X光下，由于X光成像是通过物体根据衰减特征进行成像的，如果缺陷不明显，则使得在X光下成像效果不佳，使得对轮毂缺陷检测较难，常规的分割方法难以实现检测。
[0004]所以本专利技术提出了一种基于X
‑
RAY的汽车轮毂内部缺陷无损检测方法，根据轮毂呈现圆周且规律的特性，进而本方案通过X光图像中的圆周曲线分析，以实现汽车轮毂内部缺陷无损检测。

技术实现思路

[0005]本专利技术提供基于X
‑
RAY的汽车轮毂内部缺陷无损检测方法，以解决现有的问题。
[0006]本专利技术的基于X
‑
RAY的汽车轮毂内部缺陷无损检测方法采用如下技术方案：本专利技术提供了基于X
‑
RAY的汽车轮毂内部缺陷无损检测方法，该方法包括以下步骤：获取轮毂X光图像，并获取轮毂X光图像中的圆形边缘，将圆形边缘上的像素点所组成的序列记为轮毂圆周序列，根据不同半径大小获得多个轮毂圆周序列；将像素点在对应轮毂圆周序列中的序号，与轮毂圆周序列中像素点的总数之间的比值，记为像素点的坐标占比；将不同轮毂圆周序列中坐标占比差异最小的像素点记为相对应的像素点；将每个半径下的轮毂圆周序列每个像素点记为目标像素点，将所有轮毂圆周序列中与目标像素点相对应的像素点记为相对应像素点序列；获取相对应像素点序列中任意像素点对应的半径，记为第一半径，根据第一半径和目标像素点对应半径的差异获得相对应像素点序列中任意像素点的权重值；将相对应像素点序列中的像素点所对应的半径和灰度值作为像素点的二维坐标，根据相对应像素点序列中所有像素点二维坐标和权重值进行加权直线拟合，获得拟合直线，将目标像素点与拟合直线之间的距离记为目标像素点的非线性程度值；将半径、像素点在轮毂圆周序列中的坐标占比以及非线性程度值对应的像素点作为三维直角坐标系中的数据点，对三维直角坐标系中的所有数据点进行聚类，获得若干个聚类簇；将每个轮毂圆周序列中所有像素点对应的数据点所属的聚类簇记为目标聚簇，获
取每一个目标聚簇中所有数据点与三维坐标系的原点之间的欧式距离，根据欧式距离的大小排列获得每个目标聚簇的欧式距离序列；获取任意一个欧式距离序列与其他欧式距离序列的相似度，将相似度的最大值记为目标聚簇的周期可能性，根据周期可能性的大小获取汽车轮毂内部的缺陷区域。
[0007]进一步的，所述轮毂圆周序列，获取方法如下：将采集得到的轮毂X光图像转为灰度图像，记为轮毂灰度图像，对轮毂灰度图像利用Canny算子进行边缘检测，得到轮毂边缘图像，利用霍夫圆检测算法对轮毂边缘图像进行检测，获得多个霍夫圆，并只保留在预设半径范围内的所有霍夫圆；获取所有霍夫圆对应的圆心坐标，统计每个圆心坐标出现的次数，将次数最多的圆心坐标作为当前在检测的轮毂的圆心坐标，记为轮毂圆心；预设半径r，获取以轮毂圆心为圆心，半径为r的一个圆，获取轮毂灰度图像上在该圆周上的所有像素点，记为圆周像素点，将轮毂圆心正上方的一个圆周像素点作为起始数据点，沿顺时针遍历所有圆周像素点，获得一个像素点序列，该像素点序列记为半径为r时的轮毂圆周序列。
[0008]进一步的，所述根据第一半径和目标像素点对应半径的差异获得相对应像素点序列中任意像素点的权重值，获取方法如下：将目标像素点对应的半径的取值记为，将作为任意一个像素点的权重值，R表示第一半径，exp()表示以自然常数为底的指数函数。
[0009]进一步的，所述加权直线拟合是指根据像素点的二维坐标和权重值，利用加权最小二乘法将相对应像素点序列中所有像素点加权拟合为一条直线。
[0010]进一步的，所述相似度，获取方法如下：据每个目标聚簇中所有数据点对应的欧式距离的大小，由小到大进行排序，获得每个目标聚簇所对应的欧式距离序列；将任意两个目标聚簇对应的欧式距离序列输入到DTW算法中，获得相似度。
[0011]进一步的，所述缺陷区域，包括的具体步骤如下：预设可能性阈值，当目标聚簇内数据点的周期可能性小于等于可能性阈值时，则目标聚簇中数据点所对应的像素点组成的区域为缺陷区域；当目标聚簇内数据点的周期可能性大于可能性阈值时，则目标聚簇中数据点所对应的像素点组成的区域为正常区域。
[0012]本专利技术的技术方案的有益效果是：通过轮毂圆周曲线可以感知得到当前轮毂中可能存在异常区域，能够粗筛轮毂异常，减少后续计算量，提高后续轮毂异常判断的准确性。在根据可能存在异常区域之间的周期性，完成当前轮毂异常判断的准确检测。
附图说明
[0013]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的前提下，还可以根据这些附图获得其他的附图。
[0014]图1为本专利技术基于X
‑
RAY的汽车轮毂内部缺陷无损检测方法的步骤流程图。
具体实施方式
[0015]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基于X
‑
RAY的汽车轮毂内部缺陷无损检测方法，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。
[0016]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。
[0017]下面结合附图具体的说明本专利技术所提供的基于X
‑
RAY的汽车轮毂内部缺陷无损检测方法的具体方案。
[0018]请参阅图1，其示出了本专利技术一个实施例提供的基于X
‑
RAY的汽车轮毂内部缺陷无损检测方法的步骤流程图，该方法包括以下步骤：步骤S001，获取轮毂的X光图像。
[0019]将需要检测的轮毂水平放置在X
‑
ray图像采集器下，俯视当前轮毂，采集得到轮毂的X
‑
ray图像，记为轮毂X光图像；其中X
‑
ray图像采集器与数据处理中心通过有线连接的方法，将采集得到轮毂的X
‑
ray图像发送至数据处理中心。
[0020]至此，获得轮毂X光图像。
[0021]步骤S002，结合边缘检测和霍夫圆检测获取轮毂X光图像中的轮本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于X
‑
RAY的汽车轮毂内部缺陷无损检测方法，其特征在于，该方法包括以下步骤：获取轮毂X光图像，并获取轮毂X光图像中的圆形边缘，将圆形边缘上的像素点所组成的序列记为轮毂圆周序列，根据不同半径大小获得多个轮毂圆周序列；将像素点在对应轮毂圆周序列中的序号，与轮毂圆周序列中像素点的总数之间的比值，记为像素点的坐标占比；将不同轮毂圆周序列中坐标占比差异最小的像素点记为相对应的像素点；将每个半径下的轮毂圆周序列每个像素点记为目标像素点，将所有轮毂圆周序列中与目标像素点相对应的像素点记为相对应像素点序列；获取相对应像素点序列中任意像素点对应的半径，记为第一半径，根据第一半径和目标像素点对应半径的差异获得相对应像素点序列中任意像素点的权重值；将相对应像素点序列中的像素点所对应的半径和灰度值作为像素点的二维坐标，根据相对应像素点序列中所有像素点二维坐标和权重值进行加权直线拟合，获得拟合直线，将目标像素点与拟合直线之间的距离记为目标像素点的非线性程度值；将半径、像素点在轮毂圆周序列中的坐标占比以及非线性程度值对应的像素点作为三维直角坐标系中的数据点，对三维直角坐标系中的所有数据点进行聚类，获得若干个聚类簇；将每个轮毂圆周序列中所有像素点对应的数据点所属的聚类簇记为目标聚簇，获取每一个目标聚簇中所有数据点与三维坐标系的原点之间的欧式距离，根据欧式距离的大小排列获得每个目标聚簇的欧式距离序列；获取任意一个欧式距离序列与其他欧式距离序列的相似度，将相似度的最大值记为目标聚簇的周期可能性，根据周期可能性的大小获取汽车轮毂内部的缺陷区域。2.根据权利要求1所述基于X
‑
RAY的汽车轮毂内部缺陷无损检测方法，其特征在于，所述轮毂圆周序列获取方法如下：将采集得到的轮毂X光图像转为灰度图像，记为轮毂灰度图像，对轮毂灰度图像利用Canny算子进行边缘检测，得到轮毂边缘图像，利用霍夫圆检测算法对轮毂边缘图像进行检测，获得多个霍...

【专利技术属性】
技术研发人员：唐承舜，
申请(专利权)人：威海锐鑫丰金属科技有限公司，
类型：发明
国别省市：