System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及裂纹检测,具体涉及一种基于图像特征分析的离心风机风叶裂纹视觉检测方法。
技术介绍
1、离心风机是一种用于在工业环境中输送汽体、增压或排气的设备,具有强大的风量和压力,可以用于通风、废弃处理、空气净化以及干燥系统等。离心风机的叶片是关键组成部分,对于风叶裂纹的检测有助于提前发现潜在问题,减少由于叶片损伤导致的设备故障和安全隐患。
2、现有技术中,采用阈值分割的方式对离心风机的叶片进行裂纹检测时,根据裂纹区域与正常叶片区域的灰度差异从而分割出可能的裂纹区域;但由于实际检测场景中,叶片自身纹理的干扰以及采集设备拍摄模糊等因素使得阈值分割划分出的裂纹区域存在无关区域信息的干扰,未能获得准确的裂纹区域,导致判断叶片裂纹的准确性较低。
技术实现思路
1、为了解决未能获得准确的裂纹区域,导致判断叶片裂纹的准确性较低的技术问题,本专利技术的目的在于提供一种基于图像特征分析的离心风机风叶裂纹视觉检测方法,所采用的技术方案具体如下:
2、本专利技术提出了一种基于图像特征分析的离心风机风叶裂纹视觉检测方法,所述方法包括:
3、获取离心风机的叶片表面图像;所述叶片表面图像中包括叶片区域;
4、根据叶片区域内像素点的灰度分布获得叶片区域的多个连通域;获取每个连通域的多个主成分向量,根据每个连通域中的边缘波动程度、主成分向量的变化趋势、像素点的局部梯度特征以及整体灰度特征,获得每个连通域为裂纹目标连通域的可能性;根据每个连通域的所述可能性筛选出裂纹
5、根据每个裂纹目标连通域的所述开裂程度对叶片区域进行裂纹检测。
6、进一步地,所述可能性的获取方法包括:
7、使用8方向链码对每个连通域的边缘像素点进行连接,计算每个相邻链码之间的夹角,并进行余弦变换,获得夹角余弦值;
8、计算每个夹角余弦值与预设常数之和,作为链码方向相似度;计算所有链码方向相似度的均值,并求倒数,获得每个连通域的边缘波动程度;
9、计算最大主成分向量与最小主成分向量之间模长的比值,作为主成分向量的变化趋势;
10、计算每个连通域内所有边缘像素点的梯度幅值的均值,作为局部梯度特征;
11、计算每个连通域内所有像素点的灰度均值,作为整体灰度特征;
12、将所述整体灰度特征进行负相关映射,计算每个连通域的负相关映射结果、边缘波动程度、主成分向量的变化趋势以及局部梯度特征的乘积,并进行归一化,获得每个连通域为裂纹目标连通域的可能性。
13、进一步地,所述裂纹目标连通域的获取方法包括:
14、若连通域为裂纹目标连通域的所述可能性大于或者等于预设可能性阈值,将连通域作为裂纹目标连通域。
15、进一步地,所述形态变化特征的获取方法包括:
16、所述形态变化特征包括延伸长度特征和宽度特征;
17、获取每个裂纹目标连通域的最小外接椭圆,计算最小外接椭圆的长轴长度,作为每个裂纹目标连通域的延伸长度特征;
18、基于形态学分析获得每个裂纹目标连通域的形态学骨架,计算每个裂纹目标连通域中的每个边缘像素点与所有骨架像素点之间的最小欧氏距离,将每个裂纹目标连通域中所有边缘像素点对应的最小欧氏距离的均值,作为每个裂纹目标连通域的宽度特征。
19、进一步地,所述开裂程度的获取方法包括:
20、将每个裂纹目标连通域对应的像素点数量作为每个裂纹目标连通域的面积,并进行归一化,获得相对面积;
21、计算每个裂纹目标连通域的延伸长度特征、宽度特征以及相对面积的乘积,获得每个裂纹目标连通域的开裂程度。
22、进一步地,所述连通域的获取方法包括:
23、根据叶片区域内像素点的灰度分布,采用连通域算法获得叶片区域的多个连通域。
24、进一步地,所述的主成分向量获取方法包括:
25、采用pca算法获得每个连通域的多个主成分向量。
26、进一步地,所述将所述整体灰度特征进行负相关映射包括:
27、获取灰度最大值;计算灰度最大值与所述整体灰度特征的比值,作为将所述整体灰度特征进行负相关映射的结果。
28、进一步地,所述归一化的方法为采用函数。
29、进一步地,所述预设可能性阈值取经验值为0.8。
30、本专利技术具有如下有益效果:
31、本专利技术为了避免噪声的干扰,保证后续图像处理过程的图像质量,获取离心风机的叶片表面图像;叶片表面图像中包括叶片区域;根据叶片区域内像素点的灰度分布获取叶片区域的多个连通域,有助于后续对每个区域进行单独处理和分析,从而提高处理的精确度和针对性;获取每个连通域的多个主成分向量,根据每个连通域中的边缘波动程度、主成分向量的变化趋势、像素点的局部梯度特征以及整体灰度特征,获得每个连通域为裂纹目标连通域的可能性,通过多种特征来判断每个连通域是否可能为裂纹区域,提高裂纹识别的准确率;根据每个连通域的可能性筛选出裂纹目标连通域,降低后续处理的复杂度;根据每个裂纹目标连通域的形态变化特征以及相对面积,获得每个裂纹目标连通域的开裂程度,更准确地评估每个裂纹目标连通域的实际开裂程度,判断叶片受损伤的严重程度;进一步对叶片区域进行裂纹检测。本专利技术通过获得可靠性较高的裂纹区域,提高对裂纹检测的精度。
本文档来自技高网...【技术保护点】
1.一种基于图像特征分析的离心风机风叶裂纹视觉检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种基于图像特征分析的离心风机风叶裂纹视觉检测方法,其特征在于,所述可能性的获取方法包括:
3.根据权利要求1所述的一种基于图像特征分析的离心风机风叶裂纹视觉检测方法,其特征在于,所述裂纹目标连通域的获取方法包括:
4.根据权利要求1所述的一种基于图像特征分析的离心风机风叶裂纹视觉检测方法,其特征在于,所述形态变化特征的获取方法包括:
5.根据权利要求4所述的一种基于图像特征分析的离心风机风叶裂纹视觉检测方法,其特征在于,所述开裂程度的获取方法包括:
6.根据权利要求1所述的一种基于图像特征分析的离心风机风叶裂纹视觉检测方法,其特征在于,所述连通域的获取方法包括:
7.根据权利要求1所述的一种基于图像特征分析的离心风机风叶裂纹视觉检测方法,其特征在于,所述的主成分向量获取方法包括:
8.根据权利要求2所述的一种基于图像特征分析的离心风机风叶裂纹视觉检测方法,其特征在于,所述将所述整体灰度特征
9.根据权利要求2所述的一种基于图像特征分析的离心风机风叶裂纹视觉检测方法,其特征在于,所述归一化的方法为采用函数。
10.根据权利要求3所述的一种基于图像特征分析的离心风机风叶裂纹视觉检测方法,其特征在于,所述预设可能性阈值取经验值为0.8。
...【技术特征摘要】
1.一种基于图像特征分析的离心风机风叶裂纹视觉检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种基于图像特征分析的离心风机风叶裂纹视觉检测方法,其特征在于,所述可能性的获取方法包括:
3.根据权利要求1所述的一种基于图像特征分析的离心风机风叶裂纹视觉检测方法,其特征在于,所述裂纹目标连通域的获取方法包括:
4.根据权利要求1所述的一种基于图像特征分析的离心风机风叶裂纹视觉检测方法,其特征在于,所述形态变化特征的获取方法包括:
5.根据权利要求4所述的一种基于图像特征分析的离心风机风叶裂纹视觉检测方法,其特征在于,所述开裂程度的获取方法包括:
6.根据权利要求1...
【专利技术属性】
技术研发人员:康程,任国良,胡超,许贤文,韦鹏,吴建辉,廖宝莲,
申请(专利权)人:中化学西部新材料有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。