【技术实现步骤摘要】
本专利技术涉及图像检测，尤其涉及一种掩膜细化的机械部件表面裂纹几何信息检测方法及装置。
技术介绍
1、机械部件是机械装置中的动力传递器件，在各个机械装置中起到至为关键的作用，如果机械部件表面出现裂纹等缺陷，对机械装置性能产生严重影响的同时，还会产生极大的安全隐患。因此如何高效精准地进行机械部件表面裂纹几何信息检测是目前亟待解决的重要课题。
2、相关技术中，在机械部件设计过程中通常会采取对机械部件进行疲劳试验的方式，通过检测机械部件在长时间使用过程中所产生的疲劳裂纹、变形等问题，帮助工程师评估机械部件的寿命，并帮助进行材料选择和设计优化。
3、但是，在实验过程中，往往需要采用人工目测的方式进行机械部件表面裂纹几何信息确定，这种方式往往会消耗大量的人力资源，并且检测速度慢，存在人眼疲劳从而导致误检、漏检的可能性，由此导致机械部件表面裂纹几何信息检测的检测效率和准确性低下。
技术实现思路
1、本专利技术提供一种掩膜细化的机械部件表面裂纹几何信息检测方法及装置，用以解决现有技术中机械部件表面裂纹几何信息检测的检测效率和准确性低下的缺陷，实现高效精准地进行机械部件表面裂纹几何信息的检测。
2、本专利技术提供一种掩膜细化的机械部件表面裂纹几何信息检测方法，包括：
3、根据待检测机械部件的表面图像，获取目标输入信息；
4、将所述目标输入信息输入至检测模型中，得到所述待检测机械部件的裂纹缺陷对应的掩膜检测结果；
5、对所述掩膜
6、根据所述目标骨架的像素点集合，获取所述待检测机械部件的裂纹缺陷的几何信息；
7、其中，所述检测模型是基于样本数据集进行有监督训练得到的；所述样本数据集中是对多个裂纹缺陷样本图像进行样本扩充得到的；多个所述裂纹缺陷样本图像是多个样本机械部件的表面图像中存在裂纹缺陷的图像。
8、根据本专利技术提供的一种掩膜细化的机械部件表面裂纹几何信息检测方法，所述检测模型是基于如下步骤训练得到的：
9、将各所述样本机械部件的表面图像划分为正常样本图像或者裂纹缺陷样本图像；
10、对各所述裂纹缺陷样本图像进行样本扩充，得到各所述裂纹缺陷样本图像对应的模拟缺陷样本图像；
11、分别对各所述模拟缺陷样本图像、各所述裂纹缺陷样本图像，以及各所述正常样本图像进行掩膜标签标记；
12、基于各所述模拟缺陷样本图像、各所述裂纹缺陷样本图像、各所述正常样本图像，以及掩膜标签标记结果，构建所述样本数据集；
13、基于所述样本数据集对初始模型进行训练，得到所述检测模型。
14、根据本专利技术提供的一种掩膜细化的机械部件表面裂纹几何信息检测方法，所述对各所述裂纹缺陷样本图像进行样本扩充，得到各所述裂纹缺陷样本图像对应的模拟缺陷样本图像，包括：
15、将目标噪声数据输入至改进的生成对抗网络中，由所述改进的生成对抗网络中的生成器，生成各所述裂纹缺陷样本图像对应的模拟缺陷样本图像；
16、其中，所述改进的生成对抗网络是基于样本噪声数据以及各所述裂纹缺陷样本图像进行无监督训练得到的；所述改进的生成对抗网络是基于多层可变形卷积构建的。
17、根据本专利技术提供的一种掩膜细化的机械部件表面裂纹几何信息检测方法，所述初始模型包括多个堆叠的上采样模块和多个堆叠的下采样模块、多个残差模块，以及多个自注意力模块；
18、各所述上采样模块与各所述下采样模块一一对应，各所述下采样模块与各所述残差模块一一对应，各所述下采样模块与各所述自注意力模块一一对应；
19、对于多个堆叠的下采样模块中除最后一层下采样模块之外的每一目标下采样模块，所述目标下采样模块的输出端，分别与所述目标下采样模块的下一层下采样模块的输入端和所述目标下采样模块对应的自注意力模块的输入端连接；
20、所述目标下采样模块对应的自注意力模块的输入端，还与所述目标下采样模块对应的上采样模块的上一层采样模块的输出端连接；
21、所述目标下采样模块对应的自注意力模块的输出端，与所述目标下采样模块对应的残差模块的输入端连接；
22、所述目标下采样模块对应的残差模块的输出端，与所述目标下采样模块对应的上采样模块的输出端连接。
23、根据本专利技术提供的一种掩膜细化的机械部件表面裂纹几何信息检测方法，所述从细化后的掩膜检测结果中提取所述待检测机械部件的裂纹缺陷对应的目标骨架，包括：
24、基于中轴变换算法，从所述细化后的掩膜检测结果中提取多个最大内切圆的圆心；
25、基于多个所述最大内切圆的圆心，构建形成所述目标骨架。
26、根据本专利技术提供的一种掩膜细化的机械部件表面裂纹几何信息检测方法，所述几何信息包括长度值；
27、所述根据所述目标骨架的像素点集合，获取所述待检测机械部件的裂纹缺陷的几何信息，包括：
28、在所述细化后的掩膜检测结果中，对所述目标骨架的像素点集合中各像素点进行灰度值标记；
29、对各所述像素点的灰度值进行累加，根据累加结果，得到所述待检测机械部件的裂纹缺陷的长度值。
30、根据本专利技术提供的一种掩膜细化的机械部件表面裂纹几何信息检测方法，所述根据待检测机械部件的表面图像，获取目标输入信息，包括：
31、对所述待检测机械部件的表面图像进行预处理，得到所述目标输入信息；
32、其中，所述预处理包括标准化处理、图像裁剪处理、过采样或欠采样的样本均衡处理，以及随机像素变换处理中的至少一项。
33、本专利技术还提供一种掩膜细化的机械部件表面裂纹几何信息检测装置，包括：
34、第一获取单元，用于根据待检测机械部件的表面图像，获取目标输入信息；
35、裂纹检测单元，用于将所述目标输入信息输入至检测模型中，得到所述待检测机械部件的裂纹缺陷对应的掩膜检测结果；
36、骨架提取单元，用于对所述掩膜检测结果进行掩膜细化，并从细化后的掩膜检测结果中提取所述待检测机械部件的裂纹缺陷对应的目标骨架；
37、第二获取单元，用于根据所述目标骨架的像素点集合，获取所述待检测机械部件的裂纹缺陷的几何信息；
38、其中，所述检测模型是基于样本数据集进行有监督训练得到的；所述样本数据集中是对多个裂纹缺陷样本图像进行样本扩充得到的；多个所述裂纹缺陷样本图像是多个样本机械部件的表面图像中存在裂纹缺陷的图像。
39、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述掩膜细化的机械部件表面裂纹几何信息检测方法。
40、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本文档来自技高网...
【技术保护点】
1.一种掩膜细化的机械部件表面裂纹几何信息检测方法，其特征在于，包括：
2.根据权利要求1所述的掩膜细化的机械部件表面裂纹几何信息检测方法，其特征在于，所述检测模型是基于如下步骤训练得到的：
3.根据权利要求2所述的掩膜细化的机械部件表面裂纹几何信息检测方法，其特征在于，所述对各所述裂纹缺陷样本图像进行样本扩充，得到各所述裂纹缺陷样本图像对应的模拟缺陷样本图像，包括：
4.根据权利要求2所述的掩膜细化的机械部件表面裂纹几何信息检测方法，其特征在于，所述初始模型包括多个堆叠的上采样模块和多个堆叠的下采样模块、多个残差模块，以及多个自注意力模块；
5.根据权利要求1-4任一项所述的掩膜细化的机械部件表面裂纹几何信息检测方法，其特征在于，所述从细化后的掩膜检测结果中提取所述待检测机械部件的裂纹缺陷对应的目标骨架，包括：
6.根据权利要求1-4任一项所述的掩膜细化的机械部件表面裂纹几何信息检测方法，其特征在于，所述几何信息包括长度值；
7.根据权利要求1-4任一项所述的掩膜细化的机械部件表面裂纹几何信息检测方法，其特
8.一种掩膜细化的机械部件表面裂纹几何信息检测装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述掩膜细化的机械部件表面裂纹几何信息检测方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述掩膜细化的机械部件表面裂纹几何信息检测方法。
...【技术特征摘要】
1.一种掩膜细化的机械部件表面裂纹几何信息检测方法，其特征在于，包括：
2.根据权利要求1所述的掩膜细化的机械部件表面裂纹几何信息检测方法，其特征在于，所述检测模型是基于如下步骤训练得到的：
3.根据权利要求2所述的掩膜细化的机械部件表面裂纹几何信息检测方法，其特征在于，所述对各所述裂纹缺陷样本图像进行样本扩充，得到各所述裂纹缺陷样本图像对应的模拟缺陷样本图像，包括：
4.根据权利要求2所述的掩膜细化的机械部件表面裂纹几何信息检测方法，其特征在于，所述初始模型包括多个堆叠的上采样模块和多个堆叠的下采样模块、多个残差模块，以及多个自注意力模块；
5.根据权利要求1-4任一项所述的掩膜细化的机械部件表面裂纹几何信息检测方法，其特征在于，所述从细化后的掩膜检测结果中提取所述待检测机械部件的裂纹缺陷对应的目标骨架，包括：
【专利技术属性】
技术研发人员：袁烨，张永，彭亚飞，金骏阳，周晨，兰儒凯，王茂霖，
申请(专利权)人：元始智能科技南通有限公司，
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。