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】
本专利技术涉及基于图像处理的涂层厚度质量监测,具体涉及一种热喷涂超细粉末用等离子重熔监测方法及系统。
技术介绍
1、现有的等离子重熔监测对于热喷涂超细粉末工艺具有重要的意义,可以提高涂层质量、优化工艺、提高生产效率,并确保涂层具有所需的性能和可靠性。在等离子重熔过程中,需要确保涂层的厚度均匀且符合要求,因此,就需要对涂层进行质量监控,具体是厚度异常监控,实现等离子重熔过程的监测。然而,由于超细粉末的熔化和沉积过程比较复杂,因此可能很难精确控制涂层的厚度,从而造成在涂层中出现异常区域,异常区域表征该区域的涂层厚度存在异常,影响涂层的质量和性能。现有的涂层异常检测方式大多为人工检测,检测效率和检测精度均较低。
技术实现思路
1、有鉴于此,为了解决现有的人工检测喷涂质量的方式带来的检测精度较低的技术问题,本专利技术提供一种热喷涂超细粉末用等离子重熔监测方法及系统。
2、所采用的技术方案具体如下:
3、一种热喷涂超细粉末用等离子重熔监测方法,包括:
4、获取喷涂过程中多帧基于涂层温度图像得到的涂层灰度图像;
5、采用层次聚类算法对每帧涂层灰度图像进行层次聚类,得到每帧涂层灰度图像的层次聚类树,并基于层次聚类树的层数、层次聚类树的像素点波动情况以及各层中每种类别的像素点特征,得到每帧涂层灰度图像的温度分布均匀性;
6、根据相邻帧涂层灰度图像的层次聚类树中的各层拓扑图结构之间的匹配情况,获取相邻帧涂层灰度图像的层次聚类树的对应层,进而
7、基于所述对应层和对应类别,获取所有帧涂层灰度图像对应的目标类别序列;
8、基于各帧涂层灰度图像的温度分布均匀性,以及所述目标类别序列所对应的类别综合差异,得到各个类别所对应的类别异常概率;
9、基于各个类别所对应的类别异常概率,获取涂层灰度图像中的异常区域。
10、进一步地,基于层次聚类树的层数、层次聚类树的像素点波动情况以及各层中每种类别的像素点特征,得到每帧涂层灰度图像的温度分布均匀性,包括:
11、对于任意一帧涂层灰度图像,获取该帧涂层灰度图像的层次聚类树的层数特征值,所述层数特征值与该帧涂层灰度图像的层次聚类树的层数呈负相关关系;
12、对于该帧涂层灰度图像的层次聚类树的任意一层,获取该层中各类别的像素点方差的和值,并计算该和值与该帧涂层灰度图像的像素点方差的差值绝对值,进而得到该层对应的权重系数,所述权重系数与所述差值绝对值呈负相关关系;根据该层中各类别的像素点数量与像素点凸包面积,得到各类别的像素点密度特征,并计算该层各类别的像素点密度特征的和值并归一化,得到该层对应的像素点总密度特征;基于该层对应的权重系数和像素点总密度特征,得到该层对应的层像素点特征,所述层像素点特征与权重系数和像素点总密度特征均呈正相关关系;
13、基于层数特征值和各层的层像素点特征,得到该帧涂层灰度图像的温度分布均匀性,温度分布均匀性与层数特征值和层像素点特征均呈正相关关系。
14、进一步地,层数特征值的获取过程,包括:
15、将该帧涂层灰度图像的层次聚类树的层数进行归一化,并计算归一化后的层数的负相关归一化值,作为所述层数特征值;
16、权重系数的获取过程,包括:
17、计算所述差值绝对值的负相关归一化值,作为所述权重系数。
18、进一步地,基于层数特征值和各层的层像素点特征,得到该帧涂层灰度图像的温度分布均匀性,包括:计算所有层的层像素点特征的平均值,得到层总像素点特征;
19、计算层数特征值和层总像素点特征的乘积,得到该帧涂层灰度图像的温度分布均匀性。
20、进一步地,根据相邻帧涂层灰度图像的层次聚类树中的各层拓扑图结构之间的匹配情况,获取相邻帧涂层灰度图像的层次聚类树的对应层,进而获取对应层中的对应类别,包括:
21、对于任意相邻两帧涂层灰度图像,将其中一帧涂层灰度图像的层次聚类树中的各层拓扑图结构作为左侧各节点,将另一帧涂层灰度图像的层次聚类树中的各层拓扑图结构作为右侧各节点,将其中一个左侧节点与其中一个右侧节点之间的相似度作为其边值,采用km匹配算法进行匹配,得到该相邻两帧涂层灰度图像之间的对应层;
22、对于任意一个对应层,包括的两个层分别定义为第一层和第二层,将第一层中的各个类别作为左侧各节点,将第二层中的各个类别作为右侧各节点,将第一层和第二层对应的像素点的交集和并集的比值为第一层和第二层的边值,采用km匹配算法进行匹配,得到第一层和第二层之间的对应类别。
23、进一步地,相似度的获取过程,包括:
24、采用a*搜索算法得到左侧节点与右侧节点的编辑距离,将编辑距离进行负相关归一化,得到相似度。
25、进一步地,基于所述对应层和对应类别,获取所有帧涂层灰度图像对应的目标类别序列,包括:
26、任选第一帧涂层灰度图像中的其中一层,作为起始层,获取第二帧涂层灰度图像中的与所述起始层相对应的目标层;从第三帧涂层灰度图像开始,依次获取与前一帧涂层灰度图像相对应的目标层;得到从第一帧涂层灰度图像到最后一帧涂层灰度图像的目标对应层序列;
27、对于起始层中的各个类别中的任意一个类别,作为待分析类别,获取目标对应层序列中的第二帧涂层灰度图像的目标层中与该待分析类别相对应的目标类别;从第三帧涂层灰度图像开始,依次获取目标对应层序列中与前一帧涂层灰度图像的目标类别相对应的目标类别,得到与该待分析类别相对应的从第一帧涂层灰度图像到最后一帧涂层灰度图像的目标类别序列;
28、进而得到起始层中各个待分析类别相对应的目标类别序列。
29、进一步地,基于各帧涂层灰度图像的温度分布均匀性,以及所述目标类别序列所对应的类别综合差异,得到各个类别所对应的类别异常概率,包括:
30、对于任意一个待分析类别所对应的目标类别序列:
31、计算所有帧涂层灰度图像的温度分布均匀性的方差并归一化,得到温度变化波动程度;
32、对于任意一帧涂层灰度图像,采用如下计算公式计算得到该涂层灰度图像的异常程度:
33、
34、其中,表示第t帧涂层灰度图像的异常程度,表示第t帧涂层灰度图像的温度分布均匀性,e表示自然常数,表示第t帧涂层灰度图像的类别综合差异;所述类别综合差异的计算过程,包括:计算第t帧涂层灰度图像的目标类别与其他各帧涂层灰度图像的目标类别的交集和并集的比值,分别计算数值1与第t帧涂层灰度图像的目标类别与其他各帧涂层灰度图像的目标类别的交集和并集的比值的差值,将得到的差值相加作为第t帧涂层灰度图像的类别综合差异;
35、计算所有帧涂层灰度图像的异常程度的平均值,并与所述温度变化波动程度相乘,得到的乘积为该待分析类别所对应的类别异常概率。
36、进一步地,基于各个类别所对应的类别异常概率,获取涂层灰本文档来自技高网...
【技术保护点】
1.一种热喷涂超细粉末用等离子重熔监测方法,其特征在于,包括:
2.根据权利要求1所述的热喷涂超细粉末用等离子重熔监测方法,其特征在于,基于层次聚类树的层数、层次聚类树的像素点波动情况以及各层中每种类别的像素点特征,得到每帧涂层灰度图像的温度分布均匀性,包括:
3.根据权利要求2所述的热喷涂超细粉末用等离子重熔监测方法,其特征在于,层数特征值的获取过程,包括:
4.根据权利要求2所述的热喷涂超细粉末用等离子重熔监测方法,其特征在于,基于层数特征值和各层的层像素点特征,得到该帧涂层灰度图像的温度分布均匀性,包括:计算所有层的层像素点特征的平均值,得到层总像素点特征;
5.根据权利要求1所述的热喷涂超细粉末用等离子重熔监测方法,其特征在于,根据相邻帧涂层灰度图像的层次聚类树中的各层拓扑图结构之间的匹配情况,获取相邻帧涂层灰度图像的层次聚类树的对应层,进而获取对应层中的对应类别,包括:
6.根据权利要求5所述的热喷涂超细粉末用等离子重熔监测方法,其特征在于,相似度的获取过程,包括:
7.根据权利要求5所述的热喷涂超
8.根据权利要求1所述的热喷涂超细粉末用等离子重熔监测方法,其特征在于,基于各个类别所对应的类别异常概率,获取涂层灰度图像中的异常区域,包括:
9.一种热喷涂超细粉末用等离子重熔监测系统,其特征在于,包括:存储器及处理器;所述存储器与所述处理器连接;所述存储器,用于存储程序指令;所述处理器,用于在程序指令被执行时,实现权利要求1-8中任一项所述的热喷涂超细粉末用等离子重熔监测方法。
...【技术特征摘要】
1.一种热喷涂超细粉末用等离子重熔监测方法,其特征在于,包括:
2.根据权利要求1所述的热喷涂超细粉末用等离子重熔监测方法,其特征在于,基于层次聚类树的层数、层次聚类树的像素点波动情况以及各层中每种类别的像素点特征,得到每帧涂层灰度图像的温度分布均匀性,包括:
3.根据权利要求2所述的热喷涂超细粉末用等离子重熔监测方法,其特征在于,层数特征值的获取过程,包括:
4.根据权利要求2所述的热喷涂超细粉末用等离子重熔监测方法,其特征在于,基于层数特征值和各层的层像素点特征,得到该帧涂层灰度图像的温度分布均匀性,包括:计算所有层的层像素点特征的平均值,得到层总像素点特征;
5.根据权利要求1所述的热喷涂超细粉末用等离子重熔监测方法,其特征在于,根据相邻帧涂层灰度图像的层次聚类树中的各层拓扑图结构之间的匹配情况,...
【专利技术属性】
技术研发人员:陈松,荣震,徐世霖,霍建仁,滕鹏,
申请(专利权)人:中机凯博表面技术江苏有限公司,
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。