【技术实现步骤摘要】
本专利技术涉及焊接检测，具体为一种基于dicom图像焊接缺陷智能检测方法。
技术介绍
1、dcm文件是遵循dicom(dicom：digital imaging and communications inmedicine)，医疗数位影像传输协定标准的一种文件。而dicom标准支持的设备包括心电图、核磁共振成像、血管镜、超声心动图等多种医疗设备，因而dcm文件被广泛应用于医疗行业。但是dcm文件也是一种数位成像，并不是仅仅局限于医学领域，其本身只是一种特殊的图像文件，可以用来存储各种图像信息，且图片成像素质、清晰度较高。所以在工业焊接领域的零件图也往往保存为dcm格式。
2、dcmtk(dicomtoolkit)是由德国offis公司提供的开源项目，提供了实现dicom协议的一个平台。dcmtk提供了在各种操作系统平台下开发的可能版本使得用户可以根据自己的开发平台进行编译。利用dcmtk可以减少用户解析dicom协议的时间。目前医院信息系统、工业设备导出dcm图像系统等，通常都是建立在windows平台下，然而dcm格式文件不能被windows系统上的通用软件识别。因此基于windows平台开发一个处理dcm图像软件具有实用意义。
3、qt是一个跨平台的gui框架，可以在多个操作系统上运行，包括windows、linux和macos等。这意味着使用qt界面开发的深度学习应用可以在不同的操作系统上进行部署和运行，具有更广泛的适用性。
4、深度学习是机器学习的一个分支，它通过构建和训练多层神经网络模
5、yolov8是yolo系列中最新的目标检测模型，相比于同作者的yolov5s，yolov8算法更加快速和准确，能够适应各种非线性问题和复杂环境，所以本专利技术使用yolov8作为基础目标检测模型，用于检测焊接缺陷。
技术实现思路
1、本专利技术的目的在于提供一种基于dicom图像焊接缺陷智能检测方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于dicom图像焊接缺陷智能检测方法，本检测方法包括以下步骤：
3、s1、读取dicom图像并保存为jpg/bmp/png格式中的任意一种或一种以上；
4、s2、灰度显示；
5、s3、dicom图像缺陷智能识别。
6、作为本专利技术的进一步改进，所述步骤s3包括以下步骤：
7、a、图像预处理：用高斯滤波法进行平滑操作，均值为0的一维高斯函数g(x)为：
8、
9、均值为0的二维离散高斯函数g[i,j]为：
10、
11、计算高斯核，高斯核的计算通过二维高斯函数实现，公式如下：
12、
13、其中，e为常数，[i,j]是方框中心像素点的坐标，i为横坐标，j为纵坐标，为常系数，不影响最后的结果，(x,y)为掩膜内任一点的坐标，(ux,uy)为掩膜内中心点的坐标，在图像处理中认为是整数，σ是标准差，图像的高斯滤波需要用离散的模板，连续高斯分布经过采样，量化处理后，可以得到离散的模板且模板需要做归一化处理；
14、b、通过labelimg进行缺陷标注，生成json文件，通过脚本转换将json文件转换成yolo可识别的txt文档，内包含缺陷的类别和位置信息，最后为了加强模型的多尺度特征提取能力，将标注后的图片及txt文档进行整体数据增强；
15、c、将增强后的原数据集编辑成yolo的训练格式，并按照8：1：1的比例划分为训练集、验证集和测试集，最后设置完训练参数后进行模型训练，轮数为300轮；
16、d、验证集验证缺陷识别的效果，并进行参数的微调；
17、e、将best.pt权重文件模型导出为通用的onnx文件，并通过opencv的dnn库在界面中调用onnx文件，最后将检测功能集成在原qt界面上，验证软件是否能达到预期效果。
18、作为本专利技术的进一步改进，所述步骤d中缺陷识别的效果通过map指标判断训练结果是否已经达到最佳，公式为：
19、
20、其中n代表类别数量，api表示某一种类别的识别精度，map为所有类别平均精度的平均值表示预测真实正样本的准确率，反映了系统在所有类别上的预能力，可以更全面地评估系统的性能，n代表类别数量，api表示某一种类别的识别精度。
21、作为本专利技术的进一步改进，所述步骤s2中包括以下步骤：
22、f、创建按钮并在做二值化时引入随机数，对于所有值为x的像素，以x/256为概率将这些像素点点亮；
23、g、创建槽函数并用connect函数连接信号和槽函数。
24、作为本专利技术的进一步改进，所述步骤b中数据增强的方式包括有批量旋转、翻转、随机裁剪。
25、本专利技术还提供基于dicom图像焊接缺陷智能检测方法的软件，所述软件包括：
26、文件操作模块；
27、软件功能模块；
28、图像处理块。
29、作为本专利技术的进一步改进，所述文件操作模块用于图像识别与读取、文件批处理和另存。
30、作为本专利技术的进一步改进，所述软件功能模块用于双片叠加、像质计型号识别、图像翻转和黑度显示。
31、作为本专利技术的进一步改进，所述图像处理模块用于检测框坐标、缺陷识别、结果处理与导出和模型初始化并推理。
32、与现有技术相比，本专利技术的有益效果是：
33、1、本专利技术中解决了windows系统上的通用软件不能打开dcm格式图片的不足，且本专利技术利用dcmtk库处理dcm图片减少了用户解析dicom图片的时间，使得图像处理效率更高，更便捷；
34、2、本专利技术相比于传统视觉算法，使用深度学习算法，深度学习能够通过多层神经网络自动学习数据中的高级抽象特征，无需人工干预，更加快速、准确且泛化性强，同时也节省了人力资源，降低了成本；
35、3、本专利技术用qt，c++实现软件功能界面的基础上使用的基于yolov8的图像缺陷检测方法相比于python语言的可视化界面，qt界面执行效率更高，适合实际项目的软件部署，且能够实时、便捷、高效分析和处理缺陷图片，具有创新意义。
本文档来自技高网...【技术保护点】
1.一种基于DICOM图像焊接缺陷智能检测方法，其特征在于：本检测方法包括以下步骤：
2.根据权利要求1所述的基于DICOM图像焊接缺陷智能检测方法，其特征在于：所述步骤S3包括以下步骤：
3.根据权利要求2所述的基于DICOM图像焊接缺陷智能检测方法，其特征在于：所述步骤d中缺陷识别的效果通过Map指标判断训练结果是否已经达到最佳，公式为：
4.根据权利要求1所述的基于DICOM图像焊接缺陷智能检测方法，其特征在于：所述步骤S2中包括以下步骤：
5.根据权利要求2所述的基于DICOM图像焊接缺陷智能检测方法，其特征在于：所述步骤b中数据增强的方式包括有批量旋转、翻转、随机裁剪。
6.根据权利要求1-4任意一项所述的基于DICOM图像焊接缺陷智能检测方法的软件，其特征在于：所述软件包括：
7.根据权利要求5所述的基于DICOM图像焊接缺陷智能检测方法的软件，其特征在于：所述文件操作模块用于图像识别与读取、文件批处理和另存。
8.根据权利要求5所述的基于DICOM图像焊接缺陷智能检测方法的软件，其特
9.根据权利要求5所述的基于DICOM图像焊接缺陷智能检测方法的软件，其特征在于：所述图像处理模块用于检测框坐标、缺陷识别、结果处理与导出和模型初始化并推理。
...【技术特征摘要】
1.一种基于dicom图像焊接缺陷智能检测方法，其特征在于：本检测方法包括以下步骤：
2.根据权利要求1所述的基于dicom图像焊接缺陷智能检测方法，其特征在于：所述步骤s3包括以下步骤：
3.根据权利要求2所述的基于dicom图像焊接缺陷智能检测方法，其特征在于：所述步骤d中缺陷识别的效果通过map指标判断训练结果是否已经达到最佳，公式为：
4.根据权利要求1所述的基于dicom图像焊接缺陷智能检测方法，其特征在于：所述步骤s2中包括以下步骤：
5.根据权利要求2所述的基于dicom图像焊接缺陷智能检测方法，其特征在于：所述步骤b中数据增强的方式包括有批量旋转、翻...
【专利技术属性】
技术研发人员：杨宝林，门永林，张迪，王鑫，付浩，史晓东，尤君，胡冬明，卢之强，林森，刘晓军，
申请(专利权)人：中车南京浦镇车辆有限公司，
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。