一種磁粉檢測缺陷自動識別方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種磁粉檢測缺陷自動識別方法，待測工件經(jīng)圖像采集、圖像預(yù)處理、圖像特征提取、缺陷識別等識別工件是否存在缺陷。本發(fā)明還公開了一種磁粉檢測缺陷自動識別系統(tǒng)。本發(fā)明提供的磁粉檢測缺陷自動識別技術(shù)方案，通過采集的圖像，結(jié)合判別工件的材料類型、加工工藝、磁粉檢測過程特征等背景知識，以及磁粉探傷人員的豐富的經(jīng)驗，提高工件識別率和判別精確度。
【專利說明】—種磁粉檢測缺陷自動識別方法及系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于無損探傷的磁粉檢測領(lǐng)域，具體涉及一種磁粉檢測缺陷自動識別方法及系統(tǒng)。
【背景技術(shù)】
[0002]磁粉檢測是無損檢測五大常規(guī)方法之一，是鐵磁性材料表面缺陷檢測中用得最多、最成熟的方法，磁粉探傷技術(shù)自誕生以來已經(jīng)有八十余年的歷史。隨著磁化技術(shù)的不斷完善與成熟，以及計算機的快速普及使用，使得磁粉探傷應(yīng)用技術(shù)也得到了不斷地發(fā)展與進步，在檢測靈敏度與精度等方面得到了顯著的提升。但是現(xiàn)行使用的大部分磁粉探傷設(shè)備卻始終沿用檢測結(jié)果由現(xiàn)場操作人員對磁化零件采用人工觀察的方法進行零件缺陷有無的識別判斷。這一過程存在著如下缺點:檢測速度慢，工作效率低，對操作人員而言工作內(nèi)容單調(diào)重復(fù)，導(dǎo)致漏檢率高；熒光磁粉探傷工作現(xiàn)場紫外光較強對長時間工作的人員容易造成比較嚴重的身體傷害；并且不利于信息管理。所以對零件缺陷有無的判別急需要進行智能化改進。
[0003]近幾年隨著圖像處理技術(shù)的發(fā)展，出現(xiàn)了用數(shù)碼相機對工件進行拍照，然后采用圖像處理的技術(shù)對照片進行處理和進行缺陷有無的判別，但是效果多不太好，目前市場上尚無成熟的產(chǎn)品推出。
[0004]國內(nèi)研究熒光磁粉自動識別系統(tǒng)的單位不少，比如北京工業(yè)大學(xué)研制的熒光磁粉自動識別系統(tǒng)具備圖像采集、平滑、增強、顯示等模塊；南京理工大學(xué)常熟研究院有限公司的施光瑩和李千目的專利“基于圖像處理的磁粉探傷缺陷智能識別檢測系統(tǒng)”等。但是他們的研究方法基本都是局限于傳統(tǒng)的圖像處理技術(shù)，沒有結(jié)合具體的磁粉檢測工藝進行研究，這樣就很難將圖像處理的技術(shù)充分地與磁粉檢測結(jié)合起來，也很難適應(yīng)磁粉檢測中的復(fù)雜性。
[0005]國外的磁粉檢測自動識別系統(tǒng)基本是針對一種特定的工件進行的。俄羅斯研制的一種便攜式熒光磁粉探傷設(shè)備只是半自動磁粉探傷機的縮小版本，還不能完成自動識別；德國研制出了用于汽車制造領(lǐng)域的磁粉探傷設(shè)備，但其也只可以完成對2_以上傷痕的判斷識別；日木的水野正志等人采用工業(yè)攝像與圖像增強等技術(shù)手段針對鋼坯半成品以及鋼管成品的表面與近表面質(zhì)量需求，設(shè)計開發(fā)出了滿足這兩種零件質(zhì)量檢測需求的磁粉探傷裝置，其缺陷識別精度可以顯示出一定程度的裂紋。
[0006]由此可以看出目前的磁粉檢測自動識別系統(tǒng)基本是基于圖像處理的傳統(tǒng)技術(shù)進行的，而這難以適應(yīng)磁粉檢測領(lǐng)域工藝的復(fù)雜性，對偽裂紋和非相關(guān)顯示的識別很困難，也很難適應(yīng)工件的多樣性，工作環(huán)境的復(fù)雜性以及對檢測精度的要求的。
[0007]一般磁粉檢測缺陷圖像自動識別系統(tǒng)主要由以下部分組成:圖像采集，圖像預(yù)處理、特征提取、缺陷識別、數(shù)據(jù)存儲。用攝像頭對現(xiàn)場圖像采集后通過圖像平滑，銳化，增強等方法對圖像進行預(yù)處理，改善原始圖像質(zhì)量以便于后期特征提取進行缺陷的識別，這樣實際上并沒有將傳統(tǒng)的磁粉檢測技術(shù)充分地與圖像處理技術(shù)融合到一起，并且也沒有把專業(yè)的磁粉探傷工作人員在工作中所運用的經(jīng)驗和背景知識融入到智能判別系統(tǒng)中，這就是目前一般系統(tǒng)的缺陷。

【發(fā)明內(nèi)容】

[0008]本發(fā)明的目的在于針對上述現(xiàn)有技術(shù)的不足，提供一種基于機器學(xué)習(xí)的磁粉檢測缺陷自動識別方法，結(jié)合磁粉探傷人員在進行裂紋缺陷工件判別時的豐富的經(jīng)驗和背景知識，提高識別率和判別精確度。
[0009]本發(fā)明還提供了一種基于機器學(xué)習(xí)的磁粉檢測缺陷自動識別系統(tǒng)，
[0010]為達到上述目的，本發(fā)明采取的技術(shù)方案是:提供一種磁粉檢測缺陷自動識別方法，其特征在于，包括以下步驟:
[0011]圖像采集，采集待測工件的圖像；
[0012]圖像預(yù)處理，對采集的待測工件的圖像進行預(yù)處理，分成背景部分、缺陷相關(guān)部分和缺陷非相關(guān)部分，并減弱背景的影響；
[0013]圖像特征提取，利用圖像特征提取方法從預(yù)處理過的圖像中提取高亮區(qū)域的特征；所述特征包括高亮區(qū)域的圓形度、長寬比和輪廓；
[0014]缺陷識別，將提取的特征與樣品訓(xùn)練數(shù)據(jù)庫中的數(shù)據(jù)進行比較，給出特征的置信度，并根據(jù)得出的置信度進行求和得出待測工件的置信度；通過機器學(xué)習(xí)算法對特征的置信度進行求和得出待測工件的置信度；進一步地，可以通過及其學(xué)習(xí)算法中的支持向量機算法對特征的置信度進行求和得出待測工件的置信度。
[0015]當(dāng)待測工件的置信度大于設(shè)定的閾值時，認定待測工件的缺陷存在；當(dāng)待測工件的置信度不大于設(shè)定的閾值時，認定檢測失??；
[0016]該磁粉檢測缺陷自動識別方法進一步包括機器學(xué)習(xí)反饋步驟:
[0017]當(dāng)待測工件的置信度大于設(shè)定的閾值時，認定待測工件的缺陷存在，并將采集的圖像信息和判定結(jié)果補充到樣品訓(xùn)練數(shù)據(jù)庫中；
[0018]當(dāng)待測工件的置信度不大于設(shè)定的閾值，認定檢測失敗時，采集人工對待測工件缺陷的判定信息并補充到樣品訓(xùn)練數(shù)據(jù)庫中。
[0019]本發(fā)明還提供了一種磁粉檢測缺陷自動識別系統(tǒng)，包括圖像采集模塊、圖像預(yù)處理模塊、圖像特征提取模塊、缺陷識別模塊和樣品訓(xùn)練數(shù)據(jù)庫；
[0020]圖像采集模塊，用于采集待測工件的圖像；
[0021]圖像預(yù)處理模塊，用于對采集的待測工件的圖像進行預(yù)處理，并減弱背景的影響；
[0022]圖像特征提取模塊，用于從預(yù)處理過的圖像中提取特征；
[0023]缺陷識別模塊，用于將提取的特征與樣品訓(xùn)練數(shù)據(jù)庫中的數(shù)據(jù)進行比較，給出特征的置信度，并根據(jù)得出的置信度進行求和得出待測工件的置信度；當(dāng)待測工件的置信度大于設(shè)定的閾值時，認定待測工件的缺陷存在；當(dāng)待測工件的置信度不大于設(shè)定的閾值時，認定檢測失??；
[0024]樣品訓(xùn)練數(shù)據(jù)庫，用于存儲多種由缺陷工件的圖像、加工材料和加工方法組成的數(shù)據(jù)文件。
[0025]磁粉檢測缺陷自動識別系統(tǒng)進一步包括機器學(xué)習(xí)反饋模塊:[0026]當(dāng)待測工件的置信度大于設(shè)定的閾值時，認定待測工件的缺陷存在，并將采集的圖像信息和判定結(jié)果補充到樣品訓(xùn)練數(shù)據(jù)庫中；
[0027]當(dāng)待測工件的置信度不大于設(shè)定的閾值，認定檢測失敗時，采集人工對待測工件缺陷的判定信息并補充到樣品訓(xùn)練數(shù)據(jù)庫中。
[0028]本發(fā)明提供的磁粉檢測缺陷自動識別技術(shù)方案，通過采集的圖像，結(jié)合判別工件的材料類型、加工工藝、磁粉檢測過程特征等背景知識，以及磁粉探傷人員的豐富的經(jīng)驗，提高工件識別率和判別精確度。
【專利附圖】

【附圖說明】
[0029]此處所說明的附圖用來提供對本申請的進一步理解，構(gòu)成本申請的一部分，本申請的示意性實施例及其說明用于解釋本申請，并構(gòu)成對本申請的不當(dāng)限定。在附圖中:
[0030]圖1示意性地示出了根據(jù)本申請一個實施例的磁粉檢測缺陷自動識別方法的流程圖。
[0031]圖2示意性地示出了根據(jù)本申請一個實施例的磁粉檢測缺陷自動識別系統(tǒng)的示意圖。
[0032]在這些附圖中，使用相同的參考標(biāo)號來表示相同或相似的部分。
【具體實施方式】
[0033]為使本申請的目的、技術(shù)方案和優(yōu)點更加清楚，以下結(jié)合附圖及具體實施例，對本申請作進一步地詳細說明。
[0034]在以下描述中，對“ 一個實施例”、“實施例”、“ 一個示例”、“示例”等等的引用表明如此描述的實施例或示例可以包括特定特征、結(jié)構(gòu)、特性、性質(zhì)、元素或限度，但并非每個實施例或示例都必然包括特定特征、結(jié)構(gòu)、特性、性質(zhì)、元素或限度。另外，重復(fù)使用短語“根據(jù)本申請的一個實施例”雖然有可能是指代相同實施例，但并非必然指代相同的實施例。
[0035]為簡單起見，以下描述中省略了本領(lǐng)域技術(shù)人員公知的某些技術(shù)特征。
[0036]本發(fā)明提供了一種磁粉檢測缺陷自動識別方法。
[0037]圖1示意性地示出了根據(jù)本申請一個實施例的磁粉檢測缺陷自動識別方法的流程圖。該磁粉檢測缺陷自動識別方法包括步驟101-108。
[0038]在步驟101中，圖像采集，采集待測工件的圖像。
[0039]對于需要檢測缺陷的待測工件，采用相機并通過對相機參數(shù)的調(diào)整和設(shè)置，獲取高質(zhì)量的圖像。
[0040]在步驟102中，圖像預(yù)處理，對采集的待測工件的圖像進行預(yù)處理，分成背景部分和工件部分，并減弱背景的影響，以及光照、圖像采集過程中產(chǎn)生的噪聲等非相關(guān)因素的影響。上述背景部分是指圖像中待測工件以外的部分。
[0041]在該步驟中，還要進一步判斷預(yù)處理后的圖像中是否存在高亮區(qū)域，如果不存在高亮區(qū)域即可認為該待測工件沒有缺陷，任務(wù)完成，結(jié)束。否則將可能存在缺陷，并將可能存在缺陷的位置定位在高亮區(qū)域。
[0042]在步驟103中，圖像特征提取，利用圖像特征提取方法從預(yù)處理過的圖像中提取聞売區(qū)域的特征。[0043]可以利用現(xiàn)有的各種圖像特征提取方法(如主成分分析PCA、線性判別分析LDA、局部保留映射LPP等)從預(yù)處理過的圖像中提取特征。該特征包括高亮區(qū)域的圓形度、長寬比和輪廓等。
[0044]在步驟104中，缺陷識別，將提取的特征與樣品訓(xùn)練數(shù)據(jù)庫中的數(shù)據(jù)進行比較，給出特征的置信度，并根據(jù)得出的置信度進行求和得出待測工件的置信度。
[0045]可以通過機器學(xué)習(xí)算法對特征的置信度進行求和得出待測工件的置信度。機器學(xué)習(xí)算法包括支持向量機(SVM)算法、C4.5算法、Kmeans algorithm算法、Apriori算法、最大期望(EM)算法、Adaboost算法、CART分類與回歸樹、樸素貝葉斯分類算法和K最近鄰(K-nearest neighbor classtification)分類算法。
[0046]以支持向量機(SVM)算法為例，對特征的置信度進行求和得出待測工件的置信度。
[0047]支持向量機算法的判別函數(shù)為
【權(quán)利要求】
1.一種磁粉檢測缺陷自動識別方法，其特征在于，包括以下步驟: 圖像采集，采集待測工件的圖像； 圖像預(yù)處理，對采集的待測工件的圖像進行預(yù)處理，并減弱背景的影響； 圖像特征提取，利用圖像特征提取方法從預(yù)處理過的圖像中提取高亮區(qū)域的特征； 缺陷識別，將提取的特征與樣品訓(xùn)練數(shù)據(jù)庫中的數(shù)據(jù)進行比較，給出特征的置信度，并根據(jù)得出的置信度進行求和得出待測工件的置信度；當(dāng)待測工件的置信度大于設(shè)定的閾值時，認定待測工件的缺陷存在；當(dāng)待測工件的置信度不大于設(shè)定的閾值時，認定檢測失敗。
2.根據(jù)權(quán)利要求1所述的磁粉檢測缺陷自動識別方法，其特征在于，進一步包括機器學(xué)習(xí)反饋步驟: 當(dāng)待測工件的置信度大于設(shè)定的閾值時，認定待測工件的缺陷存在，并將采集的圖像信息和判定結(jié)果補充到樣品訓(xùn)練數(shù)據(jù)庫中； 當(dāng)待測工件的置信度不大于設(shè)定的閾值，認定檢測失敗時，采集人工對待測工件缺陷的判定信息并補充到樣品訓(xùn)練數(shù)據(jù)庫中。
3.根據(jù)權(quán)利要求1所述的磁粉檢測缺陷自動識別方法，其特征在于，所述特征包括高亮區(qū)域的圓形度、長寬比和輪廓。
4.根據(jù)權(quán)利要求1所述的磁粉檢測缺陷自動識別方法，其特征在于，缺陷識別步驟中，通過機器學(xué)習(xí)算法對特征的置信度進行求和得出待測工件的置信度。
5.根據(jù)權(quán)利要求4所述的磁粉檢測缺陷自動識別方法，其特征在于，缺陷識別步驟中，通過支持向量機算法對特征的置信度進行求和得出待測工件的置信度。
6.一種磁粉檢測缺陷自動識別系統(tǒng)，其特征在于，包括圖像采集模塊、圖像預(yù)處理模塊、圖像特征提取模塊、缺陷識別模塊和樣品訓(xùn)練數(shù)據(jù)庫； 圖像采集模塊，用于采集待測工件的圖像； 圖像預(yù)處理模塊，用于對采集的待測工件的圖像進行預(yù)處理，并減弱光照和背景的影響； 圖像特征提取模塊，用于從預(yù)處理過的圖像中提取特征； 缺陷識別模塊，用于將提取的特征與樣品訓(xùn)練數(shù)據(jù)庫中的數(shù)據(jù)進行比較，給出特征的置信度，并根據(jù)得出的置信度進行求和得出待測工件的置信度；當(dāng)待測工件的置信度大于設(shè)定的閾值時，認定待測工件的缺陷存在；當(dāng)待測工件的置信度不大于設(shè)定的閾值時，認定檢測失??； 樣品訓(xùn)練數(shù)據(jù)庫，用于存儲多種由缺陷工件的圖像、加工材料和加工方法組成的數(shù)據(jù)文件。
7.根據(jù)權(quán)利要求6所述的磁粉檢測缺陷自動識別系統(tǒng)，其特征在于，進一步包括機器學(xué)習(xí)反饋模塊: 當(dāng)待測工件的置信度大于設(shè)定的閾值時，認定待測工件的缺陷存在，并將采集的圖像信息和判定結(jié)果補充到樣品訓(xùn)練數(shù)據(jù)庫中； 當(dāng)待測工件的置信度不大于設(shè)定的閾值，認定檢測失敗時，采集人工對待測工件缺陷的判定信息并補充到樣品訓(xùn)練數(shù)據(jù)庫中。
【文檔編號】G06K9/62GK103984951SQ201410168454
【公開日】2014年8月13日 申請日期:2014年4月25日 優(yōu)先權(quán)日:2014年4月25日
【發(fā)明者】張華 , 李遠江, 陸鵬, 張靜, 劉滿祿, 史晉芳, 劉桂華, 梁峰 申請人:西南科技大學(xué)