图像识别技术的螺栓裂缝识别系统分析.docxVIP

PAGE 1 PAGE 1 图像识别技术的螺栓裂缝识别系统分析  本文提出了一种基于图像识别技术的螺栓裂缝非接触识别技术。利用高精度工业相机对待检螺栓进行拍摄，然后采用细化、提高曝光度、图像分割等技术对拍摄到的图片进行处理，获取图像特征，最终达到识别裂缝的目的。试验表明，将图像识别技术应用于螺栓裂缝识别领域，可以大大简化识别步骤，提高识别精度，为螺栓裂缝检测供应了新的发展方向。  0引言  目前螺纹裂缝的主要识别方法是荧光探伤法和超声探伤法。荧光探伤是利用毛细管原理检测固体材料表面开口缺陷的一种常规无损检测方法。探伤时，先把渗透剂施加到已清洗洁净的零件表面，渗透液通过毛细作用渗入到表面开口缺陷中，然后对螺栓进行二次清洗，在黑暗环境下观看是否有裂缝。该方法是无损检测的一种常规方法，由于其检测灵敏度高，检测工艺简洁、牢靠，而被广泛采用。但由于是人工操作，这种方法存在工作效率低、人为因素导致漏检等问题；超声探伤法是通过放射声波短、穿透力强的超声波，在传播过程中遇不同介质的分界面产生反射、折射、绕射和波形转换来推断是否存在缺陷。这种方法具有探伤效率高、能检测出螺栓内部裂缝等优点，但在实际生产中，可能在超声波探伤回波中有假信号，造成误判。  基于以上原因，我们提出了一种新的螺栓裂缝检测方法——基于图像识别技术的螺栓裂缝识别技术。该技术是建立在全部的裂缝都会反映在螺栓表面的基础上，以图像识别技术为依据，通过对螺栓进行图像采集和分析的方法达到识别螺栓表面裂缝的目的。  1系统框架  为了验证基于图像识别技术的螺栓裂缝识别技术的可行性，我们搭建了螺栓裂缝检测试验系统。该系统主要由成像系统和图像处理系统组成。其中，成像系统是由照明系统和螺栓拍摄系统组成，图像处理系统是由图像分割系统和裂缝系别系统组成。如图1所示为螺栓裂缝检测试验系统结构框架图。  图1螺栓裂缝检测试验系统  首先，通过外部输送装置将待检螺栓送达检测位置，在光源辅助下，采用高精度面阵相机对螺栓120°的范围进行一次拍摄，将螺栓旋转120°，再进行拍摄，共进行三次，保证将螺栓的每个角度掩盖，完成图像采集。将采集到的图像传回处理器，对每幅图片进行去噪、细化等一系列预处理，然后采用水平集法对图像边缘进行检测，再结合人工智能数据库方法，消退边缘干扰，推断螺栓上是否存在裂缝。  2图像处理系统  2.1图像预处理  在图像预处理的过程中，我们主要采用包含滤镜功能的程序提高图片的曝光度，而滤镜功能的主要原理就是通过转变图像各像素的RGB值来图像颜色。  彩色图像是由三种主要颜色(Red、Green、Blue)来表示，每种颜色的变化区间是从0到255，将三种颜色组合起来，即可得到我们所看到的颜色。而提高曝光度的方法就是通过程序转变图像的颜色。  2.2图像识别  图像分割是图像处理和识别的关键步骤。其目的就是把图像中满意某一特性的区域从背景区域中提取出来，从而进行定性和定量分析。现有的图像分割方法主要分为基于区域、基于边缘、区域与边缘信息相结合、图谱引导、基于模糊集理论、基于神经网络等方法。  水平集法是当前图像分割的主要方法，于1988年首次提出。其基本思想是利用曲线演化理论，将演化的闭合曲线(或曲面)嵌入更高维函数中，建立曲线(或曲面)的能量函数，通过水平集函数的演化达到最小化能量函数的目的，最终将演化的闭合曲线(或曲面)逐步靠近图像中的目标。它以隐含的方式表示平面闭合曲线，避免了对平面闭合曲线演化过程的跟踪，将曲线演化过程转变为求解数值的偏微分方程问题。  用于掌握内外部能量权重，c1代表曲线内部区域的灰度均值，c2代表曲线外部区域的灰度均值，Lleageh(C)表示曲线C的长度。然后采用有限差分法离散该式，获取演化结果。  本文提出了一种基于图像识别技术的螺栓裂缝非接触识别技术。利用高精度工业相机对待检螺栓进行拍摄，然后采用细化、提高曝光度、图像分割等技术对拍摄到的图片进行处理，获取图像特征，最终达到识别裂缝的目的。试验表明，将图像识别技术应用于螺栓裂缝识别领域，可以大大简化识别步骤，提高识别精度，为螺栓裂缝检测供应了新的发展方向。  0引言  目前螺纹裂缝的主要识别方法是荧光探伤法和超声探伤法。荧光探伤是利用毛细管原理检测固体材料表面开口缺陷的一种常规无损检测方法。探伤时，先把渗透剂施加到已清洗洁净的零件表面，渗透液通过毛细作用渗入到表面开口缺陷中，然后对螺栓进行二次清洗，在黑暗环境下观看是否有裂缝。该方法是无损检测的一种常规方法，由于其检测灵敏度高，检测工艺简洁、牢靠，而被广泛采用。但由于是人工操作，这种方法存在工作效