[发明专利]碳纤维复合材料缺陷的检测方法及系统、存储介质

说明书

本申请公开了碳纤维复合材料缺陷的检测方法及系统、存储介质，通过深度学习卷积神经网络的方式构建一种碳纤维复合材料缺陷的检测模型，提高自动化程度，保障各类产品检测数据的完整性、规范性、历史性，实现对产品质量检查的全生命周期管理。另外，存储的检验数据和结果为质量分析和提高制造质量提供有效参考。

技术领域

本申请涉及缺陷检测领域，具体涉及一种碳纤维复合材料缺陷的检测方法及系统、存储介质。

背景技术

碳纤维复合材料是碳纤维增强碳基复合材料的简称。在密度、刚度、重量、疲劳特性等有严格要求的领域，以及在要求高温、化学稳定性高的场合，碳纤维复合材料都颇具优势。因此碳纤维复合材料在交通运输、宇航工业等方面得到广泛的应用。虽然碳纤维复合材料作为一种新兴材料已经得到广泛的应用，但是在生产过程中，由于工艺不稳定，夹杂、裂纹等缺陷无法完全避免，它的横向承载与抗剪能力较低，在冲击或疲劳等载荷的作用下极易发生损伤直至破坏。为保证复合材料的安全应用，复合材料的检测研究受到人们的广泛重视。现有多种方法可以用于碳纤维复合材料的检测，主要有红外热波检测、超声检测、渗透和层析检测、声发射检测及微波无损检测方法等，各种检测方法在其适用的领域发挥着各自的优势。

军用碳纤维复合材料装备(导弹发动机尾管、收敛环)多用X射线检测法进行无损检测。目前检验过程主要还是依赖于检验人员通过肉眼检测DR图像的方法。检验人员依靠检测经验，辨识产品缺陷，判断零件是否合格。目前工业DR图像缺陷检测主要以传统机器视觉方法为主，基本遵循着“手工设计特征+分类器”的思路，但也存在着复杂度高、鲁棒性不高、仅适用于特定的缺陷检测等问题。总体而言，该领域内检验方法和系统智能化和自动化程度不高，导致效率低、检测结果不精确等问题。

因此，本申请提出一种碳纤维复合材料缺陷的检测方法及系统、存储介质，以解决上述问题。

发明内容

本申请实施例提供一种碳纤维复合材料缺陷的检测方法，包括：样本获取步骤，获取多个碳纤维复合材料的DR图像训练样本；所述DR图像训练样本包括两个以上训练样本及至少一个测试样本；每一所述DR图像训练样本具有碳纤维复合材料的缺陷特征；样本预处理步骤，对所述DR图像训练样本进行图像滤波降噪、图像增强及格式转化处理以获得标准化DR图像数据；数据模型构建步骤，从所述标准化DR图像数据中提取缺陷特征，并根据所述训练样本的所述缺陷特征构建初级数据模型；数据模型优化步骤，进行若干次从所述标准化DR图像数据中提取缺陷特征，并根据所述训练样本的所述缺陷特征构建优化数据模型；以及数据模型检测步骤，通过所述优化数据模型获取并检测所述测试样本的碳纤维复合材料的缺陷特征，分割所述缺陷特征以及测量所述缺陷特征的面积和周长。

在一些实施例中，所述样本获取步骤，包括以下步骤：照射步骤，对所述多个碳纤维复合材料进行X光线照射；测量步骤，传感器感知测量所述X光线穿透所述多个碳纤维复合材料后的强度；获取步骤，根据测量的强度获取所述多个碳纤维复合材料的DR图像训练样本。

在一些实施例中，在样本预处理步骤中，所述图像滤波降噪处理包括中值滤波处理，以DR图像任一像素点为中心，其周围一定邻域范围内的所有像素点按顺序排列，以排序后的灰度中值来替代中心点像素值，依次以图像中的点为中心进行处理。

在一些实施例中，在样本预处理步骤中，所述图像增强处理包括使用正弦转换函数对DR图像表面进行非线性灰度变化的图像对比度增强处理，其灰度变换公式为：式中f(x,y)为DR图像中点(x,y)变换前的灰度值，g(x,y)为点(x,y)变换后的灰度值，a与b分别为DR图像变换前的最低灰度值与最高灰度值。

在一些实施例中，所述图像增强处理包括以下步骤：灰度化处理步骤，对所述DR图像进行灰度化处理；赋值步骤，设置两个不同的灰度初始值a与b，并对a与b分别赋值为所述DR图像的最低灰度值和最高灰度值；以及灰度变化步骤，将a与b带入所述灰度变化公式，对所述DR图像进行非线性灰度变化。