[发明专利]基于手机的AI智能识别缺陷的磁粉探伤系统及其方法

权利要求书

1.一种基于手机的AI智能识别缺陷的磁粉探伤方法，包括探伤仪设备，探伤仪设备通过无线传输模块连接有手机APP，所述手机APP连接无线网关，无线网关连接有云端服务器，云端服务器与手机APP连接实现数据通讯，所述探伤仪设备内设有主机控制模块，主机控制模块连接有核心数据处理模块，核心数据处理模块连接有摄像头模块，核心处理模块通过无线传输模块连接云端服务器和手机APP端，探伤仪设备通过摄像头模块对待测工件进行图像采集，经图像采集、图像预处理、图像特征提取和AI智能识别后识别待测工件是否存在缺陷，磁粉检测缺陷图自动上传到云端服务器，存储到云端服务器缺陷识别库，实现数据库自动学习功能；所述的主机控制模块还连接有升降压模块，升降压模块连接有励磁线圈模块；所述的无线网关内设有核心处理器，核心处理器通过射频电路连接天线，无线网关启动后发射信号，手机APP端搜索无线信号，连接实现手机APP端和无线网关连接，手机APP通过无线连接摄像头模块，获取摄像头模块拍摄的画面，成像到手机组件；其特征在于：所述的方法包括以下步骤：

步骤1：手机终端连接无线网关；

步骤2：通过网关信号连接探伤仪设备检测摄像头模块；

步骤3：图像获取，探伤仪设备采集待测工件的图像，并投影到手机APP；

步骤4：图像采集，手机终端获取到探伤仪设备回传的拍照指令或者手动点击拍照后截取手机屏幕；

步骤5：图像上传，经过上述图像处理后将图片上传到云端服务器，云端做进一步处理增加准确性；

步骤6：缺陷识别，通过AI智能识别将提取的特征与数据库中的数据进行比较，给出特征的置信度，并根据得出的置信度进行求和得出待测工件的置信度，当待测工件的置信度大于设定的阈值时，认定待测工件的缺陷存在；

步骤7：当图片上传成功后，电脑端通过AI智能识别后认定图片存在缺陷后自动存储到数据库，并将结果反馈给手机APP；

所述的步骤5中电脑端程序接收到图像后，调起图像处理，具体如下：对图像进行滤波处理后进行灰度值拉伸然后对图像进行区域分割，提取特征值；对分割处理后的图像区域逐个进行局部二值化操作，对二值化后的图像进行过滤，滤除由于喷洒磁粉而在工件表面形成的磁粉斑点，保留可以磁痕区域作为对比区域；然后对可疑伤痕使用索贝尔算子进行边缘检测并提取其梯度特征，包括可疑伤痕的边界长度、梯度均值、梯度最大值、梯度最小值及梯度差；

所述的索贝尔算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，分别得出横向及纵向的亮度差分近似值，其公式如下:

其中：A代表原始图像，Gx及Gy分别代表横向及纵向边缘检测的图像；

图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小；

然后用以下公式计算梯度方向，

角度θ等于零时，即代表图像该处拥有纵向边缘，左方较右方暗，将上述步骤中提取的伤痕梯度特征形成特征向量，使用BP神经网络分析对特征向量做出识别，判定可疑伤痕区域中疑似伤痕的真伪；

所述的BP神经网络使用经典的三层网络：输入层，选取分割图特征值数据，作为输入层的输入数据，输入向量＝(x₁+x₂+x₃+…+x₆)，然后进行统一的变换处理，以使输入的目标值在区间[0,1]中，对数据进行归一化处理，公式如下：

隐含层个数由经验公式推导，即其中n₁为隐含层个数，n为输入层个数，m为输出层个数，a为[1,10]之间的常数，即隐含层个数最大为12，传递函数应用的是非线性函数logsig()，其中计算出0到1之间的输出，其中，BP神经网络输入节点由x_i表示，而隐含层节点由y_j表示，输出节点由o_l表示，w_ij为输入节点和隐藏节点网络权值，T_j为隐藏层节点和输出节点网络权值；

隐含层，对于隐含层节点的个数的设置，先设置多个节点，再进行不断的训练，通过误差分析来逐步增减隐含层的神经元数目，直至得到满意的性能，计算公式如下：

w_ij表示节点i和节点j之间的权值，首先随机化权值的大小，取(-1，1)之间的随机数，通过训练调整权值的大小；

输出层，输出层节点数为标签个数，神经元的传递函数用非线性变换函数Sigmoid函数，计算公式如下：

通过函数S(x)的计算，得出输出节点的值，数值为[0,1]之间的数，通过概率的大小对识别结果进行判断，数值越大，缺陷概率就越大；根据置信度和设定的阈值对比来确定在测图像是否为缺陷图像，当各分识别器中有1/5存在判断为真的缺陷图像时，就判断此帧图像为缺陷图像；最后将图像集合发送给客户端进行保存和报警。