[发明专利]一种基于人工智能的机械零件损伤检测方法及系统

说明书

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的机械零件损伤检测方法及系统。该方法包括：对零件表面图像进行边缘检测，获得裂纹边缘。将裂纹边缘细化，获得细化边缘。通过细化边缘的端点和交叉点将细化边缘分段，获得细化裂纹段以及对应在裂纹段上的裂纹段边缘。通过裂纹段边缘的宽度筛选出主干裂纹段和分支裂纹段。根据主干裂纹段和分支裂纹段的长度和宽度获得第一零件损伤程度。连接分支裂纹段的中心点和主干裂纹段的中心点，获得裂纹向量。根据裂纹向量获得裂纹分散信息和裂纹扩展信息，根据裂纹分散信息和裂纹扩展信息获得第二零件损伤程度。本发明全面的判断了零件损伤情况，提高了检测准确性。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的机械零件损伤检测方法及系统。

背景技术

机械设备零件在应力和腐蚀介质的联合作用下，将出现低于材料强度极限的脆性开裂现象，这种现象称为应力腐蚀开裂。裂纹的出现会降低结构系统的安全性,甚至导致整个零件的失效。因此，需要对零件表面的应力腐蚀裂纹进行检测，并获得其对零件表面的损伤程度，据此确定对机械零件的后续处理操作。

在现有技术中，可利用机器视觉技术，通过机械零件的表面图像获得零件的损伤信息。因为裂纹的形成无规律，在损伤过程中在主干裂纹上会出现很多发散的分支裂纹。因为裂纹信息丰富，因此如果不能考虑整体的裂纹状态和裂纹分布，会降低损伤检测的可靠性和准确性。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的机械零件损伤检测方法及系统，所采用的技术方案具体如下：

本发明提出了一种基于人工智能的机械零件损伤检测方法，所述方法包括

获取零件表面图像；对所述零件表面图像进行边缘检测，获得裂纹边缘；

将所述裂纹边缘细化，获得细化边缘；获取所述细化边缘的端点和交叉点；根据所述端点和所述交叉点将所述细化边缘分段，获得细化裂纹段；根据所述细化裂纹段获得所述裂纹边缘上对应的裂纹段边缘；根据所述裂纹段边缘的宽度筛选出主干裂纹段和分支裂纹段；

根据所述主干裂纹段和所述分支裂纹段的长度和宽度获得第一零件损伤程度；

连接所述分支裂纹段的中心点和所述主干裂纹段的中心点，获得裂纹向量；一个所述分支裂纹段对应多个所述裂纹向量；根据所述裂纹向量的角度信息获得裂纹分散信息；根据所述裂纹向量的长度获得裂纹扩展信息；根据所述裂纹分散信息和所述裂纹扩展信息获得第二零件损伤程度；

根据所述第一零件损伤程度和所述第二零件损伤程度判断零件损伤情况。

进一步地，所述获取所述细化边缘的端点和交叉点包括：

检测所述细化边缘中每个像素点的相邻像素点数量；若所述相邻像素点数量为一，则对应的像素点为所述端点；若所述相邻像素点数量大于等于三，则对应的像素点为所述交叉点。

进一步地，所述根据所述细化裂纹段获得所述零件边缘上对应的裂纹段边缘包括：

将所述细化裂纹段与所述零件边缘相减，获得差异像素点；获取所述差异像素点与所述细化裂纹段的距离；将所述距离最小的所述差异像素点和所述细化裂纹段作为同类裂纹段像素，所述同类裂纹段像素组成所述裂纹段边缘。

进一步地，所述根据所述裂纹段边缘的宽度筛选出主干裂纹段和分支裂纹段包括：

获得所述裂纹段边缘的平均宽度；以所述平均宽度最大的所述裂纹段边缘作为主干裂纹段；以与所述主干裂纹段相交的所述裂纹段边缘作为相关裂纹段；获得所述相关裂纹段和所述主干裂纹段平均宽度的差异；若所述差异大于预设宽度阈值，则对应的所述相关裂纹段为所述分支裂纹段；反之，则对应的所述相关裂纹段为所述主干裂纹段。