[发明专利]基于图像处理的机械零件应力腐蚀检测方法及系统

说明书

本发明涉及人工智能技术领域，具体涉及一种基于图像处理的机械零件应力腐蚀检测方法及系统。该方法包括：根据加权平均法得到机械零件的初始灰度图像，识别每个像素点的缺陷概率得到第一检测结果图像并提取其中不确定区域，将不确定区域自适应划分为多个第一区域；提取第一区域像素点的邻域特征值，根据加权平均法得到第二灰度图像；根据邻域特征值获取第二梯度，根据第二梯度获取与标准统计特征差异最小的最优统计特征，进一步获取最优系数；采用最优系数得到最优灰度图像，根据最优灰度图像获取最终检测结果图像。通过图像的特征增强，提高了对应力腐蚀区域检测的准确性，并且在提高检测准确度的同时也提升了检测效率。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于图像处理的机械零件应力腐蚀检测方法及系统。

背景技术

应力腐蚀是机械零件或构建在静应力和腐蚀的共同作用下产生的失效现象。一般应力腐蚀都属于脆性断裂，并且存在孕育期、扩展期和瞬断期三部分。为了防止应力腐蚀对机械零件的影响，保障机械零件作业的安全性，需要在孕育期或者扩展期及时的发现应力腐蚀缺陷。

目前针对应力腐蚀性能及开裂性能的测试可采用恒载荷裂纹试样方法，通过恒定载荷/位移的加载，跟踪裂纹缺口张开的位移变化，获得应力腐蚀裂纹的扩展速率，但该试样方法耗费时间长，通常要进行数周或者数月，仪器设备的占用率高，并且效率低下。

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图像处理的机械零件应力腐蚀检测方法及系统，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种基于图像处理的机械零件应力腐蚀检测方法，该方法包括以下步骤：

获取机械零件表面的初始RGB图像，根据加权平均法对所述初始RGB图像进行灰度化得到初始灰度图像，识别所述初始灰度图像中每个像素点的缺陷概率得到第一检测结果图像；根据所述缺陷概率将所述第一检测结果图像分为正常区域、缺陷区域以及不确定区域；

根据所述缺陷概率将所述不确定区域自适应划分为多个第一区域；在所述初始灰度图像中，提取所述第一区域的每个像素点的邻域特征值；

在所述初始RGB图像中提取与所述第一区域对应的第二RGB图像，根据加权平均法对所述第二RGB图像进行灰度化得到第二灰度图像；获取所述第二灰度图像中每个像素点的第一梯度，根据所述邻域特征值对所述第一梯度进行优化获取第二梯度，根据所述第二梯度获取统计特征；

获取所述缺陷区域的标准统计特征，获取与所述标准统计特征差异最小的最优统计特征，所述最优统计特征对应的所述加权平均法的系数为最优系数；

采用所述最优系数的加权平均法对所述第二RGB图像进行灰度化得到最优灰度图像，根据所述最优灰度图像获取第二检测结果图像，根据所述最优灰度图像以及所述缺陷区域中像素点的相似度获取第三检测结果图像，所述第二检测结果图像与所述第三检测结果图像的均值作为最终检测结果图像。

优选的，所述根据所述缺陷概率将所述第一检测结果图像分为正常区域、缺陷区域以及不确定区域的步骤，包括：

设定最小概率阈值与最大概率阈值；

当所述像素点的缺陷概率小于最小概率阈值时，将该像素点标记为正常点，所述正常点形成的区域为正常区域；

当所述像素点的缺陷概率大于最大概率阈值时，将该像素点标记为缺陷点，所述缺陷点形成的区域为缺陷区域；

当所述像素点的缺陷概率处于最小概率阈值与最大概率阈值之间时，将该像素点标记为不确定点，所述不确定点形成的区域为不确定区域。

优选的，所述根据所述缺陷概率将所述不确定区域自适应划分为多个第一区域的步骤，包括：