[发明专利]基于人工智能的机械零件腐蚀裂纹检测方法

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腐蚀裂纹检测方法。该方法采集机械零件的裂纹缺陷图像以得到裂纹缺陷区域，对裂纹缺陷区域中的裂纹进行细化操作得到细化图像；根据裂纹的连续性获取细化图像中的裂纹端点，基于裂纹端点的扩展区域对细化图像中的中断裂纹进行修复；利用裂纹的分支特点获取修复后裂纹的多个裂纹段，根据裂纹段的长度和角度得到裂纹缺陷对机械零件的损伤程度，以通过损伤程度采取相应的措施。根据裂纹的连续性和分支特点对中断裂纹进行修复，通过对修复后的裂纹进行分析以得到其对机械零件的损伤程度，使得检测结果更加准确和合理，降低检测误差。

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腐蚀裂纹检测方法。

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。

现今主流的裂纹测量方法主要包括电位法和柔度法。电位法基于金属构件的导电性来测量裂纹；柔度法是利用裂纹张开位移间接测量裂纹长度，利用公式计算，但计算公式中涉及的变量较多，它们的误差将直接影响柔度法的测量精度。

除此之外，还可利用计算机视觉技术，通过机械零件的缺陷图像获得零件的损伤信息：利用标尺和工业相机对裂纹扩展过程进行图像采集，经过图像处理后，将裂纹尖端图像转换成坐标，最后经过计算机处理，转换成裂纹扩展长度，避免其他因素造成的检测精度减低，实现对裂纹扩展长度的无接触测量。

但是由于应力腐蚀裂纹存在较多分支裂纹，部分分支裂纹的宽度较细，且图像采集和图像处理存在一定的限制性和处理误差，因此，处理后的细化图像中的分支裂纹可能存在像素点不连续的情况，导致同一支的分支裂纹产生中断，影响后续分析的准确性和合理性。

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腐蚀裂纹检测方法，所采用的技术方案具体如下：

本发明实施例提供了一种基于人工智能的机械零件腐蚀裂纹检测方法，该方法包括以下具体步骤：

采集机械零件的裂纹缺陷图像以得到裂纹缺陷区域，对所述裂纹缺陷区域中的裂纹进行细化操作得到细化图像；

根据裂纹的连续性获取所述细化图像中的裂纹端点；获取每个所述裂纹端点对应的第一扩展区域，根据所述第一扩展区域中像素点的复杂程度自适应缩小每个所述裂纹端点的所述第一扩展区域得到第二扩展区域，由所述第二扩展区域中的像素点进行所述细化图像中的中断裂纹修复；

利用裂纹的分支特点获取修复后裂纹的多个裂纹段，根据所述裂纹段的长度和角度得到裂纹缺陷对所述机械零件的损伤程度，以通过所述损伤程度采取相应的措施；所述角度是指所述裂纹段与图像坐标系中横轴之间的夹角。

优选的，所述获取每个所述裂纹端点对应的第一扩展区域的方法，包括：

根据所有所述裂纹端点对应的所述裂纹段，计算所述裂纹段对应长度的平均长度；

以所述平均长度为半径、所述裂纹端点为圆心获取由预设角度为中心角所形成的扇形区域，将所述扇形区域作为所述第一扩展区域。

优选的，所述根据所述第一扩展区域中像素点的复杂程度自适应缩小每个所述裂纹端点的所述第一扩展区域得到第二扩展区域的方法，包括：

统计所述第一扩展区域中缺陷像素点的第一数量和所述缺陷像素点所属所述裂纹段的第二数量；

由所述第一数量和所述第二数量得到所述第一扩展区域的所述复杂程度；