[发明专利]基于图像处理技术的钢结构焊接裂纹缺陷检测方法

权利要求书

1.一种基于图像处理的钢结构焊接裂纹缺陷检测方法，其特征在于，包括：

采集焊缝表面图像并进行灰度化得到第一图像，对所述第一图像进行图像分割得到遮罩图像，所述遮罩图像中焊缝以外的背景部分像素值为0；

将所述遮罩图像与所述第一图像相乘得到第二图像，对所述第二图像进行边缘检测得到第一边缘图像，并对所述遮罩图像进行边缘检测得到第二边缘图像，将所述第一边缘图像与所述第二边缘图像作差获得第三图像；

利用所述第三图像中像素点的梯度幅值进行聚类获得多个类别，分别对各所述类别进行PCA，根据PCA结果以及类别中像素点梯度幅值的均值分别获得各所述类别的近圆边缘概率，并将所述近圆边缘概率小于预设第一阈值的所述类别保留；

分别将保留后各所述类别中相邻三个像素点划分至一组，并分别获得各组的维度值以分别获得各保留后类别的方向向量；

将方向向量的余弦相似度大于预设第二阈值的相邻类别合并，并将合并后的相邻类别作为新的类别，进行迭代直至合并完所有能够进行合并的类别，将得到的各类别作为焊缝区域，将所述焊缝区域在所述第二图像中对应位置从所述第二图像中剔除，得到包含各裂纹区域的第四图像；

根据各所述裂纹区域的平均灰度值以及所述第二图像的平均灰度值，分别获得各所述裂纹区域的差异程度，并根据历史数据库中不同实际深度对应的差异程度，分别确定各所述裂纹区域中裂纹的实际深度；

其中，各组的维度值的获得过程包括：所述相邻三个像素点分别为，，，其中点为三点中距离其他两点距离最大的点，所述维度值为：

其中，为水平方向上的单位向量，为由点指向点的向量，为由点指向点的向量；

其中，分别获得各保留后类别的方向向量，包括：将类别中各组的维度值按顺序排列，获得各类别对应的方向向量。

2.根据权利要求1所述的基于图像处理的钢结构焊接裂纹缺陷检测方法，其特征在于，根据PCA结果以及类别中像素点梯度幅值的均值分别获得各所述类别的近圆边缘概率，包括：

其中为第个所述类别的所述近圆边缘概率，为第个所述类别的PCA结果中水平投影的方差最大的主成分方向，为第个所述类别的PCA结果中水平投影的方差最小的主成分方向，为第个所述类别中像素点梯度幅值的均值。

3.根据权利要求1所述的基于图像处理的钢结构焊接裂纹缺陷检测方法，其特征在于，利用所述第三图像中像素点的梯度幅值进行聚类获得多个类别前，还包括：

从所述第三图像中连续分布的边缘像素点中选取梯度幅值最大的边缘像素点，将连续分布的边缘像素点中该像素点以外的边缘像素点剔除。

4.根据权利要求1所述的基于图像处理的钢结构焊接裂纹缺陷检测方法，其特征在于，所述聚类是通过DBSCAN算法实现的。

5.根据权利要求1所述的基于图像处理的钢结构焊接裂纹缺陷检测方法，其特征在于，对所述第一图像进行图像分割得到遮罩图像，是通过DNN实现的。

6.根据权利要求1所述的基于图像处理的钢结构焊接裂纹缺陷检测方法，其特征在于，所述历史数据库是通过对历史的差异程度以及裂纹的实际深度进行拟合建立的。

7.根据权利要求1所述的基于图像处理的钢结构焊接裂纹缺陷检测方法，其特征在于，所述方法还包括：对得到的各所述裂纹区域进行形态学闭运算。

8.根据权利要求1所述的基于图像处理的钢结构焊接裂纹缺陷检测方法，其特征在于，像素点的梯度幅值的获得过程包括：

利用Sobel算子获得像素点的水平梯度以及竖直梯度，像素点的梯度幅值，其中g表示梯度幅值，表示像素点的水平梯度，表示像素点的竖直梯度。

9.根据权利要求1所述的基于图像处理的钢结构焊接裂纹缺陷检测方法，其特征在于，对焊缝表面图像进行灰度化得到第一图像，包括：将焊缝表面图像中像素点在RGB三个通道中像素值的最大值，作为所述第一图像中的像素点的灰度值。