[发明专利]核电厂安全壳外表面缺陷自动识别方法和装置在审

专利信息
申请号: 202210248899.3 申请日: 2022-03-14
公开(公告)号: CN114627075A 公开(公告)日: 2022-06-14
发明(设计)人: 易珂;赵侠;赵思桥;刘家豪 申请(专利权)人: 中国核电工程有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/73;G06T7/13;G06T5/00
代理公司: 北京天昊联合知识产权代理有限公司 11112 代理人: 罗建民;邓伯英
地址: 100840 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 核电厂 安全 外表 缺陷 自动识别 方法 装置
【权利要求书】:

1.一种核电厂安全壳外表面缺陷自动识别方法,其特征在于,所述方法包括:

获取安全壳外表面的待检测图像;

对所述待检测图像进行处理,以获得所述安全壳外表面的阴影去除图像;

对所述阴影去除图像中的缺陷特征进行增强,并获得缺陷特征增强的局部图像;

识别所述局部图像中的缺陷像素点,并根据每个缺陷像素点的位置绘制获得缺陷像素点坐标图;

根据所述缺陷像素点坐标图,获得所述安全壳外表面的缺陷的识别结果。

2.根据权利要求1所述的方法,其特征在于,所述获取安全壳外表面的待检测图像,具体包括:

将所述安全壳外表面划分为多个区域;

对所述多个区域分别进行遥感拍摄以获得多个遥感图像;

将多个遥感图像按照同一尺寸比例进行拼接,以获得所述安全壳外表面待检测区域的整体拼接图像;

对所述整体拼接图像进行灰度化处理,以获得所述安全壳外表面的待检测图像。

3.根据权利要求1或2所述的方法,其特征在于,所述对所述待检测图像进行处理,以获得所述安全壳外表面的阴影去除图像,具体包括:

采用基于选定尺寸的像素窗口的最小最大滤波法对所述待检测图像进行滤波,以获得所述安全壳外表面的阴影去除图像;

所述对所述阴影去除图像中的缺陷特征进行增强,并获得缺陷特征增强的局部图像,具体包括:

采用边缘检测算法对所述阴影去除图像进行边缘检测和增强,以获得包含表征缺陷特征的图像边缘的边缘增强图像;

截取所述边缘增强图像中的每一图像边缘所在的局部图像,以获得若干所述缺陷特征增强的局部图像;

所述识别所述局部图像中的缺陷像素点,并根据每个缺陷像素点的位置绘制获得缺陷像素点坐标图,具体包括:

采用角点检测算法检测每一局部图像中的角点,并将所述角点作为所述缺陷像素点;

建立与每一局部图像比例一致的坐标图,并将所述缺陷像素点按照其在相应局部图像中的位置绘制在该坐标图中,以获得所述缺陷像素点坐标图。

4.根据权利要求3所述的方法,其特征在于,所述采用基于选定尺寸的像素窗口的最小最大滤波法对所述待检测图像进行滤波之前,所述方法还包括:

基于所述待检测图像基础像素,预设若干不同尺寸的像素窗口;

对所述安全壳外表面进行首次缺陷自动识别时,分别选择基于不同预设尺寸的像素窗口的最小最大滤波法对首次获得的待检测图像进行滤波;

将滤波后满足预设阴影去除效果处理要求的最大预设尺寸的像素窗口确定为选定尺寸的像素窗口。

5.根据权利要求3所述的方法,其特征在于,所述采用边缘检测算法对所述阴影去除图像进行边缘检测和增强,以获得包含表征缺陷特征的图像边缘的边缘增强图像,具体为:

采用下式对阴影去除图像进行处理,以得到所述边缘增强图像:

其中:P为所述边缘增强图像,P0为所述阴影去除图像,为x轴向算子,为y轴向算子。

6.根据权利要求3所述的方法,其特征在于,所述角点检测算法具体为Harris算法。

7.根据权利要求3所述的方法,其特征在于,所述根据所述缺陷像素点坐标图,获得所述安全壳外表面的缺陷的识别结果,具体包括:

将所述缺陷像素点坐标图中距离小于预设值的缺陷像素点连接,以形成缺陷像素点连线图,所述缺陷像素点连线图与所述安全壳外表面的缺陷对应;

根据所述缺陷像素点坐标图以及缺陷像素点连线图,并结合其对应所述安全壳外表面的位置和比例关系,获得缺陷在所述安全壳外表面的形状、位置以及尺寸。

8.根据权利要求7所述的方法,其特征在于,所述获得缺陷在所述安全壳外表面的形状、位置以及尺寸之后,所述方法还包括:

将所述缺陷在所述安全壳外表面的形状、位置以及尺寸录入数据库。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国核电工程有限公司,未经中国核电工程有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210248899.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top