基于图像特征的焊管质量检测方法与流程

本发明涉及图像数据处理，具体涉及基于图像特征的焊管质量检测方法。

背景技术：

1、钢管焊接是管道建筑工程中常见的连接方式，钢管焊接质量的好坏直接影响结构的安全性和使用寿命，在钢管焊接过程中会受到多种因素的影响，包括室温、涂层的覆盖性、焊接填充材料的选择、焊接速度等。一旦焊接过程中出现咬边、气孔、焊瘤等缺陷，钢管的焊接质量将会明显降低，对钢管的使用造成较大的安全隐患。

2、钢管焊接质量的检测能够通过获取钢管焊接处的图像完成，也可以利用x射线测量仪器完成，然而管道任务的焊接空间并不一定能够满足测量要求，且x射线测量仪器的检测速度较慢，难以适用在大面积检测；基于图像处理的钢筋焊接检测方法包括图像分割、图像增强等，其中区域生长法是一种常用的图像分割方法，区域生长算法对图像的形状和大小的敏感度较低，能够分割出不同形状的区域，但是区域生长算法的分割效果比较依赖于种子点的选择以及生长规则的设置。

技术实现思路

1、本发明提供基于图像特征的焊管质量检测方法，以解决区域生长算法中生长规则预先设置对焊管质量检测精度影响较大的问题，所采用的技术方案具体如下：

2、本发明一个实施例基于图像特征的焊管质量检测方法，该方法包括以下步骤：

3、获取焊管灰度图；

4、根据焊管灰度图的霍夫圆检测结果获取焊管灰度图上的焊波检测结果；根据焊管灰度图上焊波圆弧的位置信息获取每个像素点的焊波增强因子；

5、根据每个像素点的焊波增强因子获取每个像素点的增强灰度值；根据每个像素点及其八邻域内像素点的增强灰度值获取每个像素点与其八邻域内像素点之间的生长匹配度；

6、采用区域生长算法基于所述生长匹配度得到焊管灰度图的区域分割结果；基于深度学习检测模型基于焊管灰度图的区域分割结果得到焊管质量检测结果。

7、优选的，所述根据焊管灰度图的霍夫圆检测结果获取焊管灰度图上的焊波检测结果的方法为：

8、利用霍夫圆检测算法得到焊管灰度图上所有圆弧的检测结果，获取所有圆弧中任意一个圆弧确定的圆形的半径；

9、获取所有圆弧中任意一个圆弧确定的圆形的半径与预设阈值之间的相对半径误差；将所述相对半径误差小于等于预设比例的圆弧作为焊管灰度图上的焊波圆弧，将所述相对半径误差大于预设比例的圆弧作为焊管灰度图上的非焊波圆弧。

10、优选的，所述获取所有圆弧中任意一个圆弧确定的圆形的半径与预设阈值之间的相对半径误差的方法为：

11、获取每个圆弧确定的圆形的半径与预设阈值之间的差值绝对值，将所述差值绝对值与预设阈值的比值作为每个圆弧的相对半径误差。

12、优选的，所述根据焊管灰度图上焊波圆弧的位置信息获取每个像素点的焊波增强因子的方法为：

13、根据焊管灰度图上焊波圆弧的位置信息确定属于同一焊波区域的焊波圆弧；

14、根据属于同一焊波区域的焊波圆弧上短断裂侧的像素点获取每个隐式焊波像素点的焊波增强因子；

15、将焊管灰度图上每个非隐式焊波像素点的焊波增强因子设置为预设参数。

16、优选的，所述根据焊管灰度图上焊波圆弧的位置信息确定属于同一焊波区域的焊波圆弧的方法为：

17、获取每个焊波圆弧确定的圆形，将任意两个所述确定的圆形圆心之间的欧式距离小于阈值的圆形对应的焊波圆弧作为属于同一焊波的焊波圆弧；

18、将以任意属于同一焊波的两个焊波圆弧端点之间连线的最小值为长边长，以预设参数为宽边长所确定的矩形区域作为焊波区域；

19、将任意属于同一焊波的两个焊波圆弧确定的圆形在所述焊波区域内的弧线分别作为第一焊波圆弧、第二焊波圆弧。

20、优选的，所述根据属于同一焊波区域的焊波圆弧上短断裂侧的像素点获取每个隐式焊波像素点的焊波增强因子的方法为：

21、分别将第一焊波圆弧、第二焊波圆弧短断裂侧上所有像素点按照纵坐标升序顺序的排列结果作为第一焊波圆弧的隐式弧度序列、第二焊波圆弧的隐式弧度序列，将第一焊波圆弧的隐式弧度序列、第二焊波圆弧的隐式弧度序列中相同次序元素连线上的中心点作为隐式焊波像素点；

22、根据每个隐式焊波像素点与第一焊波圆弧、第二焊波圆弧之间图像信息获取每个隐式焊波像素点的显化系数；

23、将每个隐式焊波像素点的显化系数与每个隐式焊波像素点灰度值的比值作为每个隐式焊波像素点的焊波增强因子。

24、优选的，所述根据每个隐式焊波像素点与第一焊波圆弧、第二焊波圆弧之间图像信息获取每个隐式焊波像素点的显化系数的方法为：

25、分别将每个隐式焊波像素点与第一焊波圆弧、第二焊波圆弧之间的最短欧式距离作为第一距离、第二距离，将第一距离与第二距离的和作为域间距离；

26、分别将第二距离、第一距离与域间距离的比值作为第一比例因子、第二比例因子；

27、将第一比例因子与第一焊波圆弧上所有像素点灰度值均值的乘积作为第一组成因子；将第二比例因子与第二焊波圆弧上所有像素点灰度值均值的乘积作为第二组成因子；

28、每个隐式焊波像素点的显化系数由第一组成因子、第二组成因子两部分组成，其中，所述显化系数与第一组成因子、第二组成因子成正相关关系。

29、优选的，所述根据每个像素点的焊波增强因子获取每个像素点的增强灰度值的方法为：

30、将每个像素点的灰度值与焊管灰度图中最大灰度级的比值作为每个像素点的归一化灰度值；

31、将以每个像素点的归一化灰度值为底数，以每个像素点的焊波增强因子为指数的计算结果作为每个像素点的增强灰度值。

32、优选的，所述根据每个像素点及其八邻域内像素点的增强灰度值获取每个像素点与其八邻域内像素点之间的生长匹配度的方法为：

33、将每个像素点作为目标像素点，将每个目标像素的增强灰度值与每个目标像素点八邻域内任意一个像素点的增强灰度值之间的比值作为局部差异因子；

34、将以自然常数为底数，以预设参数与局部差异因子的差值为指数的计算结果与预设参数的和作为局部生长度量；

35、将局部生长度量的倒数与第一预设参数的差值绝对值作为第一度量值，将第一度量值与第二预设参数的乘积作为第一计算因子，将第一计算因子与预设参数的和作为每个像素点与其八邻域内像素点之间的生长匹配度。

36、优选的，所述利用图像匹配算法基于焊管灰度图的区域分割结果得到焊管质量检测结果的方法为：

37、将焊管灰度图的区域分割结果记为待检测分割图像；分别将焊接质量合格的焊管灰度图、焊接质量不合格的焊管灰度图作为匹配模板，采用图像匹配算法基于所述匹配模板获取待检测分割图像的匹配度；

38、根据所述匹配度得到合格系数、不合格系数，根据合格系数与不合格系数的对比结果得到焊接质量检测结果。

39、本发明的有益效果是：本发明通过焊管灰度图中焊波的弧度特征识别焊波区域，并据此识别焊波特征不明显的隐式焊波像素点，构建焊波增强因子对焊管灰度图上每个隐式焊波像素点进行独立性增强，其次基于焊波增强因子得到焊管灰度图上每个像素点的增强灰度值；并基于增强灰度值构建生长匹配度，基于生长匹配度完成对区域生长算法的改进，使得本发明中利用区域生长算法进行区域分割时，能够更准确的识别出焊波像素点，得到相对较完整的焊波区域，实现对焊管灰度图的精准分割，有利于后续图像匹配得到更为准确的匹配度，提高钢管焊接处焊接质量检测结果的可信度。