基于人工智能的金属点蚀缺陷程度评估方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114170200A(43)申请公布日2022.03.11(21)申请号202111515515.1(22)申请日2021.12.13(71)申请人沭阳鑫洪锐金属制品有限公司地址223600江苏省宿迁市沭阳县工业园区桃园路B区6号(72)发明人王玲(74)专利代理机构江苏长德知识产权代理有限公司32478代理人詹朝(51)Int.Cl.G06T7/00(2017.01)G06T7/44(2017.01)G01N21/88(2006.01)权利要求书1页说明书7页附图1页(54)发明名称基于人工智能的金属点蚀缺陷程度评估方法及系统(57)摘要本发明涉及人工智能技术领域，具体涉及基于人工智能的金属点蚀缺陷程度评估方法及系统。该方法包括：采集金属材料的表面图像，利用参数不同的Gabor滤波器获得表面图像的多张卷积结果图像；筛选出滤波器的最优方向；在最优方向下获取目标波长与其相邻波长对应的卷积结果图像之间的第一差异图像，根据第一差异图像的第一复杂度获取目标波长的纹理表征有效性，得到有效截止波长；以预设初始波长和有效截止波长组成有效波长范围，计算有效波长范围内相邻的有效波长对应的有效卷积结果图像之间的第二差异图像的第二复杂度，根据第二复杂度和有效波长计算表面图像的点蚀缺陷程度。本发明实施例能够提高点蚀缺陷程度的评估准确性和合理性。CN114170200ACN114170200A权利要求书1/1页1.基于人工智能的金属点蚀缺陷程度评估方法，其特征在于，该方法包括以下步骤：采集金属材料的表面图像，利用参数不同的Gabor滤波器获得所述表面图像的多张卷积结果图像；所述参数包括滤波器方向和波长；通过计算每个所述滤波器方向对应的所述卷积结果图像的纹理复杂度，筛选出所述滤波器方向的最优值作为最优方向；在所述最优方向下，获取目标波长与其相邻波长对应的卷积结果图像之间的第一差异图像，根据所述第一差异图像的第一复杂度获取所述目标波长的纹理表征有效性，选取最大的所述纹理表征有效性对应的目标波长作为有效截止波长；；以预设初始波长和所述有效截止波长组成有效波长范围，计算所述有效波长范围内相邻的有效波长对应的有效卷积结果图像之间的第二差异图像的第二复杂度，根据所述第二复杂度和所述有效波长计算所述表面图像的点蚀缺陷程度。2.根据权利要求1所述的方法，其特征在于，所述获得所述表面图像的多张卷积结果图像的步骤之前，还包括：对所述表面图像进行预处理，所述预处理包括灰度化、锐化处理、去噪处理以及将所有所述表面图像调整为相同尺寸。3.根据权利要求1所述的方法，其特征在于，所述最优方向的筛选过程包括：将所述滤波器方向和所述波长组成可变二元组，对于同一所述滤波器方向对应的所述可变二元组得到的所述卷积结果图像，分别计算纹理复杂度并求和，以和的最大值对应的滤波器方向作为所述最优方向。4.根据权利要求1所述的方法，其特征在于，所述纹理表征有效性的获取过程包括：根据所述第一复杂度和平均复杂度得到纹理差异度，依据所述纹理差异度得到对应的调节因子，以所述目标波长对应的卷积结果图像的纹理复杂度和所述调节因子的乘积作为所述纹理表征有效性。5.根据权利要求1所述的方法，其特征在于，所述点蚀缺陷程度的获取过程包括：根据所述有效截止波长获取优化系数，依据所述相邻的有效波长的均值和所述优化系数获取所述第二复杂度的权重，对所有所述第二复杂度以及所述预设初始波长对应的卷积结果图像的纹理复杂度进行加权求和，得到所述点蚀缺陷程度。6.根据权利要求1所述的方法，其特征在于，该方法还包括以下步骤：通过多个预设缺陷阈值将所述点蚀缺陷程度分段，得到多个缺陷程度区间，对应多个缺陷等级。7.根据权利要求1所述的方法，其特征在于，所述纹理复杂度的获取过程包括：获取所述卷积结果图像的灰度直方图，根据所述灰度直方图对应的二阶矩阵描述所述纹理复杂度。8.基于人工智能的金属点蚀缺陷程度评估系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～7任意一项所述方法的步骤。2CN114170200A说明书1/7页基于人工智能的金属点蚀缺陷程度评估方法及系统技术领域[0001]本发明涉及人工智能技术领域，具体涉及基于人工智能的金属点蚀缺陷程度评估方法及系统。背景技术[0002]点蚀又称为孔蚀，是一种集中于金属表面很小的范围并深入到金属内部的腐蚀形态。由于孔径较小，且洞口表面常有腐蚀产物遮盖，检查点蚀时必须去除腐蚀产物否则很难发现。由于它的特殊的动力学过程，反应是在自催化作用下加速进行的，经常发生在具有自钝化性能的金属或合金上，影响金属的使用性能和使用寿命，点蚀一旦发生，孔内溶