申请/专利权人：华电电力科学研究院有限公司;福建永安华电发电有限公司

申请日：2023-12-12

公开（公告）日：2024-03-29

公开（公告）号：CN117788388A

主分类号：G06T7/00

分类号：G06T7/00;G06T7/77;G06T5/20;G06V10/46;G06V10/22;G06V10/75

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开了一种浇注料表面销钉缺陷的识别及统计方法，属于循环流化床锅炉防磨防爆技术领域。本发明利用SIFT特征提取算法对浇注料销钉缺陷图像的特征点进行提取，并基于knnmatch暴力匹配算法，利用Python语言对其浇注料数字图像中的销钉缺陷进行识别与统计。为提高上述浇注料表面销钉识别方法的准确率，本发明结合灰度图像闭运算方法对其浇注料图像进行预处理，降低其浇注料数字图像中暗背景的噪点以提高缺陷识别准确率。通过上述的浇注料表面销钉识别及统计方法将提高相关人员的检查效率，且可为浇注料的质量评估提供数据参考。

主权项：1.一种浇注料表面销钉缺陷的识别及统计方法，其特征是，包括以下步骤：S1、训练集图像导入，导入含销钉缺陷的训练集图像记为strain_set；S2、浇注料图像导入，导入无人机采集的浇注料图像作为测试集合记为test_set；S3、灰度图像闭运算，将训练集strain_set中的图像进行灰度转换记为data_strain_gray，将测试集test_set中的图像进行灰度转换记为data_test_gray，接着再分别对训练集data_strain_gray以及测试集data_test_gray中的灰度图像进行基于灰度梯度的闭运算，训练集中进行闭运算后的图像集合记为data_strain_close，测试集中进行闭运算后的图像集合记为data_test_close；S4、训练集特征点计算，基于SIFT算法对训练集闭运算后的图像集合data_strain_close进行特征点计算，且每张图像中保留特征最强的点，训练集特征点的坐标与特征集合为KP1与DES1；S5、测试集特征点计算，基于SIFT算法对测试集中闭运算后的图像集合data_test_close进行特征点计算，且每张图像保存所有的特征点，测试集特征点的坐标与特征集合为KP2与DES2；S6、特征点匹配，将测试集中的特征点集合DES2与训练集中特征点集合DES1进行匹配，且将测试集中每张图像匹配成功的特征点索引集合记为unique_index，测试集所有图像的匹配成功特征点索引集合记为Index_sum；S7、测试集缺陷区域标记，将测试集每张图片中匹配成功的特征点所在的位置区域用长为x1、宽为y1的红色矩形框框选出，且在缺陷框的上方记录当前图像的缺陷数量与编号；若识别后所得的浇注料图像无红色方框，则表明该图像无销钉缺陷，若识别后的浇注料图像存在红色方框，则表明该浇注料图像存在缺陷。

全文数据：

权利要求：

百度查询： 华电电力科学研究院有限公司;福建永安华电发电有限公司 一种浇注料表面销钉缺陷的识别及统计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD