-
公开(公告)号:CN115908261A
公开(公告)日:2023-04-04
申请号:CN202211295842.5
申请日:2022-10-21
申请人: 华中科技大学 , 中国兵器装备集团西南技术工程研究所
摘要: 本发明提供了一种基于铸件X射线图像的缺陷评级方法及系统,属于铸造产品质量检测领域,方法包括:对铸件X射线图像的缺陷标注框区域进行扩充,采用扩充后的缺陷标注框区域截取获取缺陷子图像;根据缺陷子图像中缺陷的尺寸和类别对缺陷子图像进行图像增强;若图像增强后的缺陷子图像中存在尺寸超过阈值的缺陷,则建立缺陷子图像对应的多维特征筛选矩阵,排除干扰区域;对缺陷子图像采用Canny算法获取缺陷的轮廓信息;将缺陷的像素面积转换为实际铸件缺陷的面积,对照评级量化体系获取缺陷等级;本发明实现了全自动化地铸件缺陷评级,克服了现有的铸件X射线图像人工评级方法评级结果不稳定、人工劳动强度大且难以提升效率的问题。
-
公开(公告)号:CN115661572A
公开(公告)日:2023-01-31
申请号:CN202211295843.X
申请日:2022-10-21
申请人: 华中科技大学 , 中国兵器装备集团西南技术工程研究所
IPC分类号: G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0475 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08 , G06T7/00
摘要: 本发明提供一种铸件缺陷识别模型训练方法、缺陷识别方法、装置及系统,确定铸件X射线图像的数据集,并将数据集按照缺陷的类别划分为两个子集;其中,第一子集内图像的缺陷类型有线状缺陷和孔状缺陷,第二子集内图像的缺陷类型有缩松缺陷与高密度夹杂缺陷;基于第一网络模型对第一子集进行增广,得到第一数据集;基于第二网络模型对第二子集进行增广,得到第二数据集;将第一数据集、第二数据集以及铸件真实X射线图像数据集进行混合,并对混合后的数据集进行二次增广,得到训练集;基于训练集对神经网络进行训练,训练后得到铸件缺陷识别模型。本发明通过仿真的方式增加了训练集中缺陷形貌多样性,实现人工检测到机器检测的突破,提高检测效率。
-
公开(公告)号:CN115825118B
公开(公告)日:2023-09-12
申请号:CN202211447786.2
申请日:2022-11-18
申请人: 华中科技大学
摘要: 本发明提供了一种铸件X射线探伤装备的自动评片集成系统及方法,属于铸造产品质量检测领域,系统包括射线检测装备和自动评片系统,射线检测装备通过调用铸件CNC自动检测信息对待测铸件进行探伤成像;将原始探伤图像和图片名直接传递和将探伤铸件信息和射线检测装备信息以xml文件格式传递至自动评片系统中;自动评片系统若在线评片则选择实时图片检测模式、实时文件夹检测模式或定时检测模式进行评片;若离线评片则选择单个检测模式或单次检测模式进行评片,并向射线检测装备以xml文件形式传递缺陷位置信息;射线检测装备读取xml文件,定位缺陷在三维铸件上的具体位置。本发明不仅节约人力成本,还可提高评片的效率和准确率。
-
公开(公告)号:CN116468850A
公开(公告)日:2023-07-21
申请号:CN202310335552.7
申请日:2023-03-28
申请人: 华中科技大学
摘要: 本发明提供一种铸件虚拟射线探伤图像生成方法、装置及电子设备,本发明根据射线源、铸件、成像板三者相对位置与角度关系模拟X射线拍片的过程,可获取铸件关键部位的虚拟射线探伤图像,建立了铸件世界三维坐标到投影二维坐标之间的转换关系,可依据探伤图片缺陷的二维坐标确定铸件中缺陷的三维坐标,依据提取的探伤厚度信息以及探伤距离生成虚拟探伤图像。本发明生成的虚拟探伤图像可供精铸件内部缺陷检测的深度学习模型进行训练,在射线点光源成像基础上利用点云提取探伤厚度信息,只需要计算射线穿过的点云之间的距离,理论上来说只要点云足够密集,就可以在任何角度下正确提取探伤厚度信息,虚拟探伤图像生成的精度较高。
-
公开(公告)号:CN116485739B
公开(公告)日:2024-09-27
申请号:CN202310399158.X
申请日:2023-04-13
申请人: 华中科技大学
摘要: 本发明提供了一种基于多角度探伤图像的铸件缺陷三维智能定位方法及系统,包括:确定铸件三维模型,所述三维模型由多个三角面片组成;确定铸件产品相对射线源在不同探伤角度下的探伤成像图像,并提取不同角度下探伤成像图像中缺陷区域的轮廓;以射线源为起点,缺陷轮廓上的点为终点,获取射线与相应探伤角度下铸件三维模型上所有三角面片的交点,并绘制出包含所有交点的多面体;将所有探伤角度下缺陷轮廓对应的多面体求交,定位得到铸件产品内缺陷对应的多面体。本发明通过模拟实际DR探伤就能实现铸件缺陷三维定位和表征,无需对铸件进行打孔就能探测到铸件的缺陷区域,和现有的CT技术相比大大提升了经济效益。
-
公开(公告)号:CN114972269B
公开(公告)日:2024-09-06
申请号:CN202210610819.4
申请日:2022-05-31
申请人: 华中科技大学
摘要: 本发明提供一种基于铸件X射线图像的缺陷分割定位方法及系统,包括:确定铸件的X射线图像;铸件上具有多个缺陷;将铸件的X射线图像输入到预先训练好的缺陷分割定位模型,以对X射线图像中铸件的缺陷图像进行分割定位;缺陷分割定位模型通过在Unet模型的各级特性连接跳跃处和各相邻两级特征融合处嵌入注意力模块得到。本发明利用数据增广策略解决了铸件缺陷的X射线图像数量有限、标注耗时的问题,采用数据驱动的深度学习模型对铸件高分辨率X射线图像中缺陷进行分割,构建了包含轻量级注意力模块的缺陷分割定位模型,实现了铸件X射线图像中多尺度缺陷的高效、高精定位。
-
公开(公告)号:CN117420159A
公开(公告)日:2024-01-19
申请号:CN202311356149.9
申请日:2023-10-18
申请人: 华中科技大学
IPC分类号: G01N23/04
摘要: 本发明提供一种X射线探伤的自动洗片扫描集成系统及方法,属于铸造产品质量检测领域,所述系统包括:X射线探伤装置、第一胶片传送器和胶片冲洗扫描集成装置;X射线探伤装置,用于通过X射线透射目标铸件,获取目标铸件的曝光胶片,并输出目标铸件的曝光胶片至第一胶片传送器;第一胶片传送器,用于传送目标铸件的曝光胶片至胶片冲洗扫描集成装置;胶片冲洗扫描集成装置,用于基于目标铸件的曝光胶片,通过冲洗扫描,获取目标铸件的探伤胶片和探伤图像。X射线探伤的自动洗片扫描集成系统将X射线透射探伤、胶片冲洗和胶片扫描等多个环节以一体化方式集成在同一个系统中,实现自动化地对铸件进行质量检测,能够提升铸件检测效率。
-
公开(公告)号:CN116485739A
公开(公告)日:2023-07-25
申请号:CN202310399158.X
申请日:2023-04-13
申请人: 华中科技大学
摘要: 本发明提供了一种基于多角度探伤图像的铸件缺陷三维智能定位方法及系统,包括:确定铸件三维模型,所述三维模型由多个三角面片组成;确定铸件产品相对射线源在不同探伤角度下的探伤成像图像,并提取不同角度下探伤成像图像中缺陷区域的轮廓;以射线源为起点,缺陷轮廓上的点为终点,获取射线与相应探伤角度下铸件三维模型上所有三角面片的交点,并绘制出包含所有交点的多面体;将所有探伤角度下缺陷轮廓对应的多面体求交,定位得到铸件产品内缺陷对应的多面体。本发明通过模拟实际DR探伤就能实现铸件缺陷三维定位和表征,无需对铸件进行打孔就能探测到铸件的缺陷区域,和现有的CT技术相比大大提升了经济效益。
-
公开(公告)号:CN115825118A
公开(公告)日:2023-03-21
申请号:CN202211447786.2
申请日:2022-11-18
申请人: 华中科技大学
摘要: 本发明提供了一种铸件X射线探伤装备的自动评片集成系统及方法,属于铸造产品质量检测领域,系统包括射线检测装备和自动评片系统,射线检测装备通过调用铸件CNC自动检测信息对待测铸件进行探伤成像;将原始探伤图像和图片名直接传递和将探伤铸件信息和射线检测装备信息以xml文件格式传递至自动评片系统中;自动评片系统若在线评片则选择实时图片检测模式、实时文件夹检测模式或定时检测模式进行评片;若离线评片则选择单个检测模式或单次检测模式进行评片,并向射线检测装备以xml文件形式传递缺陷位置信息;射线检测装备读取xml文件,定位缺陷在三维铸件上的具体位置。本发明不仅节约人力成本,还可提高评片的效率和准确率。
-
公开(公告)号:CN116822341A
公开(公告)日:2023-09-29
申请号:CN202310695758.0
申请日:2023-06-12
申请人: 华中科技大学
IPC分类号: G06F30/27 , G06T17/20 , G06N3/0455 , G06N3/0464 , G06N3/084
摘要: 本发明提供了一种基于三维铸件模型特征提取的缺陷预测方法及系统,属于铸造产品质量预测领域,方法包括:采用预设规格的包容体作为铸型将三维待测铸件包裹,构建三维待测铸件模型,并对三维待测铸件模型进行网格剖分,获取三维待测铸件数组;将三维待测铸件数组输入至训练好的3D‑DCAE模型中,经过三维卷积层和池化层,获取四个三维形貌矩阵;将三维形貌矩阵中每个元素离中心点元素之间的距离与元素值相乘后求和,获取各三维形貌矩阵对应的矩阵特征值;将金属液浇注温度、浇注速度和金属液中的工艺参数与三维形貌矩阵对应的矩阵特征值作为缺陷预测神经网络的输入,引入代价敏感学习进行缺陷预测。本发明解决了预测模型泛化能力弱问题。
-
-
-
-
-
-
-
-
-