[发明专利]基于深度学习的工业射线影像评定方法及装置

说明书

本发明公开了一种基于深度学习的工业射线影像评定方法及装置，所述方法包括：获取待检测的工业射线影像；基于预先训练的焊缝分割模型对所述工业射线影像进行识别，获得感兴趣区域；基于预先训练的各类缺陷检测模型对所述感兴趣区域进行检测，获得缺陷检测结果；基于预先训练的误检鉴别器对所述缺陷检测结果进行鉴别，获得最终评定结果，从而提高工业射线影像的评定效率、准确性和可靠性。

技术领域

本发明涉及信息处理技术领域，特别是指一种基于深度学习的工业射线影像评定方法及装置。

背景技术

焊接作为一种基本的工艺方法被广泛应用于航空航天、电力、船舶、机械及特种设备生产等领域，然而焊接过程中受各种因素的影响，焊缝会不可避免的出现气孔、裂纹、夹钨、夹渣等缺陷，影响产品的质量和可靠性。

工业射线检测是采用射线作为检测源，对金属焊缝成像得到底片影像或实时数字影像，通过人工评定的方法对影像中的各种信息进行分析、识别及缺陷检测，从而判断出焊缝的质量情况。然而由于影像中缺陷形态、尺寸各异，缺陷与背景的对比度差异较大，人工评定方法表现出培训周期长、检测效率低、判定标准不一、评定结果品质参差不齐等缺点，在效率和准确性方面均难以达到工业化生产的需求。

发明内容

有鉴于此，本发明的目的在于提出一种基于深度学习的工业射线影像评定方法及装置，实现对工业射线影像中焊缝缺陷的自动检测，提高工业射线影像的评定效率、准确性和可靠性。

基于上述目的本发明提供的基于深度学习的工业射线影像评定方法，包括：

获取待检测的工业射线影像；

基于预先训练的焊缝分割模型对所述工业射线影像进行识别，获得感兴趣区域；

基于预先训练的各类缺陷检测模型对所述感兴趣区域进行检测，获得缺陷检测结果；

基于预先训练的误检鉴别器对所述缺陷检测结果进行鉴别，获得最终评定结果。

进一步地，所述基于预先训练的焊缝分割模型对所述工业射线影像进行识别，获得感兴趣区域，具体包括：

基于预先训练的焊缝分割模型识别出所述工业射线影像中的焊缝区域；

计算所述焊缝区域在整个影像中的占比和所述焊缝区域的宽高比；

若所述占比和宽高比大于第一预设阈值，则判定所述焊缝区域可靠，对所述焊缝区域进行补全处理，并将补全后的焊缝区域作为感兴趣区域，否则判定所述焊缝区域不可靠，将所述工业射线影像作为感兴趣区域。

进一步地，所述对所述焊缝区域进行补全处理，具体包括：

对所述焊缝区域进行直线拟合，计算拟合直线相对于竖直方向的倾角；

根据所述倾角计算旋转仿射变换矩阵，以对所述工业射线影像进行仿射变换，使变换后的工业射线影像中的焊缝区域呈竖直方向；

采用预设的高阈值和低阈值联合判断所述焊缝区域的起止点；

根据所述起止点补全所述焊缝区域。

进一步地，所述采用预设的高阈值和低阈值联合判断所述焊缝区域的起止点，具体包括：

对变换后的工业射线影像进行垂直方向的积分投影；

寻找投影值大于所述高阈值的连续区域；

若连续区域数为1，则将所述连续区域的起止点作为所述焊缝区域的起止点；