工业CT图像的缺陷检测研究

发布时间：2024-05-12 17:18

　　铸造过程由于其自身生产工艺的特点,常常会产生缩孔和气孔等缺陷,这些内部缺陷会对零件质量产生不好的影响,也会缩短零件寿命,因此需要准确地识别出这些内部缺陷。通过工业CT设备对铸件进行扫描,可以获得了一系列工业CT切片图像。为了快速提取工业CT图像的孔类缺陷,首先使用二维Otsu自适应阈值算法进行阈值分割,以区分工业CT图像中的物体与背景,然后通过Sobel算子得到图像的初始边缘轮廓,再基于拉格朗日插值法进行亚像素边缘检测。实验表明,该方法可以有效地识别铸件工业CT图像中的缩孔和气孔缺陷。

【文章页数】：4 页

【部分图文】：

图8缺陷的三维空间定位35mm33%35mm33%35mm33%（a）缺陷1

（a）缺陷1三维空间定位（b）缺陷2三维空间定位（c）缺陷3三维空间定位图8缺陷的三维空间定位Fig.83-Dspatialslocationsofthedefects3总结本文主要介绍了锥束CT的概念、基本构成与优势，并展示了锥束CT在铝镁合金精密铸件检测方面的实际应用效果.从....

图1图像分割区域

给定任意一个阈值（s,t），将图像的二维直方图分割成图1所示的4个区域：Ⅰ，Ⅱ，Ⅲ，Ⅳ。其中图像的背景和目标主要集中在Ⅱ和Ⅲ区域。Ⅰ和Ⅳ区域的概率值近似为0。设定的阈值（s,t）将图像的目标和背景分成两个集合C0和C1，则图像的目标和背景的概率定义为：C0和C1对应的灰度均值矢量....

图2工业CT图像

铸造类零件常常会有缩孔和气孔这类缺陷，因此通过工业CT设备对铸造类零件进行扫描，获得了一系列的工业CT切片图像。某个铸件的一幅工业CT切片图像，如图2所示。图像扫描矩阵为1203×1270，像素间的距离为0.08mm。4.2缺陷检测结果

图3预处理后图像

为了对图像中的缺陷进行检测，需要对原始图像进行预处理，以便区分物体和背景。对该图像进行图像预处理后的结果，如图3所示。然后通过亚像素边缘提取算法提取边缘点集，由这些点拟合的NURBS曲线，如图4所示。为更好地观察缺陷形状，工业CT图像边缘轮廓放大后的缺陷，如图5所示。从图中可以看....

本文编号：3971638