基于机器视觉的核燃料芯块表面裂纹检测方法研究

发布时间：2020-11-08 22:41

　　 随着我国经济水平的不断发展,人民生活质量的不断提高,能源消耗也越来越大,特别是电能,作为日常生活当中必不可少的一部分,其重要性不言而喻。核能发电作为清洁能源,在我国的发电领域至关重要。核燃料芯块作为核电站的核心部件,一旦表面产生破损等问题,就会产生辐照泄漏,造成巨大的财产损失。目前国内外采用中子照相和DR/CT照相等技术来对芯块质量进行严格把控,但由于这些技术需要对芯块的整体结构进行成像,当检测任务只针对芯块表面时,就存在成本高,技术难度大,检测效率低等问题。因此,研究一种高效、便捷的燃料芯块表面质量检测系统意义重大。近些年来,基于机器视觉的裂纹检测方法以其高精度、非接触、检测速度快的优势,被广泛应用于路面、墙体、混凝土和金属表面等,并取得良好效果。本文基于机器视觉技术,对燃料芯块的表面裂纹检测方法进行深入研究。文章主要研究内容如下:1)搭建了一套芯块表面图像采集装置。该装置能够对芯块表面进行快速成像,且图像分辨率较高,满足后续裂纹检测处理需求。2)对目前比较成熟的几种裂纹检测算法进行实现和测试。传统的裂纹检测算法如直方图分析、灰度阈值、边缘检测算子和滤波等。基于机器学习的方法如支持向量机。并在现有数据基础上对其进行性能评估,分析算法优缺点。3)针对上述方法面临的问题,提出CNN引导Beamlet实现裂纹检测的算法。首先采用卷积神经网络和窗口滑动技术,识别图像中含裂纹区域,去除伪裂纹和背景的干扰;然后针对含裂纹区域采用Beamlet算法提取裂纹特征;最后,根据形态学判断去除干扰,得到裂纹检测结果。该方法中采用CNN模型对含裂纹区域进行粗提取,克服了图像本身灰度不均、伪裂纹较多的影响;同时CNN模型引导Beamlet算法对含裂纹区域进行检测,相比传统Beamlet算法对整幅图像进行检测,大幅度降低算法计算量,算法计算速度大幅提升。4)提出自适应阈值的方法,根据每个子图像块自身的灰度均值确定阈值,对该子图像块的Beamlet基进行筛选。相比采用固定阈值的方法,裂纹检测效果大幅提升。5)根据实际情况需求,将本项目中端面裂纹类型分为4种:无裂纹、局部裂纹、贯穿裂纹和网状裂纹,同时代表其对仿体的危害程度逐次上升。并训练并测试了裂纹危害等级分类模型GradeCNN,用于裂纹类型的分类,为后续的处理和分析提供一定参考。
【学位单位】：郑州大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TL352.21;TP391.41
【部分图文】：

我国目前主要的发电形式有以下几种：火力发电、水力发电、核、太阳能发电、风力发电等。但像风力发电和太阳能发电的方式目前在没有大规模使用，而像传统的火力发电、水力发电等，又都会对环境造。因此，作为清洁能源的一种，核能发电在我国的发电领域至关重要。2中国全年累计发电量 62758.20 亿千瓦时，商用核电机组累计发电量4.69 亿千瓦时，约占全国发电总量的 3.94%，而核电利用率最高的法国，73.3%。由此可见，我国核能发电领域仍有很大发展空间[1]。按照我国《核电中长期发展规划（2005-2020）》，截止 2020 年，中国将多座核电站，当前已经从广东、浙江、山东、江苏、辽宁、福建、广西省份确定了 13 个优先选择的厂址，预计到时总投产核电容量达到 4000，核电年发电量达到 2600 亿千瓦小时，可占全国发电量的 6%以上[2]。核电站的大规模建设，很多相关问题也随之而来。在这些问题当中，核的安全问题最受我们关注。出于安全方面考虑，我国核电站的选址一般烟稀少的地区，如图 1.1 所示。

2 图像采集系统搭建信号读取速度较慢。而 CMOS 中每个成像点包含一个光电二极转换单元以及一个放大器，成像的同时就可以读取信号，速，但是其成像质量较差，容易出现噪声点。相对 CCD 来说，在一定差距。市场调研，结合项目采集需求，并对相机的分辨率、采集速式等参数进行调查。最 终选用德国 Basler 公司的型m 的工业相机作为图像采集装置。相机外观如图 2.2 所示，其 2.1。

可分为结构光照明、频闪照明、背向照明和前向照明四种。本研究中主物体表面裂纹进行检测，因此选用前向照明的方式，仅对不同照明光源行选择。照明光源分别采用平行光和环形光几种光源对物体进行打光，从以下几个方面对打光效果进行评估。几种光源的外观如图 2.3 所示。图像对比度：在机器视觉中，一幅高质量的图像，能大幅度简化检测算测难度。而高质量的图像，能够使待检特征和非待检特征之间的对比度因此，一个好的照明方案，应该是能够凸显待检特征、隐藏其他图像特光源强度：当两种光源其他参数一样时，最好是选择更亮的那个。当光不够时，会导致三种情况。第一，相机的信噪比不够；第二，图像对比噪声干扰变大，且周围自然光影响也随之变大；第三，光强不够时，必调大光圈，那么镜头景深就会变小。系统鲁棒性：即光源是否对物体的摆放位置敏感。好的光源应该保证同在不同摆放角度及位置时，待检特征都能够较好的凸显出来。一般来说性较强的光源，鲁棒性都较差。
【相似文献】

相关期刊论文 前10条

1 周高峰,曹巨江;陶瓷制品裂纹检测系统的研究[J];机械设计与制造;2005年10期

2 陈齐平;康盛;张敏;肖强;刘禹;吴明明;;太阳能路面裂纹检测车设计[J];农业装备与车辆工程;2018年06期

3 周芯竹;姚毅;赵腾;;对输电线路瓷瓶裂纹检测的研究[J];无线互联科技;2013年11期

4 张晓春,刘岩;基于计算机图像识别的表面裂纹检测方法[J];重型机械;2003年05期

5 林富甲,黄玉珊;裂纹检测概率曲线的统计测定[J];航空学报;1982年04期

6 Makoto Hayashi;程■琦;;单面开裂的直流电位裂纹检测系统[J];无损检测;1993年06期

7 肖启雄;新型车轴裂纹检测系统[J];国外机车车辆工艺;2000年06期

8 章祟任;裂纹检测[J];建筑机械;1983年06期

9 罗毅;裂纹检测概率及置信估计[J];中国海洋平台;1994年Z1期

10 王彦;谢晓方;朱宗键;;裂纹检测中的匹配滤波器构造方法研究[J];计算机与现代化;2011年06期

相关博士学位论文 前7条

1 Ahmed Mahgoub Ahmed Talab(塔拉比);基于图像处理技术的目标识别方法及其在裂纹检测中的应用[D];武汉理工大学;2015年

2 王海军;基于声学的禽蛋裂纹检测关键技术及在线检测研究[D];浙江大学;2016年

3 金程;鸡蛋蛋壳裂纹检测技术与装置的研发[D];浙江大学;2015年

4 褚亮;陶瓷材料破坏过程与增韧效应的声发射特性研究[D];北京理工大学;2015年

5 郭春华;基于图像分析的跨座式单轨交通PC轨道梁面裂纹检测研究[D];重庆大学;2011年

6 金亮;涡流激励声发射在金属板裂纹检测中的应用研究[D];河北工业大学;2011年

7 姚兰;区间二型模糊系统及其在受电弓滑板检测中的应用研究[D];西南交通大学;2014年

相关硕士学位论文 前10条

1 宋文豪;基于机器视觉的核燃料芯块表面裂纹检测方法研究[D];郑州大学;2019年

2 戴其俊;基于动力学信号分析的鸡蛋蛋壳裂纹检测研究[D];江苏大学;2017年

3 阚仁峰;基于单目视觉图像裂纹检测与跟踪自动焊接方法的研究[D];江苏理工学院;2017年

4 姜颖军;计算机视觉在玻璃制品裂纹检测中的应用[D];广西师范大学;2000年

5 王娇;汽车轮毂裂纹检测台控制系统设计与研究[D];电子科技大学;2011年

6 顾桂华;基于声发射的裂纹检测系统的研制[D];华中科技大学;2015年

7 李贺;煤炭传送皮带表面裂纹检测技术的研究[D];辽宁科技大学;2015年

8 陈常祥;基于计算机视觉的玻璃瓶缺陷在线检测系统的研究与实现[D];广西师范大学;2007年

9 程载斌;利用超声导波进行管道裂纹检测的数值模拟和实验研究[D];太原理工大学;2004年

10 代艳鹏;基于磁阻变化的电机铁氧体动子表面裂纹检测研究[D];电子科技大学;2015年

本文编号：2875464