(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111615458.4 (22)申请日 2021.12.28 (65)同一申请的已公布的文献号 申请公布号 CN 113989280 A (43)申请公布日 2022.01.28 (73)专利权人 武汉市鑫景诚路桥钢模 有限公司 地址 430000 湖北省武汉市黄陂区前川街 甘露村 (72)发明人 邹建忠　 (74)专利代理 机构 武汉智慧恒知识产权代理事 务所(特殊普通 合伙) 42232 代理人 张扬 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/136(2017.01) G06V 10/77(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 113436168 A,2021.09.24 CN 112819806 A,2021.0 5.18 CN 111105398 A,2020.0 5.05 CN 113034478 A,2021.0 6.25 CN 106373123 A,2017.02.01 US 6327334 B1,20 01.12.04 US 2019019589 A1,2019.01.17 张明星.X射线钢管焊缝缺陷的图像处 理与 识别技术研究. 《中国优秀硕士学位 论文全文数 据库 (工程科技 Ⅰ辑)》 .2016,全 文. Colette A. Stot t 等.Pulsed Ed dy Current Detecti on of Cracks i n Multilayer Aluminum Lap Jo ints. 《IEEE Sensors Journal》 .2015,第15卷(第2期),全 文. 审查员 康环环 (54)发明名称 基于图像处理技术的钢结构焊接裂纹缺陷 检测方法 (57)摘要 本发明公开了一种基于图像处理技术的钢 结构焊接裂纹缺陷检测方法， 涉及人工智能领 域。 主要包括： 通过对采集到的焊缝表面图像进 行处理得到第三图像， 分别对第三图像中像素点 的聚类后得到的各类别进行PCA， 以获得各类别 的近圆边缘概率并将近圆边缘概率小于预设第 一阈值的类别保留， 分别获得各保留后类别对应 的方向向量， 将相似度大于预设第二阈值的类别 进行合并得到焊缝区域以获得裂纹区域， 最终获 得各裂纹区域的差异程度以确定裂纹区域中裂 纹的实际深度。 本发明实施例中焊缝裂纹缺陷检 测过程无需人为干预， 避免了繁琐的操作过程， 提高了对于 焊缝裂纹缺陷的检测效率。 权利要求书2页 说明书8页 附图2页 CN 113989280 B 2022.03.22 CN 113989280 B 1.一种基于图像处 理的钢结构焊接裂纹缺陷检测方法， 其特 征在于， 包括： 采集焊缝表面图像并进行灰度化得到第 一图像， 对所述第 一图像进行图像分割得到遮 罩图像， 所述遮罩图像中焊缝以外的背景部分像素值 为0； 将所述遮罩图像与 所述第一图像相乘得到第 二图像， 对所述第 二图像进行边缘检测得 到第一边缘图像， 并对所述遮罩图像进行边缘检测得到第二边缘图像， 将所述第一边缘图 像与所述第二 边缘图像作差获得第三图像； 利用所述第 三图像中像素点的梯度幅值进行聚类获得多个类别， 分别对各所述类别进 行PCA， 根据P CA结果以及类别中像素点梯度幅值的均值分别获得各所述类别的近圆边缘概 率， 并将所述近圆边 缘概率小于预设第一阈值的所述类别保留； 分别将保留后各所述类别中相邻三个像素点划分至一组， 并分别获得各组的维度值以 分别获得 各保留后类别的方向 向量； 将方向向量的余弦相似度大于预设第 二阈值的相邻类别合并， 并将合并后的相邻 类别 作为新的类别， 进行迭代直至合并完所有能够进行合并的类别， 将得到的各类别作为焊缝 区域， 将所述焊缝区域在所述第二图像中对应位置从所述第二图像中剔除， 得到包含各裂 纹区域的第四图像； 根据各所述裂纹区域的平均 灰度值以及所述第 二图像的平均 灰度值， 分别获得各所述 裂纹区域的差异程度， 并根据历史数据库中不同实际深度对应的差异程度， 分别确定各所 述裂纹区域中裂纹的实际深度； 其中， 各组的维度值的获得过程包括： 所述相邻三个像素点分别为 ， ， ， 其中点 为 三点中距离其 他两点距离最大的点， 所述维度值 为： 其中， 为水平方向上的单位向量， 为由点 指向点 的向量， 为由点 指向 点 的向量； 其中， 分别获得各保留后类别的方向向量， 包括： 将类别中各组的维度值按顺序排列， 获得各类别对应的方向 向量。 2.根据权利要求1所述的基于图像处理 的钢结构焊接裂纹缺陷检测方法， 其特征在于， 根据PCA结果以及类别中像素点梯度幅值的均值分别获得各所述类别的近圆边缘概率， 包 括： 其中 为第 个所述类别的所述近圆边缘概率， 为第 个所述类别的P CA结果中水平 投影的方差最大的主成分方向， 为第 个所述类别的PCA结果中水平投影的方差最小的 主成分方向， 为第 个所述类别中像素点梯度幅值的均值。权　利　要　求　书 1/2 页 2 CN 113989280 B 23.根据权利要求1所述的基于图像处理 的钢结构焊接裂纹缺陷检测方法， 其特征在于， 利用所述第三图像中像素点的梯度幅值进行聚类获得多个 类别前， 还 包括： 从所述第三图像中连续分布的边缘像素点中选取梯度幅值最大的边缘像素点， 将连续 分布的边 缘像素点中该像素点以外的边 缘像素点剔除。 4.根据权利要求1所述的基于图像处理 的钢结构焊接裂纹缺陷检测方法， 其特征在于， 所述聚类是通过DBSCAN 算法实现的。 5.根据权利要求1所述的基于图像处理 的钢结构焊接裂纹缺陷检测方法， 其特征在于， 对所述第一图像进行图像分割得到遮罩图像， 是通过DN N实现的。 6.根据权利要求1所述的基于图像处理 的钢结构焊接裂纹缺陷检测方法， 其特征在于， 所述历史数据库是通过对历史的差异程度以及裂纹的实际深度进行拟合建立的。 7.根据权利要求1所述的基于图像处理 的钢结构焊接裂纹缺陷检测方法， 其特征在于， 所述方法还 包括： 对得到的各 所述裂纹区域进行 形态学闭运 算。 8.根据权利要求1所述的基于图像处理 的钢结构焊接裂纹缺陷检测方法， 其特征在于， 像素点的梯度幅值的获得 过程包括： 利用Sobel算子获得像素点的水平梯度以及竖直梯度， 像素点的梯度幅值 ， 其中g表示梯度幅值， 表示像素点的水平梯度， 表示像素点的竖直梯 度。 9.根据权利要求1所述的基于图像处理 的钢结构焊接裂纹缺陷检测方法， 其特征在于， 对焊缝表 面图像进 行灰度化得到第一图像， 包括： 将 焊缝表面图像中像素点在RGB三个通道 中像素值的最大值， 作为所述第一图像中的像素点的灰度值。权　利　要　求　书 2/2 页 3 CN 113989280 B 3