Die Riss erkennung ist in den Bereichen Ingenieur wesen und wissenschaft liche Forschung von großer Bedeutung, haupt sächlich bei der Verhinderung von strukturellem Versagen und der Verlängerung der Lebensdauer, bei der Bewertung der Festigkeit, Zähigkeit und Ermüdung eigenschaften neuer Materialien. und technische Forschung in komplexen und extremen Umgebungen.
Die traditionelle Riss detektion kann durch metallo graphische Mikroskope, Ultraschall und Strahlung erfolgen, es gibt jedoch unterschied liche Defekte in Bezug auf Genauigkeit, Effizienz und zerstörung freie Prüfung.
Das Qianyanlang-Forschungs team hat eine Riss erkennungs methode entwickelt, die auf einem spärlichen optischen Fluss und dem ungarischen Algorithmus basiert und die Eigenschaften hoher Genauigkeit, hoher Effizienz und flexibler Anpassungs fähigkeit aufweist.
Der spärliche optische Fluss algorithmus verwendet die Verschiebung informationen zwischen Bildern, um den Referenz rahmen zu interpolieren und zu verformen, um die Verformung des Riss bereichs zu simulieren, und extrahiert dann den Riss bereich durch Differenz berechnung. Schließlich wird der ungarische Algorithmus verwendet, um die Zeitreihen risse zu sortieren, um die Berechnung der Riss endpunkte und Öffnungs winkel abzuschließen.
Schritt 1: Festlegung des Referenz rahmens und des Berechnungs bereichs
Wählen Sie ein oder mehrere Frames aus, bevor der Riss als Referenz rahmen auftritt, um sicher zustellen, dass keine Riss störungen auftreten. Wählen Sie basierend auf dem Referenz rahmen einen Berechnungs bereich in der Nähe des Bildrisses aus, der das Auftreten von Rissen abdecken kann.
Schritt 2: Berechnen Sie den Verschiebung vektor jedes Pixels im Bild
Der Verschiebung vektor (dx, dy) jedes Pixels wird berechnet, indem die Änderungen der Pixel punkte zwischen dem Referenz rahmen und dem aktuellen Rahmen analysiert werden. Lassen Sie die Zeit differenz zwischen dem aktuellen Rahmen und dem Referenz rahmen t sein und berechnen Sie den Verschiebung vektor (Δx, Δy) jedes Pixel punkts durch einen spärlichen optischen Fluss
Wo
Und
Den Gradienten des Bildes in x-bzw. y-Richtung darstellen,
Anzeige der Änderung des Bildes auf der Zeitachse. Der spärliche optische Fluss algorithmus löst die obigen Gleichungen, um den Verschiebung vektor jedes Pixels zu erhalten und die Fläche mit größerer Verschiebung zu extrahieren.
Durch bilineare Interpolation oder Interpolation des nächsten Nachbarn werden die Pixel werte des Referenz rahmens auf die neue Position abgebildet, um den deformierten Referenz rahmen zu erhalten.
Wo
Stellt den Pixel wert des Referenz rahmens dar.
Schritt 4: Risse extrahieren
Interpolieren Sie den aktuellen Rahmen und den deformierten Referenz rahmen und extrahieren Sie nach dem Schwellen wert den Bereich mit signifikanten Unterschieden, d. H. Der Riss bereich.
Schritt 5: Riss endpunkte sortieren und berechnen
Der ungarische Algorithmus wird verwendet, um eine optimale zweiteilige Übereinstimmung der Crack-Time-Sequence-Informationen durch zuführen, um Riss punkte in verschiedenen Zeiträumen zu erhalten. Die Koordinaten der Riss endpunkte werden durch Kurven anpassung berechnet, und der Winkel zwischen den Endpunkten wird unter Verwendung der inversen Tangenten funktion berechnet.
Unter ihnen sind (x1, y1) und (x2, y2) die beiden Endpunkte des Risses, und θ ist der Öffnungs winkel des Risses.
In diesem Artikel wird eine Methode zur Riss erkennung vorgestellt, die auf einem spärlichen optischen Fluss und einem ungarischen Algorithmus basiert. Diese Methode kann Risse in Bildern intelligent, effizient und genau identifizieren, indem Referenz rahmen festgelegt, Pixel verschiebung, Interpolation verformung, Differenz berechnung, Rissex traktion, Riss sortierung sowie Endpunkt-und Öffnungs winkel berechnung berechnet werden. Dieser Algorithmus kann auf industrielle Inspektion, Material überwachung und andere Bereiche angewendet werden, um die technische Sicherheit zu gewährleisten, die Produkt qualität zu verbessern und den Fortschritt der material wissenschaft lichen Forschung zu fördern.
English
Deutsch
