CN112487642A - 一种基于漫水填充算法的疲劳断口形貌特征提取方法 - Google Patents
一种基于漫水填充算法的疲劳断口形貌特征提取方法 Download PDFInfo
- Publication number
- CN112487642A CN112487642A CN202011363773.8A CN202011363773A CN112487642A CN 112487642 A CN112487642 A CN 112487642A CN 202011363773 A CN202011363773 A CN 202011363773A CN 112487642 A CN112487642 A CN 112487642A
- Authority
- CN
- China
- Prior art keywords
- image
- fatigue fracture
- area
- region
- sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 10
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 39
- 230000008859 change Effects 0.000 claims description 9
- 230000000977 initiatory effect Effects 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 10
- 238000004364 calculation method Methods 0.000 abstract description 7
- 230000000007 visual effect Effects 0.000 abstract description 4
- 238000003776 cleavage reaction Methods 0.000 description 4
- 230000007017 scission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000007431 microscopic evaluation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000006911 nucleation Effects 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于漫水填充算法的疲劳断口形貌特征提取方法,其包括以下步骤:S1、进行预处理得到预处理后的图像;S2、对预处理后的图像进行漫水填充分割编号,得到序列区域;S3、绘制序列区域的图像轮廓,得到具有闭合轮廓的图像;获取序列区域的图像特征值;S4、计算具有闭合轮廓的图像的区域面积;S5、根据区域面积计算各个轮廓的强度因子;S6、基于图像特征值和强度因子进行线性拟合,得到拟合曲线;S7、根据具有闭合轮廓的图像和拟合曲线获取疲劳断口形貌特征。克服了以往直观的分析由采集***得出的灰度图像肉眼辨别的困难和不准确性以及区域面积、强度因子复杂计算的问题,使分析的结论更快捷准确。
Description
技术领域
本发明涉及疲劳端口形貌分析领域,具体涉及一种基于漫水填充算法的疲劳断口形貌特征提取方法。
背景技术
材料的疲劳断口分析是将样品断口表面腐蚀清洗后分别进行宏观和微观的分析。宏观分析是用肉眼、放大镜和实体显微镜对断裂零件进行直接观察与分析;微观分析是对整体断口成像分析的方法主要为使用透射电镜和扫描电镜。然而,宏观分析的放大倍数通常为100倍以下,很难用肉眼判定、分析出裂纹的微观构成;而通过电镜得到的断口图像仅经过放大和灰度处理,最低放大倍数1000倍,分辨率最高只可达0.01um且大都通过人为的观察与断定。
疲劳裂纹分为表面和内部萌生,对于某些复杂的断口形貌如塑性变形的累积导致难以分辨出裂纹源与塑性累积区域的差别、存在的凹陷容易被误认为是裂纹源、裂纹从萌生区形核在一个疲劳断口形貌中常常存在多种扩展机制,使得裂纹从源头出发沿着各个方向扩展,有时难以观察得到裂纹的扩展走势等,这些都难以通过肉眼直观的观察得到和快速确定。
疲劳断口解理面的数量确定需要人为计量、面积大小计算需要先提取解理面轮廓再通过计算机积分计算、占比的统计分布需要提取整个裂纹扩展低速区和各个解理面轮廓计算面积大小后得到解理面的占比,这些过程需要频繁的步骤和计算。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于漫水填充算法的疲劳断口形貌特征提取方法提供了一种快速获取疲劳断口形貌特征的方法。
为了达到上述发明目的,本发明采用的技术方案为:
提供一种基于漫水填充算法的疲劳断口形貌特征提取方法,其包括以下步骤:
S1、采集疲劳断口图像并采用matlab进行预处理,得到预处理后的图像;
S2、对预处理后的图像进行漫水填充分割编号,得到序列区域;
S3、绘制序列区域的图像轮廓,得到具有闭合轮廓的图像;获取序列区域的图像特征值,图像特征值包括熵、灰度平均值和灰度方差;
S4、计算具有闭合轮廓的图像的区域面积;
S5、根据区域面积计算各个轮廓的强度因子;
S6、基于图像特征值和强度因子进行线性拟合,得到拟合曲线;
S7、根据具有闭合轮廓的图像和拟合曲线获取疲劳断口形貌特征。
进一步地,步骤S1的具体方法为:
通过数码相机采集疲劳断口图像,并采用matlab进行灰度化、去噪和二值化处理,得到预处理后的图像;
或,通过扫描电镜或透射电镜进行图像采集与灰度处理,并采用matlab进行去噪和二值化处理,得到预处理后的图像。
进一步地,步骤S2的具体方法包括以下子步骤:
S2-1、通过VS软件调用floodfill算子进行空域、渐变或固定范围、渐变或浮动范围、操作标志符低八位的四连通域范围,以及浮动范围、操作标志符低八位的八连通域范围漫水填充得到预处理后的图像的连通区域图像;
S2-2、以连通区域图像的初始像素点为起点,根据灰度的梯度变化依次进行区域分割和序列编号,得到序列区域。
进一步地,步骤S3中绘制序列区域的图像轮廓,得到具有闭合轮廓的图像的具体方法为:
采用VS软件的mask函数查找序列区域边界处的灰度值,根据该灰度值连通边界像素点形成闭合轮廓,得到具有闭合轮廓的图像。
进一步地,步骤S3中获取序列区域的熵的具体方法为:
在VS系列软件中加载OpenCV库函数,对序列区域运用全局阈值法搜索每个序列区域内全部像素点,调用doubleentropy函数计算得到每个序列区域图像的熵。
进一步地,步骤S5的具体方法为:
根据公式:
计算强度因子ΔK;其中n为常数,当裂纹从表面萌生时该值为0.6,从内部萌生时该值为0.5;π为圆周率;areα为区域面积。
进一步地,步骤S6的具体方法为:
将各个具有闭合轮廓的图像的图像特征值作比,得到各个具有闭合轮廓的图像的对比度;采用Oringin软件调用图像特征值,分别以熵、灰度平均值、灰度方差和各个具有闭合轮廓的图像的对比度作为自变量,以强度因子作为因变量,进行一次函数拟合,分别得到与熵对应的拟合曲线、与灰度平均值对应的拟合曲线、与灰度方差对应的拟合曲线,以及与各个具有闭合轮廓的图像的对比度对应的拟合曲线。
进一步地,步骤S7中疲劳断口形貌特征包括图像特征和数值特征;其中图像特征包括裂纹萌生源位置、塑性累积区域、裂纹走势和受力变形程度;数值特征包括由线性拟合得到的图像特征值与强度因子的大小关系和统计分布。
本发明的有益效果为:
1、本发明利用图像像素灰度值的敏感性,结合图像采集***,利用漫水填充算子以及Oringin数据拟合可定量获得不同疲劳寿命下裂纹的断口形貌,轮廓提取中由裂纹走势可以反推得到裂纹源头;区域面积计算可以得到不同裂纹形貌的统计占比;由不同的区域面积可以得到与之对应的裂纹强度因子。克服了以往直观的分析由采集***得出的灰度图像肉眼辨别的困难和不准确性以及区域面积、强度因子复杂计算的问题,使分析的结论更快捷准确。
2、本发明中的线性拟合部分可以表征出断后形貌各个连通区域的组织受力应变响应情况,具有普遍应用性。
3、本发明程序设计函数调用与操作较为简便,适用性强。
附图说明
图1为本发明的流程示意图;
图2为实施例中的原始图像;
图3为操作标志符的低八位八连通的区域提取效果示意图;
图4为绘制序列区域的图像轮廓的示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,该基于漫水填充算法的疲劳断口形貌特征提取方法包括以下步骤:
S1、采集疲劳断口图像并采用matlab进行预处理,得到预处理后的图像;
S2、对预处理后的图像进行漫水填充分割编号,得到序列区域;
S3、绘制序列区域的图像轮廓,得到具有闭合轮廓的图像;获取序列区域的图像特征值,图像特征值包括熵、灰度平均值和灰度方差;
S4、计算具有闭合轮廓的图像的区域面积;
S5、根据区域面积计算各个轮廓的强度因子;
S6、基于图像特征值和强度因子进行线性拟合,得到拟合曲线;
S7、根据具有闭合轮廓的图像和拟合曲线获取疲劳断口形貌特征。
步骤S1的具体方法为:
通过数码相机采集疲劳断口图像,并采用matlab进行灰度化、去噪和二值化处理,得到预处理后的图像;
或,通过扫描电镜或透射电镜进行图像采集与灰度处理,并采用matlab进行去噪和二值化处理,得到预处理后的图像。
步骤S2的具体方法包括以下子步骤:
S2-1、通过VS软件调用floodfill算子进行空域、渐变或固定范围、渐变或浮动范围、操作标志符低八位的四连通域范围,以及浮动范围、操作标志符低八位的八连通域范围漫水填充得到预处理后的图像的连通区域图像;
S2-2、以连通区域图像的初始像素点为起点,根据灰度的梯度变化依次进行区域分割和序列编号,得到序列区域。
步骤S3中绘制序列区域的图像轮廓,得到具有闭合轮廓的图像的具体方法为:采用VS软件的mask函数查找序列区域边界处的灰度值,根据该灰度值连通边界像素点形成闭合轮廓,得到具有闭合轮廓的图像。
步骤S3中获取序列区域的熵的具体方法为:在VS系列软件中加载OpenCV库函数,对序列区域运用全局阈值法搜索每个序列区域内全部像素点,调用doubleentropy函数计算得到每个序列区域图像的熵。
步骤S5的具体方法为:根据公式:
计算强度因子ΔK;其中n为常数,当裂纹从表面萌生时该值为0.6,从内部萌生时该值为0.5;π为圆周率;areα为区域面积。
步骤S6的具体方法为:将各个具有闭合轮廓的图像的图像特征值作比,得到各个具有闭合轮廓的图像的对比度;采用Oringin软件调用图像特征值,分别以熵、灰度平均值、灰度方差和各个具有闭合轮廓的图像的对比度作为自变量,以强度因子作为因变量,进行一次函数拟合,分别得到与熵对应的拟合曲线、与灰度平均值对应的拟合曲线、与灰度方差对应的拟合曲线,以及与各个具有闭合轮廓的图像的对比度对应的拟合曲线。
步骤S7中疲劳断口形貌特征包括图像特征和数值特征;其中图像特征包括裂纹萌生源位置、塑性累积区域、裂纹走势和受力变形程度;数值特征包括由线性拟合得到的图像特征值与强度因子的大小关系和统计分布。
在本发明的一个实施例中,原始图像如图2所示,对原始图像进行预处理后,采用操作标志符的低八位八连通的区域提取的连通区域图像如图3所示,对该连通区域图像分割和序列编号得到的序列区域进行轮廓绘制,得到的具有闭合轮廓的图像如图4所示。在具有闭合轮廓的图像进行后续操作,可以实现快速提取疲劳断开形貌特征。
在具体实施过程中,断口形貌分析:主要包含图像特征和数值特征两个部分。图像特征为:裂纹萌生源位置确定、塑性累积区域确定、裂纹走势确定以及帮助肉眼识别各种特殊形貌如“小平面”“鱼眼”“暗区”“光区”“萌生区、扩展区、瞬断区”等的功能。通过分析对提取的特征区域根据灰度值的不同可以进行序列编号,同一编号下的区域结合特征值数据反应组成成分相近,受力变形程度相当;对轮廓的提取可以分析出裂纹走向、裂纹累积处以及裂纹萌生源;数值特征主要功能为由线性拟合解释图像特征值与强度因子的大小关系和统计分部:1、由拟合曲线的统计分布可以确定熵反应的图像灰度混乱程度、灰度平均值、方差、图像区域对比度与强度因子的大小关系。2、由图像区域对比度与强度因子的大小关系进而可以根据该强度因子值所在的序列区域于整个图像上的分布做到对强度因子在整个断面的位置和大小分布。
综上所述,本发明利用图像像素灰度值的敏感性,结合图像采集***,利用漫水填充算子以及Oringin数据拟合可定量获得不同疲劳寿命下裂纹的断口形貌,轮廓提取中由裂纹走势可以反推得到裂纹源头;区域面积计算可以得到不同裂纹形貌的统计占比;由不同的区域面积可以得到与之对应的裂纹强度因子。克服了以往直观的分析由采集***得出的灰度图像肉眼辨别的困难和不准确性以及区域面积、强度因子复杂计算的问题,使分析的结论更快捷准确。
Claims (8)
1.一种基于漫水填充算法的疲劳断口形貌特征提取方法,其特征在于,包括以下步骤:
S1、采集疲劳断口图像并采用matlab进行预处理,得到预处理后的图像;
S2、对预处理后的图像进行漫水填充分割编号,得到序列区域;
S3、绘制序列区域的图像轮廓,得到具有闭合轮廓的图像;获取序列区域的图像特征值,图像特征值包括熵、灰度平均值和灰度方差;
S4、计算具有闭合轮廓的图像的区域面积;
S5、根据区域面积计算各个轮廓的强度因子;
S6、基于图像特征值和强度因子进行线性拟合,得到拟合曲线;
S7、根据具有闭合轮廓的图像和拟合曲线获取疲劳断口形貌特征。
2.根据权利要求1所述的基于漫水填充算法的疲劳断口形貌特征提取方法,其特征在于,所述步骤S1的具体方法为:
通过数码相机采集疲劳断口图像,并采用matlab进行灰度化、去噪和二值化处理,得到预处理后的图像;
或,通过扫描电镜或透射电镜进行图像采集与灰度处理,并采用matlab进行去噪和二值化处理,得到预处理后的图像。
3.根据权利要求1所述的基于漫水填充算法的疲劳断口形貌特征提取方法,其特征在于,所述步骤S2的具体方法包括以下子步骤:
S2-1、通过VS软件调用floodfill算子进行空域、渐变或固定范围、渐变或浮动范围、操作标志符低八位的四连通域范围,以及浮动范围、操作标志符低八位的八连通域范围漫水填充得到预处理后的图像的连通区域图像;
S2-2、以连通区域图像的初始像素点为起点,根据灰度的梯度变化依次进行区域分割和序列编号,得到序列区域。
4.根据权利要求1所述的基于漫水填充算法的疲劳断口形貌特征提取方法,其特征在于,所述步骤S3中绘制序列区域的图像轮廓,得到具有闭合轮廓的图像的具体方法为:
采用VS软件的mask函数查找序列区域边界处的灰度值,根据该灰度值连通边界像素点形成闭合轮廓,得到具有闭合轮廓的图像。
5.根据权利要求1所述的基于漫水填充算法的疲劳断口形貌特征提取方法,其特征在于,所述步骤S3中获取序列区域的熵的具体方法为:
在VS系列软件中加载OpenCV库函数,对序列区域运用全局阈值法搜索每个序列区域内全部像素点,调用doubleentropy函数计算得到每个序列区域图像的熵。
7.根据权利要求1所述的基于漫水填充算法的疲劳断口形貌特征提取方法,其特征在于,所述步骤S6的具体方法为:
将各个具有闭合轮廓的图像的图像特征值作比,得到各个具有闭合轮廓的图像的对比度;采用Oringin软件调用图像特征值,分别以熵、灰度平均值、灰度方差和各个具有闭合轮廓的图像的对比度作为自变量,以强度因子作为因变量,进行一次函数拟合,分别得到与熵对应的拟合曲线、与灰度平均值对应的拟合曲线、与灰度方差对应的拟合曲线,以及与各个具有闭合轮廓的图像的对比度对应的拟合曲线。
8.根据权利要求1所述的基于漫水填充算法的疲劳断口形貌特征提取方法,其特征在于,所述步骤S7中疲劳断口形貌特征包括图像特征和数值特征;其中图像特征包括裂纹萌生源位置、塑性累积区域、裂纹走势和受力变形程度;数值特征包括由线性拟合得到的图像特征值与强度因子的大小关系和统计分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011363773.8A CN112487642B (zh) | 2020-11-27 | 2020-11-27 | 一种基于漫水填充算法的疲劳断口形貌特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011363773.8A CN112487642B (zh) | 2020-11-27 | 2020-11-27 | 一种基于漫水填充算法的疲劳断口形貌特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112487642A true CN112487642A (zh) | 2021-03-12 |
CN112487642B CN112487642B (zh) | 2024-02-13 |
Family
ID=74936789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011363773.8A Active CN112487642B (zh) | 2020-11-27 | 2020-11-27 | 一种基于漫水填充算法的疲劳断口形貌特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112487642B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435099A (zh) * | 2021-07-12 | 2021-09-24 | 西南交通大学 | 一种基于多尺度疲劳损伤演化模型的疲劳寿命预测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101571381A (zh) * | 2009-06-02 | 2009-11-04 | 华南理工大学 | 提取材料断面轮廓曲线并实现断面轮廓分形表征的方法 |
CN102023116A (zh) * | 2010-10-14 | 2011-04-20 | 中国人民解放军空军工程大学 | 一种耳片连接件疲劳裂纹扩展的试验分析方法 |
US20130191039A1 (en) * | 2012-01-23 | 2013-07-25 | Siemens Energy, Inc. | Method and system of deterministic fatigue life prediction for rotor materials |
CN103674680A (zh) * | 2013-12-06 | 2014-03-26 | 中国航空工业集团公司北京航空材料研究院 | 基于断口定量反推和数值分析的材料初始损伤评估方法 |
CN108775872A (zh) * | 2018-06-26 | 2018-11-09 | 南京理工大学 | 基于自动变焦实时图像处理的桥梁挠度检测方法 |
CN109801242A (zh) * | 2019-01-23 | 2019-05-24 | 西南交通大学 | 一种基于改进漫水填充算法的栅格图像矢量化方法 |
CN109949294A (zh) * | 2019-03-21 | 2019-06-28 | 哈尔滨理工大学 | 一种基于OpenCV的断口形貌图裂纹缺陷提取方法 |
CN110132823A (zh) * | 2019-05-15 | 2019-08-16 | 林伟阳 | 一种基于模板匹配与查找轮廓的细胞计数方法 |
CN111579397A (zh) * | 2020-05-06 | 2020-08-25 | 北京化工大学 | 一种激光增材制造合金钢构件的疲劳寿命预测方法 |
-
2020
- 2020-11-27 CN CN202011363773.8A patent/CN112487642B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101571381A (zh) * | 2009-06-02 | 2009-11-04 | 华南理工大学 | 提取材料断面轮廓曲线并实现断面轮廓分形表征的方法 |
CN102023116A (zh) * | 2010-10-14 | 2011-04-20 | 中国人民解放军空军工程大学 | 一种耳片连接件疲劳裂纹扩展的试验分析方法 |
US20130191039A1 (en) * | 2012-01-23 | 2013-07-25 | Siemens Energy, Inc. | Method and system of deterministic fatigue life prediction for rotor materials |
CN103674680A (zh) * | 2013-12-06 | 2014-03-26 | 中国航空工业集团公司北京航空材料研究院 | 基于断口定量反推和数值分析的材料初始损伤评估方法 |
CN108775872A (zh) * | 2018-06-26 | 2018-11-09 | 南京理工大学 | 基于自动变焦实时图像处理的桥梁挠度检测方法 |
CN109801242A (zh) * | 2019-01-23 | 2019-05-24 | 西南交通大学 | 一种基于改进漫水填充算法的栅格图像矢量化方法 |
CN109949294A (zh) * | 2019-03-21 | 2019-06-28 | 哈尔滨理工大学 | 一种基于OpenCV的断口形貌图裂纹缺陷提取方法 |
CN110132823A (zh) * | 2019-05-15 | 2019-08-16 | 林伟阳 | 一种基于模板匹配与查找轮廓的细胞计数方法 |
CN111579397A (zh) * | 2020-05-06 | 2020-08-25 | 北京化工大学 | 一种激光增材制造合金钢构件的疲劳寿命预测方法 |
Non-Patent Citations (2)
Title |
---|
刘汉青;何超;黄志勇;王清远;: "TC17合金超高周疲劳裂纹萌生机理", 金属学报, no. 09 * |
张艺;匡毅;王梅;黄志远;胡松;: "基于OpenCV的人体轮廓检测算法", 计算机技术与发展, no. 08 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435099A (zh) * | 2021-07-12 | 2021-09-24 | 西南交通大学 | 一种基于多尺度疲劳损伤演化模型的疲劳寿命预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112487642B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115345885B (zh) | 一种金属健身器材外观质量检测方法 | |
CN105784713B (zh) | 基于机器视觉的密封圈表面缺陷检测方法 | |
CN109242791B (zh) | 一种针对破损植物叶片的批量修复方法 | |
CN107490582B (zh) | 一种流水线工件检测*** | |
CN109658391B (zh) | 一种基于轮廓归并和凸包拟合的圆半径测量方法 | |
CN103175844A (zh) | 一种金属零部件表面划痕缺陷检测方法 | |
CN116309600B (zh) | 基于图像处理的环保纺织品质量检测方法 | |
CN111028229A (zh) | 一种基于图像处理技术的金属或涂层腐蚀检测方法 | |
CN107480662B (zh) | 一种霉菌图像识别方法及其装置 | |
CN113177924A (zh) | 一种工业流水线产品瑕疵检测方法 | |
CN113935666B (zh) | 基于图像处理的建筑装饰墙面砖异常评估方法 | |
CN113298776B (zh) | 一种金属闭式水泵叶轮外观缺陷检测方法 | |
CN107345916B (zh) | 一种基于固定轮廓的平面外观检测方法 | |
CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
CN107545557A (zh) | 粪便图像中的虫卵检测方法和装置 | |
CN110687122A (zh) | 一种陶瓦表面裂纹检测方法及*** | |
CN109949294A (zh) | 一种基于OpenCV的断口形貌图裂纹缺陷提取方法 | |
CN116309416A (zh) | 一种零件表面视觉检测方法 | |
CN117611563A (zh) | 一种基于图像处理的塑胶模具生产缺陷检测方法 | |
Dominguez-Nicolas et al. | Indentation image analysis for Vickers hardness testing | |
CN112487642A (zh) | 一种基于漫水填充算法的疲劳断口形貌特征提取方法 | |
CN112102287A (zh) | 一种基于图像的生球裂纹自动检测与识别方法 | |
CN115619799B (zh) | 一种基于迁移学习的晶粒图像分割方法及*** | |
CN116977335A (zh) | 一种用于机械零件表面点蚀缺陷的智能检测方法 | |
CN116958120A (zh) | 一种基于梯度分布特性的微弱目标信号提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |