CN117788462B - 一种自卸半挂车车桥断裂缺陷无损检测方法 - Google Patents
一种自卸半挂车车桥断裂缺陷无损检测方法 Download PDFInfo
- Publication number
- CN117788462B CN117788462B CN202410204913.9A CN202410204913A CN117788462B CN 117788462 B CN117788462 B CN 117788462B CN 202410204913 A CN202410204913 A CN 202410204913A CN 117788462 B CN117788462 B CN 117788462B
- Authority
- CN
- China
- Prior art keywords
- axle
- pixel
- difference
- reflection
- wavelength
- 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.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000009659 non-destructive testing Methods 0.000 title claims abstract description 21
- 239000003973 paint Substances 0.000 claims abstract description 42
- 230000000877 morphologic effect Effects 0.000 claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 16
- 238000012795 verification Methods 0.000 claims abstract description 15
- 230000000694 effects Effects 0.000 claims description 22
- 238000001228 spectrum Methods 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 16
- 230000009467 reduction Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000003786 synthesis reaction Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 230000002829 reductive effect Effects 0.000 claims description 3
- 230000001066 destructive effect Effects 0.000 claims 1
- 238000007689 inspection Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 19
- 238000007599 discharging Methods 0.000 abstract description 3
- 239000011324 bead Substances 0.000 description 12
- 230000035772 mutation Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000002310 reflectometry Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000007769 metal material Substances 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 239000002519 antifouling agent Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及车桥性能检测技术领域,具体涉及一种自卸半挂车车桥断裂缺陷无损检测方法,该方法包括:采集车辆底盘的高光谱数据;根据高光谱数据获得车桥像元集合;根据车桥像元集合中的像元对所有波长的反射强度获得漆面滴挂校验系数;根据漆面滴挂校验系数获取潜在变异区域;结合高光谱数据以及潜在变异区域获得潜在变异区域的形态变异评估系数;根据形态变异评估系数获取疑似缺陷区域,结合疑似缺陷区域中的像元对各波长的反射强度获得车桥断裂指数;根据车桥断裂指数获取自卸半挂车的车桥状况。本发明可实现对自卸半挂车的车桥断裂缺陷检测,提高检测精度。
Description
技术领域
本申请涉及车桥性能检测技术领域,具体涉及一种自卸半挂车车桥断裂缺陷无损检测方法。
背景技术
自卸式半挂车是一种用于运输散装货物的货车,通常是由牵引头和拖挂式的半挂车组成,并且在半挂车身上有液压***组成液压支架用于自行卸载货物。车桥通常承受车辆的载荷,实现动力传送维持汽车在道路上稳定的操控和制动,由于自卸式半挂车具备较大的载荷能力,因此对于车桥的结构强度有较高的要求,由此需要对自卸式半挂车车桥进行缺陷检测。
高光谱检测具备无损快速环保的优点,是车桥断裂缺陷无损检测的重要方法。半挂式车桥主要由主减速器、差速器、车轮传动装置和驱动桥壳等部分组成。这些部分都是由驱动桥壳包裹,为了防止锈蚀和耐久性,通常需要在桥壳表面涂装油漆,而油漆在重力作用下会发生形变,主要会产生滴桶效应和液滴挂珠现象,从而导致车桥表面油漆厚度不均匀,并且该现象是不可控的,因此在采用高光谱对车桥断裂缺陷检测时,导致油漆滴桶边缘位置和挂珠区域可能被误检为断裂缺陷,降低车桥断裂的检测的准确度和可靠性。针对上述问题,本申请提出了一种自卸半挂车车桥断裂缺陷无损检测方法,旨在通过对车桥高光谱数据分析,排除滴桶效应和液滴挂珠现象对自卸半挂车车桥断裂缺陷检测结果的影响。
发明内容
为了解决上述技术问题,本申请提供一种自卸半挂车车桥断裂缺陷无损检测方法,以解决现有的问题。
本申请的一种自卸半挂车车桥断裂缺陷无损检测方法采用如下技术方案:
本申请一个实施例提供了一种自卸半挂车车桥断裂缺陷无损检测方法,该方法包括以下步骤:
采集自卸半挂车在各采样时刻车辆底盘的高光谱数据,获得高光谱数据中每个像元对各波长的反射强度;
根据各采样时刻车辆底盘的高光谱数据获得车桥像元集合;根据车桥像元集合中的像元对所有波长的反射强度获得像元对各波长的局部拟合偏移度;根据像元对各波长的局部拟合偏移度和反射强度获得像元对各波长的反射局部差异强度系数;根据车桥像元集合中各像元对所有波长的反射局部差异强度系数获得各像元的邻域信息混乱度;根据车桥像元集合中各像元对所有波长的反射局部差异强度系数的最大值以及邻域信息混乱度获得漆面滴挂校验系数;根据漆面滴挂校验系数获取各潜在变异区域;结合车桥像元集合以及潜在变异区域获得潜在变异区域的形态变异评估系数;获取数据库中的标准车桥光谱数据;将形态变异评估系数大于或等于预设变异阈值的潜在变异区域的集合记为疑似缺陷区域;疑似缺陷区域排除了滴桶效应和液滴挂珠现象引起的变异区域;对疑似缺陷区域的各像元的反射强度序列采用卡尔曼滤波算法进行去噪,获得降噪后的各像元的反射强度序列;结合疑似缺陷区域中降噪后的像元的反射强度序列与标准车桥光谱数据获得车桥断裂指数;
根据车桥断裂指数获取自卸半挂车的车桥状况。
进一步,所述根据各采样时刻车辆底盘的高光谱数据获得车桥像元集合,包括:
对每个采样时刻的车辆底盘的高光谱数据采用真彩色合成算法合成一张真彩色合成图像;对所有采样时刻的真彩色合成图像使用UnsupDIS无监督图像拼接算法拼接为一张车辆整体底盘图像;
获取数据库中车辆底盘背景图像,根据车辆底盘背景图像,对车辆整体底盘图像使用背景差分法进行分割,获得车桥区域;
将车辆底盘的高光谱数据中位于车桥区域的像元所组成的集合记为车桥像元集合。
进一步,所述根据车桥像元集合中的像元对所有波长的反射强度获得像元对各波长的局部拟合偏移度,包括:
对于车桥像元集合中的各像元,将像元对所有波长的反射强度采用三次样条插值法进行拟合获得像元对每个波长的拟合反射强度;计算像元对第个波长的反射强度与像元对第/>个波长的拟合反射强度之间的差值绝对值,记为第一差值绝对值;计算像元对第个波长的反射强度与像元对第/>个波长的拟合反射强度之间的差值绝对值,记为第二差值绝对值;
将第一差值绝对值与第二差值绝对值的和值作为像元对第个波长的局部拟合偏移度。
进一步,所述根据像元对各波长的局部拟合偏移度和反射强度获得像元对各波长的反射局部差异强度系数,包括:
计算像元对第个波长的反射强度与像元对第/>个波长的反射强度的差值绝对值,记为第三差值绝对值;
计算1与像元对第个波长的局部拟合偏移度的和值,获取以自然常数为底数,以所述和值为真数的对数函数;将第三差值绝对值与所述对数函数的计算结果的比值作为像元对第/>个波长的反射局部差异强度系数。
进一步,所述根据车桥像元集合中各像元对所有波长的反射局部差异强度系数获得各像元的邻域信息混乱度,包括:
对于车桥像元集合中的第i个像元,将像元对所有波长的反射局部差异强度系数的最大值记为最大反射差异值,最大反射差异值对应的波长记为最大反射差异波长;将最大反射差异值与最大反射差异波长组成的数组记为像元的协变共轭对;
以所述第i个像元为中心构建预设边长的邻域窗口,将邻域窗口中所有像元的协变共轭对的信息熵记为第i个像元的邻域信息混乱度。
进一步,所述漆面滴挂校验系数包括:
对于邻域窗口中的各像元,计算像元的最大反射差异值与邻域窗口的中心像元的最大反射差异值的差值绝对值,记为第四差值绝对值;获取以自然常数为底数,以第四差值绝对值为指数的指数函数;计算像元的最大反射差异波长与邻域窗口的中心像元的最大反射差异波长的差值绝对值,记为第五差值绝对值;计算第五差值绝对值与所述指数函数的计算结果的乘积;
获取邻域窗口中所有像元的所述乘积的均值,将所述均值与第i个像元的邻域信息混乱度的乘积作为第i个像元的漆面滴挂校验系数。
进一步,所述根据漆面滴挂校验系数获取各潜在变异区域,包括:
将漆面滴挂校验系数大于或等于预设滴挂阈值的像元记为变异像元;获取所有变异像元对应在车桥区域内部的区域,记为整体潜在变异区域;对整体潜在变异区域进行连通域分析,得到的各连通域作为各潜在变异区域。
进一步,所述结合车桥像元集合以及潜在变异区域获得潜在变异区域的形态变异评估系数,包括:
对于各潜在变异区域,将车桥像元集合中位于潜在变异区域边缘的像元所组成的集合记为潜在变异区域的边界像元序列;
对于所述边界像元序列中的各像元,将像元对所有波长的反射强度按照波长的长度从短到长排列获得像元的反射强度序列;计算像元与其他各像元的反射强度序列之间的动态时间规整距离;
将潜在变异区域的边界像元序列中所有所述距离的平均值作为潜在变异区域的形态变异评估系数。
进一步,所述结合疑似缺陷区域中降噪后的像元的反射强度序列与标准车桥光谱数据获得车桥断裂指数,包括:
计算降噪后的各像元的反射强度序列与标准车桥光谱数据的余弦相似度;获取疑似缺陷区域中所有所述余弦相似度的均值,记为第一均值;将所述第一均值的倒数作为车桥断裂指数。
进一步,所述根据车桥断裂指数获取自卸半挂车的车桥状况,包括:
当车桥断裂指数小于预设断裂阈值时,自卸半挂车的车桥不存在断裂缺陷;反之,自卸半挂车的车桥存在断裂缺陷。
本申请至少具有如下有益效果:
本申请通过对车辆车桥表面油漆特性进行分析,为排除因重力作用车桥油漆产生的滴桶效应和液滴挂珠现象对车桥断裂检测的影响,通过像元各波长的反射强度变化之间的差异进行计算得到漆面滴挂校验系数,用于判断车辆车桥是否发生异常情况;为了区分滴桶效应和液滴挂珠现象的变异区域以及疑似噪声区域,利用滴桶效应油漆呈现带状分布和液滴挂珠现象油漆呈现点状分布的特性,计算形态变异评估系数对潜在变异区域进行筛选排除,获得疑似缺陷区域,疑似缺陷区域包含噪声以及车桥断裂区域;对疑似缺陷区域的像元进行去噪,将去噪后的结果与标准车桥高光谱数据进行相似性计算得到车桥断裂指数,反应车桥断裂的可能性;根据车桥断裂指数判断车桥是否发生断裂,与传统方式直接将实际车桥与数据库高光谱数据进行车桥断裂检测相比,本申请能够根据车桥表面油漆的细致特征,排除因车桥表面油漆分布不均匀导致的检测缺陷,提高对车桥断裂的检测精度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本申请提供的一种自卸半挂车车桥断裂缺陷无损检测方法的步骤流程图;
图2为车桥像元集合的获取流程图;
图3为车桥断裂指数获取的具体流程图。
具体实施方式
为了更进一步阐述本申请为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本申请提出的一种自卸半挂车车桥断裂缺陷无损检测方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本申请所提供的一种自卸半挂车车桥断裂缺陷无损检测方法的具体方案。
本申请一个实施例提供的一种自卸半挂车车桥断裂缺陷无损检测方法,具体的,提供了如下的一种自卸半挂车车桥断裂缺陷无损检测方法,请参阅图1,该方法包括以下步骤:
步骤S001,通过光谱分析仪获取车辆底盘的高光谱数据,并进行数据预处理。
自卸半挂车往往载荷较大,而车桥的负担全车的负载和动力输送承担较大的压力,因此车桥的完整性和无损性是车辆安全运行的必要保证。自卸半挂车在运输货物时通常需要过地磅,用来计算车辆的承载货物重量,因此本申请在地磅上部署了Ocean OpticsUSB2000+ Series高光谱分析仪采集车辆的高光谱数据。当车辆从地磅上通过时,从检测到车辆开始,以10s的时间间隔对车辆底盘进行拍摄,直到检测不到车辆为止,由此获取车辆底盘高光谱数据。
将第k个采样时刻得到的半挂车车辆底盘数据记作,具体为/>,其中/>表示高光谱数据的第/>个像元的反射强度序列,/>表示高光谱数据中像元总个数。针对单个像元的反射强度序列/>,其中/>表示第i个像元序列在第/>个波长的反射强度信息,L表示光谱分析仪中波长的数量。此外高光谱数据采集的过程中不可避免的受到环境噪声干扰,本实施例采用小波阈值去噪对采集的高光谱信号进行降噪处理。
至此,获得车辆底盘高光谱数据中每个像元对各波长的反射强度。
步骤S002,对车桥高光谱数据的像元的反射强度序列进行曲线拟合,根据油漆表面光谱曲线的变化特征构建反射局部差异强度系数,并且对每个像元划分对比邻域得到漆面滴挂校验系数,得到潜在变异区域,利用潜在变异区域的形态特性得到形态变异评估系数,获得疑似缺陷区域;对比疑似缺陷区域中的像元的光谱信息与数据库的车桥高光谱数据得到车桥断裂指数。
车桥内部的各种部件通过传动轴和齿轮精密连接,如果某个部件因负荷过大导致断裂时将影响车辆整体的运行效果,由此需要对车辆的车桥进行无损检测。由于车桥的结构成分组成基本相同,因此车桥各处对各个波长的反射强度是基本保持不变的。当车辆的车桥出现断裂缺陷或较小裂纹时,会导致损伤处对各个波长反射率存在差异,出现异常光谱反射。
车桥一般位于车辆底盘下,用于承载车辆的重量并实现动力传递,为了提高车桥的抗磨耐磨以及防腐蚀特性,通常需要为车桥涂装保护车漆。其中会存在油漆因重力作用形成滴桶效应和液滴挂珠现象。滴桶效应是指油漆沿着车桥表面流动并最终滴落时形成的带状漆块,而液滴挂珠是指油漆悬挂在车桥表面的局部最低点的液滴,液滴挂珠通常呈现点状分布,滴桶效应和液滴挂珠现象都会对车桥的断裂缺陷检测造成干扰,因此,本实施例通过对高光谱数据进行处理,获得车桥部分的高光谱数据即车桥像元集合,具体流程如图2所示。
首先通过GRBS真彩合成算法将每个采样时刻的车辆底盘高光谱数据进行真彩合成,输入为单个采样时刻车辆底盘的高光谱数据,输出为对应采样时刻的真彩色合成图像。GRBS真彩合成算法的具体流程为公知技术,不再赘述。
并且将采样周期内所有真彩色合成图像,通过UnsupDIS无监督图像拼接算法,将真彩色合成图像拼接为车辆整体底盘图像。获取数据库中车辆底盘背景图像,根据车辆底盘背景图像,对车辆整体底盘图像使用背景差分法获得车桥区域。其中UnsupDIS无监督图像拼接算法和背景差分法为公知技术,不再赘述。
将车辆底盘的高光谱数据中位于车桥区域的像元所组成的集合记为车桥像元集合。
为了进一步排除滴桶效应、液滴挂珠现象以及噪声对车桥裂缝检测的干扰,本实施例通过对车桥像元集合中各像元的光谱数据及逆行处理获得车桥断裂指数对车桥进行无损检测,具体流程如图3所示。在车桥表面涂装的油漆会影响波长的反射强度,油漆中的成分能够吸收波长的能量,导致波长的反射强度能量下降。此外波长越长对物体的穿透能量越强,因此当达到特定波长后,波长的反射信息则表示车桥真实的结构数据,由于车桥都是由金属材质组成的,金属材质对特定的波长有较高的反射率,由此会形成相邻波长的反射率存在较大差异的现象。若像元位于滴桶效应和液滴挂珠现象引起的变异区域,由于表面油漆的厚度有别与正常区域,导致变异区域的像元对较长的波长的反射率才存在较大差异并且差异的程度会因厚度而减弱。
为了衡量像元反射强度序列的变化特征,针对车桥像元集合中的每个像元,本实施例采用三次样条插值法对像元对各波长的反射强度进行拟合得到像元光谱曲线/>,像元光谱曲线对应像元对每个波长的拟合反射强度。由于三次样条插值法为曲线拟合领域公知技术,不再赘述。由此根据像元对每个波长的反射强度与拟合反射强度,得到反射局部差异强度系数:
式中,表示车桥像元集合中第i个像元在第/>个波长的反射局部差异强度系数,/>和/>分别表示车桥像元集合中第i个像元对第/>和/>个波长的反射强度,/>表示以自然常数e为底的对数函数,/>表示在车桥像元集合中第i个像元对第/>个波长的局部拟合偏移度,/>和/>分别表示车桥像元集合中第i个像元对第/>和/>个波长的拟合反射强度。
像元反射局部差异强度系数反映了当前像元对第/>个波长的反射强度的局部差异情况,当像元对每个波长的反射强度与拟合反射强度之间的差异较小,说明噪声程度越低,反射强度越接近真实值,此时,若对第/>个波长的反射强度与其对第/>个波长的反射强度差异较大时,拟合的光谱曲线在第/>个波长附近接近直线,得到反射局部差异强度系数较大。
由此遍历第i个像元对各个波长得到对应的反射局部差异强度系数,选取所有反射局部差异强度系数中的最大值以及最大值对应的波长/>,共同组成协变共轭对。通过协变共轭对进一步衡量当前像元是否存在滴桶效应和液滴挂珠现象。由于滴桶效应和液滴挂珠分别呈现带状和点状分布,因此以当前像元为中心划分/>的邻域窗口/>,本实施例中/>的取值为5。计算邻域窗口中所有像元的协变共轭对的信息熵,记为第i个像元的邻域信息混乱度/>。比较邻域中所有像元与中心像元的差异,结合像元的反射强度序列得到漆面滴挂校验系数:
式中,表示在车桥光谱数据中第i个像元的漆面滴挂校验系数,/>表示第i个像元的邻域信息混乱度,/>表示第i个像元的邻域窗口中包含的像元个数,/>和/>分别表示在车桥光谱数据中第i个像元的最大像元反射局部差异强度系数以及对应的波长,/>和分别表示第i个像元的邻域窗口中第j个像元的最大像元反射局部差异强度系数以及对应的波长,/>表示以自然常数e为底的指数函数。
漆面滴挂校验系数反映对应像元存在对应货车车桥位置上油漆发生滴桶效应和液滴挂珠现象的可能性。若当前像元位于滴桶效应的带状区域或者液滴挂珠现象的点状区域时,像元的邻域窗口内像元之间的协变共扼对的差异较大,即邻域信息混乱度较大;此外若当前像元位于滴桶效应和液滴挂珠现象的变异区域,则当前像元与邻域窗口内各像元的协变共轭对的差异程度的变化越大,即计算得到/>的值较大,最终使得漆面滴挂校验系数/>的值较大。
为了将滴桶效应和液滴挂珠现象引起变异区域与噪声以及裂缝区域进行区分筛选,本实施例设定滴挂阈值,将漆面滴挂校验系数/>的像元标记为变异像元,将所有变异像元对应在车桥区域内部的区域记为整体潜在变异区域;对整体潜在变异区域进行连通域分析,可得到各个连通域,将各连通域作为各潜在变异区域,其中,连通域分析具体过程为现有技术,本实施例不再赘述。在潜在变异区域中存在真实的由于滴桶效应和液滴挂珠现象引起的变异区域,还可能存在因局部采样环境噪声导致的伪变异区域,因此需要对潜在变异区域进一步分析。将车桥像元集合中位于潜在变异区域边缘的像元所组成的集合记为潜在变异区域的边界像元序列/>。
由于滴桶效应形成的变异区域呈现带状分布,液滴挂珠现象引起的变异区域呈现点状分布,边缘位置厚度均匀,则位于变异区域边缘的像元对相同波长的电磁波的反射强度应具有一致性。利用变异区域的点带分布特性,对潜在变异区域进行筛选排除。计算形态变异评估系数:
式中,表示第r个潜在变异区域的形态变异评估系数,/>表示第r个潜在变异区域边界像元序列/>中像元的个数,/>表示对边界像元序列中所有像元的两两组合的排列数,/>表示计算第r个潜在变异区域边界像元序列/>中第i个像元的反射强度序列/>和第j个像元的反射强度序列/>之间的DTW动态时间规整距离。
形态变异评估系数衡量在车桥高光谱数据中第r个潜在变异区域点状和带状分布的情况。若第r个潜在变异区域为疑似缺陷区域时,疑似缺陷区域包含噪声以及车桥断裂的情况。由于局部噪声的随机性,局部噪声随机影响边界像元对部分波长的反射强度,由此导致像元的反射强度序列之间的相似程度较低,即得到像元的反射强度序列的DTW距离较大,最终使得形态变异评估系数/>的值较大。相反,若第r个潜在变异区域为滴桶效应和液滴挂珠现象引起真实变异区域,由于区域形状呈现点状和带状均匀分布,并且边界处油漆厚度相对均匀,最终使得/>的值较小。
在车桥高光谱数据中,遍历所有潜在变异区域计算得到对应的形态变异评估系数,本实施例设定变异阈值,将形态变异评估系数/>的潜在变异区域标记为真实变异区域,将/>的潜在变异区域的集合记为疑似缺陷区域。
其中,疑似缺陷区域包含噪声以及车桥断裂区域,为排除噪声的影响,对于疑似缺陷区域的像元采用卡尔曼滤波算法对像元的反射强度序列进行去噪,算法输入为疑似缺陷区域的像元的反射强度序列,算法输出为降噪后的像元的反射强度序列。
获取数据库中的标准车桥光谱数据,需要说明的是,对于标准车桥光谱数据的数据库实施者可自行构建,可以通过人为选取现有的标准车桥进行光谱信息采集,得到标准车桥的光谱数据,以构成标准车桥光谱数据的数据库,对此本实施例不做限制。计算所有降噪后的像元的反射强度序列与标准车桥光谱数据的余弦相似度的均值,将所述余弦相似度的均值的倒数作为车桥断裂指数。若降噪后的像元的反射强度序列和标准车桥光谱数据越相似,车桥断裂指数越小,表明实际半挂车的车桥存在断裂的可能性越低。相反,若两者之间的差异越大,表明实际车桥与标准车桥的高光数据偏离越严重,车桥断裂指数越大,存在车桥断裂的可能性越大。
至此,获得自卸半挂车的车桥断裂指数。
步骤S003,根据车桥断裂指数获取自卸半挂车的车桥状况。
最后,本实施例根据自卸半挂车的车桥断裂指数对自卸半挂车的车桥断裂情况进行分析,车桥断裂指数越小表明车辆的车桥越完整,越大表明车辆的车桥可能存在断裂风险。由此,本实施例设置断裂阈值/>;若车桥断裂指数/>,表明该自卸半挂车车桥存在断裂缺陷,需要对车桥进一步检修,检修正常后才能正常上路;若车桥断裂指数/>,表明该自卸半挂车车桥不存在断裂缺陷。
需要说明的是:上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种自卸半挂车车桥断裂缺陷无损检测方法,其特征在于,该方法包括以下步骤:
采集自卸半挂车在各采样时刻车辆底盘的高光谱数据,获得高光谱数据中每个像元对各波长的反射强度;
根据各采样时刻车辆底盘的高光谱数据获得车桥像元集合;根据车桥像元集合中的像元对所有波长的反射强度获得像元对各波长的局部拟合偏移度;根据像元对各波长的局部拟合偏移度和反射强度获得像元对各波长的反射局部差异强度系数;根据车桥像元集合中各像元对所有波长的反射局部差异强度系数获得各像元的邻域信息混乱度;根据车桥像元集合中各像元对所有波长的反射局部差异强度系数的最大值以及邻域信息混乱度获得漆面滴挂校验系数;根据漆面滴挂校验系数获取各潜在变异区域;结合车桥像元集合以及潜在变异区域获得潜在变异区域的形态变异评估系数;获取数据库中的标准车桥光谱数据;将形态变异评估系数大于或等于预设变异阈值的潜在变异区域的集合记为疑似缺陷区域;疑似缺陷区域排除了滴桶效应和液滴挂珠现象引起的变异区域;对疑似缺陷区域的各像元的反射强度序列采用卡尔曼滤波算法进行去噪,获得降噪后的各像元的反射强度序列;结合疑似缺陷区域中降噪后的像元的反射强度序列与标准车桥光谱数据获得车桥断裂指数;
根据车桥断裂指数获取自卸半挂车的车桥状况;
所述漆面滴挂校验系数包括:
对于邻域窗口中的各像元,计算像元的最大反射差异值与邻域窗口的中心像元的最大反射差异值的差值绝对值,记为第四差值绝对值;获取以自然常数为底数,以第四差值绝对值为指数的指数函数;计算像元的最大反射差异波长与邻域窗口的中心像元的最大反射差异波长的差值绝对值,记为第五差值绝对值;计算第五差值绝对值与所述指数函数的计算结果的乘积;
获取邻域窗口中所有像元的所述乘积的均值,将所述均值与第i个像元的邻域信息混乱度的乘积作为第i个像元的漆面滴挂校验系数。
2.如权利要求1所述的一种自卸半挂车车桥断裂缺陷无损检测方法,其特征在于,所述根据各采样时刻车辆底盘的高光谱数据获得车桥像元集合,包括:
对每个采样时刻的车辆底盘的高光谱数据采用真彩色合成算法合成一张真彩色合成图像;对所有采样时刻的真彩色合成图像使用UnsupDIS无监督图像拼接算法拼接为一张车辆整体底盘图像;
获取数据库中车辆底盘背景图像,根据车辆底盘背景图像,对车辆整体底盘图像使用背景差分法进行分割,获得车桥区域;
将车辆底盘的高光谱数据中位于车桥区域的像元所组成的集合记为车桥像元集合。
3.如权利要求1所述的一种自卸半挂车车桥断裂缺陷无损检测方法,其特征在于,所述根据车桥像元集合中的像元对所有波长的反射强度获得像元对各波长的局部拟合偏移度,包括:
对于车桥像元集合中的各像元,将像元对所有波长的反射强度采用三次样条插值法进行拟合获得像元对每个波长的拟合反射强度;计算像元对第个波长的反射强度与像元对第/>个波长的拟合反射强度之间的差值绝对值,记为第一差值绝对值;计算像元对第/>个波长的反射强度与像元对第/>个波长的拟合反射强度之间的差值绝对值,记为第二差值绝对值;
将第一差值绝对值与第二差值绝对值的和值作为像元对第个波长的局部拟合偏移度。
4.如权利要求3所述的一种自卸半挂车车桥断裂缺陷无损检测方法,其特征在于,所述根据像元对各波长的局部拟合偏移度和反射强度获得像元对各波长的反射局部差异强度系数,包括:
计算像元对第个波长的反射强度与像元对第/>个波长的反射强度的差值绝对值,记为第三差值绝对值;
计算1与像元对第个波长的局部拟合偏移度的和值,获取以自然常数为底数,以所述和值为真数的对数函数;将第三差值绝对值与所述对数函数的计算结果的比值作为像元对第个波长的反射局部差异强度系数。
5.如权利要求4所述的一种自卸半挂车车桥断裂缺陷无损检测方法,其特征在于,所述根据车桥像元集合中各像元对所有波长的反射局部差异强度系数获得各像元的邻域信息混乱度,包括:
对于车桥像元集合中的第i个像元,将像元对所有波长的反射局部差异强度系数的最大值记为最大反射差异值,最大反射差异值对应的波长记为最大反射差异波长;将最大反射差异值与最大反射差异波长组成的数组记为像元的协变共轭对;
以所述第i个像元为中心构建预设边长的邻域窗口,将邻域窗口中所有像元的协变共轭对的信息熵记为第i个像元的邻域信息混乱度。
6.如权利要求5所述的一种自卸半挂车车桥断裂缺陷无损检测方法,其特征在于,所述根据漆面滴挂校验系数获取各潜在变异区域,包括:
将漆面滴挂校验系数大于或等于预设滴挂阈值的像元记为变异像元;获取所有变异像元对应在车桥区域内部的区域,记为整体潜在变异区域;对整体潜在变异区域进行连通域分析,得到的各连通域作为各潜在变异区域。
7.如权利要求6所述的一种自卸半挂车车桥断裂缺陷无损检测方法,其特征在于,所述结合车桥像元集合以及潜在变异区域获得潜在变异区域的形态变异评估系数,包括:
对于各潜在变异区域,将车桥像元集合中位于潜在变异区域边缘的像元所组成的集合记为潜在变异区域的边界像元序列;
对于所述边界像元序列中的各像元,将像元对所有波长的反射强度按照波长的长度从短到长排列获得像元的反射强度序列;计算像元与其他各像元的反射强度序列之间的动态时间规整距离;
将潜在变异区域的边界像元序列中所有所述距离的平均值作为潜在变异区域的形态变异评估系数。
8.如权利要求7所述的一种自卸半挂车车桥断裂缺陷无损检测方法,其特征在于,所述结合疑似缺陷区域中降噪后的像元的反射强度序列与标准车桥光谱数据获得车桥断裂指数,包括:
计算降噪后的各像元的反射强度序列与标准车桥光谱数据的余弦相似度;获取疑似缺陷区域中所有所述余弦相似度的均值,记为第一均值;将所述第一均值的倒数作为车桥断裂指数。
9.如权利要求1所述的一种自卸半挂车车桥断裂缺陷无损检测方法,其特征在于,所述根据车桥断裂指数获取自卸半挂车的车桥状况,包括:
当车桥断裂指数小于预设断裂阈值时,自卸半挂车的车桥不存在断裂缺陷;反之,自卸半挂车的车桥存在断裂缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410204913.9A CN117788462B (zh) | 2024-02-26 | 2024-02-26 | 一种自卸半挂车车桥断裂缺陷无损检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410204913.9A CN117788462B (zh) | 2024-02-26 | 2024-02-26 | 一种自卸半挂车车桥断裂缺陷无损检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117788462A CN117788462A (zh) | 2024-03-29 |
CN117788462B true CN117788462B (zh) | 2024-05-10 |
Family
ID=90389441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410204913.9A Active CN117788462B (zh) | 2024-02-26 | 2024-02-26 | 一种自卸半挂车车桥断裂缺陷无损检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117788462B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117969535B (zh) * | 2024-04-01 | 2024-06-07 | 黑龙江省泰斯特森工程检测有限公司 | 一种路桥混凝土缺陷无损检测方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002063939A2 (en) * | 2001-02-09 | 2002-08-22 | The United States Of America, As Represented By The Secretary Of Agriculture | Method and system for fecal and ingesta detection during meat and poultry processing |
EP3591838A2 (de) * | 2018-07-06 | 2020-01-08 | Hampe & Schellhorn Service GbR | Fahrzeugsystem und verfahren zum autonomen und automatisierten warten oder pflegen einer photovoltaik-freiflächenanlage |
CN111239073A (zh) * | 2020-01-17 | 2020-06-05 | 西南交通大学 | 一种基于高光谱技术的复合绝缘子老化程度检测方法 |
CN114092838A (zh) * | 2021-11-12 | 2022-02-25 | 前郭县富邦能源科技服务有限公司 | 一种基于深度学习目标检测的光伏缺陷检测方法 |
CN114719966A (zh) * | 2020-12-22 | 2022-07-08 | 富泰华工业(深圳)有限公司 | 光源确定方法、装置、电子设备及存储介质 |
CN114998356A (zh) * | 2022-08-08 | 2022-09-02 | 山东恩信特种车辆制造有限公司 | 一种基于图像处理的车桥缺陷检测方法 |
CN115984272A (zh) * | 2023-03-20 | 2023-04-18 | 山东杨嘉汽车制造有限公司 | 基于计算机视觉的半挂车车桥缺陷识别方法 |
CN116452598A (zh) * | 2023-06-20 | 2023-07-18 | 曼德惟尔(山东)智能制造有限公司 | 基于计算机视觉的车桥生产质量快速检测方法及*** |
-
2024
- 2024-02-26 CN CN202410204913.9A patent/CN117788462B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002063939A2 (en) * | 2001-02-09 | 2002-08-22 | The United States Of America, As Represented By The Secretary Of Agriculture | Method and system for fecal and ingesta detection during meat and poultry processing |
EP3591838A2 (de) * | 2018-07-06 | 2020-01-08 | Hampe & Schellhorn Service GbR | Fahrzeugsystem und verfahren zum autonomen und automatisierten warten oder pflegen einer photovoltaik-freiflächenanlage |
CN111239073A (zh) * | 2020-01-17 | 2020-06-05 | 西南交通大学 | 一种基于高光谱技术的复合绝缘子老化程度检测方法 |
CN114719966A (zh) * | 2020-12-22 | 2022-07-08 | 富泰华工业(深圳)有限公司 | 光源确定方法、装置、电子设备及存储介质 |
CN114092838A (zh) * | 2021-11-12 | 2022-02-25 | 前郭县富邦能源科技服务有限公司 | 一种基于深度学习目标检测的光伏缺陷检测方法 |
CN114998356A (zh) * | 2022-08-08 | 2022-09-02 | 山东恩信特种车辆制造有限公司 | 一种基于图像处理的车桥缺陷检测方法 |
CN115984272A (zh) * | 2023-03-20 | 2023-04-18 | 山东杨嘉汽车制造有限公司 | 基于计算机视觉的半挂车车桥缺陷识别方法 |
CN116452598A (zh) * | 2023-06-20 | 2023-07-18 | 曼德惟尔(山东)智能制造有限公司 | 基于计算机视觉的车桥生产质量快速检测方法及*** |
Non-Patent Citations (1)
Title |
---|
基于HALCON的贴片IC焊接缺陷检测算法研究;李文静;张虎山;焦键;;兵器装备工程学报;20200825(第08期);250-254 * |
Also Published As
Publication number | Publication date |
---|---|
CN117788462A (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117788462B (zh) | 一种自卸半挂车车桥断裂缺陷无损检测方法 | |
EP2573732B1 (en) | Reflection removal system | |
CN102788642B (zh) | 光谱推断参数生成装置和方法以及光谱推断装置 | |
US7027149B2 (en) | Photometric analysis of natural waters | |
CN115082481A (zh) | 一种用于齿轮的图像增强方法 | |
CN109671082B (zh) | 一种密封圈检测方法、装置、设备及计算机可读存储介质 | |
CN111879709B (zh) | 湖泊水体光谱反射率检验方法及装置 | |
Corrêa et al. | Fractal structure of digital speckle patterns produced by rough surfaces | |
CN103456011A (zh) | 一种利用互补信息的改进型高光谱rx异常检测方法 | |
US7955858B2 (en) | Quantum dot-based environmental indicators | |
CN112362544A (zh) | 基于高光谱遥感的颗粒有机碳监测方法及*** | |
CN116958036A (zh) | 一种基于高光谱技术的无人机巡检绝缘子污秽状态的方法 | |
US20100166333A1 (en) | Noise filter | |
Zhu et al. | Structural damage detection of the bridge under moving loads with the quasi-static displacement influence line from one sensor | |
DE102017101309A1 (de) | Verfahren zum quantitativen Bestimmen einer fluoreszierenden Komponente in Blut und Messgerät | |
JP7370355B2 (ja) | 金属表面の粗面処理の評価方法および評価装置 | |
EP4070082B1 (de) | Verfahren zur beurteilung der qualität lackierter holzoberflächen | |
CN111831872A (zh) | 一种小缺陷特征增强的漏磁数据自适应灰度可视化方法 | |
US20120179392A1 (en) | Method and system for measuring strain in twisted cord | |
CN117783051B (zh) | 一种基于多传感器数据融合的甲烷气体泄漏检测方法 | |
CN110274620A (zh) | 一种基于频谱中心对齐的布里渊散射信号去噪方法 | |
WO2018207265A1 (ja) | タイヤ劣化評価システムとその方法及びそのプログラム | |
CN107782797A (zh) | 超声波成像处理方法、装置、存储介质及成像*** | |
CN117367845B (zh) | 一种陆军装备维修设备健康诊断方法 | |
EP4300095B1 (fr) | Procédé d'identification automatique d'une source acoustique a partir d'un signal acoustique produit |
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 |