(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210640347.7 (22)申请日 2022.06.07 (71)申请人 东北大学 地址 110000 辽宁省沈阳市和平区文化路3 号巷11号 (72)发明人 郝博　徐新岩　闫俊伟　王明阳　 (74)专利代理 机构 深圳市燊汇智诚专利代理事 务所(普通 合伙) 44725 专利代理师 刘敏 (51)Int.Cl. G01N 21/88(2006.01) G01B 11/24(2006.01) G06T 7/80(2017.01) G06T 5/00(2006.01) G06V 10/46(2022.01)G06V 10/50(2022.01) G06V 10/54(2022.01) G06V 10/764(2022.01) G06F 30/23(2020.01) G06Q 10/06(2012.01) (54)发明名称 一种基于机器视觉的飞机结构件缺陷无损 检测方法 (57)摘要 本发明提出一种基于机器视觉的飞机结构 件缺陷无损检测方法， 该方法包括相机设定、 特 征提取、 缺陷识别、 质量追溯、 参数验证， 具体步 骤为： 调整相机位置和照明强度； 标定相机， 采集 图像； 应用改进的局部二值模式算法提取图像纹 理特征， 得到局部二值模式直方图； 根据得到的 纹理特征图提取灰度共生矩阵特征； 使用局部二 值模式直方图数据和灰度共生矩 阵特征值作为 分类算法的输入集合， 应用稀 疏表示分类算法进 行特征分类； 对零件进行质量追溯， 根据分类结 果判断铸 造过程参数和板材剪切参数的合理性； 对不合理的参数进行修改， 并应用模拟软件验 证； 验证合格的参数指导后续零件生产。 该方法 检测效率高、 精度高且可实现质量追溯和工艺参 数优化。 权利要求书2页 说明书6页 附图5页 CN 115096893 A 2022.09.23 CN 115096893 A 1.一种基于机器视觉的飞机结构件缺陷无损检测方法， 其特征在于： 基于机器视觉的 飞机结构件缺陷无损检测方法共有五个部 分， 即相机 设定部分、 特征提取部 分、 缺陷识别部 分、 质量追溯部分、 参数验证部分， 具体包含以下步骤： (1)检测 工人对灯光照明强度、 相机 位置和飞机结构件放置角度进 行调整； (2)对高精度工业相机进 行标定， 采集 飞机结构件的 图像和轮廓特征线， 矫正图像畸变； (3)针对采集到的图像进 行处理以削弱噪声干扰物对检 测精度的影响， 并运用图像形态学分析方法进 行图像中噪声块的滤除； (4)应用改进的局部 二值模式算法获取图像的微观结构， 提取图像纹理特征， 得到局部二值模式直方图； (5)根 据局部二值模式图像生成灰度共生矩阵并计算特征参数， 获得图像的宏观结构； (6)使用局 部二值模式直方图数据和灰度共生矩阵特征值作为分类算法的输入集合， 应用稀疏表示分 类算法进 行缺陷识别； (7)对零件进 行质量追溯， 根据分类结果判断铸 造过程参数和板材剪 切参数的合理性； (8)对不合理的参数进行修改， 并应用模拟软件进行验证， 验证合格的参 数指导后续 零件生产。 2.根据权利要求1所述的一种基于机器视觉的飞机结构件缺陷无损检测方法， 其特征 在于： 步骤(1)中调整灯光照明、 相机焦距， 根据照明条件进 行灯光照明强度的选择， 根据相 机和飞机结构件的相对位置调整相机焦距， 相机固定在飞机结构件的正上 方。 3.根据权利要求1所述的一种基于机器视觉的飞机结构件缺陷无损检测方法， 其特征 在于： 步骤(2)中对高精度工业相机进行标定， 相机选用成像质量较好的CCD相机； 由相机、 镜头及飞机结构件组成的视觉系统， 利用MATLAB软件进 行相机标定， 获得相机内、 外参数及 镜头畸变系数， 实现图像的畸变校正。 4.根据权利要求1所述的一种基于机器视觉的飞机结构件缺陷无损检测方法， 其特征 在于： 步骤(3)中图像处理包括图像灰度化、 中值滤波、 高斯滤波， 图像形态学分析方法采用 的是形态学开 运算。 5.根据权利要求1所述的一种基于机器视觉的飞机结构件缺陷无损检测方法， 其特征 在于： 步骤(4)中改进的局部二值模式算法是用圆形邻域代替正方形邻域计算局部二值模 式值， 将处理后的灰度图像经改进的局部二值模式变换为局部二值模式图像， 对其进行直 方图统计， 得到局部二 值模式直方图即可作为识别的纹 理特征向量。 6.根据权利要求1所述的一种基于机器视觉的飞机结构件缺陷无损检测方法， 其特征 在于： 步骤(5)中根据得到的局部二值模式图像生 成灰度共生矩阵， 结合 飞机结构件的纹理 特点， 采用角二阶矩、 对比度、 相关、 熵和逆差矩作为特 征参数提取图像纹 理。 7.根据权利要求1所述的一种基于机器视觉的飞机结构件缺陷无损检测方法， 其特征 在于： 步骤(6)中应用提取出的特征数据训练稀疏表 示分类器， 使用局部二值模式直方图数 据和灰度共生矩阵特征值作为分类算法的输入集合， 应用稀疏表示分类算法对测试样本进 行分类。 8.根据权利要求1所述的一种基于机器视觉的飞机结构件缺陷无损检测方法， 其特征 在于： 步骤(7)中的稀疏表示分类结果包括合格、 铸件表 面裂纹缺陷、 铸件收缩类缺陷、 铸件 气孔类缺陷、 铸件夹杂类缺陷、 板材件表面起皱缺陷、 板材件拉裂缺陷、 板材件滑痕缺陷、 板 材分层缺陷； 对零件进 行质量追溯， 根据分类结果判断参数合理性， 影响铸件质量的工艺参 数有浇注速度、 浇注温度， 影响板材冲压成形性能参数有压边力、 板料的厚向异性系数。 9.根据权利要求1所述的一种基于机器视觉的飞机结构件缺陷无损检测方法， 其特征权　利　要　求　书 1/2 页 2 CN 115096893 A 2在于： 步骤(8)中对不合理的铸造过程参数和板材剪切参数进行修改， 并应用ProCAST模拟 铸造过程， A NSYS的LS ‑DYNA模块模拟 板材成形过程， 对已修改参数进行验证， 验证合格的铸 造过程参数和板材剪切参数用于指导后续 零件生产。权　利　要　求　书 2/2 页 3 CN 115096893 A 3