本發(fā)明涉及圖像處理領域。更具體地，本發(fā)明涉及基于金屬保溫層抗沖擊檢測工藝的監(jiān)測方法。

背景技術：

1、在工業(yè)應用中，金屬保溫層用于管道、儲罐和設備的熱管理。隨著操作環(huán)境的復雜性增加，金屬保溫層常常面臨沖擊、振動和溫度變化等外部因素的影響，這些因素可能導致保溫層的損壞，從而影響設備的能效和安全性。

2、現有公開號為cn115359053a的中國專利申請文件公開了一種金屬板材缺陷智能檢測方法及系統，涉及計算機視覺技術領域，所述方法包括獲取金屬板材表面的灰度圖像；獲取每次灰度級降維后灰度圖像的灰度游程矩陣；獲取每次灰度級降維后灰度圖像的降維可信度；獲取灰度圖像的最大允許降維程度；獲取灰度圖像中每個像素點與該像素點鄰域內像素點平均灰度值差值的最大取值；根據最大取值獲取灰度圖像中每個像素點的平滑濾波窗口尺寸，根據每個像素點的平滑濾波窗口尺寸對灰度圖像進行平滑濾波處理，獲得目標灰度圖像；對目標灰度圖像進行邊緣檢測獲取目標灰度圖像中的缺陷區(qū)域；本發(fā)明解決相關技術中在對金屬板進行缺陷檢測時無法實現對金屬板表面缺陷的精確檢測的技術問題。

3、上述申請文件中通過灰度級降維和平滑濾波處理，提高了對小缺陷的檢測精確度，目前基于機器視覺對金屬保溫層表面的缺陷對金屬保溫層的表面圖像進行抗沖擊試驗檢測，但是由于凹凸結構金屬保溫層的表面不平滑和反射率不同，導致無法準確判斷金屬保溫層是否出現缺陷和形變，同時，存在主觀誤差和平面圖像視覺誤差導致金屬保溫層抗loca沖擊能力評價不準確，造成了使用過程中的潛在風險。

技術實現思路

1、為解決凹凸結構金屬保溫層的表面不平滑和反射率不同，導致無法準確判斷金屬保溫層是否出現缺陷和形變，以致抗沖擊檢測不準確的問題，本發(fā)明在如下方面中提供方案。

2、基于金屬保溫層抗沖擊檢測工藝的監(jiān)測方法，包括：獲取金屬保溫層的預設角度的表面圖像、深度數據和溫度數據，獲取預設角度的表面圖像的灰度圖像，并進行變換修正，篩選目標圖像；根據金屬保溫層的結構特性將目標圖像劃分區(qū)域，基于不同區(qū)域的深度數據計算不同區(qū)域的形變分數，將不同區(qū)域發(fā)生形變的個數和面積作為權重進行加權求和，得到綜合形變分數；響應于綜合形變分數大于預設閾值時，提取目標圖像中檢測前后深度差值最大的像素點作為區(qū)域生長的中心點，進行區(qū)域生長，得到最大形變區(qū)域，根據目標圖像的溫度數據分割出溫度異常區(qū)域；將所述最大形變區(qū)域與溫度異常區(qū)域進行匹配，得到溫度異常分數，并對目標圖像的最大形變區(qū)域進行溫度差異驗證評估抗沖擊能力；其中，所綜合形變分數滿足下述關系式：，式中，、分別表示試驗前凹凸區(qū)域凹凸點的個數和平滑區(qū)域的面積，、分別表示試驗時凹凸區(qū)域凹凸點的個數和平滑區(qū)域發(fā)生形變的面積，、分別表示凹凸區(qū)域和平滑區(qū)域的形變分數。

3、其效果在于：通過對預設角度進行變換修正，篩選目標圖像，有利于選出包含紋理信息最豐富的圖像，避免因圖像拍攝造成，同時，將目標圖像劃分為凹凸區(qū)域和平滑區(qū)域，允許對不同區(qū)域的形變進行針對性分析，通過計算不同區(qū)域的形變分數，并結合形變的個數和面積作為權重，進一步根據金屬保溫層的結構特征，獲得最大形變區(qū)域，分析不同區(qū)域抗沖擊檢測的程度，結合溫度異常區(qū)域，從而驗證抗沖擊能力檢測的準確性。

4、優(yōu)選的，所述獲取預設角度的表面圖像的灰度圖像，并進行變換修正，包括：

5、將垂直于表面圖像的角度作為標準視角，計算不同預設角度拍攝的表面圖像相對于標準視角的透視變換矩陣，基于透視變換矩陣將每個像素點的坐標從原預設角度的表面圖像映射到標準視角，得到映射圖像，并使用雙線性插值計算映射圖像的像素點的像素值，得到不同角度圖像的矯正灰度圖像。

6、其效果在于：通過將垂直于表面圖像的角度作為標準視角，確保所有從不同角度拍攝的圖像都被轉換到同一參考框架下，從而標準化了圖像數據，并通過計算透視變換矩陣校正由于拍攝角度引起的透視失真，使得圖像中的物體按照實際大小和形狀呈現，矯正后的灰度圖像可以更清晰地展示表面的紋理和特征，用于后續(xù)的圖像分析。

7、優(yōu)選的，所述篩選目標圖像，包括：

8、使用大津法對矯正灰度圖像進行分割，得到前景圖像和背景圖像，對前景圖像進行連通域提取，獲取連通域中每個像素點在水平和垂直方向的梯度，將每個像素點的梯度幅度的標準差作為連通域的清晰度；

9、分別將連通域和背景區(qū)域的像素值的標準差之間的差值絕對值作為亮度差異，分別將連通域和背景區(qū)域的梯度幅度的平均值之間的比值作為幅度差異，分別將連通域和背景區(qū)域內像素點的個數之間的比值作為面積比，將亮度差異和幅度差異以及面積比的乘積作為連通域的對比度；

10、將所述對比度和所述清晰度的乘積最大的表面圖像作為目標圖像。

11、其效果在于：通過大津法分割，可以有效地將前景與背景分離，并提取前景區(qū)域的連通域，計算連通域中每個像素點的梯度幅度的標準差作為清晰度，有助于識別和選擇紋理清晰、細節(jié)豐富的圖像。

12、優(yōu)選的，所述計算不同區(qū)域的形變分數，包括：

13、所述不同區(qū)域包括：凹凸區(qū)域和平滑區(qū)域；

14、基于不同區(qū)域的深度數據構建深度共生矩陣，根據所述深度共生矩陣，遍歷所有深度數據對，計算不同區(qū)域每個深度數據對的梯度幅度的平均值，獲取不同區(qū)域每個深度數據對出現的概率，以及不同區(qū)域深度數據對的深度值的絕對差值和所有像素點的梯度幅度平均值的比值，將所述平均值和所述概率以及所述比值的乘積求和作為不同區(qū)域的形變分數。

15、其效果在于：通過分析梯度幅度和深度變化，可以更敏感地檢測到金屬保溫層的微小損傷和形變，提高抗沖擊檢測準確性。

16、優(yōu)選的，獲取所述最大形變區(qū)域，包括：

17、選擇所述中心點完全包含生長區(qū)域的陣列為初始陣列，其中，初始陣列為22，計算初始陣列8鄰域內所有像素點的深度值的平均值和標準差，將標準差作為區(qū)域生長的生長閾值，從峰值點進行區(qū)域生長，將符合生長閾值的點加入生長區(qū)域，直到區(qū)域內不存在符合生長閾值的標準差的點則停止生長，直至沒有點加入生長區(qū)域，得到最大形變區(qū)域。

18、其效果在于：通過計算初始陣列8鄰域內像素點的深度值平均值和標準差，并將標準差作為生長閾值，有助于更精確地獲取形變的程度和分布；并且能夠動態(tài)適應不同的損傷程度，在損傷較輕的區(qū)域，生長閾值可能較高，獲得較小的形變區(qū)域；而在損傷較重的區(qū)域，生長閾值可能較低，獲得較大的形變區(qū)域。

19、優(yōu)選的，所述根據目標圖像的溫度數據分割出溫度異常區(qū)域，包括：

20、選擇目標圖像中不同區(qū)域試驗時冷面溫度和熱面溫度差值最小的像素點作為區(qū)域生長的中心點，使用自適應區(qū)域生長得到不同區(qū)域的溫度異常區(qū)域。

21、優(yōu)選的，所述溫度異常分數滿足下述關系式：

22、；

23、式中，表示溫度異常分數，、分別表示凹凸區(qū)域和平滑區(qū)域中最大形變區(qū)域與溫度異常區(qū)域中位置相同的像素點個數與位置不相同的像素點個數的比值，、分別表示凹凸區(qū)域和平滑區(qū)域中最大形變區(qū)域與溫度異常區(qū)域中位置相同的像素點的溫度值的標準差。

24、優(yōu)選的，所述驗證評估抗沖擊能力，包括：

25、響應于溫度異常分數大于等于預設閾值，則表示金屬保溫層抗沖擊能力較差，反之，則表示金屬保溫層抗沖擊能力較好。

26、本發(fā)明具有以下效果：

27、1、本發(fā)明通過綜合利用表面圖像、深度數據和溫度數據，能夠全面捕捉金屬保溫層的形變和溫度異常情況；通過變換修正和區(qū)域生長技術，可以精確地定位最大形變區(qū)域，從而提高抗沖擊檢測的準確性，通過計算綜合形變分數和溫度異常分數，識別出損傷區(qū)域，還能夠對損傷的嚴重程度進行評估。

28、2、本發(fā)明通過結合形變和溫度數據，可以更可靠地識別損傷區(qū)域。溫度差異驗證不僅解決通過形變分數單獨評估時不明顯的損傷，從而提高整體檢測的可靠性，從而分析受到高溫沖擊發(fā)生形變但并未破損的情況，可以進一步評估最大形變區(qū)域的抗沖擊能力，提高了評估的全面性。