【技术实现步骤摘要】
本专利技术涉及全机疲劳试验裂纹检测领域，具体涉及一种掩码旋转叠加的全机试验裂纹特征增强与标识方法。
技术介绍
1、近年来，深度学习技术在计算机视觉领域发展迅速，随着图形处理设备性能提升，目前在各个行业广泛应用。在飞机结构无损检测领域，飞机结构损伤的周期性检测一直是强度试验与外场运营维护的重点，其中壁板、蒙皮、机翼和操纵面等结构在飞行过程中承受复杂的交变载荷和外物冲击，极易出现裂纹、断钉、掉钉等损伤，容易引发各类安全事故。
2、在全机试验中，裂纹是出现概率最大、检出要求最高的损伤类型，疲劳试验过程中裂纹随交变载荷的施加不断展开与闭合，在停机状态下裂纹几乎无法靠目视检出。在损伤出现早期，裂纹尺寸较小，裂纹特征相对不明显，与背景对比度较低。常规视觉检测方法难以准确标识出裂纹，而且裂纹与划痕图像特征差异较小，在实际检测中误判较高，难以直接用于全机试验过程中。因此，在全机疲劳试验裂纹检测领域需要更加准确和可靠的裂纹图像特征增强与标识方法。
技术实现思路
1、针对现有技术中的上述不足，本专利技术提供了一种掩码旋转叠加的全机试验裂纹特征增强与标识方法，能满足全机试验不同场景的检测需求，在保证检测效率的同时极大地提升准确性。
2、一种掩码旋转叠加的全机试验裂纹特征增强与标识方法，包括以下步骤：
3、s1、获取原始裂纹图像，并对原始裂纹图像进行图像裁剪、图像裂纹掩码标记、图像筛选和图像裂纹特征增强，以获取原始裂纹图像特征增强数据；
4、s2、构建裂纹智
5、s3、获取待标识裂纹图像，对待标识裂纹图像进行图像裁剪、图像填充、图像旋转剪裁和图像旋转拼接，获取待标识裂纹图像特征增强数据，并根据待标识裂纹图像特征增强数据和步骤s2中训练验证后的裂纹智能检测网络模型，得到裂纹标识结果。
6、进一步地，步骤s1包括以下分步骤：
7、s11、获取原始裂纹图像，并对原始裂纹图像进行图像裁剪以获取原始裂纹正方形图像；
8、s12、确定第一等分数值，利用第一等分数值对分步骤s11中的原始裂纹正方形图像进行等分以获取原始裂纹等分数据，并对原始裂纹等分数据进行图像裂纹掩码标记和图像筛选以获取原始裂纹等分标记数据；
9、s13、根据分步骤s12中的原始裂纹等分数据，确定含裂纹掩码区域的裂纹等分数据中心点坐标；
10、s14、根据分步骤s12中的原始裂纹等分标记数据和分步骤s13中含裂纹掩码区域的裂纹等分数据中心点坐标，对原始裂纹图像进行图像裂纹特征增强处理，以获取原始裂纹图像特征增强数据。
11、进一步地，在步骤s12中，对原始裂纹等分数据进行图像裂纹掩码标记和图像筛选以获取原始裂纹等分标记数据，包括以下步骤：
12、a1、根据被检验裂纹尺寸大小确定裂纹面积阈值；
13、a2、对原始裂纹等分数据进行图像裂纹掩码标记，以获取原始裂纹掩码标记等分数据；
14、a3、根据原始裂纹等分数据确定等分区域面积，并根据原始裂纹掩码标记等分数据确定掩码标记等分区域面积；
15、a4、判断步骤a3中掩码标记等分区域面积与等分区域面积之比是否大于步骤a1中的裂纹面积阈值；若是则保留等分区域面积对应的原始裂纹等分数据，否则剔除等分区域面积对应的原始裂纹等分数据，以获取原始裂纹等分标记数据。
16、进一步地，步骤s13包括以下分步骤：
17、s131、根据分步骤s12中的原始裂纹等分数据，确定含裂纹掩码区域的裂纹等分数据中心点横轴坐标，表示为：
18、
19、其中：为含裂纹掩码区域的裂纹等分数据中心点横轴坐标，为含裂纹掩码区域的列索引序号，为原始裂纹等分数据中图像的宽，为第一等分数值；
20、s132、根据分步骤s12中的原始裂纹等分数据，确定含裂纹掩码区域的裂纹等分数据中心点纵轴坐标，表示为：
21、
22、其中：为含裂纹掩码区域的裂纹等分数据中心点纵轴坐标，为含裂纹掩码区域的行索引序号；
23、s133、根据分步骤s131中的含裂纹掩码区域的裂纹等分数据中心点横轴坐标和分步骤s132中含裂纹掩码区域的裂纹等分数据中心点纵轴坐标，确定含裂纹掩码区域的裂纹等分数据中心点坐标。
24、进一步地，步骤s14包括以下分步骤：
25、s141、确定能被360整除的旋转角，将分步骤s12中的原始裂纹等分标记数据中的裂纹掩码以分步骤s13中含裂纹掩码区域的裂纹等分数据中心点坐标为旋转中心，且以能被360整除的旋转角为间隔进行旋转，以获取裂纹特征增强区域；
26、s142、将分步骤s141中裂纹特征增强区域替换原始裂纹等分标记数据中的对应区域，并将裂纹特征增强区域标注为目标检测特征，以获取原始裂纹图像特征增强数据。
27、进一步地，在步骤s2中，裂纹智能检测网络模型包括依次连接的backbone模块、fpn模块和yolohead模块；
28、backbone模块用于对输入的裂纹图像进行特征提取以获取裂纹图像的特征层，并将裂纹图像的特征层传输至fpn模块；
29、fpn模块用于接收裂纹图像的特征层，根据裂纹图像的特征层获取裂纹图像的融合特征信息，并将裂纹图像的融合特征信息传输至yolohead模块；
30、yolohead模块用于接收裂纹图像的融合特征信息，根据裂纹图像的融合特征信息输出裂纹标识结果。
31、进一步地，裂纹图像的特征层包括裂纹图像的低层特征、中层特征和高层特征。
32、进一步地，fpn模块根据裂纹图像的特征层获取裂纹图像的融合特征信息，具体为：利用特征金字塔结构sppcspc对裂纹图像的高层特征进行加强特征提取，利用特征金字塔结构aspp对裂纹图像的低层特征进行加强特征提取，在sppcspc结构和aspp结构前、上采样结构后分别添加注意力机制，并采用自上而下与自下而上的特征融合方式对加强特征提取的特征层进行融合以获取裂纹图像的融合特征信息。
33、进一步地，步骤s3包括以下分步骤：
34、s31、获取待标识裂纹图像，并对待标识裂纹图像进行图像裁剪以获取待标识裂纹正方形图像；
35、s32、确定第二等分数值，利用第二等分数值对分步骤s31中的待标识裂纹正方形图像进行等分以获取待标识裂纹等分数据，并对待标识裂纹等分数据进行图像填充，获取待标识裂纹等分填充数据；
36、s33、根据分步骤s32中的待标识裂纹等分填充数据，确定待标识裂纹中心点坐标，待标识裂纹中心点的横坐标和纵坐标，表示为：
37、
38、其中：px为待标识裂纹中心点的横坐标，py为待标识裂纹中心点纵坐标，为待标识裂纹正方形图像的宽，m为第二等分数值；
39、s34、确定起始本文档来自技高网...
【技术保护点】
1.一种掩码旋转叠加的全机试验裂纹特征增强与标识方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种掩码旋转叠加的全机试验裂纹特征增强与标识方法，其特征在于，在步骤S12中，对原始裂纹等分数据进行图像裂纹掩码标记和图像筛选以获取原始裂纹等分标记数据，包括以下步骤：
3.根据权利要求1所述的一种掩码旋转叠加的全机试验裂纹特征增强与标识方法，其特征在于，步骤S13包括以下分步骤：
4.根据权利要求1所述的一种掩码旋转叠加的全机试验裂纹特征增强与标识方法，其特征在于，步骤S14包括以下分步骤：
5.根据权利要求1所述的一种掩码旋转叠加的全机试验裂纹特征增强与标识方法，其特征在于，在步骤S2中，裂纹智能检测网络模型包括依次连接的Backbone模块、FPN模块和YoloHead模块；
6.根据权利要求5所述的一种掩码旋转叠加的全机试验裂纹特征增强与标识方法，其特征在于，裂纹图像的特征层包括裂纹图像的低层特征、中层特征和高层特征。
7.根据权利要求6所述的一种掩码旋转叠加的全机试验裂纹特征增强与标识方法，其特
8.根据权利要求4所述的一种掩码旋转叠加的全机试验裂纹特征增强与标识方法，其特征在于，步骤S3包括以下分步骤：
9.根据权利要求8所述的一种掩码旋转叠加的全机试验裂纹特征增强与标识方法，其特征在于，在分步骤S32中，对待标识裂纹等分数据进行图像填充，具体为：以待标识裂纹等分图像的坐标为坐标中心，沿横纵坐标轴四个方向分别增加设定填充行像素值，将设定填充行的像素值填充为0；设定填充行的行数表示为：
...【技术特征摘要】
1.一种掩码旋转叠加的全机试验裂纹特征增强与标识方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种掩码旋转叠加的全机试验裂纹特征增强与标识方法，其特征在于，在步骤s12中，对原始裂纹等分数据进行图像裂纹掩码标记和图像筛选以获取原始裂纹等分标记数据，包括以下步骤：
3.根据权利要求1所述的一种掩码旋转叠加的全机试验裂纹特征增强与标识方法，其特征在于，步骤s13包括以下分步骤：
4.根据权利要求1所述的一种掩码旋转叠加的全机试验裂纹特征增强与标识方法，其特征在于，步骤s14包括以下分步骤：
5.根据权利要求1所述的一种掩码旋转叠加的全机试验裂纹特征增强与标识方法，其特征在于，在步骤s2中，裂纹智能检测网络模型包括依次连接的backbone模块、fpn模块和yolohead模块；
6.根据权利要求5所述的一种掩码旋转叠加的全机试验裂纹特征增强与标识方法，其特征在于，裂纹图像的特征层包括裂纹图像的低层特征、中层特征和高层...
【专利技术属性】
技术研发人员：贾文博，刘小川，樊俊铃，杨鹏飞，张伟，焦婷，
申请(专利权)人：中国飞机强度研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。