隨著我國經(jīng)濟水平的不斷發(fā)展,人民生活質(zhì)量的不斷提高,能源消耗也越來越大,特別是電能,作為日常生活當中必不可少的一部分,其重要性不言而喻。核能發(fā)電作為清潔能源,在我國的發(fā)電領(lǐng)域至關(guān)重要。核燃料芯塊作為核電站的核心部件,一旦表面產(chǎn)生破損等問題,就會產(chǎn)生輻照泄漏,造成巨大的財產(chǎn)損失。目前國內(nèi)外采用中子照相和DR/CT照相等技術(shù)來對芯塊質(zhì)量進行嚴格把控,但由于這些技術(shù)需要對芯塊的整體結(jié)構(gòu)進行成像,當檢測任務(wù)只針對芯塊表面時,就存在成本高,技術(shù)難度大,檢測效率低等問題。因此,研究一種高效、便捷的燃料芯塊表面質(zhì)量檢測系統(tǒng)意義重大。近些年來,基于機器視覺的裂紋檢測方法以其高精度、非接觸、檢測速度快的優(yōu)勢,被廣泛應(yīng)用于路面、墻體、混凝土和金屬表面等,并取得良好效果。本文基于機器視覺技術(shù),對燃料芯塊的表面裂紋檢測方法進行深入研究。文章主要研究內(nèi)容如下:1)搭建了一套芯塊表面圖像采集裝置。該裝置能夠?qū)π緣K表面進行快速成像,且圖像分辨率較高,滿足后續(xù)裂紋檢測處理需求。2)對目前比較成熟的幾種裂紋檢測算法進行實現(xiàn)和測試。傳統(tǒng)的裂紋檢測算法如直方圖分析、灰度閾值、邊緣檢測算子和濾波等�；跈C器學習的方法如支持向量機。并在現(xiàn)有數(shù)據(jù)基礎(chǔ)上對其進行性能評估,分析算法優(yōu)缺點。3)針對上述方法面臨的問題,提出CNN引導Beamlet實現(xiàn)裂紋檢測的算法。首先采用卷積神經(jīng)網(wǎng)絡(luò)和窗口滑動技術(shù),識別圖像中含裂紋區(qū)域,去除偽裂紋和背景的干擾;然后針對含裂紋區(qū)域采用Beamlet算法提取裂紋特征;最后,根據(jù)形態(tài)學判斷去除干擾,得到裂紋檢測結(jié)果。該方法中采用CNN模型對含裂紋區(qū)域進行粗提取,克服了圖像本身灰度不均、偽裂紋較多的影響;同時CNN模型引導Beamlet算法對含裂紋區(qū)域進行檢測,相比傳統(tǒng)Beamlet算法對整幅圖像進行檢測,大幅度降低算法計算量,算法計算速度大幅提升。4)提出自適應(yīng)閾值的方法,根據(jù)每個子圖像塊自身的灰度均值確定閾值,對該子圖像塊的Beamlet基進行篩選。相比采用固定閾值的方法,裂紋檢測效果大幅提升。5)根據(jù)實際情況需求,將本項目中端面裂紋類型分為4種:無裂紋、局部裂紋、貫穿裂紋和網(wǎng)狀裂紋,同時代表其對仿體的危害程度逐次上升。并訓練并測試了裂紋危害等級分類模型GradeCNN,用于裂紋類型的分類,為后續(xù)的處理和分析提供一定參考。
【學位單位】：鄭州大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TL352.21;TP391.41
【部分圖文】：

我國目前主要的發(fā)電形式有以下幾種：火力發(fā)電、水力發(fā)電、核、太陽能發(fā)電、風力發(fā)電等。但像風力發(fā)電和太陽能發(fā)電的方式目前在沒有大規(guī)模使用，而像傳統(tǒng)的火力發(fā)電、水力發(fā)電等，又都會對環(huán)境造。因此，作為清潔能源的一種，核能發(fā)電在我國的發(fā)電領(lǐng)域至關(guān)重要。2中國全年累計發(fā)電量 62758.20 億千瓦時，商用核電機組累計發(fā)電量4.69 億千瓦時，約占全國發(fā)電總量的 3.94%，而核電利用率最高的法國，73.3%。由此可見，我國核能發(fā)電領(lǐng)域仍有很大發(fā)展空間[1]。按照我國《核電中長期發(fā)展規(guī)劃（2005-2020）》，截止 2020 年，中國將多座核電站，當前已經(jīng)從廣東、浙江、山東、江蘇、遼寧、福建、廣西省份確定了 13 個優(yōu)先選擇的廠址，預計到時總投產(chǎn)核電容量達到 4000，核電年發(fā)電量達到 2600 億千瓦小時，可占全國發(fā)電量的 6%以上[2]。核電站的大規(guī)模建設(shè)，很多相關(guān)問題也隨之而來。在這些問題當中，核的安全問題最受我們關(guān)注。出于安全方面考慮，我國核電站的選址一般煙稀少的地區(qū)，如圖 1.1 所示。

2 圖像采集系統(tǒng)搭建信號讀取速度較慢。而 CMOS 中每個成像點包含一個光電二極轉(zhuǎn)換單元以及一個放大器，成像的同時就可以讀取信號，速，但是其成像質(zhì)量較差，容易出現(xiàn)噪聲點。相對 CCD 來說，在一定差距。市場調(diào)研，結(jié)合項目采集需求，并對相機的分辨率、采集速式等參數(shù)進行調(diào)查。最 終選用德國 Basler 公司的型m 的工業(yè)相機作為圖像采集裝置。相機外觀如圖 2.2 所示，其 2.1。

可分為結(jié)構(gòu)光照明、頻閃照明、背向照明和前向照明四種。本研究中主物體表面裂紋進行檢測，因此選用前向照明的方式，僅對不同照明光源行選擇。照明光源分別采用平行光和環(huán)形光幾種光源對物體進行打光，從以下幾個方面對打光效果進行評估。幾種光源的外觀如圖 2.3 所示。圖像對比度：在機器視覺中，一幅高質(zhì)量的圖像，能大幅度簡化檢測算測難度。而高質(zhì)量的圖像，能夠使待檢特征和非待檢特征之間的對比度因此，一個好的照明方案，應(yīng)該是能夠凸顯待檢特征、隱藏其他圖像特光源強度：當兩種光源其他參數(shù)一樣時，最好是選擇更亮的那個。當光不夠時，會導致三種情況。第一，相機的信噪比不夠；第二，圖像對比噪聲干擾變大，且周圍自然光影響也隨之變大；第三，光強不夠時，必調(diào)大光圈，那么鏡頭景深就會變小。系統(tǒng)魯棒性：即光源是否對物體的擺放位置敏感。好的光源應(yīng)該保證同在不同擺放角度及位置時，待檢特征都能夠較好的凸顯出來。一般來說性較強的光源，魯棒性都較差。
【相似文獻】

相關(guān)期刊論文 前10條

1 周高峰,曹巨江;陶瓷制品裂紋檢測系統(tǒng)的研究[J];機械設(shè)計與制造;2005年10期

2 陳齊平;康盛;張敏;肖強;劉禹;吳明明;;太陽能路面裂紋檢測車設(shè)計[J];農(nóng)業(yè)裝備與車輛工程;2018年06期

3 周芯竹;姚毅;趙騰;;對輸電線路瓷瓶裂紋檢測的研究[J];無線互聯(lián)科技;2013年11期

4 張曉春,劉巖;基于計算機圖像識別的表面裂紋檢測方法[J];重型機械;2003年05期

5 林富甲,黃玉珊;裂紋檢測概率曲線的統(tǒng)計測定[J];航空學報;1982年04期

6 Makoto Hayashi;程■琦;;單面開裂的直流電位裂紋檢測系統(tǒng)[J];無損檢測;1993年06期

7 肖啟雄;新型車軸裂紋檢測系統(tǒng)[J];國外機車車輛工藝;2000年06期

8 章祟任;裂紋檢測[J];建筑機械;1983年06期

9 羅毅;裂紋檢測概率及置信估計[J];中國海洋平臺;1994年Z1期

10 王彥;謝曉方;朱宗鍵;;裂紋檢測中的匹配濾波器構(gòu)造方法研究[J];計算機與現(xiàn)代化;2011年06期

相關(guān)博士學位論文 前7條

1 Ahmed Mahgoub Ahmed Talab(塔拉比);基于圖像處理技術(shù)的目標識別方法及其在裂紋檢測中的應(yīng)用[D];武漢理工大學;2015年

2 王海軍;基于聲學的禽蛋裂紋檢測關(guān)鍵技術(shù)及在線檢測研究[D];浙江大學;2016年

3 金程;雞蛋蛋殼裂紋檢測技術(shù)與裝置的研發(fā)[D];浙江大學;2015年

4 褚亮;陶瓷材料破壞過程與增韌效應(yīng)的聲發(fā)射特性研究[D];北京理工大學;2015年

5 郭春華;基于圖像分析的跨座式單軌交通PC軌道梁面裂紋檢測研究[D];重慶大學;2011年

6 金亮;渦流激勵聲發(fā)射在金屬板裂紋檢測中的應(yīng)用研究[D];河北工業(yè)大學;2011年

7 姚蘭;區(qū)間二型模糊系統(tǒng)及其在受電弓滑板檢測中的應(yīng)用研究[D];西南交通大學;2014年

相關(guān)碩士學位論文 前10條

1 宋文豪;基于機器視覺的核燃料芯塊表面裂紋檢測方法研究[D];鄭州大學;2019年

2 戴其俊;基于動力學信號分析的雞蛋蛋殼裂紋檢測研究[D];江蘇大學;2017年

3 闞仁峰;基于單目視覺圖像裂紋檢測與跟蹤自動焊接方法的研究[D];江蘇理工學院;2017年

4 姜穎軍;計算機視覺在玻璃制品裂紋檢測中的應(yīng)用[D];廣西師范大學;2000年

5 王嬌;汽車輪轂裂紋檢測臺控制系統(tǒng)設(shè)計與研究[D];電子科技大學;2011年

6 顧桂華;基于聲發(fā)射的裂紋檢測系統(tǒng)的研制[D];華中科技大學;2015年

7 李賀;煤炭傳送皮帶表面裂紋檢測技術(shù)的研究[D];遼寧科技大學;2015年

8 陳常祥;基于計算機視覺的玻璃瓶缺陷在線檢測系統(tǒng)的研究與實現(xiàn)[D];廣西師范大學;2007年

9 程載斌;利用超聲導波進行管道裂紋檢測的數(shù)值模擬和實驗研究[D];太原理工大學;2004年

10 代艷鵬;基于磁阻變化的電機鐵氧體動子表面裂紋檢測研究[D];電子科技大學;2015年

本文編號：2875464