基于錐束CT的空心渦輪葉片缺陷檢測技術(shù)研究.pdf

1、空心渦輪葉片是發(fā)動機(jī)中的關(guān)鍵零件，對其進(jìn)行嚴(yán)格的質(zhì)量檢測，對于保障飛行的安全性和可靠性極為重要?；阱F束體積CT的渦輪葉片質(zhì)量檢測技術(shù)是當(dāng)前無損檢測領(lǐng)域的研究熱點(diǎn)。圖象分割是缺陷檢測的關(guān)鍵技術(shù)，也是后續(xù)缺陷自動識別的基礎(chǔ)。本文針對此關(guān)鍵技術(shù)展開研究，論文主要研究內(nèi)容如下： 1.基于馬爾科夫隨機(jī)場模型的分割算法研究：提出了一種基于統(tǒng)計(jì)模型的聚類分割算法。該算法首先引入剔除外層數(shù)據(jù)的機(jī)制，以克服原始切片圖象中的噪聲和偽影對后續(xù)算法的

2、影響，隨后，將馬爾科夫隨機(jī)場模型應(yīng)用于基于高斯函數(shù)的聚類分割方法中，利用ICM局部優(yōu)化方法，獲得MAP準(zhǔn)則下的圖象分割結(jié)果。為加快該算法的速度，算法引進(jìn)一種能有效減少斑點(diǎn)噪聲影響的基于博弈理論的決定性退火算法(GSA)。實(shí)驗(yàn)結(jié)果表明新算法比傳統(tǒng)基于馬爾科夫隨機(jī)場模型的算法具有更高的分割精度。 2.基于模糊聚類的圖象分割算法研究：模糊聚類是解決樣本所屬類別的不確定性決策的最優(yōu)辦法，針對切片圖象直方圖中存在較長的寬平區(qū)域的特點(diǎn)，本文

3、將模糊技術(shù)應(yīng)用于基于目標(biāo)函數(shù)的聚類方法中，提出了基于距離函數(shù)、高斯分布函數(shù)的模糊CT圖象分割方法。其中高斯混合模型法使用三狀態(tài)的高斯混合分布對圖象分布進(jìn)行擬合。該算法首先對待分割的各類象素尋找與之匹配的最佳模型參數(shù)，之后進(jìn)行分割，實(shí)驗(yàn)表明該方法分割精度高、運(yùn)算速度快，能更準(zhǔn)確地將缺陷信息從背景提取出來。 3.基于FART圖象分割算法研究：針對切片序列圖象數(shù)據(jù)量較大的特點(diǎn)，采用了適合于并行計(jì)算的神經(jīng)網(wǎng)絡(luò)方法，并將模糊理論融入ART