(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210942104.9 (22)申请日 2022.08.08 (65)同一申请的已公布的文献号 申请公布号 CN 115018840 A (43)申请公布日 2022.09.06 (73)专利权人 珠海市南特 金属科技股份有限公 司 地址 519055 广东省珠海市金湾区平沙镇 怡乐路32号 (72)发明人 邹志宏　张涌清　欧阳巨源 　 陆森林　龙朝辉　 (74)专利代理 机构 广州博联知识产权代理有限 公司 44663 专利代理师 马天鹰(51)Int.Cl. G06F 16/33(2019.01) G06T 7/00(2017.01) G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 10/72(2022.01) G06V 10/74(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (56)对比文件 CN 113538433 A,2021.10.2 2 CN 113553942 A,2021.10.26 CN 111640091 A,2020.09.08 CN 110866510 A,2020.0 3.06 审查员 王俊杰 (54)发明名称 精密铸件裂纹检测方法、 系统及装置 (57)摘要 本发明提供的精密铸件裂纹检测方法、 系统 及装置， 涉及图像处理技术领域。 在本发明中， 对 目标精密铸件进行视频监控， 以输出目标精密铸 件对应的初始铸件监控视频； 依据铸件监控视频 帧之间的相关性， 对初始铸件监控视频包括的多 帧铸件监控视频帧进行筛选， 以形成初始铸件监 控视频对应的目标铸件监控视频。 利用预先更新 完成的目标裂纹检测神经网络， 分别对目标铸件 监控视频包括的每一帧铸件监控视频帧进行裂 纹检测， 以输出每一帧铸件监控视频帧对应的裂 纹检测结果， 再依据每一帧铸件监控视频帧对应 的裂纹检测结果， 融合输出对应的目标裂纹检测 结果； 本发明通过前述的内容， 可 以在一定程度 上提高精密铸件裂纹检测的效率。 权利要求书6页 说明书13页 附图2页 CN 115018840 B 2022.11.18 CN 115018840 B 1.一种精密铸件裂纹检测方法， 其特征在于， 应用精密铸件裂纹检测装置， 所述精密铸 件裂纹检测方法包括： 对目标精密铸件进行视频监控， 以输出所述目标精密铸件对应的初始铸件监控视频， 所述初始铸件监控视频包括多帧铸件监控视频帧； 依据铸件监控视频帧之间的相关性， 对所述初始铸件监控视频包括的多帧铸件监控视 频帧进行筛选， 以形成所述初始铸件监控视频对应的目标铸件监控视频， 所述目标铸件监 控视频包括至少一帧铸件监控视频帧； 利用预先更新完成的目标裂纹检测神经网络， 分别对所述目标铸件监控视频包括的每 一帧铸件监控视频帧进行裂纹检测， 以输出每一帧铸件监控视频帧对应的裂纹检测结果， 再依据每一帧铸件监控视频帧对应的裂纹检测结果， 融合输出所述目标精密铸件对应的目 标裂纹检测结果， 所述目标裂纹检测结果用于反映所述目标精密铸件是否存在裂纹； 所述依据铸件监控视频帧之间的相关性， 对所述初始铸件监控视频包括的多帧铸件监 控视频帧进行筛 选， 以形成所述初始铸件监控视频对应的目标铸件监控视频的步骤， 包括： 分别对所述铸件监控视频包括的时序相邻的每两帧铸件监控视频帧之间的视频相关 系数进行计算， 输出对应的视频相关系数； 依据时序相邻的每两帧铸件监控视频帧之间的视频相关系数， 对所述初始铸件监控视 频包括的多帧铸件监控视频帧进 行筛选， 以形成所述初始铸件监控视频对应的目标铸件监 控视频， 在进行筛选的过程中， 倘若时序相邻的两 帧铸件监控视频帧之间的视频相关系 数 大于视频相关系数参 考值， 则将该两帧铸件监控视频帧中的一帧筛除； 其中， 所述分别对所述铸件监控视频包括的时序相邻的每两帧铸件监控视频帧之间的 视频相关系数进行计算， 输出对应的视频相关系数的步骤， 包括： 对第一帧铸件监控视频帧进行特征点提取操作， 以输出所述第 一帧铸件监控视频帧对 应的第一特征点簇， 再对第二帧铸件监控视频帧进行特征点提取操作， 以输出所述第二帧 铸件监控视频帧对应的第二特征点簇， 所述第一特征点簇包括多个第一像素特征点， 所述 第二特征点簇包括多个第二像素 特征点； 依据目标寸尺， 对所述第一帧铸件监控视频帧进行分割处理， 以形成所述第一帧铸件 监控视频帧对应的多帧第一子铸件监控视频帧， 再依据所述 目标寸尺， 对所述第二帧铸件 监控视频帧进 行分割处理， 以形成所述第二帧铸件监控视频帧对应的多帧第二子铸件监控 视频帧， 再依据包括的像素点的像素位置， 将所述多帧第一子铸件监控视频帧和所述多帧 第二子铸件监控视频帧进行一 一配对处 理， 以形成多个子铸件监控视频帧组合； 针对每一个所述第一像素特征点， 依据该第一像素特征点的像素值， 从所述第一帧铸 件监控视频帧中， 提取出与该像素值相同的每一个其它第一像素点， 以作为该第一像素特 征点对应的相关第一像素点， 再对所述相关第一像素点的数量进行统计， 以输出该第一像 素特征点对应的第一相关数量， 以及， 依据每一个所述相关第一像素点与该第一像素特征 点之间的像素位置关系， 构建形成该第一像素 特征点对应的第一相关像素分布向量； 针对每一个所述第二像素特征点， 依据该第二像素特征点的像素值， 从所述第二帧铸 件监控视频帧中， 提取出与该像素值相同的每一个其它第二像素点， 以作为该第二像素特 征点对应的相关第二像素点， 再对所述相关第二像素点的数量进行统计， 以输出该第二像 素特征点对应的第二相关数量， 以及， 依据每一个所述相关第二像素点与该第二像素特征权　利　要　求　书 1/6 页 2 CN 115018840 B 2点之间的像素位置关系， 构建形成该第二像素 特征点对应的第二相关像素分布向量； 针对每一个所述子铸件监控视频帧组合， 对该子铸件监控视频帧组合包括的第 一子铸 件监控视频帧包括的第一像素特征点对应的第一相关数量进 行累加计算， 以输出该子铸件 监控视频帧组合对应的第一相关数量累加值， 再对该子铸件监控视频帧组合包括的第二子 铸件监控视频帧包括的第二像素特征点对应的第二相关数量进行累加计算， 以输出该子铸 件监控视频帧组合对应的第二相关数量累加 值， 以及， 再依据该第一相关数量累加 值和该 第二相关数量累加值的融合 值， 分析输出 该子铸件监控视频帧组合对应的权 重系数； 针对每一个所述子铸件监控视频帧组合， 分别对该子铸件监控视频帧组合包括的第 一 子铸件监控视频帧包括的每一个第一像素特征点对应的第一相关像素分布向量和该子铸 件监控视频帧组合包括的第二子铸件监控视频帧包括的每一个第二像素特征点对应的第 二相关像素分布向量进行向量相似度的计算， 以输出该子铸件监控视频帧组合对应的多个 向量相似度， 再对该多个 向量相似度进行融合， 以输出该子铸件监控视频帧组合对应的目 标向量相似度； 依据每一个所述子铸件监控视频帧组合对应的权重系数， 对所述多个子铸件监控视频 帧组合对应的多个目标向量相似度进 行加权求和计算， 以输出所述第一帧铸件监控视频帧 和所述第二帧铸件监控视频帧之间的视频相关系数。 2.如权利要求1所述的精密铸件裂纹检测方法， 其特征在于， 所述对目标精密铸件进行 视频监控， 以输出 所述目标精密铸件 对应的铸件监控视频的步骤， 包括： 分别对每一个历史精密铸件对应的历史裂纹检测结果进行分析， 以输出每一个所述历 史精密铸件对应的历史铸件质量参数， 再对每一个所述历史精密铸件对应的历史铸件质量 参数进行融合， 输出目标铸件质量 参数； 依据所述目标铸件质量参数， 对目标精密铸件进行视频监控， 以输出所述目标精密铸 件对应的铸件监控视频， 所述铸件监控视频包括的铸件监控视频帧的帧数与所述目标铸件 质量参数之间具有相关 关系。 3.如权利要求1所述的精密铸件裂纹检测方法， 其特征在于， 所述利用预先更新完成的 目标裂纹检测神经网络， 分别对所述目标铸件监控视频包括的每一帧铸件监控视频帧进 行 裂纹检测， 以输出每一帧铸件监控视频帧对应的裂纹检测结果， 再依据每一帧铸件监控视 频帧对应的裂纹检测结果， 融合输出所述 目标精密铸件对应的目标裂纹检测结果的步骤， 包括： 依据不同的参考图像组合， 对初始裂纹检测神经网络进行多次更新， 以形成所述初始 裂纹检测 神经网络对应的目标裂纹检测 神经网络； 利用所述目标裂纹检测神经网络， 分别对所述目标铸件监控视频包括的每一帧铸件监 控视频帧进行裂纹检测， 以输出每一帧所述铸件监控视频帧对应的裂纹检测结果， 再依据 每一帧所述铸件监控视频帧对应的裂纹检测结果， 融合输出所述目标精密铸件对应的目标 裂纹检测结果。 4.如权利要求3所述的精密铸件裂纹检测方法， 其特征在于， 所述依据不同的参考图像 组合， 对初始裂纹检测神经网络进行多次更新， 以形成所述初始裂纹检测神经网络对应的 目标裂纹检测 神经网络的步骤， 包括： 依据第一参考图像组合对初始裂纹检测神经网络进行第 一次更新， 所述第 一参考图像权　利　要　求　书 2/6 页 3 CN 115018840 B 3