基于视觉图像分析的纤维增强玻璃结构缺陷特征识别方法

摘要

雷达罩、扰流板等装备中广泛采用了纤维增强玻璃结构。在工程实践中,此类结构由于受到表面结构磨损、老化、冲击、化学腐蚀等因素的影响,其内部结构逐渐演变成缺陷状态,扩展形成诸如气泡、划痕、缺胶、裂纹、空蚀、污点等缺陷,这些缺陷对设备质量性能已构成严重威胁。从纤维增强玻璃结构缺陷的传播过程来看,其持续时间随机,且可能很短。因此,设计一套科学的纤维增强玻璃结构微缺陷智能检测系统,增强纤维增强玻璃结构的维护性,不仅有助于减少突发事件,而且对确保安全生产运行具有积极的理论意义和应用价值。首先,讨论了纤维增强玻璃结构的缺陷检测机制,分析了缺陷检测原理和缺陷区域的识别方法。其次,讨论了缺陷边缘信号的处理过程,建立了基于MLP的分类器,并设计了分类器的算法。最后,通过对典型纤维增强玻璃结构的实时监测和缺陷诊断,证明了该方法的有效性。实验结果表明,该方法提高了缺陷检测的效率,具有较高的缺陷特征识别精度,为纤维增强玻璃结构缺陷的在线检测提供了新思路。