时间戳

首页 > 解决方案 > 构建网络以检测 CT 扫描中的裂缝

python - 构建网络以检测 CT 扫描中的裂缝

问题描述

这个问题陈述是这个问题的延伸：Detecting the presence of a black area in a grayscale image

我正在提供手头的整个问题，因此考虑将其包含在单独的帖子中。

机器现在能够 3D 打印金属零件。他们在层中这样做 - 在添加每一层之后，以灰度进行扫描。以下图像分别在第 2 层和第 75 层拍摄。这些图像正是它们应该看起来的样子。

但是，如果让我们说在第 75 层的扫描中有裂缝，那么扫描会将其显示为一条暗线/曲线（不是黑色，但肯定比周围的灰色区域更暗）

目标是检测每一层的裂纹，以便立即停止进一步的打印。

这可以使用神经网络来完成吗？由于更倾向于开发通用代码 - 相同的代码可用于扫描其他部分。

我并不是真的要求整个代码，只是寻求解决方案的最佳方法。

这是第 2 层： 第 2 层

这是第 75 层： 第 75 层

标签： pythonopencvimage-processingneural-network

解决方案

是的，神经网络是 3D 打印部件中裂纹检测的可能解决方案。在打印每一层之后，部分打印部分的图像将被传递到神经网络。神经网络会将图像分类为“无裂缝”或“存在裂缝”。

需要样本数据来训练神经网络。您是否有任何带有裂纹的 3D 打印部件的图像？希望不会！如果您知道裂缝通常是什么样子，您可以创建一个合成数据数据集并使用它来训练神经网络。这是我使用 Python/OpenCV 生成的破解示例： 使用python生成破解 这是我用来生成破解的代码：

import cv2, numpy as np, random
# Read source image
img = cv2.imread('/home/stephen/Desktop/lco7q.jpg')
# Create dx and dy arrays (this defines the crack
crack_length = 41
dy = np.random.normal(0,1,crack_length)+1
dx = np.random.normal(0,1,crack_length)+1
# Start the crack at 'a'
a = 0,123
# Iterate through each point in the crack
for i in range(crack_length-1):
    # Calculate which way the crack is going
    b = a[0] + dx[i] *i, a[1] + dy[i] *i
    # Draw a line
    cv2.line(img, tuple(np.array(a, int)), tuple(np.array(b, int)), 0, 4)
    # Go onto the next point
    a = b
# Show the image
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

推荐阅读