填装材料CT图像中脱粘缺陷识别与深度测量

脱粘缺陷是影响填装材料物理安全性能的重要指标,计算机层析成像(CT)是进行脱粘缺陷检测的有效方法。但填装材料脱粘缺陷紧贴外轮廓、面积小,对比度低,分割时易受其他信息干扰,传统活动轮廓模型难以适用。本研究提出了一种基于SoftMax和正则项的Chan-Vese (SRCV)模型用于填装材料脱粘缺陷分割,系统比较了SRCV模型与多种活动轮廓模型对脱粘缺陷分割效果的差异,利用不同图片分割效果揭示了SRCV模型的抗干扰能力和兼顾全局与局部信息的能力,利用分割曲线的欧氏距离实现脱粘深度测量。研究结果表明,SRCV模型对填装材料脱粘缺陷分割更贴近脱粘边缘,分割曲线更光滑,准确度达99.56%,Dice系数为99.82%,脱粘深度误差不超过6%,特别适用于有大量干扰信息的微小脱粘缺陷的分割,较其他活动轮廓模型具有明显的优势。