构建一个网络来检测CT扫描中的裂缝

Question

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

我正在提供手头的整个问题，因此我想将其包含在单独的帖子中。

机器现在可以3D打印金属零件了。它们是以层的形式进行的--在添加每一层之后，就会以灰度进行扫描。下面的图像分别在第2层和第75层拍摄。这些图像正是他们应该看到的样子。

然而，如果假设在第75层的扫描中有一个裂缝，那么扫描会显示为一条深色的线/曲线(不是乌黑，但绝对比周围的灰色区域暗)。

目标是检测每一层上的这种裂缝，以便可以立即停止进一步的打印。

使用神经网络可以做到这一点吗？因为更倾向于开发通用的代码-相同的代码可以用于扫描其他部分。

我并不是真的想要完整的代码，只是想要最好的解决方案。

这是第2层：

这是第75层：

​

Answer 1

是的，神经网络是3d打印零件中裂纹检测的一种可能的解决方案。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“无裂纹”或“有裂纹”。

训练神经网络需要样本数据。你们有没有3d打印零件有裂纹的图像？希望不是！如果你知道裂缝通常是什么样子的，你可以创建一个合成数据的数据集，并使用它来训练神经网络。下面是我使用Python/OpenCV生成的一个破解示例：

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()