【技術實現步驟摘要】
本專利技術涉及法蘭缺陷檢測，具體的為一種基于傳統圖像處理的法蘭表面缺陷檢測算法。
技術介紹
1、法蘭是空調外機的重要組成部件，法蘭的質量直接影響空調外機的使用壽命；目前在生產線上法蘭表面的缺陷檢測還主要依賴傳統的人工目視方法，該方法要求工作人員對每個法蘭表面都進行檢查，人眼在長時間工作下易出現視覺疲勞，從而導致部分會顯著性降低法蘭性能的缺陷被忽略，嚴重影響了產品質量；隨著機器視覺等非接觸檢測技術的發展，關于實現生產過程中的質量在線檢測技術得到大量研究；工業缺陷檢測技術的研究對于推進制造業的智能化發展具有非常重要的作用；法蘭作為成千上萬工業產品中的一種，對于其表面缺陷檢測的研究，有利于促進人工智能、信息科學等技術在工業領域的應用，加速工業制造的智能化進程。
2、在表面缺陷檢測領域中，基于傳統圖像處理的表面缺陷檢測方法通常不需要依賴于大量數據，可以根據圖像特點進行定制化的設計，具備較強的可解釋性，當算法失效時可以快速地分析其失效的原因；基于傳統圖像處理的表面缺陷檢測方法可以較好地利用場景中的先驗知識實現缺陷檢測，由于其不依賴大量數據的特性，在實際工業應用中仍被大量采用。
技術實現思路
1、本專利技術的目的在于提供一種能夠檢測識別法蘭表面的多種不同類型缺陷的基于傳統圖像處理的法蘭表面缺陷檢測算法。
2、基于上述目的，本專利技術采用如下技術方案：
3、一種基于傳統圖像處理的法蘭表面缺陷檢測算法，包括以下步驟：
4、s1、圖像預處理：對采集到的
5、s2、圖像自適應二值化：通過自適應閾值分割算法對步驟s1中提取出的圖像感興趣區域進行分割，識別出缺陷圖像，并將圖像感興趣區域轉變為二值圖像；
6、s3、圖像干擾信息抑制：通過分割的方式將步驟s2中識別出的缺陷圖像區域保留下來，并根據表面干擾信息梯度變化平緩的特性，設計干擾信息抑制算法對背景干擾信息進行抑制；
7、s4、缺陷檢測算法：對步驟s3中得到的缺陷二值圖像進行分析，通過不同的檢測算法分別實現對不同類別缺陷的定位和分類；
8、s5、輸出檢測結果：根據步驟s4中檢測得到的缺陷種類與定位信息，在原始法蘭圖像上生成缺陷標識，最終輸出檢測結果。
9、優選地，步驟s1圖像預處理的具體過程包括：
10、選取閾值將原圖像進行二值化，尋找圖中的最大連通域以實現對法蘭表面的初步定位；將最大連通域以外的區域像素抑制為0，對最大連通域進行保留，并將其映射回原圖像得到背景被抑制的圖像；然后對該圖像使用edcircles圓檢測算法進行檢測，從圖像中提取出法蘭區域。
11、優選地，步驟s2圖像自適應二值化的具體過程包括：
12、引入一個亮度描述因子來刻畫整幅圖像的明暗程度，亮度描述因子通過計算圖像灰度直方圖的像素加權平均值來刻畫整體明暗情況，亮度描述因子計算公式為：
13、
14、式中，θb代表亮度描述因子，k代表進行像素求和時的最高灰度級，i表示第i個灰度級，numi代表第i個灰度級所具有的像素個數，tn代表k個灰度級所有的像素個數之和；
15、通過不同的亮度因子可以動態地調節圖像分割閾值，為每幅圖像分配一個最適合的全局分割閾值；當圖像整體外觀比較灰暗時，亮度描述因子取值較小，而當圖像整體外觀比較明亮時，亮度描述因子取值較大。
16、優選地，步驟s3圖像干擾信息抑制的具體過程包括：
17、計算像素8鄰域內的像素均值pμ和方差pδ：
18、
19、利用lapacian算子計算該像素點對應的梯度：
20、
21、計算像素點的保留閾值：
22、
23、計算后將tr小于設定閾值的點作為干擾信息濾除，保留tr大于設定閾值且滿足灰度閾值條件的像素點，實現干擾信息的抑制。
24、優選地，步驟s4中的檢測算法包括未打磨缺陷檢測算法、砂眼缺陷檢測算法和劃痕缺陷檢測算法。
25、優選地，未打磨缺陷檢測算法的過程包括：
26、將步驟s3中得到的圖像通過離散傅里葉變換由空間域變換到頻率域，然后對變換后的頻譜圖進行濾波和圓弧檢測；若頻譜圖中存在圓弧則將該圖像識別為存在未打磨缺陷的樣本，對存在未打磨缺陷的樣本圖像進行自適應閾值的二值化，獲得二值化圖像，然后通過膨脹算法，將二值化圖像中小的孔洞填充，隨后基于連通域提取實現對未打磨缺陷的定位。
27、優選地，砂眼缺陷檢測算法的過程包括：
28、對步驟s3中得到的二值圖像進行連通域分析，實現對缺陷的定位；根據砂眼缺陷的特性，分別從面積、長寬比和面積占比三個方面設計規則，判斷缺陷是否屬于砂眼缺陷；假設每個連通域的面積為ac，連通域的最小包圍矩形的長和寬分別為hc和wc，則長寬比rhw和面積占比ra的計算公式分別為
29、
30、分別為面積、長寬比和面積占比這三個規則選取不同的閾值，當一個連通域同時滿足這三條規則時，該連通域所對應的區域將被判斷為砂眼缺陷。
31、優選地，劃痕缺陷檢測算法的過程包括：
32、對于經過未打磨缺陷檢測算法和砂眼缺陷檢測算法處理后的二值圖像，使用霍夫直線檢測算法對圖像進行線段檢測；然后將檢測到的不同的線段進行結果融合，若兩條線段的中心點距離小于一定閾值，則認為兩條線段隸屬于同一個劃痕區域；對于屬于同一個劃痕區域的線段，利用平滑的曲線將其連接起來，生成劃痕缺陷檢測結果。
33、本專利技術的有益效果包括：
34、本專利技術提出了一種自適應閾值-干擾信息抑制算法，可以將法蘭表面缺陷從roi圖像中分割出來；經過分割后的roi圖像由灰度圖轉變為二值圖像，使缺陷的輪廓和形狀等外觀信息被保留在二值圖像中，且二值圖像上的缺陷位置與roi圖像上的缺陷位置保持一致，實現了對法蘭表面缺陷位置的精確定位。
35、本專利技術針對場景中采集的法蘭圖像表面亮度差異較大，以及劃痕缺陷與背景灰度特性差異較小這兩個問題，通過引入一個亮度描述因子來動態調節圖像分割閾值，從而可以根據場景圖像的亮度自適應性地調節圖像分割閾值，從而提高缺陷識別的精度與準確性，增強了檢測算法的魯棒性與劃痕檢測性能。
36、本專利技術根據法蘭表面缺陷的不同特點，相應設計了不同的檢測算法，可以在已識別出的缺陷二值圖像的基礎上，實現對于不同類別缺陷的定位與分類，從而能夠精確識別出法蘭表面上的未打磨缺陷、砂眼缺陷與劃痕缺陷的數量、種類與位置等信息，并生成最終檢測結果；本申請所使用的缺陷檢測算法準確度優秀效率高，能夠滿足實際生產過程中的準確率與實時性需求。
本文檔來自技高網...【技術保護點】
1.一種基于傳統圖像處理的法蘭表面缺陷檢測算法，包括以下步驟：
2.根據權利要求1所述的基于傳統圖像處理的法蘭表面缺陷檢測算法，其特征在于：所述步驟S1圖像預處理的具體過程包括：
3.根據權利要求1所述的基于傳統圖像處理的法蘭表面缺陷檢測算法，其特征在于：所述步驟S2圖像自適應二值化的具體過程包括：
4.根據權利要求1所述的基于傳統圖像處理的法蘭表面缺陷檢測算法，其特征在于：所述步驟S3圖像干擾信息抑制的具體過程包括：
5.根據權利要求1所述的基于傳統圖像處理的法蘭表面缺陷檢測算法，其特征在于：所述步驟S4中的檢測算法包括未打磨缺陷檢測算法、砂眼缺陷檢測算法和劃痕缺陷檢測算法。
6.根據權利要求5所述的基于傳統圖像處理的法蘭表面缺陷檢測算法，其特征在于：所述未打磨缺陷檢測算法的過程包括：
7.根據權利要求5所述的基于傳統圖像處理的法蘭表面缺陷檢測算法，其特征在于：所述砂眼缺陷檢測算法的過程包括：
8.根據權利要求5所述的基于傳統圖像處理的法蘭表面缺陷檢測算法，其特征在于：所述劃痕缺陷檢測算法的過程
...【技術特征摘要】
1.一種基于傳統圖像處理的法蘭表面缺陷檢測算法，包括以下步驟：
2.根據權利要求1所述的基于傳統圖像處理的法蘭表面缺陷檢測算法，其特征在于：所述步驟s1圖像預處理的具體過程包括：
3.根據權利要求1所述的基于傳統圖像處理的法蘭表面缺陷檢測算法，其特征在于：所述步驟s2圖像自適應二值化的具體過程包括：
4.根據權利要求1所述的基于傳統圖像處理的法蘭表面缺陷檢測算法，其特征在于：所述步驟s3圖像干擾信息抑制的具體過程包括：
5.根據權利要求1所述的基于...
【專利技術屬性】
技術研發人員：馬宏賓，王鑫，程慶斌，岳陽，賀琦楠，
申請(專利權)人：工極智能科技蘇州有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。