基于计算机视觉的汽车密封条质量检测方法技术

本发明专利技术涉及数据识别技术领域，具体涉及基于计算机视觉的汽车密封条质量检测方法。该方法是一种应用电子设备进行识别的方法，利用生产领域人工智能系数完成汽车密封条质量检测。首先，利用工业相机获取密封条横截面图像；对密封条横截面图像进行数据识别得到质量差异指标，由质量差异指标进一步对密封条进行质量检测。本发明专利技术通过对采集到的密封条横截面图像的骨架特征、密封条横截面图像与标准二值图像的像素重合度、曲率特征和边缘毛刺对密封条进行质量检测，实现了结合密封条的外形形变和边缘毛刺两方面对汽车密封条进行质量检测的目的，提高了对汽车密封条质量检测的精度。提高了对汽车密封条质量检测的精度。提高了对汽车密封条质量检测的精度。

【技术实现步骤摘要】
基于计算机视觉的汽车密封条质量检测方法


[0001]本专利技术涉及数据识别
，具体涉及基于计算机视觉的汽车密封条质量检测方法。

技术介绍

[0002]汽车密封条是汽车的重要零部件之一，广泛应用于车门、车窗、天窗、发动机箱和行李后备箱等部位。汽车密封条的生产过程包括原料加热、硫化、混合配料、切割、冷却等技术，其汽车密封条原材料的质量、密封条生产设计工艺、配料的混合比例等环节都对产品的质量有很大影响，生产出来的密封条往往形变较大，密封条的几何参数达不到要求，导致废品率较高。随着汽车工业的发展，对汽车密封条的检测技术在精密、高效、通用和智能化等方面提出了更高要求。
[0003]目前，常见的对汽车密封条进行质量检测的方法为采集密封条图像，将密封条图像中的密封条截面的最小包围面积矩形的各项数值和设置好的阈值进行比较，进而判断密封条的质量是否合格，该方法仅通过密封条截面的最小包围面积矩形的各项数值来判断汽车密封条质量，而未考虑汽车密封条的形变和边缘毛刺等质量问题，对汽车密封条质量检测精度较低。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供基于计算机视觉的汽车密封条质量检测方法，所采用的技术方案具体如下：采集密封条横截面图像；预处理所述密封条横截面图像得到对应的初始二值图像；利用开运算对所述初始二值图像进行处理，得到密封条二值图像，提取所述密封条二值图像的骨架得到检测骨架图像，计算所述检测骨架图像和标准二值图像的骨架图像的差异作为骨架差异度；计算所述密封条二值图像和所述标准二值图像中边缘曲线的曲率差异作为曲率差异程度；对所述密封条二值图像进行姿态矫正，计算姿态矫正后的密封条二值图像和所述标准二值图像的像素重合度；根据所述曲率差异程度和所述像素重合度计算所述密封条二值图像的外形差异程度；获取所述初始二值图像的边缘毛刺和对应的毛刺面积，根据所述毛刺面积、所述骨架差异度和所述外形差异程度得到所述密封条二值图像对应的密封条横截面图像的质量差异指标；根据所述质量差异指标对密封条横截面图像进行质量检测。
[0005]优选的，所述预处理所述密封条横截面图像得到对应的初始二值图像，包括：对所述密封条横截面图像进行高斯滤波，对高斯滤波后的密封条横截面图像进行二值化得到对应的初始二值图像。
[0006]优选的，所述计算所述检测骨架图像和标准二值图像的骨架图像的差异作为骨架
差异度，包括：利用哈希算法将所述检测骨架图像进行图像序列化，得到第一哈希序列；利用哈希算法将所述标准二值图像的骨架图像进行图像序列化，得到第二哈希序列；获取所述第一哈希序列和所述第二哈希序列中相同位置处的元素的多个差值；多个差值的均值作为骨架差异度。
[0007]优选的，所述计算所述密封条二值图像和所述标准二值图像中边缘曲线的曲率差异作为曲率差异程度，包括：提取所述密封二值图像中的第一边缘曲线，计算所述第一边缘曲线上各像素点对应的曲率；将每个像素点处的像素值更新为对应的曲率，得到第一曲率特征图；量化所述第一曲率特征图，得到第一量化图像和所述第一量化图像中各像素点对应的第一灰度共生矩阵，多个所述第一灰度共生矩阵的熵的均值作为第一曲率变化熵；提取所述标准二值图像中的第二边缘曲线，计算所述第二边缘曲线上各像素点对应的曲率；将每个像素点处的像素值更新为对应的曲率，得到第二曲率特征图；量化所述第二曲率特征图，得到第二量化图像和所述第二量化图像中各像素点对应的第二灰度共生矩阵，多个所述第二灰度共生矩阵的熵的均值作为第二曲率变化熵；所述第一曲率变化熵和所述第二曲率变化熵的差值的绝对值为曲率差异程度。
[0008]优选的，所述对所述密封条二值图像进行姿态矫正，包括：提取所述密封条二值图像中的特征点作为第一特征点，提取所述标准二值图像中的特征点作为第二特征点；对多个第一特征点和第二特征点进行两两匹配，得到多对匹配点对；重叠所述密封条二值图像和所述标准二值图像，得到重叠二值图；以所述重叠二值图的中心点为顶点，计算每对匹配点对中所述第一特征点和所述第二特征点之间的夹角；多对匹配点对的夹角均值作为矫正角度；基于所述矫正角度，对所述密封条二值图像进行姿态矫正。
[0009]优选的，所述计算姿态矫正后的密封条二值图像和所述标准二值图像的像素重合度，包括：将所述密封二值图像和所述标准二值图像中相同位置处的像素点构成像素匹配对，其中，每个所述像素匹配对中包含两个像素点；获取两个像素点的像素值乘积为1的像素匹配对的数量，作为交集数量；获取两个像素点的像素值乘积为0的像素匹配对的数量，作为并集数量；所述交集数量和所述并集数量的比值为所述像素重合度。
[0010]优选的，所述根据所述曲率差异程度和所述像素重合度计算所述密封条二值图像的外形差异程度，包括：一减去所述像素重合度作为初始差异系数；以自然常数为底，以所述初始差异系数为指数的指数函数，乘上所述曲率差异程度得到所述密封条二值图像的外形差异程度。
[0011]优选的，所述根据所述毛刺面积、所述骨架差异度和所述外形差异程度得到所述密封条二值图像对应的密封条横截面图像的质量差异指标，包括：所述质量差异指标的计算公式为：
其中，为所述质量差异指标；为自然对数；为所述毛刺面积；为调节系数；为所述外形差异程度；为所述骨架差异度；为自然常数。
[0012]优选的，所述根据所述质量差异指标对密封条横截面图像进行质量检测，包括：大于预设差异指标阈值的所述质量差异指标对应的密封条横截面为不合格密封条横截面；小于等于预设差异指标阈值的所述质量差异指标对应的密封条横截面为合格密封条横截面。
[0013]本专利技术实施例至少具有如下有益效果：本专利技术实施例利用数据识别技术，该方法首先采集密封条横截面图像、对应的初始二值图像和密封条二值图像，提取密封条二值图像的骨架得到检测骨架图像，计算检测骨架图像和标准二值图像的骨架图像的差异作为骨架差异度；计算密封条二值图像和标准二值图像中边缘曲线的曲率差异作为曲率差异程度；对密封条二值图像进行姿态矫正，计算姿态矫正后的密封条二值图像和标准二值图像的像素重合度；根据曲率差异程度和像素重合度计算密封条二值图像的外形差异程度，结合曲率差异程度和像素重合度对密封条二值图像的外形形变程度进行评价，实现了对密封条二值图像的外形形变检测；获取初始二值图像的边缘毛刺和对应的毛刺面积，根据毛刺面积、骨架差异度和外形差异程度得到密封条二值图像对应的密封条横截面图像的质量差异指标；根据质量差异指标对密封条横截面图像进行质量检测。本专利技术通过对采集到的密封条横截面图像的骨架特征、密封条横截面图像与标准二值图像的像素重合度、曲率特征和边缘毛刺对密封条横截面图像对应的密封条进行质量检测，实现了结合密封条的外形形变和边缘毛刺两方面对汽车密封条进行质量检测的目的，提高了对汽车密封条质量检测的精度。
附图说明
[0014]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于计算机视觉的汽车密封条质量检测方法，其特征在于，该方法包括以下步骤：采集密封条横截面图像；预处理所述密封条横截面图像得到对应的初始二值图像；利用开运算对所述初始二值图像进行处理，得到密封条二值图像，提取所述密封条二值图像的骨架得到检测骨架图像，计算所述检测骨架图像和标准二值图像的骨架图像的差异作为骨架差异度；计算所述密封条二值图像和所述标准二值图像中边缘曲线的曲率差异作为曲率差异程度；对所述密封条二值图像进行姿态矫正，计算姿态矫正后的密封条二值图像和所述标准二值图像的像素重合度；根据所述曲率差异程度和所述像素重合度计算所述密封条二值图像的外形差异程度；获取所述初始二值图像的边缘毛刺和对应的毛刺面积，根据所述毛刺面积、所述骨架差异度和所述外形差异程度得到所述密封条二值图像对应的密封条横截面图像的质量差异指标；根据所述质量差异指标对密封条横截面图像进行质量检测。2.根据权利要求1所述的基于计算机视觉的汽车密封条质量检测方法，其特征在于，所述预处理所述密封条横截面图像得到对应的初始二值图像，包括：对所述密封条横截面图像进行高斯滤波，对高斯滤波后的密封条横截面图像进行二值化得到对应的初始二值图像。3.根据权利要求1所述的基于计算机视觉的汽车密封条质量检测方法，其特征在于，所述计算所述检测骨架图像和标准二值图像的骨架图像的差异作为骨架差异度，包括：利用哈希算法将所述检测骨架图像进行图像序列化，得到第一哈希序列；利用哈希算法将所述标准二值图像的骨架图像进行图像序列化，得到第二哈希序列；获取所述第一哈希序列和所述第二哈希序列中相同位置处的元素的多个差值；多个差值的均值作为骨架差异度。4.根据权利要求1所述的基于计算机视觉的汽车密封条质量检测方法，其特征在于，所述计算所述密封条二值图像和所述标准二值图像中边缘曲线的曲率差异作为曲率差异程度，包括：提取所述密封二值图像中的第一边缘曲线，计算所述第一边缘曲线上各像素点对应的曲率；将每个像素点处的像素值更新为对应的曲率，得到第一曲率特征图；量化所述第一曲率特征图，得到第一量化图像和所述第一量化图像中各像素点对应的第一灰度共生矩阵，多个所述第一灰度共生矩阵的熵的均值作为第一曲率变化熵；提取所述标准二值图像中的第二边缘曲线，计算所述第二边缘曲线上各像素点对应的曲率；将每个像素点处的像素值更新为对应的曲率，得到第二曲率特征图；量化所述第二曲率特征图，得到第二量化图像和所述第二量化图像中各像素点对应的...

【专利技术属性】
技术研发人员：傅远利，
申请(专利权)人：南通浩盛汽车科技有限公司，
类型：发明
国别省市：