一种汽车零件配置智能检测方法技术

本发明专利技术涉及数据处理技术领域，具体涉及一种汽车零件配置智能检测方法。该方法包括：获得表面图像中防尘盖区域的多条环形轨迹；基于每条环形轨迹上像素点的灰度值计算每条环形轨迹上每个像素点的异常指标；异常指标大于等于预设阈值的像素点为异常像素点；基于异常像素点的距离进行聚类获得多个聚簇；基于每个聚簇内像素点的数量、像素点灰度值方差和像素点的密度获得每个聚簇的缺陷指数；获得缺陷指数大于等于第一阈值的聚簇，为可疑聚簇，可疑聚簇内的像素点组成可疑缺陷区域；避开可疑缺陷区域对表面图像进行滤波，获得滤波后的表面图像；基于滤波后的表面图像进行检测获得缺陷区域。本发明专利技术能够准确的检测出轴承防尘盖的表面缺陷。缺陷。缺陷。

【技术实现步骤摘要】
一种汽车零件配置智能检测方法


[0001]本专利技术涉及数据处理
，具体涉及一种汽车零件配置智能检测方法。

技术介绍

[0002]轴承系统是汽车的核心传动组件，其在汽车发动机、变速箱、离合器、车轮等部位发挥着重要作用，轴承的质量好坏也是决定汽车性能的关键因素之一，当前轴承两端面，都会安装有相应的防尘密封装置，其作用是保护轴承外界的尘埃或有害气体不会进入轴承内腔，以防对轴承造成损伤。从而保证轴承零件的动能输出以及汽车行驶的稳定性。
[0003]现有轴承防尘盖表面缺陷以及密封性的检测系统，都是利用工业CCD探伤相机捕获防尘盖的图像数据，然后基于阈值分割算法进行缺陷识别，而金属轴承防尘盖的表面在探伤成像后呈现密密麻麻的颗粒状，这对防尘盖表面一些较小缺陷的检测识别造成极大干扰。

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一种汽车零件配置智能检测方法，所采用的技术方案具体如下：本专利技术一个实施例提供了一种汽车零件配置智能检测方法：获得轴承防尘盖的表面图像；获得表面图像中表示防尘盖的圆环的宽度，获得表面图像中防尘盖区域的多条环形轨迹，其中环形轨迹的数量与圆环的宽度相等；基于每条环形轨迹上像素点的灰度值计算每条环形轨迹上每个像素点的异常指标；异常指标大于等于预设阈值的像素点为异常像素点；基于异常像素点的距离进行聚类获得多个聚簇；基于每个聚簇内像素点的数量、像素点灰度值方差和像素点的密度获得每个聚簇的缺陷指数；获得缺陷指数大于等于第一阈值的聚簇，为可疑聚簇，可疑聚簇内的像素点组成可疑缺陷区域；避开可疑缺陷区域对表面图像进行滤波，获得滤波后的表面图像；基于滤波后的表面图像进行检测获得缺陷区域。
[0005]优选地，获得轴承防尘盖的表面图像包括：利用CCD工业探伤相机捕获轴承防尘盖的表面图像，其中表面图像为灰度图像，对表面图像进行归一化处理获得最终的表面图像。
[0006]优选地，环形轨迹包括：每个环形轨迹的圆心与表面图像上表示防尘盖的圆环的圆心相同。
[0007]优选地，每条环形轨迹上每个像素点的异常指标为：其中，表示半径为v的环形轨迹上的第i个像素点的异常指标；表示半径为v的
环形轨迹上第i个像素点的灰度值；表示半径为v的环形轨迹上所有像素点的灰度平均值；表示半径为v的环形轨迹的长度，也即是半径为v的环形轨迹上像素点的数量；表示双正切函数。
[0008]优选地，每个聚簇的缺陷指数为：其中，表示第个聚簇的缺陷指数；表示第个聚簇的像素点的数量；表示第个聚簇的像素点灰度值方差；表示第个聚簇的像素点的密度；表示双正切函数；e表示自然常数；、和分别为权重系数，=0.5、=0.3、。
[0009]优选地，避开可疑缺陷区域对表面图像进行滤波，获得滤波后的表面图像包括：利用均值滤波对表面图像进行滤波，滤波过程中避开表面图像中的可疑缺陷区域。
[0010]优选地，基于滤波后的表面图像进行检测获得缺陷区域包括：对滤波后的表面图像进行边缘检测，获得可疑缺陷区域中具有闭合边缘的区域，所述具有闭合边缘的区域为缺陷区域。
[0011]本专利技术实施例至少具有如下有益效果：获得表面图像中防尘盖区域的多条环形轨迹；基于每条环形轨迹上像素点的灰度值计算每条环形轨迹上每个像素点的异常指标；异常指标大于等于预设阈值的像素点为异常像素点；基于异常像素点的距离进行聚类获得多个聚簇；基于每个聚簇内像素点的数量、像素点灰度值方差和像素点的密度获得每个聚簇的缺陷指数；获得缺陷指数大于等于第一阈值的聚簇，为可疑聚簇，可疑聚簇内的像素点组成可疑缺陷区域；避开可疑缺陷区域对表面图像进行滤波，获得滤波后的表面图像；基于滤波后的表面图像进行检测获得缺陷区域。本专利技术针对轴承防尘盖表面缺陷检测中容易受到背景纹理噪声干扰的问题，提出利用局部异常点来确定可疑缺陷区域，为均值滤波进行平滑引导，在去除背景纹理噪声的同时，保留缺陷细节不被平滑，可以使防尘盖缺陷检测不再出现大量冗余的检测结果，更快、更准确的识别防尘盖缺陷。
附图说明
[0012]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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0013]图1为本专利技术实施例提供的一种汽车零件配置智能检测方法的方法流程图。
具体实施方式
[0014]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种汽车零件配置智能检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由
任何合适形式组合。
[0015]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0016]下面结合附图具体的说明本专利技术所提供的一种汽车零件配置智能检测方法的具体方案。
[0017]实施例：本专利技术的主要应用场景为：现有轴承防尘盖表面缺陷以及密封性的检测系统，都是利用工业CCD探伤相机捕获防尘盖的图像数据，然后基于阈值分割算法进行缺陷识别，而金属轴承防尘盖的表面在探伤成像后呈现密密麻麻的颗粒状，这对防尘盖表面一些较小缺陷的检测识别造成极大干扰，本专利技术应用于轴承防尘盖表面缺陷的检测。
[0018]请参阅图1，其示出了本专利技术实施例提供的一种汽车零件配置智能检测方法的方法流程图，该方法包括以下步骤：步骤S1，获得轴承防尘盖的表面图像；获得表面图像中表示防尘盖的圆环的宽度，获得表面图像中防尘盖区域的多条环形轨迹，其中环形轨迹的数量与圆环的宽度相等；基于每条环形轨迹上像素点的灰度值计算每条环形轨迹上每个像素点的异常指标；异常指标大于等于预设阈值的像素点为异常像素点。
[0019]首先，利用CCD工业探伤相机捕获轴承防尘盖的表面图像数据，也即是获得防尘盖的表面图像，CCD工业探伤相机采集的表面图像就是灰度图像，但为了避免图像中存在高亮像素点，需要将灰度图像进行归一化处理，将像素点的灰度范围转化为0
‑
255，获得最终的表面图像。
[0020]轴承防尘盖的材质是冷轧电镀锡钢板，防尘盖表面在被探伤摄像机放大后呈现密密麻麻的颗粒感，这是由于防尘盖表面被打磨以及腐蚀后所留下的痕迹，这些密密麻麻的纹理对于缺陷检测而言就是干扰信息，使检测结果出现大量冗余的检测结果，极容易导致误检和漏检，需要减少因为防尘盖表面纹理特征带来的大量干扰信息。而既然是干扰信息，则可以认为这些背景纹理是图像中的噪声信息。
[0021]可以利用均值滤波对防尘盖表面进行平滑处理，但若防尘盖表面存在缺陷的话，滤波后会将缺陷区域一并平滑，导致缺陷的细节甚至边缘丢失，严重干扰检测结果的准确性。因此需要对平滑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汽车零件配置智能检测方法，其特征在于，该方法包括：获得轴承防尘盖的表面图像；获得表面图像中表示防尘盖的圆环的宽度，获得表面图像中防尘盖区域的多条环形轨迹，其中环形轨迹的数量与圆环的宽度相等；基于每条环形轨迹上像素点的灰度值计算每条环形轨迹上每个像素点的异常指标；异常指标大于等于预设阈值的像素点为异常像素点；基于异常像素点的距离进行聚类获得多个聚簇；基于每个聚簇内像素点的数量、像素点灰度值方差和像素点的密度获得每个聚簇的缺陷指数；获得缺陷指数大于等于第一阈值的聚簇，为可疑聚簇，可疑聚簇内的像素点组成可疑缺陷区域；避开可疑缺陷区域对表面图像进行滤波，获得滤波后的表面图像；基于滤波后的表面图像进行检测获得缺陷区域。2.根据权利要求1所述的一种汽车零件配置智能检测方法，其特征在于，所述获得轴承防尘盖的表面图像包括：利用CCD工业探伤相机捕获轴承防尘盖的表面图像，其中表面图像为灰度图像，对表面图像进行归一化处理获得最终的表面图像。3.根据权利要求1所述的一种汽车零件配置智能检测方法，其特征在于，所述环形轨迹包括：每个环形轨迹的圆心与表面图像上表示防尘盖的圆环的圆心相同。4.根据权利要求1所述的一种汽车零件配置智能检测...

【专利技术属性】
技术研发人员：臧加祥，
申请(专利权)人：南通鑫生派智能科技有限公司，
类型：发明
国别省市：