一种基于计算机视觉的空调用钣金件缺陷识别方法技术

本发明专利技术涉及数据处理技术领域，具体涉及一种基于计算机视觉的空调用钣金件缺陷识别方法，该方法包括：获取钣金件表面焊接处的灰度图像；将灰度图像划分为至少两个窗口区域，通过窗口区域中每个像素点与其邻域像素点的灰度信息筛选像素点得到保留点；根据每个像素点与其邻近像素点之间的色调值差异得到色相变化幅值，基于每个像素点的色相变化幅值以及像素点与保留点之间的位置差异得到不同阶的不变矩；获取每个保留点对应的纹理特征值，根据每个保留点的纹理特征值以及不同阶的不变距构建特征矩阵；基于每个窗口区域的特征矩阵得到灰度图像的缺陷概率，由缺陷概率判断钣金件是否存在缺陷。本发明专利技术能够提高钣金件缺陷识别的准确性。的准确性。的准确性。

【技术实现步骤摘要】
一种基于计算机视觉的空调用钣金件缺陷识别方法


[0001]本专利技术涉及数据处理
，具体涉及一种基于计算机视觉的空调用钣金件缺陷识别方法。

技术介绍

[0002]随着社会发展和国民经济水平的迅速提高，居民的生活水平和质量也在不断提高；空调作为一种常见的温度调节家用电器，能够极大的改善居民的生活水平和质量，因此空调的需求量越来越大，同时，空调产品的质量也备受广大消费者和生产厂商的关注。
[0003]由于空调的结构复杂，通常会使用钣金件焊接耦合构成空调外机的机箱，在钣金件焊接耦合过程中，由于焊接设备和相关操作技术人员操作不当会导致空调钣金件焊接耦合时出现焊点发黑击穿的现象，其对空调外机整体的美观存在较大的影响，同时也会极大的影响空调外机内部结构的稳定性，严重时甚至会产生人员事故伤亡，给生产厂商和相关消费者带来不必要的经济财产损失。
[0004]现有对钣金件表面发黑击穿缺陷最常用的检测方法是机器视觉检测，通过钣金件对应的灰度图像中的灰度信息进行缺陷的识别，但仅通过单一的灰度信息识别的准确性不高，且图像容易受到拍摄环境等因素的干扰，得到的缺陷判断结果误差较大，准确度较低。

技术实现思路

[0005]为了解决现有对钣金件缺陷识别准确度较低的问题，本专利技术的目的在于提供一种基于计算机视觉的空调用钣金件缺陷识别方法，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基于计算机视觉的空调用钣金件缺陷识别方法，该方法包括以下步骤：获取钣金件表面焊接处的灰度图像；将所述灰度图像划分为至少两个窗口区域，通过所述窗口区域中每个像素点与其邻域像素点的灰度信息筛选像素点得到保留点；根据每个像素点与其邻近像素点之间的色调值差异得到色相变化幅值，基于每个像素点的色相变化幅值以及像素点与所述保留点之间的位置差异得到所述保留点的不同阶的不变矩；获取每个所述保留点对应的纹理特征值，根据所述窗口区域内每个所述保留点的纹理特征值以及不同阶的不变距构建特征矩阵；基于每个所述窗口区域的特征矩阵得到所述灰度图像的缺陷概率，由所述缺陷概率判断钣金件是否存在缺陷。
[0006]优选的，所述根据每个像素点与其邻近像素点之间的色调值差异得到色相变化幅值的步骤，包括：获取每个像素点在水平方向上的邻近像素点以及像素点在垂直方向上的邻近像素点；
获取水平方向上所有邻近像素点的色调值与像素点的色调值之间的差值绝对值的平均值，记为水平方向色相变化幅度；获取垂直方向上所有邻近像素点的色调值与像素点的色调值之间的差值绝对值的平均值，记为垂直方向色相变化幅度；所述水平方向色相变化幅度与所述垂直方向色相变化幅度的平方和再开平方为像素点的色相变化幅值。
[0007]优选的，所述基于每个像素点的色相变化幅值以及像素点与所述保留点之间的位置差异得到不同阶的不变矩的步骤，包括：基于所述窗口区域中每个像素点的色相变化幅值以及像素点与所述保留点之间的位置差异得到所述保留点的中心距，所述中心距的计算公式为：其中，表示保留点对应的阶的中心距；表示窗口区域中像素点的坐标位置；表示保留点的坐标位置；为该窗口区域的尺寸；表示坐标位置为的像素点的色相变化幅值；和分别表示不同阶，和为大于等于零且小于预设值的整数；对所述保留点对应的不同阶的中心距进行归一化，基于不同阶的和对应的归一化后的中心距得到所述保留点不同阶的不变距。
[0008]优选的，所述根据所述窗口区域内每个所述保留点的纹理特征值以及不同阶的不变距构建特征矩阵的步骤，包括：由每个所述保留点对应的不同阶的不变距和纹理特征值构建所述保留点对应的特征向量；由所述窗口区域中所有保留点对应的特征向量得到所述窗口区域的特征矩阵，所述特征矩阵中每行为一个保留点对应的特征向量。
[0009]优选的，所述基于每个所述窗口区域的特征矩阵得到所述灰度图像的缺陷概率的步骤，包括：根据每两个所述窗口区域的特征矩阵得到对应所述窗口区域之间的相似度，根据所有相邻两个所述窗口区域之间的相似度计算方差作为所述灰度图像的不稳定度，根据所述不稳定度得到所述灰度图像的缺陷概率，所述缺陷概率与所述不稳定度呈正相关关系。
[0010]优选的，所述根据每两个所述窗口区域的特征矩阵得到对应所述窗口区域之间的相似度的步骤，包括：计算每两个所述窗口区域的特征矩阵中相同行的特征向量的余弦相似度，两个所述窗口区域的特征矩阵中所有相同行的特征向量的余弦相似度之和为所述窗口区域之间的相似度。
[0011]优选的，所述通过所述窗口区域中每个像素点与其邻域像素点的灰度信息筛选像素点得到保留点的步骤，包括：对于任意一个窗口区域，以所述窗口区域中灰度值最大的像素点作为像素点筛选树的根节点，基于设定的筛选规则对所述窗口区域中的像素点进行筛选并构建像素点筛选树，所述筛选规则为：
其中，表示坐标位置为的像素点的灰度值；表示坐标位置为的像素点与坐标位置为的像素点之间的灰度值差值绝对值；表示坐标位置为的像素点与坐标位置为的像素点之间的灰度值差值绝对值；表示坐标位置为的像素点与坐标位置为的像素点之间的灰度值差值绝对值；表示坐标位置为的像素点与坐标位置为的像素点之间的灰度值差值绝对值；表示灰度差值绝对值的均值；表示左子树节点；表示右子树节点；将满足左子树节点的像素点添加至像素点筛选树的左子树上，满足右子树节点的像素点添加至像素点筛选树的右子树上；所述窗口区域对应的像素点筛选树中所有左子树的节点为保留点。
[0012]优选的，所述基于不同阶的和对应的归一化后的中心距得到所述保留点不同阶的不变距的步骤，包括：和的取值为0、1、2、3，不同阶的和分别对应所述保留点的一阶不变距、二阶不变距以及三阶不变距，一阶不变距、二阶不变距以及三阶不变距的计算方法为：变距以及三阶不变距，一阶不变距、二阶不变距以及三阶不变距的计算方法为：变距以及三阶不变距，一阶不变距、二阶不变距以及三阶不变距的计算方法为：其中，表示保留点对应的一阶不变矩；表示保留点对应的二阶不变矩；表示保留点对应的三阶不变矩；表示保留点在，下对应的归一化后的中心距；表示保留点在，下对应的归一化后的中心距；表示保留点在，下对应的归一化后的中心距；表示保留点在，下对应的归一化后的中心距；表示保留点在，下对应的归一化后的中心距；表示保留点在，下对应的归一化后的中心距；表示保留点在，下对应的归一化后的中心距。
[0013]优选的，所述获取每个所述保留点对应的纹理特征值的方法为LBP算法。
[0014]优选的，所述由所述缺陷概率判断钣金件是否存在缺陷的步骤，包括：所述缺陷概率大于预设的缺陷阈值时，所述钣金件存在缺陷。
[0015]本专利技术具有如下有益效果：本专利技术实施例中通过对钣金件表面焊接处的灰度图像划分窗口区域分析，以每个窗口区域为一个分析单位得到的细节信息更加可靠；在对每个窗口区域进行分析时通过灰度信息进行初步的像素点筛选得到保留点进行分析，避免了逐个像素点分析的大量数据计算，减少了计算成本，提高分析效率；然后结合每个窗口区域中像素点及其邻近像素点之间的色调值得到色相变化幅值，结合色调颜色信息进行分析更本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉的空调用钣金件缺陷识别方法，其特征在于，该方法包括以下步骤：获取钣金件表面焊接处的灰度图像；将所述灰度图像划分为至少两个窗口区域，通过所述窗口区域中每个像素点与其邻域像素点的灰度信息筛选像素点得到保留点；根据每个像素点与其邻近像素点之间的色调值差异得到色相变化幅值，基于每个像素点的色相变化幅值以及像素点与所述保留点之间的位置差异得到所述保留点的不同阶的不变矩；获取每个所述保留点对应的纹理特征值，根据所述窗口区域内每个所述保留点的纹理特征值以及不同阶的不变距构建特征矩阵；基于每个所述窗口区域的特征矩阵得到所述灰度图像的缺陷概率，由所述缺陷概率判断钣金件是否存在缺陷。2.根据权利要求1所述的一种基于计算机视觉的空调用钣金件缺陷识别方法，其特征在于，所述根据每个像素点与其邻近像素点之间的色调值差异得到色相变化幅值的步骤，包括：获取每个像素点在水平方向上的邻近像素点以及像素点在垂直方向上的邻近像素点；获取水平方向上所有邻近像素点的色调值与像素点的色调值之间的差值绝对值的平均值，记为水平方向色相变化幅度；获取垂直方向上所有邻近像素点的色调值与像素点的色调值之间的差值绝对值的平均值，记为垂直方向色相变化幅度；所述水平方向色相变化幅度与所述垂直方向色相变化幅度的平方和再开平方为像素点的色相变化幅值。3.根据权利要求1所述的一种基于计算机视觉的空调用钣金件缺陷识别方法，其特征在于，所述基于每个像素点的色相变化幅值以及像素点与所述保留点之间的位置差异得到不同阶的不变矩的步骤，包括：基于所述窗口区域中每个像素点的色相变化幅值以及像素点与所述保留点之间的位置差异得到所述保留点的中心距，所述中心距的计算公式为：其中，表示保留点对应的阶的中心距；表示窗口区域中像素点的坐标位置；表示保留点的坐标位置；为该窗口区域的尺寸；表示坐标位置为的像素点的色相变化幅值；和分别表示不同阶，和为大于等于零且小于预设值的整数；对所述保留点对应的不同阶的中心距进行归一化，基于不同阶的和对应的归一化后的中心距得到所述保留点不同阶的不变距。4.根据权利要求1所述的一种基于计算机视觉的空调用钣金件缺陷识别方法，其特征在于，所述根据所述窗口区域内每个所述保留点的纹理特征值以及不同阶的不变距构建特征矩阵的步骤，包括：由每个所述保留点对应的不同阶的不变距和纹理特征值构建所述保留点对应的特征
向量；由所述窗口区域中所有保留点对应的特征向量得到所述窗口区域的特征矩阵，所述特征矩阵中每行为一个保留点对应的特征向量。5.根据权利要求4所述的一种基于计算机视觉的空调用钣金件缺陷识别方法，其特征在于，所述基于每个所述窗口区域的特征矩阵得到所述灰度图像的缺陷概率的步骤，包括：根据每两个所述窗口区域的特征矩阵得到对应所述窗口区域之间的相似度，根据所有相邻两个所述窗口...

【专利技术属性】
技术研发人员：苏丽，
申请(专利权)人：无锡惠星智能化设备有限公司，
类型：发明
国别省市：