【技术实现步骤摘要】
本专利技术属于电动机漆包线生产缺陷检测，特别涉及一种电动机漆包线生产线中去漆缺陷检测方法及设备。
技术介绍
1、在新能源电动机的生产过程中，对电动机漆包线进行去漆工艺是非常重要的一环。这直接影响了电机的导电性和散热性能，漆面的残留程度对于评估电动机产品整体的绝缘性能和降低电动机的故障率都有着非常大的影响。因此在生产过程中，对漆包线漆面漆面的残留物检测有着重要的意义。目前，通过接受过培训的工人来进行检测是一种非常常见的方式。操作人员通常会仔细观察电机扁线的表面，寻找任何残留的漆层，以确保漆面已被彻底去除。他们会使用光源、放大镜和手工工具来辅助检测。
2、现有的人工检测方式存在着如下的问题：1.这种人工检测的方式经常会受到操作人员的主观判断影响，人工检测依赖于操作人员的主观判断和视觉感知，不同的操作人员可能会有不同的观察标准和经验，会导致结果的不一致性，依赖于肉眼观察和个人习惯，难以形成一种比较高精度的检测标准。2.人工检测受光照条件和观察环境的敏感性较高，可能会错过微小的残留漆层或错误地将正常表面误认为有残留。3.长时间的肉眼检测可能会导致操作人员疲劳和疏忽，从而降低检测的准确性和效率。4.人工检测是一项手动任务，其速度相对较慢，可能成为生产线上的瓶颈，降低了整体生产效率。
技术实现思路
1、为了解决
技术介绍
中的问题，本专利技术的目的是提供一种基于数字图像处理的视觉检测方法，采用本专利技术提供的技术方案能够利用工业相机去拍摄生产过程中的漆包线表面，并且利用数字图像处理的方
2、为实现上述目的，本专利技术第一方面提供了一种电动机漆包线生产线中去漆缺陷检测方法，包括以下过程：
3、步骤1，实时获取漆包线相应的去漆位置上下左右四个方位的照片，四个方位照片均获取若干张；
4、步骤2，将所获取的图片由三通道彩色图片转化为单通道图片；
5、步骤3，对获取的单通道图片进行清晰度检测评估，选取高于可接受清晰度阈值的图片进行下一步处理；
6、步骤4，建立感兴趣区域，用建立好的感兴趣区域分割处理好的单通道图片；
7、步骤5，重复多次线性缩放灰度值，比对图像缩放后的效果，使高亮部分与周围的对比度更加明显，直到确定出一个参数，能稳定的增强图像；
8、步骤6，使用全局阈值分割缩放后的图像，向需要检测的部分逼近，初步得到一块连通区域；
9、步骤7，对连通区域进行形态学腐蚀操作，用固定大小的掩膜进一步处理区域，进一步逼近要检测的部分；
10、步骤8，对形态学腐蚀操作处理后的区域进行连通区域分量计算并进行特征值筛选,进一步获取待处理区域；
11、步骤9，对步骤8中获取的待处理区域进行形态学膨胀操作，获取目标区域；
12、步骤10，用预设的阈值与目标区域进行比较判断；如果在设定的阈值范围内，则认为是去漆干净，没有残留，否则认为是有残留。
13、优选的，所述步骤1中，通过传送装置将漆包线的去漆位置传送到拍照区域，所述拍照区域上下左右均安装有工业相机，并设置有打光灯源，拍摄漆包线去漆区域上下左右四个角度的照片若干张，并发送到后端进行检测。
14、优选的，所述步骤3中对获取的图片进行清晰度检测评估，评估算法为拉普拉斯能量函数、方差算法函数及brenner函数中的任意一种或多种。
15、优选的，所述brenner函数是通过计算每个像素与其相邻像素之间的差值的平方来计算，使用以下公式计算brenner函数值：
16、b(x,y)＝σ(i(x+1,y)-i(x-1,y))^2+(i(x,y+1)-i(x,y-1))^2
17、其中，b(x,y)是在位置(x,y)处的brenner函数值，i(x,y)是图像在位置(x,y)处的像素值，对图像中所有像素位置的brenner函数值进行求和，得到一个总的brenner函数值；
18、使用计算得到的总的brenner函数值来评估图像的清晰度，高于预设阈值的brenner函数值对应于清晰的图像，低于预设阈值的brenner函数值对应于模糊的图像。
19、优选的，所述步骤5中重复多次线性缩放灰度值采用以下公式：
20、a’＝a*mult+add
21、mult＝255/gmax-gmin
22、add＝-mult*gmin
23、公式中a为图像上某点的灰度值，gmax与gmin分别是手动选择的两个参数，其中[gmax,gmin]分别对应着图像灰度的最大和最小范围，重复在图像上的每一个像素执行，起到增强图像，扩大对比度的作用。
24、优选的，所述步骤6具体为：
25、进行全局灰度值的分割筛选，设定一个灰度值的范围，滑动检索每一个像素值，根据所设定的范围，筛选出符合范围的连通区域。
26、优选的，所述步骤7具体为：
27、在二值化的图像中,集合是二维整数空间z2的成员，而在z2空间中，集合的每个元素都是一个元组，元组的坐标是图像中对象像素的坐标；形态学公式根据结构元和前景像素集合a组成，假设a和b是z2中的两个集合，b对a的腐蚀(aθb)定义为：
28、aθb＝{z|(b)z∈a}
29、式中，a是前景像素的一个集合，b是一个结构元，z项是前景像素值；b对a的腐蚀是所有点z的集合，条件是平移z后的b包含于a；
30、通过腐蚀收缩细化了二值化图像，把腐蚀作为滤波运算，通过腐蚀对图像的处理，把小于结构元的图像细节都过滤掉，去除对要逼近的目标有干扰的部分。
31、优选的，所述步骤8具体为：
32、通过扫描遍历腐蚀后图像上的每个像素点，使用4邻域筛选，使用two-pass算法；搜索当前点周围4邻域内的像素点，如果当前检测的像素点为1，而其余像素值为0，则认为其是自增的，该像素的label自增1；如果周围有不为0的像素，那么该像素的值等于周围label最小的值，并把变化的label存在一个列表中；第二次扫描，如果当前像素的值>1，则找到label等于当前像素的值同属相等关系的一个最小的label值赋给当前像素，完成第二次扫描后，拥有相同值的像素就组成了同一个连通区域，进行特征值筛选保留需要检测的那部分待处理区域。
33、优选的，所述步骤9具体为：
34、进行完特征值筛选后，对剩下的区域进行膨胀操作；假设a和b是z2中的两个集合，b对a的膨胀(a⊕b)定义为：
35、a⊕b＝{z|[(b’)z∩a]∈a}
36、公式是以b相对于其原点反射并平移z为基础的，于是，b对a的膨胀就是所有位移z的集合，条件是b’的前景元素与a至少一个元素重叠。
<本文档来自技高网...【技术保护点】
1.一种电动机漆包线生产线中去漆缺陷检测方法，其特征在于，包括以下过程：
2.如权利要求1所述的一种电动机漆包线生产线中去漆缺陷检测方法，其特征在于：所述步骤1中，通过传送装置将漆包线的去漆位置传送到拍照区域，所述拍照区域上下左右均安装有工业相机，并设置有打光灯源，拍摄漆包线去漆区域上下左右四个角度的照片若干张，并发送到后端进行检测。
3.如权利要求1所述的一种电动机漆包线生产线中去漆缺陷检测方法，其特征在于：所述步骤3中对获取的图片进行清晰度检测评估，评估算法为拉普拉斯能量函数、方差算法函数及Brenner函数中的任意一种或多种。
4.如权利要求3所述的一种电动机漆包线生产线中去漆缺陷检测方法，其特征在于：所述Brenner函数是通过计算每个像素与其相邻像素之间的差值的平方来计算，使用以下公式计算Brenner函数值：
5.如权利要求1所述的一种电动机漆包线生产线中去漆缺陷检测方法，其特征在于：所述步骤5中重复多次线性缩放灰度值采用以下公式：
6.如权利要求1所述的一种电动机漆包线生产线中去漆缺陷检测方法，其特征在于，
7.如权利要求1所述的一种电动机漆包线生产线中去漆缺陷检测方法，其特征在于，所述步骤7具体为：
8.如权利要求1所述的一种电动机漆包线生产线中去漆缺陷检测方法，其特征在于，所述步骤8具体为：
9.如权利要求1所述的一种电动机漆包线生产线中去漆缺陷检测方法，其特征在于，所述步骤9具体为：
10.一种电动机漆包线生产线中去漆缺陷检测设备，其特征在于，所述设备包括至少一个处理器和至少一个存储器，所述处理器和存储器相耦合；所述存储器中存储有如权利要求1至9任意一项所述的去漆缺陷检测方法的计算机执行程序；所述处理器执行存储器中存储的计算机执行程序时，使处理器执行电动机漆包线生产线中去漆缺陷检测。
...【技术特征摘要】
1.一种电动机漆包线生产线中去漆缺陷检测方法，其特征在于，包括以下过程：
2.如权利要求1所述的一种电动机漆包线生产线中去漆缺陷检测方法，其特征在于：所述步骤1中，通过传送装置将漆包线的去漆位置传送到拍照区域，所述拍照区域上下左右均安装有工业相机，并设置有打光灯源，拍摄漆包线去漆区域上下左右四个角度的照片若干张，并发送到后端进行检测。
3.如权利要求1所述的一种电动机漆包线生产线中去漆缺陷检测方法，其特征在于：所述步骤3中对获取的图片进行清晰度检测评估，评估算法为拉普拉斯能量函数、方差算法函数及brenner函数中的任意一种或多种。
4.如权利要求3所述的一种电动机漆包线生产线中去漆缺陷检测方法，其特征在于：所述brenner函数是通过计算每个像素与其相邻像素之间的差值的平方来计算，使用以下公式计算brenner函数值：
5.如权利要求1所述的一种电动机漆包线生产线中去...
【专利技术属性】
技术研发人员：赵君，黎玉建，曹镇川，
申请(专利权)人：青岛云鼎软件开发有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。