【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种风冷散热器的加工缺陷识别方法。
技术介绍
1、风冷散热器是一种用于散热的重要设备，特别是在人工智能和汽车引擎中广泛应用。风冷散热器通过空气流动来降低热量，使设备保持在安全工作温度范围内。然而，在制造和加工过程中，风冷散热器可能会出现各种缺陷，这些缺陷可能会影响其散热性能和寿命，甚至导致设备的不稳定或损坏。因此，对风冷散热器的加工缺陷识别是确保散热器产品质量安全可靠的关键。
2、现有的风冷散热器加工缺陷识别方法中，使用计算机视觉技术自动分析和识别散热器表面图像中的加工缺陷，然而，由于风冷散热器通常会经过不同的表面处理，如喷涂、阳极氧化等，这些处理会改变散热器表面的光学特性，导致光学图像中出现不均匀的光线反射或吸收，使得图像中出现不同亮度的噪声点，从而干扰影像系统的识别，使得现有的缺陷识别方法难以准确识别。
技术实现思路
1、为了解决现有的缺陷识别方法难以准确识别的技术问题，本专利技术的目的在于提供一种风冷散热器的加工缺陷识别方法，所采用的技术方案具体如下：
2、一种风冷散热器的加工缺陷识别方法，包括：
3、获取原始图像并进行预处理得到预处理图像，所述原始图像包括多个表面处理流程的若干连续帧；
4、对所述预处理图像进行超像素分割得到多个超像素区域，并获取多个所述超像素区域的区域图像特征；
5、根据多个所述超像素区域的区域图像特征将多个超像素区域分为噪声区域和表面区域；
6、通过分
7、基于所述各超像素区域的噪声影响系数得到各超像素区域的自适应滤波强度系数，并基于所述各超像素区域的自适应滤波强度系数对原始图像进行高斯滤波平滑处理得到平滑表面图像；
8、基于所述平滑表面图像识别缺陷区域。
9、优选地，所述根据多个所述超像素区域的区域图像特征将多个超像素区域分为噪声区域和表面区域的步骤，包括：
10、根据多个所述超像素区域的区域图像特征将得到各超像素区域的表面特性稳定因子和信息缺失因子；
11、基于所述各超像素区域的表面特性稳定因子和信息缺失因子计算得到各超像素区域的噪声系数；
12、根据所述各超像素区域的噪声系数将多个超像素区域分为噪声区域和表面区域。
13、优选地，所述区域图像特征包括区域像素数据；所述区域像素数据包括区域边缘像素点数量、区域内像素点总数量、区域内像素点的像素值及坐标；
14、根据多个所述超像素区域的区域图像特征得到各超像素区域的表面特性稳定因子为，根据各超像素区域内区域边缘像素点数量、区域内像素点总数量以及相邻两个表面处理流程的同一帧图像的差异计算得到所述各超像素区域的表面特性稳定因子。
15、优选地，根据多个所述超像素区域的区域图像特征得到各超像素区域的信息缺失因子包括：
16、根据所述区域内像素点的像素值得到像素均值数据，组成像素均值数据集合，并获取每个像素均值数据在所述像素均值数据集合中出现的频次；
17、根据所有超像素区域的像素均值及出现的频次计算得到所述各超像素区域的信息缺失因子。
18、优选地，所述超像素区域的信息缺失因子的计算公式为：
19、
20、式中，为第个超像素区域之外的第个超像素区域的序号，为第个超像素区域的像素均值在像素均值数据集合中出现的频次，代表了第个超像素区域的像素均值频次，为除第个超像素区域之外的所有第个超像素区域的像素均值频次的均值，代表了第个超像素区域像素均值的突出程度系数，代表了第个超像素区域周围紧密相邻的所有超像素区域的总数量，代表了集合中的第个超像素区域的序号，代表了第个超像素区域的像素均值，代表了第个超像素区域的像素均值，代表了第个超像素区域的信息缺失因子。
21、优选地，所述超像素区域的噪声系数的计算公式为：
22、
23、式中，为噪声系数，为信息缺失因子，为表面特性稳定因子。
24、优选地，根据所述各像素区域的噪声系数将多个像素区域分为噪声区域和表面区域为，预设一阈值，判断各像素区域的噪声系数是否大于所述预设的阈值，若是则为噪声区域，若否则为表面区域。
25、优选地，所述通过分析各超像素区域受所述噪声区域的干扰程度得到各超像素区域的噪声影响系数为，根据各超像素区域的表面特性稳定因子及其周围预设数量个所述噪声区域的表面特性稳定因子、以及两者之间的欧式距离计算得到各超像素区域的噪声影响系数。
26、优选地，所述超像素区域的噪声影响系数的计算公式为：
27、
28、式中，为第个超像素区域的表面特性稳定因子，为第个超像素区域周围距离最近的四个噪声区域的总数量，为集合中的第个噪声区域的序号，为第个超像素区域与第个噪声区域的欧氏距离，为第个噪声区域的表面特性稳定因子，为第个超像素区域的噪声影响系数。
29、优选地，基于所述各超像素区域的噪声影响系数得到各超像素区域的自适应滤波强度系数为，计算高斯滤波的最大标准差，将所述高斯滤波的最大标准差与所述超像素区域的噪声影响系数的乘积作为所述超像素区域的自适应滤波强度系数。
30、本专利技术具有如下有益效果：本专利技术提出的风冷散热器的加工缺陷识别方法，通过获取包括多个表面处理流程的若干连续帧的原始图像，根据多个所述超像素区域的区域图像特征将多个超像素区域分为噪声区域和表面区域，接着根据各超像素区域受噪声影响的干扰程度来设计自适应滤波强度系数，以确保后续图像处理的准确、可靠性，可以避免了风冷散热器经过不同的表面处理，如喷涂、阳极氧化等，改变风冷散热器表面的光学特性，导致光学图像中出现不均匀的光线反射或吸收，使得图像中出现不同亮度的噪声点，从而干扰影像系统识别的问题，有效提高了最终缺陷识别结果的准确性和可靠性。
本文档来自技高网...【技术保护点】
1.一种风冷散热器的加工缺陷识别方法，其特征在于，包括：
2.如权利要求1所述的风冷散热器的加工缺陷识别方法，其特征在于，所述根据多个所述超像素区域的区域图像特征将多个超像素区域分为噪声区域和表面区域的步骤，包括：
3.如权利要求2所述的风冷散热器的加工缺陷识别方法，其特征在于，所述区域图像特征包括区域像素数据；所述区域像素数据包括区域边缘像素点数量、区域内像素点总数量、区域内像素点的像素值及坐标；
4.如权利要求3所述的风冷散热器的加工缺陷识别方法，其特征在于，根据多个所述超像素区域的区域图像特征得到各超像素区域的信息缺失因子包括：
5.如权利要求4所述的风冷散热器的加工缺陷识别方法，其特征在于，所述超像素区域的信息缺失因子的计算公式为：
6.如权利要求4所述的风冷散热器的加工缺陷识别方法，其特征在于，所述超像素区域的噪声系数的计算公式为：
7.如权利要求6所述的风冷散热器的加工缺陷识别方法，其特征在于，根据所述各像素区域的噪声系数将多个像素区域分为噪声区域和表面区域为，预设一阈值，判断各像素区域的噪声系数
8.如权利要求7所述的风冷散热器的加工缺陷识别方法，其特征在于，所述通过分析各超像素区域受所述噪声区域的干扰程度得到各超像素区域的噪声影响系数为，根据各超像素区域的表面特性稳定因子及其周围预设数量个所述噪声区域的表面特性稳定因子、以及两者之间的欧式距离计算得到各超像素区域的噪声影响系数。
9.如权利要求8所述的风冷散热器的加工缺陷识别方法，其特征在于，所述超像素区域的噪声影响系数的计算公式为：
10.如权利要求1-9任一项所述的风冷散热器的加工缺陷识别方法，其特征在于，基于所述各超像素区域的噪声影响系数得到各超像素区域的自适应滤波强度系数为，计算高斯滤波的最大标准差，将所述高斯滤波的最大标准差与所述超像素区域的噪声影响系数的乘积作为所述超像素区域的自适应滤波强度系数。
...【技术特征摘要】
1.一种风冷散热器的加工缺陷识别方法，其特征在于，包括：
2.如权利要求1所述的风冷散热器的加工缺陷识别方法，其特征在于，所述根据多个所述超像素区域的区域图像特征将多个超像素区域分为噪声区域和表面区域的步骤，包括：
3.如权利要求2所述的风冷散热器的加工缺陷识别方法，其特征在于，所述区域图像特征包括区域像素数据；所述区域像素数据包括区域边缘像素点数量、区域内像素点总数量、区域内像素点的像素值及坐标；
4.如权利要求3所述的风冷散热器的加工缺陷识别方法，其特征在于，根据多个所述超像素区域的区域图像特征得到各超像素区域的信息缺失因子包括：
5.如权利要求4所述的风冷散热器的加工缺陷识别方法，其特征在于，所述超像素区域的信息缺失因子的计算公式为：
6.如权利要求4所述的风冷散热器的加工缺陷识别方法，其特征在于，所述超像素区域的噪声系数的计算公式为：
7.如权利要求6所述的风冷散热器的加工缺陷识别方法，其特征...
【专利技术属性】
技术研发人员：刘隆穗，曾德成，石波，刘志豪，
申请(专利权)人：东莞市隆慧电子科技有限公司，
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。