【技术实现步骤摘要】
本专利技术涉及图像处理领域。本专利技术涉及基于机器视觉的板材加工钻孔缺陷识别方法及系统。
技术介绍
1、随着制造业的发展，板材加工作为制造过程中的重要环节之一，其技术的进步对整个制造业的质量和效率具有深远影响。板材加工涉及多个方面，包括切割、成形、钻孔等，其中钻孔是连接和装配过程中不可或缺的步骤。为了提高生产效率和减少人为错误，自动化和智能化钻孔系统的需求不断增加。
2、目前，公开号为cn117483838a的专利申请文件公开了基于人工智能的板材钻孔方法及装置，该方法包括：通过多个目标钻孔路径，控制预置的车床装置对待加工板材进行钻孔作业，实时采集在钻孔作业过程中待加工板材的实时图数据并进行钻孔参数分析；根据参数分析得到的钻孔深度数据以及钻孔位置数据对待加工板材进行钻孔偏差分析，得到钻孔偏差数据；并根据钻孔偏差数据对车床进行控制参数分析，得到目标控制参数，并根据目标控制参数控制车床对待加工板材进行钻孔控制。
3、上述操作虽然解决了在钻孔过程中难以及时发现和纠正加工中的偏差的问题，但是在钻孔参数分析的过程中还可能存在一些外界影响因素如钻头磨损、机床不稳定等，进而导致钻孔边缘出现缺陷，从而影响板材加工质量和效率。
技术实现思路
1、为解决上述在板材加工钻孔过程中，外界因素导致钻孔边缘缺陷，影响产品质量和生产效率的技术问题，本专利技术在如下的多个方面中提供方案。
2、在第一方面中，基于机器视觉的板材加工钻孔缺陷识别方法，包括：
3、获取包含孔
4、对灰度图进行二值化处理，得到二值图，根据canny边缘检测算法对二值图进行孔位缺陷检测，得到缺陷识别结果；
5、其中，计算二值图中每个连通域的纹理宽度，基于连通域之间的距离和纹理宽度调整canny边缘检测算法中高斯核的尺寸；
6、当所有连通域的纹理宽度的平均值小于或等于所有连通域之间距离的平均值时，高斯核的尺寸为：；反之，高斯核的尺寸为：；为高斯核的尺寸，为二值图中第个连通域的纹理宽度，为第个连通域与第个连通域的邻近连通域之间的距离，为二值图中连通域的数量，为奇数转换函数，为最小值函数。
7、本专利技术首先获取包含孔位的板材的灰度图并进行二值化处理，然后应用canny算法对二值图进行边缘检测，其中通过分析板材孔位的特征如纹理宽度和连通域之间的距离，动态调整高斯核的尺寸，优化边缘检测算法，使其更适应于板材上孔位的具体特征，有助于更准确地识别出孔位边缘的微小缺陷，从而在生产过程中及时发现并纠正这些问题，提高板材加工质量和效率。
8、优选地，在所述对灰度图进行二值化处理，得到二值图，还包括：
9、分别计算灰度图中每一行像素点的孔位存在可能性和每一列像素点的孔位存在可能性；
10、将灰度图中计算得到的像素点的孔位存在可能性映射到二值图的相对位置。
11、通过更精确地定位孔位，可以减少误检（将非孔位区域错误地识别为孔位）和漏检（未能识别真正的孔位）的情况。
12、优选地，在所述计算二值图中每个连通域的纹理宽度之后，还包括：
13、修正初始纹理宽度，得到最优纹理宽度。
14、通过修正初始纹理宽度，可以减少由于纹理宽度测量不准确导致的误判，比如将正常孔位错误地识别为缺陷孔位。
15、优选地，所述最优纹理宽度满足关系式：
16、；式中，为二值图中第个连通域的最优纹理宽度，为最小值函数，为第个连通域的外接矩形的高度，为第个连通域的外接矩形的宽度，为修正因子，为以自然常数e为底的指数函数。
17、优选地，所述修正因子的表达式为：
18、；式中，为最小值函数，为第个连通域内所有像素点的纵坐标的孔位存在可能性的平均值，为第个连通域内所有像素点的横坐标的孔位存在可能性的平均值。
19、通过指数函数的形式引入修正因子，可以降低图像噪声或测量误差对纹理宽度测量结果的影响，由于孔位可能具有不同的形状和尺寸，这种基于最小外接矩形和孔位存在可能性的修正方法可以提供更灵活的尺寸调整。
20、优选地，所述灰度图中每一行像素点的孔位存在可能性的表达式为：
21、；式中，为灰度图中第行像素点的孔位存在可能性，为第行所有像素点的灰度值的总和，为灰度图中所有行中像素点的灰度值的总和的最小值，为灰度图的行数，为以自然常数e为底的指数函数。
22、优选地，所述灰度图中每一列像素点的孔位存在可能性的表达式为：
23、；式中，为灰度图中第列像素点的孔位存在可能性，为第列所有像素点的灰度值的总和，为灰度图中所有列中像素点的灰度值的总和的最小值，为灰度图的列数，为以自然常数e为底的指数函数。
24、计算每一行和每一列的孔位存在可能性，为图像提供了额外的空间信息，有助于理解孔位在图像中的分布模式。
25、优选地，所述最优纹理宽度满足关系式：
26、；式中，为二值图中第个连通域的最优纹理宽度，为最小值函数，为第个连通域的外接矩形的高度，为第个连通域的外接矩形的宽度，为修正因子。
27、第二方面，基于机器视觉的板材加工钻孔缺陷识别系统，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现上述的基于机器视觉的板材加工钻孔缺陷识别方法。
28、有益效果：本专利技术通过将灰度图中计算得到的像素点的孔位存在可能性映射到二值图的相对位置，增强二值图中缺陷区域的特征，通过计算二值图中每个连通域的纹理宽度，以此根据板材的实际钻孔特征动态调整算法参数，确保在不同条件下都能有效地检测缺陷，从而更准确地检测出孔位缺陷。
本文档来自技高网...【技术保护点】
1.基于机器视觉的板材加工钻孔缺陷识别方法，其特征在于，包括：
2.根据权利要求1所述的基于机器视觉的板材加工钻孔缺陷识别方法，其特征在于，在所述对灰度图进行二值化处理，得到二值图，还包括：
3.根据权利要求2所述的基于机器视觉的板材加工钻孔缺陷识别方法，其特征在于，在所述计算二值图中每个连通域的纹理宽度之后，还包括：
4.根据权利要求3所述的基于机器视觉的板材加工钻孔缺陷识别方法，其特征在于，所述最优纹理宽度满足关系式：
5.根据权利要求4所述的基于机器视觉的板材加工钻孔缺陷识别方法，其特征在于，所述修正因子的表达式为：
6.根据权利要求5所述的基于机器视觉的板材加工钻孔缺陷识别方法，其特征在于，所述灰度图中每一行像素点的孔位存在可能性的表达式为：
7.根据权利要求6所述的基于机器视觉的板材加工钻孔缺陷识别方法，其特征在于，所述灰度图中每一列像素点的孔位存在可能性的表达式为：
8.根据权利要求3所述的基于机器视觉的板材加工钻孔缺陷识别方法，其特征在于，所述最优纹理宽度满足关系式：
9
...【技术特征摘要】
1.基于机器视觉的板材加工钻孔缺陷识别方法，其特征在于，包括：
2.根据权利要求1所述的基于机器视觉的板材加工钻孔缺陷识别方法，其特征在于，在所述对灰度图进行二值化处理，得到二值图，还包括：
3.根据权利要求2所述的基于机器视觉的板材加工钻孔缺陷识别方法，其特征在于，在所述计算二值图中每个连通域的纹理宽度之后，还包括：
4.根据权利要求3所述的基于机器视觉的板材加工钻孔缺陷识别方法，其特征在于，所述最优纹理宽度满足关系式：
5.根据权利要求4所述的基于机器视觉的板材加工钻孔缺陷识别方法，其特征在于，所述修正因子的表达式为：
6.根据权利要求5...
【专利技术属性】
技术研发人员：李滋鹏，陈宏，甘珍华，黄谦，梁浩伟，
申请(专利权)人：南兴装备股份有限公司，
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。