孔位保护门状态检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请提供了一种孔位保护门状态检测方法、装置、计算机设备和存储介质，从图像识别角度出发，获取待测设备图像构建训练样本集，根据训练样本集得到预设的判别函数直线的阈值，然后，对新获取待检测设备图像进行基于局部统计的自适应动态阈值分割，精确地筛选出孔位区域，通过将提取出的孔位区域的灰度特征投影到预设判别函数直线，来达到抽取分类信息和压缩特征空间维数的效果，投影后使得特征子集在投影后的子空间有最大的类间距离和最小的类内距离，保证样本在该空间有最佳可分离性，最后，灰度特征子集的投影纵坐标值与预设判别函数直线的阈值，即能判断出待测设备是否存在缺陷，上述方法便捷有效准确率高，且抗干扰能力强检测结果稳定。

Detection method, device, computer equipment and storage medium of hole position protection door

【技术实现步骤摘要】
孔位保护门状态检测方法、装置、计算机设备和存储介质
本申请涉及设备状态检测
，特别是涉及一种孔位保护门状态检测方法、装置、计算机设备和存储介质。
技术介绍
保护门又称安全门，是一种安全保护盖，其一般设置于孔位上，平时孔位未被使用时，是挡住孔位，防止异物进入孔位存在安全隐患。现在，市面上出现了设置有保护门的产品，例如在市场上买的插座，插座孔位内部都带有安全保护盖，使用时插上插头，保护盖会自动推开，拔掉插头，保护门会自动复位封闭插座的孔位，还包括一般安装于墙壁面板上的网线插口或其他电器设备孔位，都可设置保护门起到安全防护作用。在设置有保护门的产品生产制造过程中，需要检测产品的保护门是否能正常复位，而保护门是否能正常复位的检测通常是通过人工目测来把控产品的生产质量。由于人工检测因每个人的评判标准不同，且人的感官判断易受个人状态、情绪等主观因素影响，使得产品的检测的效率低且误检率高。如今，为提高自动化水平，市场上也出现了一些自动化检测设置有孔位保护门产品的方法，但这些缺陷检测方法多是通过排布好的流水线式的测试仪进行检测或借助二插或三插保护门插拔力检测机构等进行检测，检测仪器在运转过程存在许多干扰因素，会使得检测结果不稳定且检测效率不高。
技术实现思路
基于此，有必要针对传统的孔位保护门检测方法存在检测结果不稳定且效率不高问题，提供一种高效的孔位保护门状态检测方法、装置、计算机设备和存储介质。一种孔位保护门状态检测方法，方法包括：获取待检测设备图像，待检测设备上设置有孔位，孔位上设置有孔位保护门；对待检测设备图像进行基于局部统计的自适应动态阈值分割，获取孔位区域；基于灰度直方图的统计算法，提取出孔位区域的灰度特征子集；将灰度特征子集投影到二维坐标系中预设的判别函数直线上，获取灰度特征子集的投影纵坐标值，预设的判别函数直线为使得灰度特征子集在投影后的子空间中有最大类间距离和最小类内距离的直线；根据灰度特征子集投影后的纵坐标值与预设判别函数直线的阈值的大小关系，得到待检测设备图像对应的设备的缺陷状态；预设判别函数直线的阈值由以下方式得到：获取多张待检测设备图像，对待检测设备图像进行基于局部统计的自适应动态阈值分割，获取孔位区域；基于灰度直方图的统计算法，提取多个孔位区域的灰度特征子集，构建训练样本集，训练样本子集至少包括两类样本子集；将各类样本子集投影到最佳鉴别矢量空间，分别计算各类样本子集投影后的横坐标均值，得到预设的判别函数直线的阈值，最佳鉴别矢量空间为基于Fisher线性判别分析算法和训练样本集，引入拉格朗日乘子法求解出的最佳投影方向。在其中一个实施例中，对待检测设备图像进行基于局部统计的自适应动态阈值分割，获取孔位区域包括：根据预设的基于局部统计的自适应动态阈值分割法，对待检测设备图像进行阈值分割，得到缺陷像素点集合；根据connection算子，对缺陷像素点集合进行连通域分析，得到可疑缺陷区域集合；根据预设的孔位面积约束条件以及预设的孔位蓬松度，从可疑缺陷区域集合筛选出孔位区域。在其中一个实施例中，根据预设的基于局部统计的自适应动态阈值分割法，对待检测设备图像进行阈值分割，得到缺陷像素点集合包括：基于预设的滤波器，对待检测设备图像进行平滑滤波处理，根据预设滤波器的窗口中的像素灰度平均值，计算待检测设备图像的局部标准差；根据局部标准差、预设的标准方差比例因子以及预设的最小绝对阈值，计算各像素点的修正偏移量；获取待检测设备图像中各像素点的灰度值以及各像素点的模板邻域的像素灰度平均值；根据各像素点的灰度值、各像素点的模板邻域的像素灰度平均值以及各像素点的修正偏移量，得到缺陷像素点集合。在其中一个实施例中，根据预设滤波器窗口中的像素灰度平均值，计算待检测设备图像的局部标准差包括：根据预设滤波器的窗口中的中心像素点灰度值，得到预设滤波器的窗口中的所有像素点的灰度平均值；根据中心像素点灰度值以及灰度平均值，计算局部标准差。在其中一个实施例中，提取出孔位区域的灰度特征子集之前，还包括：根据预设的滤波器，对孔位区域进行平滑滤波处理，模糊孔位区域中的纹理信息。在其中一个实施例中，得到待检测设备图像对应的设备的缺陷状态之后，还包括：根据gen_contour_region_xld算子，提取孔位区域的边缘轮廓；根据缺陷状态，标记边缘轮廓；推送标记后的边缘轮廓的图像。一种孔位保护门状态检测装置，装置包括：图像获取模块，用于读取待检测设备图像，获取待检测设备图像，待检测设备上设置有孔位，孔位上设置有孔位保护门；孔位区域获取模块，用于对待检测设备图像进行基于局部统计的自适应动态阈值分割，获取孔位区域；灰度特征提取模块，用于基于灰度直方图的统计算法，提取出孔位区域的灰度特征子集；投影模块，用于将灰度特征子集投影到二维坐标系中预设的判别函数直线上，计算灰度特征子集的投影纵坐标值，预设的判别函数直线为使得灰度特征子集在投影后的子空间中有最大类间距离和最小类内距离的直线；缺陷检测模块，用于根据灰度特征子集投影后的纵坐标值与预设判别函数直线的阈值的大小关系，得到待检测设备图像对应的设备的缺陷状态；预设阈值计算模块，用于获取多张待检测设备图像，对待检测设备图像进行基于局部统计的自适应动态阈值分割，获取孔位区域，基于灰度直方图的统计算法，提取多个孔位区域的灰度特征子集，构建训练样本集，训练样本子集至少包括两类样本子集，将各类样本子集投影到最佳鉴别矢量空间，分别计算各类样本子集投影后的横坐标均值，得到预设的判别函数直线的阈值，最佳鉴别矢量空间为基于Fisher线性判别分析算法和训练样本集，引入拉格朗日乘子法求解出的最佳投影方向。在其中一个实施例中，装置还包括：标记推送模块，用于根据gen_contour_region_xld算子，提取孔位区域的边缘轮廓，根据缺陷状态，标记边缘轮廓，推送标记后的边缘轮廓的图像。一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：获取待检测设备图像，待检测设备上设置有孔位，孔位上设置有孔位保护门；对待检测设备图像进行基于局部统计的自适应动态阈值分割，获取孔位区域；基于灰度直方图的统计算法，提取出孔位区域的灰度特征子集；将灰度特征子集投影到二维坐标系中预设的判别函数直线上，获取灰度特征子集的投影纵坐标值，预设的判别函数直线为使得灰度特征子集在投影后的子空间中有最大类间距离和最小类内距离的直线；根据灰度特征子集投影后的纵坐标值与预设判别函数直线的阈值的大小关系，得到待检测设备图像对应的设备的缺陷状态；预设判别函数直线的阈值由以下方式得到：获取多张待检测设备图像，对待检测设备图像进行基于局部统计的自适应动态阈值分割，获取孔位区域；基于灰度直方图的统计本文档来自技高网...

【技术保护点】
1.一种孔位保护门状态检测方法，其特征在于，所述方法包括：/n获取待检测设备图像，所述待检测设备上设置有孔位，所述孔位上设置有孔位保护门；/n对所述待检测设备图像进行基于局部统计的自适应动态阈值分割，获取孔位区域；/n基于灰度直方图的统计算法，提取出所述孔位区域的灰度特征子集；/n将所述灰度特征子集投影到二维坐标系中预设的判别函数直线上，获取所述灰度特征子集的投影纵坐标值，所述预设的判别函数直线为使得所述灰度特征子集在投影后的子空间中有最大类间距离和最小类内距离的直线；/n根据所述灰度特征子集投影后的纵坐标值与所述预设的判别函数直线的阈值的大小关系，得到所述待检测设备图像对应的设备的缺陷状态；/n所述预设的判别函数直线的阈值由以下方式得到：/n获取多张待检测设备图像，对待检测设备图像进行基于局部统计的自适应动态阈值分割，获取孔位区域；基于灰度直方图的统计算法，提取多个孔位区域的灰度特征子集，构建训练样本集，所述训练样本子集至少包括两类样本子集；将各类样本子集投影到最佳鉴别矢量空间，分别计算所述各类样本子集投影后的横坐标均值，得到所述预设的判别函数直线的阈值，所述最佳鉴别矢量空间为基于Fisher线性判别分析算法和所述训练样本集，引入拉格朗日乘子法求解出的最佳投影方向。/n...

【技术特征摘要】
1.一种孔位保护门状态检测方法，其特征在于，所述方法包括：
获取待检测设备图像，所述待检测设备上设置有孔位，所述孔位上设置有孔位保护门；
对所述待检测设备图像进行基于局部统计的自适应动态阈值分割，获取孔位区域；
基于灰度直方图的统计算法，提取出所述孔位区域的灰度特征子集；
将所述灰度特征子集投影到二维坐标系中预设的判别函数直线上，获取所述灰度特征子集的投影纵坐标值，所述预设的判别函数直线为使得所述灰度特征子集在投影后的子空间中有最大类间距离和最小类内距离的直线；
根据所述灰度特征子集投影后的纵坐标值与所述预设的判别函数直线的阈值的大小关系，得到所述待检测设备图像对应的设备的缺陷状态；
所述预设的判别函数直线的阈值由以下方式得到：
获取多张待检测设备图像，对待检测设备图像进行基于局部统计的自适应动态阈值分割，获取孔位区域；基于灰度直方图的统计算法，提取多个孔位区域的灰度特征子集，构建训练样本集，所述训练样本子集至少包括两类样本子集；将各类样本子集投影到最佳鉴别矢量空间，分别计算所述各类样本子集投影后的横坐标均值，得到所述预设的判别函数直线的阈值，所述最佳鉴别矢量空间为基于Fisher线性判别分析算法和所述训练样本集，引入拉格朗日乘子法求解出的最佳投影方向。


2.根据权利要求1所述的孔位保护门状态检测方法，其特征在于，所述对所述待检测设备图像进行基于局部统计的自适应动态阈值分割，获取孔位区域包括：
根据预设的基于局部统计的自适应动态阈值分割法，对所述待检测设备图像进行阈值分割，得到缺陷像素点集合；
根据connection算子，对所述缺陷像素点集合进行连通域分析，得到可疑缺陷区域集合；
根据预设的孔位面积约束条件以及预设的孔位蓬松度，从所述可疑缺陷区域集合筛选出孔位区域。


3.根据权利要求2所述的孔位保护门状态检测方法，其特征在于，所述根据预设的基于局部统计的自适应动态阈值分割法，对所述待检测设备图像进行阈值分割，得到缺陷像素点集合包括：
基于预设的滤波器，对所述待检测设备图像进行平滑滤波处理，根据所述预设滤波器的窗口中的像素灰度平均值，计算所述待检测设备图像的局部标准差；
根据所述局部标准差、预设的标准方差比例因子以及预设的最小绝对阈值，计算各像素点的修正偏移量；
获取所述待检测设备图像中各像素点的灰度值以及各像素点的模板邻域的像素灰度平均值；
根据所述各像素点的灰度值、各像素点的模板邻域的像素灰度平均值以及所述各像素点的修正偏移量，得到所述缺陷像素点集合。


4.根据权利要求3所述的孔位保护门状态检测方法，其特征在于，所述根据所述预设滤波器窗口中的像素灰度平均值，计算所述待检测设备图像的局部标准差包括：
根据所述预设滤波器的窗口中的中心像素点灰度值，得到所述预设滤波器的窗口...

【专利技术属性】
技术研发人员：戴志威，邓远志，陈润康，
申请(专利权)人：研祥智能科技股份有限公司，
类型：发明
国别省市：广东;44