【技术实现步骤摘要】
基于人类视觉特性的微型磁瓦表面缺陷检测方法
本专利技术涉及一种微型磁瓦表面缺陷检测方法，具体是基于人类视觉特性的微型磁瓦表面缺陷检测方法。
技术介绍
微型磁瓦是永磁微型直流电机的关键部件，与电磁式电机通过励磁线圈产生磁势源不同，永磁电机是以永磁材料产生恒定磁势源。永磁磁瓦具有使电机结构简单、维修方便、重量轻、体积小、使用可靠、用铜量少、铜耗低、能耗小等诸多特点。磁瓦的性能直接影响到直流无刷电机的性能，但在磁瓦的生产制造过程中，由于原料成分、设备使用情况、加工工艺以及工人操作等因素的影响，在其表面不可避免地会出现一些加工缺陷，例如裂纹、崩烂、压痕、砂眼以及漏磨等。缺陷的存在会对磁瓦的磁性能、使用寿命等带来非常大的影响，有缺陷的磁瓦如果在风力发电、新能源汽车、航空航天等领域使用会产生巨大的安全隐患，甚至直接造成灾难性后果。因此，在磁瓦出厂前必须对其进行质量检测，将含有缺陷的磁瓦剔除出去。磁瓦的缺陷特征是随机发生的并且没有规律可寻，目前采用人工目测检测缺陷。人工检测方法主要依靠进行过一定培训的质检人员根据自身的经验通过观察...
【技术保护点】
1.基于人类视觉特性的微型磁瓦表面缺陷检测方法，其特征在于：包括以下步骤：/n(1)图像采集，得到图像Image；执行步骤2；/n(2)通过阈值分割从图像Image得到磁瓦图像Region；执行步骤3；/n(3)磁瓦图像Region屏蔽边缘区域，得到屏蔽后的图像；执行步骤4；/n(4)屏蔽后的图像结构张量计算；执行步骤5；/n(5)缺陷区域提取。/n
【技术特征摘要】
1.基于人类视觉特性的微型磁瓦表面缺陷检测方法，其特征在于：包括以下步骤：
(1)图像采集，得到图像Image；执行步骤2；
(2)通过阈值分割从图像Image得到磁瓦图像Region；执行步骤3；
(3)磁瓦图像Region屏蔽边缘区域，得到屏蔽后的图像；执行步骤4；
(4)屏蔽后的图像结构张量计算；执行步骤5；
(5)缺陷区域提取。
2.根据权利要求1所述的基于人类视觉特性的微型磁瓦表面缺陷检测方法，其特征在于：步骤3包括：
3.1)、对磁瓦图像Region进行打散操作对远离磁瓦部分的干扰过滤掉，进行闭运算操作以减少磁瓦边缘部分干扰，得到过滤后图像；
令A代表被操作区域的集合，B为闭运算的结构元，则闭运算表示为：
3.2)、尺度变换完成边缘区域屏蔽，得到屏蔽后的图像；
对过滤后图像进行仿射变换；仿射变换包括两部分：水平变换和旋转变换，主要按照一个对应点和两个同位角进行变换并将其返回为齐次变换矩阵，表示为：
其中，HomMat2D为上述齐次变换矩阵，R为旋转变换矩阵，T为平移系数；
最后将变换后的图像作为掩模，通过不断地微调整直至尺度变换后的图像与步骤3.1得到的过滤后图像作差后分割出的区域为一整个连通区域，设此时尺度变换函数数ξ发生了n次运算；当尺度变换函数数ξ发生了次运算后，可以认为是完成了对磁瓦边缘以及四角的屏蔽，得到屏蔽后的图像。
3.根据权利要求2所述的基于人类视觉特性的微型磁瓦表面缺陷检测方法，其特征在于：步骤4包括：
4.1)对于给定的步骤3.2得到的屏蔽后的图像进行缩放，将其尺寸变换至期望显著图的尺寸，得到缩放后的图像；
4.2)计算缩放后的图像中每一个位置的线性结构张量Jσ:
其中，Kσ为标准差σ的高斯核函数，*为卷积运算；
4.3)对所有的线性结构张量Jσ，求其特征值λ1和λ2，进而计算图像中所有像素位置的|λ1-λ2|，构成矩阵A；计算图像中所有像素位置的|λ1+λ2|，构成矩阵B；
对于任一结构张量，将其表示为则可以分别计算出该矩阵的特征值λ1和λ2：G、F、H分别代表上述线性结构张量Jσ中的
4.4)对矩阵A进行归一化，所的矩阵作为边缘显著图；对矩阵B进行归一化，所得矩阵为角点显著图；
4...
【专利技术属性】
技术研发人员：李俊峰，王宏鹏，沈军民，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：浙江;33
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。