一种基于机器视觉的铜表面氧化检测及氧化程度判断方法技术

本发明专利技术提供一种基于机器视觉的铜表面氧化检测及氧化程度判断方法，属于机器视觉技术领域。所述方法包括：采集铜表面图像；采用可适应氧化量计算方法对铜表面图像中标注出的氧化斑进行氧化量计算，根据计算得到的氧化量对氧化斑进行氧化等级划分；其中，所述可适应氧化量计算方法结合了形态学特征的氧化参数和氧含量参数；基于划分得到的氧化等级构建氧化程度检测数据集，训练目标检测网络；利用训练好的目标检测网络对待测的铜表面图片进行铜表面氧化检测，输出氧化斑位置信息和氧化等级。采用本发明专利技术，能够利用提高铜表面氧化程度检测的准确率和可靠性。检测的准确率和可靠性。检测的准确率和可靠性。

【技术实现步骤摘要】
一种基于机器视觉的铜表面氧化检测及氧化程度判断方法


[0001]本专利技术涉及机器视觉
，特别是指一种基于机器视觉的铜表面氧化检测及氧化程度判断方法。

技术介绍

[0002]在机械制造、电子通讯领域，铜及其合金是目前使用最广泛的材料之一，在电器和电子市场领域，铜广泛运用在电线、变压器等设备，在机械制造方面，铜广泛运用在仪器仪表，滑动轴承等设备。
[0003]现实中的大气中充满氧气和水蒸气，长期暴露在空气中的铜表面会形成黑色的CuO腐蚀斑点，当暴露在湿度比较大的环境中的时候，铜会和空气中的水以及氧气生成绿色的碱式碳酸铜斑点，而这样的腐蚀对铜的强度，导电性等会产生极大的影响，检测铜表面的氧化斑点以及判断氧化程度对于保持铜的良好性能具有意义。
[0004]目前，表面缺陷检测已经进行了大量的研究，其检测方法主要包含两个方面，一个是基于图像的形态学检测，基于Sobel、Robert算子等进行边缘检测，将检测出来的图片分割出来，基于HSV色彩空间特征以及直方图特征进行检测分类，二是基于深度学习方法，前期对图片进行检测，检测之后对裁剪的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的铜表面氧化检测及氧化程度判断方法，其特征在于，包括：采集铜表面图像；采用可适应氧化量计算方法对铜表面图像中标注出的氧化斑进行氧化量计算，根据计算得到的氧化量对氧化斑进行氧化等级划分；其中，所述可适应氧化量计算方法结合了形态学特征的氧化参数和氧含量参数；基于划分得到的氧化等级构建氧化程度检测数据集，训练目标检测网络；利用训练好的目标检测网络对待测的铜表面图片进行铜表面氧化检测，输出氧化斑位置信息和氧化等级。2.根据权利要求1所述的基于机器视觉的铜表面氧化检测及氧化程度判断方法，其特征在于，所述采集铜表面图像包括：利用工业机器人以及显微高清摄像头进行铜表面图像采集。3.根据权利要求1所述的基于机器视觉的铜表面氧化检测及氧化程度判断方法，其特征在于，所述形态学特征的氧化参数包括：氧化斑点像素面积和氧化斑点颜色深度；所述形态学特征的氧化参数的提取步骤包括：对采集的铜表面图像中的氧化斑进行检测框标注，其中，检测框为氧化斑的最小外接矩形；对检测框中的氧化斑进行边缘分割，得到完整的氧化斑图片，并去除边缘噪声，计算氧化斑面积，其中，对于一幅图中第i个氧化斑，其面积记为A
i
；对分割出来的氧化斑进行氧化程度的颜色标定，确定每个氧化斑的颜色深度。4.根据权利要求3所述的基于机器视觉的铜表面氧化检测及氧化程度判断方法，其特征在于，所述对分割出来的氧化斑进行氧化程度的颜色标定，确定每个氧化斑的颜色深度包括：随氧化程度加深，分割出来的氧化斑色调由外至内依次呈现为绿色、褐色、黑色，以灰度化处理分色标定，分别提取氧化斑三种主色的灰度范围，并计算主色范围内所有像素灰度值，进而确定每个氧化斑的颜色深度；其中，对于一幅图中的第i个氧化斑，其颜色深度C
i
表示为：C
i
＝∑k1μ
GN
+k2μ
BN
+k3μ
BK
其中，μ
GN
为绿色像素灰度值，μ
BN
为褐色像素灰度值，μ
BK
为黑色像素灰度值，k1、k2、k3分别为其对应的颜色权值系数。5.根据权利要求1所述的基于机器视觉的铜表面氧化检测及氧化程度判断方法，其特征在于，所述氧含量参数包括：氧铜比；所述氧铜比的提取步...

【专利技术属性】
技术研发人员：张桃红，李倩倩，陈晗，郭徐徐，范素丽，郭学强，陈赛安，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：