一种基于计算机视觉的拉深零件质检系统技术方案

本发明专利技术公开了一种基于计算机视觉的拉深零件质检系统，包括图像增强模块；图像增强模块采用如下方式对拉深零件的外观图像进行增强处理：将外观图像转换到Lab颜色空间；分别获取L分量、a分量、b分量的图像igL、iga、igb；对igL中的每个像素点均进行改进的图像增强处理，获得对igL增强后的图像strigL；将strigL、iga、igb转换到RGB颜色空间，获得增强图像。本发明专利技术的质检系统在对拉深零件进行质检时，采用了改进的图像增强处理来对拉深零件进行图像增强处理，通过当前进行增强处理的像素点的8邻域的像素点的像素值等级来匹配数据库中预先设置好的图像增强参数，然后基于图像增强参数进行图像增强处理，提高了图像增强处理的结果的准确性和图像增强处理的效率。果的准确性和图像增强处理的效率。果的准确性和图像增强处理的效率。

【技术实现步骤摘要】
一种基于计算机视觉的拉深零件质检系统


[0001]本专利技术涉及质检领域，尤其涉及一种基于计算机视觉的拉深零件质检系统。

技术介绍

[0002]拉深是一种钣金成型工艺，可产生高尺寸精度和光滑的表面光洁的零件，它使用冲头和模具将金属拉制成所需的形状。拉深零件比冲压零件更坚固，因为金属在深拉过程中被拉伸。 冲压零件的强度不如拉深零件，因为它们不会拉伸金属。需要高成型性的设计特征最适合拉深。拉深零件的成本通常高于冲压零件，但这种成本被它们更高的强度重量比和耐腐蚀性所抵消。
[0003]拉深零件生成出来后需要进行质检，现有技术中，一般采用计算机视觉中的图像识别的方式来进行质检，而在图像识别的过程中，会涉及图像的增强这一步骤，现有技术中的质检系统，在对图像进行增强时，并没有考虑不同区域的像素点周边的像素值分布的区别，往往对所有的像素点采用同一种增强方式进行图像增强，从而使得图像增强的结果不够准确，影响了后续对拉深零件进行质检的结果的准确性。

技术实现思路

[0004]本专利技术的目的在于公开一种基于计算机视觉的拉深零件质检系统，解决现有技术中，质检系统在对图像进行增强时，并没有考虑不同区域的像素点周边的像素值分布的区别，往往对所有的像素点采用同一种增强方式进行图像增强，从而使得图像增强的结果不够准确，影响了后续对拉深零件进行质检的结果的准确性的问题。
[0005]为了达到上述目的，本专利技术采用如下技术方案：一种基于计算机视觉的拉深零件质检系统，包括图像增强模块；图像增强模块采用如下方式对拉深零件的外观图像进行增强处理：将外观图像转换到Lab颜色空间；分别获取L分量、a分量、b分量的图像igL 、iga 、igb；对igL中的每个像素点均进行改进的图像增强处理，获得对igL增强后的图像strigL；将strigL、iga 、igb转换到RGB颜色空间，获得增强图像；改进的图像增强处理，包括：对于igL中的像素点pixel，获取pixel的8邻域范围内的每个像素点的像素值的集合U；基于集合U判断像素点pixel的8邻域中的像素点的分布类型；基于8邻域中的像素点的分布类型获取像素点pixel的图像增强参数；基于图像增强参数对像素点pixel进行图像增强处理。
[0006]作为优选，基于计算机视觉的拉深零件质检系统还包括拍摄模块；拍摄模块用于获取拉深零件的外观图像。
[0007]作为优选，基于计算机视觉的拉深零件质检系统还包括图像降噪模块；图像降噪模块用于对所述增强图像进行降噪处理，获得处理图像。
[0008]作为优选，基于计算机视觉的拉深零件质检系统还包括图像识别模块；图像识别模块用于获取所述处理图像中包含的特征信息。
[0009]作为优选，基于计算机视觉的拉深零件质检系统还包括质检模块；质检模块用于将所述特征信息输入到预先训练好的神经网络模型中进行处理，获取所述拉深零件的质检结果。
[0010]作为优选，所述基于集合U判断像素点pixel的8邻域中的像素点的分布类型，包括：将pixel以及pixel的8邻域范围内的像素点记为矩阵Q，；分别确定矩阵Q中每个像素点的像素值等级；基于像素值等级确定像素点pixel的8邻域中的像素点的分布类型。
[0011]作为优选，对于像素点，，采用如下公式计算的像素值等级：式中，表示像素点的像素值等级，表示像素点的像素值。
[0012]作为优选，所述基于像素值等级确定像素点pixel的8邻域中的像素点的分布类型，包括：将pixel以及pixel的8邻域范围内的像素点的等级存入矩阵P，；从数据库中获取与矩阵P相同的矩阵；从数据库中获取矩阵的分布类型，并将作为像素点pixel的8邻域中的像素点的分布类型。
[0013]作为优选，所述基于8邻域中的像素点的分布类型获取像素点的图像增强参数，包括：将的分布类型所对应的图像增强参数作为像素点pixel的图像增强参数。
[0014]作为优选，所述图像增强参数包括伽马变换的参数；所述基于图像增强参数对像素点pixel进行图像增强处理，包括：
使用如下公式对像素点pixel进行图像增强处理：式中，表示像素点pixel在strigL中的像素值，表示预设的常数参数，表示像素点pixel在igL中的像素值，igLma表示igL中的像素值的最大值。
[0015]本专利技术的质检系统在对拉深零件进行质检时，采用了改进的图像增强处理来对拉深零件进行图像增强处理，在增强的过程中，通过当前进行增强处理的像素点的8邻域的像素点的像素值等级来匹配数据库中预先设置好的图像增强参数，然后基于图像增强参数进行图像增强处理，有效地提高了图像增强处理的结果的准确性，也有效地提高了图像增强处理的处理效率。
附图说明
[0016]利用附图对本专利技术作进一步说明，但附图中的实施例不构成对本专利技术的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
[0017]图1，为本专利技术对拉深零件的外观图像进行增强处理的一种示例性实施例图。
[0018]图2，为本专利技术获取拉深零件的外观图像的一种示例性实施例图。
具体实施方式
[0019]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。
[0020]如图1所示的一种实施例，本专利技术提供了一种基于计算机视觉的拉深零件质检系统，包括图像增强模块；图像增强模块采用如下方式对拉深零件的外观图像进行增强处理：将外观图像转换到Lab颜色空间；分别获取L分量、a分量、b分量的图像igL 、iga 、igb；对igL中的每个像素点均进行改进的图像增强处理，获得对igL增强后的图像strigL；将strigL、iga 、igb转换到RGB颜色空间，获得增强图像；改进的图像增强处理，包括：对于igL中的像素点pixel，获取pixel的8邻域范围内的每个像素点的像素值的集合U；基于集合U判断像素点pixel的8邻域中的像素点的分布类型；基于8邻域中的像素点的分布类型获取像素点pixel的图像增强参数；
基于图像增强参数对像素点pixel进行图像增强处理。
[0021]本专利技术的质检系统在对拉深零件进行质检时，采用了改进的图像增强处理来对拉深零件进行图像增强处理，在增强的过程中，通过当前进行增强处理的像素点的8邻域的像素点的像素值等级来匹配数据库中预先设置好的图像增强参数，然后基于图像增强参数进行图像增强处理，有效地提高了图像增强处理的结果的准确性。
[0022]本专利技术在进行图像增强时，不是采用同一种增强方式对所有的像素点进行图像增强。而是考虑了当前进行增强处理的像素点在8邻域中的像素点的像素值等级，然后再获得增强参数，增强参数与当前进行增强处理的像素点的周边的像素值分布密切相关，从而提高了图像增强处理的结果的准确性。也有效地提高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉的拉深零件质检系统，其特征在于，包括图像增强模块；图像增强模块采用如下方式对拉深零件的外观图像进行增强处理：将外观图像转换到Lab颜色空间；分别获取L分量、a分量、b分量的图像igL 、iga 、igb；对igL中的每个像素点均进行改进的图像增强处理，获得对igL增强后的图像strigL；将strigL、iga 、igb转换到RGB颜色空间，获得增强图像；改进的图像增强处理，包括：对于igL中的像素点pixel，获取pixel的8邻域范围内的每个像素点的像素值的集合U；基于集合U判断像素点pixel的8邻域中的像素点的分布类型；基于8邻域中的像素点的分布类型获取像素点pixel的图像增强参数；基于图像增强参数对像素点pixel进行图像增强处理。2.根据权利要求1所述的一种基于计算机视觉的拉深零件质检系统，其特征在于，还包括拍摄模块；拍摄模块用于获取拉深零件的外观图像。3.根据权利要求1所述的一种基于计算机视觉的拉深零件质检系统，其特征在于，还包括图像降噪模块；图像降噪模块用于对所述增强图像进行降噪处理，获得处理图像。4.根据权利要求3所述的一种基于计算机视觉的拉深零件质检系统，其特征在于，还包括图像识别模块；图像识别模块用于获取所述处理图像中包含的特征信息。5.根据权利要求4所述的一种基于计算机视觉的拉深零件质检系统，其特征在于，还包括质检模块；质检模块用于将所述特征信息输入到预先训练好的神经网络模型中进行处理，获取所述拉深零件的质检结果。6.根据权利要求1所述的一种基于...

【专利技术属性】
技术研发人员：陈小宏，卞圣玮，孙小银，孟祥龙，张素文，
申请(专利权)人：裕钦精密拉深技术苏州有限公司，
类型：发明
国别省市：