基于图像处理的机械零件毛刺检测方法及系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于图像处理的机械零件毛刺检测方法及系统，包括：获取待检测零件的表面图像，进而确定其实际边缘图像；获取实际边缘图像中各个边缘像素点的预设领域内的各边缘像素点的数目以及灰度，进而获取各个边缘像素点的特征描述子，从而确定各个边缘像素点中的各个非毛刺边缘像素点以及其对应的特征描述子，最终确定各个边缘像素点的为毛刺的概率；根据各个非毛刺边缘像素点以及各个边缘像素点的为毛刺的概率，获取待检测零件不存在毛刺的理想边缘图像，进而确定待检测零件的毛刺检测结果。本发明专利技术不仅提高机械零件毛刺的检测效率，而且有利于提高毛刺检测的精准度，节约人工成本。节约人工成本。节约人工成本。

【技术实现步骤摘要】
基于图像处理的机械零件毛刺检测方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于图像处理的机械零件毛刺检测方法及系统。

技术介绍

[0002]随着我国近两年工业的快速发展，对机械零件产品的需求量越来越大，但是在机械零件加工过程中，在零件的边缘经常会出现毛刺，即在冷切、热锯或是火焰切割的钢材边缘处有不齐的飞边。一般情况下，零件是允许有一定高度的毛刺存在，但是有些机械零件如焊管等内外毛刺必须进行平滑加工、清除毛刺，为了保障机械零件的加工生产质量，需要对机械零件进行毛刺检测。
[0003]传统的毛刺检测方式一般是通过工作人员现场目测或是远程观看摄像头拍摄图像来检查零件是否存在毛刺以及毛刺的具体位置，该检测方式不仅检测的时间长，人工成本高，而且检测的效率受工作人员熟练程度、工作的疲劳程度的影响较大，对于极小或是所处隐蔽位置的毛刺，极容易漏检。另外，通常还可以采用红外线对零件毛刺进行检测，但红外线检测零件毛刺的检测方法所应用的设备较为复杂而且设备的费用昂贵，红外线检测零件毛刺对于环境条件要求也很高，使零件毛刺检测工序的成本过大。

技术实现思路

[0004]为了解决上述机械零件的毛刺检测准确性差的技术问题，本专利技术的目的在于提供一种基于图像处理的机械零件毛刺检测方法及系统。
[0005]为解决上述技术问题，本专利技术提供了一种基于图像处理的机械零件毛刺检测方法，包括以下步骤：
[0006]获取待检测零件的表面图像，进而确定待检测零件的实际边缘图像；
[0007]获取待检测零件的实际边缘图像中各个边缘像素点的预设领域内的各边缘像素点的数目以及灰度，根据各个边缘像素点的预设领域内的各边缘像素点的数目以及灰度，获取实际边缘图像中各个边缘像素点的特征描述子；
[0008]根据实际边缘图像中的各个边缘像素点的特征描述子，确定实际边缘图像中的各个边缘像素点中的各个非毛刺边缘像素点以及其对应的特征描述子，进而确定实际边缘图像中的各个边缘像素点的为毛刺的概率；
[0009]根据各个非毛刺边缘像素点以及各个边缘像素点的为毛刺的概率，获取待检测零件不存在毛刺的理想边缘图像；
[0010]根据待检测零件的实际边缘图像以及待检测零件不存在毛刺的理想边缘图像，确定待检测零件的毛刺检测结果。
[0011]进一步的，获取待检测零件不存在毛刺的理想边缘图像的步骤包括：
[0012]根据待检测零件的实际边缘图像建立坐标系，获取实际边缘图像的各个边缘像素点的实际坐标；
[0013]根据各个非毛刺边缘像素点的实际坐标对各个非毛刺边缘像素点进行聚类，从而获取各个密集区域；
[0014]根据各个密集区域内的各个非毛刺边缘像素点以及各个密集区域内的各个毛刺像素点对应的实际横坐标，获取各个密集区域内的各个毛刺像素点对应的理想坐标；
[0015]根据各个密集区域内的各个非毛刺边缘像素点的实际坐标和各个毛刺像素点的理想坐标，获取各个密集区域对应的理想边缘；
[0016]根据各个密集区域对应的理想边缘以及不在各个密集区域内的各个边缘像素点的实际坐标和为毛刺的概率，确定待检测零件不存在毛刺的理想边缘图像。
[0017]进一步的，确定待检测零件不存在毛刺的理想边缘图像的步骤包括：
[0018]确定密集区域对应的理想边缘的任意一端的最近的不在各个密集区域内的边缘像素点，并根据该理想边缘和最近的不在各个密集区域内的边缘像素点的实际横坐标，确定该最近的不在各个密集区域内的边缘像素点的预测纵坐标；
[0019]根据该最近的不在各个密集区域内的边缘像素点的预测纵坐标、实际纵坐标以及为毛刺的概率，确定该最近的不在各个密集区域内的边缘像素点的理想纵坐标；
[0020]根据该最近的不在各个密集区域内的边缘像素点的实际横坐标和理想纵坐标，对密集区域对应的理想边缘进行更新，得到更新后的密集区域对应的理想边缘，确定更新后的密集区域对应的理想边缘的任意一端的最近的不在各个密集区域内的边缘像素点，并重复上述步骤，直至不在各个密集区域内的所有边缘像素点的理想纵坐标均被确定。
[0021]进一步的，确定最近的不在各个密集区域内的边缘像素点的理想纵坐标的计算公式如下：
[0022][0023]其中，Y
k
为密集区域对应的理想边缘的任意一端的最近的不在各个密集区域内的边缘像素点k对应的理想纵坐标，p(x
k
,y
k
)为密集区域对应的理想边缘的任意一端的最近的不在各个密集区域内的边缘像素点k为毛刺的概率，为密集区域对应的理想边缘的任意一端的最近的不在各个密集区域内的边缘像素点k的预测纵坐标，y
k
为密集区域对应的理想边缘的任意一端的最近的不在各个密集区域内的边缘像素点k的实际纵坐标，x
k
为密集区域对应的理想边缘的任意一端的最近的不在各个密集区域内的边缘像素点k的实际横坐标。
[0024]进一步的，获取各个边缘像素点特征描述子的步骤包括：
[0025]计算各个边缘像素的预设领域内的各边缘像素点的灰度梯度，根据各个边缘像素点的预设领域内的各边缘像素点的灰度梯度，确定各个边缘像素点的灰度梯度变化特征；
[0026]根据各个边缘像素点的预设领域内的各边缘像素点的数目以及各个边缘像素点的灰度梯度变化特征，获取各个边缘像素点的特征描述子。
[0027]进一步的，计算各个边缘像素的灰度梯度变化特征的步骤包括：
[0028]获取边缘像素点的预设领域内的两两相邻的边缘像素点的梯度单位向量，进而获取该边缘像素点的预设领域内的两两相邻的边缘像素点的梯度单位向量的余弦相似度；
[0029]根据该边缘像素点的预设领域内的两两相邻的边缘像素点的梯度单位向量的余弦相似度，确定该边缘像素点在预设领域内的梯度单位向量的变化序列，进而获取该边缘
像素点的自相关矩阵；
[0030]根据该边缘像素点的自相关矩阵，确定该边缘像素点的灰度梯度变化特征。
[0031]进一步的，确定各个边缘像素点存在毛刺的概率的步骤包括：
[0032]计算各个边缘像素点的特征描述子与各个非毛刺边缘像素点的特征描述子之间的相似度，将两者的相似度作为对应边缘像素点的为毛刺的概率。
[0033]进一步的，计算各个边缘像素点的为毛刺的概率的计算公式如下：
[0034][0035]其中，p(x,y)为边缘像素点(x,y)的为毛刺的概率，N
(x,y)
为边缘像素点(x,y)的预设领域内的各边缘像素点的数目，N0为非毛刺的像素点的预设领域内的各边缘像素点的数目，T
(x,y)
为边缘像素点(x,y)的灰度梯度变化特征，T0为非毛刺的像素点的灰度梯度变化特征。
[0036]进一步的，获取待检测零件的毛刺检测结果的步骤包括：
[0037]对待检测零件的真实边缘图像以及待检测零件不存在毛刺的理想边缘图像进行异或操作，获取两本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的机械零件毛刺检测方法，其特征在于，包括以下步骤：获取待检测零件的表面图像，进而确定待检测零件的实际边缘图像；获取待检测零件的实际边缘图像中各个边缘像素点的预设领域内的各边缘像素点的数目以及灰度，根据各个边缘像素点的预设领域内的各边缘像素点的数目以及灰度，获取实际边缘图像中各个边缘像素点的特征描述子；根据实际边缘图像中的各个边缘像素点的特征描述子，确定实际边缘图像中的各个边缘像素点中的各个非毛刺边缘像素点以及其对应的特征描述子，进而确定实际边缘图像中的各个边缘像素点的为毛刺的概率；根据各个非毛刺边缘像素点以及各个边缘像素点的为毛刺的概率，获取待检测零件不存在毛刺的理想边缘图像；根据待检测零件的实际边缘图像以及待检测零件不存在毛刺的理想边缘图像，确定待检测零件的毛刺检测结果。2.根据权利要求1所述的基于图像处理的机械零件毛刺检测方法，其特征在于，获取待检测零件不存在毛刺的理想边缘图像的步骤包括：根据待检测零件的实际边缘图像建立坐标系，获取实际边缘图像的各个边缘像素点的实际坐标；根据各个非毛刺边缘像素点的实际坐标对各个非毛刺边缘像素点进行聚类，从而获取各个密集区域；根据各个密集区域内的各个非毛刺边缘像素点以及各个密集区域内的各个毛刺像素点对应的实际横坐标，获取各个密集区域内的各个毛刺像素点对应的理想坐标；根据各个密集区域内的各个非毛刺边缘像素点的实际坐标和各个毛刺像素点的理想坐标，获取各个密集区域对应的理想边缘；根据各个密集区域对应的理想边缘以及不在各个密集区域内的各个边缘像素点的实际坐标和为毛刺的概率，确定待检测零件不存在毛刺的理想边缘图像。3.根据权利要求2所述的基于图像处理的机械零件毛刺检测方法，其特征在于，确定待检测零件不存在毛刺的理想边缘图像的步骤包括：确定密集区域对应的理想边缘的任意一端的最近的不在各个密集区域内的边缘像素点，并根据该理想边缘和最近的不在各个密集区域内的边缘像素点的实际横坐标，确定该最近的不在各个密集区域内的边缘像素点的预测纵坐标；根据该最近的不在各个密集区域内的边缘像素点的预测纵坐标、实际纵坐标以及为毛刺的概率，确定该最近的不在各个密集区域内的边缘像素点的理想纵坐标；根据该最近的不在各个密集区域内的边缘像素点的实际横坐标和理想纵坐标，对密集区域对应的理想边缘进行更新，得到更新后的密集区域对应的理想边缘，确定更新后的密集区域对应的理想边缘的任意一端的最近的不在各个密集区域内的边缘像素点，并重复上述步骤，直至不在各个密集区域内的所有边缘像素点的理想纵坐标均被确定。4.根据权利要求3所述的基于图像处理的机械零件毛刺检测方法，其特征在于，确定最近的不在各个密集区域内的边缘像素点的理想纵坐标的计算公式如下：
其中，Y
k
为密集区域对应的理想边缘的任意一端的最近的不在各个密集区域内的边缘像素点k对应的理想纵坐标，p(x
k
,y
k

【专利技术属性】
技术研发人员：牧笛，
申请(专利权)人：河南牧业经济学院，
类型：发明
国别省市：