一种铜线镀锡缺陷识别方法技术

本发明专利技术属于数据处理技术领域，具体涉及一种铜线镀锡缺陷识别方法。方法包括：根据目标表面图像上的各像素点，得到目标表面图像上的各待定像素点；根据各待定像素点的局部灰度共生矩阵的特征参数，得到各待定像素点的第一判定指标；获取各待定像素点的特征亮度指标；根据亮度特征指标，得到各待定像素点的第二判定指标；根据各待定像素点对应的梯度变化矩阵的特征值，得到各待定像素点对应的结构分布表征值；根据各待定像素点对应的第一判定指标、第二判定指标以及结构分布表征值，得到各待定像素点的镀锡缺陷判定值；根据镀锡缺陷判定值，得到待检测镀锡铜的镀锡缺陷程度。本发明专利技术能够提高检测效率以及检测精度。提高检测效率以及检测精度。提高检测效率以及检测精度。

【技术实现步骤摘要】
一种铜线镀锡缺陷识别方法


[0001]本专利技术涉及数据处理
，具体涉及一种铜线镀锡缺陷识别方法。

技术介绍

[0002]扁铜线、铜带镀锡工艺是指在铜线的表面镀上一层薄薄的金属锡的工艺；由于铜在空气中长时间暴露表面会被氧化，形成一层氧化膜，也称为铜绿，铜绿的导电性很差，会增加电阻，会导致扁铜线或者铜带的导电性能降低，而扁铜线或者铜带表面镀锡可以防止铜发生氧化还原反应，避免铜绿的产生，还可以增加散热，改善导电性能；同时，扁铜线或者铜带镀锡还可以防止绝缘橡皮发粘，线芯发黑变脆，提高可焊性能，改善扁铜线或者铜带与绝缘皮之间的避障作用。但是当扁铜线或者铜带表面镀锡不均匀或者出现镀锡缺陷时，将会导致扁铜线或者铜带表面的防护效果降低，部分区域出现氧化现象，形成铜绿，同样会导致扁铜线或者铜带的导电性降低，使用寿命减小，因此对扁铜线或者铜带镀锡进行缺陷识别或者缺陷检测至关重要。
[0003]现有的对扁铜线或者铜带镀锡进行缺陷识别或者缺陷检测的方法一般是基于人工来实现对扁铜线或者铜带镀锡的缺陷识别，但是这种方式主观性较强，容易出现误检或者漏检的现象，因此基于人工对扁铜线或者铜带镀锡进行缺陷识别或者缺陷检测的方法准确性较低。

技术实现思路

[0004]本专利技术提供基于一种铜线镀锡缺陷识别方法，用于解决现有方法对扁铜线或者铜带镀锡进行缺陷识别或者缺陷检测时准确性较低的问题，所采用的技术方案具体如下：本专利技术实施例提供了一种铜线镀锡缺陷识别方法，包括以下步骤：获取待检测镀锡铜的目标表面图像；所述镀锡铜包括镀锡铜带和镀锡扁铜线；根据目标表面图像上的各像素点，拟合得到目标表面图像对应的第一高斯模型和第二高斯模型以及目标表面图像上的各像素点对应的第一高斯模型的高斯函数值和各像素点对应的第二高斯模型的高斯函数值；根据第一高斯模型的高斯函数值和第二高斯模型的高斯函数值，得到目标表面图像上的各待定像素点；获取各待定像素点的局部灰度共生矩阵的特征参数；根据各待定像素点的局部灰度共生矩阵的特征参数，得到各待定像素点的第一判定指标；获取各待定像素点的特征亮度指标；根据亮度特征指标，得到各待定像素点的第二判定指标；获取各待定像素点对应的梯度变化矩阵；根据各待定像素点对应的梯度变化矩阵的特征值，得到各待定像素点对应的结构分布表征值；根据各待定像素点对应的第一判定指标、第二判定指标以及结构分布表征值，得到各待定像素点的镀锡缺陷判定值；根据镀锡缺陷判定值，得到各待定像素点中的各镀锡缺陷像素点；根据各镀锡缺陷像素点的镀锡缺陷判定值，得到待检测镀锡铜的镀锡缺陷程度。
[0005]优选的，得到目标表面图像上的各待定像素点的方法，包括：对于目标表面图像上的任一像素点：若该像素点对应的第一高斯模型的高斯函数值大于该像素点对应的第二高斯模型的高斯函数值，则将该像素点记为第一类别；若该像素点对应的第一高斯模型的高斯函数值等于该像素点对应的第二高斯模型的高斯函数值，则将该像素点记为待定像素点；若该像素点对应的第一高斯模型的高斯函数值小于该像素点对应的第二高斯模型的高斯函数值，则将该像素点记为第二类别；统计第一类别和第二类别中的像素点数量；将像素点数量较多对应的类别中的像素点作为镀锡正常像素点，将另一个类别中的各像素点记为待定像素点。
[0006]优选的，获取各待定像素点的局部灰度共生矩阵的特征参数；根据各待定像素点的局部灰度共生矩阵的特征参数，得到各待定像素点的第一判定指标的方法，包括：对目标表面图像进行灰度化处理，得到目标表面图像对应的目标表面灰度图像；目标表面图像和目标表面灰度图像上的像素点一一对应；对于目标表面灰度图像上的任一待定像素点：以该待定像素点为中心，获取该待定像素点邻域范围内的局部邻域像素点，并将局部邻域像素点的灰度值进行灰度级量化，划分成8个灰度等级，并得到对应的灰度共生矩阵，记为局部灰度共生矩阵；计算局部灰度共生矩阵对应的特征参数，所述特征参数包括局部灰度共生矩阵对应的纹理对比度、熵值以及能量值；获取镀锡正常像素点对应的局部灰度共生矩阵的纹理对比度、熵值以及能量值；根据镀锡正常像素点对应的局部灰度共生矩阵的纹理对比度、熵值和能量值以及该待定像素点对应的局部灰度共生矩阵的纹理对比度、熵值和能量值，得到该待定像素点的第一判定指标。
[0007]优选的，根据如下公式计算该待定像素点的第一判定指标：其中，为该待定像素点的第一判定指标，为该待定像素点对应的局部灰度共生矩阵的纹理对比度，为该待定像素点对应的局部灰度共生矩阵的熵值，为该待定像素点对应的局部灰度共生矩阵的能量值，为镀锡正常像素点对应的局部灰度共生矩阵的纹理对比度，为镀锡正常像素点对应的局部灰度共生矩阵的熵值，为镀锡正常像素点对应的局部灰度共生矩阵的能量值，max（ ）为取最大值函数。
[0008]优选的，获取各待定像素点的特征亮度指标；根据亮度特征指标，得到各待定像素点的第二判定指标的方法，包括：对目标表面图像进行HSV色彩空间转换，得到各待定像素点的亮度值；并获取镀锡
正常像素点对应的亮度值；根据各待定像素点的亮度值和镀锡正常像素点对应的亮度值，得到各待定像素点的亮度特征指标；对于目标表面图像上的任一待定像素点，根据如下公式计算该待定像素点的亮度特征指标：其中，为该待定像素点的第二判定指标，为该待定像素点的亮度值，为镀锡正常像素点对应的亮度值，为模型参数；根据该待定像素点的亮度特征指标，得到该待定像素点的第二判定指标；根据如下公式计算该待定像素点的第二判定指标：其中，为该待定像素点的第二判定指标，e为自然常数。
[0009]优选的，获取各待定像素点对应的梯度变化矩阵；根据各待定像素点对应的梯度变化矩阵的特征值，得到各待定像素点对应的结构分布表征值的方法，包括：对于目标表面灰度图像上的任一待定像素点i：设置边缘检测算子在水平方向的算子，设置边缘检测算子在水平方向的算子；通过两个算子分别对待定像素点i进行梯度信息的提取：，，其中，为卷积操作，为以待定像素点i为中心的八邻域所对应的邻域灰度矩阵，分别为待定像素点i在水平方向、竖直方向的梯度幅值，为待定像素点i的梯度角，为待定像素点i的灰度值，x为待定像素点i的横坐标，y为待定像素点i的纵坐标，为目标表面灰度图像上横坐标为纵坐标为的像素点的灰度值，为目标表面灰度图像上横坐标为纵坐标为的像素点的灰度值，为目标表面灰度图像上横坐标为纵坐标为的像素点的灰度值，为目标表面灰度图像上横坐标为纵坐标为的像素点的灰度值，为目标表面灰度图像上横坐标为纵坐标为的像素点的灰度值，为目标表面灰度图像上横坐标为纵坐标为的像素点的灰度值，为目标表面灰度图像上横坐标为纵坐标为
的像素点的灰度值， 为目标表面灰度图像上横坐标为纵坐标为的像素点的灰度值；获取待定像素点i对应的各梯度变化特征值，待定像素点i对应的梯度变化特征值分别为：、，其中，；根据待定像素点i对应的四个梯度变化特征值，构建待定像素点i的梯度变化矩阵，代表待定像素点i的梯度变化矩阵；然后计算待定像素点i对应的梯度变化矩阵的特征值；根据待定像素点i对应的梯度变化矩阵的特征值，得到待定像素点i本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种铜线镀锡缺陷识别方法，其特征在于，该方法包括如下步骤：获取待检测镀锡铜的目标表面图像；所述镀锡铜包括镀锡铜带和镀锡扁铜线；根据目标表面图像上的各像素点，拟合得到目标表面图像对应的第一高斯模型和第二高斯模型以及目标表面图像上的各像素点对应的第一高斯模型的高斯函数值和各像素点对应的第二高斯模型的高斯函数值；根据第一高斯模型的高斯函数值和第二高斯模型的高斯函数值，得到目标表面图像上的各待定像素点；获取各待定像素点的局部灰度共生矩阵的特征参数；根据各待定像素点的局部灰度共生矩阵的特征参数，得到各待定像素点的第一判定指标；获取各待定像素点的特征亮度指标；根据亮度特征指标，得到各待定像素点的第二判定指标；获取各待定像素点对应的梯度变化矩阵；根据各待定像素点对应的梯度变化矩阵的特征值，得到各待定像素点对应的结构分布表征值；根据各待定像素点对应的第一判定指标、第二判定指标以及结构分布表征值，得到各待定像素点的镀锡缺陷判定值；根据镀锡缺陷判定值，得到各待定像素点中的各镀锡缺陷像素点；根据各镀锡缺陷像素点的镀锡缺陷判定值，得到待检测镀锡铜的镀锡缺陷程度。2.如权利要求1所述的一种铜线镀锡缺陷识别方法，其特征在于，得到目标表面图像上的各待定像素点的方法，包括：对于目标表面图像上的任一像素点：若该像素点对应的第一高斯模型的高斯函数值大于该像素点对应的第二高斯模型的高斯函数值，则将该像素点记为第一类别；若该像素点对应的第一高斯模型的高斯函数值等于该像素点对应的第二高斯模型的高斯函数值，则将该像素点记为待定像素点；若该像素点对应的第一高斯模型的高斯函数值小于该像素点对应的第二高斯模型的高斯函数值，则将该像素点记为第二类别；统计第一类别和第二类别中的像素点数量；将像素点数量较多对应的类别中的像素点作为镀锡正常像素点，将另一个类别中的各像素点记为待定像素点。3.如权利要求1所述的一种铜线镀锡缺陷识别方法，其特征在于，获取各待定像素点的局部灰度共生矩阵的特征参数；根据各待定像素点的局部灰度共生矩阵的特征参数，得到各待定像素点的第一判定指标的方法，包括：对目标表面图像进行灰度化处理，得到目标表面图像对应的目标表面灰度图像；目标表面图像和目标表面灰度图像上的像素点一一对应；对于目标表面灰度图像上的任一待定像素点：以该待定像素点为中心，获取该待定像素点邻域范围内的局部邻域像素点，并将局部邻域像素点的灰度值进行灰度级量化，划分成8个灰度等级，并得到对应的灰度共生矩阵，记为局部灰度共生矩阵；计算局部灰度共生矩阵对应的特征参数，所述特征参数包括局部灰度共生矩阵对应的纹理对比度、熵值以及能量值；获取镀锡正常像素点对应的局部灰度共生矩阵的纹理对比度、熵值以及能量值；
根据镀锡正常像素点对应的局部灰度共生矩阵的纹理对比度、熵值和能量值以及该待定像素点对应的局部灰度共生矩阵的纹理对比度、熵值和能量值，得到该待定像素点的第一判定指标。4.如权利要求3所述的一种铜线镀锡缺陷识别方法，其特征在于，根据如下公式计算该待定像素点的第一判定指标：其中，为该待定像素点的第一判定指标，为该待定像素点对应的局部灰度共生矩阵的纹理对比度，为该待定像素点对应的局部灰度共生矩阵的熵值，为该待定像素点对应的局部灰度共生矩阵的能量值，为镀锡正常像素点对应的局部灰度共生矩阵的纹理对比度，为镀锡正常像素点对应的局部灰度共生矩阵的熵值，为镀锡正常像素点对应的局部灰度共生矩阵的能量值，max（ ）为取最大值函数。5.如权利要求1所述的一种铜线镀锡缺陷识别方法，其特征在于，获取各待定像素点的特征亮度指标；根据亮度特征指标，得到各待定像素点的第二判定指标的方法，包括：对目标表面图像进行H...

【专利技术属性】
技术研发人员：储春琴，
申请(专利权)人：江苏昱恒电气有限公司，
类型：发明
国别省市：