电池汇流排超声相控阵C扫描图像自适应双阈值分割方法技术

本发明专利技术针对现有技术的局限性，提出了一种电池汇流排超声相控阵C扫描图像自适应双阈值分割方法，主要针对于多工位的电池汇流排工件的超声相控阵C扫描图像中边缘模糊、前景背景难以区分的技术问题，通过对模糊边缘的增强，有效消除超声相控阵C扫描图像中的冗余信息，增强有用信息的可检测性并最大程度地简化数据量，进而改进图像分割、特征检测、特征识别的可靠性，避免了现有分割方法的不足；使用本方法对动力电池汇流排的超声相控阵C扫描图像进行分割，效果明显，可以实现高速、自动化的分割。有利于后续图像算法的检测，提高了检测的可靠性和准确性，尤其适用于噪声污染较严重的超声相控阵C扫描图像的分割。超声相控阵C扫描图像的分割。超声相控阵C扫描图像的分割。

【技术实现步骤摘要】
电池汇流排超声相控阵C扫描图像自适应双阈值分割方法


[0001]本专利技术涉及超声波相控阵C扫描图像
，具体地，涉及一种电池汇 流排的超声相控阵C扫描图像的自适应双阈值分割方法。

技术介绍

[0002]相控阵超声波检测技术作为一种新颖的技术得到开发和应用，它可以与图像 处理技术相结合对工件进行无损探伤。在新能源汽车行业，利用超声波相控阵技 术对动力电池汇流排进行C扫描成像，加以图像处理算法的处理，可以获得焊 接工件的焊接质量情况。将图像检测软件集成到自动化设备上，可以对大批量工 件进行在线检测，从而代替人工的破坏性抽检。
[0003]这种自动化检测设备的一个常见问题是，超声相控阵C扫描图像的真实焊 接区域可能提取不准确，将会影响图像处理结果的准确性。超声相控阵C扫描 图像的分辨率较低，且由于焊接工艺的影响，图像在焊接区域附近分布有规律排 布的黑白点阵，这些点阵不同于一般噪声可以使用传统的图像去噪方法去除，对 真实焊接区域的提取影响较大，所以采用泛用的分割算法来提取真实焊接区域效 果并不理想。
[0004]图像分割是指利用图像信息中某些特征，从图像中提取目标。对待分割图像 进行信息分析，对重要的信息进行特征提取。通过阈值分割、形态学处理、图像 滤波等图像处理手段可以提高分割的准确性，如公开日为2020.04.10的韩国专利 申请：IMAGE PROCESSING METHOD AND APPARATUS FOR SPOT WELDINGQUALITY EVALUATION中所示，其提供了一种用于焊接质量评估的图像处理 方法。该图像处理方法包括以下步骤：通过C扫描将从点焊部位反射的回波信 号转换为特定水平的灰度信号，以生成二维灰度图像；以预设的向上采样倍率对 灰度图像进行向上采样；根据预设的标准差模糊上采样的图像；通过形态学技术 对模糊图像进行插值；并对插入的图像进行颜色映射。但对于多工位的电池汇流 排工件，其超声相控阵C扫描图像边缘模糊，且极易受到工件水平度影响，非 感兴趣区域的冗余信息较多，且多次扫描的结果会有不同，分割效果并不理想， 因此现有技术仍有一定的局限性。

技术实现思路

[0005]针对现有技术的局限，本专利技术提出一种电池汇流排超声相控阵C扫描图像 自适应双阈值分割方法，本专利技术采用的技术方案是：
[0006]一种电池汇流排超声相控阵C扫描图像自适应双阈值分割方法，包括以下 步骤：
[0007]S1，获取包含若干工件的超声相控阵C扫描图像，将所述超声相控阵C扫 描图像转换为灰度图像；
[0008]S2，获取所述灰度图像的灰度平均值作为下分界阈值；以固定的灰度值设置 上分界阈值；
[0009]S3，根据所述下分界阈值以及上分界阈值，对所述灰度图像进行图像分割， 获得
二值图像；
[0010]S4，分别提取所述灰度图像在x方向以及y方向的轮廓，将提取到的轮廓融 合为二维边缘图像；
[0011]S5，对所述二维边缘图像进行形态学操作，获得边缘增强的轮廓图像；
[0012]S6，对所述二值图像以及边缘增强的轮廓图像进行单通道差分运算后进行形 态学操作，获得所述超声相控阵C扫描图像中各工件的前景图像；
[0013]S7，对所述前景图像分别进行位置尺度和面积尺度的筛选；基于x坐标大小 对筛选结果进行排序，完成对所述超声相控阵C扫描图像中各工件的准确分割。
[0014]相较于现有技术，本专利技术的方案主要针对于多工位的电池汇流排工件的超声 相控阵C扫描图像中边缘模糊、前景背景难以区分的技术问题，通过对模糊边 缘的增强，有效消除超声相控阵C扫描图像中的冗余信息，增强有用信息的可 检测性并最大程度地简化数据量，进而改进图像分割、特征检测、特征识别的可 靠性，避免了现有分割方法的不足；使用本方法对动力电池汇流排的超声相控阵 C扫描图像进行分割，效果明显，可以实现高速、自动化的分割。有利于后续图 像算法的检测，提高了检测的可靠性和准确性，尤其适用于噪声污染较严重的超 声相控阵C扫描图像的分割。
[0015]作为一种优选方案，在所述步骤S3中，通过以下公式对所述灰度图像I
src
进 行图像分割，获得二值图像I
bin
：
[0016][0017]其中，t1表示所述下分界阈值；t2表示所述上分界阈值。
[0018]作为一种优选方案，在所述步骤S4中，包括以下过程：
[0019]通过对所述灰度图像I
src
进行卷积操作，分别提取所述灰度图像I
src
在x方向 以及y方向的轮廓m
x
、m
y
：
[0020][0021][0022]其中，表示卷积运算；k
x
表示x方向的卷积核，k
y
表示y方向的卷积核； 将提取到的轮廓m
x
、m
y
融合为二维边缘图像m
xy
，按以下公式进行：
[0023]m
xy
＝m
y
∨m
x
；
[0024]其中，∨表示或运算。
[0025]进一步的，所述卷积核k
x
、k
y
的数学表达式如下：
[0026][0027]作为一种优选方案，在所述步骤S5中执行的形态学操作为形态学膨胀操作； 在所述步骤S6中执行的形态学操作为形态学闭操作。
[0028]作为一种优选方案，在所述步骤S7中，通过以下方式对所述前景图像进行 位置尺度筛选：
[0029]分别为所述前景图像中的各轮廓求取包含轮廓所有点的最小正矩形；
[0030]计算各最小正矩形的中心点：若中心点位于图像上方1/3处，则标记该中心 点对
应的轮廓为位置尺度正确的轮廓，否则去除该轮廓。
[0031]进一步的，在所述步骤S7中，通过以下方式对所述前景图像进行面积尺度 筛选：
[0032]根据工件个数n计算各工件的平均面积
[0033]在各位置尺度正确的轮廓中进行面积尺度筛选：当轮廓的面积s
a
满足 则标记该轮廓为面积尺度正确的轮廓，否则去除该轮廓。
[0034]本专利技术还包括以下内容：
[0035]一种电池汇流排超声相控阵C扫描图像自适应双阈值分割系统，包括图像 转换模块、阈值设置模块、二值图像获取模块、轮廓融合模块、边缘增强模块、 前景图像获取模块以及筛选排序模块；所述图像转换模块分别连接所述阈值设置 模块以及轮廓融合模块；所述阈值设置模块连接所述二值图像获取模块；所述轮 廓融合模块连接所述边缘增强模块；所述前景图像获取模块分别连接所述二值图 像获取模块、边缘增强模块以及筛选排序模块；其中：
[0036]所述图像转换模块用于获取包含若干工件的超声相控阵C扫描图像，将所 述超声相控阵C扫描图像转换为灰度图像；
[0037]所述阈值设置模块用于获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池汇流排超声相控阵C扫描图像自适应双阈值分割方法，其特征在于，包括以下步骤：S1，获取包含若干工件的超声相控阵C扫描图像，将所述超声相控阵C扫描图像转换为灰度图像；S2，获取所述灰度图像的灰度平均值作为下分界阈值；以固定的灰度值设置上分界阈值；S3，根据所述下分界阈值以及上分界阈值，对所述灰度图像进行图像分割，获得二值图像；S4，分别提取所述灰度图像在x方向以及y方向的轮廓，将提取到的轮廓融合为二维边缘图像；S5，对所述二维边缘图像进行形态学操作，获得边缘增强的轮廓图像；S6，对所述二值图像以及边缘增强的轮廓图像进行单通道差分运算后进行形态学操作，获得所述超声相控阵C扫描图像中各工件的前景图像；S7，对所述前景图像分别进行位置尺度和面积尺度的筛选；基于x坐标大小对筛选结果进行排序，完成对所述超声相控阵C扫描图像中各工件的准确分割。2.根据权利要求1所述的电池汇流排超声相控阵C扫描图像自适应双阈值分割方法，其特征在于，在所述步骤S3中，通过以下公式对所述灰度图像I
src
进行图像分割，获得二值图像I
bin
：其中，t1表示所述下分界阈值；t2表示所述上分界阈值。3.根据权利要求1所述的电池汇流排超声相控阵C扫描图像自适应双阈值分割方法，其特征在于，在所述步骤S4中，包括以下过程：通过对所述灰度图像I
src
进行卷积操作，分别提取所述灰度图像I
src
在x方向以及y方向的轮廓m
x
、m
y
：：其中，表示卷积运算；k
x
表示x方向的卷积核，k
y
表示y方向的卷积核；将提取到的轮廓m
x
、m
y
融合为二维边缘图像m
xy
，按以下公式进行：m
xy
＝m
y
∨m
x
；其中，∨表示或运算。4.根据权利要求3所述的电池汇流排超声相控阵C扫描图像自适应双阈值分割方法，其特征在于，所述卷积核k
x
、k
y
的数学表达式如下：5.根据权利要求1所述的电池汇流排超声相控阵C扫描图像自适应双阈值分割方法，其特征在于，在所述步骤S5中执行的形态学操作为形态学膨胀操作；在所述步骤S6中执行的形态学操作为形态学闭操作。
6.根据权利要求1所述的电池汇流排超声相控阵C扫描图像自适应双阈值分割方法，其特征在于，在所述步骤S7中，通过以下方式对...

【专利技术属性】
技术研发人员：李扬，罗柏槐，陈鉴锋，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：