一种汽车配件表面电镀加工缺陷检测方法和系统技术方案

本说明书实施例公开了一种汽车配件表面电镀加工缺陷检测方法和系统，其中，该方法包括：对待检测汽车配件所对应的表面图像进预处理，得到对应的镀件图；将镀件图均匀划分为多个图像块，并将每一个图像块划分为多个子块；利用子块分层的方式确定每一个图像块对应的图像特征；基于该图像特征确定每一个图像块对应的多层显著度及缺陷概率；筛选缺陷概率大于分割阈值的图像块作为缺陷图像块，并计算缺陷图像块中每一个子块所对应的分布异常度；根据分布异常度确定每一个子块在镀件图中的异常指数；基于该异常指数及分布异常度对每一个缺陷图像块进行聚类处理；基于聚类处理所得到的分类结果，确定该镀件图中的缺陷像素点。确定该镀件图中的缺陷像素点。确定该镀件图中的缺陷像素点。

【技术实现步骤摘要】
一种汽车配件表面电镀加工缺陷检测方法和系统


[0001]本专利技术涉及图像数据处理领域，特别涉及一种汽车配件表面电镀加工缺陷检测方法和系统。

技术介绍

[0002]电镀是指在电解作用下，在金属制件表面沉积一层金属的方法。其具有防止金属制品腐蚀，修复磨损部分、增加耐用性、反光性、导电性等作用，是汽车金属配件表面加工常见的加工工艺。
[0003]电镀加工时受镀液温度波动、PH值波动、加工工艺等因素的影响，会出现膜层厚度不均匀、电镀膜层呈现鳞片状、蚯蚓纹、泡孔、局部氧化、金属基材表面出现缺焊、划痕、气泡等多种类型的缺陷，不仅影响产品质量，同时还会导致产品加工周期延长。
[0004]现阶段对汽车配件电镀缺陷的检测通常是通过目视、光学显微镜或者金相显微镜、超声波等技术实现。其中，目视检测的准确率受主观因素的影响较大，检测效率较低；而利用显微镜以及超声波的检测方法只能用于对实时性要求较低的场景中，并且需要专业的仪器操作人员进行，难以满足加工过程中的检测需求。
[0005]基于此，有必要研究一种更加科学有效的汽车配件表面电镀加工缺陷检测方法，以满足实际生产需求。

技术实现思路

[0006]本说明书实施例的一个方面提供一种汽车配件表面电镀加工缺陷检测方法，该方法包括：获取待检测汽车配件所对应的表面图像；对所述表面图像进行去噪处理和灰度处理，得到所述待检测汽车配件对应的镀件图；将所述镀件图均匀划分为K个面积为M*M的图像块，并将每一个所述图像块划分成大小为N*N的子块；利用子块分层的方式确定每一个所述图像块所对应的图像特征，所述图像特征包括块间差异度和层间差异度；基于所述图像特征确定每一个所述图像块所对应的多层显著度，其中，所述多层显著度用于表征所述图像块在所述镀件图中的显著程度；根据所述多层显著度确定每一个所述图像块对应的缺陷概率；筛选所述缺陷概率大于分割阈值的图像块作为缺陷图像块，并计算所述缺陷图像块中每一个子块所对应的分布异常度，其中，所述分布异常度用于反映所述缺陷图像块中不同子块之间的像素点纹理特征的分布差异；根据所述分布异常度确定每一个子块在所述镀件图中的异常指数；基于所述异常指数及所述分布异常度确定每一个所述缺陷图像块中不同子块之间的度量距离，并基于所述度量距离对每一个所述缺陷图像块进行聚类处理；基于所述聚类处理所得到的分类结果，确定所述镀件图中的缺陷像素点。
[0007]在一些实施例中，所述利用子块分层的方式确定每一个所述图像块所对应的图像特征，包括：对于每一个所述图像块，将对所述图像块进行划分所得到的所述大小为N*N的子块作为所述图像块的基础子块层；按照以上一层子块中四个相邻子块的边缘交点作为下一层子块的中心点的方式，构建所述图像块所对应的多个子块层，其中，每一个所述子块层
中所包含的子块具有相同的大小；确定每一个所述子块层中不同子块之间的块间差异度，以及相邻两个子块层之间的层间差异度；将所述块间差异度和所述层间差异度作为所述图像块对应的图像特征。
[0008]在一些实施例中，所述确定每一个所述子块层中不同子块之间的块间差异度，以及相邻两个子块层之间的层间差异度，包括：获取所述图像块中每一个像素点所对应的LBP值；基于所述LBP值以及所述LBP值所对应的像素点数量构建所述多个子块层中每一个子块所对应的局部直方图；基于每一个所述子块层中不同子块所对应的局部直方图之间的巴氏距离，以及所述不同子块在下一个子块层中所对应的子块之间的平均巴氏距离，确定每一个所述子块层中不同子块之间的块间差异度；获取所述相邻两个子块层分别对应的第一LBP序列和第二LBP序列；基于所述第一LBP序列和所述第二LBP序列之间的DTW距离，确定所述相邻两个子块层之间的层间差异度。
[0009]在一些实施例中，所述基于所述图像特征确定每一个所述图像块所对应的多层显著度，包括：对于每一个目标图像块，基于所述目标图像块对应的所述块间差异度和所述层间差异度，以及所述镀件图所对应的块间差异度均值和层间差异度均值，确定所述目标图像块所对应的多层显著度。
[0010]在一些实施例中，所述根据所述多层显著度确定每一个所述图像块对应的缺陷概率，包括：对于每一个目标图像块，计算所述目标图像块所对应的多层显著度与所述镀件图所对应的多层显著度的最小值的第一差值，以及所述镀件图所对应的多层显著度的最大值与所述目标图像块所对应的多层显著度的第二差值；基于所述第一差值与所述第二差值的比值，确定所述目标图像块对应的缺陷概率。
[0011]在一些实施例中，所述计算所述缺陷图像块中每一个子块所对应的分布异常度，包括：获取所述缺陷图像块中每一个像素点所对应的HOG特征描述子；依次计算所述基础子块层中每一个子块内每个像素点与中心像素点所对应的HOG特征描述子之间的余弦相似性，并将所述余弦相似性作为每个像素点的特征值；基于所述特征值得到所述缺陷图像块中每一个子块所对应的分布图；对于每一个目标子块，基于所述分布图确定所述目标子块与所述基础子块层中的其他子块之间的分布关联度；计算所述目标子块与所述基础子块层中的其他子块所对应的高斯分布曲线之间的EDR编辑距离；基于所述基础子块层中的子块数量、所述分布关联度以及所述EDR编辑距离，确定所述目标子块所对应的分布异常度。
[0012]在一些实施例中，所述基于所述分布图确定所述目标子块与所述基础子块层中的其他子块之间的分布关联度，包括：计算所述目标子块与所述其他子块所对应的分布图中位于相同列的特征值组成的序列之间的第一皮尔逊相关系数，以及所述目标子块与所述其他子块所对应的分布图中位于相同行的特征值组成的序列之间的第二皮尔逊相关系数；基于所述第一皮尔逊相关系数的均值和所述第二皮尔逊相关系数的均值，得到所述目标子块与所述基础子块层中的其他子块之间的分布关联度。
[0013]在一些实施例中，所述根据所述分布异常度确定每一个子块在所述镀件图中的异常指数，包括：对于每一个目标子块，计算所述目标子块所在的缺陷图像块中所有个子块对应的第一分布异常度均值，以及所有所述缺陷图像块所包含的所有子块对应的第二分布异常度均值；基于所述目标子块对应的分布异常度与所述第一分布异常度均值之间的第一差值，以及所述第一分布异常度均值与所述第二分布异常度均值之间的第二差值，确定所述
目标子块在所述镀件图中的异常指数。
[0014]在一些实施例中，所述方法还包括：基于所述缺陷像素点，确定所述镀件图中的一个或多个缺陷区域；确定所述一个或多个缺陷区域分别对应的最小外接矩形；基于所有所述最小外接矩形的面积之和以及所述镀件图所对应的总面积，确定所述待检测汽车配件所对应的电镀合格率。
[0015]本说明书实施例的另一个方面还提供一种汽车配件表面电镀加工缺陷检测系统，该系统包括：获取模块，用于获取待检测汽车配件所对应的表面图像；预处理模块，用于对所述表面图像进行去噪处理和灰度处理，得到所述待检测汽车配件对应的镀件图；图像划分模块，用于将所述镀件图均匀划分为K个面积为M*M的图像块，并将每一个所述图像块划分成大小为N本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汽车配件表面电镀加工缺陷检测方法，其特征在于，包括：获取待检测汽车配件所对应的表面图像；对所述表面图像进行去噪处理和灰度处理，得到所述待检测汽车配件对应的镀件图；将所述镀件图均匀划分为K个面积为M*M的图像块，并将每一个所述图像块划分成大小为N*N的子块；利用子块分层的方式确定每一个所述图像块所对应的图像特征，所述图像特征包括块间差异度和层间差异度；基于所述图像特征确定每一个所述图像块所对应的多层显著度，其中，所述多层显著度用于表征所述图像块在所述镀件图中的显著程度；根据所述多层显著度确定每一个所述图像块对应的缺陷概率；筛选所述缺陷概率大于分割阈值的图像块作为缺陷图像块，并计算所述缺陷图像块中每一个子块所对应的分布异常度，其中，所述分布异常度用于反映所述缺陷图像块中不同子块之间的像素点纹理特征的分布差异；根据所述分布异常度确定每一个子块在所述镀件图中的异常指数；基于所述异常指数及所述分布异常度确定每一个所述缺陷图像块中不同子块之间的度量距离，并基于所述度量距离对每一个所述缺陷图像块进行聚类处理；基于所述聚类处理所得到的分类结果，确定所述镀件图中的缺陷像素点。2.如权利要求1所述的方法，其特征在于，所述利用子块分层的方式确定每一个所述图像块所对应的图像特征，包括：对于每一个所述图像块，将对所述图像块进行划分所得到的所述大小为N*N的子块作为所述图像块的基础子块层；按照以上一层子块中四个相邻子块的边缘交点作为下一层子块的中心点的方式，构建所述图像块所对应的多个子块层，其中，每一个所述子块层中所包含的子块具有相同的大小；确定每一个所述子块层中不同子块之间的块间差异度，以及相邻两个子块层之间的层间差异度；将所述块间差异度和所述层间差异度作为所述图像块对应的图像特征。3.如权利要求2所述的方法，其特征在于，所述确定每一个所述子块层中不同子块之间的块间差异度，以及相邻两个子块层之间的层间差异度，包括：获取所述图像块中每一个像素点所对应的LBP值；基于所述LBP值以及所述LBP值所对应的像素点数量构建所述多个子块层中每一个子块所对应的局部直方图；基于每一个所述子块层中不同子块所对应的局部直方图之间的巴氏距离，以及所述不同子块在下一个子块层中所对应的子块之间的平均巴氏距离，确定每一个所述子块层中不同子块之间的块间差异度；获取所述相邻两个子块层分别对应的第一LBP序列和第二LBP序列；基于所述第一LBP序列和所述第二LBP序列之间的DTW距离，确定所述相邻两个子块层之间的层间差异度。
4.如权利要求3所述的方法，其特征在于，所述基于所述图像特征确定每一个所述图像块所对应的多层显著度，包括：对于每一个目标图像块，基于所述目标图像块对应的所述块间差异度和所述层间差异度，以及所述镀件图所对应的块间差异度均值和层间差异度均值，确定所述目标图像块所对应的多层显著度。5.如权利要求1所述的方法，其特征在于，所述根据所述多层显著度确定每一个所述图像块对应的缺陷概率，包括：对于每一个目标图像块，计算所述目标图像块所对应的多层显著度与所述镀件图所对应的多层显著度的最小值的第一差值，以及所述镀件图所对应的多层显著度的最大值与所述目标图像块所对应的多层显著度的第二差值；基于所述第一差值与所述第二差值的比值，确定所述目标图像块对应的缺陷概率。6.如权利要求2所述的方法，其特征在于，所述计算所述缺陷图像块中每一个子块所对应的分布异常度，包括：获取所述缺陷图像块中每一个像素点...

【专利技术属性】
技术研发人员：邬伟勇，
申请(专利权)人：深圳市民达科技有限公司，
类型：发明
国别省市：