基于图像的盾构机刀头缺陷检测方法技术

本发明专利技术涉及图像数据处理技术领域，具体涉及基于图像的盾构机刀头缺陷检测方法，包括：通过对刀头灰度图像进行不同高斯参数下的高斯模糊处理，获得刀头灰度图像中边缘像素点随之变化而对应的第一边缘图像，根据若干个第一边缘图像中同位置边缘像素点的数量获得刀头灰度图像中第二边缘点的变化敏感程度，并结合局部范围内第二边缘点之间距离、变化敏感程度以及不同部分之间的差异获得自适应权重参数，通过自适应权重参数进行图像增强以完成盾构机刀头检测。本发明专利技术提高了对刀头灰度图像的增强效果，更加凸显了刀头灰度图像中的缺陷区域，提高了对刀头缺陷的精准检测，进一步提高了盾构机刀头产品质量。了盾构机刀头产品质量。了盾构机刀头产品质量。

【技术实现步骤摘要】
基于图像的盾构机刀头缺陷检测方法


[0001]本专利技术涉及图像数据处理
，具体涉及基于图像的盾构机刀头缺陷检测方法。

技术介绍

[0002]盾构机刀头缺陷检测场景中，在盾构机使用过程中，盾构机刀头会产生常见的裂纹、断裂等缺陷，需要进行及时的缺陷检测与修复更换等的处理，以免影响盾构机的使用寿命与施工进度。
[0003]由于图像数据获取容易且检测结果清晰直观，因此目前广泛采用机器视觉进行刀头缺陷检测，而对刀头灰度图像进行锐化增强处理的过程中，由于常规的反锐化掩膜算法无法区分高频信息所对应的边缘属于缺陷区域还是纹理区域，因此会受到盾构机刀头表面上粗糙的金属纹理的影响，即纹理对应的边缘高频信息会干扰缺陷区域的边缘提取，导致反锐化掩模算法对缺陷区域以及纹理区域同时增强，极大降低了缺陷检测结果的准确性。

技术实现思路

[0004]本专利技术提供基于图像的盾构机刀头缺陷检测方法，以解决现有的问题：常规的盾构机刀头缺陷检测中，会受到盾构机刀头粗糙的金属表面影响，粗糙表面产生的边缘高频信息会干扰缺陷区域的边缘提取，造成感兴趣区域与噪声区域的边缘同时锐化增强，影响后续缺陷类型的检测结果的准确性。
[0005]本专利技术的基于图像的盾构机刀头缺陷检测方法采用如下技术方案：本专利技术一个实施例提供了基于图像的盾构机刀头缺陷检测方法，该方法包括以下步骤：获取刀头灰度图像；对刀头灰度图像进行多次模糊处理获得若干个第一边缘图像；将所有第一边缘图像中的边缘像素点记为第一边缘点，将与第一边缘点的位置相同且在刀头灰度图像中的像素点记为第二边缘点；所述第二边缘点对应若干个第一边缘点，根据任意第二边缘点对应第一边缘点的数量获得第二边缘点的变化敏感程度；构建预设大小的滑动窗口，将第二边缘点作为滑动窗口的中心点，利用滑动窗口遍历刀头灰度图像中的所有第二边缘点，根据滑动窗口内第二边缘点的变化敏感程度以及第二边缘点之间的距离获得滑动窗口中心点所对应第二边缘点的变化敏感置信程度；获取滑动窗口的主成分方向，根据主成分方向获得滑动窗口的第一部分和第二部分，根据第一部分和第二部分的差异获得滑动窗口中心点对应第二边缘点的邻域灰度差异程度；将变化敏感置信程度和邻域灰度差异程度的融合结果记为第二边缘点的缺陷边缘置信度；利用缺陷边缘置信度获得自适应权重参数，结合自适应权重参数对刀头灰度图像进行缺陷检测。
[0006]进一步的，所述对刀头灰度图像进行多次模糊处理获得若干个第一边缘图像，包
括的具体方法为：首先，预设高斯核大小和高斯标准差对刀头灰度图像进行多次模糊处理，获得若干个高斯模糊图像；然后，获取刀头灰度图像与任意高斯模糊图像之间的差值图像，并利用Canny边缘检测算法获得差值图像所对应的边缘图像记为第一边缘图像，获得若干个第一边缘图像。
[0007]进一步的，所述高斯模糊图像的具体获取方法为：首先，高斯核大小从初始值开始，以步长进行迭代递增，直至高斯核大小大于等于时停止，得到若干高斯核大小；获取高斯标准差从预设初始值开始，以步长进行迭代递增，直至高斯标准差大于等于，得到若干高斯标准差；由所有高斯核大小和高斯标准差两两组合，将任意高斯核大小和高斯标准差的组合形成的参数记为高斯参数，每个高斯参数中的高斯核大小和高斯标准差构成一个高斯滤波核，获得若干个高斯滤波核，其中，为预设的超参数；然后，结合任意高斯滤波核通过高斯模糊算法对刀头灰度图像进行处理获得对应高斯滤波核下的高斯模糊图像。
[0008]进一步的，所述根据任意第二边缘点对应第一边缘点的数量获得第二边缘点的变化敏感程度，包括的具体方法为：首先，将任意第二边缘点对应的第一边缘点的数量记为第二边缘点的第一数值；然后，任意第二边缘点的变化敏感程度的具体计算方法为：，其中CS表示第二边缘点的变化敏感程度，表示第二边缘点的第一数值，表示以自然常数为底数的指数函数。
[0009]进一步的，所述根据滑动窗口内第二边缘点的变化敏感程度以及第二边缘点之间的距离获得滑动窗口中心点所对应第二边缘点的变化敏感置信程度，包括的具体方法为：首先，构建大小为的滑动窗口，将第二边缘点作为滑动窗口的中心点，利用滑动窗口遍历刀头灰度图像中的所有第二边缘点，获取滑动窗口内所有第二边缘点的变化敏感程度，其中为预设的超参数；然后，滑动窗口中心点对应第二边缘点的变化敏感置信程度的具体计算方法为：其中，表示滑动窗口的中心点的变化敏感置信程度；表示滑动窗口内第个第二边缘点的变化敏感程度；表示滑动窗口内第个第二边缘点与中心点之间的距离特征；表示滑动窗口内第二边缘点的数量。
[0010]进一步的，所述距离特征的具体获取方法为：首先，获取位于滑动窗口内任意第二边缘点与中心点之间的欧式距离；然后，将第二边缘点与中心点之间的欧式距离记为第二边缘点与滑动窗口的中心点之间的距离特征。
[0011]进一步的，所述邻域灰度差异程度的具体获取方法为：首先，获取滑动窗口内所有第二边缘点，对滑动窗口内所有第二边缘点进行主成分分析获得滑动窗口的主成分方向，由滑动窗口的主成分方向所在的直线将滑动窗口划分为两部分，分别记为滑动窗口的第一部分和第二部分；然后，根据滑动窗口的第一部分和第二部分内像素点的灰度值获得滑动窗口的中心点的邻域灰度差异程度，具体计算方法为：其中，表示滑动窗口的中心点的邻域灰度差异程度；表示第一部分内所有像素点的平均灰度值；表示第一部分内所有像素点对应灰度值的标准差；表示第二部分内所有像素点的平均灰度值；表示第二部分内所有像素点对应灰度值的标准差；表示以自然常数为底数的指数函数；表示获取绝对值。
[0012]进一步的，所述缺陷边缘置信度的具体获取方法为：首先，利用线性归一化方法对刀头灰度图像中所有第二边缘点在通过滑动窗口进行遍历后获得的邻域灰度差异程度进行线性归一化，将线性归一化后的邻域灰度差异程度记为归一化邻域灰度差异程度；然后，将任意第二边缘点的变化敏感置信程度和归一化邻域灰度差异程度的乘积记为第二边缘点的缺陷边缘置信度。
[0013]进一步的，所述利用缺陷边缘置信度获得自适应权重参数，结合自适应权重参数对刀头灰度图像进行缺陷检测，包括的具体方法为：首先，根据缺陷边缘置信度的大小获得自适应权重参数；将高斯核大小和高斯标准差的最小取值下所对应的差值图像记为初始差值图像；然后，利用自适应权重参数对刀头灰度图像进行增强处理，获得刀头灰度图像对应的增强图像，具体获取方法为：其中，表示增强图像中坐标为的像素点；表示刀头灰度图像中坐标为的像素点；表示初始差值图像中坐标为的像素点；表示坐标为的像素点对应的自适应权重参数；最后，利用Canny边缘检测算法对增强图像进行边缘检测，获得刀头灰度图像中盾构机刀头表面上缺陷区域对应的边缘记为缺陷边缘，对缺陷边缘进行标注并进行可视化。
[0014]进一步的，所述自适应权重参数的具体获取方法为：利用线性归一化方法对所有缺陷边缘置信度进行归一化处理，将缺陷边缘置信度的归一化结果记为归一化缺陷边缘置信度；预设置信阈值，当第二边缘点的归一化缺陷边缘置信度大于等于置信阈值时，将第二边缘点的缺陷边缘本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像的盾构机刀头缺陷检测方法，其特征在于，该方法包括以下步骤：获取刀头灰度图像；对刀头灰度图像进行多次模糊处理获得若干个第一边缘图像；将所有第一边缘图像中的边缘像素点记为第一边缘点，将与第一边缘点的位置相同且在刀头灰度图像中的像素点记为第二边缘点；所述第二边缘点对应若干个第一边缘点，根据任意第二边缘点对应第一边缘点的数量获得第二边缘点的变化敏感程度；构建预设大小的滑动窗口，将第二边缘点作为滑动窗口的中心点，利用滑动窗口遍历刀头灰度图像中的所有第二边缘点，根据滑动窗口内第二边缘点的变化敏感程度以及第二边缘点之间的距离获得滑动窗口中心点所对应第二边缘点的变化敏感置信程度；获取滑动窗口的主成分方向，根据主成分方向获得滑动窗口的第一部分和第二部分，根据第一部分和第二部分的差异获得滑动窗口中心点对应第二边缘点的邻域灰度差异程度；将变化敏感置信程度和邻域灰度差异程度的融合结果记为第二边缘点的缺陷边缘置信度；利用缺陷边缘置信度获得自适应权重参数，结合自适应权重参数对刀头灰度图像进行缺陷检测。2.根据权利要求1所述基于图像的盾构机刀头缺陷检测方法，其特征在于，所述对刀头灰度图像进行多次模糊处理获得若干个第一边缘图像，包括的具体方法为：首先，预设高斯核大小和高斯标准差对刀头灰度图像进行多次模糊处理，获得若干个高斯模糊图像；然后，获取刀头灰度图像与任意高斯模糊图像之间的差值图像，并利用Canny边缘检测算法获得差值图像所对应的边缘图像记为第一边缘图像，获得若干个第一边缘图像。3.根据权利要求2所述基于图像的盾构机刀头缺陷检测方法，其特征在于，所述高斯模糊图像的具体获取方法为：首先，高斯核大小从初始值开始，以步长进行迭代递增，直至高斯核大小大于等于时停止，得到若干高斯核大小；获取高斯标准差从预设初始值开始，以步长进行迭代递增，直至高斯标准差大于等于，得到若干高斯标准差；由所有高斯核大小和高斯标准差两两组合，将任意高斯核大小和高斯标准差的组合形成的参数记为高斯参数，每个高斯参数中的高斯核大小和高斯标准差构成一个高斯滤波核，获得若干个高斯滤波核，其中，为预设的超参数；然后，结合任意高斯滤波核通过高斯模糊算法对刀头灰度图像进行处理获得对应高斯滤波核下的高斯模糊图像。4.根据权利要求1所述基于图像的盾构机刀头缺陷检测方法，其特征在于，所述根据任意第二边缘点对应第一边缘点的数量获得第二边缘点的变化敏感程度，包括的具体方法为：首先，将任意第二边缘点对应的第一边缘点的数量记为第二边缘点的第一数值；然后，任意第二边缘点的变化敏感程度的具体计算方法为：，其中CS
表示第二边缘点的变化敏感程度，表示第二边缘点的第一数值，表示以自然常数为底数的指数函数。5.根据权利要求4所述基于图像的盾构机刀头缺陷检测方法，其特征在于，所述根据滑动窗口内第二边缘点的变化敏感程度以及第二边缘点之间的距离获得滑动窗口中心点所对应第二边缘点的变化敏感置信程度，包括的具体方法为：首先，构建大小为的滑动窗口，将第二边缘点作为滑动窗口的中心点，利用滑动窗口遍历刀头灰度图像中的所有第二边缘点，获取滑动窗口内所有第二边缘点的变化敏感程度，其中为预设的超参数；然后，滑动窗口中...

【专利技术属性】
技术研发人员：薄福利，李振武，甄阳清，李可可，丁希阳，连涛，张宁，吴敬建，王飞，郭灿，
申请(专利权)人：山东济矿鲁能煤电股份有限公司阳城煤矿，
类型：发明
国别省市：