【技术实现步骤摘要】
基于机器视觉的矿物铸件检测方法
[0001]本专利技术涉及图像处理
,具体涉及基于机器视觉的矿物铸件检测方法
。
技术介绍
[0002]在矿业行业,基于机器视觉的矿物铸件检测技术正逐渐成为一项重要的技术应用,传统的铸件检测通常依赖于人工目测和手动检查,效率低且准确性有限,而机器视觉技术通过图像处理和分析算法,能够实现对铸件的自动化检测和缺陷分析,为生产过程中的质量控制提供了重要支持
。
[0003]尽管基于机器视觉的矿物铸件检测技术取得了很大进展,但仍面临一些挑战,如复杂环境下的光照变化
、
铸件本身的多样性等
。
但随着技术的进步和算法的不断优化,这一技术在矿业行业中的应用前景广阔,随着自动化和智能化水平的不断提高,基于机器视觉的矿物铸件检测将在质量控制和生产效率提升方面发挥更重要的作用,目前,工业
CT
无损检测已经成为工业领域中非常重要的技术之一
。
[0004]现有技术通过聚类方法分割图像时需要人工设定
K
值,而
K
值的选取要求一般较高,
K
值过小,缺陷部分会分割不完全,
K
值过大,分割的缺陷部分会由于过度分割产生噪声
。
技术实现思路
[0005]为解决上述问题,本专利技术提供基于机器视觉的矿物铸件检测方法
。
[0006]本专利技术的基于机器视觉的矿物铸件检测方法采用如下技术方案:本专利技术一个实施例提 ...
【技术保护点】
【技术特征摘要】
1.
基于机器视觉的矿物铸件检测方法,其特征在于,该方法包括以下步骤:获取铸件灰度图像;预设
K
值的取值范围,根据预设
K
值的取值范围和铸件灰度图像得到不同
K
值下铸件灰度图像的聚类结果图;根据不同
K
值下铸件灰度图像的聚类结果图得到所有
K
值下的缺陷簇,根据缺陷簇中连通域得到不同方向的方向射线,根据任意一个方向射线得到任意一个方向的灰度曲线,获取任意一个方向的灰度曲线上所有极值点,根据任意一个方向的灰度曲线上所有极值点的灰度值以及任意一个方向射线上像素点灰度值,得到任意一个方向的灰度曲线的平缓性;根据任意一个方向射线上所有像素点的灰度均值和任意一个方向的反方向射线上所有像素点的灰度均值,得到任意一个方向和任意一个方向的反方向的重要度,根据任意一个方向和任意一个方向的反方向的重要度
、
任意一个方向的灰度曲线的平缓性以及任意一个方向的反方向的灰度曲线的平缓性,得到任意一个缺陷簇中任意一个连通域中像素点灰度值的平缓性,根据缺陷簇中所有连通域中像素点灰度值的平缓性,得到最优
K
值;根据最优
K
值得到缺陷区域
。2.
根据权利要求1所述基于机器视觉的矿物铸件检测方法,其特征在于,所述根据预设
K
值的取值范围和铸件灰度图像得到不同
K
值下铸件灰度图像的聚类结果图,包括的具体步骤如下:在铸件灰度图像中随机选取
K
个像素点作为初始聚类中心,其中
K
值的取值范围为的整数,为预设
K
值的最大值,利用不同的
K
值对铸件灰度图像进行
K
‑
means
聚类,得到不同
K
值下铸件灰度图像的聚类结果图
。3.
根据权利要求1所述基于机器视觉的矿物铸件检测方法,其特征在于,所述根据不同
K
值下铸件灰度图像的聚类结果图得到所有
K
值下的缺陷簇,包括的具体步骤如下:获取不同
K
值下铸件灰度图像的聚类结果图中包含的若干类簇,将任意一个
K
值下铸件灰度图像的聚类结果图中包含的任意一个类簇,记为当前簇,根据当前簇中所有像素点的灰度值得到当前簇的灰度均值,获取当前簇所在
K
值下所有类簇的灰度均值,将当前簇所在
K
值下所有类簇的灰度均值最小的类簇记为当前簇所在
K
值下的缺陷簇,获取所有
K
值下的缺陷簇
。4.
根据权利要求1所述基于机器视觉的矿物铸件检测方法,其特征在于,所述根据缺陷簇中连通域得到不同方向的方向射线,包括的具体步骤如下:对于任意一个
K
值下的缺陷簇,获取缺陷簇在铸件灰度图像中的所有连通域,对于缺陷簇在铸件灰度图像中的任意一个连通域,获取连通域的中心像素点,以连通域的中心像素点为起点,分别沿方向作射线,得到不同方向的方向射线
。5.
根据权利要求1所述基于机器视觉的矿物铸件检测方法,其特征在于,所述根据任意一个方向射线得到任意一个方向的灰度曲线,包括的具体步骤如下:从方向开始按照顺时针的顺序,依次将所有方向标记为第一个方向
、
第二个方向
、
…
第八个方向,获取第
r
个方向射线上从起点到连通域边缘点的所有像素点以及所有像
素点的灰度值,将所有像素点的灰度值进行平滑处理得到第
r
...
【专利技术属性】
技术研发人员:陈希硕,张振,牛春锋,尚腾,
申请(专利权)人:山东克莱蒙特新材料科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。