一种基于机器视觉的液压油缸漏油检测方法技术

本发明专利技术涉及图像数据处理技术领域，具体涉及一种基于机器视觉的液压油缸漏油检测方法，包括：采集液压油缸的图像中的缸体表面区域，并得到缸体表面区域内的异常连通域，根据异常连通域边界上相邻像素点的方向和距离，得到异常连通域的边界平滑程度，根据异常连通域内所有像素点的新向量之间的差异

【技术实现步骤摘要】
一种基于机器视觉的液压油缸漏油检测方法


[0001]本专利技术涉及图像数据处理
，具体涉及一种基于机器视觉的液压油缸漏油检测方法
。

技术介绍

[0002]液压油缸是工业生产中常用的液压传动元件，其主要作用是将液压能转换为机械能，完成工业生产中的各种动作
。
然而，由于液压油缸长时间使用或者生产过程中的误操作等原因，可能会出现漏油现象，严重影响液压系统的正常运行和安全性
。
因此，如何及时
、
准确地检测液压油缸的漏油情况，成为了工业生产中的一个重要问题
。
基于机器视觉的液压油缸漏油检测方法通过安装摄像头和图像处理算法，实现对液压油缸表面的油迹进行自动检测和识别，从而实现对液压油缸漏油情况的实时监测和预警
。
[0003]现有的问题：现有的图像阈值分割技术，只能识别出液压油缸的缸壁上异常区域，而异常区域可能包含污渍区域和漏油的油渍区域，其中污渍区域不影响液压油缸的使用，这会导致液压油缸漏油检测结果的准确性较低
。

技术实现思路

[0004]本专利技术提供一种基于机器视觉的液压油缸漏油检测方法，以解决现有的问题
。
[0005]本专利技术的一种基于机器视觉的液压油缸漏油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一种基于机器视觉的液压油缸漏油检测方法，该方法包括以下步骤：使用摄像机采集任意一个液压油缸的图像，并进行高斯滤波和灰度化处理，得到液压油缸灰度图像；使用深度神经网络，得到液压油缸灰度图像中的缸体表面区域；在缸体表面区域内，根据像素点灰度值的大小，得到异常连通域；将任意一个异常连通域，记为目标连通域；在目标连通域边界上，根据所有相邻像素点的方向和距离，得到向量序列；在向量序列中，根据所有相邻向量之间的夹角，得到目标连通域的边界平滑程度；将目标连通域内任意一个像素点，记为目标像素点；在目标连通域内，根据目标像素点与其相邻的所有像素点的方向
、
灰度值的差异，得到目标像素点的新向量；根据目标连通域内所有像素点的新向量与灰度值，得到目标连通域的灰度下降方向一致性；根据目标连通域的灰度下降方向一致性
、
边界平滑程度，得到目标连通域对应的油渍表征值；根据所有异常连通域对应的油渍表征值，判断所述液压油缸是否漏油
。
[0006]进一步地，所述在缸体表面区域内，根据像素点灰度值的大小，得到异常连通域，包括的具体步骤如下：使用大津算法，得到缸体表面区域的最佳分割阈值；在缸体表面区域内，将所有灰度值小于最佳分割阈值的像素点构成的区域，记为
异常区域；在异常区域内，将连续相邻的像素点构成的连通域，记为异常连通域
。
[0007]进一步地，所述在目标连通域边界上，根据所有相邻像素点的方向和距离，得到向量序列，包括的具体步骤如下：将目标连通域边界上的任意一个像素点，记为起始像素点；将顺时针方向或者逆时针方向，记为旋转方向；在目标连通域边界上，从起始像素点开始，将沿旋转方向遍历到的下一个像素点，记为参考像素点；以起始像素点到参考像素点的方向为向量的方向
、
起始像素点到参考像素点的距离为向量的模，构建起始像素点的向量；从起始像素点开始，沿旋转方向依次统计目标连通域边界上每个像素点的向量，得到向量序列
。
[0008]进一步地，所述在向量序列中，根据所有相邻向量之间的夹角，得到目标连通域的边界平滑程度，包括的具体步骤如下：使用反余弦函数，依次计算向量序列中相邻两个向量的夹角值，得到夹角序列；根据夹角序列中所有相邻数据的差异，得到目标连通域的边界平滑程度
。
[0009]进一步地，所述根据夹角序列中所有相邻数据的差异，得到目标连通域的边界平滑程度对应的具体计算公式为：其中
Q
为目标连通域的边界平滑程度，
m
为夹角序列中的数据数量，和分别为夹角序列中第
k
个和第
k+1
个数据值，
| |
为绝对值函数
。
[0010]进一步地，所述在目标连通域内，根据目标像素点与其相邻的所有像素点的方向
、
灰度值的差异，得到目标像素点的新向量，包括的具体步骤如下：将目标连通域内任意一个与目标像素点相邻的像素点，记为邻域像素点；计算目标像素点与邻域像素点的灰度值的差值的绝对值，当目标像素点的灰度值大于等于邻域像素点的灰度值时，以目标像素点到邻域像素点的方向为向量的方向
、
所述差值的绝对值为向量的模，构建目标像素点到邻域像素点的向量；当目标像素点的灰度值小于邻域像素点的灰度值时，以邻域像素点到目标像素点的方向为向量的方向
、
所述差值的绝对值为向量的模，构建目标像素点到邻域像素点的向量；在目标连通域内，将目标像素点到其相邻的所有像素点的向量之和，记为目标像素点的新向量
。
[0011]进一步地，所述根据目标连通域内所有像素点的新向量与灰度值，得到目标连通域的灰度下降方向一致性，包括的具体步骤如下：将目标连通域内所有像素点的新向量之和，记为目标连通域的标准向量；作垂直于目标连通域的标准向量的方向
、
经过目标像素点的垂线，在目标连通域内的所述垂线上，将与目标像素点相邻的像素点，记为目标像素点的平行像素点；
在目标连通域内，根据所有像素点与其平行像素点的灰度值的差异
、
新向量的夹角
、
所有像素点的新向量与标准向量的夹角，得到目标连通域的灰度下降方向一致性
。
[0012]进一步地，所述在目标连通域内，根据所有像素点与其平行像素点的灰度值的差异
、
新向量的夹角
、
所有像素点的新向量与标准向量的夹角，得到目标连通域的灰度下降方向一致性对应的具体计算公式为：其中
P
为目标连通域的灰度下降方向一致性，
n
为目标连通域内的像素点数量，为目标连通域内第
y
个像素点的新向量，为目标连通域内第
y
个像素点的灰度值，为目标连通域的标准向量，为目标连通域内第
y
个像素点的平行像素点数量，为目标连通域内第
y
个像素点的第
r
个平行像素点的新向量，为目标连通域内第
y
个像素点的第
r
个平行像素点的灰度值，
| |
为绝对值函数，为反余弦函数
。
[0013]进一步地，所述根据目标连通域的灰度下降方向一致性
、
边界平滑程度，得到目标连通域对应的油渍表征值对应的具体计算公式为：其中
R
为目标连通域对应的油渍表征值，
Q
为目标连通域的边界平滑程度，
P
为目标连通域的灰度下降方向一致性，为以自然常数为底的指数函数，
u
为预设的指本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于机器视觉的液压油缸漏油检测方法，其特征在于，该方法包括以下步骤：使用摄像机采集任意一个液压油缸的图像，并进行高斯滤波和灰度化处理，得到液压油缸灰度图像；使用深度神经网络，得到液压油缸灰度图像中的缸体表面区域；在缸体表面区域内，根据像素点灰度值的大小，得到异常连通域；将任意一个异常连通域，记为目标连通域；在目标连通域边界上，根据所有相邻像素点的方向和距离，得到向量序列；在向量序列中，根据所有相邻向量之间的夹角，得到目标连通域的边界平滑程度；将目标连通域内任意一个像素点，记为目标像素点；在目标连通域内，根据目标像素点与其相邻的所有像素点的方向
、
灰度值的差异，得到目标像素点的新向量；根据目标连通域内所有像素点的新向量与灰度值，得到目标连通域的灰度下降方向一致性；根据目标连通域的灰度下降方向一致性
、
边界平滑程度，得到目标连通域对应的油渍表征值；根据所有异常连通域对应的油渍表征值，判断所述液压油缸是否漏油
。2.
根据权利要求1所述一种基于机器视觉的液压油缸漏油检测方法，其特征在于，所述在缸体表面区域内，根据像素点灰度值的大小，得到异常连通域，包括的具体步骤如下：使用大津算法，得到缸体表面区域的最佳分割阈值；在缸体表面区域内，将所有灰度值小于最佳分割阈值的像素点构成的区域，记为异常区域；在异常区域内，将连续相邻的像素点构成的连通域，记为异常连通域
。3.
根据权利要求1所述一种基于机器视觉的液压油缸漏油检测方法，其特征在于，所述在目标连通域边界上，根据所有相邻像素点的方向和距离，得到向量序列，包括的具体步骤如下：将目标连通域边界上的任意一个像素点，记为起始像素点；将顺时针方向或者逆时针方向，记为旋转方向；在目标连通域边界上，从起始像素点开始，将沿旋转方向遍历到的下一个像素点，记为参考像素点；以起始像素点到参考像素点的方向为向量的方向
、
起始像素点到参考像素点的距离为向量的模，构建起始像素点的向量；从起始像素点开始，沿旋转方向依次统计目标连通域边界上每个像素点的向量，得到向量序列
。4.
根据权利要求1所述一种基于机器视觉的液压油缸漏油检测方法，其特征在于，所述在向量序列中，根据所有相邻向量之间的夹角，得到目标连通域的边界平滑程度，包括的具体步骤如下：使用反余弦函数，依次计算向量序列中相邻两个向量的夹角值，得到夹角序列；根据夹角序列中所有相邻数据的差异，得到目标连通域的边界平滑程度
。5.
根据权利要求4所述一种基于机器视觉的液压油缸漏油检测方法，其特征在于，所述根据夹角序列中所有相邻数据的差异，得到目标连通域的边界平滑程度对应的具体计算公式为：
其中
Q
为目标连通域的边界平滑程度，
m
为夹角序列中的数据数量，和分别为夹角序列中第
k
个和第
k+1
个数据值，
| |
为绝对值函数
。6.
根据权利要求1所述一种基于机器视觉的液压油缸漏油检测方法，其特征在于，所述在目标连通域内，根据目标像素点与其相邻的所有像素点的方向
、
灰度值的差异，得到目标像素点的新向量，包括的具体步骤如下：将目标连通域内任意一个与目标像素点相邻的像素点，记为邻域像素点；计算目标像素点与邻域像素点的灰度值的差值...

【专利技术属性】
技术研发人员：张新威，戴辉，杨延明，
申请(专利权)人：威海立达尔机械股份有限公司，
类型：发明
国别省市：