基于人工智能的主机外壳质量检测方法技术

本发明专利技术涉及主机外壳质量检测技术领域，具体涉及基于人工智能的主机外壳质量检测方法

【技术实现步骤摘要】
基于人工智能的主机外壳质量检测方法


[0001]本专利技术涉及主机外壳质量检测
，具体涉及基于人工智能的主机外壳质量检测方法
。

技术介绍

[0002]微型电脑主机外壳质量检测是保证产品质量和性能的重要环节，其中包括对外壳的表面质量
、
尺寸精度
、
装配质量等进行检测
。
待测主机外壳质量检测一般是将待测主机外壳的表面图像的图像特征与模板图像的图像特征进行匹配，基于匹配结果来判断待测主机外壳的质量
。
[0003]在采用方向梯度直方图算法来对图像中的特征进行提取时，由于待测主机外壳在进行图像采集时待测主机的摆放位置可能会存在一定的差异，且将待测主机外壳放到传送带上进行传输时可能会存在轻微的抖动，因此会导致采集到的待测主机外壳的表面图像与模板图像存在一定的角度差，导致待测主机外壳的表面图像的图像特征与模板图像的图像特征的匹配结果存在一定误差，进而使得待测主机外壳的质量检测结果的准确度较低
。

技术实现思路

[0004]为了解决现有方法采集到的待测主机外壳的表面图像与模板图像存在一定的角度差，进而导致在对待测主机外壳的质量进行检测时存在检测结果准确度较低的问题，本专利技术的目的在于提供一种基于人工智能的主机外壳质量检测方法，所采用的技术方案具体如下：本专利技术提供了一种基于人工智能的主机外壳质量检测方法，该方法包括以下步骤：获取待测主机外壳的表面图像及待测主机外壳的表面图像中的标记像素点；分别以所述表面图像中各标记像素点为中心点，构建各标记像素点对应的窗口；根据各标记像素点与其对应的窗口内其它像素点的灰度差异，得到各标记像素点对应的混乱值；根据各标记像素点与其对应的窗口内其它像素点的颜色通道值的差异
、
各标记像素点的灰度值以及各标记像素点对应的混乱值，得到各标记像素点对应的相似度；根据各标记像素点对应的窗口内其它标记像素点对应的混乱值
、
各标记像素点与其对应的窗口内其它标记像素点的相对距离
、
各标记像素点对应的相似度，得到各标记像素点的重要程度；基于所述重要程度筛选所述表面图像中的关键点；基于所述表面图像中的关键点的位置分布和模板图像中的关键点的位置分布，对所述表面图像进行角度旋转获得旋转后的图像；将所述旋转后的图像对应的图像特征和模板图像对应的图像特征进行匹配，基于匹配结果对待测主机外壳的质量进行判断
。
[0005]优选的，所述根据各标记像素点与其对应的窗口内其它像素点的灰度差异，得到各标记像素点对应的混乱值，包括：对于第
i
个标记像素点：
分别将第
i
个标记像素点的灰度值与其对应的窗口内其它各像素点的灰度值的差值的平方，作为第
i
个标记像素点与其对应的窗口内其它各像素点的灰度差异；将第
i
个标记像素点与其对应的窗口内其它所有像素点的灰度差异的平均值的算术平方根，确定为第
i
个标记像素点对应的混乱值
。
[0006]优选的，所述根据各标记像素点与其对应的窗口内其它像素点的颜色通道值的差异
、
各标记像素点的灰度值以及各标记像素点对应的混乱值，得到各标记像素点对应的相似度，包括：对于第
i
个标记像素点：将第
i
个标记像素点与其对应的窗口内其它所有像素点的颜色通道值的差异的均值，记为第
i
个标记像素点对应的差异指标；根据第
i
个标记像素点对应的混乱值
、
灰度值以及所述差异指标，获得第
i
个标记像素点对应的相似度
。
[0007]优选的，采用如下公式计算第
i
个标记像素点对应的相似度：其中
,
表示第
i
个标记像素点对应的相似度，表示第
i
个标记像素点的灰度值，表示第
i
个标记像素点对应的混乱值，表示第
i
个标记像素点的第
c
个颜色通道值，表示第
i
个标记像素点对应的窗口内除第
i
个标记像素点外的第个像素点的第
c
个颜色通道值，
C
表示颜色通道的数量，
L
表示第
i
个标记像素点对应的窗口内其它像素点的数量，
exp( )
表示以自然常数为底数的指数函数，为取绝对值符号
。
[0008]优选的，所述根据各标记像素点对应的窗口内其它标记像素点对应的混乱值
、
各标记像素点与其对应的窗口内其它标记像素点的相对距离
、
各标记像素点对应的相似度，得到各标记像素点的重要程度，包括：对于第
i
个标记像素点：将第
i
个标记像素点与其对应的窗口内其它标记像素点的相对距离和对应的其它标记像素点对应的混乱值的比值，记为对应的其它标记像素点的第一比值；根据第
i
个标记像素点对应的相似度
、
第
i
个标记像素点对应的窗口内除第
i
个标记像素点外其它各标记像素点对应的混乱值以及所述第一比值，得到第
i
个标记像素点的重要程度
。
[0009]优选的，采用如下公式计算第
i
个标记像素点的重要程度：其中，表示第
i
个标记像素点的重要程度，表示第
i
个标记像素点对应的相似度，表示第
i
个标记像素点对应的窗口内除第
i
个标记像素点外的第
j
个标记像素点对应的混乱值，
J
表示第
i
个标记像素点对应的窗口内除第
i
个标记像素点外的标记像素点的数
量，表示第
i
个标记像素点的横坐标，表示第
i
个标记像素点的纵坐标，表示第
i
个标记像素点对应的窗口内除第
i
个标记像素点外的第
j
个标记像素点的横坐标，表示第
i
个标记像素点对应的窗口内除第
i
个标记像素点外的第
j
个标记像素点的纵坐标，
exp( )
表示以自然常数为底数的指数函数
。
[0010]优选的，所述基于所述重要程度筛选所述表面图像中的关键点，包括：按照重要程度从大到小的顺序对所述表面图像中的标记像素点进行排序，获得标记像素点序列；将所述标记像素点序列中前预设数量个标记像素点确定为所述表面图像中的关键点
。
[0011]优选的，所述基于所述表面图像中的关键点的位置分布和模板图像中的关键点的位置分布，对所述表面图像进行角度旋转获得旋转后的图像，包括：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的主机外壳质量检测方法，其特征在于，该方法包括以下步骤：获取待测主机外壳的表面图像及待测主机外壳的表面图像中的标记像素点；分别以所述表面图像中各标记像素点为中心点，构建各标记像素点对应的窗口；根据各标记像素点与其对应的窗口内其它像素点的灰度差异，得到各标记像素点对应的混乱值；根据各标记像素点与其对应的窗口内其它像素点的颜色通道值的差异
、
各标记像素点的灰度值以及各标记像素点对应的混乱值，得到各标记像素点对应的相似度；根据各标记像素点对应的窗口内其它标记像素点对应的混乱值
、
各标记像素点与其对应的窗口内其它标记像素点的相对距离
、
各标记像素点对应的相似度，得到各标记像素点的重要程度；基于所述重要程度筛选所述表面图像中的关键点；基于所述表面图像中的关键点的位置分布和模板图像中的关键点的位置分布，对所述表面图像进行角度旋转获得旋转后的图像；将所述旋转后的图像对应的图像特征和模板图像对应的图像特征进行匹配，基于匹配结果对待测主机外壳的质量进行判断
。2.
根据权利要求1所述的基于人工智能的主机外壳质量检测方法，其特征在于，所述根据各标记像素点与其对应的窗口内其它像素点的灰度差异，得到各标记像素点对应的混乱值，包括：对于第
i
个标记像素点：分别将第
i
个标记像素点的灰度值与其对应的窗口内其它各像素点的灰度值的差值的平方，作为第
i
个标记像素点与其对应的窗口内其它各像素点的灰度差异；将第
i
个标记像素点与其对应的窗口内其它所有像素点的灰度差异的平均值的算术平方根，确定为第
i
个标记像素点对应的混乱值
。3.
根据权利要求1所述的基于人工智能的主机外壳质量检测方法，其特征在于，所述根据各标记像素点与其对应的窗口内其它像素点的颜色通道值的差异
、
各标记像素点的灰度值以及各标记像素点对应的混乱值，得到各标记像素点对应的相似度，包括：对于第
i
个标记像素点：将第
i
个标记像素点与其对应的窗口内其它所有像素点的颜色通道值的差异的均值，记为第
i
个标记像素点对应的差异指标；根据第
i
个标记像素点对应的混乱值
、
灰度值以及所述差异指标，获得第
i
个标记像素点对应的相似度
。4.
根据权利要求3所述的基于人工智能的主机外壳质量检测方法，其特征在于，采用如下公式计算第
i
个标记像素点对应的相似度：其中
,
表示第
i
个标记像素点对应的相似度，表示第
i
个标记像素点的灰度值，表示第
i
个标记像素点对应的混乱值，表示第
i
个标记像素点的第
c
个颜色通道值，表示第
i
个标记像素点对应的窗口内除第
i
个标记像素点外的第个像素点的第
c
个颜色通道值，
C
表示颜色通道的数量，
L
表示第
i
个标记像素点对应的窗口内其它像素点的数量，
exp( )
表示以自然常数为底数的指数函数，为取绝对值符号
。5.
根据权利要求1所述的基于人工智能的主机外壳质量检测方法，其特征在于，所述根
据各标记像素点对应的窗口内其它标记像素点对应的混乱值
、
各标记像素点与其对应的窗口内其它标记像素点的相对距离
、
各标记像素点对应的相似度，得到各标记像素点的重要程度，包括：对于第
i
个标记像素点：将第
i
个标记像素点与其对...

【专利技术属性】
技术研发人员：尹双柏，
申请(专利权)人：深圳市极摩客科技有限公司，
类型：发明
国别省市：