基于机器视觉的光伏钢结构组件检测方法技术

本发明专利技术涉及图像增强技术领域，具体涉及一种基于机器视觉的光伏钢结构组件检测方法；根据像素点与预设邻域的其他像素点的颜色差异特征获得颜色混乱特征值；根据像素点与预设邻域的其他像素点的灰度差异特征获得灰度混乱特征值；根据颜色混乱特征值与灰度混乱特征值获得混乱程度

【技术实现步骤摘要】
基于机器视觉的光伏钢结构组件检测方法


[0001]本专利技术涉及图像增强
，具体涉及一种基于机器视觉的光伏钢结构组件检测方法
。

技术介绍

[0002]光伏钢结构能够为光伏板提供支撑作用，光伏钢结构的稳定性对光伏板的持续发电有着重要影响；因此在光伏钢结构的焊接过程中需要保证焊接完整性，焊接完成后需要进行焊缝检测，判断是否焊接完整，减少光伏钢结构故障的概率
。
[0003]对光伏钢的焊缝检测通常通过高效的视觉算法进行检测，通过获取焊接图像判断是否存在焊缝；因部分焊缝不明显，焊缝较细，若直接通过算法识别可能导致识别率不高，故需要对焊接图像进行增强，提高焊缝的识别率
。
引导滤波算法是一种能够用于图像增强的现有算法，能够增强图像细节；但通过该算法对焊接图像增强的过程中，不仅会对焊缝处的细节进行增强，同时会对部分焊接纹理进行增强，使得焊缝区域的增强效果不明显，进而降低了焊缝识别率，导致焊接效果检测的准确性较低
。

技术实现思路

[0004]为了解决上述通过引导滤波算法对焊接图像进行增强后，使得焊缝区域增强效果不明显，降低焊接效果检测准确性的技术问题，本专利技术的目的在于提供一种基于机器视觉的光伏钢结构组件检测方法，所采用的技术方案具体如下：获取钢结构焊接区域的焊接图像和焊接灰度图像；根据焊接图像中像素点与预设邻域的其他像素点的颜色差异特征获得颜色混乱特征值；根据焊接灰度图像中像素点与预设邻域的其他像素点的灰度差异特征获得灰度混乱特征值；根据所述颜色混乱特征值与所述灰度混乱特征值获得混乱程度；根据所述混乱程度确定焊缝的焊缝混乱程度区间；根据像素点的混乱程度的差异特征和所述焊缝混乱程度区间获得自适应正规化参数；根据自适应正规化参数通过引导滤波算法进行图像增强获得增强焊接灰度图像；根据所述增强焊接灰度图像和所述焊接图像对光伏钢结构进行缺陷检测；所述根据所述混乱程度确定焊缝的焊缝混乱程度区间的步骤包括：计算预设第一数值与所述混乱程度的乘积，获得焊缝的焊缝混乱程度区间的左端点；计算预设第二数值与所述混乱程度的乘积，获得焊缝的焊缝混乱程度区间的右端点；所述根据像素点的混乱程度的差异特征和所述焊缝混乱程度区间获得自适应正规化参数的步骤包括：
；式中，表示自适应正规化参数，表示像素点的混乱程度，表示焊缝混乱程度区间的左端点，表示焊缝混乱程度区间的右端点，表示焊接灰度图像中像素点的数量，表示混乱程度的最大值，表示混乱程度的平均值，表示焊接灰度图像中第个像素点的混乱程度，表示大于混乱程度的平均值的像素点数量，表示以自然常数为底的指数函数
。
[0005]进一步地，所述根据焊接图像中像素点与预设邻域的其他像素点的颜色差异特征获得颜色混乱特征值的步骤包括：计算焊接图像中像素点与预设邻域的其他像素点的任意颜色通道的差值绝对值，获得像素点与预设邻域的其他像素点的邻域颜色差异；计算像素点的所述邻域颜色差异的平均值并正相关映射，获得焊接图像的像素点的颜色混乱特征值
。
[0006]进一步地，所述根据焊接灰度图像中像素点与预设邻域的其他像素点的灰度差异特征获得灰度混乱特征值的步骤包括：计算焊接灰度图像中像素点与预设邻域的其他像素点的灰度差值绝对值，获得邻域灰度差异值；计算像素点的邻域灰度差异值的平均值并正相关映射，获得焊接灰度图像的像素点的灰度混乱特征值
。
[0007]进一步地，所述根据所述颜色混乱特征值与所述灰度混乱特征值获得混乱程度的步骤包括：计算焊接图像与焊接灰度图像的相同像素点的所述颜色混乱特征值与所述灰度混乱特征值的乘积，获得像素点的所述混乱程度
。
[0008]进一步地，所述预设第一数值为
0.7、
预设第二数值为
0.95。
[0009]进一步地，所述根据自适应正规化参数通过引导滤波算法进行图像增强获得增强焊接灰度图像的步骤包括：获取所述焊接灰度图像的预设梯度参数的边缘图像，将所述边缘图像作为引导滤波中的引导图像；根据所述引导图像和所述自适应正规化参数对所述焊接灰度图像通过引导滤波进行自适应图像增强，获得所述增强焊接灰度图像
。
[0010]进一步地，所述预设梯度参数为
0.1。
[0011]进一步地，所述根据所述增强焊接灰度图像和所述焊接图像对光伏钢结构进行缺陷检测的步骤包括：根据所述增强焊接灰度图像和所述焊接图像通过图像乘法获得焊接检测图像，通过图像检测算法对所述焊接检测图像进行缺陷检测
。
[0012]本专利技术具有如下有益效果：在本专利技术实施例中，根据颜色混乱特征值和灰度混乱特征值获得混乱程度，根据
混乱程度能够通过焊缝区域在焊接图像中的差异特征反映像素点在焊缝区域的概率，为对焊缝区域进行图像增强提供基础
。
获得焊缝混乱程度区间能够确定在焊缝区域的像素点，进而提高自适应图像增强的准确性；获得自适应正规化参数能够根据不同位置的像素点进行不同程度的增强，能够凸显焊接图像中焊缝区域和其他区域的对比度，提高焊缝区域的识别率
。
获得增强焊接灰度图像能够提高焊缝区域的特征，最终根据增强焊接灰度图像和焊接图像对光伏钢结构进行缺陷检测，提高了焊缝区域的识别率以及缺陷检测的准确性
。
附图说明
[0013]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图
。
[0014]图1为本专利技术一个实施例所提供的一种基于机器视觉的光伏钢结构组件检测方法流程图；图2为本专利技术一个实施例所提供的一种未优化的焊接灰度图像示意图；图3为本专利技术一个实施例所提供的一种增强焊接灰度图像示意图；图4为本专利技术一个实施例所提供的一种未增强的焊接处的局部细节灰度图像示意图；图5为本专利技术一个实施例所提供的一种增强后的焊接处的局部细节灰度图像示意图
。
具体实施方式
[0015]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于机器视觉的光伏钢结构组件检测方法，其具体实施方式
、
结构
、
特征及其功效，详细说明如下
。
在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例
。
此外，一或多个实施例中的特定特征
、
结构或特点可由任何合适形式组合
。
[0016]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同
。
[0017]下面结合附图具体的说明本专利技术所提供的一种基于机器视觉的光伏钢结构组件检测方法的具体方案
。
[0018]请参阅图1，其示出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于机器视觉的光伏钢结构组件检测方法，其特征在于，所述方法包括以下步骤：获取钢结构焊接区域的焊接图像和焊接灰度图像；根据焊接图像中像素点与预设邻域的其他像素点的颜色差异特征获得颜色混乱特征值；根据焊接灰度图像中像素点与预设邻域的其他像素点的灰度差异特征获得灰度混乱特征值；根据所述颜色混乱特征值与所述灰度混乱特征值获得混乱程度；根据所述混乱程度确定焊缝的焊缝混乱程度区间；根据像素点的混乱程度的差异特征和所述焊缝混乱程度区间获得自适应正规化参数；根据自适应正规化参数通过引导滤波算法进行图像增强获得增强焊接灰度图像；根据所述增强焊接灰度图像和所述焊接图像对光伏钢结构进行缺陷检测；所述根据所述混乱程度确定焊缝的焊缝混乱程度区间的步骤包括：计算预设第一数值与所述混乱程度的乘积，获得焊缝的焊缝混乱程度区间的左端点；计算预设第二数值与所述混乱程度的乘积，获得焊缝的焊缝混乱程度区间的右端点；所述根据像素点的混乱程度的差异特征和所述焊缝混乱程度区间获得自适应正规化参数的步骤包括：；式中，表示自适应正规化参数，表示像素点的混乱程度，表示焊缝混乱程度区间的左端点，表示焊缝混乱程度区间的右端点，表示焊接灰度图像中像素点的数量，表示混乱程度的最大值，表示混乱程度的平均值，表示焊接灰度图像中第个像素点的混乱程度，表示大于混乱程度的平均值的像素点数量，表示以自然常数为底的指数函数
。2.
根据权利要求1所述的一种基于机器视觉的光伏钢结构组件检测方法，其特征在于，所述根据焊接图像中像素点与预设邻域的其他像素点的颜色差异特征获得颜色混乱特征值的步骤包括：计算焊接图像中像素点与预设邻域的其他像素点的任意颜色通道的差值绝对值，获得像素点与预设邻域的其他像素点的邻域颜色差异；计算像素点的所述邻域颜色差异的平均值并正相关映射，获得焊接图像的像素点的颜色混乱特征值
。3.
根据权利要求1所述的一种基...

【专利技术属性】
技术研发人员：潘振华，庄赛龙，
申请(专利权)人：惠汕绿创江苏科技有限公司，
类型：发明
国别省市：