System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,具体涉及一种基于图像处理的水泵叶轮外观缺陷检测方法及系统。
技术介绍
1、水泵叶轮的外观缺陷,特别是脏污缺陷,可能会恶化腐蚀水泵叶轮表面,导致水泵叶轮表面的材料剥落或损坏,引起水泵叶片的几何形状的改变,导致水流在水泵叶轮中的流动受到干扰,水流在水泵叶轮中不稳定,可能引起液体的紊乱或涡流现象,对水泵的性能和流体输送系统产生负面影响。水泵叶轮的外观缺陷可能会导致水泵在运行时产生振动和噪音,这不仅会损害水泵自身,还可能引起附近设备的振动和噪音问题。
2、随着图像处理技术的发展,目前通常通过拍摄水泵叶轮图像来识别水泵叶轮的外观缺陷。但由于水泵叶轮的叶片存在一定的弧度,且叶片和底板不在同一水平面上,使得叶片和底板存在一定的灰度差,水泵叶轮外观缺陷造成一定干扰,利用阈值分割、边缘检测、聚类等图像处理方法无法准确的检测出水泵叶轮的外观缺陷。
技术实现思路
1、为了解决上述问题,本专利技术一种基于图像处理的水泵叶轮外观缺陷检测方法及系统。
2、本专利技术的一种基于图像处理的水泵叶轮外观缺陷检测方法,包括以下步骤:
3、采集水泵叶轮图像,对水泵叶轮图像进行预处理,获取水泵叶轮连通域以及灰度图像;根据水泵叶轮连通域的质心将灰度图像分割为多个图像块;
4、对于每个图像块,根据图像块中灰度分布获取图像块的脏污可能性;根据图像块对称的图像块以及邻域图像块的脏污可能性获取每个像素点的异常程度;
5、根据像素点的梯度方向以及异常
6、优选的,所述根据图像块中灰度分布获取图像块的脏污可能性,包括的具体步骤如下:
7、
8、其中,表示所有图像块中第个图像块的脏污可能性,取遍[1,]中每个整数,表示所有图像块的数量;表示第个图像块的灰度方差;表示第个图像块的梯度均值;表示第个图像块的灰度均值。
9、优选的,所述根据图像块对称的图像块以及邻域图像块的脏污可能性获取每个像素点的异常程度,包括的具体步骤如下:
10、将以水泵叶轮的连通域的质心为对称中心,呈现中心对称的任意两个图像块互相作为对应图像块;
11、
12、其中,表示所有图像块中第个图像块的异常程度,取遍[1,]中每个整数,表示所有图像块的数量;表示第个图像块的脏污可能性;表示第个图像块对应的图像块的脏污可能性;表示第个图像块的脏污可能性与第个图像块邻域内第个图像块的脏污可能性的比值;表示第个图像块对应的图像块的脏污可能性与第个图像块对应的图像块邻域内第个图像块的脏污可能性的比值;表示邻域大小;
13、将每个图像块的异常程度作为图像块中每个像素点的异常程度。
14、优选的,所述根据像素点的梯度方向以及异常程度获取像素点的异常变化度,包括的具体步骤如下:
15、对于每个像素点,获取像素点与其邻域内所有像素点的梯度方向的夹角角度的方差,作为像素点的变化权重;将像素点的变化权重与异常程度的乘积作为像素点的异常变化度。
16、优选的,所述像素点的变化路径的获取方法为:
17、对于每个像素点,在像素点所属图像块的邻域图像块中,获取位于像素点梯度方向上距离像素点最远的一个像素点,作为像素点的参考像素点,将像素点到其参考像素点的连线作为像素点的变化路径。
18、优选的,所述根据像素点的变化路径上所有像素点的异常变化度,获取像素点的脏污程度,包括的具体步骤如下:
19、
20、其中,表示第个图像块中第个像素点的脏污程度;表示第个图像块中第个像素点的变化路径上第个像素点的异常变化度;表示第个图像块中第个像素点的变化路径上第个像素点的异常变化度;表示第个图像块中第个像素点的变化路径上包含的像素点数量;表示第个图像块中第个像素点的变化路径上所有像素点的异常变化度的方差。
21、优选的,所述根据每个像素点的脏污程度获取脏污程度图像,根据脏污程度图像获取脏污区域,包括的具体步骤如下:
22、将灰度图像中每个像素点的脏污程度映射到[0,255]范围内,构成一幅新的图像,作为脏污程度图像;对脏污程度图像进行聚类,将脏污程度图像聚为两类,将脏污程度图像中灰度均值较大的类别作为脏污区域。
23、优选的,所述根据水泵叶轮连通域的质心将灰度图像分割为多个图像块,包括的具体步骤如下:
24、以灰度图像中水泵叶轮的连通域的质心为中心构建大小的图像块,以图像块为中心块,在中心块的八邻域方向上分别构建大小的图像块,再以新构建的每个图像块为中心块,继续在每个中心块的八邻域方向上分别构建大小的图像块,依次类推,直到将灰度图像完整划分为互相不重叠的多个图像块时停止迭代,其中为预设的分块大小。
25、优选的,所述对水泵叶轮图像进行预处理,获取水泵叶轮连通域以及灰度图像,包括的具体步骤如下:
26、利用语义分割网络获取水泵叶轮图像中的水泵叶轮连通域,将水泵叶轮连通域作为遮罩与水泵叶轮图像相乘,得到去除背景的水泵叶轮图像;对去除背景之后的水泵叶轮图像使用灰度化算法进行灰度化,得到灰度图像。
27、本专利技术还提出一种基于图像处理的水泵叶轮外观缺陷检测系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任意一项所述一种基于图像处理的水泵叶轮外观缺陷检测方法的步骤。
28、本专利技术的技术方案的有益效果是:本专利技术根据水泵叶轮连通域的质心对灰度图像进行分割,确保分割得到的图像块中,互相呈中心对称的图像块包含同样的水泵叶轮特征,依据包含同样的水泵叶轮特征的图像块之间的差异识别脏污缺陷,提高了脏污缺陷识别的准确性。本专利技术根据图像块对称的图像块以及邻域图像块的脏污可能性获取每个像素点的异常程度,排除了不同图像块中叶轮结构的干扰,得到的异常程度更加准确。本专利技术根据像素点的梯度方向以及异常程度获取像素点的异常变化度,根据像素点的变化路径上所有像素点的异常变化度,获取像素点的脏污程度,根据脏污程度图像识别脏污缺陷,避免了图像块中可能包含较少的脏污区域导致脏污区域无法识别的情况。本专利技术对水泵叶轮图像中脏污区域识别更加准确。
本文档来自技高网...【技术保护点】
1.一种基于图像处理的水泵叶轮外观缺陷检测方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的一种基于图像处理的水泵叶轮外观缺陷检测方法,其特征在于,所述根据图像块中灰度分布获取图像块的脏污可能性,包括的具体步骤如下:
3.根据权利要求1所述的一种基于图像处理的水泵叶轮外观缺陷检测方法,其特征在于,所述根据图像块对称的图像块以及邻域图像块的脏污可能性获取每个像素点的异常程度,包括的具体步骤如下:
4.根据权利要求1所述的一种基于图像处理的水泵叶轮外观缺陷检测方法,其特征在于,所述根据像素点的梯度方向以及异常程度获取像素点的异常变化度,包括的具体步骤如下:
5.根据权利要求1所述的一种基于图像处理的水泵叶轮外观缺陷检测方法,其特征在于,所述像素点的变化路径的获取方法为:
6.根据权利要求1所述的一种基于图像处理的水泵叶轮外观缺陷检测方法,其特征在于,所述根据像素点的变化路径上所有像素点的异常变化度,获取像素点的脏污程度,包括的具体步骤如下:
7.根据权利要求1所述的一种基于图像处理的水泵叶轮外观缺陷
8.根据权利要求1所述的一种基于图像处理的水泵叶轮外观缺陷检测方法,其特征在于,所述根据水泵叶轮连通域的质心将灰度图像分割为多个图像块,包括的具体步骤如下:
9.根据权利要求1所述的一种基于图像处理的水泵叶轮外观缺陷检测方法,其特征在于,所述对水泵叶轮图像进行预处理,获取水泵叶轮连通域以及灰度图像,包括的具体步骤如下:
10.一种基于图像处理的水泵叶轮外观缺陷检测系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。
...【技术特征摘要】
1.一种基于图像处理的水泵叶轮外观缺陷检测方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的一种基于图像处理的水泵叶轮外观缺陷检测方法,其特征在于,所述根据图像块中灰度分布获取图像块的脏污可能性,包括的具体步骤如下:
3.根据权利要求1所述的一种基于图像处理的水泵叶轮外观缺陷检测方法,其特征在于,所述根据图像块对称的图像块以及邻域图像块的脏污可能性获取每个像素点的异常程度,包括的具体步骤如下:
4.根据权利要求1所述的一种基于图像处理的水泵叶轮外观缺陷检测方法,其特征在于,所述根据像素点的梯度方向以及异常程度获取像素点的异常变化度,包括的具体步骤如下:
5.根据权利要求1所述的一种基于图像处理的水泵叶轮外观缺陷检测方法,其特征在于,所述像素点的变化路径的获取方法为:
6.根据权利要求1所述的一种基于图像处理的水泵叶轮外观缺陷检测方法,其特征在于,所述根据像素...
【专利技术属性】
技术研发人员:潘波,潘涛,屈兵,潘芬,潘红英,潘芳,潘进,马丽娟,马娟,
申请(专利权)人:山东心传矿山机电设备有限公司,
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。