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() 基于机器视觉的三轴转台缺陷检测方法技术_技高网

基于机器视觉的三轴转台缺陷检测方法技术

技术编号:40251860 阅读:9 留言:0更新日期:2024-02-02 22:45
本发明专利技术涉及图像处理技术领域,具体涉及基于机器视觉的三轴转台缺陷检测方法。方法包括:获取三轴转台的表面图像,根据表面图像中每个像素点在R通道的值和每个像素点与其邻域内像素点的灰度差异,得到缺陷可能性指标,进而筛选待滤波点;根据待滤波点与其对应的窗口内像素点的灰度分布,得到待滤波点的噪声强度评价值;根据待滤波点与其对应的窗口内待滤波点之间的距离以及待滤波点的噪声强度评价值,获得待滤波点的噪声水平评价值,进而确定待滤波点的扩展系数;基于扩展系数对获得待滤波点对应的目标窗口,进而对待滤波点进行滤波,基于处理后的图像判断三轴转台是否存在缺陷。本发明专利技术提高了三轴转台缺陷检测结果的准确度。

【技术实现步骤摘要】

本专利技术涉及图像处理,具体涉及基于机器视觉的三轴转台缺陷检测方法


技术介绍

1、三轴转台是一种工程设备或机械系统,用于实现物体的旋转和定位,具有高度精确的控制,可以精确地控制物体在其上方进行旋转。三轴转台的应用领域广泛,其工作场景众多,三轴转台其自身材质以及防护措施不同,在三轴转台表面可能出现锈蚀的情况。通过滤波的手段对三轴转台表面图像进行处理,结合其锈蚀区域的特征实现对表面锈蚀区域的增强,实现对其缺陷的检测。

2、利用非局部均值滤波对三轴转台表面锈蚀缺陷进行处理时,构建图像中的像素点对应的窗口的过程中,像素点周围存在噪声等影响因素,使得不同像素点对应的窗口中存在不同的噪声水平,进而导致缺陷检测过程中出现误差,使得三轴转台的缺陷检测结果的准确度较低。


技术实现思路

1、为了解决现有方法在对三轴转台进行缺陷检测时缺陷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机器视觉的三轴转台缺陷检测方法,所采用的技术方案具体如下:

2、本专利技术提供了一种基于机器视觉的三轴转台缺陷检测方法,该方法包括以下步骤:

3、获取待检测三轴转台的表面图像;

4、根据所述表面图像中每个像素点在r通道的值和每个像素点与其预设邻域内像素点的灰度差异,得到每个像素点的缺陷可能性指标;基于所述缺陷可能性指标筛选待滤波点;分别以每个待滤波点为中心点,构建每个待滤波点对应的窗口;根据每个待滤波点与其对应的窗口内像素点的灰度分布,得到每个待滤波点的噪声强度评价值;

5、根据每个待滤波点与其对应的窗口内待滤波点之间的距离以及待滤波点的噪声强度评价值,获得每个待滤波点的噪声水平评价值;根据每个待滤波点对应的窗口内待滤波点的噪声强度评价值、每个待滤波点对应的窗口内像素点的梯度分布和对应的缺陷可能性指标,得到每个待滤波点对缺陷的表现程度值;基于所述噪声水平评价值和所述对缺陷的表现程度值确定每个待滤波点的扩展系数;

6、基于所述扩展系数对待滤波点所对应的窗口的大小进行调整获得对应的目标窗口,基于所述目标窗口对待滤波点进行滤波处理获得处理后的图像,基于所述处理后的图像判断待检测三轴转台是否存在缺陷。

7、优选的,所述根据所述表面图像中每个像素点在r通道的值和每个像素点与其预设邻域内像素点的灰度差异,得到每个像素点的缺陷可能性指标,包括:

8、对于所述表面图像中的第a个像素点:

9、将第a个像素点的灰度值与其预设邻域内每个像素点的灰度值之间的差值绝对值,作为第a个像素点的预设邻域内每个像素点对应的第一差异;

10、根据第a个像素点的预设邻域内所有像素点对应的第一差异、第a个像素点的灰度值和第a个像素点在r通道的值,获得第a个像素点的缺陷可能性指标,所述第一差异和所述第a个像素点的灰度值均与所述缺陷可能性指标呈负相关关系,第a个像素点在r通道的值与所述缺陷可能性指标呈正相关关系。

11、优选的,所述根据每个待滤波点与其对应的窗口内像素点的灰度分布,得到每个待滤波点的噪声强度评价值,包括:

12、对于第b个待滤波点:

13、将第b个待滤波点对应的窗口内灰度值大于预设灰度阈值的像素点记为第一像素点;将第b个待滤波点与其对应的窗口内每个第一像素点之间的距离记为每个第一像素点对应的距离差异;

14、根据第b个待滤波点的灰度值和第b个待滤波点对应的窗口内所有第一像素点对应的距离差异的方差,获得第b个待滤波点的噪声强度评价值,所述第b个待滤波点的灰度值和所述方差均与所述噪声强度评价值呈正相关关系。

15、优选的,采用如下公式计算第b个待滤波点的噪声水平评价值:

16、

17、其中,为第b个待滤波点的噪声水平评价值,为第b个待滤波点对应的窗口内像素点的总数量,为第b个待滤波点对应的窗口内待滤波点的数量,为第b个待滤波点对应的窗口内第i个待滤波点的噪声强度评价值,为第b个待滤波点对应的窗口内的第二像素点的数量,为第b个待滤波点对应的窗口内第j个第二像素点的横坐标,为第b个待滤波点的横坐标,为第b个待滤波点对应的窗口内第j个第二像素点的纵坐标,为第b个待滤波点的纵坐标,为预设第二调整参数,大于0;

18、第b个待滤波点对应的窗口内的第二像素点的获取过程为:将第b个待滤波点对应的窗口内噪声强度评价值大于预设噪声强度阈值的待滤波点确定为第b个待滤波点对应的窗口内的第二像素点。

19、优选的,所述根据每个待滤波点对应的窗口内待滤波点的噪声强度评价值、每个待滤波点对应的窗口内像素点的梯度分布和对应的缺陷可能性指标,得到每个待滤波点对缺陷的表现程度值,包括:

20、对于第b个待滤波点:

21、将第b个待滤波点对应的窗口内梯度值大于预设梯度阈值的待滤波点确定为第三像素点;

22、对于第b个待滤波点对应的窗口内第t个第三像素点:在第t个第三像素点对应的窗口内,将第t个第三像素点的梯度方向的垂直方向上的像素点作为第t个第三像素点的参考像素点;分别将第t个第三像素点与其每个参考像素点之间的梯度值的差值绝对值,记为第t个第三像素点的每个参考像素点的梯度差异;根据第t个第三像素点与其每个参考像素点之间的距离、第t个第三像素点的每个参考像素点的梯度差异和第t个第三像素点的噪声强度评价值,得到第t个第三像素点的梯度评价指标,所述梯度差异与所述梯度评价指标呈正相关关系,所述第t个第三像素点与其每个参考像素点之间的距离以及第t个第三像素点的噪声强度评价值均与所述梯度评价指标呈负相关关系;

23、根据第b个待滤波点对应的窗口内第三像素点的数量占比、第b个待滤波点对应的窗口内每个第三像素点的梯度评价指标、第b个待滤波点对应的窗口内每个第三像素点的梯度值、第b个待滤波点对应的窗口内每个像素点的缺陷可能性指标,得到第b个待滤波点对缺陷的表现程度值。

24、优选的,采用如下公式计算第b个待滤波点对缺陷的表现程度值:

25、

26、其中,为第b个待滤波点对缺陷的表现程度值,为第b个待滤波点对应的窗口内像素点的总数量,为第b个待滤波点对应的窗口内第三像素点的数量,为第b个待滤波点对应的窗口内第t个第三像素点的梯度评价指标,为第b个待滤波点对应的窗口内第t个第三像素点的梯度值,为第b个待滤波点对应的窗口内第r个像素点的缺陷可能性指标。

27、优选的,所述基于所述噪声水平评价值和所述对缺陷的表现程度值确定每个待滤波点的扩展系数,包括:

28、对于第b个待滤波点:将第b个待滤波点的噪声水平评价值与第b个待滤波点对缺陷的表现程度值之间的比值的归一化结果,确定为第b个待滤波点的扩展系数。

29、优选的,所述基于所述扩展系数对待滤波点所对应的窗口的大小进行调整获得对应的目标窗口,包括:

30、对于第b个待滤波点:若第b个待滤波点的扩展系数小于预设扩展系数阈值,则将第b个待滤波点所本文档来自技高网...

【技术保护点】

1.一种基于机器视觉的三轴转台缺陷检测方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法,其特征在于,所述根据所述表面图像中每个像素点在R通道的值和每个像素点与其预设邻域内像素点的灰度差异,得到每个像素点的缺陷可能性指标,包括:

3.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法,其特征在于,所述根据每个待滤波点与其对应的窗口内像素点的灰度分布,得到每个待滤波点的噪声强度评价值,包括:

4.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法,其特征在于,采用如下公式计算第b个待滤波点的噪声水平评价值:

5.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法,其特征在于,所述根据每个待滤波点对应的窗口内待滤波点的噪声强度评价值、每个待滤波点对应的窗口内像素点的梯度分布和对应的缺陷可能性指标,得到每个待滤波点对缺陷的表现程度值,包括:

6.根据权利要求5所述的基于机器视觉的三轴转台缺陷检测方法,其特征在于,采用如下公式计算第b个待滤波点对缺陷的表现程度值:>

7.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法,其特征在于,所述基于所述噪声水平评价值和所述对缺陷的表现程度值确定每个待滤波点的扩展系数,包括:

8.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法,其特征在于,所述基于所述扩展系数对待滤波点所对应的窗口的大小进行调整获得对应的目标窗口,包括:

9.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法,其特征在于,所述基于所述缺陷可能性指标筛选待滤波点,包括:

10.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法,其特征在于,所述基于所述目标窗口对待滤波点进行滤波处理获得处理后的图像,包括:

...

【技术特征摘要】

1.一种基于机器视觉的三轴转台缺陷检测方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法,其特征在于,所述根据所述表面图像中每个像素点在r通道的值和每个像素点与其预设邻域内像素点的灰度差异,得到每个像素点的缺陷可能性指标,包括:

3.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法,其特征在于,所述根据每个待滤波点与其对应的窗口内像素点的灰度分布,得到每个待滤波点的噪声强度评价值,包括:

4.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法,其特征在于,采用如下公式计算第b个待滤波点的噪声水平评价值:

5.根据权利要求1所述的基于机器视觉的三轴转台缺陷检测方法,其特征在于,所述根据每个待滤波点对应的窗口内待滤波点的噪声强度评价值、每个待滤波点对应的窗口内像素点的梯度分布和对应的缺陷可能性指...

【专利技术属性】
技术研发人员:牛国南谢爱华
申请(专利权)人:陕西福坤顺科技有限公司
类型:发明
国别省市:

相关技术
    暂无相关专利
网友询问留言 已有0条评论
  • 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。

1