CN114581428B - 一种基于光学手段的粉末涂料粘合度检测方法 - Google Patents

Abstract

本发明涉及人工智能技术领域，具体涉及一种基于光学手段的粉末涂料粘合度检测方法。利用光学手段采集粉末涂料后产品的表面图像，获取表面图像中灰度差异较大的多个目标像素点，根据目标像素点的位置和其周围区域内对应像素点之间的灰度波动以及梯度方向的相似程度对产品粉末涂料粘合度进行计量评价，由评价结果能够确认产品的外观质量。利用光学手段对产品表面图像的采集，基于颜色均匀性和缺陷分布状态对图像进行分析以准确计量产品表面材料的粘合度，保证在提高检测效率的同时降低产品合格检测误差，实现新材料检测。

Description

一种基于光学手段的粉末涂料粘合度检测方法

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于光学手段的粉末涂料粘合度检测方法。

背景技术

随着我国经济的不断发展，我国的制造产业迅速扩张，已经逐渐成为全球制造业的中心之一。随着制造产业的技术不断发展，制造能力逐年增大，对于产品质量的要求也迅速提高。除了产品自身的性能与工作参数以外，产品的外观（表面缺陷）也开始作为产品质量判定的重要因素引起人们的关注。

在产品表面喷涂涂料不仅可以保护产品免受腐蚀，增长产品的使用年限，还可以增加产品的美观度。传统产品外观涂装方法为辊涂、散布和火焰喷涂等，如今常用的涂装方法通常采用静电涂装，静电涂装不需要预热，大大节省能源，同时静电涂装的粉末利用率高，可回收利用，且静电涂装的涂膜较薄且均匀、平滑，不会出现流挂等现象。但由于产品表面预处理（如除锈、除油渍、型砂等）不当，往往会导致产品表面粉末涂料粘合度低，导致产品表面出现缺陷。

目前常用的检测方法是通过比较产品涂料后的图像颜色和标准图像颜色来判断产品涂料后的表面粘合度是否合格，而仅根据颜色差异来评判产品表面的粘合度并不准确，容易造成误检。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于光学手段的粉末涂料粘合度检测方法，所采用的技术方案具体如下：

采集产品的表面图像，对所述表面图像进行背景干扰去除得到产品图像；将所述产品图像转化为灰度图像以构建其对应的灰度直方图，基于所述灰度直方图计算每个灰度级的出现频率，由所述出现频率得到产品表面的标准灰度级；

根据所述灰度图像中每个像素点的灰度级与所述标准灰度级之间的灰度差异得到多个目标像素点；结合所述目标像素点与其周围像素点之间的灰度值变化计算每个所述目标像素点对应的灰度波动程度；利用Sobel算法获取每个所述目标像素点的梯度方向，自适应构建每个所述目标像素点的滑窗，计算每个滑窗内所有所述目标像素点之间对应所述梯度方向的相似程度，以将其作为滑窗对应所述目标像素点的梯度方向信息；

计算每个所述目标像素点与所述灰度图像的图像中心点之间的距离，结合每个所述目标像素点的所述灰度波动程度、所述距离和所述梯度方向信息计算产品粉末涂料粘合度。

进一步地，所述标准灰度级是指所述出现频率最大所对应的灰度级。

进一步地，所述结合所述目标像素点与其周围像素点之间的灰度值变化计算每个所述目标像素点对应的灰度波动程度的方法，包括：

分别计算所述目标像素点的8邻域中对应每个像素点的灰度级与所述标准灰度级之间的灰度差值的绝对值；根据所述灰度差值的绝对值计算绝对值均值，由每个所述灰度差值的绝对值与所述绝对值均值之间差值获取该目标像素点的所述灰度波动程度。

进一步地，所述自适应构建每个所述目标像素点的滑窗的方法，包括：

以任意一个所述目标像素点为中心像素点，分别向其上下左右四个方向进行扩展，当每个方向均出现一个所述目标像素点时将其作为终止像素点，由所述终止像素点构成的范围作为所述中心像素点的滑窗大小。

进一步地，所述自适应构建每个所述目标像素点的滑窗的方法，包括：

以任意一个所述目标像素点为中心像素点，分别向其上下左右四个方向进行扩展，当某个方向一直没有出现所述目标像素点，而对应方向依次扩展出现至第三个所述目标像素点时，以出现所述目标像素点的方向的第一个目标像素点位置为基准，向对应方向进行对称位置复制，从而构成的范围为所述中心像素点的自适应滑窗大小。

进一步地，所述相似程度的计算公式，包括：

其中，为所述相似程度；为滑窗对应的所述中心像素点的所述梯度方向；为滑窗内第个所述目标像素点的所述梯度方向；为滑窗内除所述中心像素点所包含的所述目标像素点的总数量。

进一步地，所述产品粉末涂料粘合度的计算公式，包括：

其中，为所述产品粉末涂料粘合度；为所述灰度图像中所述目标像素点的总数量；为第个所述目标像素点的所述距离；为第个所述目标像素点的所述灰度波动程度；为第个所述目标像素点的所述梯度方向的相似程度；为所有所述目标像素点对应的距离均值；超参数；起归一化作用。

进一步地，在得到所述产品粉末涂料粘合度之后，还包括：

设置粘合度范围，结合所述产品粉末涂料粘合度和所述粘合度范围对产品进行质量分类。

本发明实施例至少具有如下有益效果：利用光学手段对产品表面图像的采集，基于颜色均匀性和缺陷分布状态对图像进行分析以准确计量产品表面材料的粘合度，保证在提高检测效率的同时降低产品合格检测误差，实现新材料检测。

附图说明

为了更清楚地说明本发明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发明的一些实施例，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。

图1为本发明一个实施例提供的一种基于光学手段的粉末涂料粘合度检测方法的步骤流程图；

图2为本发明实施例所提供的一种图像采集装置的示意图；

图3为本发明实施例所提供的一种产品表面出现局部鼓包的示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明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，对依据本发明提出的一种基于光学手段的粉末涂料粘合度检测方法，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。

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发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于光学手段的粉末涂料粘合度检测方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于光学手段的粉末涂料粘合度检测方法的步骤流程图，该方法包括以下步骤：

步骤S001，采集产品的表面图像，对表面图像进行背景干扰去除得到产品图像；将产品图像转化为灰度图像以构建其对应的灰度直方图，基于灰度直方图计算每个灰度级的出现频率，由出现频率得到产品表面的标准灰度级。

具体的，由于单光源会使采集到的图像存在因关于光源引起的灰度差，此差异会导致后续粉末涂料粘合度的评价出现较大误差，因此采用明暗场同时照明的光源，即如图2所示的一种图像采集装置的示意图，该装置包括摄像机1、光源2、浸射板3、凹面镜4和被测物台5，在此光源场景下利用CCD相机采集粉末涂料后的产品的表面图像，以保证采集到的图像的清晰度足够高。

进一步地，为了避免其他工况对产品表面缺陷检测的影响，所以本发明实施例采用DNN技术来对表面图像进行预处理，以去除背景环境的干扰，则DNN网络的具体训练过程为：

（1）DNN网络使用的数据集为产品的表面图像数据集，产品的样式为多种多样的。

（2）训练集对应标签标注过程为：单通道的语义标签，对应位置像素属于背景类的标注为0，属于产品的像素标注为1。

（3）网络的任务是分类，DNN网络的loss函数采用交叉熵损失函数。

通过布置相机与光源来采集产品的表面图像，利用DNN网络对表面图像进行背景环境的去除得到产品图像，并将产品图像转化为灰度图像。

对于粉末涂料喷涂处理之后的产品图像，通过布置相机与光源，合格的产品表面各像素点的灰度值理应是相同的或仅仅存在微小的灰度差，且若产品发生粉末涂料喷涂缺陷也是由于前处理不当导致的局部缺陷，即缺陷的占比远远小于正常区域的占比，因此基于灰度图像构建其对应的灰度直方图，计算每个灰度级的出现频率，则出现频率的计算公式为：，其中表示第i个灰度级的出现频率，表示第i个灰度级对应像素点出现的频数，B表示灰度图像中像素点的总个数；由于缺陷的占比远远小于正常区域的占比，因此将出现频率最大对应的灰度级为作为该产品表面的标准灰度级。

步骤S002，根据灰度图像中每个像素点的灰度级与标准灰度级之间的灰度差异得到多个目标像素点；结合目标像素点与其周围像素点之间的灰度值变化计算每个目标像素点对应的灰度波动程度；利用Sobel算法获取每个目标像素点的梯度方向，自适应构建每个目标像素点的滑窗，计算每个滑窗内所有目标像素点之间对应梯度方向的相似程度，以将其作为滑窗对应目标像素点的梯度方向信息。

具体的，基于标准灰度级来检测灰度差异较大的像素点，则其方法为：计算每个像素点的灰度级与标准灰度级之间的灰度差异，将灰度差异大于或等于灰度差异阈值的像素点标记为目标像素点，则目标像素点确认所对应的公式为：，表示第i个灰度级，表示标准灰度级，表示灰度差异阈值，经验值，当第i个灰度级与标准灰度级的差的绝对值大于或等于灰度差异阈值时，说明该像素点与标准灰度级存在较大的灰度差异，对该像素点进行标记。

对于产品而言，当产品表面处理不当时，即型砂或表面粗糙，会导致粉末涂料粘合度降低，导致部分粉末涂料脱落，使得产品喷涂完成后局部光滑性较差，也即当目标像素点周围区域内存在较大的灰度波动时，此位置为缺陷的概率较大，即粘合度较差，则根据目标像素点及其周围区域内像素点的灰度值计算每个目标像素点对应的灰度波动程度。

作为一个示例，本发明实施例以8邻域作为周围区域进行计算每个目标像素点对应的灰度波动程度：分别计算目标像素点的8邻域中对应每个像素点的灰度级与标准灰度级之间的灰度差值的绝对值；然后根据灰度差值的绝对值计算绝对值均值，由每个灰度差值的绝对值与绝对值均值之间差值获取目标像素点的灰度波动程度，则灰度波动程度的计算公式为：

式中E表示灰度波动程度，S表示8邻域对应的像素点个数，i表示第个灰度差值的绝对值，表示绝对值均值，为超参数，经验值取=0.02。

进一步地，当产品表面除锈或除油污不当时，也会造成产品粉末涂料的粘合度低，但此时缺陷部位通常为集中分布的缺陷，即由于油污或锈蚀原因，导致粉末涂料与产品的粘合度大大降低，而粉末之间的粘合度不变，即不会导致粉末脱落，从而使得缺陷区域所呈现的外在表现为如图所示3的局部鼓包，此时对于目标像素点而言，其周围区域的灰度变化波动程度小，但其缺陷的粘合度远远低于局部离散分布缺陷的粘合度，因此仅根据目标像素点的灰度波动程度来评断粘合度好坏是不准确，故结合目标像素点的梯度信息进行粘合度的精准评断，则方法为：利用Sobel算子计算每个目标像素点在方向和方向的梯度，进而得到每个目标像素点对应的梯度方向；由于目标像素点的位置分布情况不统一，建立全局滑窗可能会导致某一目标像素点的滑窗内不存在邻近目标像素点，因此对每个目标像素点建立自适应大小的滑窗，即以任意一个目标像素点为中心像素点，分别向其上下左右四个方向进行扩展，当每个方向均出现一个目标像素点将其作为终止像素点，由终止像素点构成的范围作为中心像素点的滑窗大小，根据滑窗内所有目标像素点的梯度方向计算该滑窗内梯度方向的相似程度，则相似程度的计算公式为：

其中，为相似程度，其值越大说明对应中心像素点为鼓包缺陷区域的像素点的概率越大；为滑窗对应的中心像素点的梯度方向；为滑窗内第个目标像素点的梯度方向；为滑窗内除中心像素点所包含的目标像素点的总数量。

需要说明的是，当中心像素点属于边缘像素点时，其上下左右四个方向会存在一个方向或两个方向没有目标像素点，因此当某个方向依次扩展出现至第三个目标像素点，而对应方向一直没有出现目标像素点时，以出现目标像素点的方向的第一个目标像素点位置为基准，向对应方向进行对称复制，进而得到中心像素点的自适应滑窗大小。

步骤S003，计算每个目标像素点与灰度图像的图像中心点之间的距离，结合每个目标像素点的灰度波动程度、距离和梯度方向信息计算产品粉末涂料粘合度。

具体的，基于灰度图像的图像中心点，利用欧式距离的计算方法分别获取灰度图像中每个目标像素点与图像中心点之间的距离，进而结合每个目标像素点的灰度波动程度、距离和梯度方向的相似程度计算产品粉末涂料粘合度，则产品粉末涂料粘合度的计算公式为：

其中，为产品粉末涂料粘合度；为灰度图像中目标像素点的总数量；为第个目标像素点的距离；为第个目标像素点的灰度波动程度；为第个目标像素点的梯度方向的相似程度；为所有目标像素点对应的距离均值；超参数，经验值=0.005；起归一化作用。

需要说明的是，对于目标像素点，其分布越集中，梯度方向越相似且灰度波动程度越小，其为鼓泡缺陷的概率越大，对应产品粉末涂料粘合度的值越大，即粉末涂料的效果越差。

进一步地，对于产品进行产品粉末涂料粘合度的评价之后，根据产品粉末涂料粘合度对产品进行质量分类：由于产品粉末涂料粘合度的数值越大，说明产品的粉末涂料结果越差，也即是产品的外观缺陷越严重，产品越不达标，因此根据产品粉末涂料粘合度对其进行质量分类并采取相应的修复措施。

作为一个示例，当产品粉末涂料粘合度属于粘合度范围[0,0.4)时，则产品存在粘合度缺陷，认为此类缺陷较为轻微，且通常为预处理打磨问题，该粘合度缺陷对产品外观影响程度较小，属于良品，故对此类产品进行简单修复即可继续投入使用；

当产品粉末涂料粘合度属于粘合度范围[0.4，0.7)时，认为此类粘合度缺陷是由预处理打磨问题与油污锈蚀问题共存造成的，此类粘合度缺陷对产品外观影响程度较大，属于次品，故需通过多次不同程度的修复才可继续使用；

当产品粉末涂料粘合度属于粘合度范围[0.7,1]时，认为此类粘合度缺陷是由为油污锈蚀造成的较大面积的起泡缺陷，导致缺陷十分严重，严重影响产品的价值，属于残次品，故此类产品需要进行重新打磨喷涂。

综上所述，本发明实施例提供了一种基于光学手段的粉末涂料粘合度检测方法，该方法利用光学手段采集粉末涂料后产品的表面图像，获取表面图像中灰度差异较大的多个目标像素点，根据目标像素点的位置和其周围区域内对应像素点之间的灰度波动以及梯度方向的相似程度对产品粉末涂料粘合度进行计量评价，由评价结果能够确认产品的外观质量。利用光学手段对产品表面图像的采集，基于颜色均匀性和缺陷分布状态对图像进行分析以准确计量产品表面材料的粘合度，保证在提高检测效率的同时降低产品合格检测误差，实现新材料检测。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于光学手段的粉末涂料粘合度检测方法，其特征在于，该方法包括以下步骤：

采集产品的表面图像，对所述表面图像进行背景干扰去除得到产品图像；将所述产品图像转化为灰度图像以构建其对应的灰度直方图，基于所述灰度直方图计算每个灰度级的出现频率，由所述出现频率得到产品表面的标准灰度级；

根据所述灰度图像中每个像素点的灰度级与所述标准灰度级之间的灰度差异得到多个目标像素点；结合所述目标像素点与其周围像素点之间的灰度值变化计算每个所述目标像素点对应的灰度波动程度；利用Sobel算法获取每个所述目标像素点的梯度方向，自适应构建每个所述目标像素点的滑窗，计算每个滑窗内所有所述目标像素点之间对应所述梯度方向的相似程度，以将其作为滑窗对应所述目标像素点的梯度方向信息；

计算每个所述目标像素点与所述灰度图像的图像中心点之间的距离，结合每个所述目标像素点的所述灰度波动程度、所述距离和所述梯度方向信息计算产品粉末涂料粘合度；

所述标准灰度级是指所述出现频率最大所对应的灰度级；

所述结合所述目标像素点与其周围像素点之间的灰度值变化计算每个所述目标像素点对应的灰度波动程度的方法，包括：

分别计算所述目标像素点的8邻域中对应每个像素点的灰度级与所述标准灰度级之间的灰度差值的绝对值；根据所述灰度差值的绝对值计算绝对值均值，由每个所述灰度差值的绝对值与所述绝对值均值之间差值获取该目标像素点的所述灰度波动程度；

所述自适应构建每个所述目标像素点的滑窗的方法，包括：

以任意一个所述目标像素点为中心像素点，分别向其上下左右四个方向进行扩展，当每个方向均出现一个所述目标像素点时将其作为终止像素点，由所述终止像素点构成的范围作为所述中心像素点的滑窗大小；

以任意一个所述目标像素点为中心像素点，分别向其上下左右四个方向进行扩展，当某个方向一直没有出现所述目标像素点，而对应方向依次扩展出现至第三个所述目标像素点时，以出现所述目标像素点的方向的第一个目标像素点位置为基准，向对应方向进行对称位置复制，从而构成的范围为所述中心像素点的自适应滑窗大小；

所述相似程度的计算公式，包括：

其中，为所述相似程度；为滑窗对应的所述中心像素点的所述梯度方向；为滑窗内第个所述目标像素点的所述梯度方向；为滑窗内除所述中心像素点所包含的所述目标像素点的总数量；

所述产品粉末涂料粘合度的计算公式，包括：

其中，为所述产品粉末涂料粘合度；为所述灰度图像中所述目标像素点的总数量；为第个所述目标像素点的所述距离；为第个所述目标像素点的所述灰度波动程度；为第个所述目标像素点的所述梯度方向的相似程度；为所有所述目标像素点对应的距离均值；超参数；起归一化作用。

2.如权利要求1所述的一种基于光学手段的粉末涂料粘合度检测方法，其特征在于，在得到所述产品粉末涂料粘合度之后，还包括：

设置粘合度范围，结合所述产品粉末涂料粘合度和所述粘合度范围对产品进行质量分类。

Images