CN114862852B - 一种用于汽车零部件加工的智能控制方法 - Google Patents

Abstract

本发明涉及一种用于汽车零部件加工的智能控制方法，属于零件加工控制或者调节技术领域。该方法包括如下步骤：根据灰度图像上各像素点对应的梯度，得到灰度图像对应的滤波图像；利用边缘检测算子，得到目标刹车盘边缘图像；根据目标刹车盘边缘图像上各边缘线上预设数量的边缘像素点，得到所述各边缘线对应的各拟合圆；根据各拟合圆上的各边缘像素点和各拟合圆对应的边缘线上的各边缘像素点，得到各边缘线对应的目标可信度；根据各边缘线对应的目标可信度，判断各边缘线上是否存在毛刺像素点，若是，则对切削加工的磨床设备进行调控。本发明基于分析得到的较准确的打磨质量能对汽车零部件刹车盘的磨床设备进行较可靠的调控。

Description

一种用于汽车零部件加工的智能控制方法

技术领域

本发明涉及零件加工控制或者调节技术领域，具体涉及一种用于汽车零部件加工的智能控制方法。

背景技术

汽车零部件多种多样，其中，刹车盘是汽车制动系统中的重要组成部分；刹车盘通常通过冲压形成，刹车盘在冲压成型之后其边缘边角处很容易存在毛刺，这些毛刺的存在使得刹车盘的表面变得粗糙不平，在运用到设备中时，经常会对设备造成划伤等损坏。因此，在刹车盘冲压完成后，均需要对其进行切削加工处理，切削加工是用铣刀一步一步对汽车金属零部件毛坯进行钻孔、打磨，通过磨床对部件表面及孔洞进行打磨处理，使产品获得所需的产品外观、规格和粗糙度；因此通过磨床对部件表面及孔洞进行打磨处理至关重要。

现有的对磨床设备进行调控的方法一般是相关工作人员依据目检结果判断是否对磨床设备进行调节控制，但是这种依据人工的方式工作量较大，人为主观性较强，不具有实时性，并且这种依据人工的方式所分析得到的打磨效果或者打磨质量准确性较低，进而依据所分析得到的准确性较低的打磨质量来对汽车零部件刹车盘的磨床设备进行调控的可靠性也较低。

发明内容

本发明提供一种用于汽车零部件加工的智能控制方法，用于解决现有方法对汽车零部件刹车盘的磨床设备进行调控的可靠性较低的问题，所采用的技术方案具体如下：

本发明实施例提供了一种用于汽车零部件加工的智能控制方法包括以下步骤：

获取对汽车零部件刹车盘打磨后的刹车盘表面灰度图像；

根据所述灰度图像上各像素点对应的梯度，对所述灰度图像进行滤波处理，得到所述灰度图像对应的滤波图像；利用边缘检测算子对滤波图像进行边缘检测，得到目标刹车盘边缘图像；

根据目标刹车盘边缘图像上各边缘线上预设数量的边缘像素点，拟合得到所述各边缘线对应的各拟合圆；根据所述各拟合圆上的各边缘像素点和所述各拟合圆对应的边缘线上的各边缘像素点，得到各边缘线对应的目标可信度；

根据所述各边缘线对应的目标可信度，判断各边缘线上是否存在毛刺像素点，若是，则对切削加工的磨床设备进行调控。

有益效果：本发明通过对灰度图像上各像素点对应的梯度进行分析，得到所述灰度图像对应的滤波图像；并利用边缘检测算子对滤波图像进行边缘检测，得到目标刹车盘边缘图像；然后根据目标刹车盘边缘图像上各边缘线上预设数量的边缘像素点，拟合得到各边缘线对应的各拟合圆；其次根据各拟合圆上的各边缘像素点和各拟合圆对应的边缘线上的各边缘像素点，得到各边缘线对应的目标可信度；最后根据各边缘线对应的目标可信度，判断各边缘线上是否存在毛刺像素点，若是，则对切削加工的磨床设备进行调控。本发明提供的汽车零部件加工的智能控制方法能分析得到较准确的打磨质量，进而基于分析得到的较准确的打磨质量能对汽车零部件刹车盘的磨床设备进行较可靠的调控。

优选的，根据所述灰度图像上各像素点对应的梯度，对所述灰度图像进行滤波处理的方法，包括：

设置初始滤波窗口，将所述初始滤波窗口记为第一窗口；

利用第一窗口对所述灰度图像进行遍历，得到所述灰度图像对应的各第一窗口区域；

计算各第一窗口区域中各像素点灰度值的方差，得到各第一窗口区域对应的方差；判断各第一窗口区域对应的方差是否小于等于预设方差阈值，若是，则将对应第一窗口区域记为目标第一窗口区域；否则，则将对应第一窗口区域记为第二窗口区域；

根据各目标第一窗口对应的窗口尺寸和各目标第一窗口区域对应的滤波模板，对各目标第一窗口区域中的中心像素点进行滤波处理；

将各第二窗口区域对应的窗口的长和宽均减去预设长度，将所述减去预设长度后的各第二窗口区域记为第三窗口区域；

计算各第三窗口区域中的各像素点灰度值的方差，得到各第三窗口区域对应的方差；判断各第三窗口区域对应的方差是否小于等于预设方差阈值，若是，则将对应第三窗口区域记为目标第三窗口区域；否则，则将对应第三窗口区域记为第四窗口区域；

根据各目标第三窗口区域对应的窗口尺寸和各目标第三窗口区域对应的滤波模板，对各目标第三窗口区域的中心像素点进行滤波处理；

将各第四窗口区域对应的窗口的长和宽均减去预设长度，将所述减去预设长度后的各第四窗口区域记为第五窗口区域；

计算各第五窗口区域中的各像素点灰度值的方差，得到各第五窗口区域对应的方差；判断各第五窗口区域对应的方差是否小于等于预设方差阈值，若是，则将对应第五窗口区域记为目标第五窗口区域；否则，则将对应第五窗口区域记为第六窗口区域；

根据各目标第五窗口区域对应的窗口尺寸和各目标第五窗口区域的滤波模板对各目标第五窗口区域的中心像素点进行滤波处理；以此类推，对各第六窗口区域对应的窗口尺寸进行缩放，直至缩放后的窗口尺寸和预设最小窗口尺寸相等时停止缩放，将缩放后和预设最小窗口尺寸相等的各窗口区域记为最小窗口区域；

对于各最小窗口区域中的任一最小窗口区域：

计算该最小窗口区域中的各像素点灰度值的方差，得到该最小窗口区域对应的方差；若该最小窗口区域对应的方差大于预设方差阈值，则将对应最小窗口区域记为特征最小窗口区域；获取特征最小窗口区域对应的各可选像素点；根据所述可选像素点对应的滤波模板值对对应的特征最小窗口区域的中心像素点进行滤波处理；

若该最小窗口区域对应的方差小于等于预设方差阈值，则根据该最小窗口区域对应的窗口尺寸和该最小窗口区域的滤波模板对该最小窗口区域的中心像素点进行滤波处理。

优选的，获得滤波模板的方法，包括：

对于目标第一窗口区域：

根据各目标第一窗口区域中最外层的各像素点灰度值和对应目标第一窗口区域中的中心像素点灰度值，得到各目标第一窗口区域对应的尺度因子；

获取所述灰度图像上各像素点在横轴方向的梯度和在纵轴方向的梯度；根据各目标第一窗口区域对应的尺度因子、各目标第一窗口区域中各像素点在横轴方向的梯度和在纵轴方向的梯度，得到各目标第一窗口区域中各像素点对应的滤波模板值；

根据各目标第一窗口区域中各像素点对应的滤波模板值，得到各目标第一窗口区域对应的滤波模板；所述滤波模板包括对应目标第一窗口区域中各像素点对应的滤波模板值。

优选的，获得尺度因子的方法，包括：

对于目标第一窗口区域：

获取各目标第一窗口区域中最外层的各像素点，根据各目标第一窗口区域中最外层的各像素点，构建得到各目标第一窗口区域对应的特定像素点集合；

计算所述特定像素点集合中各像素点灰度值与对应目标第一窗口区域中的中心像素点灰度值之间的灰度值差值的绝对值，记为第一灰度差异；

根据各目标第一窗口区域对应的各第一灰度差异，得到各目标第一窗口区域对应的尺度因子。

优选的，对于任一目标第一窗口区域，根据如下公式计算该目标第一窗口区域对应的尺度因子：

其中，

为该目标第一窗口区域对应的尺度因子，

为该目标第一窗口区域对应的第a个第一灰度差异，A为该目标第一窗口区域对应的第一灰度差异的数量。

优选的，对于任一目标第一窗口区域中的任一像素点，根据如下公式计算该像素点位置处的滤波模板值：

其中，

为以该目标第一窗口区域对应的中心像素点为中心时该目标第一窗口区域中第j个像素点位置处的滤波模板值，

为该目标第一窗口区域中第j个像素点在横轴方向的梯度，

为该目标第一窗口区域中第j个像素点在纵轴方向的梯度，

为该目标第一窗口区域对应的尺度因子。

优选的，利用边缘检测算子对滤波图像进行边缘检测，得到目标刹车盘边缘图像的方法，包括：

利用Sobel水平边缘检测算子和Sobel竖直边缘检测算子对滤波图像进行边缘检测，得到水平边缘图像和竖直边缘图像；

根据所述水平边缘图像和竖直边缘图像，得到目标刹车盘边缘图像。

优选的，根据目标刹车盘边缘图像上各边缘线上预设数量的边缘像素点，拟合得到所述各边缘线对应的各拟合圆；根据所述各拟合圆上的各边缘像素点和所述各拟合圆对应的边缘线上的各边缘像素点，得到各边缘线对应的目标可信度的方法，包括：

对于目标刹车盘边缘图像上的任一边缘线：

从该边缘线上随机选取能将该边缘线进行均分的预设数量的边缘像素点，记为第一边缘像素点；根据各第一边缘像素点的坐标，拟合得到圆方程，记为第一拟合圆；统计位于第一拟合圆上的该边缘线上的边缘像素点的数量，并计算不位于第一拟合圆上的该边缘线上的各边缘像素点到该第一拟合圆上的最短距离的和，记为第一距离；根据位于第一拟合圆上的该边缘线上的边缘像素点的数量和第一距离，计算得到第一拟合圆的可信度；

选取各第一边缘像素点在该边缘线上沿着顺时针方向移动预设移动步长后的边缘像素点，记为第二边缘像素点；根据各第二边缘像素点的坐标，拟合得到圆方程，记为第二拟合圆；统计位于第二拟合圆上的该边缘线上的边缘像素点的数量，并计算不位于第二拟合圆上的该边缘线上的各边缘像素点到该第二拟合圆上的最短距离的和，记为第二距离；根据位于第二拟合圆上的该边缘线上的边缘像素点的数量和第二距离，计算得到第二拟合圆的可信度；以此类推，直至选取的预设数量的边缘像素点与初始选取边缘像素点重合时停止拟合，得到该边缘线对应的各拟合圆的可信度；

将最大可信度对应的拟合圆记为该边缘线的目标检测圆，将该边缘线的目标检测圆对应的可信度记为目标可信度。

优选的，根据所述各边缘线对应的目标可信度，判断各边缘线上是否存在毛刺像素点，若是，则对切削加工的磨床设备进行调控的方法，包括：

对于任一边缘线：

判断该边缘线对应的目标可信度是否大于预设第一可信度阈值，若是，则判定该边缘线上不存在毛刺像素点，不需要对磨床设备进行调整；否则，则继续判断该边缘线对应的目标可信度是否小于预设第二可信度阈值，若是，则判定该边缘线上存在毛刺像素点，提示工作人员对刹车盘磨床设备的参数进行调控；否则，则继续判断该边缘线对应的目标可信度是否大于等于预设第二可信度阈值小于等于预设第一可信度阈值，若是，则得到该边缘线上的各毛刺像素点。

优选的，获得该边缘线上的各毛刺像素点的方法，包括：

获取该边缘线上各个边缘像素点的切线，计算各个边缘像素点的切线与竖直方向的夹角，得到该边缘线上的各边缘像素点对应的夹角；

对于该边缘线上的任一边缘像素点：

获取该边缘像素点对应的邻域边缘像素点集合；所述邻域边缘像素点集合是该边缘线上该边缘像素点左右两侧的各边缘像素点组成的；

根据该边缘像素点和该边缘像素点对应的邻域边缘像素点集合中各边缘像素点的夹角，构建得到该边缘像素点对应的角度序列；

将角度序列中除该角度序列中两端的角度值之外的其余角度记为可选角度；根据预设数据长度和角度序列中的各可选角度的邻域角度，构建得到该边缘像素点对应的角度序列中的各可选角度对应的子角度序列；

计算各子角度序列中相邻角度之间差值的均值，记为角度均值；

将该边缘像素点对应的子角度序列对应的角度均值记为目标角度均值；

计算目标角度均值与除该边缘像素点对应的子角度序列对应的角度均值之外的各角度均值之间差值的绝对值的和，记为该边缘像素点对应的综合差异；

根据该边缘像素点对应的综合差异，得到该边缘像素点对应的毛刺置信度；

根据如下公式计算该边缘像素点对应的毛刺置信度：

其中，

为该边缘像素点对应的毛刺置信度，

为该边缘像素点对应的综合差异；

判断各边缘像素点对应的毛刺置信度是否大于预设毛刺置信度阈值，若是，则判定对应边缘像素点为毛刺像素点；否则，则判定对应边缘像素点不是毛刺像素点。

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为本发明一种用于汽车零部件加工的智能控制方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明实施例，本领域普通技术人员所获得的所有其它实施例，都属于本发明实施例保护的范围。

除非另有定义，本文所使用的所有的技术和科学技术语与属于本发明的技术人员通常理解的含义相同。

本实施例提供了用于汽车零部件加工的智能控制方法，详细说明如下：

如图1所示，该用于汽车零部件加工的智能控制方法，包括以下步骤：

步骤S001，获取对汽车零部件刹车盘打磨后的刹车盘表面灰度图像。

本实施例主要分析的是汽车零部件中的刹车盘，并且主要对磨床设备进行智能控制；因此本实施例根据刹车盘表面灰度图像上各像素点对应的梯度，得到刹车盘表面灰度图像对应的滤波图像；然后利用边缘检测算子对滤波图像进行边缘检测，得到目标刹车盘边缘图像；再根据目标刹车盘边缘图像上各边缘线上预设数量的边缘像素点，拟合得到各边缘线对应的各拟合圆；之后根据各拟合圆上的各边缘像素点和各拟合圆对应的边缘线上的各边缘像素点，得到各边缘线对应的目标可信度；最后根据各边缘线对应的目标可信度，判断各边缘线上是否存在毛刺像素点，若是，则对磨床设备进行调控。本实施例提供的汽车零部件加工的智能控制方法能分析得到较准确的打磨质量或者打磨效果，进而基于分析得到的较准确的打磨质量能对汽车零部件刹车盘的磨床设备进行较可靠的调控。

本实施例主要利用图像采集设备获取打磨后的刹车盘图像数据，将获取的刹车盘图像数据记为对汽车零部件刹车盘打磨后的刹车盘表面图像；对刹车盘表面图像进行灰度化处理，得到刹车盘表面灰度图像；后续基于刹车盘表面灰度图像分析得到刹车盘的打磨质量，后续基于打磨质量对磨床设备的进行调控；所述打磨质量通过刹车盘边缘和刹车盘孔隙边缘的毛刺状况反映，所述图像采集设备包括光源、相机、加工台等装置，并且设置相机位于加工台上方，并以俯视视角对打磨后的汽车零部件刹车盘进行图像采集。

步骤S002，根据所述灰度图像上各像素点对应的梯度，对所述灰度图像进行滤波处理，得到所述灰度图像对应的滤波图像；利用边缘检测算子对滤波图像进行边缘检测，得到目标刹车盘边缘图像。

在对汽车零部件刹车盘进行切削加工时，一般要通过铣床、磨床等对其表面打磨；在正常的加工情况下，依据标准打磨时间段对刹车盘进行打磨后的刹车盘表面为光滑无毛刺的状态；但是若刹车盘打磨过程中的磨床设备参数设置不合适，刹车盘的打磨质量会受到影响，即若依据标准打磨时间段对刹车盘进行打磨过程中磨床设备的参数设置不合适，可能使得打磨后的刹车盘表面出现毛刺；本实施例将打磨后的刹车盘表面是否出现毛刺作为后续判断是否对磨床设备进行调控或者是否对打磨过程进行预警的依据。又考虑到一般刹车盘表面存在固有孔隙，所述孔隙主要作用为增加空气流通，提高散热性能，快速排除摩擦产生的粉尘，能提高刹车片的抗热衰性能；而为了实现对刹车盘表面打磨质量的准确分析，本实施例将对各孔隙边缘信息以及刹车盘边缘打磨质量进行分析，主要是分析毛刺状况，并且为了便于后续对磨床设备的控制，本实施例对刹车盘上的各孔隙进行编号，即方便后续对刹车盘的再次打磨；由于传统的边缘检测算子检测刹车盘边缘以及孔隙边缘时，可能由于追求平滑效果而导致细小毛刺被平滑掉，无法较为准确的分析得到打磨质量，因此本实施例构建自适应边缘检测过程，实现对边缘信息的精确分析，即本实施例基于刹车盘表面灰度图像上各像素点对应的梯度，对灰度图像进行滤波处理，得到刹车盘表面灰度图像对应的滤波图像；之后利用边缘检测算子对滤波图像进行边缘检测，得到目标刹车盘边缘图像；所述目标刹车盘边缘图像为后续判断刹车盘表面上是否出现毛刺的基础。具体为：

首先对刹车盘表面灰度图像进行平滑处理，并且为了实现依据局部信息对边缘进行准确的提取，本实施例先设置较大的初始滤波窗口，设置初始滤波窗口尺寸为9*9，将初始滤波窗口记为第一窗口；利用初始滤波窗口对刹车盘表面灰度图像进行遍历，得到刹车盘表面灰度图像对应的各第一窗口区域；设置窗口滑动步长为一个像素点；并且为了细小毛刺不被平滑掉，本实施例基于灰度图像中像素点的梯度信息构建滤波模板，提高边缘提取的精度，但是又考虑到窗口尺寸过大将会导致图像细节信息不完整，造成信息的丢失，因此本实施例依据窗口区域内像素点的灰度信息对第一窗口的尺寸进行自适应调控。具体为：

计算各第一窗口区域中各像素点灰度值的方差，得到各第一窗口区域对应的方差；判断各第一窗口区域对应的方差是否小于等于预设方差阈值，若是，则将对应第一窗口区域记为目标第一窗口区域；否则，则将对应第一窗口区域记为第二窗口区域；所述预设方差阈值需要根据实际情况设置。

获取各目标第一窗口区域中最外层的各像素点，根据各目标第一窗口区域中最外层的各像素点，构建得到各目标第一窗口区域对应的特定像素点集合；计算各目标第一窗口区域对应的特定像素点集合中各像素点灰度值与对应目标第一窗口区域中的中心像素点灰度值之间的灰度值差值的绝对值，并对所述灰度值差值的绝对值进行归一化处理，将归一化处理后的灰度值差值的绝对值记为第一灰度差异，所述第一灰度差异的值处于(0，1)；根据各目标第一窗口区域对应的各第一灰度差异，得到各目标第一窗口区域对应的尺度因子；所述尺度因子能更好的实现对边缘细小毛刺的精确检测，并且可以使得后续所获取的各目标第一窗口区域对应的滤波模板更加具有针对性。对于任一目标第一窗口区域，根据如下公式计算该目标第一窗口区域对应的尺度因子：

其中，

为该目标第一窗口区域对应的尺度因子，

为该目标第一窗口区域对应的第a个第一灰度差异，A为该目标第一窗口区域对应的第一灰度差异的数量，A的值和该目标第一窗口区域对应的特殊像素点集合中像素点的数量相等；

越大，表明该目标第一窗口区域对应的尺度因子越小；本实施例中A=32。

接下来获取刹车盘表面灰度图像上各像素点在横轴方向的梯度和在纵轴方向的梯度；根据各目标第一窗口区域对应的尺度因子、各目标第一窗口区域中各像素点在横轴方向的梯度和在纵轴方向的梯度，得到各目标第一窗口区域中各像素点对应的滤波模板值；对于任一目标第一窗口区域中的任一像素点，根据如下公式计算该像素点位置处的滤波模板值：

其中，

为以该目标第一窗口区域对应的中心像素点为中心时该目标第一窗口区域中第j个像素点位置处的滤波模板值，

为该目标第一窗口区域中第j个像素点在横轴方向的梯度，

为该目标第一窗口区域中第j个像素点在纵轴方向的梯度，

为该目标第一窗口区域对应的尺度因子。

越小，表明该目标第一窗口区域对应的各第一灰度差异越大，即当

越小时，应当降低窗口中远处像素点对中心像素点的影响程度，以实现不同窗口的滤波模板的自适应设定。

因此通过上述方式可以得到各目标第一窗口区域中各像素点对应的滤波模板值，根据各目标第一窗口区域中各像素点对应的滤波模板值，得到各目标第一窗口区域对应的滤波模板，所述滤波模板包括对应目标第一窗口区域中各像素点对应的滤波模板值。由于各目标第一窗口区域对应的方差小于等于预设方差阈值，因此表明各目标第一窗口区域中的灰度变化程度较小，可以直接根据各目标第一窗口对应的窗口尺寸和各目标第一窗口区域的滤波模板对各目标第一窗口区域中的中心像素点进行滤波处理。而由于各第二窗口区域对应的方差大于预设方差阈值，因此可以表明各第二窗口区域中的灰度变化程度较大，为保留灰度图像中的细节信息，提高后续细小毛刺点的识别精度，需要对各第二窗口区域对应的窗口尺寸进行缩放处理。

本实施例将各第二窗口区域对应的窗口的长和宽都减去预设长度，本实施例设置预设长度为2；将所述减去预设长度后的各第二窗口区域记为第三窗口区域，本实施例中所述第三窗口区域的尺寸为7*7；然后计算各第三窗口区域中的各像素点灰度值的方差，得到各第三窗口区域对应的方差；判断各第三窗口区域对应的方差是否小于等于预设方差阈值，若是，则将对应第三窗口区域记为目标第三窗口区域；否则，则将对应第三窗口区域记为第四窗口区域。

又因为各目标第三窗口区域对应的方差小于等于预设方差阈值，因此表明各目标第三窗口区域中的灰度变化程度较小，可以直接根据各目标第三窗口区域对应的窗口尺寸和各目标第三窗口区域的滤波模板对各目标第三窗口区域的中心像素点进行滤波处理；所述各目标第三窗口区域的滤波模板也是根据各目标第三窗口区域中各像素点对应的滤波模板值和各目标第三窗口区域对应的尺度因子得到的；所述目标第三窗口区域对应的尺度因子、目标第三窗口区域中各像素点对应的滤波模板值的获取方式和上述目标第一窗口区域对应的尺度因子、目标第一窗口区域中各像素点对应的滤波模板值的获取方式相同。

由于各第四窗口区域对应的方差大于预设方差阈值，因此表明各第四窗口区域中的灰度变化程度较大，需要对各第四窗口区域对应的窗口尺寸进行缩放；同样的，将各第四窗口区域对应的窗口的长和宽都减去预设长度；将所述减去预设长度后的各第四窗口区域记为第五窗口区域，本实施例中第五窗口区域的尺寸为5*5；然后计算各第五窗口区域中的各像素点灰度值的方差，得到各第五窗口区域对应的方差；同样的，判断各第五窗口区域对应的方差是否小于等于预设方差阈值，若是，则将对应第五窗口区域记为目标第五窗口区域；否则，则将对应第五窗口区域记为第六窗口区域。

同样的，根据各目标第五窗口区域对应的窗口尺寸和各目标第五窗口区域的滤波模板直接对各目标第五窗口区域的中心像素点进行滤波处理；并且各目标第五窗口区域对应尺度因子、目标第五窗口区域中各像素点对应的滤波模板值的获取方式和上述目标第一窗口区域对应的尺度因子、目标第一窗口区域中各像素点对应的滤波模板值的获取方式相同。然后对各第六窗口区域对应的窗口尺寸进行缩放，缩放方式和上述第二窗口区域的缩放方式相同，以此类推，直至缩放后的窗口尺寸和预设最小窗口尺寸相等时停止缩放，并将缩放后和预设最小窗口尺寸相等的各窗口区域记为最小窗口区域；本实施例设置预设最小窗口尺寸为3*3。对于各最小窗口区域中的任一最小窗口区域：

计算该最小窗口区域中的各像素点灰度值的方差，得到该最小窗口区域对应的方差；若该最小窗口区域对应的方差大于预设方差阈值，则将对应最小窗口区域记为特征最小窗口区域，并且为了实现对像素点进行平滑处理的同时又能较好地保留图像像素点的边缘细节信息，本实施例对特征最小窗口区域内的像素点的选取进行调控，又考虑到图像中的边缘信息是连续的，因此本实施例计算该特征最小窗口区域中各像素点的梯度幅值和梯度方向，并将该特征最小窗口区域中梯度幅值和梯度方向与该特征最小窗口区域中的中心像素点的梯度幅值和梯度方向均相同的像素点记为该特征最小窗口区域对应的可选像素点，并基于可选像素点对应的滤波模板值对对应的特征最小窗口区域的中心像素点进行滤波处理，所述可选像素点对应的滤波模板值的获取方式和上述目标第一窗口区域中各像素点对应的滤波模板值的获取方式相同。若该最小窗口区域对应的方差小于等于预设方差阈值，则直接根据该最小窗口区域对应的窗口尺寸和该最小窗口区域的滤波模板对该最小窗口区域的中心像素点进行滤波处理。因此通过上述过程可以实现对刹车盘表面灰度图像的滤波处理，得到刹车盘表面灰度图像对应的滤波图像；并且上述滤波方式降低了灰度图像中的高亮噪点，同时也保留了灰度图像中的边缘细节信息，提高后续毛刺检测的精度。

然后本实施例利用Sobel水平和竖直边缘检测算子分别对滤波图像进行边缘检测，得到目标刹车盘边缘图像，即

，其中，

为利用水平边缘检测算子得到的水平边缘图像，

为利用竖直边缘检测算子得到的竖直边缘图像，F为目标刹车盘边缘图像；所述Sobel边缘检测算子提取边缘的具体过程为公知技术，因此不再详细描述。

步骤S003，根据目标刹车盘边缘图像上各边缘线上预设数量的边缘像素点，拟合得到所述各边缘线对应的各拟合圆；根据所述各拟合圆上的各边缘像素点和所述各拟合圆对应的边缘线上的各边缘像素点，得到各边缘线对应的目标可信度。

本实施例基于目标刹车盘边缘图像对刹车盘的毛刺状况进行分析，主要是分析目标刹车盘边缘图像上的边缘线，并且为了降低计算量，本实施例将利用随机采样的方式对边缘线上的边缘像素点进行分析；所述毛刺状况可以反映打磨质量；具体为：

对于目标刹车盘边缘图像上的任一边缘线：

首先从该边缘线上随机选取能将该边缘线进行均分的三个边缘像素点，并记为第一边缘像素点；然后根据三个第一边缘像素点的坐标，拟合得到圆方程，并记为第一拟合圆；然后统计位于第一拟合圆上的该边缘线上的边缘像素点的数量，并计算不位于第一拟合圆上的该边缘线上的各边缘像素点到该第一拟合圆上的最短距离的和，记为第一距离；根据位于第一拟合圆上的该边缘线上的边缘像素点的数量和第一距离，计算得到第一拟合圆的可信度。然后选取三个第一边缘像素点在该边缘线上沿着顺时针方向移动预设移动步长后的边缘像素点，记为第二边缘像素点；根据三个第二边缘像素点的坐标，拟合得到圆方程，并记为第二拟合圆；然后统计位于第二拟合圆上的该边缘线上的边缘像素点的数量，并计算不位于第二拟合圆上的该边缘线上的各边缘像素点到该第二拟合圆上的最短距离的和，记为第二距离；根据位于第二拟合圆上的该边缘线上的边缘像素点的数量和第二距离，计算得到第二拟合圆的可信度；以此类推，直至选取的三个边缘像素点与初始选取的三个第一边缘像素点重合时停止拟合，得到该边缘线对应的各拟合圆的可信度，并对该边缘线对应的各拟合圆的可信度进行归一化处理，归一化的可信度值处于(0，1)；然后将最大可信度对应的拟合圆记为该边缘线的目标检测圆，将该边缘线的目标检测圆对应的可信度记为目标可信度，目标可信度主要用于对该边缘线上毛刺状况的分析。因此通过上述过程可以得到各边缘线对应的目标可信度；所述预设移动步长需要根据实际情况设置。

步骤S004，根据所述各边缘线对应的目标可信度，判断各边缘线上是否存在毛刺像素点，若是，则对切削加工的磨床设备进行调控。

本实施例通过分析各边缘线对应的目标可信度，对各边缘线上毛刺状况进行分析检测，具体为：

对于任一边缘线：

判断该边缘线对应的目标可信度是否大于预设第一可信度阈值，若是，则判定该边缘线上不存在毛刺像素点，打磨效果较好，并且不需要对磨床设备进行调整；否则，则继续判断该边缘线对应的目标可信度是否小于预设第二可信度阈值，若是，则判定该边缘线上存在毛刺像素点，并且认为磨床设备参数设置不佳，在标准打磨时间段内对刹车盘的打磨加工无法达到最低要求的打磨效果，系统将作出预警，及时提示工作人员对刹车盘磨床设备的参数进行调控；所述进行调控的具体参数需要相关人员根据实际情况进行设置；否则，则继续判断该边缘线对应的目标可信度是否大于等于预设第二可信度阈值小于等于预设第一可信度阈值，若是，则获得该边缘线上的各毛刺像素点；所述预设第一可信度阈值和预设第二可信度阈值都需要根据实际情况进行设置。所述获得该边缘线上的各毛刺像素点的具体过程为：

获取该边缘线上各个边缘像素点的切线，并计算各个边缘像素点的切线与竖直方向的夹角，得到该边缘线上的各边缘像素点对应的夹角。对于该边缘线上的任一边缘像素点：

获取该边缘像素点对应的邻域边缘像素点集合；所述邻域边缘像素点集合是由该边缘线上该边缘像素点左右两侧的各边缘像素点组成的，所述该边缘像素点左右两侧的边缘像素点为该边缘像素点左侧连续的预设第一数量的边缘像素点和该边缘像素点右侧连续的预设第一数量的边缘像素点；所述预设第一数量需要根据实际情况进行设置，本实施例设置所述预设第一数量v为3；根据该边缘像素点和该边缘像素点对应的邻域边缘像素点集合中各边缘像素点的夹角，构建得到该边缘像素点对应的角度序列：

，其中，

为该边缘像素点对应的角度，

为该边缘像素点左侧第一个边缘像素点对应的角度，

为该边缘像素点右侧第一个边缘像素点对应的角度，

为该边缘像素点左侧第v个边缘像素点对应的角度，

为该边缘像素点右侧第v个边缘像素点对应的角度。

本实施例主要是基于该像素点对应的邻域边缘像素点的夹角变化情况来对该像素点的毛刺置信度进行分析计算；因此本实施例将角度序列中除该角度序列中两端的角度值之外的其余角度记为可选角度；根据预设数据长度和角度序列中的各可选角度的邻域角度，构建得到该边缘像素点对应的角度序列中的各可选角度对应的子角度序列；本实施例设置预设数据长度为3，即子角度序列的数据长度为3；所述角度序列中的各可选角度对应的子角度序列为：

，其中，

为该边缘像素点对应的角度序列中第一个可选角度对应的子角度序列，

为该边缘像素点对应的角度序列中第c个可选角度对应的子角度序列，

为该边缘像素点对应的角度序列中最后一个可选角度对应的子角度序列；计算各子角度序列中相邻角度之间差值的均值，记为角度均值；将该边缘像素点对应的角度序列中第c个可选角度对应的子角度序列对应的角度均值记为目标角度均值；计算目标角度均值与其余角度均值之间差值的绝对值的和，记为该边缘像素点对应的综合差异；根据该边缘像素点对应的综合差异，得到该边缘像素点对应的毛刺置信度；根据如下公式计算该边缘像素点对应的毛刺置信度：

其中，

为该边缘像素点对应的毛刺置信度，

为该边缘像素点对应的综合差异。

越大，表明该边缘像素点为毛刺像素点的可能性越大。

因此通过上述过程可以得到各边缘线上各边缘像素点对应的毛刺置信度；然后判断各边缘像素点对应的毛刺置信度是否大于预设毛刺置信度阈值，若是，则判定对应边缘像素点为毛刺像素点，并记录该边缘像素点的位置信息；否则，则判定对应边缘像素点不是毛刺像素点。根据上述记录的各毛刺像素点的位置信息，可以得到刹车盘上的毛刺区域；根据刹车盘上的毛刺区域，控制磨床设备的参数对刹车盘毛刺区域进行针对性的打磨处理；具体的控制策略需要相关工作人员根据实际情况进行设置。本实施例能在磨床设备对刹车盘打磨质量不理想时及时发现并对磨床设备进行调整，使得磨床设备对后续生产的刹车盘的打磨质量较好。

有益效果：本实施例通过对灰度图像上各像素点对应的梯度进行分析，得到所述灰度图像对应的滤波图像；并利用边缘检测算子对滤波图像进行边缘检测，得到目标刹车盘边缘图像；然后根据目标刹车盘边缘图像上各边缘线上预设数量的边缘像素点，拟合得到各边缘线对应的各拟合圆；其次根据各拟合圆上的各边缘像素点和各拟合圆对应的边缘线上的各边缘像素点，得到各边缘线对应的目标可信度；最后根据各边缘线对应的目标可信度，判断各边缘线上是否存在毛刺像素点，若是，则对切削加工的磨床设备进行调控。本实施例提供的汽车零部件加工的智能控制方法能分析得到较准确的打磨质量，进而基于分析得到的较准确的打磨质量能对汽车零部件刹车盘的磨床设备进行较可靠的调控。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (6)

1.一种用于汽车零部件加工的智能控制方法，其特征在于，该方法包括如下步骤：

获取对汽车零部件刹车盘打磨后的刹车盘表面灰度图像；

根据所述灰度图像上各像素点对应的梯度，对所述灰度图像进行滤波处理，得到所述灰度图像对应的滤波图像；利用边缘检测算子对滤波图像进行边缘检测，得到目标刹车盘边缘图像；

根据目标刹车盘边缘图像上各边缘线上预设数量的边缘像素点，拟合得到所述各边缘线对应的各拟合圆；根据所述各拟合圆上的各边缘像素点和所述各拟合圆对应的边缘线上的各边缘像素点，得到各边缘线对应的目标可信度；

根据所述各边缘线对应的目标可信度，判断各边缘线上是否存在毛刺像素点，若是，则对切削加工的磨床设备进行调控；

所述根据所述灰度图像上各像素点对应的梯度，对所述灰度图像进行滤波处理的方法，包括：

设置初始滤波窗口，将所述初始滤波窗口记为第一窗口；

利用第一窗口对所述灰度图像进行遍历，得到所述灰度图像对应的各第一窗口区域；

计算各第一窗口区域中各像素点灰度值的方差，得到各第一窗口区域对应的方差；判断各第一窗口区域对应的方差是否小于等于预设方差阈值，若是，则将对应第一窗口区域记为目标第一窗口区域；否则，则将对应第一窗口区域记为第二窗口区域；

根据各目标第一窗口对应的窗口尺寸和各目标第一窗口区域对应的滤波模板，对各目标第一窗口区域中的中心像素点进行滤波处理；

将各第二窗口区域对应的窗口的长和宽均减去预设长度，将所述减去预设长度后的各第二窗口区域记为第三窗口区域；

计算各第三窗口区域中的各像素点灰度值的方差，得到各第三窗口区域对应的方差；判断各第三窗口区域对应的方差是否小于等于预设方差阈值，若是，则将对应第三窗口区域记为目标第三窗口区域；否则，则将对应第三窗口区域记为第四窗口区域；

根据各目标第三窗口区域对应的窗口尺寸和各目标第三窗口区域对应的滤波模板，对各目标第三窗口区域的中心像素点进行滤波处理；

将各第四窗口区域对应的窗口的长和宽均减去预设长度，将所述减去预设长度后的各第四窗口区域记为第五窗口区域；

计算各第五窗口区域中的各像素点灰度值的方差，得到各第五窗口区域对应的方差；判断各第五窗口区域对应的方差是否小于等于预设方差阈值，若是，则将对应第五窗口区域记为目标第五窗口区域；否则，则将对应第五窗口区域记为第六窗口区域；

根据各目标第五窗口区域对应的窗口尺寸和各目标第五窗口区域的滤波模板对各目标第五窗口区域的中心像素点进行滤波处理；以此类推，对各第六窗口区域对应的窗口尺寸进行缩放，直至缩放后的窗口尺寸和预设最小窗口尺寸相等时停止缩放，将缩放后和预设最小窗口尺寸相等的各窗口区域记为最小窗口区域；

对于各最小窗口区域中的任一最小窗口区域：

计算该最小窗口区域中的各像素点灰度值的方差，得到该最小窗口区域对应的方差；若该最小窗口区域对应的方差大于预设方差阈值，则将对应最小窗口区域记为特征最小窗口区域；获取特征最小窗口区域对应的各可选像素点；根据所述可选像素点对应的滤波模板值对对应的特征最小窗口区域的中心像素点进行滤波处理；

若该最小窗口区域对应的方差小于等于预设方差阈值，则根据该最小窗口区域对应的窗口尺寸和该最小窗口区域的滤波模板对该最小窗口区域的中心像素点进行滤波处理；

获得滤波模板的方法，包括：

对于目标第一窗口区域：

根据各目标第一窗口区域中最外层的各像素点灰度值和对应目标第一窗口区域中的中心像素点灰度值，得到各目标第一窗口区域对应的尺度因子；

获取所述灰度图像上各像素点在横轴方向的梯度和在纵轴方向的梯度；根据各目标第一窗口区域对应的尺度因子、各目标第一窗口区域中各像素点在横轴方向的梯度和在纵轴方向的梯度，得到各目标第一窗口区域中各像素点对应的滤波模板值；

根据各目标第一窗口区域中各像素点对应的滤波模板值，得到各目标第一窗口区域对应的滤波模板；所述滤波模板包括对应目标第一窗口区域中各像素点对应的滤波模板值；

所述根据所述各边缘线对应的目标可信度，判断各边缘线上是否存在毛刺像素点，若是，则对切削加工的磨床设备进行调控的方法，包括：

对于任一边缘线：

判断该边缘线对应的目标可信度是否大于预设第一可信度阈值，若是，则判定该边缘线上不存在毛刺像素点，不需要对磨床设备进行调整；否则，则继续判断该边缘线对应的目标可信度是否小于预设第二可信度阈值，若是，则判定该边缘线上存在毛刺像素点，提示工作人员对刹车盘磨床设备的参数进行调控；否则，则继续判断该边缘线对应的目标可信度是否大于等于预设第二可信度阈值小于等于预设第一可信度阈值，若是，则得到该边缘线上的各毛刺像素点；

获得该边缘线上的各毛刺像素点的方法，包括：

获取该边缘线上各个边缘像素点的切线，计算各个边缘像素点的切线与竖直方向的夹角，得到该边缘线上的各边缘像素点对应的夹角；

对于该边缘线上的任一边缘像素点：

获取该边缘像素点对应的邻域边缘像素点集合；所述邻域边缘像素点集合是该边缘线上该边缘像素点左右两侧的各边缘像素点组成的；

根据该边缘像素点和该边缘像素点对应的邻域边缘像素点集合中各边缘像素点的夹角，构建得到该边缘像素点对应的角度序列；

将角度序列中除该角度序列中两端的角度值之外的其余角度记为可选角度；根据预设数据长度和角度序列中的各可选角度的邻域角度，构建得到该边缘像素点对应的角度序列中的各可选角度对应的子角度序列；

计算各子角度序列中相邻角度之间差值的均值，记为角度均值；

将该边缘像素点对应的子角度序列对应的角度均值记为目标角度均值；

计算目标角度均值与除该边缘像素点对应的子角度序列对应的角度均值之外的各角度均值之间差值的绝对值的和，记为该边缘像素点对应的综合差异；

根据该边缘像素点对应的综合差异，得到该边缘像素点对应的毛刺置信度；

根据如下公式计算该边缘像素点对应的毛刺置信度：

其中，

为该边缘像素点对应的毛刺置信度，

为该边缘像素点对应的综合差异；

判断各边缘像素点对应的毛刺置信度是否大于预设毛刺置信度阈值，若是，则判定对应边缘像素点为毛刺像素点；否则，则判定对应边缘像素点不是毛刺像素点。

2.如权利要求1所述的一种用于汽车零部件加工的智能控制方法，其特征在于，获得尺度因子的方法，包括：

对于目标第一窗口区域：

获取各目标第一窗口区域中最外层的各像素点，根据各目标第一窗口区域中最外层的各像素点，构建得到各目标第一窗口区域对应的特定像素点集合；

计算所述特定像素点集合中各像素点灰度值与对应目标第一窗口区域中的中心像素点灰度值之间的灰度值差值的绝对值，记为第一灰度差异；

根据各目标第一窗口区域对应的各第一灰度差异，得到各目标第一窗口区域对应的尺度因子。

3.如权利要求2所述的一种用于汽车零部件加工的智能控制方法，其特征在于，对于任一目标第一窗口区域，根据如下公式计算该目标第一窗口区域对应的尺度因子：

其中，

为该目标第一窗口区域对应的尺度因子，

为该目标第一窗口区域对应的第a个第一灰度差异，A为该目标第一窗口区域对应的第一灰度差异的数量。

4.如权利要求1所述的一种用于汽车零部件加工的智能控制方法，其特征在于，对于任一目标第一窗口区域中的任一像素点，根据如下公式计算该像素点位置处的滤波模板值：

其中，

为以该目标第一窗口区域对应的中心像素点为中心时该目标第一窗口区域中第j个像素点位置处的滤波模板值，

为该目标第一窗口区域中第j个像素点在横轴方向的梯度，

为该目标第一窗口区域中第j个像素点在纵轴方向的梯度，

为该目标第一窗口区域对应的尺度因子。

5.如权利要求1所述的一种用于汽车零部件加工的智能控制方法，其特征在于，所述利用边缘检测算子对滤波图像进行边缘检测，得到目标刹车盘边缘图像的方法，包括：

利用Sobel水平边缘检测算子和Sobel竖直边缘检测算子对滤波图像进行边缘检测，得到水平边缘图像和竖直边缘图像；

根据所述水平边缘图像和竖直边缘图像，得到目标刹车盘边缘图像。

6.如权利要求1所述的一种用于汽车零部件加工的智能控制方法，其特征在于，所述根据目标刹车盘边缘图像上各边缘线上预设数量的边缘像素点，拟合得到所述各边缘线对应的各拟合圆；根据所述各拟合圆上的各边缘像素点和所述各拟合圆对应的边缘线上的各边缘像素点，得到各边缘线对应的目标可信度的方法，包括：

对于目标刹车盘边缘图像上的任一边缘线：

从该边缘线上随机选取能将该边缘线进行均分的预设数量的边缘像素点，记为第一边缘像素点；根据各第一边缘像素点的坐标，拟合得到圆方程，记为第一拟合圆；统计位于第一拟合圆上的该边缘线上的边缘像素点的数量，并计算不位于第一拟合圆上的该边缘线上的各边缘像素点到该第一拟合圆上的最短距离的和，记为第一距离；根据位于第一拟合圆上的该边缘线上的边缘像素点的数量和第一距离，计算得到第一拟合圆的可信度；

选取各第一边缘像素点在该边缘线上沿着顺时针方向移动预设移动步长后的边缘像素点，记为第二边缘像素点；根据各第二边缘像素点的坐标，拟合得到圆方程，记为第二拟合圆；统计位于第二拟合圆上的该边缘线上的边缘像素点的数量，并计算不位于第二拟合圆上的该边缘线上的各边缘像素点到该第二拟合圆上的最短距离的和，记为第二距离；根据位于第二拟合圆上的该边缘线上的边缘像素点的数量和第二距离，计算得到第二拟合圆的可信度；以此类推，直至选取的预设数量的边缘像素点与初始选取边缘像素点重合时停止拟合，得到该边缘线对应的各拟合圆的可信度；

将最大可信度对应的拟合圆记为该边缘线的目标检测圆，将该边缘线的目标检测圆对应的可信度记为目标可信度。

Images