CN115880285A - 一种铝电解电容器引出线异常识别方法 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及一种铝电解电容器引出线异常识别方法，该方法包括：获取铝电解电容器的引出线图像，对引出线图像进行边缘检测，将进行非极大值抑制处理时被抑制的边缘像素点记为断续像素点；选择第一聚类中心和第二聚类中心进行聚类，计算两个聚类中所有断续像素点灰度值的均值和方差；对边缘梯度的进行重新赋值，获得边缘区别较大的梯度值，然后再进行非极大值抑制，获得精细的边缘，进而判断铝电解电容器引出线是否存在毛刺缺陷。本发明使得在非极大值抑制的过程中，将梯度变化较小的边缘像素点也能保留，丢弃的边缘像素点较少，达到精确检测边缘的目的。

Description

一种铝电解电容器引出线异常识别方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种铝电解电容器引出线异常识别方法。

背景技术

电容器高压侧引出线由薄钢片制成，如果制造工艺不良，边缘不平有毛刺或严重弯折，其尖端容易产生电晕，电晕会使油分解、箱壳膨胀、油面下降而造成击穿。另外，在封盖时，转角处如果烧焊时间过长，将内部绝缘烧伤并产生油污和气体，使电压大大下降而损坏。在现有技术中，检测铝电解电容器引出线边缘的缺陷，大多通过阈值分割获得铝电解电容器引出线的边缘，利用该方法进行处理时，阈值的设置影响检测结果的准确性，又因为铝电解电容器引出线的边缘存在毛刺细小的情况，阈值设置的不准确，不能够检测精确的边缘，使得对边缘缺陷的判断不准确。

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铝电解电容器引出线异常识别方法，所采用的技术方案具体如下：

获取铝电解电容器的引出线图像，对引出线图像进行边缘检测，将进行非极大值抑制处理时被抑制的边缘像素点记为断续像素点；

选择断续像素点中灰度值最大和最小的两个像素点分别记为第一聚类中心和第二聚类中心；根据其他断续像素点到聚类中心的距离对各断续像素点进行聚类得到第一聚类和第二聚类，并计算两个聚类中所有断续像素点灰度值的均值和方差；

设置n*n邻域模板，分别计算两个聚类内邻域模板的设定方向的一阶导数，根据所述一阶导数和聚类对应的均值和方差获得各聚类对应的水平与垂直方向的差分，进而根据水平与垂直方向上的差分获得像素点的梯度幅值与梯度方向；

将第一聚类中心和第二聚类中心作为初始种子点，根据像素点的梯度幅值的比值进行区域生长，进而获得边缘的分割像素点，根据梯度对分割像素点进行非极大值抑制处理，获得精细的铝电解电容器引出线的边缘，根据该边缘判断铝电解电容器引出线的缺陷情况。

优选地，所述设置n*n邻域模板具体为设置3*3邻域模板。

优选地，所述水平与垂直方向的差分的获取方法具体为：

式中，

表示水平方向的差分，

表示数值方向的差分。

表示

方向上的一阶导数的均值，

表示第

个聚类的方差。

优选地，所述梯度幅值与梯度方向的获取方法具体为：

式中，

表示梯度幅值，

表示梯度方向，

表示水平方向的差分，

表示数值方向的差分。

优选地，所述根据像素点的梯度幅值的比值进行区域生长包括截止生长条件，具体为：

式中，

为截止生长条件，

表示第i个像素点的梯度幅值，

表示第i+1个像素点的梯度幅值。

优选地，所述根据该边缘判断铝电解电容器引出线的缺陷情况具体为：

对精细的铝电解电容器引出线的边缘进行主成分分析，获得像素点的最大主成分方向，计算边缘点与最大主方向之间的投影距离；若投影距离大于阈值，则该边缘像素点为毛刺缺陷，铝电解电容器引出线的边缘存在缺陷；若投影距离小于阈值，则该边缘像素点属于平整的边缘，铝电解电容器引出线不存在缺陷。

本发明实施例至少具有如下有益效果：

基于canny边缘检测算法进行检测铝电解电容器引出线的准确边缘，对边缘梯度的进行重新赋值，获得边缘区别较大的梯度值，然后再进行非极大值抑制，进而判断铝电解电容器引出线是否存在毛刺缺陷。本发明使得在非极大值抑制的过程中，将梯度变化较小的边缘像素点也能保留，丢弃的边缘像素点较少，达到精确检测边缘的目的。

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是本发明的一种铝电解电容器引出线异常识别方法的方法流程图。

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铝电解电容器引出线异常识别方法，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铝电解电容器引出线异常识别方法的具体方案。

实施例：

本发明所针对的具体场景为：因为铝电解电容器引出线的薄钢片存在毛刺，导致尖端容易产生电晕，使得电容器因为电流过大而产生击穿，影响产品的正常使用，故对铝电解电容器引出线的缺陷进行检测与识别。

请参阅图1，其示出了本发明一个实施例提供的一种铝电解电容器引出线异常识别方法的方法流程图，该方法包括以下步骤：

步骤一，获取铝电解电容器的引出线图像，对引出线图像进行边缘检测，将进行非极大值抑制处理时被抑制的边缘像素点记为断续像素点。

首先，本发明需要对铝电解电容器引出线的缺陷进行检测与识别，因此需要采集铝电解电容器的图像，但是在采集图像的过程中，因为金属的表面会发生光的反射，所以在采集图像时，需要光照均均匀。光线的照射方向为俯视照射，且需要多个光源，从而形成均匀的光线，照射在铝电解电容器的表面。

在采集铝电解电容器的图像后，需要对图像进行处理，去除背景的干扰，获得铝电解电容器引出线的图像，记为引出线图像。在本实施例中，采用DNN语义分割的方式来识别分割图像中的目标，实施者也可选择其他合适的方法去除背景的干扰。

其中，DNN网络的相关内容包括：使用的数据集为俯视采集的铝电解电容器图像数据集，铝电解电容器的样式为多种多样的。需要分割的像素共分为两类，即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，属于铝电解电容器引出线的标注为1。网络的任务是分类，所有使用的loss函数为交叉熵损失函数。通过语义分割得到的0-1掩膜图像与原图像相乘，得到的图像中只含有铝电解电容器引出线的图像，去除了背景的干扰。

然后，需要说明的是，本发明对铝电解电容器引出线的毛刺缺陷进行检测，通过传统的canny边缘检测算法检测铝电解电容器引出线的边缘时，会存在部分边缘缺陷的情况。在非极大值抑制的过程中，会因为边缘的梯度变化较小，造成部分边缘像素点丢失。发明对边缘梯度的进行重新赋值，获得边缘区别较大的梯度值，然后再进行非极大值抑制。使得在非极大值抑制的过程中，将梯度变化较小的边缘像素点也能保留，丢弃的边缘像素点较少，达到精确检测边缘的目的。

本发明需要对铝电解电容器的引出线进行缺陷检测，因为铝电解电容器的引出线会存在边缘不平整和毛刺缺陷，在使用的过程中会造成铝电解电容器的损坏。因此需要检测铝电解电容器引出线的边缘的是否存在毛刺。

因为边缘存在的毛刺比较细小，通过常规的检测手段可能检测不到边缘的小毛刺，使得边缘比较平滑，不能检测到精确的边缘。因此还需要根据检测的粗边缘进行边缘像素的修正，获得准确的细边缘。本实施例使用canny边缘检测算法，获得铝电解电容器引出线的边缘，并对获得的边缘进行去噪处理，所使用的去噪方法为均值滤波去噪，该方法为现有已知技术，在此不再赘述。

在对铝电解电容器的引出线图像进行边缘检测处理后得到边缘检测图像，因为在对铝电解电容器的引出线图像进行边缘检测时，是根据边缘像素点的灰度变化获得边缘像素点的梯度幅值与方向，然后进行非极大值抑制。在进行非极大值抑制处理时，是沿着梯度方向对幅值进行非极大值抑制，而非边缘方向。但是沿着梯度方向进行非极大值抑制容易造成边缘像素点的灰度值变化较小时，形成伪边缘的情况，使得检测的结果不准确。

因此本发明根据铝电解电容器的引出线图像的边缘检测的实际情况，对canny边缘检测算法进行一定的自适应改进，使得在检测铝电解电容器引出线的边缘时，能够检测到边缘的毛刺缺陷。将第一次经过边缘检测的结果记为粗边缘，即粗边缘表示该边缘信息较为粗糙，不够精细。

在粗边缘的基础上再进行边缘的修正，使得能够检测到精细的边缘。边缘的修正是基于粗边缘的基础上进行的，所以在根据梯度进行非极大值抑制时，首先需要获得精梯度，才能沿着梯度的方向获得准确的值。而精梯度不只是根据邻域像素点的灰度值进行计算的，需要根据边缘区域的灰度连续性获得。

最后，边缘的梯度是反映边缘变化剧烈程度的描述，为了得到精边缘，首先对得到的粗边缘进行划分，因为第一次进行边缘检测时，会因为非极大值抑制与双阈值筛选时，因为边缘灰度变化较小，检测到的部分边缘不连续，因此会形成断断续续的边缘，而断裂的边缘上有可能存在毛刺缺陷，会造成有用信息的损失。

边缘区域根据获得的边缘是否连续进行划分，因为在第一次canny边缘检测进行非极大值抑制时，将一部分梯度较小的点去除了，才会使得检测的边缘不准确。因此在进行第一次边缘检测非极大值抑制时，将小于舍弃的边缘像素点进行标记，即将在进行非极大值抑制处理时被抑制的边缘像素点记为断续像素点，这些标记像素点就是canny边缘检测图像缺少的像素点。由这些像素点组成不同的区域，后续对这些区域进行分析。

步骤二，选择断续像素点中灰度值最大和最小的两个像素点分别记为第一聚类中心和第二聚类中心；根据其他断续像素点到聚类中心的距离对各断续像素点进行聚类得到第一聚类和第二聚类，并计算两个聚类中所有断续像素点灰度值的均值和方差。

具体地，根据划分的边缘断续区域选取两个像素点作为聚类中心，其灰度值为

和

，

为此区域的灰度最大值，

为此区域的灰度最小值，则将灰度值最大和最小的两个像素点分别记为第一聚类中心和第二聚类中心，计算图像中剩余像素点到聚类中心的距离，并将其划分到最近距离的聚类中心中，得到两个子类，分别记为第一聚类和第二聚类。计算两个子类的像素点灰度值的均值，即计算第一聚类和第二聚类的所有像素点的灰度值均值，其公式计算如下：

式中，

表示第

个聚类的聚类中心的灰度值，即为第j个聚类中所有像素点灰度值的均值，

表示第

个子类的像素数量，

表示第

个子类中第

个像素点的灰度值。

计算两个子类的像素点灰度值的方差，即计算第一聚类和第二聚类的所有像素点的灰度值的方差，其计算公式如下：

式中，

表示第

个聚类的方差，

表示第

个子类的像素均值,

，

表示第

个子类中第

个像素点的灰度值，

表示第

个像素点的灰度值与灰度均值的差，

表示第

个子类中所有像素点的与灰度均值的差值平方和，

表示第

个子类中所有像素点的平方和，j在本实施例中的取值为1和2，即计算第一聚类和第二聚类的方差。

边缘像素点的灰度值的差异越小，边缘的梯度变化就很小，说明在进行非极大值抑制时，删掉的像素点就会变多，使得边缘的损失变大。因此根据边缘聚类的方差去评价边缘像素点的灰度差异。通过计算边缘聚类像素点的方差，表示边缘像素点灰度的差异程度，方差越大，灰度的差异越大，方差越小，灰度的差异越小。

步骤三，设置n*n邻域模板，分别计算两个聚类内邻域模板的设定方向的一阶导数，根据所述一阶导数和聚类对应的均值和方差获得各聚类对应的水平与垂直方向的差分，进而根据水平与垂直方向上的差分获得像素点的梯度幅值与梯度方向。

因为梯度的计算直接关系到极大值抑制时像素点的筛选，因此获得区别特征较大的梯度值，在进行非极大值抑制时，能够将适合的像素点保留，只筛选掉一小部分的像素点，因此需要对获得初始边缘像素点的梯度进行重新赋值。

具体地，选取一个n*n邻域模板，在本实施例中n的取值为3，即选择一个3*3邻域模板，分别计算两个聚类内邻域模板的设定方向的一阶导数，在本实施例中，设定方向具体为四个方向，包括0°、45°、90°和135°。即分别计算第一聚类和第二聚类内3*3邻域模板的四个方向的一阶导数

，因为一阶导数会获得精细的边缘，然后根据一阶导数与子类的方差获得水平与垂直方向的差分，计算公式如下：

式中，

表示水平方向的差分，

表示数值方向的差分。

表示

方向上的一阶导数的均值，

表示第

个聚类的方差，因为水平方向实际是

与

之间的夹角，而

与

是在坐标系中是相反的平角，因此这里是加号。

表示在第

个聚类选取的3*3邻域模板中，根据边缘的方差获得的新的差分值。

需要说明的是，计算当前点的梯度方向，并在梯度方向连线与邻域交点进行插值，表示当前梯度方向与邻域之间的变化关系相结合。然后根据水平与垂直方向上的差分获得像素点的梯度幅值与梯度方向，计算公式如下：

式中，

表示梯度幅值，

表示梯度方向。该公式为现有逻辑公式，不在解释。因为在计算梯度的时候采用3*3邻域模板，并且引入了水平与垂直方向的差分，所以能够得到更加精确的边缘。

步骤四，将第一聚类中心和第二聚类中心作为初始种子点，根据像素点的梯度幅值的比值进行区域生长，进而获得边缘的分割像素点，根据梯度对分割像素点进行非极大值抑制处理，获得精细的铝电解电容器引出线的边缘，根据该边缘判断铝电解电容器引出线的缺陷情况。

首先，通过上述方法获得了断续边缘的精梯度，然后根据获得的梯度进行极大值抑制。因为上述步骤中通过边缘检测算法获得了铝电解电容器引出线的粗边缘，因为可能损失掉了部分边缘像素点，因此本发明提出基于区域生长法的非极大值抑制。

因为区域生长法中的初始种子直接决定了被提取的区域，因此生成初始种子是十分重要的步骤。本实施例使用聚类算法获得的聚类中心作为初始种子点，然后根据梯度的变化进行区域生长。因为梯度反映的是边缘像素点的变化程度，梯度变化越小，说明是相似的像素点，梯度变化越大，说明是边缘的像素点或其他区域的像素点。即分别将第一聚类中心和第二聚类中心作为初始种子点，通过计算像素点之间的梯度值的相似情况进行区域生长。

根据梯度进行区域生长获得像素点会获得边缘的截止生长条件，如果不使用约束条件对生长过程进行限制，则将出现过度分割问题，计算公式如下：

式中，

为截止生长条件，

表示第i个像素点的梯度幅值，

表示第i+1个像素点的梯度幅值。若向下生长的过程中，第

个像素点与下一个像素点的梯度幅值比值大于2时，表示梯度变化较大，停止生长。

根据区域生长法获得边缘的分割像素点，然后对分割像素点进行判断，根据梯度进行非极大值抑制。在梯度方向连线与邻域交点进行插值，即使用与交点相邻的两个像素点的梯度值进行插值，其计算方法如下：

式中，

表示

与

的插值。其中

与

表示像素点的梯度。上述公式为现有公式，不做逻辑解释。

然后，将当前像素的梯度强度与沿正负梯度方向上的两个梯度插值点dT1和dT2进行比较，如果当前像素的梯度强度与dT1和dT2的梯度强度相比是最大的，则该像素点的梯度值保留，作为边缘点，否则该像素点的的梯度值将被抑制（梯度值置为0）。这样可以抑制非极大值，保留局部梯度最大的点的梯度值，以得到细化的边缘。

通过上述方法，进行非极大值抑制。然后根据改进的边缘检测算法对图像进行二次边缘检测，获得精细的铝电解电容器引出线的边缘。

最后，获得精细准确的铝电解电容器引出线的边缘，然后对边缘进行判断是否存在毛刺。本实施例根据边缘的平滑程度进行计算。首先对获得的边缘进行PCA主成分分析，获得边缘像素点的最大主成分方向，记为主方向，其主方向为一条直线，通过计算边缘点与主方向之间的投影距离

，表示边缘的平滑程度，若距离越大，表示是毛刺的可能程度越大。此处的阈值为0.12，若

，则表示为毛刺缺陷，若

，则表示为平整的边缘。进而获得铝电解电容器引出线的边缘是否存在缺陷，则需对检测到的缺陷进行标记，便于人工的核验。

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范围，均应包含在本申请的保护范围之内。

Claims (6)

1.一种铝电解电容器引出线异常识别方法，其特征在于，该方法包括以下步骤：

获取铝电解电容器的引出线图像，对引出线图像进行边缘检测，将进行非极大值抑制处理时被抑制的边缘像素点记为断续像素点；

选择断续像素点中灰度值最大和最小的两个像素点分别记为第一聚类中心和第二聚类中心；根据其他断续像素点到聚类中心的距离对各断续像素点进行聚类得到第一聚类和第二聚类，并计算两个聚类中所有断续像素点灰度值的均值和方差；

设置n*n邻域模板，分别计算两个聚类内邻域模板的设定方向的一阶导数，根据所述一阶导数和聚类对应的均值和方差获得各聚类对应的水平与垂直方向的差分，进而根据水平与垂直方向上的差分获得像素点的梯度幅值与梯度方向；

将第一聚类中心和第二聚类中心作为初始种子点，根据像素点的梯度幅值的比值进行区域生长，进而获得边缘的分割像素点，根据梯度对分割像素点进行非极大值抑制处理，获得精细的铝电解电容器引出线的边缘，根据该边缘判断铝电解电容器引出线的缺陷情况。

2.根据权利要求1所述的一种铝电解电容器引出线异常识别方法，其特征在于，所述设置n*n邻域模板具体为设置3*3邻域模板。

3.根据权利要求1所述的一种铝电解电容器引出线异常识别方法，其特征在于，所述水平与垂直方向的差分的获取方法具体为：

式中，

表示水平方向的差分，

表示数值方向的差分；

表示

方向上的一阶导数的均值，

表示第

个聚类的方差。

4.根据权利要求1所述的一种铝电解电容器引出线异常识别方法，其特征在于，所述梯度幅值与梯度方向的获取方法具体为：

式中，

表示梯度幅值，

表示梯度方向，

表示水平方向的差分，

表示数值方向的差分。

5.根据权利要求1所述的一种铝电解电容器引出线异常识别方法，其特征在于，所述根据像素点的梯度幅值的比值进行区域生长包括截止生长条件，具体为：

式中，

为截止生长条件，

表示第i个像素点的梯度幅值，

表示第i+1个像素点的梯度幅值。

6.根据权利要求1所述的一种铝电解电容器引出线异常识别方法，其特征在于，所述根据该边缘判断铝电解电容器引出线的缺陷情况具体为：

对精细的铝电解电容器引出线的边缘进行主成分分析，获得像素点的最大主成分方向，计算边缘点与最大主方向之间的投影距离；若投影距离大于阈值，则该边缘像素点为毛刺缺陷，铝电解电容器引出线的边缘存在缺陷；若投影距离小于阈值，则该边缘像素点属于平整的边缘，铝电解电容器引出线不存在缺陷。

Images