CN116091790B - 电控硅油离合器从动盘质量在线检测系统 - Google Patents
电控硅油离合器从动盘质量在线检测系统 Download PDFInfo
- Publication number
- CN116091790B CN116091790B CN202310277571.9A CN202310277571A CN116091790B CN 116091790 B CN116091790 B CN 116091790B CN 202310277571 A CN202310277571 A CN 202310277571A CN 116091790 B CN116091790 B CN 116091790B
- Authority
- CN
- China
- Prior art keywords
- driven disc
- characteristic
- matching
- richness
- standard
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种电控硅油离合器从动盘质量在线检测系统。该系统通过对待检测从动盘边缘图像中边界线上采样点间的相对位置获得每个采样点的特征参数,通过每个采样对于预设局部范围内边界点的位置变化特征,获得轮廓丰富度,同理获得标准从动盘边缘图像中标准边界点的特征参数和标准轮廓丰富度,根据标准边界点与采样点的特征参数差异获得特征差异值,基于匹配算法获得所有特征差异值对应的匹配差异值,根据轮廓丰富度、标准轮廓丰富度对匹配差异值调整获得匹配损失度,判断从动盘外观轮廓的质量。本发明通过图像处理,减小复杂边缘导致匹配结果误差较大的问题,实现更准确高效的从动盘质量在线检测。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种电控硅油离合器从动盘质量在线检测系统。
背景技术
电控硅油离合器从动盘一般情况下安装在发动机与变速箱之间的飞轮壳内,装在这个位置主要是为了使发动机的扭矩能正常的传输给变速箱,进而使汽车起步更加稳定。如果离合器从动盘出现质量问题,将会导致从动摩擦片损坏严重,使得汽车起步的时候出现换挡困难、离合器发抖等问题,因此,生产完成的电控硅油离合器从动盘在进行出厂使用之前,需要对其进行质量检测,以保证从动盘表面的质量,避免后期使用过程中的一系列问题。
目前对于离合器从动盘的质量检测多通过人工或者相关检测仪器进行检测,该过程将会对从动盘进行接触,极易对从动盘产生二次损坏。而现有对于外观检测的方法中仅基于从动盘本身的边缘特点进行检测,质量检测精度不高,且检测过程复杂,检测效率过低。在另一些采用扫描从动盘后与标准样进行比对的自动化质量检测中,检测方法没有考虑到边缘形状的复杂情况,采用的特征指标过于单一,容易受到复杂边缘的影响且计算量较大,进而导致最终的质量检测结果出现误差,质量检测效率较低。
发明内容
为了解决现有技术中检测方法没有考虑到边缘形状的复杂情况,采用的特征指标过于单一,容易受到复杂边缘的影响且计算量较大的技术问题,本发明的目的在于提供一种电控硅油离合器从动盘质量在线检测系统,所采用的技术方案具体如下。
本发明提供了一种电控硅油离合器从动盘质量在线检测系统,所述系统包括。
数据采集模块,用于获取待检测从动盘边缘图像和标准从动盘边缘图像,在所述待检测从动盘边缘图像的边界线上均匀设置预设数量个采样点。
特征获取模块,用于根据所述待检测从动盘边缘图像中每个所述采样点与其他采样点之间的相对位置,获得每个所述采样点的特征参数;根据每个所述采样点预设局部邻域范围内边界点的位置变化特征,确定所述待检测从动盘边缘图像的轮廓丰富度;获得所述标准从动盘边缘图像的标准轮廓丰富度和标准边界点的特征参数。
质量检测模块,根据每个所述标准边界点与每个所述采样点间的特征参数差异获得对应的特征差异值;根据所有所述特征差异值结合匹配算法获得最优匹配结果对应的匹配差异值;根据所述轮廓丰富度、所述标准轮廓丰富度对所述匹配差异值进行调整获得匹配损失度,通过匹配损失度判断从动盘的质量。
进一步地,所述获得每个所述采样点的特征参数方法包括。
采样点的特征参数包括角度特征和面积特征。
任选所有采样点中的一个采样点作为参考点,对参考点获取预设方向上的直线作为参考线;获得参考点与每个其他采样点间的连线,确定所述连线与所述参考线的夹角,以所述参考点为起点按照顺时针方向将所述夹角排序组成向量,获得参考点的角度特征。
过每个其他采样点作所述参考线的垂线,计算每个其他采样点对应的所述垂线、所述连线和所述参考线围成区域的区域面积,以所述参考点为起点按照顺时针方向将所述区域面积排序组成向量,获得参考点的面积特征。
将所述参考点的角度特征和面积特征组成所述参考点的特征参数,获得所有采样点的特征参数。
进一步地,所述待检测从动盘边缘图像的轮廓丰富度的获取方法包括。
由所述参考点对应预设局部邻域范围内的边界点与所述参考点组成所述参考点对应的局部边缘;根据所述局部边缘中所有边界点的位置坐标构建协方差矩阵;获得协方差矩阵的特征值,将归一化后的最小特征值作为对应参考点的局部轮廓丰富度。
获得所有采样点的局部轮廓丰富度,并将所有局部轮廓丰富度相乘,乘积作为所述待检测从动盘边缘图像的轮廓丰富度。
进一步地,所述特征差异值的获取方法包括。
计算每个所述标准边界点特征参数中角度特征与每个所述采样点特征参数中角度特征间的欧氏距离,获得角度特征差异。
计算每个所述标准边界点特征参数中面积特征与每个所述采样点特征参数中面积特征间的欧氏距离,获得面积特征差异。
将所述角度特征差异与对应的所述面积特征差异相加,获得对应所述标准边界点与所述采样点之间的特征差异值。
进一步地,所述根据所有所述特征差异值结合匹配算法获得最优匹配结果对应的匹配差异值包括。
根据所有所述特征差异值构建特征差异矩阵,结合动态规划算法获得所述特征差异矩阵中的最优匹配路径,以所述最优匹配路径作为所述最优匹配结果;将所述最优匹配结果中的所述特征差异值相加,获得匹配差异值。
进一步地,所述根据所述轮廓丰富度、所述标准轮廓丰富度对所述匹配差异值进行调整获得匹配损失度包括。
将所述轮廓丰富度与所述标准轮廓丰富度相加,获得轮廓丰富指标;将所述匹配差异值与所述轮廓丰富指标的比值进行归一化处理,获得所述待检测从动盘边缘图像与所述标准从动盘边缘图像对应的匹配损失度。
进一步地,所述通过匹配损失度判断从动盘的质量包括。
当所述匹配损失度小于预设匹配损失阈值时,所述待检测从动盘边缘图像对应从动盘的质量为合格;当所述匹配损失度大于等于预设匹配损失阈值时,所述待检测从动盘边缘图像对应从动盘的质量为不合格。
本发明具有如下有益效果。
本发明通过对待检测从动盘边缘图像中边界线上采样点间的相对位置关系获得每个采样点的特征参数,通过对采样点的分析减少系统的检测量,提高检测效率。进一步通过每个采样点的局部位置变化特征,获得待检测从动盘边缘图像的轮廓丰富度,基于边缘轮廓的复杂程度调整对边缘差异的判断,使分析匹配差异的可靠性更强,检测结果更准确。同理获得标准从动盘边缘图像中标准边界点的特征参数和标准轮廓丰富度,以便后续进行最优匹配。根据标准边界点与采样点的特征参数差异获得特征差异值,反映对应边界点间的特征差异情况,基于匹配算法获得特征差异值的匹配差异值,通过匹配差异值反映外观轮廓的特征差异,最终通过轮廓丰富度、标准轮廓丰富度调整匹配差异值获得匹配损失度,根据边缘的复杂程度优化匹配损失度,减小因复杂边缘导致的匹配损失度较大问题,使质量检测结果更加可靠,最终基于匹配损失度完成从动盘质量判断,实现更准确高效的从动盘质量在线检测。
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所提供的一种电控硅油离合器从动盘质量在线检测系统结构图。
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电控硅油离合器从动盘质量在线检测系统,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电控硅油离合器从动盘质量在线检测系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种电控硅油离合器从动盘质量在线检测系统结构图,该电控硅油离合器从动盘质量在线检测系统包括:数据采集模块101、特征获取模块102 和质量检测模块103。
数据采集模块101,用于获取待检测从动盘边缘图像和标准从动盘边缘图像,在待检测从动盘边缘图像的边界线上均匀设置预设数量个采样点。
本发明主要通过电控硅油离合器从动盘的图像数据对其外观轮廓特征进行提取,并进行匹配,实现对离合器从动盘外观轮廓质量的在线检测,因此首先对待检测的从动盘图像进行采集。在本发明实施例中,设置图像采集设备,包括相机、光源、放置台等装置,将待检测的从动盘放置于放置台上,通过相机俯视视角获取待检测从动盘图像数据,用于后续对从动盘的外观轮廓进行全局检测。需要说明的是,本发明采用待检测从动盘与标准从动盘对比的方法检测质量情况,因此也需要采集对应的标准从动盘图像,具体的装置安排和相机视角范围等设备部署要求,实施者可根据具体实施场景进行调整,在此不做限制。
由于本发明基于从动盘的外观轮廓进行轮廓质量的在线检测,需要对待检测从动盘图像和对应标准从动盘图像的边缘进行分析,因此对待检测从动盘图像和标准从动盘图像采用边缘检测,获取待检测从动盘边缘图像和标准从动盘边缘图像。需要说明的是,边缘检测方法为本领域技术人员熟知的技术手段,具体如采用Roberts 算子,Prewitt 算子和Canny 算子实现边缘检测等等,在此不做限制。
在得到的待检测从动盘边缘图像和标准从动盘边缘图像中,可能存在对应从动盘区域的内部边缘,这些边缘不属于对外观轮廓区域,对质量分析具有影响,因此在本发明于外观轮廓的检测中,仅需对待检测从动盘边缘图像和标准从动盘边缘图像的边界边缘分析即可。
为了进一步降低系统检测量,提高检测速度,在待检测从动盘边缘图像中的边界线上均匀设置预设数量个采样点,进一步可根据采样点的匹配情况判断待检测从动盘外观轮廓的质量。在本发明实施例中,预设数量设置为100,即相邻采样点间的边界点数量为,/>为待检测从动盘边缘图像中边界点的总数量,实施者可根据具体实施情况具体设置采样点个数,调节系统检测量,在此不做限制。
特征获取模块102,用于根据待检测从动盘边缘图像中每个采样点与其他采样点之间的相对位置,获得每个采样点的特征参数;根据每个采样点预设局部邻域范围内边界点的位置变化特征,确定待检测从动盘边缘图像的轮廓丰富度;获得标准从动盘边缘图像的标准轮廓丰富度和标准边界点的特征参数。
本发明对每个采样点,进行局部外观轮廓特征的获取,根据待检测从动盘边缘图像中每个采样点与其他采样点的相对位置关系,可以得到每个采样点对应的局部特征参数,后续可根据标准从动盘边缘图像中边界点的局部特征计算差异程度,实现质量情况的判别。具体特征参数的获取过程包括。
每个采样点的特征参数包括角度特征和面积特征。为了更好的反映采样点特征参数的获取过程,任选所有采样点中的一个采样点作为参考点,分析该参考点与其他采样点间的相对位置。
将在预设方向上过参考点的直线作为参考线,在本发明实施例中,预设方向为水平方向,即与图像坐标轴中横轴平行的方向,具体预设方向实施者可根据具体情况调整,对此不做限定。
获得参考点与其他采样点间的连线,每个连线与参考线存在一个夹角,每个夹角可以反映对应其他采样点与参考点的相对位置。以参考点为起始点按照顺时针方向将所有夹角排序组成夹角向量,夹角向量即为角度特征,从参考点与其他采样点间的位置关系反映参考点处的局部特征情况。需要说明的是,当连线与参考线重合时,将夹角作为0 度来计算。
过每个其他采样点作参考线的垂线,此时垂线、连线和参考线将围成一个三角形区域,计算三角形区域的区域面积,每个区域面积可以进一步反映对应其他采样点与参考点的相对位置关系。以参考点为起始点按照顺时针方向将所有区域面积排序组成面积向量,面积向量即为面积特征。因为仅用角度特征表征局部特征信息时,存在当参考点与其他采样点均发生一定程度的偏移时,角度特征无变化的情况,因此加入面积特征进一步精确表征局部特征信息。需要说明的是,当垂线、连线和参考线无法围成一个区域时,如连线与参考线重合时,将对应区域面积记为0 来计算。
将参考点的角度特征和面积特征组成参考点的特征参数,根据参考点获取特征参数的过程获得所有采样点的特征参数。
得到可以表征外观轮廓特征的特征参数后,为了进一步提高从动盘的外观轮廓特征提取精度,对每个采样点进行局部变化特征的提取,以分析从动盘外观轮廓的形态丰富程度,通过轮廓的形态丰富程度调整对特征差异的分析。
以参考点为例,获取参考点对应预设局部邻域范围内的边界点,对参考点和边界点构成的局部边缘进行分析,在本发明实施例中,预设局部邻域范围为在参考点两侧边界线上各获取30 个边缘点组成的邻域范围,具体局部邻域的范围实施者可根据具体实施情况自行调整。首先根据局部边缘中所有边界点的位置坐标构建协方差矩阵,在本发明实施例中,协方差矩阵表达式为 :式中,/>表示为参考点/>的协方差矩阵,/>表示为局部边缘中所有边界点的横坐标信息的方差,/>表示为局部边缘中所有边界点的纵坐标信息的方差,/>表示为局部边缘中所有边界点的横坐标与纵坐标乘积的方差。
采用协方差矩阵能够体现局部边缘处,边界点的空间分布复杂程度,获取协方差矩阵的特征值,在本发明实施例中,是根据位置关系中的横坐标和纵坐标两个数据值构建的协方差矩阵,因此协方差矩阵为2*2 的方阵,可获得两个特征值。特征值可以表征参考点对应局部边缘处边界点的位置变化情况,如果特征值较大,说明参考点对应局部边缘处外观轮廓的变化程度较大。
因此根据协方差矩阵的特征值获得轮廓丰富度,具体为:将归一化后的最小特征值作为参考点的局部轮廓丰富度,在本发明实施例中,局部轮廓丰富度的表达式为:式中,/>表示为参考点/>的局部轮廓丰富度,和/>表示为参考点/>的协方差矩阵对应两个特征值,/>表示为最小值提取函数,表示为以自然常数为底的指数函数,目的是对最小特征值进行归一化处理。
根据参考点获取局部轮廓丰富度的过程,获得所有采样点的局部轮廓丰富度,将所有局部轮廓度相乘,获得待检测从动盘边缘图像的轮廓丰富度,具体为:,
其中表示为待检测从动盘边缘图像/>的轮廓丰富度,/>表示为第一个采样点的局部轮廓丰富度,/>表示为第二个采样点的局部轮廓丰富度,/>表示为第/>个采样点的局部轮廓丰富度,/>表示为采样点的预设数量。通过乘法对每个局部边缘特征综合分析,获得了能够表征待检测从动盘边缘图像整体轮廓复杂度的轮廓丰富度。
至此,完成对待检测从动盘边缘图像中轮廓丰富度和每个采样点特征参数的获取,为了便于后续与标准从动盘边缘图像进行匹配,需要对标准从动盘边缘图像同样获取每个标准边界点的特征参数和标准轮廓丰富度。
对于标准从动盘边缘图像,获取每个边界点的特征参数,在本发明实施例中采用与待检测从动盘边缘图像相同的方法进行获取,以保证后续匹配结果的准确性,具体获取方法为。
选取标准从动盘边缘图像中一个边界点作为检测点,将检测点作为一个样本点,对标准从动盘边缘图像中的边界边缘均匀设置预设数量个样本点,需要说明的是,预设数量与待检测从动盘边缘图像中选取的数量保持相同,确保后续匹配计算的准确性。
基于待检测从动盘边缘图像中参考点特征参数和局部轮廓丰富度的获取,获得检测点对应的特征参数和局部轮廓丰富度,进一步获得标准从动盘边缘图像中所有标准边界点的特征参数和局部轮廓丰富度,将标准边界点对应的局部轮廓丰富度相乘,获得标准从动盘边缘图像的标准轮廓丰富度。
至此,完成对待检测从动盘和标准从动盘外观轮廓的特征获取。
质量检测模块103,根据每个标准边界点与每个采样点间的特征参数差异获得对应的特征差异值;根据所有特征差异值结合匹配算法获得最优匹配结果对应的匹配差异值;根据轮廓丰富度、标准轮廓丰富度对匹配差异值进行调整获得匹配损失度,通过匹配损失度判断从动盘的质量。
根据特征获取模块102 获取到每个采样点和每个标准边界点的特征参数,根据两个边界点间对应特征参数的差异,可以获得两个边界点对应的特征差异值,通过每个特征差异值反映采样点与标准边界点的特征差异情况,便于后续根据特征差异值找到最优匹配的对应采样点和标准边界点。
计算标准边界点和采样点特征参数中角度特征间的欧氏距离,将角度特征的欧氏距离作为角度特征差异,计算标准边界点和采样点特征参数中面积特征间的欧氏距离,将面积特征的欧氏距离作为面积特征差异。需要说明的是,两个向量之间的欧氏距离计算方法为公知技术方法,是本领域技术人员熟知的,在此不做赘述。
通过欧氏距离可以反映角度特征和面积特征的差异程度,将角度特征差异和面积特征差异相加,获得特征差异值。每个采样点与每个标准边界点之间的特征差异值也能够反映对应两个边界点的匹配程度,越为对应匹配点的采样点和标准边界点,对应特征差异值也越小。因此根据所有特征差异值结合匹配算法,获得最优匹配结果。
优选地,采用对特征差异值构建特征差异矩阵,结合动态规划算法获得特征差异矩阵中的最短路径作为最优匹配路径,最优匹配路径中对应特征差异值的采样点与标准边界点即为最佳匹配点,最优匹配路径即为最优匹配结果。故将最优匹配结果中的所有特征差异值相加,获得匹配差异值,匹配差异值即为在匹配过程中最小的特征差异值累加值。需要说明的是,动态规划算法求最短路径为本领域技术人员熟知的技术手段,在此不做赘述,在本发明实施例中,特征差异矩阵的表达式为:式中,/>表示为待检测从动盘边缘图像/>与标准从动盘边缘图像/>的特征差异矩阵,/>表示为待检测从动盘边缘图像中第一个采样点,/>表示为标准从动盘边缘图像中第一个标准边界点,/>表示为待检测从动盘边缘图像中第/>个采样点,/>表示为标准从动盘边缘图像中第/>个标准边界点,/>表示为待检测从动盘边缘图像中采样点的预设数量,/>表示为标准从动盘边缘图像中标准边界点的总数量,/>表示为第/>个采样点与第/>个标准边界点的特征差异值。
根据特征差异矩阵得到的匹配差异值结合轮廓丰富度和标准轮廓丰富度,获得匹配损失度,具体匹配损失度的获取过程包括。
将轮廓丰富度与标准轮廓丰富度相加,获得轮廓丰富指标,所述轮廓丰富指标主要对从动盘的整体轮廓状况进行表征,当轮廓丰富指标较大时,说明从动盘的外观轮廓情况较为复杂,检测边缘特征时获得的差异值会偏大,因此需要缩小对特征差异的判断。而当轮廓丰富指标较小时,说明从动盘的外观轮廓并不复杂,进行边缘特征的检测时,差异值可能偏小不够明显,因此需要放大对特征差异的判断。
将匹配差异值与轮廓丰富指标的比值进行归一化处理,获得待检测从动盘边缘图像与标
准从动盘边缘图像对应的匹配损失度,在本发明实施例中,匹配损失度的表达式为:式中,/>表示为待检测从动盘边缘图像/>与标准从动盘边缘图像/>对应的匹配损失度,/>表示为待检测从动盘边缘图像/>与标准从动盘边缘图像/>的匹配差异值,/>表示为待检测从动盘边缘图像/>的轮廓丰富度,/>表示为标准从动盘边缘图像/>的标准轮廓丰富度,/>表示为常数系数,目的是防止分母为零使公式无意义,本发明实施例设置为0.01。/>表示为归一化函数,需要说明的是,归一化为本领域技术人员熟知的技术手段,归一化函数的选择可以为线性归一化或标准归一化等,具体的归一化方法在此不做限定。
采用比值的形式完成轮廓丰富指标对匹配差异值的调整,表示为轮廓丰富指标,表征外观轮廓的复杂情况,当轮廓丰富指标越大,对匹配差异值调整的幅度越大,缩小匹配损失度。匹配差异值反映在最优匹配结果情况下,特征差异值累加值的最小结果,当匹配差异值越大,说明整体匹配中的差异越大,匹配损失度越大。通过匹配损失度,反映在最优边缘匹配的情况下匹配的差异情况,当匹配损失度越大,说明两个从动盘外观轮廓越不相似。
本发明通过设置预设匹配损失阈值判断从动盘的质量,在本发明实施例中预设匹配损失阈值为0.5。当匹配损失度小于预设匹配损失阈值时,说明待检测从动盘与标准从动盘的外观轮廓较为相似,待检测从动盘边缘图像对应的从动盘质量为合格,不会影响在电控硅油离合器中的使用效果。当匹配损失度大于等于预设匹配损失阈值时,说明待检测从动盘与标准从动盘的外观轮廓存在较大差异,则待检测从动盘边缘图像对应的从动盘质量为不合格,该从动盘的外观轮廓不能满足使用需求,需要进行加工以保证后续的使用效果。
综上所述,本发明通过对待检测从动盘边缘图像中边界线上采样点间的相对位置获得每个采样点的特征参数,通过每个采样对应范围内边界点的局部位置变化特征,获得轮廓丰富度,同理获得标准从动盘边缘图像中标准边界点的特征参数和标准轮廓丰富度,根据标准边界点与采样点的特征参数差异获得特征差异值,基于匹配算法获得所有特征差异值的匹配差异值,根据轮廓丰富度、标准轮廓丰富度对匹配差异值调整获得匹配损失度,判断从动盘外观轮廓的质量。本发明通过图像处理,减小因复杂边缘导致的匹配结果误差较大的问题,使质量检测结果更加可靠,实现更准确高效的从动盘质量在线检测。
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。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。
Claims (3)
1.一种电控硅油离合器从动盘质量在线检测系统,其特征在于,所述系统包括:
数据采集模块,用于获取待检测从动盘边缘图像和标准从动盘边缘图像,在所述待检测从动盘边缘图像的边界线上均匀设置预设数量个采样点;
特征获取模块,用于根据所述待检测从动盘边缘图像中每个所述采样点与其他采样点之间的相对位置,获得每个所述采样点的特征参数;根据每个所述采样点预设局部邻域范围内边界点的位置变化特征,确定所述待检测从动盘边缘图像的轮廓丰富度;获得所述标准从动盘边缘图像的标准轮廓丰富度和标准边界点的特征参数;
质量检测模块,根据每个所述标准边界点与每个所述采样点间的特征参数差异获得对应的特征差异值;根据所有所述特征差异值结合匹配算法获得最优匹配结果对应的匹配差异值;根据所述轮廓丰富度、所述标准轮廓丰富度对所述匹配差异值进行调整获得匹配损失度,通过匹配损失度判断从动盘的质量;
所述获得每个所述采样点的特征参数方法包括:
采样点的特征参数包括角度特征和面积特征;
任选所有采样点中的一个采样点作为参考点,对参考点获取预设方向上的直线作为参考线;获得参考点与每个其他采样点间的连线,确定所述连线与所述参考线的夹角,以所述参考点为起点按照顺时针方向将所述夹角排序组成向量,获得参考点的角度特征;
过每个其他采样点作所述参考线的垂线,计算每个其他采样点对应的所述垂线、所述连线和所述参考线围成区域的区域面积,以所述参考点为起点按照顺时针方向将所述区域面积排序组成向量,获得参考点的面积特征;
将所述参考点的角度特征和面积特征组成所述参考点的特征参数,获得所有采样点的特征参数;
所述待检测从动盘边缘图像的轮廓丰富度的获取方法包括:
由所述参考点对应预设局部邻域范围内的边界点与所述参考点组成所述参考点对应的局部边缘;根据所述局部边缘中所有边界点的位置坐标构建协方差矩阵;获得协方差矩阵的特征值,将归一化后的最小特征值作为对应参考点的局部轮廓丰富度;
获得所有采样点的局部轮廓丰富度,并将所有局部轮廓丰富度相乘,乘积作为所述待检测从动盘边缘图像的轮廓丰富度;
所述根据所有所述特征差异值结合匹配算法获得最优匹配结果对应的匹配差异值包括:
根据所有所述特征差异值构建特征差异矩阵,结合动态规划算法获得所述特征差异矩阵中的最优匹配路径,以所述最优匹配路径作为所述最优匹配结果;将所述最优匹配结果中的所述特征差异值相加,获得匹配差异值;
所述根据所述轮廓丰富度、所述标准轮廓丰富度对所述匹配差异值进行调整获得匹配损失度包括:
将所述轮廓丰富度与所述标准轮廓丰富度相加,获得轮廓丰富指标;将所述匹配差异值与所述轮廓丰富指标的比值进行归一化处理,获得所述待检测从动盘边缘图像与所述标准从动盘边缘图像对应的匹配损失度。
2.根据权利要求1所述的一种电控硅油离合器从动盘质量在线检测系统,其特征在于,所述特征差异值的获取方法包括:
计算每个所述标准边界点特征参数中角度特征与每个所述采样点特征参数中角度特征间的欧氏距离,获得角度特征差异;
计算每个所述标准边界点特征参数中面积特征与每个所述采样点特征参数中面积特征间的欧氏距离,获得面积特征差异;
将所述角度特征差异与对应的所述面积特征差异相加,获得对应所述标准边界点与所述采样点之间的特征差异值。
3.根据权利要求1所述的一种电控硅油离合器从动盘质量在线检测系统,其特征在于,所述通过匹配损失度判断从动盘的质量包括:
当所述匹配损失度小于预设匹配损失阈值时,所述待检测从动盘边缘图像对应从动盘的质量为合格;当所述匹配损失度大于等于预设匹配损失阈值时,所述待检测从动盘边缘图像对应从动盘的质量为不合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310277571.9A CN116091790B (zh) | 2023-03-21 | 2023-03-21 | 电控硅油离合器从动盘质量在线检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310277571.9A CN116091790B (zh) | 2023-03-21 | 2023-03-21 | 电控硅油离合器从动盘质量在线检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116091790A CN116091790A (zh) | 2023-05-09 |
CN116091790B true CN116091790B (zh) | 2023-10-13 |
Family
ID=86210395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310277571.9A Active CN116091790B (zh) | 2023-03-21 | 2023-03-21 | 电控硅油离合器从动盘质量在线检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116091790B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116581891B (zh) * | 2023-07-14 | 2023-09-19 | 中能聚创(杭州)能源科技有限公司 | 一种电力数据采集方法及系统 |
CN116703429B (zh) * | 2023-08-07 | 2023-12-15 | 深圳市磐锋精密技术有限公司 | 基于物联网的料盘智能化存取系统 |
CN116758067B (zh) * | 2023-08-16 | 2023-12-01 | 梁山县成浩型钢有限公司 | 基于特征匹配的金属结构件检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6223874B1 (en) * | 1997-04-16 | 2001-05-01 | Transmissions Tsp, S.A. De C.V. | Apparatus for operating a clutch in an automated mechanical transmission |
CN110864629A (zh) * | 2019-10-31 | 2020-03-06 | 西安交通大学 | 一种应用于多摩擦片离合器的轴向位移测量装置及方法 |
CN115018835A (zh) * | 2022-08-08 | 2022-09-06 | 聊城市宁泰电机有限公司 | 一种汽车起动机齿轮检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1733945B1 (en) * | 2005-06-17 | 2007-10-24 | C.R.F. Società Consortile per Azioni | Control system and method for controlling the driving-away manoeuvre in a motor vehicle with a servo-controlled gearbox |
-
2023
- 2023-03-21 CN CN202310277571.9A patent/CN116091790B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6223874B1 (en) * | 1997-04-16 | 2001-05-01 | Transmissions Tsp, S.A. De C.V. | Apparatus for operating a clutch in an automated mechanical transmission |
CN110864629A (zh) * | 2019-10-31 | 2020-03-06 | 西安交通大学 | 一种应用于多摩擦片离合器的轴向位移测量装置及方法 |
CN115018835A (zh) * | 2022-08-08 | 2022-09-06 | 聊城市宁泰电机有限公司 | 一种汽车起动机齿轮检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116091790A (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116091790B (zh) | 电控硅油离合器从动盘质量在线检测系统 | |
CN117173189B (zh) | 一种铝合金表面抛光效果视觉检测系统 | |
US8331650B2 (en) | Methods, systems and apparatus for defect detection | |
CN116843678B (zh) | 一种硬碳电极生产质量检测方法 | |
US8139868B2 (en) | Image processing method for determining matching position between template and search image | |
US20080232678A1 (en) | Localization method for a moving robot | |
CN109086675B (zh) | 一种基于光场成像技术的人脸识别及攻击检测方法及其装置 | |
CN110320100B (zh) | 一种基于机器视觉的双相机布氏硬度测量装置和测量方法 | |
CN112818988A (zh) | 一种指针式仪表自动识别读数方法及系统 | |
CN109034170B (zh) | 一种开关柜检测装置的圆形指针式仪表读数方法 | |
CN108205645B (zh) | 一种异源图像匹配系统的基准图质量评价方法 | |
US20100002942A1 (en) | Target orientation | |
CN105447444A (zh) | 一种基于差分窗和模板匹配的otdr事件分析算法 | |
CN108986088A (zh) | 一种基于matlab的图像自动提取优化方法及设备 | |
CN110033608B (zh) | 车辆损伤检测的处理方法、装置、设备、服务器和系统 | |
AU2014321134B2 (en) | An apparatus and method for identifying plant varieties from leaf samples taken whilst in the field. | |
CN116109962A (zh) | 一种基于视频相位的振动频率测量方法、装置、电子设备及存储介质 | |
CN114964032A (zh) | 基于机器视觉的盲孔深度测量方法及装置 | |
CN111473944B (zh) | 观测流场中存在复杂壁面的piv数据修正方法、装置 | |
CN114279311A (zh) | 一种基于惯性的gnss变形监测方法与系统 | |
CN112734840A (zh) | 一种输电线安全距离测量方法 | |
CN113837163B (zh) | 一种基于三维探地雷达的隧道监测方法、系统以及存储介质 | |
CN117830143B (zh) | 一种基于计算机视觉的机器人工具精确定位的方法 | |
CN117668518B (zh) | 一种离散型智能制造方法及系统 | |
Lähdekorpi et al. | Using image registration and alignment to compare alternative 2D measurements |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |