CN116258713B - 一种金属柜焊接加工检测方法 - Google Patents
一种金属柜焊接加工检测方法 Download PDFInfo
- Publication number
- CN116258713B CN116258713B CN202310524298.5A CN202310524298A CN116258713B CN 116258713 B CN116258713 B CN 116258713B CN 202310524298 A CN202310524298 A CN 202310524298A CN 116258713 B CN116258713 B CN 116258713B
- Authority
- CN
- China
- Prior art keywords
- analyzed
- area
- line segment
- edge line
- value
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
-
- 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
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
- G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30152—Solder
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种金属柜焊接加工检测方法,该方法包括:获取金属柜表面金属板的焊接灰度图像中的待分析区域,利用直线段将待分析区域的边缘线划分为两条边缘线段;根据每条边缘线段上像素点与其相邻像素点之间的位置信息得到曲折程度;根据待分析区域内像素点的像素值和曲折程度得到待分析区域的第一特征系数;根据边缘线段上像素点到直线段的距离计算待分析区域的第二特征系数;进而获得待分析区域的特征显著值,根据特征显著值对待分析区域进行筛选得到缺陷区域,根据缺陷区域获得金属柜焊接加工质量检测结果。本发明解决了金属柜焊接加工质量检测结果较不准确的问题,能够获得更加准确的检测结果。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种金属柜焊接加工检测方法。
背景技术
焊接作为连接两个部件的常用方式,在多个领域均被广泛应用。在对金属柜表面的金属板进行焊接加工时,由于焊接时热影响区收缩后产生大的应力等原因,导致焊接件表面存在裂纹缺陷。焊接件中存在裂纹缺陷影响焊接件的质量,同时焊接裂纹影响焊接件的安全使用,是一种非常危险的工艺缺陷,因此,对焊接裂纹进行准确识别就显得尤为重要。现有常采用阈值分割的方法对焊接件图像中的裂纹缺陷进行识别,但是由于阈值选择的不准确,会导致裂纹缺陷识别结果较不准确,进而导致金属柜焊接加工质量检测结果较不准确。
发明内容
为了解决金属柜焊接加工质量检测结果较不准确的技术问题,本发明的目的在于提供一种金属柜焊接加工检测方法,所采用的技术方案具体如下:
获取金属柜表面金属板的焊接灰度图像,对焊接灰度图像进行边缘检测得到待分析区域,利用直线段将待分析区域的边缘线划分为两条边缘线段;
根据待分析区域的每条边缘线段上像素点与其相邻像素点之间的位置信息得到每条边缘线段的曲折程度;根据待分析区域内像素点的像素值和每条边缘线段的曲折程度得到待分析区域的第一特征系数;
根据待分析区域的每条边缘线段上像素点到直线段的距离,计算待分析区域的第二特征系数;根据第一特征系数和第二特征系数得到待分析区域的特征显著值,根据待分析区域的特征显著值对待分析区域进行筛选得到缺陷区域,根据缺陷区域获得金属柜焊接加工质量检测结果。
优选地,所述利用直线段将待分析区域的边缘线划分为两条边缘线段具体为:
对于任意一个待分析区域,获取待分析区域的边缘线上像素点之间的距离最大值对应的两个像素点,连接距离最大值对应的两个像素点获得直线段,利用直线段将待分析区域的边缘线划分为两条边缘线段。
优选地,所述根据第一特征系数和第二特征系数得到待分析区域的特征显著值具体为:
对于任意一个待分析区域,计算第二特征系数与第一特征系数的比值得到特征比值,以特征比值的负相关归一化的映射值作为待分析区域的特征显著值。
优选地,所述根据待分析区域内像素点的像素值和每条边缘线段的曲折程度得到待分析区域的第一特征系数具体为:
对于任意一个待分析区域,将待分析区域内所有像素点的像素值的最大值与最小值的平方差记为第一平方差,将焊接灰度图像中所有像素点的像素值的最大值与最小值的平方差记为第二平方差;计算第一平方差和第二平方差的比值;
对于任意一条边缘线段,以比值与边缘线段的曲折程度的乘积的归一化值作为边缘线段对应的第一特征系数;将两条边缘线段对应的第一特征系数的和值作为待分析区域的第一特征系数。
优选地,所述根据待分析区域的每条边缘线段上像素点到直线段的距离,计算待分析区域的第二特征系数具体为:
对于待分析区域的任意一条边缘线段,分别计算边缘线段上每个像素点到直线段的距离,将边缘线段上所有像素点到直线段的距离的均值记为距离特征均值;
将边缘线段上每种距离的取值对应的像素点数量与边缘线段上所有像素点数量的比值记为距离对应的距离特征比值;计算每种距离的取值与距离特征均值的差值的平方,将所述差值的平方与距离特征比值的乘积作为每种距离的取值的偏离程度,将所有种距离的取值的偏离程度的和值的归一化值作为边缘线段的扩展程度;将待分析区域的两条边缘线段的扩展程度的和值作为待分析区域的第二特征系数。
优选地,所述根据待分析区域的每条边缘线段上像素点与其相邻像素点之间的位置信息得到每条边缘线段的曲折程度具体为:
对于待分析区域上任意一条边缘线段,获取边缘线段上像素点对应的斜率,计算边缘线段上每个像素点与其相邻的像素点之间的斜率的差值绝对值,将边缘线段上所有像素点与其相邻的像素点之间的斜率的差值绝对值的均值记为斜率特征均值;
基于边缘线段上每个像素点对应的差值绝对值与斜率特征均值,利用方差公式计算边缘线段上所有像素点对应的差值绝对值的方差,得到边缘线段的曲折程度。
优选地,所述获取边缘线段上像素点对应的斜率具体为:
获取边缘线段上每个像素点的像素坐标,基于像素点的像素坐标,计算像素点与其相邻的像素点构成的线段的斜率,得到像素点对应的斜率。
优选地,所述根据待分析区域的特征显著值对待分析区域进行筛选得到缺陷区域具体为:
将特征显著值大于预设的显著阈值对应的待分析区域记为缺陷区域。
本发明实施例至少具有如下有益效果:
本发明通过提取金属柜表面金属板的焊接灰度图像中的待分析区域,并将待分析区域的边缘线划分为两条边缘线段,将焊接灰度图像中可能为裂纹缺陷部分所在区域的边缘划分为两个部分,分别进行裂纹缺陷的特征分析,能够更加准确的获取待分析区域的特征表征值,使得后续的分析结果更加准确。然后根据待分析区域的每条边缘线段上像素点与其相邻像素点之间的位置信息得到每条边缘线段的曲折程度,通过分析待分析区域的两个部分的边缘线段曲折情况,获得待分析区域符合裂纹缺陷边缘较为弯曲的特征程度,进而结合待分析区域内像素点的像素值获得待分析区域第一特征系数,利用第一特征系数从待分析区域的像素特征以及边缘分布特征方面反映待分析区域符合裂纹缺陷的特征程度。进一步的,通过边缘线段上像素点到直线段的距离获得待分析区域的第二特征系数,能够利用第二特征系数表征待分析区域的形状特征表征值,进而反映待分析区域符合裂纹缺陷的特征程度;结合两个特征系数获得待分析区域的特征显著度,充分分析待分析区域的分布特征,能够更加准确的表征待分析区域的分布特征是否符合裂纹缺陷,进一步的基于特征显著度,能够获得更加准确的缺陷区域识别结果,进而获得更加准确的金属柜焊接加工质量检测结果。
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是本发明的一种金属柜焊接加工检测方法的方法流程图;
图2是本发明实施例中一个待分析区域两条边缘线段的划分示意图。
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金属柜焊接加工检测方法,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金属柜焊接加工检测方法的具体方案。
实施例:
本发明的主要目的是:在进行金属柜焊接加工时,焊接质量的高低也就决定了金属柜产品质量的高低。焊接质量较差会导致金属柜焊接处的稳定性降低,造成很大的安全隐患。在金属柜焊接过程或焊接之后,在焊接区域内出现金属破裂从而出现裂纹缺陷,裂纹过大会使连接处不牢固,从而存在安全隐患。对金属柜焊接加工后的图像进行裂纹检测以判断是否符合焊接标准,是否存在裂纹缺陷,可以更好的检测焊接件的质量是否达到标准,大大减少由于焊接质量问题出现安全隐患。
请参阅图1,其示出了本发明一个实施例提供的一种金属柜焊接加工检测方法的方法流程图,该方法包括以下步骤:
步骤一,获取金属柜表面金属板的焊接灰度图像,对焊接灰度图像进行边缘检测得到待分析区域,利用直线段将待分析区域的边缘线划分为两条边缘线段。
首先,通过相机拍摄金属柜表面金属板焊接后的图像,并对拍摄到的图像进行去噪处理,在本实施例中,采用中值滤波的方法对采集到的图像进行去噪处理,并将去噪后得到的图像转化为灰度图像,记为焊接灰度图像。
为了对金属柜表面金属板中焊接部位进行裂纹缺陷分析,故需要将焊接灰度图像中的焊缝部分分割出来,而需要说明的是,由于焊接用的金属和一般金属柜的材料不同,故在本实施例中,可以利用阈值分割的方法将焊缝区域与其他金属板区域划分出来,实施者可根据具体实施场景选择其他合适的方法进行处理。再对阈值分割后的焊缝区域进行边缘检测得到待分析区域,在本实施例中,将不同焊缝区域内可能为缺陷部分的区域记为待分析区域,以便后续对焊缝部分进行裂纹缺陷分析。其中,在本实施例中,利用Canny边缘检测算法对图像进行处理,实施者可根据具体实施场景进行选择。
在金属柜焊接加工过程中,焊缝部位的金属存在从融化到冷却的过程,这个过程由于膨胀、收缩和变形等的影响,焊缝会出现局部破裂即形成裂纹。因受力的影响形成的裂纹,其周围塑性变形,导致裂纹周边金属边缘向上突起,且其形状为不规则的锯齿状,进而使得裂纹缺陷表现在图像中与其他缺陷的边缘部分存在较大的差异性。裂纹缺陷表现在图像中一般具有横向或者纵向的特征,且裂纹蔓延的长度较长,宽度较窄。
基于此,可以通过对待分析区域的边缘特征进行分析,从而识别出焊缝区域内的裂纹缺陷。在本实施例中,利用摩尔边界跟踪算法对待分析区域进行处理,能够获得更加准确的边缘线以及边缘线上的像素点。
进一步的,对于任意一个待分析区域,获取待分析区域的边缘线上像素点之间的距离最大值对应的两个像素点,连接距离最大值对应的两个像素点获得直线段,利用直线段将待分析区域的边缘线划分为两条边缘线段,并将两条边缘线段分别记为第一边缘线段和第二边缘线段,如图2所示,图2示出了本发明实施例中一个待分析区域两条边缘线段的划分示意图,在第一边缘线段和第二边缘线段之间的线段即为将待分析区域的边缘线划分为两条边缘线段的直线段。
步骤二,根据待分析区域的每条边缘线段上像素点与其相邻像素点之间的位置信息得到每条边缘线段的曲折程度;根据待分析区域内像素点的像素值和每条边缘线段的曲折程度得到待分析区域的第一特征系数。
需要说明的是,焊缝区域内的裂纹缺陷具有狭长的特点,并且裂纹缺陷的形状为不规则的锯齿状,基于此,可以分别对待分析区域的每条边缘线段的形状分布情况进行分析,若每条边缘线段的形状分布较不规则,则该待分析区域为裂纹缺陷部分的可能性越大。
通过对待分析区域的每条边缘线段上像素点与其相邻像素点之间的位置信息获取每个像素点对应的斜率,利用斜率表征待分析区域的每条边缘线段在像素点对应位置处的倾斜程度。具体地,获取边缘线段上每个像素点的像素坐标,基于像素点的像素坐标,计算像素点与其相邻的像素点构成的线段的斜率,得到像素点对应的斜率。
其中,边缘线段上像素点的像素坐标的获取方法具体为,以焊接灰度图像左上角为原点建立以像素为单位的直角坐标系,像素点的横坐标为像素点在焊接灰度图像中所在的列数,像素点的纵坐标为像素点在焊接灰度图像中所在的行数。同时,基于坐标计算两个点构成的线段的斜率为公知技术,在此不再过多介绍。需要说明的是,计算像素点与其相邻的像素点构成的线段的斜率,得到像素点对应的斜率,举例为:基于边缘线段上第i个像素点和第i+1个像素点构成的线段的斜率,将该斜率记为第i个像素点对应的斜率,即在本实施例中,将第i+1个像素点作为第i个像素点的相邻的像素点,实施者可根据具体实施场景进行设置。
然后,对待分析区域每条边缘线段分别进行分析,当边缘线段上像素点对应的斜率的变化存在较大的差异时,说明边缘线段的形状分布特征可能是锯齿状,进而说明待分析区域可能为裂纹缺陷所在区域。
具体地,对于待分析区域上任意一条边缘线段,获取边缘线段上像素点对应的斜率,计算边缘线段上每个像素点与其相邻的像素点之间的斜率的差值绝对值,将边缘线段上所有像素点与其相邻的像素点之间的斜率的差值绝对值的均值记为斜率特征均值;基于边缘线段上每个像素点对应的差值绝对值与斜率特征均值,利用方差公式计算边缘线段上所有像素点对应的差值绝对值的方差,得到边缘线段的曲折程度。
在本实施例中,以第一边缘线段为例进行说明,边缘线段的曲折程度的计算公式可以表示为:
其中,表示待分析区域A的第一边缘线段的曲折程度,表示待分析区域A
的第一边缘线段上包含的像素点的总数量,表示待分析区域A的第一边缘线段上第i个
像素点对应的斜率,表示待分析区域A的第一边缘线段上第i+1个像素点对应的斜率,表示待分析区域A的第一边缘线段对应的斜率特征均值。
反映了边缘线段上第i个像素点与其相邻的第i+1个像素点之间的斜
率的差异,表征了边缘线段上像素点对应的斜率差异的均值。相邻两个像素点对应的
斜率之间的差异越大时,说明在边缘线段上这两个像素点的位置处,边缘线形状分布较为
曲折。
表示边缘线段上所有像素点对应的差值绝
对值的方差,当与斜率特征均值之间的差异越大,对应的方差的取值越大,
说明边缘线段上相邻两个像素点对应的斜率之间的差异具有较大的波动程度,对应的边缘
线段的曲折程度的取值越大,说明边缘线段的形状分布表现为较不规则的锯齿状,进而说
明边缘线段对应的待分析区域可能为裂纹缺陷所在区域。
边缘线段的曲折程度表征了待分析区域的边缘线部分的形状分布特征的弯曲情况,从待分析区域的边缘线形状分布方面反映了待分析区域为裂纹缺陷所在区域的可能性大小。边缘线段的曲折程度的取值越大,说明边缘线段所在的待分析区域的边缘线部分的形状分布越曲折,进而说明待分析区域为裂纹缺陷所在区域的可能性越大。边缘线段的曲折程度的取值越小,说明边缘线段所在的待分析区域的边缘线部分的形状分布越平缓,进而说明待分析区域为裂纹缺陷所在区域的可能性越小。
进一步的,在焊缝区域内的裂纹缺陷部分所在区域内,像素点的灰度值变化较大,故可结合待分析区域内像素点的像素值分布情况与待分析区域的边缘线段的形状分布特征,获得待分析区域的特征系数的表征值。
具体地,对于任意一个待分析区域,将待分析区域内所有像素点的像素值的最大值与最小值的平方差记为第一平方差,将焊接灰度图像中所有像素点的像素值的最大值与最小值的平方差记为第二平方差;计算第一平方差和第二平方差的比值;对于任意一条边缘线段,以比值与边缘线段的曲折程度的乘积的归一化值作为边缘线段对应的第一特征系数;将两条边缘线段对应的第一特征系数的和值作为待分析区域的第一特征系数,第一特征系数的计算公式可以表示为:
其中,表示待分析区域A的第一特征系数,表示待分析区域A的第一边缘线
段对应的第一特征系数,表示待分析区域A的第二边缘线段对应的第一特征系数,表示待分析区域A中所有像素点的像素值最大值的平方,表示待分析区域A中
所有像素点的像素值最小值的平方,表示焊接灰度图像中所有像素点的像素值的最大
值的平方,示焊接灰度图像中所有像素点的像素值的最小值的平方,表示待分
析区域A的第一边缘线段的曲折程度,Norm( )表示归一化函数。
需要说明的是,在本实施例中,采用最大值最小值归一化,实施者可根据具体实施场景进行设置。同时,待分析区域A的第二边缘线段对应的第一特征系数的计算方法与待分析区域A的第一边缘线段对应的第一特征系数的计算方法相同,在此不再详细介绍。
表示第一平方差,反映了待分析区域内像素值的最大值与最小值
的差异,该差异越大,说明待分析区域内的像素值变化程度越大,表示第二平
方差,反映了焊接灰度图像内像素值的最大值与最小值的差异,利用第一平方差和第二平
方差的比值表征待分析区域内像素值的变化程度与焊接灰度图像内像素值的变化程度的
占比情况,其取值越大,说明待分析区域内像素值的变化程度越大,同时,边缘线段对应的
曲折程度越大时,边缘线段对应的第一特征系数取值越大,对应的待分析区域的第一特征
系数的取值越大。在本实施例中,利用平方差的形式扩大了像素值之间的差异。
待分析区域的第一特征系数从像素值分布特征以及边缘线形状分布特征方面反映了该待分析区域为裂纹缺陷部分的特征表征值。待分析区域的第一特征系数的取值越大,说明该待分析区域越可能是裂纹缺陷所在区域。
步骤三,根据待分析区域的每条边缘线段上像素点到直线段的距离,计算待分析区域的第二特征系数;根据第一特征系数和第二特征系数得到待分析区域的特征显著值,根据待分析区域的特征显著值对待分析区域进行筛选得到缺陷区域,根据缺陷区域获得金属柜焊接加工质量检测结果。
由于焊缝区域内的裂纹缺陷具有狭长的特点,故可对待分析区域的形状分布特征进行分析,如图2所示,直线段将待分析区域的边缘线分为两条边缘线段,同时,直线段将待分析区域划分为两个子区域,进而可以分别对每个子区域以及对应的边缘线段进行分析。由于直线段为待分析区域的边缘线上距离最远的两个像素点的连线,故直线段的长度可以表征为待分析区域的长,进而待分析区域的边缘线上像素点到直线段的距离可以表征为待分析区域内子区域的宽。
当边缘线段上像素点到直线段的距离较小时,说明待分析区域的子区域在该像素点所在位置处的宽度较窄。当边缘线段上像素点到直线段的距离较大时,说明待分析区域的子区域在该像素点所在位置处的宽度较宽。
基于此,根据待分析区域的每条边缘线段上像素点到直线段的距离,计算待分析区域的第二特征系数,具体地,对于待分析区域的任意一条边缘线段,分别计算边缘线段上每个像素点到直线段的距离,将边缘线段上所有像素点到直线段的距离的均值记为距离特征均值;将边缘线段上每种距离的取值对应的像素点数量与边缘线段上所有像素点数量的比值记为距离对应的距离特征比值;计算每种距离的取值与距离特征均值的差值的平方,将所述差值的平方与距离特征比值的乘积作为每种距离的取值的偏离程度,将所有种距离的取值的偏离程度的和值的归一化值作为边缘线段的扩展程度;将待分析区域的两条边缘线段的扩展程度的和值作为待分析区域的第二特征系数。
在本实施例中,对于待分析区域的第一边缘线段,通过统计第一边缘线段上像素点到直线段的距离的直方图,获得每种距离的取值对应的像素点数量,进而待分析区域的第二特征系数的计算公式可以表示为:
其中,表示待分析区域A的第二特征系数,表示待分析区域A的第一边缘线
段对应的扩展程度,表示待分析区域A的第二边缘线段对应的扩展程度,表示待分
析区域A的第一边缘线段上所有像素点对应的距离的取值的种类数量,表示待分析区域
A的第一边缘线段上像素点对应的第m种距离的取值,表示待分析区域A的第一边缘线段
对应的距离特征均值,表示待分析区域A的第一边缘线段像素点对应的第m种距离的取
值对应的距离特征比值,Norm( )表示归一化函数。
需要说明的是,在本实施例中,采用最大值最小值归一化的方法,实施者可根据具
体实施场景进行设置。的取值可以举例为,若边缘线段上5个像素点对应的距离分别为
1,1,2,3,6,则的取值为4。同时,待分析区域A的第二边缘线段对应的扩展程度的计算
方法与待分析区域A的第一边缘线段对应的扩展程度的计算方法相同,在此不再过多介绍。
反映了第m种距离的取值与整体的偏离程度,其取值越大时,说明第m种
距离的取值越大,且越偏离边缘线段上所有像素点对应的距离整体的取值,进而说明在该
种距离的取值对应的像素点位置处宽度较宽,进而以差值的平方的形式扩大了每种距离的
取值与整体的差异。
表示边缘线段上所有像素点对应的第m种距离的取值对应的像素点数量与边
缘线段上所有像素点的总数量之间比值,反映了第m种距离的取值的像素点与边缘线段整
体的占比情况,将该占比情况作为权重,对距离对应的偏离程度进行加权处理。距离的取值
对应的偏离程度越大,距离的取值对应的像素点数量的占比越大,说明该种距离的取值对
应的像素点位置处宽度较宽,同时该种距离的取值对应的像素点数量较多,进而说明边缘
线段上宽度较宽的位置处较多,对应的边缘线段的扩展程度越大。
边缘线段的扩展程度反映了边缘线段对应的子区域在形状上的分布特征,边缘线段的扩展程度的取值越大,说明边缘线段对应的子区域的宽度越宽,待分析区域的第二特征系数综合了两条边缘线段对应的两个子区域的形状分布特征。待分析区域的第二特征系数的取值越大,说明待分析区域的宽度越宽,进而说明待分析区域越不符合裂纹缺陷的形状分布特征。待分析区域的第二特征系数的取值越小,说明待分析区域的宽度越窄,进而说明待分析区域越符合裂纹缺陷的形状分布特征。
同时,待分析区域的第一特征系数从像素值分布特征以及边缘线形状分布特征方面反映了该待分析区域为裂纹缺陷部分的特征表征值,待分析区域的第二特征系数从待分析区域的形状分布特征方面反映了待分析区域为裂纹缺陷部分的特征表征值。进一步的,可以结合两个方面获取待分析区域为裂纹缺陷部分的综合表征值。
基于此,根据第一特征系数和第二特征系数得到待分析区域的特征显著值,具体地,对于任意一个待分析区域,计算第二特征系数与第一特征系数的比值得到特征比值,以特征比值的负相关归一化的映射值作为待分析区域的特征显著值,用公式表示为:
其中,表示待分析区域A的特征显著值,表示待分析区域A的第一特征系数,表示待分析区域A的第二特征系数,表示特征比值,exp( )表示以自然常数e为底的指
数函数,利用对特征比值进行负相关归一化映射。
待分析区域的第一特征系数的取值越大,说明待分析区域的边缘线部分的形状分布越曲折,且待分析区域内的像素值变化越大,进而说明待分析区域为裂纹缺陷所在区域的可能性越大,对应的待分析区域的特征显著值的取值越大。
待分析区域第二特征系数的取值越小,说明待分析区域的说明待分析区域的宽度越窄,进而说明待分析区域越符合裂纹缺陷的形状分布特征,对应的待分析区域的特征显著值的取值越大。
待分析区域的特征显著值反映了待分析区域符合裂纹缺陷特征的程度,特征显著值的取值越大,说明待分析区域越符合裂纹缺陷特征,待分析区域属于裂纹缺陷的可能性越大。特征显著值的取值越小,说明待分析区域越不符合裂纹缺陷特征,待分析区域属于裂纹缺陷的可能性越小。
最后,根据待分析区域的特征显著值对待分析区域进行筛选得到缺陷区域,具体地,将特征显著值大于预设的显著阈值对应的待分析区域记为缺陷区域。在本实施例中显著阈值的取值为0.8,即当待分析区域的特征显著值大于0.8时,说明对应的待分析区域越符合裂纹缺陷特征,故将该待分析区域记为缺陷区域。当待分析区域的特征显著值小于或等于0.8时,说明对应的待分析区域越不符合裂纹缺陷特征,则该待分析区域不可能为裂纹缺陷部分,不需要对该待分析区域进行进一步的分析。
根据缺陷区域获得金属柜焊接加工质量检测结果,在本实施例中,根据焊接灰度图像中所有缺陷区域的面积获得金属柜焊接加工质量检测结果,例如,获取焊接灰度图像中所有缺陷区域的面积,当面积大于面积阈值时,将焊接灰度图像对应的金属柜焊接加工质量检测结果标记为差品质。其中,面积阈值的取值可以是焊接灰度图像的总面积的40%,实施者可根据具体实施场景进行设置。在其他实施例中,还可以根据焊接灰度图像中所有缺陷区域的面积,对金属柜焊接加工质量进行等级的划分,该过程为公知技术,在此不再过多介绍。
综上所述,本发明获取金属柜焊接后的焊接灰度图像,并提取焊接灰度图像中的焊缝区域,并通过对焊缝区域内的闭合区域进行特征分析,获取待分析区域的像素值分布特征以及边缘线形状分布特征,同时获取待分析区域的形状分布特征,综合待分析区域多个方面的特征情况获得待分析区域符合裂纹缺陷部分的特征的情况,基于待分析区域的特征显著值对焊接灰度图像中的待分析区域进行筛选获得缺陷区域,能够更加准确的获取焊接灰度图像中的裂纹缺陷部分,可以更好的检测出焊接后的金属柜的焊接加工质量是否达到标准,大大减少由于焊接质量问题而出现的安全隐患问题。
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)
1.一种金属柜焊接加工检测方法,其特征在于,该方法包括以下步骤:
获取金属柜表面金属板的焊接灰度图像,对焊接灰度图像进行边缘检测得到待分析区域,利用直线段将待分析区域的边缘线划分为两条边缘线段;
根据待分析区域的每条边缘线段上像素点与其相邻像素点之间的位置信息得到每条边缘线段的曲折程度;根据待分析区域内像素点的像素值和每条边缘线段的曲折程度得到待分析区域的第一特征系数;
根据待分析区域的每条边缘线段上像素点到直线段的距离,计算待分析区域的第二特征系数;根据第一特征系数和第二特征系数得到待分析区域的特征显著值,根据待分析区域的特征显著值对待分析区域进行筛选得到缺陷区域,根据缺陷区域获得金属柜焊接加工质量检测结果;
所述根据待分析区域内像素点的像素值和每条边缘线段的曲折程度得到待分析区域的第一特征系数具体为:
对于任意一个待分析区域,将待分析区域内所有像素点的像素值的最大值与最小值的平方差记为第一平方差,将焊接灰度图像中所有像素点的像素值的最大值与最小值的平方差记为第二平方差;计算第一平方差和第二平方差的比值;
对于任意一条边缘线段,以比值与边缘线段的曲折程度的乘积的归一化值作为边缘线段对应的第一特征系数;将两条边缘线段对应的第一特征系数的和值作为待分析区域的第一特征系数;
所述根据待分析区域的每条边缘线段上像素点到直线段的距离,计算待分析区域的第二特征系数具体为:
对于待分析区域的任意一条边缘线段,分别计算边缘线段上每个像素点到直线段的距离,将边缘线段上所有像素点到直线段的距离的均值记为距离特征均值;
将边缘线段上每种距离的取值对应的像素点数量与边缘线段上所有像素点数量的比值记为距离对应的距离特征比值;计算每种距离的取值与距离特征均值的差值的平方,将所述差值的平方与距离特征比值的乘积作为每种距离的取值的偏离程度,将所有种距离的取值的偏离程度的和值的归一化值作为边缘线段的扩展程度;将待分析区域的两条边缘线段的扩展程度的和值作为待分析区域的第二特征系数。
2.根据权利要求1所述的一种金属柜焊接加工检测方法,其特征在于,所述利用直线段将待分析区域的边缘线划分为两条边缘线段具体为:
对于任意一个待分析区域,获取待分析区域的边缘线上像素点之间的距离最大值对应的两个像素点,连接距离最大值对应的两个像素点获得直线段,利用直线段将待分析区域的边缘线划分为两条边缘线段。
3.根据权利要求1所述的一种金属柜焊接加工检测方法,其特征在于,所述根据第一特征系数和第二特征系数得到待分析区域的特征显著值具体为:
对于任意一个待分析区域,计算第二特征系数与第一特征系数的比值得到特征比值,以特征比值的负相关归一化的映射值作为待分析区域的特征显著值。
4.根据权利要求1所述的一种金属柜焊接加工检测方法,其特征在于,所述根据待分析区域的每条边缘线段上像素点与其相邻像素点之间的位置信息得到每条边缘线段的曲折程度具体为:
对于待分析区域上任意一条边缘线段,获取边缘线段上像素点对应的斜率,计算边缘线段上每个像素点与其相邻的像素点之间的斜率的差值绝对值,将边缘线段上所有像素点与其相邻的像素点之间的斜率的差值绝对值的均值记为斜率特征均值;
基于边缘线段上每个像素点对应的差值绝对值与斜率特征均值,利用方差公式计算边缘线段上所有像素点对应的差值绝对值的方差,得到边缘线段的曲折程度。
5.根据权利要求4所述的一种金属柜焊接加工检测方法,其特征在于,所述获取边缘线段上像素点对应的斜率具体为:
获取边缘线段上每个像素点的像素坐标,基于像素点的像素坐标,计算像素点与其相邻的像素点构成的线段的斜率,得到像素点对应的斜率。
6.根据权利要求1所述的一种金属柜焊接加工检测方法,其特征在于,所述根据待分析区域的特征显著值对待分析区域进行筛选得到缺陷区域具体为:
将特征显著值大于预设的显著阈值对应的待分析区域记为缺陷区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310524298.5A CN116258713B (zh) | 2023-05-11 | 2023-05-11 | 一种金属柜焊接加工检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310524298.5A CN116258713B (zh) | 2023-05-11 | 2023-05-11 | 一种金属柜焊接加工检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116258713A CN116258713A (zh) | 2023-06-13 |
CN116258713B true CN116258713B (zh) | 2023-07-21 |
Family
ID=86688276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310524298.5A Active CN116258713B (zh) | 2023-05-11 | 2023-05-11 | 一种金属柜焊接加工检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116258713B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116824516B (zh) * | 2023-08-30 | 2023-11-21 | 中冶路桥建设有限公司 | 一种涉路施工安全监测及管理系统 |
CN116935039B (zh) * | 2023-09-15 | 2023-12-29 | 深圳市泽信智能装备有限公司 | 基于机器视觉的新能源电池焊接缺陷检测方法 |
CN117095004B (zh) * | 2023-10-20 | 2024-01-12 | 金成技术股份有限公司 | 基于计算机视觉的挖掘机行走架主体焊接变形检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115222733A (zh) * | 2022-09-19 | 2022-10-21 | 山东金源不锈钢制品有限公司 | 基于图像识别的金属构件表面缺陷检测方法 |
CN115965623A (zh) * | 2023-03-16 | 2023-04-14 | 深圳市岑科实业有限公司 | 一种变压器生产中表面瑕疵检测方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020133046A1 (zh) * | 2018-12-27 | 2020-07-02 | 深圳配天智能技术研究院有限公司 | 一种缺陷检测方法及装置 |
CN111462110B (zh) * | 2020-04-20 | 2021-04-13 | 广东利元亨智能装备股份有限公司 | 焊缝质量检测方法、装置、系统及电子设备 |
CN114937039B (zh) * | 2022-07-21 | 2022-10-25 | 阿法龙(山东)科技有限公司 | 一种钢管缺陷智能检测方法 |
CN115063422B (zh) * | 2022-08-18 | 2022-11-08 | 建首(山东)钢材加工有限公司 | 一种用于集装箱焊接质量智能检测方法 |
CN115375676B (zh) * | 2022-10-24 | 2023-01-24 | 微山三利特不锈钢有限公司 | 一种基于图像识别的不锈钢制品质量检测方法 |
CN115797358B (zh) * | 2023-02-10 | 2023-04-18 | 济宁安泰矿山设备制造有限公司 | 基于机器视觉的金属壳体自动化焊接缺陷检测方法 |
CN115861307B (zh) * | 2023-02-21 | 2023-04-28 | 深圳市百昌科技有限公司 | 基于人工智能的筋膜枪供电驱动板焊接故障检测方法 |
-
2023
- 2023-05-11 CN CN202310524298.5A patent/CN116258713B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115222733A (zh) * | 2022-09-19 | 2022-10-21 | 山东金源不锈钢制品有限公司 | 基于图像识别的金属构件表面缺陷检测方法 |
CN115965623A (zh) * | 2023-03-16 | 2023-04-14 | 深圳市岑科实业有限公司 | 一种变压器生产中表面瑕疵检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116258713A (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116258713B (zh) | 一种金属柜焊接加工检测方法 | |
Zou et al. | Automatic weld defect detection method based on Kalman filtering for real-time radiographic inspection of spiral pipe | |
JP5421192B2 (ja) | ひび割れ検出方法 | |
CN108629775B (zh) | 一种热态高速线材表面图像处理方法 | |
JP5852919B2 (ja) | ひび割れ検出方法 | |
CN107644417B (zh) | 应变片外观缺损检测方法 | |
CN116993744B (zh) | 一种基于阈值分割的焊缝缺陷检测方法 | |
CN117095004B (zh) | 基于计算机视觉的挖掘机行走架主体焊接变形检测方法 | |
CN110007493B (zh) | 液晶显示屏中碎亮点检测方法 | |
CN112200826B (zh) | 一种工业弱缺陷分割方法 | |
CN117351019B (zh) | 一种焊接缺陷检测方法 | |
JP5705711B2 (ja) | ひび割れ検出方法 | |
CN111861979A (zh) | 一种定位方法、设备及计算机可读存储介质 | |
JP4870016B2 (ja) | ひび割れ検出方法 | |
CN115100191A (zh) | 基于工业检测的金属铸件缺陷识别方法 | |
CN112669295A (zh) | 一种基于二次阈值分割理论的锂电池极片缺陷检测方法 | |
CN113155839A (zh) | 一种基于机器视觉的钢板外表面缺陷在线检测方法 | |
CN112085700A (zh) | X射线图像中焊缝区域的自动化提取方法、系统及介质 | |
CN111798423B (zh) | 一种混凝土裂缝图片拼接与检测方法 | |
CN115511819B (zh) | 一种x射线焊缝边界识别方法、装置、设备及存储介质 | |
JP2001028059A (ja) | 色ムラ検査方法及び装置 | |
JP4247993B2 (ja) | 画像検査装置、画像検査方法、制御プログラムおよび可読記憶媒体 | |
JP2005265828A (ja) | 疵検出方法及び装置 | |
CN117830312B (zh) | 基于机器视觉的合金裂纹无损检测方法 | |
TW201621856A (zh) | 檢測顯示模組間隙寬度的方法 |
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 |