CN116681703B - 一种智能开关质量快速检测方法 - Google Patents

Abstract

本发明涉及图像处理领域，具体涉及一种智能开关质量快速检测方法，工业相机采集智能开关表面图像，建立各像素点初始滤波窗口，根据各像素点初始滤波窗口的变化程度得到各像素点第一调整窗口；根据各像素点第一调整窗口的有效调节值以及有效调节阈值得到各像素点第二调整窗口；根据各像素点第二调整窗口及各像素点第二调整窗口内所包含像素点的第二调整窗口得到各像素点的优化滤波窗口；结合中值滤波算法及各像素点的优化滤波窗口对各像素点进行滤波得到去噪后的智能开关表面图像；通过神经网络及智能开关表面图像尺寸完成智能开关表面质量检测。从而实现智能开关表面质量检测，具有较高质量检测精度与效率。

Description

一种智能开关质量快速检测方法

技术领域

本申请涉及图像处理领域，具体涉及一种智能开关质量快速检测方法。

背景技术

智能开关是指一种可以自动控制电路开关、与其他智能设备联动、实现集成化管理的电力控制设备。它通常具有智能化、便捷化、安全化等特点，能够提高生活和工作的舒适度、便利性和安全性，广泛应用于住宅、商业、工业等领域。故对开关的质量进行检测，可以有效的减少残次品开关的出现，提高销售效益。而在使用图像处理对开关质量进行检测时，采集的图像往往会受到电子元件、传输介质等外部影响，传输的图像信息不可避免地会受到噪声的干扰，噪声会极大程度地影响到图像质量，进而影响到开关质量检测的精度。因此，图像噪声去除是图像处理中的一个重要领域。

中值滤波是一种常见的图像去噪算法，传统中值滤波算法中，滤波窗口尺寸单一，均为人为设定的固定值，图像不同区域对同一尺寸滤波窗口适应度不同，滤波窗口过大，图像的去噪效果较好，但会出现图像细节丢失以及清晰度较低等现象；滤波窗口过小，图像细节保存较为理想，但对噪声的处理效果较差。

综上所述，本发明提出一种智能开关质量快速检测方法，采用工业相机采集智能开关表面图像，通过对各像素点的中值滤波窗口进行自适应调整得到优化滤波窗口，通过优化滤波窗口对图像进行去噪以提高图像质量，并将去噪后图像输入到神经网络中，对智能开关表面图像中缺陷区域进行识别，实现智能开关表面质量检测。

发明内容

为了解决上述技术问题，本发明提供一种智能开关质量快速检测方法，以解决现有的问题。

本发明的一种智能开关质量快速检测方法采用如下技术方案：

本发明一个实施例提供了一种智能开关质量快速检测方法，该方法包括以下步骤：

通过工业相机获取智能开关表面灰度图像；

根据各像素点的初始滤波窗口得到各像素点的邻域像素值排序序列；根据各像素点的邻域像素值排序序列得到各像素点初始滤波窗口下的变化程度；根据各像素点初始滤波窗口的变化程度得到各像素点第一调整窗口尺寸；

根据各像素点初始滤波窗口内各像素点像素值得到各像素点初始滤波窗口内纹理像素点个数；根据各像素点初始滤波窗口内各像素值变化及纹理像素点个数得到各像素点初始滤波窗口的细节丢失度；根据各像素点初始滤波窗口下的变化程度和细节丢失度以及各像素点第一调整窗口下的变化程度和细节丢失度得到各像素点第一调整窗口的有效调节值；根据各像素点第一调整窗口的有效调节值得到各像素点第二调整窗口；根据各像素点第二调整窗口及第二调整窗口内所包含像素点的第二调整窗口尺寸得到各像素点的优化滤波窗口；

结合各像素点的优化滤波窗口对各像素点进行滤波；获取滤波去噪后的智能开关表面图像；根据神经网络获取去噪后的智能开关表面图像中缺陷区域面积；根据去噪后的智能开关表面图像中缺陷区域面积计算智能开关表面质量。

优选的，所述根据各像素点的邻域像素值排序序列得到各像素点的初始滤波窗口下的变化程度，具体步骤为：

各像素点的初始滤波窗口下的变化程度为各像素点初始滤波窗口下邻域像素值排序序列的局部与整体的像素值变化与各像素点初始滤波窗口的邻域像素值中值相对像素点像素值的差异距离的乘积；

其中，各像素点初始滤波窗口下邻域像素值排序序列的局部与整体的像素值变化表达式为：

式中，为像素点的初始滤波窗口下邻域像素值排序序列的局部与整体的像 素值变化，为像素点的初始滤波窗口中像素点总个数，、为像素点的初始滤波 窗口的邻域像素值排序序列中最大、最小像素值，为像素点的初始滤波窗口的邻 域像素值排序序列中第个、第个像素值，为像素点的邻域像素值排序序列中具有 相同像素值的像素点个数；

其中，各像素点初始滤波窗口的邻域像素值中值相对像素点像素值的差异距离与各像素点像素值在邻域像素值排序序列中的排序号及各像素点像素值与初始滤波窗口内邻域像素值中值的差值成正比。

优选的，所述根据各像素点初始滤波窗口的变化程度得到各像素点第一调整窗口尺寸，具体包括：

各像素点第一调整窗口尺寸与各像素点初始滤波窗口尺寸及变化程度的乘积成正比，各像素点第一调整窗口尺寸为奇整数。

优选的，所述根据各像素点初始滤波窗口内各像素点像素值得到各像素点初始滤波窗口内纹理像素点个数，具体步骤为：

对于各像素点，当各像素点的初始滤波窗口内各邻域像素点与各像素点的像素值差值不为0，将各邻域像素点记为纹理像素点，统计各像素点的初始滤波窗口内纹理像素点个数。

优选的，所述根据各像素点初始滤波窗口内各像素值变化得到各像素点初始滤波窗口的细节丢失度，表达式为：

式中，为像素点的初始滤波窗口的细节丢失度，为像素点的初始滤波窗 口内纹理像素点个数，为像素点的初始滤波窗口内邻域像素值中值，为像素点的像 素值，为像素点的初始滤波窗口内第个像素点的像素值。

优选的，所述根据各像素点初始滤波窗口下的变化程度和细节丢失度以及各像素点第一调整窗口下的变化程度和细节丢失度得到各像素点第一调整窗口的有效调节值，具体包括：

各像素点第一调整窗口的有效调节值与各像素点初始滤波窗口及第一调整窗口的变化程度的差值、细节丢失度的差值成正比。

优选的，所述根据各像素点第一调整窗口的有效调节值以及有效调节阈值得到各像素点第二调整窗口，具体包括：

设定有效调节阈值，当各像素点第一调整窗口的有效调节值大于有效调节阈值时，对各像素点第一调整窗口进行再次调整，直至各像素点调整窗口的有效调节值小于有效调节阈值或者调整窗口大小达到限制值时停止调整；将各像素点停止调整时的调整窗口记为各像素点第二调整窗口。

优选的，所述根据各像素点第二调整窗口及各像素点第二调整窗口内所包含像素点的第二调整窗口得到各像素点的优化滤波窗口尺寸，具体包括：

各像素点的优化滤波窗口尺寸与各像素点第二调整窗口尺寸及第二调整窗口内各像素点的第二调整窗口尺寸的差值成正比，与为各像素点的第二调整窗口尺寸成正比，各像素点的优化滤波窗口尺寸为奇整数。

优选的，所述根据神经网络获取去噪后的智能开关表面图像中缺陷区域面积，具体步骤为：

将去噪后智能开关表面图像输入到神经网络中，输出智能开关表面图像中缺陷区域，统计缺陷区域内像素点总数作为智能开关表面图像的缺陷区域面积。

优选的，所述根据去噪后的智能开关表面图像中缺陷区域面积得到智能开关表面质量，具体包括：

智能开关表面质量与去噪后的智能开关表面图像中缺陷区域面积及智能开关表面图像面积的比值成反比。

本发明至少具有如下有益效果：

本发明通过自适应窗口对图像进行中值滤波去噪，得到细节保留效果和噪点去除效果均较高的智能开关表面图像，并通过神经网络完成对图像的缺陷检测，解决了传统中值滤波算法中滤波窗口尺寸单一的影响，避免图像中部分区域细节不足、部分区域去噪效果较差的问题，提高了图像清晰度，加快了神经网络对图像中缺陷的识别速度，进而提高了智能开关质量检测速度；

本发明通过智能开关表面图像中各像素点的初始滤波窗口内邻域像素值排序序列的整体与局部像素值变化得到各像素点的变化程度，通过各像素点的变化程度对各像素点的初始滤波窗口进行自适应调节得到中值滤波窗口，通过智能开关表面图像中缺陷与噪声特征来对自适应调节后的中值滤波窗口进行优化得到各像素点的优化滤波窗口，在保留缺陷细节与清晰度的同时，提高了去噪效果，提高了图像质量。将滤波后的图像输入到神经网络中完成缺陷识别，提高了神经网络对缺陷识别的精度与效率，进而提高了质量检测精度与效率。

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为本发明提供的一种智能开关质量快速检测方法的流程图。

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智能开关质量快速检测方法，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智能开关质量快速检测方法的具体方案。

本发明一个实施例提供的一种智能开关质量快速检测方法。

具体的，提供了如下的一种智能开关质量快速检测方法，请参阅图1，该方法包括以下步骤：

步骤S001，采集智能开关表面图像，对图像进行预处理。

本发明实施例中通过工业相机，固定光源采集智能开关表面图像，并对图像进行裁剪得到完整智能开关区域表面图像，采集的图像为RGB图像，使用加权灰度化的方法对智能开关表面图像进行灰度化处理，是灰度图像更接近真实图像情况。其中加权灰度化为公知技术，此处不再赘述。

步骤S002，通过自适应调整得到智能开关表面图像中各像素点优化滤波窗口，进行中值滤波去噪，获取高质量智能开关表面图像。

传统的中值滤波算法通过经验值，人为的设定滤波窗口尺寸和阈值对图像进行滤波。而滤波窗口尺寸过大时，中值滤波对图像的去噪效果较好，但会出现图像细节丢失以及清晰度较低等现象；滤波窗口尺寸过小时，图像细节保存较为理想，但对噪声的处理效果较差。

故本发明实施例中对智能开关表面图像中各像素点进行局部分析，自适应获取优 化滤波窗口完成滤波。首先设定初始滤波窗口，需要说明的是，初始滤波窗口的选取实 施者可自行设定，本实施例将初始滤波窗口设定为，则对图像中的任意一个像素点， 获取像素点初始滤波窗口内的全部像素值，对像素点进行分析，将像素点的像素值记为。传统的中值滤波算法直接将滤波窗口内的邻域像素点的灰度值进行排序，将邻域像素 值排序得到的中值来代替待处理的像素。则对像素点的初步滤波窗口进行分析，获取像素 点的滤波窗口内的邻域像素值排序序列｛，，...，｝，其中邻域像素值包括滤波窗 口内的所有像素值，本实施例首先获取像素点的初始滤波窗口下邻域像素值排序序列的 局部与整体的像素值变化，表达式为：

式中，为像素点的初始滤波窗口下邻域像素值排序序列的局部与整体的像 素值变化，为像素点的初始滤波窗口中像素点总个数，为像素点的初始滤波窗 口的邻域像素值排序序列中最大像素值，为像素点的初始滤波窗口的邻域像素值排序 序列中最小像素值，为像素点的初始滤波窗口的邻域像素值排序序列中第个像素值；为累加数，即初始为0，当=0时，对加1，最终的值即为像素点的邻域像素 值排序序列中具有相同像素值的像素点个数；为防止分母为0的正数，实施者可自行设置， 本实施例将设为0.001。

然后获取像素点的初始滤波窗口的邻域像素值中值相对像素点像素值的差异 距离，表达式为：

式中，为像素点的初始滤波窗口的邻域像素值中值相对像素点像素值的 差异距离，为像素点的初始滤波窗口中像素点总个数，为像素点的像素值在邻域 像素值排序序列中对应的排序号，，且为正整数；为像素点的初始滤波 窗口内邻域像素值中值，为像素点的像素值。

最后，根据像素点的初始滤波窗口下邻域像素值排序序列的局部与整体的像素 值变化及像素点的初始滤波窗口的邻域像素值中值相对像素点像素值的差异距离得到 像素点初始滤波窗口下的变化程度，表达式为：

式中，为像素点的初始滤波窗口下的变化程度，为像素点的初始滤 波窗口下邻域像素值排序序列的局部与整体的像素值变化，为像素点的初始滤波窗 口的邻域像素值中值相对像素点像素值的差异距离。

其中反映了排序序列中像素值的局部变化，而则反 映了排序序列中像素值的整体变化。像素点的像素值与其邻域像素值中值差异越大，像素 点的像素值的排序号与其邻域像素值中值排序号差异越大，则值越大。值越 大，值越大，则像素点的变化程度越大。则反映了该滤波窗口下，像素点的变 化程度，越大，则说明该像素点越可能为噪声点或缺陷像素点。从而根据上述方式获 取各像素点的初始滤波窗口下的变化程度。

本实施例将各像素点的初始滤波窗口的变化程度进行自适应分析，根据各像素点初始滤波窗口的变化程度得到各像素点第一调整窗口，表达式为：

式中，为像素点的第一调整窗口尺寸，为对括号内部分取最近的奇数 整，为像素点的初始滤波窗口尺寸，为像素点的初始滤波窗口的变化程度。需要 说明的是，初始滤波窗口的选取实施者可自行设定，本实施例将初始滤波窗口设定为 ，0.5为根据经验值设置的阈值。为调节后的窗口大小。其中为对括号内部分取最 近的奇数整，即。

根据各像素点初始滤波窗口内各像素值变化得到各像素点初始滤波窗口的细节丢失度，表达式为：

式中，为像素点的初始滤波窗口的细节丢失度，为像素点的初始滤波窗 口内纹理像素点个数，为像素点的初始滤波窗口内邻域像素值中值，为像素点的像 素值，为像素点的初始滤波窗口内第个像素点的像素值。

根据上述步骤求得第一调整窗口的变化程度及细节丢失度，根据各像素点初始滤波窗口内各像素点像素值得到各像素点初始滤波窗口内纹理像素点个数，具体步骤为：

以像素点的初始滤波窗口为例，若像素点的初始滤波窗口内各邻域像素值中值 与像素点的像素值差值不为0，则说明像素点的初始滤波窗口内各邻域像素点与像素点 存在细节信息，将存在细节信息的各像素点记为纹理像素点，累计得到像素点的初始滤波 窗口内纹理像素点个数。

根据各像素点不同窗口下的变化程度的差异和细节丢失度的差异得到各像素点第一调整窗口的有效调节值，表达式为：

式中，为像素点的第一调整窗口的有效调节值，为像素点的初始滤 波窗口的变化程度，为像素点的第一调整窗口的变化程度，像素点的初始 滤波窗口的细节丢失度，为像素点的第一调整窗口的细节丢失度，为防止分母为0 的正数，实施者可自行设置，本实施例将设为0.001。

细节丢失度通过像素点的局部像素值的变化反映细节丢失，细节丢失度值越小， 像素点第一调整窗口的有效调节值越大。与两个变化程度之间差异越大则 说明该次调节越有效，有效调节值越大，与之间差异越大，有效调节值越大。

对有效调节值进行归一化处理，根据经验值设置有效调节阈值，需要说明的是，有效调节阈值的设定实施者可自行选取，本实施例将有效调节阈值设置为0.9。根据各像素点第一调整窗口的有效调节值以及有效调节阈值得到各像素点第二调整窗口，具体步骤为：

对各像素点第一调整窗口的有效调节值进行归一化并设定有效调节阈值，当各像素点第一调整窗口的有效调节值大于有效调节阈值时认为各像素点第一调整窗口相对初始滤波窗口的调整有效，可对各像素点第一调整窗口进行再次调整，不断迭代，直至各像素点调整窗口的有效调节值小于有效调节阈值或者调整窗口大小达到限制值时停止调整；将各像素点停止调整时的调整窗口记为各像素点第二调整窗口。窗口大小的限制值实施者可进行调节，本发明实施例中将窗口大小的限制值设定为[3,21]。

而本发明实施例中需要对噪声进行滤除，保留缺陷的细节与清晰度，以提高缺陷的检测精度。直接使用第二调整窗口进行滤波，可能会出现滤波效果较差的现象（噪声与缺陷所对应滤波窗口大小接近，导致缺陷部分被滤除）。故本实施例中根据各像素点第二调整窗口及各像素点第二调整窗口内所包含像素点的第二调整窗口得到各像素点的优化滤波窗口，表达式为：

式中，为像素点的优化滤波窗口尺寸，为对括号内部分取最近的奇数 整，为像素点的第二调整窗口尺寸，为像素点的第二调整窗口内像素点个数， 为像素点的第二调整窗口内第个像素点的第二调整窗口尺寸，为以自然常数e为底数 的指数函数。

与的差异越小，则说明像素点与其第二调整窗口内第个像素点越可能为同 类像素点，即同属缺陷像素点，其滤波窗口应越小，进而保留缺陷的细节与清晰度，从而提 高后续缺陷的检测精度。

则根据上述步骤对各像素点所对应的滤波窗口进行优化，获取各像素点对应的优化滤波窗口。根据各像素点对应的优化滤波窗口对图像进行中值滤波，将窗口内像素值的中值作为中心像素点的新像素值，完成中值滤波，具体过程为公知技术，此处不再详述。则可基于各像素点的优化滤波窗口完成智能开关表面图像的去噪处理。

步骤S003，根据高质量智能开关表面图像结合神经网络完成智能开关质量快速检测。

根据神经网络获取去噪后的智能开关表面图像中缺陷区域面积，具体步骤为：

将去噪后智能开关表面图像输入到U-Net神经网络中，U-Net神经网络的输出为智能开关表面图像中缺陷区域，损失函数为交叉熵损失函数，训练数据集由带有标注的缺陷图像组成，在训练过程中，使用交叉熵损失函数计算预测图像与真实标注图像之间的差异，并使用反向传播算法来更新U-Net神经网络参数以最小化损失函数，通过U-Net神经网络获取智能开关表面图像的缺陷区域，统计缺陷区域内像素点总数，作为智能开关表面图像的缺陷区域面积。

智能开关表面图像中缺陷区域的多少能够反映出智能开关表面质量的优劣，因此，本实施例结合去噪后的智能开关表面图像中缺陷区域面积大小对智能开关表面质量进行检测分析，所述智能开关表面质量表达式为：

式中，为智能开关表面质量，为去噪后的智能开关表面图像中缺陷区域面积，为智能开关表面图像面积。当大于所设阈值0.9时，的阈值实施者可自行设置，可认 为智能开关表面质量良好，否则智能开关质量较差，为缺陷产品。

综上所述，本发明实施例通过自适应窗口对图像进行中值滤波去噪，得到细节保留效果和噪点去除效果均较高的智能开关表面图像，并通过神经网络完成对图像的缺陷检测，解决了传统中值滤波算法中滤波窗口尺寸单一的影响，避免图像中部分区域细节不足、部分区域去噪效果较差的问题，提高了图像清晰度，加快了神经网络对图像中缺陷的识别速度，进而提高了智能开关质量检测速度；

本发明实施例通过智能开关表面图像中各像素点的初始滤波窗口内邻域像素值排序序列的整体与局部像素值变化得到各像素点的变化程度，通过各像素点的变化程度对各像素点的初始滤波窗口进行自适应调节得到中值滤波窗口，通过智能开关表面图像中缺陷与噪声特征来对自适应调节后的中值滤波窗口进行优化得到各像素点的优化滤波窗口，在保留缺陷细节与清晰度的同时，提高了去噪效果，提高了图像质量。将滤波后的图像输入到神经网络中完成缺陷识别，提高了神经网络对缺陷识别的精度与效率，进而提高了质量检测精度与效率。

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。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或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。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；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，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 (8)

1.一种智能开关质量快速检测方法，其特征在于，该方法包括以下步骤：

通过工业相机获取智能开关表面灰度图像；

对图像中各像素点建立初始滤波窗口；根据初始滤波窗口得到各像素点的邻域像素值排序序列；根据各像素点的邻域像素值排序序列得到各像素点初始滤波窗口下的变化程度；

根据各像素点初始滤波窗口的变化程度得到各像素点第一调整窗口；

根据各像素点初始滤波窗口内各像素点像素值得到各像素点初始滤波窗口内纹理像素点个数；

根据各像素点初始滤波窗口内各像素值变化及纹理像素点个数得到各像素点初始滤波窗口的细节丢失度；

获取各像素点第一调整窗口下的变化程度及细节丢失度；根据各像素点初始滤波窗口下的变化程度和细节丢失度以及各像素点第一调整窗口下的变化程度和细节丢失度得到各像素点第一调整窗口的有效调节值；

根据各像素点第一调整窗口的有效调节值以及有效调节阈值得到各像素点第二调整窗口；根据各像素点第二调整窗口及各像素点第二调整窗口内所包含像素点的第二调整窗口得到各像素点的优化滤波窗口；

结合中值滤波算法及各像素点的优化滤波窗口对各像素点进行滤波；根据智能开关表面灰度图像各像素点的滤波结果得到去噪后的智能开关表面图像；根据神经网络获取去噪后的智能开关表面图像中缺陷区域面积；根据去噪后的智能开关表面图像中缺陷区域面积以及智能开关表面图像尺寸得到智能开关表面质量；

所述根据各像素点的邻域像素值排序序列得到各像素点的初始滤波窗口下的变化程度，表达式为：

式中，为像素点/>的初始滤波窗口下的变化程度，/>为归一化函数，/>为像素点/>的初始滤波窗口下邻域像素值排序序列的局部与整体的像素值变化，/>为像素点/>的初始滤波窗口的邻域像素值中值相对像素点/>像素值的差异距离，/>为像素点/>的初始滤波窗口中像素点总个数，/>为像素点/>的初始滤波窗口的邻域像素值排序序列中最大像素值，/>为像素点/>的初始滤波窗口的邻域像素值排序序列中最小像素值，/>为像素点/>的初始滤波窗口的邻域像素值排序序列中第/>个像素值，/>为像素点/>的初始滤波窗口的邻域像素值排序序列中第/>个像素值，/>为像素点/>的邻域像素值排序序列中具有相同像素值的像素点个数，/>为防止分母为0的正数，/>为像素点/>的像素值在邻域像素值排序序列中对应的排序号，/>为像素点/>的初始滤波窗口内邻域像素值中值，/>为像素点的像素值；

所述根据各像素点初始滤波窗口内各像素值变化得到各像素点初始滤波窗口的细节丢失度，表达式为：

式中，为像素点/>的初始滤波窗口的细节丢失度，/>为像素点/>的初始滤波窗口内纹理像素点个数，/>为像素点/>的初始滤波窗口内邻域像素值中值，/>为像素点/>的像素值，/>为像素点/>的初始滤波窗口内第/>个像素点的像素值。

2.如权利要求1所述的一种智能开关质量快速检测方法，其特征在于，所述根据各像素点初始滤波窗口的变化程度得到各像素点第一调整窗口，表达式为：

式中，为像素点/>的第一调整窗口尺寸，/>为对括号内部分取最近的奇数整，/>为像素点/>的初始滤波窗口尺寸，/>为像素点/>的初始滤波窗口的变化程度。

3.如权利要求1所述的一种智能开关质量快速检测方法，其特征在于，所述根据各像素点初始滤波窗口内各像素点像素值得到各像素点初始滤波窗口内纹理像素点个数，具体步骤为：

对于各像素点，当各像素点的初始滤波窗口内各邻域像素点与各像素点的像素值差值不为0，将各邻域像素点记为纹理像素点，统计各像素点的初始滤波窗口内纹理像素点个数。

4.如权利要求1所述的一种智能开关质量快速检测方法，其特征在于，所述根据各像素点初始滤波窗口下的变化程度和细节丢失度以及各像素点第一调整窗口下的变化程度和细节丢失度得到各像素点第一调整窗口的有效调节值，表达式为：

式中，为像素点/>的第一调整窗口的有效调节值，/>为像素点/>的初始滤波窗口的变化程度，/>为像素点/>的第一调整窗口的变化程度，/> 像素点/>的初始滤波窗口的细节丢失度，/>为像素点/>的第一调整窗口的细节丢失度，/>为防止分母为0的正数。

5.如权利要求1所述的一种智能开关质量快速检测方法，其特征在于，所述根据各像素点第一调整窗口的有效调节值以及有效调节阈值得到各像素点第二调整窗口，具体步骤为：

对各像素点第一调整窗口的有效调节值进行归一化并设定有效调节阈值，当各像素点第一调整窗口的有效调节值大于有效调节阈值时认为各像素点第一调整窗口相对初始滤波窗口的调整有效，对各像素点第一调整窗口进行再次调整，不断迭代，直至各像素点调整窗口的有效调节值小于有效调节阈值或者调整窗口大小达到限制值时停止调整；将各像素点停止调整时的调整窗口记为各像素点第二调整窗口。

6.如权利要求1所述的一种智能开关质量快速检测方法，其特征在于，所述根据各像素点第二调整窗口及各像素点第二调整窗口内所包含像素点的第二调整窗口得到各像素点的优化滤波窗口，表达式为：

式中，为像素点/>的优化滤波窗口尺寸，/>为对括号内部分取最近的奇数整，/>为像素点/>的第二调整窗口尺寸，/>为像素点/>的第二调整窗口内像素点个数，/>为像素点/>的第二调整窗口内第/>个像素点的第二调整窗口尺寸，/>为以自然常数e为底数的指数函数。

7.如权利要求1所述的一种智能开关质量快速检测方法，其特征在于，所述根据神经网络获取去噪后的智能开关表面图像中缺陷区域面积，具体步骤为：

将去噪后智能开关表面图像输入到U-Net神经网络中，U-Net神经网络的输出为智能开关表面图像中缺陷区域，损失函数为交叉熵损失函数，训练数据集由带有标注的缺陷图像组成，使用交叉熵损失函数计算预测图像与真实标注图像之间的差异，并使用反向传播算法来更新U-Net神经网络参数以最小化损失函数，通过U-Net神经网络获取智能开关表面图像的缺陷区域，统计缺陷区域内像素点总数，作为智能开关表面图像的缺陷区域面积。

8.如权利要求1所述的一种智能开关质量快速检测方法，其特征在于，所述根据去噪后的智能开关表面图像中缺陷区域面积以及智能开关表面图像尺寸得到智能开关表面质量，表达式为：

式中，为智能开关表面质量，/>为去噪后的智能开关表面图像中缺陷区域面积，/>为智能开关表面图像面积。