CN116703912A - 一种迷你主机网口完整性视觉检测方法 - Google Patents

Abstract

本发明公开了一种迷你主机网口完整性视觉检测方法，属于图像处理技术邻域，该方法包括：获取网口灰度图像，获得针脚区域；对各个针脚区域进行角点检测，将角点划分出的边缘标记为一级边缘；基于一级边缘的针脚边缘特征及坐标值确定针脚形态规整度；基于网口灰度图像中各个针脚区域对应的针脚形态规整度及异常分数确定对应针脚区域的针脚完整一致度；基于针脚形态规整度对迷你主机网口的针脚形态进行评价，获得针脚形态评价结果。如此对网口灰度图像进行针脚区域划分、角点分析获得一级边缘，进而获得各个一级边缘的针脚形态规整度、针脚完整一致度，从而对针脚的形态和完整性进行检测，实现了迷你主机网口完整性的快速、准确的视觉检测。

Description

一种迷你主机网口完整性视觉检测方法

技术领域

本发明涉及图像处理技术领域，尤其涉及一种迷你主机网口完整性视觉检测方法。

背景技术

迷你主机网口即为迷你主机连接互联网的网线的插口，作用为连接网络，结构构成主要包括RJ45网线接口和内部电路板。网口表面平行整齐排布的8根针脚用于确保迷你主机能够与其他设备正常连接从而进行网络通信。因此，需要保证网口表面针脚的质量良好，针脚长短不在范围内、针脚偏移、弯曲等缺陷。

目前可以利用3D点云或视觉检测对迷你主机网口的完整性进行检测，即实现对网口表面的针脚质量检测。但是，使用3D点云技术获取的网口位置的点云数据中含有大量噪声，而针脚较为精密，检测结果易受到点云噪声的影响；而现有的视觉检测一般为仅仅针对针脚长短超出合适的范围，针脚偏移、弯曲等某一个缺陷进行检测，为了实现对网口的完整性检测，需要进行多次检测，造成时间和资源的浪费。所以，需要一种可直接实现网口完整性检测的方法。

发明内容

本发明提供一种迷你主机网口完整性视觉检测方法，旨在实现迷你主机网口完整性的快速、准确的视觉检测。

为实现上述目的，本发明提供一种迷你主机网口完整性视觉检测方法，所述方法包括：

获取网口RGB图像，将所述网口RGB图像转换为网口灰度图像，基于最大类间方差法对所述网口灰度图像进行划分，获得针脚区域；

对各个针脚区域进行角点检测，获得针脚区域边缘上的角点，将角点划分出的各个针脚区域边缘标记为一级边缘；

基于所述一级边缘的对应的针脚边缘特征及坐标值确定针脚形态规整度；

基于所述网口灰度图像中各个针脚区域对应的针脚形态规整度及异常分数确定对应针脚区域的针脚完整一致度；

基于所述针脚形态规整度对迷你主机网口的针脚形态进行评价，获得针脚形态评价结果。

可选地，所述针脚边缘特征包括针脚边缘近邻方向规整度和针脚边缘对向方向规整度。

可选地，所述基于所述一级边缘的对应的针脚边缘特征及坐标值确定针脚形态规整度包括：

基于相邻角差值确定所述一级边缘对应的针脚边缘近邻方向规整度；

基于第一皮尔逊系数、第二皮尔逊系数、对角差值确定所述一级边缘对应的针脚边缘对向方向规整度；

基于所述针脚边缘近邻方向规整度、所述针脚边缘对向方向规整度、坐标值及预测坐标值确定一级边缘对应针脚区域的针脚形态规整度。

可选地，所述基于相邻角差值确定所述一级边缘对应的针脚边缘近邻方向规整度之前，还包括：

分别对各个一级边缘的像素点进行主成分分析，获得各个一级边缘倾斜角；

将一级边缘倾斜角与相邻一级边缘倾斜角之间的差值确定为相邻角差值；

将一级边缘倾斜角与非相邻一级边倾斜角缘之间的差值确定为对角差值。

可选地，所述基于第一皮尔逊系数、第二皮尔逊系数、对角差值确定所述一级边缘对应的针脚边缘对向方向规整度之前，还包括：

以各个一级边缘的左上方为起点，获取每个一级边缘的所有坐标值，将横坐标值记为对应一级边缘的横向序列，将纵坐标值记为对应一级边缘的纵向序列；

统计各个横向序列、各个纵向序列中坐标值的个数，分别确定横向序列中的最小横坐标个数和纵向序列中的最小纵坐标个数；

将各个横向序列标准化为包含最小横坐标个数的横坐标值的标准横向序列，将各个纵向序列标准化为包含最小纵坐标个数的纵坐标值的标准纵向序列；

确定一级边缘的标准横向序列与其对应的二级边缘的标准横向序列的第一皮尔逊系数，并确定一级边缘的标准纵向序列与其对应的二级边缘的标准纵向序列的第二皮尔逊系数，其中，所述二级边缘为所述一级边缘的对边。

可选地，预测坐标值包括预测横坐标值和预测纵坐标值；

所述基于所述针脚边缘近邻方向规整度、所述针脚边缘对向方向规整度、坐标值及预测坐标值确定一级边缘对应针脚区域的针脚形态规整度之前，还包括：

通过自回归综合移动平均模型ARIMA基于每个一级边缘的横向序列、纵向序列的前若干个坐标值分别获得多个对应的预测横坐标值、预测纵坐标值。

可选地，所述基于所述网口灰度图像中各个针脚区域对应的针脚形态规整度及异常分数确定对应针脚区域的针脚完整一致度之前，还包括：

对各个针脚区域的针脚形态规整度使用孤立森林算法进行分析，获得各个针脚区域的异常分数。

可选地，所述获取网口RGB图像，将所述网口RGB图像转换为网口灰度图像，基于最大类间方差法对所述网口灰度图像进行划分，获得针脚区域之后，还包括：

基于针脚区域的个数确定针脚个数，将针脚个数小于个数阈值的网口灰度图像对应的网口确定为缺陷网口。

可选地，所述基于所述针脚形态规整度对迷你主机网口的针脚形态进行评价，获得针脚形态评价结果包括：

将迷你主机网口的每个针脚区域的针脚形态规整度与阈值进行比较，基于比较结果获得针脚形态评价结果。

可选地，所述将迷你主机网口的每个针脚区域的针脚形态规整度与阈值进行比较，基于比较结果获得针脚形态评价结果包括：

当迷你主机网口的每个针脚区域的针脚形态规整度均大于或等于阈值，则确定对应的迷你主机网口的针脚形态未发生改变，输出迷你主机网口针脚形态正常的评价结果；

当迷你主机网口存在一个或多个针脚区域的针脚形态规整度小于阈值，则确定对应的迷你主机网口的针脚形态发生改变，输出迷你主机网口针脚形态异常的评价结果。

相比现有技术，本发明提出的一种迷你主机网口完整性视觉检测方法，本实施例通过上述方案，获取网口RGB图像，将所述网口RGB图像转换为网口灰度图像，基于最大类间方差法对所述网口灰度图像进行划分，获得针脚区域；对各个针脚区域进行角点检测，获得针脚区域边缘上的角点，将角点划分出的各个针脚区域边缘标记为一级边缘；基于所述一级边缘的对应的针脚边缘特征及坐标值确定针脚形态规整度；基于所述网口灰度图像中各个针脚区域对应的针脚形态规整度及异常分数确定对应针脚区域的针脚完整一致度；基于所述针脚形态规整度对迷你主机网口的针脚形态进行评价，获得针脚形态评价结果。如此对网口灰度图像进行针脚区域划分、角点分析获得一级边缘，进而获得各个一级边缘的针脚形态规整度、针脚完整一致度，从而对针脚的形态和完整性进行检测，实现了迷你主机网口完整性的快速、准确的视觉检测。

附图说明

图1是本发明迷你主机网口完整性视觉检测方法一实施例的流程示意图；

图2是本发明迷你主机网口完整性视觉检测方法一实施例的细化流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参照图1，图1是本发明迷你主机网口完整性视觉检测方法第一实施例的流程示意图。

如图1所示，本发明第一实施例提出一种迷你主机网口完整性视觉检测方法，所述方法包括：

步骤S101，获取网口RGB图像，将所述网口RGB图像转换为网口灰度图像，基于最大类间方差法对所述网口灰度图像进行划分，获得针脚区域；

使用工业相机获取迷你主机网口的图像，记为网口RGB图像，网口RGB图像为彩色图像，本实施例通过灰度变换将网口RGB图像转换为网口灰度图像。本实施例还需要对网口灰度图像使用高斯滤波进行去噪，提升图像的质量，减少噪声对后续分析的影响。

网口表面的针脚为金属材质，网口外壳一般为深色塑料材质，所以在网口灰度图像中针脚部分较亮，网口表面部分较暗。基于此，对网口灰度图像使用OTSU最大类间方差法进行划分，确定划分的阈值，将像素值大于阈值的像素点划分出来，并对划分出的像素点进行连通域分析，将每个连通域确定为一个针脚区域，每个针脚区域对应于迷你主机网口上的一个完整针脚。本实施例基于最大类间方差法的公知技术进行划分，此处不再赘述。

此外，当确定针脚区域后还可以基于针脚区域的个数确定针脚个数，将针脚个数小于个数阈值的网口灰度图像对应的网口确定为缺陷网口。

当前的迷你主机网口一般设置有八个平行整齐排布的针脚，本实施例将个数阈值n1设置为8，统计获取的针脚区域的个数，将针脚区域的个数确定为针脚个数。当针脚个数不等于阈值n1时，则认为迷你主机网口完整性不足，存在完整性缺陷，输出迷你主机网口存在缺陷的检测结果；当针脚区域的个数等于阈值n1时，则进一步判断主机网口的完整性。

本实施例，对每个针脚区域对应的特征分别进行评价，然后结合网口表面不同针脚整齐排布的特征对得到的每个针脚区域的完整性的一致性评价。首先对每个针脚区域的针脚边缘特征分别进行提取，根据各个针脚区域的针脚边缘特征对各个针脚区域的一致性进行分析，根据分析结果判断主机网口的完整性情况。

步骤S102，对各个针脚区域进行角点检测，获得针脚区域边缘上的角点，将角点划分出的各个针脚区域边缘标记为一级边缘；

对针脚区域使用FAST（Features from Accelerated Segment Test）角点检测获取针脚区域边缘上的角点。FAST角点检测是一种的快速角点特征检测算法，其基本定义是若某像素点与其周围领域内足够多的像素点处于不同的区域，则该像素点可能为角点；FAST特征点检测是对兴趣点所在圆周上的16个像素点进行判断，若判断后的当前中心像素点为暗或亮，将决定其是否为角点。具体地，确定一个角点判断阙值，观察某像素点（其像素值记为I）为中心的一个半径等于3像素的离散化的圆，这个圆的边界上有16个像素。如果在这个大小为16个像素的圆上有x(一般x为12)个连续的像素点，这些连续像素点的像素值I要么都比中心像素点像素值与角点判断阈值之和大，要么都比中心像素点像素值与角点判断阈值之差小，则这个连续像素点就是一个角点。将角点判断阙值表示为t，则若连续像素点的像素值不在（I±t）范围内，则连续像素点为角点。

获得的各个角点会将针脚区域的边缘划分为多个针脚区域边缘，将针脚区域的每个针脚区域边缘记为一个一级边缘。正常的针脚区域呈规则矩形状，所以每个一级边缘均较为平滑且笔直，每个一级边缘与相邻的一级边缘之间的夹角接近直角，一级边缘与除了相邻的两个一级边缘之外的其他一级边缘的方向一致。本实施例为了方便描述，将针脚区域中每个一级边缘和其相邻的一级边缘之外的各个一级边缘记为该一级边缘的二级边缘，也即二级边缘与一级边缘方向一致，二者接近于平行，二级边缘位于一级边缘的对向。

步骤S103，基于所述一级边缘的对应的针脚边缘特征及坐标值确定针脚形态规整度；

具体地，参照图2，图2是本发明迷你主机网口完整性视觉检测方法一实施例的细化流程示意图，如图2所示，所述步骤S103包括：

步骤S1031，基于相邻角差值确定所述一级边缘对应的针脚边缘近邻方向规整度；

预先根据如下步骤确定相邻角差值和对角差值：

分别对各个一级边缘的像素点进行主成分分析，获得各个一级边缘倾斜角；将一级边缘倾斜角与相邻一级边缘倾斜角之间的差值确定为相邻角差值；将一级边缘倾斜角与非相邻一级边倾斜角缘之间的差值确定为对角差值。

分别对各个一级边缘中包含的像素点使用主成分分析，获取其对应的主成分方向，进而得到各个一级边缘的倾斜角。将每个一级边缘与其相邻的两个一级边缘对应的倾斜角的之间的差值的绝对值，记为相邻角差值，将每个一级边缘与其除了相邻的两个一级边缘之外的其他各个一级边缘对应的倾斜角的之间的差值的绝对值，记为对角差值。当每个一级边缘对应的相邻角差值越接近90度、对角差值越接近0时，则该一级边缘对应的倾斜角与其相邻的两个一级边缘对应的倾斜角的夹角接近直角、与其除了相邻的两个一级边缘之外的其他一级边缘的方向分布越为一致，即这些一级边缘对应的针脚区域是完整无瑕疵的针脚的可能性越大。

将针脚区域中第u个一级边缘对应的针脚近邻方向规整度表示为，则：

其中，为第/>个一级边缘对应的两个相邻角差值；/>为常数系数，经验值为180°。

针脚边缘近邻方向规整度对针脚区域内每个一级边缘与其近邻边缘对应的方向之间的角度关系进行评价，当一级边缘与其相邻边缘之间的夹角接近直角，则该一级边缘对应的针脚区域对应完整无瑕疵的针脚的可能性越大。

步骤S1032，基于第一皮尔逊系数、第二皮尔逊系数、对角差值确定所述一级边缘对应的针脚边缘对向方向规整度；

本实施例预先获取第一皮尔逊系数和第二皮尔逊系数，具体地：

以各个一级边缘的左上方为起点，获取每个一级边缘的所有坐标值，将横坐标值记为对应一级边缘的横向序列，将纵坐标值记为对应一级边缘的纵向序列；每个一级边缘有两个端点，从这两个端点中处于图像的较上端开始，按从左至右，从上到下的顺序，依次获取每个一级边缘中各个像素点的横坐标值和纵坐标值，并依次保存为对应一级边缘的横向序列和纵向序列。

统计各个横向序列、各个纵向序列中坐标值的个数，分别确定横向序列中的最小横坐标个数和纵向序列中的最小纵坐标个数；由于每个一级边缘的长度有所差异，每个一级边缘对应的坐标值的个数会不相同，为了更好的进行皮尔逊系数的计算，需要将各个横向序列、纵向序列中的坐标值个数进行统一化。因此先对各个横向序列、纵向序列中的坐标值进行计数，并分布确定最小横坐标个数和最小纵坐标个数。

将各个横向序列标准化为包含最小横坐标个数的横坐标值的标准横向序列，将各个纵向序列标准化为包含最小纵坐标个数的纵坐标值的标准纵向序列；当针脚区域对应完整无瑕疵的针脚时，由于针脚呈规则矩形，所以角点会将针脚区域分成四个一级边缘，每个一级边缘和其对应的二级边缘即对应矩阵的对边，所以一级边缘和其对应的二级边缘包含的像素点的分布规律应相近。当针脚出现弯曲等瑕疵时，则原先的规则矩形外形会被影响，部分一级边缘可能对应多个二级边缘，则一级边缘与其对应的这些一级边缘间对应的分布规律一致特征不明显。取每个一级边缘与其对应的二级边缘的横向序列，确定横向序列中包含的坐标值个数的最小横坐标个数，根据最小横坐标个数截取含有数值个数较多的横向序列中前最小横坐标个数项使各个横向序列中的坐标值个数相同，也即获得标准横向序列。同理，也将各个纵向序列中的坐标值个数进行标准化，获得纵坐标值个数相同的标准纵向序列。

确定一级边缘的标准横向序列与其对应的二级边缘的标准横向序列的第一皮尔逊系数，并确定一级边缘的标准纵向序列与其对应的二级边缘的标准纵向序列的第二皮尔逊系数，所述二级边缘为所述一级边缘的对边。皮尔逊系数可以度量一级边缘、二级边缘的对应坐标值的相关程度；皮尔逊系数的值为两个变量之间的协方差和标准差的商。

将针脚区域中第个一级边缘对应的针脚边缘对向方向规整度表示为/>，则：

其中，为常数系数，作用为防止因分母为0使式子无意义，经验值为1；/>为第/>个一级边缘对应的对角差值的个数；/>为第/>个一级边缘和其对应的第/>个二级边缘的纵向序列之间的皮尔逊相关系数；/>为第/>个一级边缘和其对应的第/>个二级边缘的纵向序列之间的皮尔逊相关系数；/>为第/>个一级边缘和其对应的第/>个二级边缘对应的对角差值。

针脚边缘对向方向规整度对针脚区域内每个一级边缘与其对应的二级边缘之间的夹角越小、空间分布规则越为接近时，则该一级边缘与其对应的二级边缘之间的针脚边缘对向方向规整度越大，该一级边缘对应的针脚区域对应完整无瑕疵的针脚的可能性越大。

步骤S1033，基于所述针脚边缘近邻方向规整度、所述针脚边缘对向方向规整度、坐标值及预测坐标值确定一级边缘对应针脚区域的针脚形态规整度。

其中，预测坐标值包括预测横坐标值和预测纵坐标值，通过自回归综合移动平均模型ARIMA基于每个一级边缘的横向序列、纵向序列的前若干个坐标值分别获得多个对应的预测横坐标值、预测纵坐标值。本实施例基于一级边缘的横向序列、纵向序列的5个坐标值进程预测，获得多个对应的预测横坐标值、预测纵坐标值。本实施例基于自回归综合移动平均模型ARIMA的公知技术进行预测，此处不再赘述。

将一级边缘对应针脚区域的针脚形态规整度表示为f，则：

其中，为横向序列中的最小横坐标个数；/>为纵向序列的最小纵坐标个数；/>为该针脚区域包含的一级边缘的个数；/>为常数系数，/>，/>为针脚区域中第个一级边缘对应的横向序列中第/>项的值；/>为针脚区域中第/>个一级边缘对应的横向序列中第/>项的预测横坐标值；/>为针脚区域中第/>个一级边缘对应的纵向序列中第项的纵坐标值；/>为针脚区域中第/>个一级边缘对应的纵向序列中第/>项的纵坐标预测值。每个针脚区域均有一个对应的针脚形态规整度。其中，/>对应于进行坐标值预测的5个坐标值。由于前5个坐标值没有相对应的坐标预测值，因此只基于/>或/>个坐标值进行针脚形态规整度的计算。

针脚形态规整度f根据针脚区域内各个相邻的一级边缘之间的相对分布方向和相对的一级边缘之间的空间分布规则的相似程度进行评价，即相邻的一级边缘之间的相对分布方向越为接近、相对的一级边缘之间的空间分布规则的相似程度越大时，则该针脚区域对应的针脚形态规整度越大，即针脚区域对应完整无瑕疵的针脚的可能性越大。

步骤S104，基于所述网口灰度图像中各个针脚区域对应的针脚形态规整度及异常分数确定对应针脚区域的针脚完整一致度；

在进行针脚完整一致度计算之前，对各个针脚区域的针脚形态规整度使用孤立森林算法进行分析，获得各个针脚区域的异常分数。本实施例基于孤立森林算法的公知步骤进行分析获得异常分数。

当针脚区域对应完整无瑕疵的针脚时，其对应的针脚形态规整度较大，且与主机网口表面的各个完整的针脚区域对应的针脚形态规整度较为一致，以此为依据继续进行分析。对各个针脚区域对应的针脚形态规整度使用孤立森林算法进行分析，获取每个针脚区域对应的异常分数，当异常分数越大时，则针脚形态规整度相对于其他该指标值异常程度越大，即该针脚区域越可能对应出现瑕疵的针脚。

将针脚区域对应的针脚完整一致度表示为c，则：

式中为针脚区域对应的针脚完整一致度；/>为针脚区域对应的针脚形态规整度；为针脚区域对应的异常分数；/>为其他各个针脚区域对应的针脚形态规整度，其中，；/>为归一化函数，作用为取括号内的归一化值。

当针脚区域对应的针脚形态规整度越大、异常分数越小，与其他各个针脚区域对应的针脚形态规整度差异越小时，则该针脚区域对应的针脚完整一致度越大，针脚区域对应完整无瑕疵的针脚的可能性越大。

步骤S105，基于所述针脚形态规整度对迷你主机网口的针脚形态进行评价，获得针脚形态评价结果。

本实施例将迷你主机网口的每个针脚区域的针脚形态规整度与阈值进行比较，基于比较结果获得针脚形态评价结果。

具体地，当迷你主机网口的每个针脚区域的针脚形态规整度均大于或等于阈值，则确定对应的迷你主机网口的针脚形态未发生改变，输出迷你主机网口针脚形态正常的评价结果；

当迷你主机网口存在一个或多个针脚区域的针脚形态规整度小于阈值，则确定对应的迷你主机网口的针脚形态发生改变，输出迷你主机网口针脚形态异常的评价结果。

本实施例可以将完整度阈值设置为0.8。当网口灰度图像中各个针脚区域对应的针脚形态规整度均大于等于阈值时，则认为该密集主机网口部分的针脚形态不存在瑕疵，迷你主机网口的针脚形态均为正常的矩形；当存在针脚区域对应的针脚形态规整度小于阈值/>时，则认为该针脚区域对应对应的针脚具有瑕疵，标记该瑕疵区域并输出该网口图像对应的迷你主机网口的针脚形态不达标的结论和标记区域。

本实施例还可以设置完整性阈值，当针脚完整一致度大于或等于完整性阈值，则认为对应的迷你网口是合格的，此时迷你主机网口的各个针脚区域形态规则，且排列整齐；当针脚完整一致度小于完整性阈值，则认为对应的迷你网口不合格。

基于针脚完整一致度对针脚区域进行评价，得到每个针脚区域对应的针脚完整一致度，完成对针脚间的排列整齐程度的检测，直接实现网口完整性检测，解决了网口完整性检测的过程中需要对同意网口进行多次检测的问题，减少时间和资源的消耗，提升网口完整性检测的准确度。

本实施例通过上述方案，获取网口RGB图像，将所述网口RGB图像转换为网口灰度图像，基于最大类间方差法对所述网口灰度图像进行划分，获得针脚区域；对各个针脚区域进行角点检测，获得针脚区域边缘上的角点，将角点划分出的各个针脚区域边缘标记为一级边缘；基于所述一级边缘的对应的针脚边缘特征及坐标值确定针脚形态规整度；基于所述网口灰度图像中各个针脚区域对应的针脚形态规整度及异常分数确定对应针脚区域的针脚完整一致度；基于所述针脚形态规整度对迷你主机网口的针脚形态进行评价，获得针脚形态评价结果。如此对网口灰度图像进行针脚区域划分、角点分析获得一级边缘，进而获得各个一级边缘的针脚形态规整度、针脚完整一致度，从而对针脚的形态和完整性进行检测，实现了迷你主机网口完整性的快速、准确的视觉检测。

以上所述仅为本发明的优选实施例，并非因此限制本发明的范围，凡是利用本发明说明书及附图内容所作的等效结构或流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的保护范围内。

Claims (10)

1.一种迷你主机网口完整性视觉检测方法，其特征在于，所述方法包括：

获取网口RGB图像，将所述网口RGB图像转换为网口灰度图像，基于最大类间方差法对所述网口灰度图像进行划分，获得针脚区域；

对各个针脚区域进行角点检测，获得针脚区域边缘上的角点，将角点划分出的各个针脚区域边缘标记为一级边缘；

基于所述一级边缘的对应的针脚边缘特征及坐标值确定针脚形态规整度；

基于所述网口灰度图像中各个针脚区域对应的针脚形态规整度及异常分数确定对应针脚区域的针脚完整一致度；

基于所述针脚形态规整度对迷你主机网口的针脚形态进行评价，获得针脚形态评价结果。

2.根据权利要求1所述的一种迷你主机网口完整性视觉检测方法，其特征在于，所述针脚边缘特征包括针脚边缘近邻方向规整度和针脚边缘对向方向规整度。

3.根据权利要求1所述的一种迷你主机网口完整性视觉检测方法，其特征在于，所述基于所述一级边缘的对应的针脚边缘特征及坐标值确定针脚形态规整度包括：

基于相邻角差值确定所述一级边缘对应的针脚边缘近邻方向规整度；

基于第一皮尔逊系数、第二皮尔逊系数、对角差值确定所述一级边缘对应的针脚边缘对向方向规整度；

基于所述针脚边缘近邻方向规整度、所述针脚边缘对向方向规整度、坐标值及预测坐标值确定一级边缘对应针脚区域的针脚形态规整度。

4.根据权利要求3所述的一种迷你主机网口完整性视觉检测方法，其特征在于，所述基于相邻角差值确定所述一级边缘对应的针脚边缘近邻方向规整度之前，还包括：

分别对各个一级边缘的像素点进行主成分分析，获得各个一级边缘倾斜角；

将一级边缘倾斜角与相邻一级边缘倾斜角之间的差值确定为相邻角差值；

将一级边缘倾斜角与非相邻一级边倾斜角缘之间的差值确定为对角差值。

5.根据权利要求3所述的一种迷你主机网口完整性视觉检测方法，其特征在于，所述基于第一皮尔逊系数、第二皮尔逊系数、对角差值确定所述一级边缘对应的针脚边缘对向方向规整度之前，还包括：

以各个一级边缘的左上方为起点，获取每个一级边缘的所有坐标值，将横坐标值记为对应一级边缘的横向序列，将纵坐标值记为对应一级边缘的纵向序列；

统计各个横向序列、各个纵向序列中坐标值的个数，分别确定横向序列中的最小横坐标个数和纵向序列中的最小纵坐标个数；

将各个横向序列标准化为包含最小横坐标个数的横坐标值的标准横向序列，将各个纵向序列标准化为包含最小纵坐标个数的纵坐标值的标准纵向序列；

确定一级边缘的标准横向序列与其对应的二级边缘的标准横向序列的第一皮尔逊系数，并确定一级边缘的标准纵向序列与其对应的二级边缘的标准纵向序列的第二皮尔逊系数，其中，所述二级边缘为所述一级边缘的对边。

6.根据权利要求3所述的一种迷你主机网口完整性视觉检测方法，其特征在于，预测坐标值包括预测横坐标值和预测纵坐标值；

所述基于所述针脚边缘近邻方向规整度、所述针脚边缘对向方向规整度、坐标值及预测坐标值确定一级边缘对应针脚区域的针脚形态规整度之前，还包括：

通过自回归综合移动平均模型ARIMA基于每个一级边缘的横向序列、纵向序列的前若干个坐标值分别获得多个对应的预测横坐标值、预测纵坐标值。

7.根据权利要求1所述的一种迷你主机网口完整性视觉检测方法，其特征在于，所述基于所述网口灰度图像中各个针脚区域对应的针脚形态规整度及异常分数确定对应针脚区域的针脚完整一致度之前，还包括：

对各个针脚区域的针脚形态规整度使用孤立森林算法进行分析，获得各个针脚区域的异常分数。

8.根据权利要求1所述的一种迷你主机网口完整性视觉检测方法，其特征在于，所述获取网口RGB图像，将所述网口RGB图像转换为网口灰度图像，基于最大类间方差法对所述网口灰度图像进行划分，获得针脚区域之后，还包括：

基于针脚区域的个数确定针脚个数，将针脚个数小于个数阈值的网口灰度图像对应的网口确定为缺陷网口。

9.根据权利要求1所述的一种迷你主机网口完整性视觉检测方法，其特征在于，所述基于所述针脚形态规整度对迷你主机网口的针脚形态进行评价，获得针脚形态评价结果包括：

将迷你主机网口的每个针脚区域的针脚形态规整度与阈值进行比较，基于比较结果获得针脚形态评价结果。

10.根据权利要求1所述的一种迷你主机网口完整性视觉检测方法，其特征在于，所述将迷你主机网口的每个针脚区域的针脚形态规整度与阈值进行比较，基于比较结果获得针脚形态评价结果包括：

当迷你主机网口的每个针脚区域的针脚形态规整度均大于或等于阈值，则确定对应的迷你主机网口的针脚形态未发生改变，输出迷你主机网口针脚形态正常的评价结果；

当迷你主机网口存在一个或多个针脚区域的针脚形态规整度小于阈值，则确定对应的迷你主机网口的针脚形态发生改变，输出迷你主机网口针脚形态异常的评价结果。