CN117036353A - 一种新能源电池用的耐温泡棉涂层检测方法 - Google Patents
一种新能源电池用的耐温泡棉涂层检测方法 Download PDFInfo
- Publication number
- CN117036353A CN117036353A CN202311296943.9A CN202311296943A CN117036353A CN 117036353 A CN117036353 A CN 117036353A CN 202311296943 A CN202311296943 A CN 202311296943A CN 117036353 A CN117036353 A CN 117036353A
- Authority
- CN
- China
- Prior art keywords
- degree
- pixel
- crack
- index path
- 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.)
- Granted
Links
- 239000006260 foam Substances 0.000 title claims abstract description 59
- 238000000576 coating method Methods 0.000 title claims abstract description 58
- 239000011248 coating agent Substances 0.000 title claims abstract description 55
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims abstract description 68
- 230000011218 segmentation Effects 0.000 claims abstract description 68
- 230000005856 abnormality Effects 0.000 claims description 47
- 238000000034 method Methods 0.000 claims description 22
- 238000013507 mapping Methods 0.000 claims description 7
- 238000012512 characterization method Methods 0.000 claims description 4
- 230000007547 defect Effects 0.000 claims description 3
- 238000005336 cracking Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 13
- 238000003709 image segmentation Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像分割技术领域,具体涉及一种新能源电池用的耐温泡棉涂层检测方法;根据不同的预设阈值获得灰度图像不同的连通域;根据像素点的灰度差异特征获得裂缝第一影响程度;根据像素点的梯度差异特征获得裂缝第二影响程度;根据裂缝第一影响程度和裂缝第二影响程度获得像素点的异常程度。根据像素点的异常程度的差异特征获得索引路径、索引统一度和存异度;根据存异度确定像素点的裂缝程度;根据裂缝程度获得连通域的分割程度。本发明根据分割程度自适应确定最佳分割阈值获得分割图像,提高了分割效果以及泡棉涂层检测的准确性。
Description
技术领域
本发明涉及图像分割技术领域,具体涉及一种新能源电池用的耐温泡棉涂层检测方法。
背景技术
随着新能源汽车的发展,新能源电池的应用逐渐广泛,其中新能源电池的耐温泡棉涂层十分重要;电池在故障、短路或过热的情况下可能引发火灾,耐温泡棉涂层具备防火性质,提供对高温和火焰的耐受性,阻止火势蔓延并保护周围的部件;以及能够提供支撑等功能。因此耐温泡棉的质量对新能源安全有着重要的影响,耐温泡棉的裂缝破损等情况的出现会增加安全隐患。
对耐温泡棉涂层生产的质量监测尤为重要,检测泡棉涂层裂缝可以通过视觉算法进行大批量的检测。由于泡棉涂层裂缝会导致表面不同区域的灰度值不同,现有常用的阈值分割方法可将图像不同灰度特征的区域进行分割,实现表面裂缝的检测;但耐温泡棉涂层表面比较粗糙,传统的阈值分割算法难以确定最佳的分割阈值,分割效果较差,导致泡棉涂层的裂缝检测准确性降低。
发明内容
为了解决上述传统的阈值分割算法难以确定最佳的分割阈值,致泡棉涂层的裂缝检测准确性降低的技术问题,本发明的目的在于提供一种新能源电池用的耐温泡棉涂层检测方法,所采用的技术方案具体如下:
获取泡棉涂层的灰度图像,根据不同的预设阈值进行分割获得所述灰度图像不同的连通域;根据所述连通域中像素点的预设邻域范围内的灰度差异特征获得像素点的裂缝第一影响程度;
根据所述连通域中像素点的预设邻域范围内的梯度差异特征获得像素点的裂缝第二影响程度;根据裂缝第一影响程度和裂缝第二影响程度获得像素点的异常程度;根据所述连通域中像素点的预设邻域范围内的异常程度的差异特征获得索引路径;
根据所述索引路径上的像素点的异常程度的差异特征获得像素点的索引统一度;根据所述索引路径上像素点的异常程度的差异特征和所述索引统一度获得存异度;根据像素点的存异度的差异特征确定像素点的裂缝程度;
根据所述裂缝程度获得所述连通域的分割程度;根据分割程度确定最佳分割阈值进行阈值分割获得分割图像,根据分割图像进行泡棉涂层检测。
进一步地,所述根据所述连通域中像素点的预设邻域范围内的灰度差异特征获得像素点的裂缝第一影响程度的步骤包括:
计算所述连通域中像素点的预设邻域范围内的灰度值的方差,获得灰度差异表征值;计算所述连通域中像素点的预设邻域范围内的灰度平均值的倒数,获得整体灰度表征值;计算所述灰度差异表征值与所述整体灰度表征值的乘积并正相关映射,获得像素点的所述裂缝第一影响程度。
进一步地,所述根据所述连通域中像素点的预设邻域范围内的梯度差异特征获得像素点的裂缝第二影响程度的步骤包括:
计算所述连通域中像素点的预设邻域范围内的梯度值的方差的倒数,获得灰度变化统一度;计算所述连通域中像素点的预设邻域范围内的梯度方向与预设方向的角度值的方差的倒数,获得灰度方向统一度;计算所述灰度变化统一度与所述灰度方向统一度的乘积并正相关映射,获得像素点的所述裂缝第二影响程度。
进一步地,所述根据裂缝第一影响程度和裂缝第二影响程度获得像素点的异常程度的步骤包括:
计算像素点的裂缝第一影响程度和裂缝第二影响程度的乘积,获得像素点的所述异常程度。
进一步地,所述根据所述连通域中像素点的预设邻域范围内的异常程度的差异特征获得索引路径的步骤包括:
将连通域中任意像素点的预设邻域范围内异常程度最大的像素点作为所述任意像素点的预设邻域范围内的索引路径起始点;在所述任意像素点的预设邻域范围内计算索引路径起始点与相邻像素点的异常程度的差值,将异常程度的差值最小值的索引路径起始点的相邻像素点作为索引路径第一经过点;
在所述任意像素点的预设邻域范围内计算索引路径起始点与索引路径第一经过点的相邻像素点的异常程度的差值,获得第一差异数值;在所述任意像素点的预设邻域范围内计算索引路径第一经过点与相邻像素点的异常程度的差值,获得第二差异数值,计算第一差异数值和第二差异数值的和值,获得索引路径第一经过点的相邻像素点的路径差异特征值;将路径差异特征值最小的索引路径第一经过点的相邻像素点作为索引路径第二经过点;遍历所述任意像素点的预设邻域范围,获得所述任意像素点的预设邻域范围的所述索引路径。
进一步地,所述根据所述索引路径上的像素点的异常程度的差异特征获得像素点的索引统一度的步骤包括:
对于所述索引路径的任意一个像素点,计算在索引路径中从所述索引路径起始点到所述任意一个像素点的异常程度的方差并正相关映射,获得异常波动值;计算所述索引路径起始点的异常程度与所述异常波动值的比值并归一化,获得索引路径上的任意一个像素点的索引统一度。
进一步地,所述根据所述索引路径上像素点的异常程度的差异特征和所述索引统一度获得存异度的步骤包括:
计算索引路径上所述索引路径起始点与所述任意一个像素点的异常程度的差值,获得第一异常差异值;计算索引路径上所述任意一个像素点与上一个像素点的异常程度的差值绝对值,获得第二异常差异值;计算所述第一异常差异值、所述第二异常差异值和预设极小正数的和值,获得异常变化度;计算所述索引路径起始点的异常程度与所述异常变化度的比值,获得异常变化系数;计算所述异常变化系数与所述索引统一度的乘积,获得所述索引路径上的任意一个像素点的存异度。
进一步地,所述根据像素点的存异度的差异特征确定像素点的裂缝程度的步骤包括:
计算所述索引路径中任意两个相连的像素点的所述存异度的差值绝对值,获得存异差异度;将所述存异差异度最大值对应的两个像素点的前一个像素点作为分界点,将所述索引路径在分界点以及分界点之前的像素点的所述存异度作为裂缝程度,将所述索引路径在分界点之后的像素点的裂缝程度置为预设第一数值。
进一步地,所述根据所述裂缝程度获得所述连通域的分割程度的步骤包括:
计算每个预设阈值分割获得的连通域中像素点的裂缝程度的均值并归一化,获得所述连通域的分割程度。
进一步地,所述根据分割程度确定最佳分割阈值进行阈值分割获得分割图像,根据分割图像进行泡棉涂层检测的步骤包括:
将所述分割程度最大值作为最佳分割阈值进行阈值分割获得分割图像;根据分割图像确定泡棉涂层的缺陷区域。
本发明具有如下有益效果:
在本发明实施例中,通过不同预设阈值确定灰度图像不同的连通域,能够比较不同的分割效果,寻找最佳分割结果;计算裂缝第一影响程度能够根据泡棉涂层出现裂缝时的灰度差异特征确定裂缝区域;计算裂缝第二影响程度能够根据泡棉涂层出现裂缝时的梯度差异特征确定裂缝区域;根据裂缝第一影响程度和裂缝第二影响程度获得像素点的异常程度能够提高确定裂缝区域的准确性。获得索引路径能够分析异常程度的变化情况,进而准确地确定在裂缝区域的像素点;获得索引统一度能够表征索引路径中在不同区域的像素点的异常程度的差异特征。计算存异度能够确定像素点在裂缝区域的可能性,可根据存异度确定像素点的裂缝程度以及获得不同预设阈值的分割程度。本发明根据不同预设阈值下的分割程度能够自适应地选取最佳分割阈值,提高了分割效果以及泡棉涂层检测的准确性。
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新能源电池用的耐温泡棉涂层检测方法流程图。
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新能源电池用的耐温泡棉涂层检测方法,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新能源电池用的耐温泡棉涂层检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种新能源电池用的耐温泡棉涂层检测方法流程图,该方法包括以下步骤:
步骤S1,获取泡棉涂层的灰度图像,根据不同的预设阈值进行分割获得灰度图像不同的连通域;根据连通域中像素点的预设邻域范围内的灰度差异特征获得像素点的裂缝第一影响程度。
在本发明实施例中,实施场景为对新能源电池的耐温泡棉涂层的质量检测;首先获取泡棉涂层的灰度图像,使用工业相机采集泡棉涂层的表面图像并进行灰度化获得灰度图像。因为泡棉涂层表面较为粗糙,传统的阈值分割法获得的分割图像难以准确地检测到涂层裂缝的质量问题,故需要对阈值分割算法中的分割阈值进行改进,能够根据检测的泡棉涂层自适应选取最佳的分割阈值,提供泡棉涂层的检测正确率。
进一步地,为了能够获得最佳的分割阈值,则可分析不同分割阈值的分割效果,故根据不同的预设阈值进行分割获得灰度图像不同的连通域,通过任意一个预设阈值对灰度图像进行分割获得二值图像,二值图像中不同的连通域表征着正常区域、裂缝区域和噪声影响的区域,将二值图像的位置对应至灰度图像获得不同的连通域。分别将各个预设阈值的二值图像的连通域对应到灰度图像中,获得每个预设阈值下的灰度图像的不同连通域,需要说明的是,预设阈值可由实施者根据实施场景确定。
获得每个预设阈值下的灰度图像的连通域后,则需要分析该预设阈值的连通域对泡棉涂层的分割效果;本发明实施例中的泡棉涂层为白色,在裂缝区域其灰度图像中的灰度值较低,且灰度变化较快,故可根据连通域中像素点的预设邻域范围内的灰度差异特征获得像素点的裂缝第一影响程度。
优选地,在本发明一个实施例中,获取第一影响程度包括:计算连通域中像素点的预设邻域范围内的灰度值的方差,获得灰度差异表征值;当灰度差异表征值越大,意味着该像素点的预设邻域范围内的灰度差异越大,存在裂缝区域的可能性越大;在本发明实施例中预设邻域范围为像素点及其八邻域,实施者可根据实施场景自行确定。计算连通域中像素点的预设邻域范围内的灰度平均值的倒数,获得整体灰度表征值;当整体灰度表征值越大,意味着该像素点的预设邻域范围的灰度均值越小,存在裂缝区域的可能系越大。计算灰度差异表征值与整体灰度表征值的乘积并正相关映射,获得像素点的裂缝第一影响程度;当该像素点的裂缝第一影响程度越大,意味着该像素点的预设邻域范围内包括裂缝的可能性越大。
步骤S2,根据连通域中像素点的预设邻域范围内的梯度差异特征获得像素点的裂缝第二影响程度;根据裂缝第一影响程度和裂缝第二影响程度获得像素点的异常程度;根据连通域中像素点的预设邻域范围内的异常程度的差异特征获得索引路径。
由于泡棉涂层的表面较为粗糙,存在噪声影响,只根据裂缝第一影响程度难以准确地分析裂缝区域;当连通域内像素点的预设邻域范围存在裂缝时,该像素点的预设邻域范围的灰度梯度方向和梯度值较为统一,故可根据连通域中像素点的预设邻域范围内的梯度差异特征获得像素点的裂缝第二影响程度。
优选地,在本发明一个实施例中,获取裂缝第二影响程度包括:计算连通域中像素点的预设邻域范围内的梯度值的方差的倒数,获得灰度变化统一度;当该像素点的预设邻域范围内存在裂缝时,裂缝区域的影响程度越大,其灰度梯度的变化程度越统一,该灰度变化统一度越大。计算连通域中像素点的预设邻域范围内的梯度方向与预设方向的角度值的方差的倒数,获得灰度方向统一度;当该像素点的预设邻域范围内的像素点未受到裂缝影响时,因为泡棉涂层的表面粗糙,导致梯度方向较为混乱,该灰度方向统一度的值越小;当存在裂缝影响时,其灰度梯度方向较为统一,该灰度方向统一度越大,在本发明实施例中预设方向为水平方向,目的是衡量梯度方向的角度,该角度值取夹角中最小的角度。计算灰度变化统一度与灰度方向统一度的乘积并正相关映射,获得像素点的裂缝第二影响程度;当该像素点的预设邻域范围内的裂缝区域越大,则灰度变化统一度和灰度方向统一度越大,裂缝第二影响程度越大。
进一步地,获得裂缝第一影响程度和裂缝第二影响程度后,可通过二者反映像素点处存在裂缝区域的情况,故根据裂缝第一影响程度和裂缝第二影响程度获得像素点的异常程度,优选地,计算像素点的裂缝第一影响程度和裂缝第二影响程度的乘积,获得像素点的异常程度,当裂缝第一影响程度和裂缝第二影响程度越大,则该像素点的异常程度越大,存在裂缝区域的可能性越大;获取异常程度的公式包括:
式中,为像素点的异常程度,/>表示灰度差异表征值,/>表示整体灰度表征值,表示灰度变化统一度,/>表示灰度方向统一度,/>表示归一化函数。
因为像素点的预设邻域范围内各像素点受到裂缝影响的程度可能不同,该预设邻域范围内也可能包括不在裂缝的像素点,故像素点的异常程度中也可能存在部分误差,导致确定裂缝区域的准确性降低。在裂缝区域的像素点的异常程度的相似性较高,具有较强的延续性,因此后续可根据异常程度的延续特征确定延续的路径,根据路径确定连通域中的裂缝程度;故根据连通域中像素点的预设邻域范围内的异常程度的差异特征获得索引路径。
优选地,在本发明一个实施例中,获取索引路径包括:将连通域中任意像素点的预设邻域范围内异常程度最大的像素点作为该任意像素点的预设邻域范围内的索引路径起始点;此点可认为是存在裂缝区域的可能性最大的位置,故可作为起始点分析延续性。在该任意像素点的预设邻域范围内计算索引路径起始点与相邻像素点的异常程度的差值,将异常程度的差值最小值的索引路径起始点的相邻像素点作为索引路径第一经过点;异常程度越小,则意味着两个像素点之间的异常程度特征越接近,其延续性越大。
在该任意像素点的预设邻域范围内计算索引路径起始点与索引路径第一经过点的相邻像素点的异常程度的差值,获得第一差异数值;在该任意像素点的预设邻域范围内计算索引路径第一经过点与相邻像素点的异常程度的差值,获得第二差异数值,计算第一差异数值和第二差异数值的和值,获得索引路径第一经过点的相邻像素点的路径差异特征值;将路径差异特征值最小的索引路径第一经过点的相邻像素点作为索引路径第二经过点;计算第一差异数值和第二差异数值的和值选取经过点的目的是避免相邻的异常程度接近,而与起始点的异常程度差异较大的情况,导致出现误差。遍历该任意像素点的预设邻域范围,获得该任意像素点的预设邻域范围内的索引路径,该索引路径上的像素点的异常程度特征具有连续性。
步骤S3,根据索引路径上的像素点的异常程度的差异特征获得像素点的索引统一度;根据索引路径上像素点的异常程度的差异特征和索引统一度获得存异度;根据像素点的存异度的差异特征确定像素点的裂缝程度。
获得索引路径后需要确定该像素点的预设邻域范围的具体裂缝区域,根据裂缝区域的程度确定不同预设阈值进行图像分割的分割效果。但当裂缝区域的像素点的预设邻域范围内的异常程度都比较大,正常区域的像素点的预设邻域范围的异常程度都比较小,此时难以区分索引路径是否在裂缝区域;为了区分索引路径中只存在裂缝区域或是正常区域的像素点,还需要对索引路径进行分析,进而确定具体的裂缝区域,故根据索引路径上的像素点的异常程度的差异特征获得像素点的索引统一度。
优选地,在本发明一个实施例中,获取索引统一度包括:对于索引路径的任意一个像素点,计算在索引路径中从索引路径起始点到任意一个像素点的异常程度的方差并正相关映射,获得异常波动值;当索引路径起始点至该任意一个像素点存在正常区域像素点和裂缝区域像素点的比例越接近时,此时异常波动值越大。计算索引路径起始点的异常程度与异常波动值的比值并归一化,获得索引路径上的任意一个像素点的索引统一度,当该索引统一度越小,意味着该索引路径既有裂缝区域像素点,也有正常区域像素点,当该值越小,意味着该像素点与索引路径中前面的像素点的特征差异越大,则索引路径在此应位置该进行分割。
进一步地,获得索引统一度后,则根据索引路径上像素点的异常程度的差异特征和索引统一度获得存异度,具体包括:计算索引路径上索引路径起始点与任意一个像素点的异常程度的差值,获得第一异常差异值;计算索引路径上任意一个像素点与上一个像素点的异常程度的差值绝对值,获得第二异常差异值;计算第一异常差异值、第二异常差异值和预设极小正数的和值,获得异常变化度;异常变化度表征了异常程度的差异特征,当差异越大,意味着像素点所在的区域发生了变化,在本发明实施例中预设极小正数为1,避免分母为零。计算索引路径起始点的异常程度与异常变化度的比值,获得异常变化系数;计算异常变化系数与索引统一度的乘积,获得索引路径上的任意一个像素点的存异度,当该像素点的存异度越大,意味着在该像素点的索引路径之前的像素点在裂缝区域的可能性越大,当该值越小,意味着索引路径中可能出现了正常像素点。获取存异度的公式包括:
式中,表示索引路径上任意一个像素点的存异度,/>表示该像素点的索引统一度,/>表示索引路径起始点的异常程度,/>表示第一异常差异值,/>表示第二异常差异值,表示预设极小正数;/>表示异常变化度;/>表示异常变化系数。
进一步地,获得存异度后可根据像素点的存异度的差异特征确定像素点的裂缝程度,具体包括:计算索引路径中任意两个相连的像素点的存异度的差值绝对值,获得存异差异度;将存异差异度最大值对应的两个像素点的前一个像素点作为分界点,此时意味着存异度发生了较大的变化,索引路径经过了裂缝区域和正常区域的分界处,将索引路径在分界点以及分界点之前的像素点的存异度作为裂缝程度,将索引路径在分界点之后的像素点的裂缝程度置为预设第一数值,在本发明实施例中预设第一数值为0,实施者可根据实施场景自行确定。需要说明的是,当存异差异度的最大值小于预设差异阈值时,则不进行分割,此时意味着该像素点的预设邻域范围内的像素点在同一区域,在本发明实施例中预设差异阈值为0.2,实施者可根据实施场景自行确定。至此计算了连通域中每个像素点的裂缝程度,后续可根据裂缝程度分析预设阈值的分割效果。
步骤S4,根据裂缝程度获得连通域的分割程度;根据分割程度确定最佳分割阈值进行阈值分割获得分割图像,根据分割图像进行泡棉涂层检测。
获得裂缝程度后可根据裂缝程度获得连通域的分割程度,具体包括:计算每个预设阈值分割获得的连通域的裂缝程度的均值并归一化,获得连通域的分割程度,需要说明的是,每个像素点在步骤S3的计算过程中存在多个裂缝程度,取每个像素点的裂缝程度最大值,该最大值能够明显地表征不同像素点的裂缝程度。当分割程度越大,意味着该预设阈值下的分割效果越好,越能够凸显裂缝区域,有利于提高泡棉涂层的检测准确性;故将分割程度最大值作为最佳分割阈值进行阈值分割获得分割图像;根据分割图像确定泡棉涂层的缺陷区域。至此能够根据泡棉涂层的实际情况自适应确定最佳的分割阈值,提高了分割效果和泡棉涂层的检测准确性。
综上所述,本发明实施例提供了一种新能源电池用的耐温泡棉涂层检测方法;根据不同的预设阈值获得灰度图像不同的连通域;根据像素点的灰度差异特征获得裂缝第一影响程度;根据像素点的梯度差异特征获得裂缝第二影响程度;根据裂缝第一影响程度和裂缝第二影响程度获得像素点的异常程度。根据像素点的异常程度的差异特征获得索引路径、索引统一度和存异度;根据存异度确定像素点的裂缝程度;根据裂缝程度获得连通域的分割程度。本发明根据分割程度自适应确定最佳分割阈值获得分割图像,提高了分割效果以及泡棉涂层检测的准确性。
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 (10)
1.一种新能源电池用的耐温泡棉涂层检测方法,其特征在于,所述方法包括以下步骤:
获取泡棉涂层的灰度图像,根据不同的预设阈值进行分割获得所述灰度图像不同的连通域;根据所述连通域中像素点的预设邻域范围内的灰度差异特征获得像素点的裂缝第一影响程度;
根据所述连通域中像素点的预设邻域范围内的梯度差异特征获得像素点的裂缝第二影响程度;根据裂缝第一影响程度和裂缝第二影响程度获得像素点的异常程度;根据所述连通域中像素点的预设邻域范围内的异常程度的差异特征获得索引路径;
根据所述索引路径上的像素点的异常程度的差异特征获得像素点的索引统一度;根据所述索引路径上像素点的异常程度的差异特征和所述索引统一度获得存异度;根据像素点的存异度的差异特征确定像素点的裂缝程度;
根据所述裂缝程度获得所述连通域的分割程度;根据分割程度确定最佳分割阈值进行阈值分割获得分割图像,根据分割图像进行泡棉涂层检测。
2.根据权利要求1所述的一种新能源电池用的耐温泡棉涂层检测方法,其特征在于,所述根据所述连通域中像素点的预设邻域范围内的灰度差异特征获得像素点的裂缝第一影响程度的步骤包括:
计算所述连通域中像素点的预设邻域范围内的灰度值的方差,获得灰度差异表征值;计算所述连通域中像素点的预设邻域范围内的灰度平均值的倒数,获得整体灰度表征值;计算所述灰度差异表征值与所述整体灰度表征值的乘积并正相关映射,获得像素点的所述裂缝第一影响程度。
3.根据权利要求1所述的一种新能源电池用的耐温泡棉涂层检测方法,其特征在于,所述根据所述连通域中像素点的预设邻域范围内的梯度差异特征获得像素点的裂缝第二影响程度的步骤包括:
计算所述连通域中像素点的预设邻域范围内的梯度值的方差的倒数,获得灰度变化统一度;计算所述连通域中像素点的预设邻域范围内的梯度方向与预设方向的角度值的方差的倒数,获得灰度方向统一度;计算所述灰度变化统一度与所述灰度方向统一度的乘积并正相关映射,获得像素点的所述裂缝第二影响程度。
4.根据权利要求1所述的一种新能源电池用的耐温泡棉涂层检测方法,其特征在于,所述根据裂缝第一影响程度和裂缝第二影响程度获得像素点的异常程度的步骤包括:
计算像素点的裂缝第一影响程度和裂缝第二影响程度的乘积,获得像素点的所述异常程度。
5.根据权利要求1所述的一种新能源电池用的耐温泡棉涂层检测方法,其特征在于,所述根据所述连通域中像素点的预设邻域范围内的异常程度的差异特征获得索引路径的步骤包括:
将连通域中任意像素点的预设邻域范围内异常程度最大的像素点作为所述任意像素点的预设邻域范围内的索引路径起始点;在所述任意像素点的预设邻域范围内计算索引路径起始点与相邻像素点的异常程度的差值,将异常程度的差值最小值的索引路径起始点的相邻像素点作为索引路径第一经过点;
在所述任意像素点的预设邻域范围内计算索引路径起始点与索引路径第一经过点的相邻像素点的异常程度的差值,获得第一差异数值;在所述任意像素点的预设邻域范围内计算索引路径第一经过点与相邻像素点的异常程度的差值,获得第二差异数值,计算第一差异数值和第二差异数值的和值,获得索引路径第一经过点的相邻像素点的路径差异特征值;将路径差异特征值最小的索引路径第一经过点的相邻像素点作为索引路径第二经过点;遍历所述任意像素点的预设邻域范围,获得所述任意像素点的预设邻域范围的所述索引路径。
6.根据权利要求5所述的一种新能源电池用的耐温泡棉涂层检测方法,其特征在于,所述根据所述索引路径上的像素点的异常程度的差异特征获得像素点的索引统一度的步骤包括:
对于所述索引路径的任意一个像素点,计算在索引路径中从所述索引路径起始点到所述任意一个像素点的异常程度的方差并正相关映射,获得异常波动值;计算所述索引路径起始点的异常程度与所述异常波动值的比值并归一化,获得索引路径上的任意一个像素点的索引统一度。
7.根据权利要求6所述的一种新能源电池用的耐温泡棉涂层检测方法,其特征在于,所述根据所述索引路径上像素点的异常程度的差异特征和所述索引统一度获得存异度的步骤包括:
计算索引路径上所述索引路径起始点与所述任意一个像素点的异常程度的差值,获得第一异常差异值;计算索引路径上所述任意一个像素点与上一个像素点的异常程度的差值绝对值,获得第二异常差异值;计算所述第一异常差异值、所述第二异常差异值和预设极小正数的和值,获得异常变化度;计算所述索引路径起始点的异常程度与所述异常变化度的比值,获得异常变化系数;计算所述异常变化系数与所述索引统一度的乘积,获得所述索引路径上的任意一个像素点的存异度。
8.根据权利要求1所述的一种新能源电池用的耐温泡棉涂层检测方法,其特征在于,所述根据像素点的存异度的差异特征确定像素点的裂缝程度的步骤包括:
计算所述索引路径中任意两个相连的像素点的所述存异度的差值绝对值,获得存异差异度;将所述存异差异度最大值对应的两个像素点的前一个像素点作为分界点,将所述索引路径在分界点以及分界点之前的像素点的所述存异度作为裂缝程度,将所述索引路径在分界点之后的像素点的裂缝程度置为预设第一数值。
9.根据权利要求1所述的一种新能源电池用的耐温泡棉涂层检测方法,其特征在于,所述根据所述裂缝程度获得所述连通域的分割程度的步骤包括:
计算每个预设阈值分割获得的连通域中像素点的裂缝程度的均值并归一化,获得所述连通域的分割程度。
10.根据权利要求1所述的一种新能源电池用的耐温泡棉涂层检测方法,其特征在于,所述根据分割程度确定最佳分割阈值进行阈值分割获得分割图像,根据分割图像进行泡棉涂层检测的步骤包括:
将所述分割程度最大值作为最佳分割阈值进行阈值分割获得分割图像;根据分割图像确定泡棉涂层的缺陷区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311296943.9A CN117036353B (zh) | 2023-10-09 | 2023-10-09 | 一种新能源电池用的耐温泡棉涂层检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311296943.9A CN117036353B (zh) | 2023-10-09 | 2023-10-09 | 一种新能源电池用的耐温泡棉涂层检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117036353A true CN117036353A (zh) | 2023-11-10 |
CN117036353B CN117036353B (zh) | 2024-01-30 |
Family
ID=88641624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311296943.9A Active CN117036353B (zh) | 2023-10-09 | 2023-10-09 | 一种新能源电池用的耐温泡棉涂层检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117036353B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117969533A (zh) * | 2024-03-27 | 2024-05-03 | 宁德时代新能源科技股份有限公司 | 绝缘涂层检测方法、装置、系统、设备和存储介质 |
CN118038280A (zh) * | 2024-04-15 | 2024-05-14 | 山东亿昌装配式建筑科技有限公司 | 基于航拍影像的建筑施工进度监测及预警方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016172827A1 (zh) * | 2015-04-27 | 2016-11-03 | 武汉武大卓越科技有限责任公司 | 一种逐步求精的路面裂缝检测方法 |
CN113820321A (zh) * | 2021-09-23 | 2021-12-21 | 广州利科科技有限公司 | 路桥路面裂缝检测系统及其检测方法 |
CN115294139A (zh) * | 2022-10-08 | 2022-11-04 | 中国电建集团江西省电力设计院有限公司 | 基于图像的边坡裂缝监测方法 |
US11580647B1 (en) * | 2021-12-24 | 2023-02-14 | Guangzhou University | Global and local binary pattern image crack segmentation method based on robot vision |
CN116168026A (zh) * | 2023-04-24 | 2023-05-26 | 山东拜尔检测股份有限公司 | 基于计算机视觉的水质检测方法及系统 |
-
2023
- 2023-10-09 CN CN202311296943.9A patent/CN117036353B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016172827A1 (zh) * | 2015-04-27 | 2016-11-03 | 武汉武大卓越科技有限责任公司 | 一种逐步求精的路面裂缝检测方法 |
CN113820321A (zh) * | 2021-09-23 | 2021-12-21 | 广州利科科技有限公司 | 路桥路面裂缝检测系统及其检测方法 |
US11580647B1 (en) * | 2021-12-24 | 2023-02-14 | Guangzhou University | Global and local binary pattern image crack segmentation method based on robot vision |
CN115294139A (zh) * | 2022-10-08 | 2022-11-04 | 中国电建集团江西省电力设计院有限公司 | 基于图像的边坡裂缝监测方法 |
CN116168026A (zh) * | 2023-04-24 | 2023-05-26 | 山东拜尔检测股份有限公司 | 基于计算机视觉的水质检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
李鹏;蒋威;顾彬彬;: "基于统计特征的D邻域滑动窗路面裂缝分割法", 计算机仿真, no. 12, pages 123 - 127 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117969533A (zh) * | 2024-03-27 | 2024-05-03 | 宁德时代新能源科技股份有限公司 | 绝缘涂层检测方法、装置、系统、设备和存储介质 |
CN118038280A (zh) * | 2024-04-15 | 2024-05-14 | 山东亿昌装配式建筑科技有限公司 | 基于航拍影像的建筑施工进度监测及预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117036353B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117036353B (zh) | 一种新能源电池用的耐温泡棉涂层检测方法 | |
CN116843678B (zh) | 一种硬碳电极生产质量检测方法 | |
CN116091504B (zh) | 基于图像处理的连接管连接头质量检测方法 | |
CN116934740B (zh) | 基于图像处理的塑料模具表面缺陷分析检测方法 | |
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 | |
CN117556714B (zh) | 一种用于铝金属冶炼的预热管路温度数据异常分析方法 | |
CN116721107B (zh) | 一种电缆生产质量智能监控系统 | |
CN114972187B (zh) | 基于人工智能的裂纹缺陷评估方法 | |
CN116452589B (zh) | 基于图像处理的人造板表面缺陷智能检测方法 | |
CN116363126B (zh) | 一种数据线usb插头焊接质量检测方法 | |
CN116805311B (zh) | 一种基于机器人视觉的汽车零配件表面缺陷监测方法 | |
CN105184792B (zh) | 一种圆锯片磨损量在线测量方法 | |
CN115049736A (zh) | 用于电缆表面缺陷精准定位的方法 | |
KR20160087600A (ko) | 불량 검사 장치 및 방법 | |
CN116758056B (zh) | 一种电器端子生产缺陷检测方法 | |
JP2017161485A (ja) | 渦巻きばねの形状を測定する装置、方法、及びプログラム | |
CN116229438B (zh) | 一种纺纱质量视觉识别系统 | |
CN117218124A (zh) | 一种铜铝转接表面加工质量检测方法 | |
CN116432052B (zh) | 一种新能源汽车模具用夹具质量检测方法 | |
CN116721096A (zh) | 基于人工智能的新能源线束质量在线检测方法 | |
CN115272345B (zh) | 基于图像处理的防火面料质量分析方法 | |
CN114937041B (zh) | 一种汽车发动机油路铜套缺陷检测方法及系统 | |
WO2021200499A1 (ja) | 監視装置、監視システム、監視方法及び監視プログラム | |
CN117078679B (zh) | 一种基于机器视觉的散热风扇自动组装线生产检测方法 | |
CN116703912B (zh) | 一种迷你主机网口完整性视觉检测方法 |
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 |