CN117132588B - 基于视觉的复合铜排导电层焊接缺陷检测方法 - Google Patents

基于视觉的复合铜排导电层焊接缺陷检测方法 Download PDF

Info

Publication number
CN117132588B
CN117132588B CN202311367799.3A CN202311367799A CN117132588B CN 117132588 B CN117132588 B CN 117132588B CN 202311367799 A CN202311367799 A CN 202311367799A CN 117132588 B CN117132588 B CN 117132588B
Authority
CN
China
Prior art keywords
pixel
image
welding
area image
welding area
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
Application number
CN202311367799.3A
Other languages
English (en)
Other versions
CN117132588A (zh
Inventor
李强
胡金伢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Jinliyuan Insulating Material Co ltd
Original Assignee
Shenzhen Jinliyuan Insulating Material Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Jinliyuan Insulating Material Co ltd filed Critical Shenzhen Jinliyuan Insulating Material Co ltd
Priority to CN202311367799.3A priority Critical patent/CN117132588B/zh
Publication of CN117132588A publication Critical patent/CN117132588A/zh
Application granted granted Critical
Publication of CN117132588B publication Critical patent/CN117132588B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30141Printed circuit board [PCB]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30152Solder

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及数据处理技术领域,具体涉及基于视觉的复合铜排导电层焊接缺陷检测方法,包括:获取复合铜排导电层的焊接区域图像;计算每个像素的相似度尺寸;根据相似度尺寸得到每个像素的探索步长;获取多个采样图像,计算每个采样图像、焊接区域图像中每个像素的纹理参数,进而得到纹理像素;根据纹理像素计算焊接区域图像中每个像素的纹理置信度;进而得到有效纹理像素;根据有效纹理像素得到焊缝方向,根据有效纹理像素计算每个像素的探索方向;根据探索方向和探索步长进行增强和缺陷检测。从而实现通过根据像素的分布情况设置探索方向和探索步长,从而无需在多个方向利用多个步长进行像素描述,有效节约计算时间。

Description

基于视觉的复合铜排导电层焊接缺陷检测方法
技术领域
本发明涉及图像处理技术领域,具体涉及基于视觉的复合铜排导电层焊接缺陷检测方法。
背景技术
复合铜排是一种常用的导电结构,用于电子设备和电路板的连接和导电。然而,在复合铜排的焊接过程中,可能会出现焊接缺陷,如焊缝开裂、焊接不良、气孔等,这会降低焊接接头的质量和性能。因此,需要一种能够快速、准确地检测复合铜排导电层焊接缺陷的方法。比如焊接时出现气孔,如果使用传统的检测方法来对此类缺陷进行检测,大的气孔很容易被检测出来,但是细小的气孔并不容易被直接检测出来,从而导致使用现有算法进行检测之后很容易造成漏检,检测效率不高的问题。
为准确的检测出复合铜排导电层中的焊接缺陷,需根据缺陷区域像素分布特征和非焊接缺陷像素分布特征进行描述,然后根据特征差异实现焊接缺陷检测。而使用灰度共生矩阵来对图像中的像素点进行特征提取时,因为像素灰度分布的多样性,需要利用不同步长在不同探索方向上获取灰度对,进而得到灰度共生矩阵,这样需要所需的处理时间较长。
发明内容
本发明提供基于视觉的复合铜排导电层焊接缺陷检测方法,以解决现有的问题:如何高效的提取出图像特征,实现准确、高效的焊接缺陷检测。
本发明的基于视觉的复合铜排导电层焊接缺陷检测方法采用如下技术方案:
本发明一个实施例提供了基于视觉的复合铜排导电层焊接缺陷检测方法,该方法包括以下步骤:
获取复合铜排导电层的焊接区域图像;
根据焊接区域图像中每个像素与周围像素的灰度相似情况得到焊接区域图像中每个像素的相似度尺寸;根据相似度尺寸得到焊接区域图像中每个像素的探索步长;
获取焊接区域图像的多个采样图像,根据每个采样图像每个像素与周围像素的灰度差异情况得到每个采样图像中每个像素的纹理参数,根据每个采样图像中每个像素的纹理参数得到每个采样图像中纹理像素;获取焊接图像中纹理像素,获取焊接图像的多个图像块,根据每个采样图像和焊接区域图像中纹理像素和焊接区域图像的图像块得到焊接区域图像中每个像素的纹理置信度;根据纹理置信度得到焊接区域图像中有效纹理像素;根据焊接区域图像中有效纹理像素得到焊缝方向,根据焊接区域图像中每个像素与所在图像块中像素的灰度差异得到焊接区域图像中每个像素的灰度变动方向;根据焊接区域图像中每个像素的灰度变动方向和焊缝方向得到焊接区域图像中每个像素的探索方向;
根据焊接区域图像中每个像素的探索方向和探索步长得到待增强区域,对焊接区域图像中待增强区域进行增强处理得到增强后的焊接区域图像,根据强后的焊接区域图像得到缺陷区域。
优选的,所述根据焊接区域图像中每个像素与周围像素的灰度相似情况得到焊接区域图像中每个像素的相似度尺寸,包括的具体方法为:
获取以每个像素为中心的a*a的窗口记为第一窗口,根据第一窗口计算每个像素的差异度,记为第一差异度,将第一差异度与预设差异度阈值Y2比较,当第一差异度大于Y2时,将a作为每个像素的相似度尺寸;当第一差异度小于等于Y2时,获取以每个像素为中心的(a+2)*(a+2)的窗口,记为第二窗口,根据第二窗口计算每个像素的差异度,记为第二差异度,将第二差异度与预设差异度阈值Y2比较,当第二差异度大于Y2时,将a+2作为每个像素的相似度尺寸;
依次类推,当第n-1差异度小于等于Y2时,获取以每个像素为中心的[a+2*(n-1)]*[a+2*(n-1)]的窗口记为第n窗口,根据第n窗口计算每个像素的差异度,记为第n差异度,将第n差异度与预设差异度阈值Y2比较,当第n差异度大于Y2时,将a+2*(n-1)作为每个像素的相似度尺寸;直至每个像素的差异度大于预设差异度阈值或窗口尺寸大于等于预设尺寸阈值时结束;a表示预设尺寸;
当窗口尺寸大于等于预设尺寸阈值且还未得到每个像素的相似度尺寸时,将预设尺寸阈值作为每个像素的相似度尺寸。
优选的,所述根据第n窗口计算每个像素的差异度,包括的具体方法为:
其中,表示焊接区域图像中第i个像素的灰度值,/>表示焊接区域图像中第i个像素的第n窗口内第j个像素的灰度值,/>表示焊接区域图像中所有像素的灰度值最大值,/>表示焊接区域图像中所有像素的灰度值均值,/>表示焊接区域图像中第i个像素的第n窗口内包含像素个数,/>表示基于第n窗口得到的焊接区域图像中第i个像素的差异度,/>表示绝对值符号。
优选的,所述根据相似度尺寸得到焊接区域图像中每个像素的探索步长;获取焊接区域图像的多个采样图像,包括的具体方法为:
其中,表示焊接区域图像中第i个像素的相似度尺寸,/>表示焊接区域图像中第i个像素的探索步长;
利用高斯金字塔对焊接区域图像进行多次滤波和下采样处理得到焊接区域图像的多个尺度图像,将每个尺度图像进行上采样处理得到采样图像。
优选的,所述根据每个采样图像每个像素与周围像素的灰度差异情况得到每个采样图像中每个像素的纹理参数,根据每个采样图像中每个像素的纹理参数得到每个采样图像中纹理像素,包括的具体方法为:
其中,表示每个采样图像中第k个像素的8邻域内所有像素的方差,/>表示每个采样图像中第k个像素所在图像块中所有像素的方差,/>表示反比正切函数,/>表示每个采样图像中第k个像素的纹理参数;
将每个采样图像中纹理参数大于预设纹理阈值的像素记为纹理像素。
优选的,所述获取焊接图像的多个图像块,包括的具体方法为:
将每个采样图像均匀分割成W*H的多个图像块,W、H表示预设分块尺寸。
优选的,所述根据每个采样图像和焊接区域图像中纹理像素和焊接区域图像的图像块得到焊接区域图像中每个像素的纹理置信度;根据纹理置信度得到焊接区域图像中有效纹理像素,包括的具体方法为:
获取焊接区域图像中每个像素的参考窗口尺寸的方法为:
其中,表示焊接区域图像中第i个像素所在图像块中存在纹理像素个数,/>表示焊接区域图像中第i个像素所在图像块中像素的个数,/>表示焊接区域图像中第i个像素的参考窗口尺寸;
以焊接区域图像中每个像素为中心,获取尺寸为参考窗口尺寸的焊接区域图像中每个像素的参考窗口;
将每个采样图像中的像素称为采样像素;
获取焊接区域图像中每个像素的纹理置信度的方法为:
其中,表示与焊接区域图像中第i个像素相同位置的所有采样像素中存在纹理像素的个数,/>表示与焊接区域图像中第i个像素相同位置的采样像素个数,/>表示焊接区域图像中第i个像素的参考窗口中存在纹理像素的个数,/>表示焊接区域图像中第i个像素的纹理置信度;
将纹理置信度大于预设置信度阈值的焊接区域图像中的像素称为有效纹理像素。
优选的,所述根据焊接区域图像中有效纹理像素得到焊缝方向,根据焊接区域图像中每个像素与所在图像块中像素的灰度差异得到焊接区域图像中每个像素的灰度变动方向,包括的具体方法为:
获取焊接区域图像中纹理像素的梯度方向,将与纹理像素的梯度方向垂直的方向称为焊接区域图像中纹理像素的延伸方向,将焊接区域图像中所有纹理像素的延伸方向求均值得到焊缝方向;
将尺寸为相似度尺寸的窗口称为最佳相似度窗口,将基于最佳相似度窗口得到每个像素的相似度称为每个像素的最佳相似度,计算每个像素与最佳相似度窗口内其他每个像素的最佳相似度差值,并获取每个像素与最佳相似度窗口内所有每个像素的最佳相似度差值的最大值称为焊接区域图像中每个像素的第一差值,将第一差值对应的像素称为每个像素的参考像素,将每个像素与参考像素连接方向称为焊接区域图像中每个像素的灰度变动方向。
优选的,所述根据焊接区域图像中每个像素的灰度变动方向和焊缝方向得到焊接区域图像中每个像素的探索方向,包括的具体方法为:
其中,表示焊缝方向与水平方向的夹角,/>表示焊接区域图像中第i个像素的灰度变动方向与水平方向的夹角,/>表示焊接区域图像中第i个像素的探索方向与水平方向的夹角。
优选的,所述根据焊接区域图像中每个像素的探索方向和探索步长得到待增强区域,对焊接区域图像中待增强区域进行增强处理得到增强后的焊接区域图像,根据强后的焊接区域图像得到缺陷区域,包括的具体方法为:
将每个图像块中所有像素的最佳相似度构成每个图像块的最佳相似度矩阵块,将基于每个像素的探索方向和探索步长,利用灰度共生矩阵算法对每个图像块的最佳相似度矩阵块进行处理得到每个图像块的最佳相似度矩阵块的最佳相似度共生矩阵;
对于每个图像块的最佳相似度矩阵块的最佳相似度共生矩阵,获取最佳相似度矩阵中每种最佳相似度对中两个最佳相似度的差值记为每个最佳相似度对的第二差值,所有最佳相似度对的第二差值的最大值记为每个图像块的相似度跨度;将每个图像块的相似度跨度对应的最佳相似度对所占的比例记为每个图像块的描述比例;
将所有图像块中描述比例最大值对应的图像块作为待增强区域;
利用直方图均衡化方法对焊接区域图像的待增强区域进行增强处理得到增强后的焊接区域图像;
对增强后的焊接区域图像进行分割处理得到缺陷区域。
本发明的技术方案的有益效果是:获取复合铜排导电层的焊接区域图像;计算每个像素的相似度尺寸;根据相似度尺寸得到每个像素的探索步长;获取多个采样图像,计算每个采样图像、焊接区域图像中每个像素的纹理参数,进而得到纹理像素;根据纹理像素计算焊接区域图像中每个像素的纹理置信度;进而得到有效纹理像素;根据有效纹理像素得到焊缝方向,根据有效纹理像素计算每个像素的探索方向;根据探索方向和探索步长进行增强和缺陷检测。从而实现通过根据像素的分布情况设置探索方向和探索步长,从而无需在多个方向利用多个步长进行像素描述,有效节约计算时间。
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,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地介绍,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他的附图。
图1为本发明基于视觉的复合铜排导电层焊接缺陷检测方法的步骤流程图。
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基于视觉的复合铜排导电层焊接缺陷检测方法,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基于视觉的复合铜排导电层焊接缺陷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基于视觉的复合铜排导电层焊接缺陷检测方法的步骤流程图,该方法包括以下步骤:
步骤S001:获取复合铜排导电层的焊接区域图像。
需要说明的是,由于在复合铜排的焊接过程中,可能会出现焊接缺陷,如焊缝开裂、焊接不良、气孔等,这会降低焊接接头的质量和性能,为了降低焊接缺陷造成的不良影响,需进行焊接缺陷检测。
具体的,为了实现本实施例提出的基于视觉的复合铜排导电层焊接缺陷检测方法,首先需要采集复合铜排导电层的焊接区域图像,具体操作为:
利用在复合铜排导电层正上方布置相机,利用相机采集复合铜排导电层图像。利用语义分割方法对复合铜排导电层图像进行分割处理得到复合铜排导电层的焊接区域图像。对焊接区域图像进行灰度化处理得到焊接区域图像的灰度图像,为了便于描述,后续将焊接区域图像的灰度图像依旧称为焊接区域图像。
至此,通过上述方法得到复合铜排导电层的焊接区域图像。
步骤S002:获取焊接区域图像中每个像素的相似尺寸,根据相似尺寸得到焊接区域图像中每个像素的探索步长。
需要说明的是,复合铜排导电层的焊接区域处纹理较多,并且焊接区域与缺陷区域的灰度差异较小,直接进行缺陷检测很难准确的检测出缺陷区域。为了准确的检测出缺陷区域,需对焊接区域图像进行增强处理。
需要进一步说明的是,为了增强焊接区域图像中缺陷区域。需对焊接区域图像中各像素局部区域内的像素分布特征进行描述。进而根据每个像素的局部区域内像素分布特征符合缺陷的情况来选取增强区域。灰度共生矩阵能够较好的描述像素分布情况,而利用灰度共生矩阵准确的对像素的局部区域进行描述时,需要在各像素局部区域内获取不同步长不同探索方向上的灰度对,这个获取方法耗费时间较长。
具体的,对于焊接区域图像中任意一个像素,获取以该像素为中心的a*a的窗口记为第一窗口,根据第一窗口计算该像素的差异度,记为第一差异度,将第一差异度与预设差异度阈值Y2比较,当第一差异度大于Y2时,将a作为该像素的相似度尺寸。当第一差异度小于等于Y2时,获取以该像素为中心的(a+2)*(a+2)的窗口,记为第二窗口,根据第二窗口计算该像素的差异度,记为第二差异度,将第二差异度与预设差异度阈值Y2比较,当第二差异度大于Y2时,将a+2作为该像素的相似度尺寸。
依次类推,当第n-1差异度小于等于Y2时,获取以该像素为中心的[a+2*(n-1)]*[a+2*(n-1)]的窗口记为第n窗口,根据第n窗口计算该像素的差异度,记为第n差异度,将第n差异度与预设差异度阈值Y2比较,当第n差异度大于Y2时,将a+2*(n-1)作为该像素的相似度尺寸。直至该像素的差异度大于预设差异度阈值或窗口尺寸大于等于预设尺寸阈值Y1时结束。a表示预设尺寸;
本实施例以Y2 取1、Y1取5、a取3为例进行叙述,其他实施例可以取其他值,本实施例不进行具体限制。
需要说明的是,当窗口尺寸大于等于预设尺寸阈值且还未得到每个像素的相似度尺寸时,将预设尺寸阈值作为每个像素的相似度尺寸。对于焊接区域图像的最外边的像素,该像素周围的像素无法完全填充整个窗口,利用焊接区域图像的所有像素的灰度值均值作为没有填充像素的位置处的数据。
根据第n窗口计算该像素的差异度的方法为:
其中,表示焊接区域图像中第i个像素的灰度值,/>表示焊接区域图像中第i个像素的第n窗口内第j个像素的灰度值,/>表示焊接区域图像中所有像素的灰度值最大值。/>表示焊接区域图像中所有像素的灰度值均值,/>表示焊接区域图像中第i个像素的第n窗口内包含像素个数,/>表示基于第n窗口得到的焊接区域图像中第i个像素的差异度。通过差异度来反映像素与周围像素的灰度值相似情况,/>表示绝对值符号。
至此,得到每个像素的相似度尺寸,每个像素与相似度尺寸的区域内的像素的灰度差异较小,相似度尺寸越大说明该像素与周围像素的越相似,因而可以利用较大步长的灰度对就能较好的描述该像素周围的信息分布情况。
进一步的,根据每个像素的相似度尺寸得到每个像素的探索步长的计算方法为:
其中,表示焊接区域图像中第i个像素的相似度尺寸,该值越大说明该像素与周围像素的越相似,该像素与周围像素分布相似,因而需加大探索步长来获取较远距离的像素分布情况,/>表示焊接区域图像中第i个像素的探索步长。
步骤S003:根据焊接区域图像得到多个采样图像,获取每个采样图像中每个像素的纹理参数和焊接图像中每个像素的纹理参数,根据每个采样图像和焊接图像中每个像素的纹理参数和得到焊接图像中每个像素的纹理置信度,根据纹理置信度得到焊接区域图像中有效纹理像素,根据有效纹理像素得到焊接区域图像中每个像素的探索方向。
需要说明的是,焊接区域图像中正常的焊接纹理一般是沿焊缝方向分布,因而正常焊接纹理像素在焊缝方向上像素之间的灰度差异较小,缺陷纹理在焊缝方向上像素之间的灰度差异较大。由于焊接区域图像中多数纹理为正常焊接纹理,因而多数纹理的分布方向一般为焊缝方向。
需要进一步说明的是,为了获取焊缝方向需先获取图像中的纹理像素,由于焊接区域图像中会存在一些细小纹理会干扰焊缝方向获取,而这些细小纹理在图像放缩过程中会丢失,因而可以根据图像放缩过程中纹理像素的保留情况来获取有效纹理像素。
具体的,利用高斯金字塔对焊接区域图像进行多次滤波和下采样处理得到焊接区域图像的多个尺度图像。将每个尺度图像进行上采样处理得到与焊接区域图像相同尺寸的采样图像。
进一步的,获取每个采样图像中每个像素的纹理参数的方法为:
将每个采样图像均匀分割成W*H的多个图像块,W、H表示预设分块尺寸,本实施例以W、H分别取4和10为例进行叙述,其他实施例可以取其他值,本实施例不进行具体限制。
根据每个采样图像的多个图像块得到每个采样图像中每个像素的纹理参数的计算方法为:
其中,表示每个采样图像中第k个像素的8邻域内所有像素的方差,/>表示每个采样图像中第k个像素所在图像块中所有像素的方差,/>表示反比正切函数,/>表示每个采样图像中第k个像素的纹理参数。通过该值反映了每个采样图像中第k个像素的较小区域的灰度差异与较大区域的灰度差异的差值,该值越大说明该像素位置处灰度差异较大,因而该像素位置处为纹理像素的可能性较大。
将每个采样图像中纹理参数大于预设纹理阈值Y3的像素记为纹理像素。本实施例以Y3取0.5为例进行叙述,其他实施例可以取其他值,本实施例不进行具体限制。
同理得到焊接区域图像中所有纹理像素。
至此,得到了焊接区域图像的不同尺度下的采样图像中的纹理像素,下面需根据每个采样图像中的纹理像素得到焊接区域图像中有效纹理像素。
进一步的,计算焊接区域图像中每个像素的参考窗口尺寸的计算公式为:
其中,表示焊接区域图像中第i个像素所在图像块中存在纹理像素个数,/>表示焊接区域图像中第i个像素所在图像块中像素的个数。/>表示焊接区域图像中第i个像素的参考窗口尺寸。通过每个像素所在图像块中存在纹理像素情况来设置参考窗口尺寸。
以焊接区域图像中每个像素为中心,获取尺寸为参考窗口尺寸的焊接区域图像中每个像素的参考窗口。
将每个采样图像中的像素称为采样像素。
根据每个采样图像的纹理像素以及焊接区域图像中每个像素的参考窗口得到焊接区域图像中每个像素的纹理置信度的方法为:
其中,表示与焊接区域图像中第i个像素相同位置的所有采样像素中存在纹理像素的个数,/>表示与焊接区域图像中第i个像素相同位置的采样像素个数,/>该值反映了在图像放缩过程中第i个像素处纹理像素保留情况。/>表示焊接区域图像中第i个像素的参考窗口中存在纹理像素的个数,/>表示焊接区域图像中第i个像素所在图像块中存在纹理像素个数,/>表示焊接区域图像中第i个像素所在图像块中像素的个数。/>表示焊接区域图像中第i个像素的纹理置信度。/>反映了第i个像素在参考窗口内纹理像素占参考窗口内总像素的比例,当该像素所在图像块中存在纹理像素越多,说明该像素应该参考更大范围内的纹理像素分布情况来对该像素进行有效纹理判定。
将纹理置信度大于预设置信度阈值Y4的焊接区域图像中的像素称为有效纹理像素。本实施例以Y4取0.1为例进行叙述,其他实施例可以取其他值,本实施例不进行具体限制。
至此,得到焊接区域图像中所有有效纹理像素,有效纹理像素已经排除了那些干扰的细小纹理,从而下面可以根据有效纹理像素来获取焊缝方向。
进一步的,获取焊接区域图像中纹理像素的梯度方向,将与纹理像素的梯度方向垂直的方向称为焊接区域图像中纹理像素的延伸方向,将焊接区域图像中所有纹理像素的延伸方向求均值得到焊缝方向。
需要说明的是,由于焊接区域图像中每个纹理像素不完全沿着焊缝方向,因而需根据焊接区域图像中每个纹理像素的灰度变化情况以及焊缝方向得到焊接区域图像中每个纹理像素的探索方向。
进一步的,将尺寸为相似度尺寸的窗口称为最佳相似度窗口,将基于最佳相似度窗口得到每个像素的相似度称为每个像素的最佳相似度,计算每个像素与最佳相似度窗口内其他每个像素的最佳相似度差值,并获取每个像素与最佳相似度窗口内所有每个像素的最佳相似度差值的最大值称为焊接区域图像中每个像素的第一差值,将第一差值对应的像素称为每个像素的参考像素,将每个像素与参考像素连接方向称为焊接区域图像中每个像素的灰度变动方向。
根据焊接区域图像中每个像素的灰度变动方向和焊缝方向得到焊接区域图像中每个像素的探索方向为:
其中,表示焊缝方向与水平方向的夹角,/>表示焊接区域图像中第i个像素的灰度变动方向与水平方向的夹角,/>表示焊接区域图像中第i个像素的探索方向与水平方向的夹角。
步骤S004:根据探索步长和探索方向获取待增强区域,对待增强区域进行增强处理得到增强后焊接区域图像,根据增强后焊接区域图像进行焊接缺陷检测。
具体的,将每个图像块中所有像素的最佳相似度构成每个图像块的最佳相似度矩阵块,将基于每个像素的探索方向和探索步长,利用灰度共生矩阵算法对每个图像块的最佳相似度矩阵块进行处理得到每个图像块的最佳相似度矩阵块的最佳相似度共生矩阵。最佳相似度共生矩阵是与灰度共生矩阵对应,只是最佳相似度共生矩阵描述的最佳相似度对的分布情况,灰度共生矩阵描述的是灰度对的分布情况。
需要说明的是,描述正常焊接纹理的像素之间的最佳相似度差异较少,并且比例较少,缺陷区域的像素之间的最佳相似度差值较大,因而可以基于此来获得待增强区域。
进一步的,对于每个图像块的最佳相似度矩阵块的最佳相似度共生矩阵,获取最佳相似度矩阵中每种最佳相似度对中两个最佳相似度的差值记为每个最佳相似度对的第二差值,所有最佳相似度对的第二差值的最大值记为每个图像块的相似度跨度。将每个图像块的相似度跨度对应的最佳相似度对所占的比例记为每个图像块的描述比例。
将所有图像块中描述比例最大值对应的图像块作为待增强区域。
进一步的,利用直方图均衡化方法对焊接区域图像的待增强区域进行增强处理得到增强后的焊接区域图像。
需要说明的是,直方图均衡化为现有图像增强方法,其通过对图像中灰度值进行统计得到直方图,通过将图像的直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布,来达到图像增强的目的。因而直方图均衡化方法可以实现对图像中一个区域的增强处理。
进一步的,利用大津阈值法对增强后的焊接区域图像进行分割处理得到缺陷区域。
至此,本实施例完成。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (7)

1.基于视觉的复合铜排导电层焊接缺陷检测方法,其特征在于,该方法包括以下步骤:
获取复合铜排导电层的焊接区域图像;
根据焊接区域图像中每个像素与周围像素的灰度相似情况得到焊接区域图像中每个像素的相似度尺寸;根据相似度尺寸得到焊接区域图像中每个像素的探索步长;
获取焊接区域图像的多个采样图像,根据每个采样图像每个像素与周围像素的灰度差异情况得到每个采样图像中每个像素的纹理参数,根据每个采样图像中每个像素的纹理参数得到每个采样图像中纹理像素;获取焊接图像中纹理像素,获取焊接图像的多个图像块,根据每个采样图像和焊接区域图像中纹理像素和焊接区域图像的图像块得到焊接区域图像中每个像素的纹理置信度;根据纹理置信度得到焊接区域图像中有效纹理像素;根据焊接区域图像中有效纹理像素得到焊缝方向,根据焊接区域图像中每个像素与所在图像块中像素的灰度差异得到焊接区域图像中每个像素的灰度变动方向;根据焊接区域图像中每个像素的灰度变动方向和焊缝方向得到焊接区域图像中每个像素的探索方向;
根据焊接区域图像中每个像素的探索方向和探索步长得到待增强区域,对焊接区域图像中待增强区域进行增强处理得到增强后的焊接区域图像,根据增强后的焊接区域图像得到缺陷区域;
所述根据焊接区域图像中每个像素与周围像素的灰度相似情况得到焊接区域图像中每个像素的相似度尺寸,包括的具体方法为:
获取以每个像素为中心的a*a的窗口记为第一窗口,根据第一窗口计算每个像素的差异度,记为第一差异度,将第一差异度与预设差异度阈值Y2比较,当第一差异度大于Y2时,将a作为每个像素的相似度尺寸;当第一差异度小于等于Y2时,获取以每个像素为中心的(a+2)*(a+2)的窗口,记为第二窗口,根据第二窗口计算每个像素的差异度,记为第二差异度,将第二差异度与预设差异度阈值Y2比较,当第二差异度大于Y2时,将a+2作为每个像素的相似度尺寸;
依次类推,当第n-1差异度小于等于Y2时,获取以每个像素为中心的[a+2*(n-1)]* [a+2*(n-1)]的窗口记为第n窗口,根据第n窗口计算每个像素的差异度,记为第n差异度,将第n差异度与预设差异度阈值Y2比较,当第n差异度大于Y2时,将a+2*(n-1)作为每个像素的相似度尺寸;直至每个像素的差异度大于预设差异度阈值或窗口尺寸大于等于预设尺寸阈值时结束;a表示预设尺寸;
当窗口尺寸大于等于预设尺寸阈值且还未得到每个像素的相似度尺寸时,将预设尺寸阈值作为每个像素的相似度尺寸;
所述根据每个采样图像每个像素与周围像素的灰度差异情况得到每个采样图像中每个像素的纹理参数,根据每个采样图像中每个像素的纹理参数得到每个采样图像中纹理像素,包括的具体方法为:
其中,表示每个采样图像中第k个像素的8邻域内所有像素的方差,/>表示每个采样图像中第k个像素所在图像块中所有像素的方差,/>表示反比正切函数,/>表示每个采样图像中第k个像素的纹理参数;
将每个采样图像中纹理参数大于预设纹理阈值的像素记为纹理像素;
所述根据每个采样图像和焊接区域图像中纹理像素和焊接区域图像的图像块得到焊接区域图像中每个像素的纹理置信度;根据纹理置信度得到焊接区域图像中有效纹理像素,包括的具体方法为:
获取焊接区域图像中每个像素的参考窗口尺寸的方法为:
其中,表示焊接区域图像中第i个像素所在图像块中存在纹理像素个数,/>表示焊接区域图像中第i个像素所在图像块中像素的个数,/>表示焊接区域图像中第i个像素的参考窗口尺寸;
以焊接区域图像中每个像素为中心,获取尺寸为参考窗口尺寸的焊接区域图像中每个像素的参考窗口;
将每个采样图像中的像素称为采样像素;
获取焊接区域图像中每个像素的纹理置信度的方法为:
其中,表示与焊接区域图像中第i个像素相同位置的所有采样像素中存在纹理像素的个数,/>表示与焊接区域图像中第i个像素相同位置的采样像素个数,/>表示焊接区域图像中第i个像素的参考窗口中存在纹理像素的个数,/>表示焊接区域图像中第i个像素的纹理置信度;
将纹理置信度大于预设置信度阈值的焊接区域图像中的像素称为有效纹理像素。
2.根据权利要求1所述基于视觉的复合铜排导电层焊接缺陷检测方法,其特征在于,所述根据第n窗口计算每个像素的差异度,包括的具体方法为:
其中,表示焊接区域图像中第i个像素的灰度值,/>表示焊接区域图像中第i个像素的第n窗口内第j个像素的灰度值,/>表示焊接区域图像中所有像素的灰度值最大值,/>表示焊接区域图像中所有像素的灰度值均值,/>表示焊接区域图像中第i个像素的第n窗口内包含像素个数,/>表示基于第n窗口得到的焊接区域图像中第i个像素的差异度,/>表示绝对值符号。
3.根据权利要求1所述基于视觉的复合铜排导电层焊接缺陷检测方法,其特征在于,所述根据相似度尺寸得到焊接区域图像中每个像素的探索步长;获取焊接区域图像的多个采样图像,包括的具体方法为:
其中,表示焊接区域图像中第i个像素的相似度尺寸,/>表示焊接区域图像中第i个像素的探索步长;
利用高斯金字塔对焊接区域图像进行多次滤波和下采样处理得到焊接区域图像的多个尺度图像,将每个尺度图像进行上采样处理得到采样图像。
4.根据权利要求1所述基于视觉的复合铜排导电层焊接缺陷检测方法,其特征在于,所述获取焊接图像的多个图像块,包括的具体方法为:
将每个采样图像均匀分割成W*H的多个图像块,W、H表示预设分块尺寸。
5.根据权利要求1所述基于视觉的复合铜排导电层焊接缺陷检测方法,其特征在于,所述根据焊接区域图像中有效纹理像素得到焊缝方向,根据焊接区域图像中每个像素与所在图像块中像素的灰度差异得到焊接区域图像中每个像素的灰度变动方向,包括的具体方法为:
获取焊接区域图像中纹理像素的梯度方向,将与纹理像素的梯度方向垂直的方向称为焊接区域图像中纹理像素的延伸方向,将焊接区域图像中所有纹理像素的延伸方向求均值得到焊缝方向;
将尺寸为相似度尺寸的窗口称为最佳相似度窗口,将基于最佳相似度窗口得到每个像素的相似度称为每个像素的最佳相似度,计算每个像素与最佳相似度窗口内其他每个像素的最佳相似度差值,并获取每个像素与最佳相似度窗口内所有每个像素的最佳相似度差值的最大值称为焊接区域图像中每个像素的第一差值,将第一差值对应的像素称为每个像素的参考像素,将每个像素与参考像素连接方向称为焊接区域图像中每个像素的灰度变动方向。
6.根据权利要求1所述基于视觉的复合铜排导电层焊接缺陷检测方法,其特征在于,所述根据焊接区域图像中每个像素的灰度变动方向和焊缝方向得到焊接区域图像中每个像素的探索方向,包括的具体方法为:
其中,表示焊缝方向与水平方向的夹角,/>表示焊接区域图像中第i个像素的灰度变动方向与水平方向的夹角,/>表示焊接区域图像中第i个像素的探索方向与水平方向的夹角。
7.根据权利要求1所述基于视觉的复合铜排导电层焊接缺陷检测方法,其特征在于,所述根据焊接区域图像中每个像素的探索方向和探索步长得到待增强区域,对焊接区域图像中待增强区域进行增强处理得到增强后的焊接区域图像,根据增强后的焊接区域图像得到缺陷区域,包括的具体方法为:
将每个图像块中所有像素的最佳相似度构成每个图像块的最佳相似度矩阵块,将基于每个像素的探索方向和探索步长,利用灰度共生矩阵算法对每个图像块的最佳相似度矩阵块进行处理得到每个图像块的最佳相似度矩阵块的最佳相似度共生矩阵;
对于每个图像块的最佳相似度矩阵块的最佳相似度共生矩阵,获取最佳相似度矩阵中每种最佳相似度对中两个最佳相似度的差值记为每个最佳相似度对的第二差值,所有最佳相似度对的第二差值的最大值记为每个图像块的相似度跨度;将每个图像块的相似度跨度对应的最佳相似度对所占的比例记为每个图像块的描述比例;
将所有图像块中描述比例最大值对应的图像块作为待增强区域;
利用直方图均衡化方法对焊接区域图像的待增强区域进行增强处理得到增强后的焊接区域图像;
对增强后的焊接区域图像进行分割处理得到缺陷区域。
CN202311367799.3A 2023-10-23 2023-10-23 基于视觉的复合铜排导电层焊接缺陷检测方法 Active CN117132588B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311367799.3A CN117132588B (zh) 2023-10-23 2023-10-23 基于视觉的复合铜排导电层焊接缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311367799.3A CN117132588B (zh) 2023-10-23 2023-10-23 基于视觉的复合铜排导电层焊接缺陷检测方法

Publications (2)

Publication Number Publication Date
CN117132588A CN117132588A (zh) 2023-11-28
CN117132588B true CN117132588B (zh) 2024-01-26

Family

ID=88851062

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311367799.3A Active CN117132588B (zh) 2023-10-23 2023-10-23 基于视觉的复合铜排导电层焊接缺陷检测方法

Country Status (1)

Country Link
CN (1) CN117132588B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104318570A (zh) * 2014-10-29 2015-01-28 沈阳建筑大学 一种基于背景的自适应迷彩伪装设计方法
CN114998198A (zh) * 2022-04-24 2022-09-02 南通夏克塑料包装有限公司 一种注塑件表面缺陷识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9626771B2 (en) * 2015-05-20 2017-04-18 Saudi Arabian Oil Company Image-based analysis of a geological thin section

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104318570A (zh) * 2014-10-29 2015-01-28 沈阳建筑大学 一种基于背景的自适应迷彩伪装设计方法
CN114998198A (zh) * 2022-04-24 2022-09-02 南通夏克塑料包装有限公司 一种注塑件表面缺陷识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Simultaneous inpainting for image structure and texture using anisotropic heat transfer model;Qin, C et al;《MULTIMEDIA TOOLS AND APPLICATIONS》;第 469-483页 *
基于优先权和匹配度量的图像修复算法;吴翠鸿 等;《包装工程》(第21期);第198-206页 *

Also Published As

Publication number Publication date
CN117132588A (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
CN107507208B (zh) 一种基于轮廓上曲率估计的图像特征点提取方法
CN108629343B (zh) 一种基于边缘检测和改进Harris角点检测的车牌定位方法和系统
CN116109644A (zh) 用于铜铝转接排的表面缺陷检测方法
CN105913415A (zh) 一种具有广泛适应性的图像亚像素边缘提取方法
CN115294099B (zh) 一种钢板轧制过程发纹缺陷的检测方法及系统
CN109635814B (zh) 基于深度神经网络的森林火灾自动检测方法和装置
CN115511889A (zh) 一种太阳能电池板支架表面焊接缺陷检测方法
CN112017157B (zh) 一种光学元件激光损伤阈值测试中损伤点识别方法
CN108445009B (zh) 一种太阳能电池板裂纹检测方法
CN110580709A (zh) 一种基于ViBe和三帧差分融合的目标检测方法
CN112085651B (zh) 一种基于图像自适应阈值与特征提取的激波自动检测跟踪算法
CN116740072B (zh) 基于机器视觉的道路表面缺陷检测方法及系统
CN112016557B (zh) 一种表格干扰线去除方法
CN115965623A (zh) 一种变压器生产中表面瑕疵检测方法及系统
CN111667470A (zh) 一种基于数字图像的工业管道探伤内壁检测方法
CN115272336A (zh) 基于梯度向量的金属零件缺陷精准检测方法
CN115601379A (zh) 一种基于数字图像处理的表面裂纹精确检测技术
CN116664567B (zh) 一种固体绝缘开关柜质量评估方法及系统
CN117132588B (zh) 基于视觉的复合铜排导电层焊接缺陷检测方法
CN117218124A (zh) 一种铜铝转接表面加工质量检测方法
CN117253150A (zh) 一种基于高分辨率遥感图像的船舶轮廓提取方法及系统
CN107993193A (zh) 基于光照均衡化和改进surf算法的隧道衬砌图像拼接方法
CN108898080B (zh) 一种基于山脊线邻域评价模型的裂缝连接方法
CN109064420B (zh) 一种多层pcb截面图像工艺参数提取方法
CN114581446B (zh) 一种叠片电池的电芯异常检测方法及系统

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