CN117173158A - 一种精密连接器质量智能检测方法及系统 - Google Patents

Abstract

本发明涉及图像数据处理技术领域，具体涉及一种精密连接器质量智能检测方法及系统，包括：将灰度直方图中的灰度进行划分获得多个灰度区间，对任意灰度区间对应的所有像素点进行聚类，将任意聚类簇在主体灰度图像中对应的区域记为第一区域；根据第一区域的数量、像素点数量以及中心点所在的直线的角度获得灰度区间的引脚概率，根据引脚概率的差异获得灰度区间之间的差异程度；根据差异程度对引脚概率进行调节获得灰度区间的增强系数，通过增强系数对主体灰度图像进行增强，利用增强图像进行质量检测。本发明通过增强系数对主体灰度图像进行增强，大大提高了对主体灰度图像的增强效果，进一步提高了对SIM卡座的质量检测结果的准确性。

Description

一种精密连接器质量智能检测方法及系统

技术领域

本发明涉及图像数据处理技术领域，具体涉及一种精密连接器质量智能检测方法及系统。

背景技术

IC卡座、SIM卡座等精密连接器主要依靠引脚与其他部件结构连接，引脚接触不良是精密连接器常见的缺陷，可能由于松动的连接引脚、脏污或氧化等原因导致，或者在连接部件插入和拔出的过程中引脚受到损坏，例如弯曲、断裂或松动。连接不良可能导致设备无法正确读取卡片或信号不稳定，所以需要对精密连接器的引脚进行缺陷检测。

SIM卡座的引脚虽然与底座的灰度值区别较大，但是由于其表面光滑，且部分位置可能存在凸起或弯曲，其表面经常会出现灰度不均匀的情况，利用常规直方图均衡化的方法对灰度图像进行处理，得到的图像中引脚上灰度级区间所占的灰度级长度仍然很小，缺陷不明显，导致质量检测结果不准确。

发明内容

本发明提供一种精密连接器质量智能检测方法及系统，以解决现有的问题：利用常规直方图均衡化的方法对灰度图像进行处理，得到的图像中引脚上灰度级区间所占的灰度级长度仍然很小，缺陷不明显，导致质量检测结果不准确。

本发明的一种精密连接器质量智能检测方法及系统采用如下技术方案：

本发明一个实施例提供了一种精密连接器质量智能检测方法，该方法包括以下步骤：

获取SIM卡座的主体灰度图像以及主体灰度图像的灰度直方图；

将灰度直方图中的灰度进行划分，将划分后的区间记为灰度区间，对任意灰度区间中所有灰度值在主体灰度图像内对应的像素点进行聚类，获得若干个聚类簇，将任意聚类簇在主体灰度图像中对应的区域记为第一区域；将第一区域的质心记为第一区域的中心点，根据任意两个中心点所在的直线获得中心点所在第一区域的第一角度，根据任意灰度区间内所有第一区域的像素点数量获得灰度区间的像素数量特征，将第一区域的数量、像素数量特征以及第一角度的融合结果记为灰度区间的引脚概率；根据中心点之间形成的向量获得区间向量，根据任意两个灰度区间的引脚概率和区间向量的差异获得灰度区间之间的差异程度；

根据差异程度和灰度区间包含的中心点数量获得增强因子，利用增强因子对引脚概率进行调节获得灰度区间的增强系数，根据增强系数的大小获取对应的灰度区间在直方图均衡化后所占的灰度级长度；

结合灰度区间在直方图均衡化后所占的灰度级长度对主体灰度图像进行灰度变换，获得主体灰度图像的增强图像，利用增强图像进行质量检测。

进一步的，所述获取SIM卡座的主体灰度图像以及主体灰度图像的灰度直方图，包括的具体方法为：

首先，使环境光保持均匀，在传送带的正上方布置固定相机，将固定相机的镜头对准传送带上的SIM卡座，对SIM卡座的图像进行采集获得RGB卡座图像，并将采集的RGB卡座图像进行灰度化获得卡座灰度图像；

然后，采用大津法获取卡座灰度图像的分割阈值，将卡座灰度图像中灰度值小于分割阈值的像素点的灰度值置1，将灰度值大于分割阈值的像素点的灰度值置0，获得卡座二值图像，并利用形态学闭操作对卡座二值图像进行处理获得主体二值图像；

最后，将主体二值图像与卡座灰度图像相乘，得到SIM卡座对应的主体灰度图像，并获取主体灰度图像的灰度直方图。

进一步的，所述将灰度直方图中的灰度进行划分，将划分后的区间记为灰度区间，对任意灰度区间中所有灰度值在主体灰度图像内对应的像素点进行聚类，获得若干个聚类簇，包括的具体方法为：

首先，将灰度直方图中的灰度级等距划分为个区间，将划分后的区间记为灰度区间，其中/>为预设的超参数；

然后，获取任意灰度区间中所有灰度值在主体灰度图像内对应的像素点，记为灰度区间的区间像素点，预设DBSCAN聚类算法的聚类半径K和密度值，并利用DBSCAN算法对任意灰度区间的区间像素点进行聚类，获得若干个聚类簇。

进一步的，所述根据任意两个中心点所在的直线获得中心点所在第一区域的第一角度，包括的具体方法为：

获取灰度区间的任意第一区域包含的像素点数量，一个灰度区间包含多个第一区域，一个第一区域对应一个中心点，则一个灰度区间对应多个中心点；

在灰度区间包含的多个第一区域中，获取距离任意一个第一区域的中心点最近时所对应的中心点，记为第一区域的最近中心点，将第一区域的中心点与最近第一区域所在直线与水平方向之间的夹角，记为第一区域的第一角度。

进一步的，所述根据任意灰度区间内所有第一区域的像素点数量获得灰度区间的像素数量特征，将第一区域的数量、像素数量特征以及第一角度的融合结果记为灰度区间的引脚概率，包括的具体方法为：

首先，获取任意灰度区间内所有第一区域的像素点数量的方差，记为灰度区间的像素数量特征；

然后，灰度区间的引脚概率的具体计算方法为：

其中，表示第/>个灰度区间的引脚概率；/>表示第/>个灰度区间包含的第一区域的数量；/>表示第/>个灰度区间的像素数量特征；/>表示第/>个灰度区间内第/>个第一区域的第一角度；/>表示第/>个灰度区间内所有第一区域的第一角度的平均值。

进一步的，所述根据中心点之间形成的向量获得区间向量，根据任意两个灰度区间的引脚概率和区间向量的差异获得灰度区间之间的差异程度，包括的具体方法为：

首先，对于任意两个灰度区间，获取在主体灰度图像内距离最近的两个中心点，所述两个中心点分别在两个灰度区间中，不在同一个灰度区间中，将所述两个中心点中的一个中心点记为另一个中心点的区间邻近点；获取一个中心点与对应区间邻近点之间形成的向量，记为区间向量；

然后，根据区间向量之间的差异获得两个灰度区间之间的差异因子；

最后，将任意两个灰度区间的引脚概率的差值绝对值记为第一数值，利用差异因子对第一数值进行乘积，获得两个灰度区间之间的差异程度。

进一步的，所述根据区间向量之间的差异获得两个灰度区间之间的差异因子，包括的具体方法为：

其中，/>表示第/>个灰度区间与第/>个灰度区间的差异因子；/>表示第/>个灰度区间包含的中心点数量；/>表示第/>个灰度区间中第/>个中心点与第/>个灰度区间中对应的区间邻近点之间的区间向量；/>表示第/>个灰度区间中第/>个中心点与第/>个灰度区间中对应的区间邻近点之间的区间向量；/>表示获取向量的模。

进一步的，所述根据差异程度和灰度区间包含的中心点数量获得增强因子，利用增强因子对引脚概率进行调节获得灰度区间的增强系数，根据增强系数的大小获取对应的灰度区间在直方图均衡化后所占的灰度级长度，包括的具体方法为：

首先，将任意灰度区间记为目标灰度区间，将目标灰度区间与除目标灰度区间以外的所有灰度区间的差异程度的累加值记为第二数值，将第二数值与目标灰度区间包含中心点的数量的比值记为第三数值；

然后，根据第三数值获得增强因子，将增强因子对灰度区间的引脚概率的乘积结果记为目标灰度区间的增强系数；

最后，灰度区间在直方图均衡化后所占的灰度级长度的具体计算方法为：

其中，表示第/>个灰度区间在直方图均衡化后所占的灰度级长度；/>表示第/>个灰度区间的增强系数；/>表示主体灰度图像的灰度区间的数量。

进一步的，所述结合灰度区间在直方图均衡化后所占的灰度级长度对主体灰度图像进行灰度变换，获得主体灰度图像的增强图像，利用增强图像进行质量检测，包括的具体方法为：

首先，结合灰度区间在直方图均衡化后所占的灰度级长度，对主体灰度图像对应的灰度直方图进行直方图均衡化，使直方图均衡化后的每个灰度区间对应的区间长度与灰度区间在直方图均衡化后所占的灰度级长度相同，获得主体灰度图像对应的增强图像；

然后，利用大津法获取增强图像的分割阈值，将灰度值大于分割阈值的像素点的灰度值置为1，灰度值小于分割阈值的像素点的灰度值置为0，获得增强图像的二值图像，对增强图像的二值图像进行连通域检测，获取连通域数量，当连通域数量大于等于时，主体灰度图像中对应SIM卡座的质量为不合格；当连通域数量小于/>时，主体灰度图像中对应SIM卡座的质量为合格，其中/>为预设的超参数。

进一步的，一种精密连接器质量智能检测系统包括以下模块：

图像采集模块：用于获取SIM卡座的主体灰度图像以及主体灰度图像的灰度直方图；

引脚概率模块：用于将灰度直方图中的灰度进行划分，将划分后的区间记为灰度区间，对任意灰度区间中所有灰度值在主体灰度图像内对应的像素点进行聚类，获得若干个聚类簇，将任意聚类簇在主体灰度图像中对应的区域记为第一区域；将第一区域的质心记为第一区域的中心点，根据任意两个中心点所在的直线获得中心点所在第一区域的第一角度，根据任意灰度区间内所有第一区域的像素点数量获得灰度区间的像素数量特征，将第一区域的数量、像素数量特征以及第一角度的融合结果记为灰度区间的引脚概率；根据中心点之间形成的向量获得区间向量，根据任意两个灰度区间的引脚概率和区间向量的差异获得灰度区间之间的差异程度；

图像增强模块：用于根据差异程度和灰度区间包含的中心点数量获得增强因子，利用增强因子对引脚概率进行调节获得灰度区间的增强系数，根据增强系数的大小获取对应的灰度区间在直方图均衡化后所占的灰度级长度；

质量检测模块：用于结合灰度区间在直方图均衡化后所占的灰度级长度对主体灰度图像进行灰度变换，获得主体灰度图像的增强图像，利用增强图像进行质量检测。

本发明的技术方案的有益效果是：通过将主体灰度图像对应的灰度直方图进行划分聚类，获得主体灰度图像中由灰度值相近且位置距离相近的像素点所形成的第一区域，根据第一区域在主体灰度图像中分布所形成的第一角度，以及反映第一区域内像素点数量的离散程度的像素数量特征，获得反映各灰度区间在主体灰度图像中存在引脚的可能性的引脚概率，根据引脚概率之间的差异以及灰度区间中各第一区域的位置关系，获得对灰度区间进行增强的系数，通过增强系数对主体灰度图像进行增强，大大提高了对主体灰度图像的增强效果，进一步提高了对SIM卡座的质量检测结果的准确性。

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，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为本发明的一种精密连接器质量智能检测方法的步骤流程图；

图2为本发明的一种精密连接器质量智能检测系统的结构框图。

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精密连接器质量智能检测方法及系统，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精密连接器质量智能检测方法及系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种精密连接器质量智能检测方法的步骤流程图，该方法包括以下步骤：

步骤S001：获取SIM卡座的主体灰度图像以及对应的灰度直方图。

需要说明的是，SIM卡座的引脚可能存在脏污或氧化，使得引脚与SIM卡之间会存在连接不良的情况，导致设备无法正确读取卡片或信号不稳定，因此需要对精密连接器的引脚表面进行缺陷检测。

具体的，为了实现本实施例提出的一种精密连接器质量智能检测方法，首先需要采集SIM卡座的主体灰度图像以及对应的灰度直方图，具体过程为：

首先，使环境光保持均匀，避免光线对检测结果的影响，在传送带的正上方布置固定相机，将固定相机的镜头对准传送带上的SIM卡座，对SIM卡座的图像进行采集，获得RGB卡座图像，并将采集的RGB卡座图像转换为卡座灰度图像。

然后，采用大津法获取卡座灰度图像的分割阈值，将卡座灰度图像中灰度值小于分割阈值的像素点的灰度值置1，将灰度值大于分割阈值的像素点的灰度值置0，获得卡座二值图像，并利用形态学闭操作对卡座二值图像进行处理获得主体二值图像。

需要说明的是，主体二值图像中灰度值为1的部分为卡座的主体区域，SIM卡座的引脚上可能存在高亮区域，使得二值化后的主体区域中存在孔洞，故将二值化后的图像进行闭运算处理，得到完整的主体部分的二值图像。

最后，将主体二值图像与卡座灰度图像相乘，得到SIM卡座对应的主体灰度图像，并获取主体灰度图像的灰度直方图。

至此，通过上述方法得到主体灰度图像以及对应的灰度直方图。

步骤S002：对灰度直方图进行划分获得多个灰度区间，对灰度区间中所有灰度值对应像素点进行聚类，根据聚类簇对应的第一区域获得灰度区间的引脚概率以及差异程度。

需要说明的是，SIM卡座的引脚上因为存在拐点和凸起，导致不同位置区间的灰度值差异明显，则引脚上各部分的灰度值在灰度直方图中集中在不同灰度区间，所以通过对灰度直方图进行等距划分，根据每个区间的灰度分布进行分析；另外，SIM卡座的引脚在图像中的位置较为规律，不同引脚对应区域的大小近似且区域的排列整齐，所以本实施例根据此特点获取灰度直方图中单个灰度区间存在引脚的概率。由于引脚上存在多个集中的灰度区间，因此根据灰度区间的相似性判断属于引脚区间的概率。

根据引脚概率获取对每个灰度区间进行增强的必要性，以对主体灰度图像进行直方图均衡化处理得到增强图像；由于SIM卡座的引脚的上存在凸起和拐点，使得引脚上的灰度分布不一致，每个凸起或拐点处，引脚上的灰度都会发生变化，所以需要对灰度直方图进行等距划分，对等距划分后的灰度区间内的灰度分布进行分析。

灰度区间内对应的像素点之间的灰度值相近，但是像素点在图像中的分布位置比较分散。但是SIM卡座的引脚分布较为规律，引脚由于存在凸起或拐点，是的引脚上的灰度都会发生变化，而每个凸起或拐点对应的灰度会集中分布在不同的灰度级中，因此要对完整的引脚区域增强，需要得到完整的引脚区域。

具体的，步骤（1），首先，将灰度直方图中的灰度级等距划分为个区间，将划分后的区间记为灰度区间，其中/>为预设的超参数。

需要说明的是，根据经验预设超参数为32，可根据实际情况进行调整，本实施例不进行具体限定；由于超参数/>为32，因此本实施例中将主体灰度图像上所有像素点的灰度值等分为32个灰度级。

然后，获取任意灰度区间中所有灰度值在主体灰度图像内对应的像素点，记为灰度区间的区间像素点，预设DBSCAN聚类算法的聚类半径K和密度值，并利用DBSCAN算法对任意灰度区间的区间像素点进行聚类，获得若干个聚类簇，每一个聚类簇在主体灰度图像中对应一个区域，记为第一区域。

需要说明的是，DBSCAN聚类算法的中文名称为基于密度的聚类算法，由于DBSCAN聚类算法为现有算法，因此本实施例不进行过多赘述；另外，根据经验预设DBSCAN聚类算法的聚类半径K为10，密度值为100。

需要说明的是，SIM卡座引脚排布整齐，各个引脚的灰度组成和分布规律都非常相似，且引脚对应区域的各个质心的连线方向相近，根据引脚对应区域在像素点数量和质心连线上的近似性计算灰度区间中所有灰度值在引脚概率。

最后，获取灰度区间的任意第一区域包含的像素点数量，获取第一区域的质心记为第一区域的中心点，一个灰度区间包含多个第一区域，一个第一区域对应一个中心点，则一个灰度区间对应多个中心点，在灰度区间包含的多个第一区域中，获取距离任意一个第一区域的中心点最近时所对应的中心点，记为第一区域的最近中心点，将第一区域的中心点与最近第一区域所在直线与水平方向之间的夹角，记为第一区域的第一角度。

需要说明的是，因为引脚的位置都非常接近，所以根据每个质心位置与其距离最近的质心位置坐标计算其连线与图像水平方向的夹角，夹角的相似度越高，则此区间内含有引脚灰度区间的可能性越大。

步骤（2），获取任意灰度区间内所有第一区域的像素点数量的方差，记为灰度区间的像素数量特征；根据第一区域的数量、像素数量特征以及第一角度获得灰度区间的引脚概率，具体计算方法为：

其中，表示第/>个灰度区间的引脚概率；/>表示第/>个灰度区间包含的第一区域的数量；/>表示第/>个灰度区间的像素数量特征；/>表示第/>个灰度区间内第/>个第一区域的第一角度；/>表示第/>个灰度区间内所有第一区域的第一角度的平均值。

需要说明的是，第一区域内每一类的像素点个数越相近，质心与其距离最近的质心连线夹角的方向越近似，此单位区间内存在引脚的概率越大。

需要说明的是，引脚概率越大，表示对应灰度区间内各个第一区域的分布越规律，则灰度区间内存在引脚的概率越大；第一区域的像素点个数，引脚区域的像素点个数较为相近，则区域间的像素点个数越相近，灰度区间内存在引脚的概率越大。

步骤（3），需要说明的是，引脚上的灰度区间不同，但是因为都在引脚区域，所以同一引脚的不同区域中心位置相近，其中心点坐标所组成的向量近似；用向量的差值表示向量的相似程度，差值越小，相似程度越大，两个区域内相似程度越大，则这两个区域同存在引脚区间的概率越大。

首先，对于任意两个灰度区间，获取在主体灰度图像内距离最近的两个中心点，所述两个中心点分别在两个灰度区间中，不在同一个灰度区间中，将所述两个中心点中的一个中心点记为另一个中心点的区间邻近点；获取一个中心点与对应区间邻近点之间形成的向量，记为区间向量。

然后，根据引脚概率和区间向量获得两个灰度区间的差异程度，具体计算方法为：

其中，，/>表示第/>个灰度区间与第/>个灰度区间的差异程度；/>表示第/>个灰度区间的引脚概率；/>表示第/>个灰度区间的引脚概率；/>表示第/>个灰度区间包含的中心点数量；/>表示第/>个灰度区间中第/>个中心点与第/>个灰度区间中对应的区间邻近点之间的区间向量；/>表示第/>个灰度区间中第/>个中心点与第/>个灰度区间中对应的区间邻近点之间的区间向量；/>表示获取绝对值；/>表示获取向量的模。

需要说明的是，差异程度越小，对应的两个灰度区间越有可能存在引脚区间。向量之间越相似，则两个灰度区间的相似度越高；当区间向量之间做差后的模越小，说明区间向量之间越近似，引脚区域的灰度分布较为规律。两个灰度区间的引脚概率越相近且对应的区间向量越近似，则两个灰度区间存在引脚区间的概率越大。

至此，通过上述方法得到两个灰度区间的差异程度。

步骤S003：根据引脚概率和差异程度获得灰度区间的增强系数，根据增强系数获得灰度区间在直方图均衡化后所占的灰度级长度。

需要说明的是，在计算得到两个区间的相似度之后，逐个计算单位区间与其他区间的相似度，从而得到单个单位区间与其他区间的整体相似度，相似度是根据引脚的灰度分布特征构建的，所以整体相似度越高则此单位区间内存在引脚的概率越大。

在得到但个周期的对应的增强系数后，需要根据增强系数对其所在区间所占的灰度级进行压缩或拉伸。拉伸存在引脚概率较大的区间，压缩存在引脚概率较小的区间。计算单个区间所占的灰度级长度；引脚缺陷的判断主要根据图像上引脚区域的灰度特征进行分析，所以需要对含有引脚的灰度区间进行拉伸处理，故根据灰度区间的引脚概率计算灰度区间所占的灰度级长度。

具体的，首先，根据引脚概率和差异程度获得灰度区间的增强系数，具体计算方法为：

其中，表示第/>个灰度区间的增强系数；/>表示第/>个灰度区间的引脚概率；/>表示第/>个灰度区间与第/>个灰度区间的差异程度；/>表示主体灰度图像的灰度区间的数量；/>表示第/>个灰度区间包含的中心点数量；/>表示以自然常数为底数的指数函数。

需要说明的是，增强因子越大，增强系数就越大，表明灰度区间内存在引脚的概率越大，对灰度区间进行灰度增强的必要性就越大；将灰度区间之间的差异程度之和作为灰度区间存在引脚的置信度，当灰度区间与其他灰度区间的差异越大，其内含引脚的概率越高，此区间对应的增强系数越大。

然后，根据增强系数获得灰度区间在直方图均衡化后所占的灰度级长度，具体计算方法为：

其中，表示第/>个灰度区间在直方图均衡化后所占的灰度级长度；/>表示第/>个灰度区间的增强系数；/>表示主体灰度图像的灰度区间的数量。

需要说明的是，利用增强系数作为灰度均衡化的时区间长度的划分依据，将增强必要性大的灰度区间进行拉伸，将增强必要性小的灰度区间进行压缩。

至此，通过上述方法得到灰度区间在直方图均衡化后所占的灰度级长度。

步骤S004：结合灰度区间在直方图均衡化后所占的灰度级长度对主体灰度图像进行灰度变换，利用得到的增强图像进行质量检测。

首先，结合灰度区间在直方图均衡化后所占的灰度级长度，对主体灰度图像对应的灰度直方图进行直方图均衡化，使直方图均衡化后的每个灰度区间对应的区间长度与灰度区间在直方图均衡化后所占的灰度级长度相同，获得主体灰度图像对应的增强图像。

然后，利用大津法获取增强图像的分割阈值，将灰度值大于分割阈值的像素点的灰度值置为1，灰度值小于分割阈值的像素点的灰度值置为0，获得增强图像的二值图像，对增强图像的二值图像进行连通域检测，获取连通域数量，当连通域数量大于等于时，主体灰度图像中对应SIM卡座的质量为不合格；当连通域数量小于/>时，主体灰度图像中对应SIM卡座的质量为合格，其中/>为预设的超参数。

需要说明的是，上述的直方图均衡化算法是公知技术，因此本实施例不进行具体限定。

需要说明的是，根据经验预设为3，可根据实际情况进行调整，本实施例不进行具体限定。

通过以上步骤，完成对SIM卡座的质量检测。

请参阅图2，其示出了本发明一个实施例提供的一种精密连接器质量智能检测系统的结构框图，该系统包括以下模块：

图像采集模块：获取SIM卡座的主体灰度图像以及主体灰度图像的灰度直方图；

引脚概率模块：将灰度直方图中的灰度进行划分，将划分后的区间记为灰度区间，对任意灰度区间中所有灰度值在主体灰度图像内对应的像素点进行聚类，获得若干个聚类簇，将任意聚类簇在主体灰度图像中对应的区域记为第一区域；将第一区域的质心记为第一区域的中心点，根据任意两个中心点所在的直线获得中心点所在第一区域的第一角度，根据任意灰度区间内所有第一区域的像素点数量获得灰度区间的像素数量特征，将第一区域的数量、像素数量特征以及第一角度的融合结果记为灰度区间的引脚概率；根据中心点之间形成的向量获得区间向量，根据任意两个灰度区间的引脚概率和区间向量的差异获得灰度区间之间的差异程度；

图像增强模块：根据差异程度和灰度区间包含的中心点数量获得增强因子，利用增强因子对引脚概率进行调节获得灰度区间的增强系数，根据增强系数的大小获取对应的灰度区间在直方图均衡化后所占的灰度级长度；

质量检测模块：结合灰度区间在直方图均衡化后所占的灰度级长度对主体灰度图像进行灰度变换，获得主体灰度图像的增强图像，利用增强图像进行质量检测。

本实施例通过将主体灰度图像对应的灰度直方图进行划分聚类，获得主体灰度图像中由灰度值相近且位置距离相近的像素点所形成的第一区域，根据第一区域在主体灰度图像中分布所形成的第一角度，以及反映第一区域内像素点数量的离散程度的像素数量特征，获得反映各灰度区间在主体灰度图像中存在引脚的可能性的引脚概率，根据引脚概率之间的差异以及灰度区间中各第一区域的位置关系，获得对灰度区间进行增强的系数，通过增强系数对主体灰度图像进行增强，大大提高了对主体灰度图像的增强效果，进一步提高了对SIM卡座的质量检测结果的准确性。

需要说明的是，本实施例中所用的模型仅用于表示负相关关系和约束模型输出的结果处于/>区间内，具体实施时，可替换成具有同样目的的其他模型，本实施例只是以/>模型为例进行叙述，不对其做具体限定，其中/>是指该模型的输入。

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 (10)

1.一种精密连接器质量智能检测方法，其特征在于，该方法包括以下步骤：

获取SIM卡座的主体灰度图像以及主体灰度图像的灰度直方图；

将灰度直方图中的灰度进行划分，将划分后的区间记为灰度区间，对任意灰度区间中所有灰度值在主体灰度图像内对应的像素点进行聚类，获得若干个聚类簇，将任意聚类簇在主体灰度图像中对应的区域记为第一区域；将第一区域的质心记为第一区域的中心点，根据任意两个中心点所在的直线获得中心点所在第一区域的第一角度，根据任意灰度区间内所有第一区域的像素点数量获得灰度区间的像素数量特征，将第一区域的数量、像素数量特征以及第一角度的融合结果记为灰度区间的引脚概率；根据中心点之间形成的向量获得区间向量，根据任意两个灰度区间的引脚概率和区间向量的差异获得灰度区间之间的差异程度；

根据差异程度和灰度区间包含的中心点数量获得增强因子，利用增强因子对引脚概率进行调节获得灰度区间的增强系数，根据增强系数的大小获取对应的灰度区间在直方图均衡化后所占的灰度级长度；

结合灰度区间在直方图均衡化后所占的灰度级长度对主体灰度图像进行灰度变换，获得主体灰度图像的增强图像，利用增强图像进行质量检测。

2.根据权利要求1所述一种精密连接器质量智能检测方法，其特征在于，所述获取SIM卡座的主体灰度图像以及主体灰度图像的灰度直方图，包括的具体方法为：

首先，使环境光保持均匀，在传送带的正上方布置固定相机，将固定相机的镜头对准传送带上的SIM卡座，对SIM卡座的图像进行采集获得RGB卡座图像，并将采集的RGB卡座图像进行灰度化获得卡座灰度图像；

然后，采用大津法获取卡座灰度图像的分割阈值，将卡座灰度图像中灰度值小于分割阈值的像素点的灰度值置1，将灰度值大于分割阈值的像素点的灰度值置0，获得卡座二值图像，并利用形态学闭操作对卡座二值图像进行处理获得主体二值图像；

最后，将主体二值图像与卡座灰度图像相乘，得到SIM卡座对应的主体灰度图像，并获取主体灰度图像的灰度直方图。

3.根据权利要求1所述一种精密连接器质量智能检测方法，其特征在于，所述将灰度直方图中的灰度进行划分，将划分后的区间记为灰度区间，对任意灰度区间中所有灰度值在主体灰度图像内对应的像素点进行聚类，获得若干个聚类簇，包括的具体方法为：

首先，将灰度直方图中的灰度级等距划分为个区间，将划分后的区间记为灰度区间，其中/>为预设的超参数；

然后，获取任意灰度区间中所有灰度值在主体灰度图像内对应的像素点，记为灰度区间的区间像素点，预设DBSCAN聚类算法的聚类半径K和密度值，并利用DBSCAN算法对任意灰度区间的区间像素点进行聚类，获得若干个聚类簇。

4.根据权利要求1所述一种精密连接器质量智能检测方法，其特征在于，所述根据任意两个中心点所在的直线获得中心点所在第一区域的第一角度，包括的具体方法为：

获取灰度区间的任意第一区域包含的像素点数量，一个灰度区间包含多个第一区域，一个第一区域对应一个中心点，则一个灰度区间对应多个中心点；

在灰度区间包含的多个第一区域中，获取距离任意一个第一区域的中心点最近时所对应的中心点，记为第一区域的最近中心点，将第一区域的中心点与最近第一区域所在直线与水平方向之间的夹角，记为第一区域的第一角度。

5.根据权利要求1所述一种精密连接器质量智能检测方法，其特征在于，所述根据任意灰度区间内所有第一区域的像素点数量获得灰度区间的像素数量特征，将第一区域的数量、像素数量特征以及第一角度的融合结果记为灰度区间的引脚概率，包括的具体方法为：

首先，获取任意灰度区间内所有第一区域的像素点数量的方差，记为灰度区间的像素数量特征；

然后，灰度区间的引脚概率的具体计算方法为：

其中，表示第/>个灰度区间的引脚概率；/>表示第/>个灰度区间包含的第一区域的数量；/>表示第/>个灰度区间的像素数量特征；/>表示第/>个灰度区间内第/>个第一区域的第一角度；/>表示第/>个灰度区间内所有第一区域的第一角度的平均值。

6.根据权利要求1所述一种精密连接器质量智能检测方法，其特征在于，所述根据中心点之间形成的向量获得区间向量，根据任意两个灰度区间的引脚概率和区间向量的差异获得灰度区间之间的差异程度，包括的具体方法为：

首先，对于任意两个灰度区间，获取在主体灰度图像内距离最近的两个中心点，所述两个中心点分别在两个灰度区间中，不在同一个灰度区间中，将所述两个中心点中的一个中心点记为另一个中心点的区间邻近点；获取一个中心点与对应区间邻近点之间形成的向量，记为区间向量；

然后，根据区间向量之间的差异获得两个灰度区间之间的差异因子；

最后，将任意两个灰度区间的引脚概率的差值绝对值记为第一数值，利用差异因子对第一数值进行乘积，获得两个灰度区间之间的差异程度。

7.根据权利要求6所述一种精密连接器质量智能检测方法，其特征在于，所述根据区间向量之间的差异获得两个灰度区间之间的差异因子，包括的具体方法为：

其中，/>表示第/>个灰度区间与第/>个灰度区间的差异因子；/>表示第/>个灰度区间包含的中心点数量；/>表示第/>个灰度区间中第/>个中心点与第/>个灰度区间中对应的区间邻近点之间的区间向量；/>表示第/>个灰度区间中第/>个中心点与第/>个灰度区间中对应的区间邻近点之间的区间向量；/>表示获取向量的模。

8.根据权利要求1所述一种精密连接器质量智能检测方法，其特征在于，所述根据差异程度和灰度区间包含的中心点数量获得增强因子，利用增强因子对引脚概率进行调节获得灰度区间的增强系数，根据增强系数的大小获取对应的灰度区间在直方图均衡化后所占的灰度级长度，包括的具体方法为：

首先，将任意灰度区间记为目标灰度区间，将目标灰度区间与除目标灰度区间以外的所有灰度区间的差异程度的累加值记为第二数值，将第二数值与目标灰度区间包含中心点的数量的比值记为第三数值；

然后，根据第三数值获得增强因子，将增强因子对灰度区间的引脚概率的乘积结果记为目标灰度区间的增强系数；

最后，灰度区间在直方图均衡化后所占的灰度级长度的具体计算方法为：

其中，表示第/>个灰度区间在直方图均衡化后所占的灰度级长度；/>表示第/>个灰度区间的增强系数；/>表示主体灰度图像的灰度区间的数量。

9.根据权利要求1所述一种精密连接器质量智能检测方法，其特征在于，所述结合灰度区间在直方图均衡化后所占的灰度级长度对主体灰度图像进行灰度变换，获得主体灰度图像的增强图像，利用增强图像进行质量检测，包括的具体方法为：

首先，结合灰度区间在直方图均衡化后所占的灰度级长度，对主体灰度图像对应的灰度直方图进行直方图均衡化，使直方图均衡化后的每个灰度区间对应的区间长度与灰度区间在直方图均衡化后所占的灰度级长度相同，获得主体灰度图像对应的增强图像；

然后，利用大津法获取增强图像的分割阈值，将灰度值大于分割阈值的像素点的灰度值置为1，灰度值小于分割阈值的像素点的灰度值置为0，获得增强图像的二值图像，对增强图像的二值图像进行连通域检测，获取连通域数量，当连通域数量大于等于时，主体灰度图像中对应SIM卡座的质量为不合格；当连通域数量小于/>时，主体灰度图像中对应SIM卡座的质量为合格，其中/>为预设的超参数。

10.一种精密连接器质量智能检测系统，采用如权利要求1-9中任意一项所述的一种精密连接器质量智能检测方法，其特征在于，该系统包括以下模块：

图像采集模块：用于获取SIM卡座的主体灰度图像以及主体灰度图像的灰度直方图；

引脚概率模块：用于将灰度直方图中的灰度进行划分，将划分后的区间记为灰度区间，对任意灰度区间中所有灰度值在主体灰度图像内对应的像素点进行聚类，获得若干个聚类簇，将任意聚类簇在主体灰度图像中对应的区域记为第一区域；将第一区域的质心记为第一区域的中心点，根据任意两个中心点所在的直线获得中心点所在第一区域的第一角度，根据任意灰度区间内所有第一区域的像素点数量获得灰度区间的像素数量特征，将第一区域的数量、像素数量特征以及第一角度的融合结果记为灰度区间的引脚概率；根据中心点之间形成的向量获得区间向量，根据任意两个灰度区间的引脚概率和区间向量的差异获得灰度区间之间的差异程度；

图像增强模块：用于根据差异程度和灰度区间包含的中心点数量获得增强因子，利用增强因子对引脚概率进行调节获得灰度区间的增强系数，根据增强系数的大小获取对应的灰度区间在直方图均衡化后所占的灰度级长度；

质量检测模块：用于结合灰度区间在直方图均衡化后所占的灰度级长度对主体灰度图像进行灰度变换，获得主体灰度图像的增强图像，利用增强图像进行质量检测。