CN117218122B - 基于图像数据的手表外壳质量检测方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及基于图像数据的手表外壳质量检测方法，包括：获取手表外壳灰度图像，获取手表外壳灰度图像中每一个像素点在不同方向上的梯度幅值，获取待检测像素点的若干方向直线，得到连续梯度变化曲线，根据连续梯度变化曲线上数据点斜率值得到梯度变化的剧烈程度，得到待检测像素点在每一个方向的梯度权重，获取最大灰度渐变情况，得到光照影响程度，根据待检测像素点在每一个方向的梯度权重得到待检测像素点在每一个方向的修正梯度权重，得到手表外壳梯度图像，根据手表外壳梯度图像对手表外壳进行质量评估。本发明通过改进Canny算子的非极大值抑制，提高边缘检测时区分度不明显的划痕区域。

Description

基于图像数据的手表外壳质量检测方法

技术领域

本发明涉及图像处理技术领域，具体涉及基于图像数据的手表外壳质量检测方法。

背景技术

手表作为一种日常用品深受人们的喜爱，手表外壳是手表的重要组成部分之一，它直接影响着手表的外观质量。外壳的好坏很大程度的影响手表的销量，对其外观质量的检测至关重要。通过检测手表外壳的质量，可以确保外壳表面的光洁度、无划痕、无变形等，以满足手表外观质量的要求。

传统的边缘检测可以很清晰的获取手表外壳的轮廓边缘，但是由于手表外壳表面的划痕区域和周围正常区域的对比度不明显导致边缘检测对其不敏感，不容易提取到划痕的边缘区域，导致手表外壳的质量检测不准确。本发明通过改进Canny算子的非极大值抑制，提高边缘检测时区分度不明显的划痕区域。

发明内容

本发明提供基于图像数据的手表外壳质量检测方法，以解决现有的问题。

本发明的基于图像数据的手表外壳质量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图像数据的手表外壳质量检测方法，该方法包括以下步骤：

获取手表外壳灰度图像；

预设一个窗口，获取手表外壳灰度图像中每一个像素点在不同方向上的梯度幅值；

将手表外壳灰度图像中任意一个像素点，记为待检测像素点，根据待检测像素点得到待检测像素点的若干方向直线，获取每一个方向直线上所有像素点在每一个方向上的梯度幅值，得到直线上所有像素点在每一个方向的梯度幅值序列；

根据梯度幅值序列得到连续梯度变化曲线，根据连续梯度变化曲线上数据点斜率波动得到梯度变化的剧烈程度，根据梯度变化的剧烈程度得到待检测像素点在每一个方向的梯度权重；

将待检测像素点的任意一个方向的直线记为目标直线，获取目标直线对应的灰度均值序列，根据灰度均值序列得到灰度均值曲线，根据灰度均值曲线上每一个数据点的斜率得到目标直线方向的灰度渐变情况，获取最大灰度渐变情况，将最大灰度渐变情况对应的方向记为渐变方向，根据最大灰度渐变情况得到光照影响程度，根据待检测像素点在每一个方向的梯度权重和光照影响程度得到待检测像素点在每一个方向的修正梯度权重，根据待检测像素点在每一个方向的修正梯度权重和待检测像素点在每一个方向的梯度幅值得到手表外壳梯度图像；

根据手表外壳梯度图像得到若干边缘连通域，根据边缘连通域的特征得到边缘连通域的缺陷概率，根据边缘连通域的缺陷概率对手表外壳进行质量评估。

进一步地，所述获取手表外壳灰度图像中每一个像素点在不同方向上的梯度幅值的具体方法如下：

将窗口沿手表外壳灰度图像从左到右从上到下的顺序进行滑动，每次滑动的步长为1个像素点，利用Sobel算子得到手表外壳灰度图像每一个窗口中心像素点在不同方向的梯度幅值，得到手表外壳灰度图像中每一个像素点在不同方向上的梯度幅值，所述不同方向包括四个方向。

进一步地，所述根据待检测像素点得到待检测像素点的若干方向直线，包括的具体步骤如下：

过待检测像素点做八邻域方向的直线，得到待检测像素点的若干方向直线，所述八邻域方向的直线包括四个方向上的直线。

进一步地，所述根据连续梯度变化曲线上数据点斜率波动得到梯度变化的剧烈程度，包括的具体步骤如下：

获取连续梯度变化曲线中数据点的斜率方差，将连续梯度变化曲线中数据点的斜率方差记为梯度变化的剧烈程度。

进一步地，所述根据梯度变化的剧烈程度得到待检测像素点在每一个方向的梯度权重，包括的具体步骤如下：

式中，为待检测像素点的第i个方向的直线上所有像素点在第j个方向的梯度变化的剧烈程度，/>为待检测像素点的第i个方向与待检测像素点的第j个方向的夹角值，为自然常数e为底的指数函数，max为取最大值，/>为待检测像素点在第i个方向的梯度权重；

获取待检测像素点在每一个方向的梯度权重。

进一步地，所述获取目标直线对应的灰度均值序列的具体方法如下：

以待检测像素点为中心的窗口记为待检测窗口，将待检测像素点的任意一个方向的直线，记为目标直线，获取中心像素点在目标直线上且与待检测窗口相邻的M个窗口，记为M个邻域窗口，M为预设的一个窗口数量，获取每一个邻域窗口的灰度均值，得到灰度均值序列，记为目标直线对应的灰度均值序列。

进一步地，所述根据灰度均值曲线上每一个数据点的斜率得到目标直线方向的灰度渐变情况，包括的具体步骤如下：

式中，为灰度均值曲线上数据点的总个数，/>为灰度均值曲线上第j个数据点的斜率，/>为目标直线方向的灰度渐变情况。

进一步地，所述根据待检测像素点在每一个方向的梯度权重和光照影响程度得到待检测像素点在每一个方向的修正梯度权重，包括的具体步骤如下：

式中，为光照影响程度，/>为预设参数阈值，/>为待检测像素点的第i个方向与渐变方向的夹角值，/>为待检测像素点在第i个方向的梯度权重，/>为待检测像素点在第i个方向的修正梯度权重；

获取待检测像素点在每一个方向的修正梯度权重。

进一步地，所述根据待检测像素点在每一个方向的修正梯度权重和待检测像素点在每一个方向的梯度幅值得到手表外壳梯度图像，包括的具体步骤如下：

将待检测像素点在第i个方向的修正梯度权重与待检测像素点在第i个方向的梯度幅值的乘积作为待检测像素点在第i个方向的第一梯度值，获取待检测像素点在所有方向的所有第一梯度值，将所有第一梯度值中的最大第一梯度值作为待检测像素点的最终梯度值，手表外壳灰度图像中所有像素点的最终梯度值构成手表外壳梯度图像。

进一步地，所述根据手表外壳梯度图像得到若干边缘连通域，根据边缘连通域的特征得到边缘连通域的缺陷概率，根据边缘连通域的缺陷概率对手表外壳进行质量评估，包括的具体步骤如下：

预设一个低阈值为TB，预设一个高阈值为TM，利用高低阈值对手表外壳梯度图像进行双阈值边界跟踪，得到若干边缘连通域；

对于任意一个边缘连通域，根据边缘连通域的特征得到边缘连通域的缺陷概率具体如下：

式中，为边缘连通域的面积，/>为边缘连通域上边缘像素点之间的最大欧式距离，具体获取方法如下：计算边缘连通域边缘上任意两个像素点之间的欧式距离，将边缘连通域边缘上所有像素点之间的欧式距离的均值记为/>，/>为边缘连通域的缺陷概率；

获得所有边缘连通域的缺陷概率，并将所有边缘连通域的缺陷概率进行线性归一化处理，将所有边缘连通域的缺陷概率中的最大值记为TY，预设一个第一概率范围，若TY在第一概率范围内，认为检测的手表外壳为优质产品，预设一个第二概率范围，若TY在第二概率范围内，认为检测的手表外壳为正常产品，预设一个第三概率范围，若TY在第三概率范围内，认为检测的手表外壳为残次品。

本发明的技术方案的有益效果是：本发明通过改进Canny边缘检测算法的非极大值抑制，在计算每个像素点的梯度时不只单纯的通过梯度的大小值就判断这个像素点的梯度，而是分析其周围的梯度判断梯度在不同方向上的权值，根据不同方向上的梯度权值去调整梯度的大小，增加边缘检测对划痕的敏感度。分析不同和方向上的梯度受到光照影响程度，在提高边缘检测对划痕区域的敏感度的同时降低对反光区域的敏感度。避免了传统边缘检测算法对划痕区域的提取不完整，影响后续的划痕区域情况判断，对产品的质量把控不严格。

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为本发明一个实施例所提供的基于图像数据的手表外壳质量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图像数据的手表外壳质量检测方法，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，一个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图像数据的手表外壳质量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图像数据的手表外壳质量检测方法的步骤流程图，该方法包括以下步骤：

步骤S001、采集手表外壳图像，预处理得到手表外壳灰度图像。

需要说明的是，本实施例是基于图像数据的手表外壳质量检测方法，首先需要采集相关的手表外壳图像并进行预处理得到需要的灰度图像。

具体的，利用相机采集生产成型的手表外壳图像。需要说明的是，手表外壳边缘为圆弧状边缘。

需要说明的是，手表外壳图像中包含一些无关的背景区域，为了更好的进行后续处理，需要将背景区域进行去除。

具体的，利用语义分割得到手表外壳图像，本实施例中将去除背景区域的图像仍然记为手表外壳图像，后续无特别说明都代指没有背景区域的手表外壳图像。

语义分割采用的DNN网络为Encode-Decoder的结构，具体训练内容为：

1.数据集采用摄像头正视拍摄生产成型的手表外壳图像。

2.标签分类，标签为两类，手表外壳和背景区域。该方式为像素级的分类，即需要给图像中所有像素标注上对应标签，属于手表外壳的像素点，其值标注为1，属于背景区域的像素点，其值标注为0。

3.网络采用的Loss函数为交叉熵损失函数。

对得到的手表外壳图像，使用训练完成的语义分割网络模型做图像处理，从手表外壳图像中得到手表外壳标签区域，将手表外壳标签区域从手表外壳图像中标记出来。对标记的图像进行分割得到只包含手表外壳的图像，即手表外壳图像。

进一步地，对手表外壳图像进行灰度化处理得到手表外壳灰度图像。需要说明的是，手表外壳灰度图像中除手表外壳区域以外其他区域的像素点灰度值都为0。

至此，得到手表外壳灰度图像。

步骤S002、获取手表外壳灰度图像中每一个像素点在不同方向上的梯度幅值。

需要说明的是，根据先验知识划痕所在区域和周围区域会存在一定的梯度，根据这一特征可以利用边缘检测将划痕区域的边缘提取出来，但是由于划痕区域和周围区域的灰度变化不是特别的明显，导致边缘检测对划痕的敏感度不高。根据上述分析得知很难通过改变边缘检测阈值的大小去将划痕所在区域的边缘完整的提取出来，不能提取完整边缘信息可能会导致缺陷识别不准确。

进一步需要说明的是，因此可以提高边缘检测算子对划痕区域的敏感度，进而提高对划痕区域的提取程度。由于划痕是由于外力导致的产品表面出现长度不一，深度也不相同的长条状区域，划痕所在区域，它周围的梯度一致性比较高。利用Canny边缘检测算子在对窗口内的梯度信息进行非极大值进行抑制时，不能只考虑它的梯度值，同时需要分析其周围梯度对其的影响。分析梯度在不同方向上的梯度的一致性，根据梯度方向一致性计算它的连续性，当一个梯度，它所在的方向和连续性比较高时，认为这个梯度才是准确的梯度。

需要说明的是，由于金属反光区域的存在，会影响梯度的一致性，由于金属是漫反射无论怎么调整光照角度都不能去除反光影响，反光区域的存在也表现为一致性较高，反光区域的存在会导致出现划痕缺陷检测时产生误检。

需要说明的是，通过对手表外壳灰度图像建立窗口可以更好得到图像中每个像素点梯度信息，因此需要建立窗口，在窗口内分析手表外壳灰度图像中像素点的梯度信息。

具体的，预设大小的窗口，本实施例以n=3进行叙述，将窗口沿手表外壳灰度图像从左到右从上到下的顺序进行滑动，每次滑动的步长为1个像素点，利用Sobel算子得到手表外壳灰度图像每一个窗口中心像素点在不同方向的梯度幅值，得到手表外壳灰度图像中每一个像素点在不同方向上的梯度幅值，不同方向包括/>四个方向。需要说明的是，不同方向的每一个方向又有两个小方向，例如/>时包括/>和/>，即在一条直线上，因此将两个方向合为同一个方向，便于后续分析；窗口沿手表外壳灰度图像进行滑动时，不考虑手表外壳灰度图像最外一层的像素点。

至此，得到手表外壳灰度图像中每一个像素点在不同方向上的梯度幅值。

步骤S003、获取待检测像素点的若干方向直线，根据待检测像素点的方向直线得到梯度幅值序列，根据梯度幅值序列得到连续梯度变化曲线，根据连续梯度变化曲线上数据点斜率值得到梯度变化的剧烈程度，根据梯度变化的剧烈程度得到待检测像素点在每一个方向的梯度权重。

需要说明的是，上述获得了手表外壳灰度图像中每一个像素点在不同方向上的梯度幅值，通过分析得知划痕所在区域的梯度会呈现连续性较好的情况，因此在计算每个像素点的梯度时不能单纯的通过梯度的大小值就单纯的判断这个像素点的梯度，而要分析其周围的梯度判断梯度在不同方向上的权值，根据不同方向上的梯度权值去调整梯度的大小，增加边缘检测对划痕的敏感度。

进一步需要说明的是，根据上述分析去计算像素点每个方向上的梯度幅值的权值，根据先验知识得知单纯从梯度的一致性去调整非极大值抑制可以提高边缘检测对划痕的敏感度，但是通过分析得知受到反光影响的区域也会呈现相同的情况，在增加边缘检测对划痕区域检测敏感度的同时也增加反光区域的敏感度。

需要说明的是，根据分析得知金属反光区域会呈现高亮区域，核心区域中的灰度变化比较平缓，对周围会呈现一个发散形状影响的范围，分析不同方向上受反光影响程度，分析不同方向上梯度受到反光影响程度，梯度垂直于反光影响区域的受到反光影响的程度越大，受到反光影响越大的梯度方向要降低在这个方向上梯度的权值，从而更好的计算一致性检测结果。

具体的，步骤S002获得了手表外壳灰度图像中每一个像素点在不同方向上的梯度幅值，在手表外壳灰度图像中任选一个像素点，记为待检测像素点。需要说明的是，任选一个像素点不能选取在手表外壳灰度图像最外一层的像素点。过待检测像素点做八邻域方向的直线，得到待检测像素点的若干方向直线，八邻域方向的直线包括四个方向上的直线，获取每一个方向直线上所有像素点在每一个方向上的梯度幅值。

进一步地，对于待检测像素点的任意一个方向的直线，获取直线上所有像素点在每一个方向上的梯度幅值，得到直线上所有像素点在每一个方向的梯度幅值序列，对于任意一个方向的梯度幅值序列，以梯度幅值序列中的梯度幅值为纵坐标，以梯度幅值序列中的梯度幅值对应的像素点与待检测像素点之间的欧式距离为横坐标，构建二维坐标系，得到离散梯度变化序列，需要说明的是，离散梯度变化序列中包含一些离散的数据点，将离散梯度变化序列进行平滑处理得到连续梯度变化曲线，获取连续梯度变化曲线中数据点的斜率方差，将连续梯度变化曲线中数据点的斜率方差记为梯度变化的剧烈程度。上述是以任意一个方向进行分析的，同理可以获得每一方向的梯度变化的剧烈程度。

进一步地，根据梯度变化的剧烈程度得到待检测像素点在每一个方向的梯度权重，具体如下：

式中，为待检测像素点的第i个方向的直线上所有像素点在第j个方向的梯度变化的剧烈程度，/>为待检测像素点的第i个方向与待检测像素点的第j个方向的夹角值，夹角值取值范围为/>，/>为自然常数e为底的指数函数，本实施例采用/>模型来呈现反比例关系及归一化处理，y为模型的输入，实施者可根据实际情况设置反比例函数及归一化函数，max为取最大值，/>为待检测像素点在第i个方向的梯度权重。同理可以获得待检测像素点在每一个方向的梯度权重。

步骤S004、获取目标直线对应的灰度均值序列，根据灰度均值序列得到灰度均值曲线，根据灰度均值曲线上每一个数据点的斜率得到目标直线方向的灰度渐变情况，获取最大灰度渐变情况，根据最大灰度渐变情况得到光照影响程度，根据待检测像素点在每一个方向的梯度权重和光照影响程度得到待检测像素点在每一个方向的修正梯度权重，根据待检测像素点在每一个方向的修正梯度权重和待检测像素点在每一个方向的梯度幅值得到手表外壳梯度图像。

需要说明的是，上述获得了待检测像素点在每一个方向的梯度权重，根据梯度权重提取像素点的梯度幅值可以增加边缘检测时对划痕区域的敏感度，但是由于在增强划痕区域的敏感度的同时，也增加了边缘检测对反光区域的敏感度。根据先验知识得到划痕所在区域灰度值会呈现渐变的状态，但是由于俯视拍摄角度的原因，在俯视角度拍摄的手表外壳图像中手表外壳弧状边缘处也会存在一个渐变状态，但是由于俯视拍摄角度拍摄的手表外壳会呈现平面状，分析划痕在平面处和弧状处的差异性，反光区域在平面处的影响是整个平面区域，它会使得平面区域灰度值都偏高，但是在弧状区域会呈现一个灰度渐变的过程。

需要说明的是，在提高边缘检测算法对划痕的敏感度，不能通过分析其边缘组成连通域的渐变情况分析，划痕在不同区域受到的反光影响是不同的，划痕在平面区域受到的反光影响会导致其整体的灰度值都偏高，但是不会影响划痕渐变的过程，划痕在外壳的弧状区域是反光影响呈现渐变状态，会影响划痕区域的渐变情况，因此需要分析待检测像素点对应窗口周围窗口的灰度情况。

具体的，将待检测像素点对应的窗口记为待检测窗口，对于待检测像素点的任意一个方向的直线，记为目标直线，获取中心像素点在目标直线上且与待检测窗口相邻的M个窗口（包括待检测窗口），记为M个邻域窗口，M为预设的一个窗口数量，本实施例以M=5进行叙述，具体实施时可设置为其他值。需要说明的是，获取的M个窗口不会发生窗口重叠，即不会有一个像素点存在于两个窗口内，对于待检测像素点处于手表外壳灰度图像边缘处时，会存在无法获取目标直线上以待检测窗口中间窗口的连续M个窗口的情况，即待检测像素点靠近图像边缘，选取连续M个窗口时会超出图像的边界，此时，本实施例利用二次线性插值的方法将手表外壳灰度图像超出边界的部分进行插值填充数据。

进一步地，获取每一个邻域窗口的灰度均值，得到灰度均值序列，记为，其中，/>表示第M个邻域窗口的灰度均值，将灰度均值序列进行平滑处理得到灰度均值曲线，获取灰度均值曲线上每一个数据点的斜率。根据灰度均值曲线上每一个数据点的斜率得到目标直线方向的灰度渐变情况，具体如下：

式中，为灰度均值曲线上数据点的总个数，/>为灰度均值曲线上第j个数据点的斜率，/>为目标直线方向的灰度渐变情况。

进一步地，上述是对于待检测像素点的任意一个方向的直线进行分析的即目标直线，同理，获取每一条直线方向的灰度渐变情况，将所有直线方向的灰度渐变情况进行线性归一化处理，得到若干第一灰度渐变情况，将若干第一灰度渐变情况中的最大值记为最大灰度渐变情况。

需要说明的是，根据上述的分析划痕在平面上的受到光照影响只会导致其整体的灰度值升高但是不会影响其渐变状态和梯度的计算，但是划痕在弧状区域的反光处会影响划痕区域灰度渐变，划痕方向和弧状区域的灰度渐变呈现一致状态时受到的影响最大，划痕方向和弧状区域的灰度渐变方向呈现垂直状态受到的影响较小。通过分析待检测窗口周围窗口的灰度变化情况判断窗口与周围窗口的整体灰度变化呈现渐变过程。

具体的，根据最大灰度渐变情况得到光照影响程度，具体如下：

式中，为最大灰度渐变情况，/>为预设判断阈值，本实施例以预设判断阈值为0.6进行叙述，/>为光照影响程度。

进一步地，将最大灰度渐变情况对应的方向记为渐变方向，根据待检测像素点在每一个方向的梯度权重和光照影响程度得到待检测像素点在每一个方向的修正梯度权重，具体如下：

式中，为光照影响程度，/>为预设参数阈值，本实施例以/>进行叙述，目的是防止/>时修正梯度权重为0，/>为待检测像素点的第i个方向与渐变方向的夹角值，/>为待检测像素点在第i个方向的梯度权重，/>为待检测像素点在第i个方向的修正梯度权重。获取待检测像素点在每一个方向的修正梯度权重。

进一步地，根据待检测像素点在每一个方向的修正梯度权重和待检测像素点在每一个方向的梯度幅值得到手表外壳梯度图像，具体如下：

将待检测像素点在第i个方向的修正梯度权重与待检测像素点在第i个方向的梯度幅值的乘积作为待检测像素点在第i个方向的第一梯度值，获取待检测像素点在所有方向的所有第一梯度值，将所有第一梯度值中的最大第一梯度值作为待检测像素点的最终梯度值，手表外壳灰度图像中所有像素点的最终梯度值构成手表外壳梯度图像。需要说明的是，手表外壳梯度图像中存在边缘区域。

至此，得到手表外壳梯度图像。

步骤S005、根据手表外壳梯度图像得到若干边缘连通域，根据边缘连通域的特征得到边缘连通域的缺陷概率，根据边缘连通域的缺陷概率对手表外壳进行质量评估。

需要说明的是，通过预设合适的阈值，可以将上述获得的手表外壳梯度图像中的边缘区域提取出来，分析边缘区域的分布特征，划痕所在区域会呈现明显的长条状，划痕所在区域的分布也会呈现在产品的表面区域，分析获取的边缘分布特征判断图像中存在缺陷的概率。

具体的，预设一个低阈值为TB，预设一个高阈值为TM，本实施例以TB=20，TM=100进行叙述，利用高低阈值对手表外壳梯度图像进行双阈值边界跟踪，得到若干边缘连通域，即划痕区域围成的连通域。需要说明的是，利用高低阈值对手表外壳梯度图像进行双阈值边界跟踪为Canny算法的现有方法，本实施例不再赘述。

进一步地，对于任意一个边缘连通域，根据边缘连通域的特征得到边缘连通域的缺陷概率，具体如下：

式中，为边缘连通域的面积，/>为边缘连通域上边缘像素点之间的最大欧式距离，具体获取方法如下：计算边缘连通域边缘上任意两个像素点之间的欧式距离，将边缘连通域边缘上所有像素点之间的欧式距离的均值记为/>，/>为边缘连通域的缺陷概率。

进一步地，获得所有边缘连通域的缺陷概率，并将所有边缘连通域的缺陷概率进行线性归一化处理，本实施例中将经过线性归一化处理后的边缘连通域的缺陷概率仍记为边缘连通域的缺陷概率，将所有边缘连通域的缺陷概率中的最大值记为TY，预设一个第一概率范围，本实施例以第一概率范围为进行叙述，若TY在第一概率范围内，认为检测的手表外壳为优质产品，预设一个第二概率范围，本实施例以第二概率范围为/>进行叙述，若TY在第二概率范围内，认为检测的手表外壳为正常产品，预设一个第三概率范围，本实施例以第二概率范围为/>进行叙述，若TY在第三概率范围内，认为检测的手表外壳为残次品。

至此，本实施例结束。

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，凡在本发明的精神和原则之内，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.基于图像数据的手表外壳质量检测方法，其特征在于，该方法包括以下步骤：

获取手表外壳灰度图像；

预设一个窗口，获取手表外壳灰度图像中每一个像素点在不同方向上的梯度幅值；

将手表外壳灰度图像中任意一个像素点，记为待检测像素点，根据待检测像素点得到待检测像素点的若干方向直线，获取每一个方向直线上所有像素点在不同方向上的梯度幅值，得到直线上所有像素点在不同方向的梯度幅值序列；

根据梯度幅值序列得到连续梯度变化曲线，根据连续梯度变化曲线上数据点斜率波动得到梯度变化的剧烈程度，根据梯度变化的剧烈程度得到待检测像素点在每一个方向的梯度权重；

将待检测像素点的任意一个方向的直线记为目标直线，获取目标直线对应的灰度均值序列，根据灰度均值序列得到灰度均值曲线，根据灰度均值曲线上每一个数据点的斜率得到目标直线方向的灰度渐变情况，获取最大灰度渐变情况，将最大灰度渐变情况对应的方向记为渐变方向，根据最大灰度渐变情况得到光照影响程度，根据待检测像素点在每一个方向的梯度权重和光照影响程度得到待检测像素点在每一个方向的修正梯度权重，根据待检测像素点在每一个方向的修正梯度权重和待检测像素点在每一个方向的梯度幅值得到手表外壳梯度图像；

根据手表外壳梯度图像得到若干边缘连通域，根据边缘连通域的特征得到边缘连通域的缺陷概率，根据边缘连通域的缺陷概率对手表外壳进行质量评估。

2.根据权利要求1所述基于图像数据的手表外壳质量检测方法，其特征在于，所述获取手表外壳灰度图像中每一个像素点在不同方向上的梯度幅值的具体方法如下：

将窗口沿手表外壳灰度图像从左到右从上到下的顺序进行滑动，每次滑动的步长为1个像素点，利用Sobel算子得到手表外壳灰度图像每一个窗口中心像素点在不同方向的梯度幅值，得到手表外壳灰度图像中每一个像素点在不同方向上的梯度幅值，所述不同方向包括四个方向。

3.根据权利要求1所述基于图像数据的手表外壳质量检测方法，其特征在于，所述根据待检测像素点得到待检测像素点的若干方向直线，包括的具体步骤如下：

过待检测像素点做八邻域方向的直线，得到待检测像素点的若干方向直线，所述八邻域方向的直线包括四个方向上的直线。

4.根据权利要求1所述基于图像数据的手表外壳质量检测方法，其特征在于，所述根据连续梯度变化曲线上数据点斜率波动得到梯度变化的剧烈程度，包括的具体步骤如下：

获取连续梯度变化曲线中数据点的斜率方差，将连续梯度变化曲线中数据点的斜率方差记为梯度变化的剧烈程度。

5.根据权利要求1所述基于图像数据的手表外壳质量检测方法，其特征在于，所述根据梯度变化的剧烈程度得到待检测像素点在每一个方向的梯度权重，包括的具体步骤如下：

式中，为待检测像素点的第i个方向的直线上所有像素点在第j个方向的梯度变化的剧烈程度，/>为待检测像素点的第i个方向与待检测像素点的第j个方向的夹角值，/>为自然常数e为底的指数函数，max为取最大值，/>为待检测像素点在第i个方向的梯度权重；

获取待检测像素点在每一个方向的梯度权重。

6.根据权利要求1所述基于图像数据的手表外壳质量检测方法，其特征在于，所述获取目标直线对应的灰度均值序列的具体方法如下：

以待检测像素点为中心的窗口记为待检测窗口，将待检测像素点的任意一个方向的直线，记为目标直线，获取中心像素点在目标直线上且与待检测窗口相邻的M个窗口，记为M个邻域窗口，M为预设的一个窗口数量，获取每一个邻域窗口的灰度均值，得到灰度均值序列，记为目标直线对应的灰度均值序列。

7.根据权利要求1所述基于图像数据的手表外壳质量检测方法，其特征在于，所述根据灰度均值曲线上每一个数据点的斜率得到目标直线方向的灰度渐变情况，包括的具体步骤如下：

式中，为灰度均值曲线上数据点的总个数，/>为灰度均值曲线上第j个数据点的斜率，/>为目标直线方向的灰度渐变情况。

8.根据权利要求1所述基于图像数据的手表外壳质量检测方法，其特征在于，所述根据待检测像素点在每一个方向的梯度权重和光照影响程度得到待检测像素点在每一个方向的修正梯度权重，包括的具体步骤如下：

式中，为光照影响程度，/>为预设参数阈值，/>为待检测像素点的第i个方向与渐变方向的夹角值，/>为待检测像素点在第i个方向的梯度权重，/>为待检测像素点在第i个方向的修正梯度权重；

获取待检测像素点在每一个方向的修正梯度权重。

9.根据权利要求1所述基于图像数据的手表外壳质量检测方法，其特征在于，所述根据待检测像素点在每一个方向的修正梯度权重和待检测像素点在每一个方向的梯度幅值得到手表外壳梯度图像，包括的具体步骤如下：

将待检测像素点在第i个方向的修正梯度权重与待检测像素点在第i个方向的梯度幅值的乘积作为待检测像素点在第i个方向的第一梯度值，获取待检测像素点在所有方向的所有第一梯度值，将所有第一梯度值中的最大第一梯度值作为待检测像素点的最终梯度值，手表外壳灰度图像中所有像素点的最终梯度值构成手表外壳梯度图像。

10.根据权利要求1所述基于图像数据的手表外壳质量检测方法，其特征在于，所述根据手表外壳梯度图像得到若干边缘连通域，根据边缘连通域的特征得到边缘连通域的缺陷概率，根据边缘连通域的缺陷概率对手表外壳进行质量评估，包括的具体步骤如下：

预设一个低阈值为TB，预设一个高阈值为TM，利用高低阈值对手表外壳梯度图像进行双阈值边界跟踪，得到若干边缘连通域；

对于任意一个边缘连通域，根据边缘连通域的特征得到边缘连通域的缺陷概率具体如下：

式中，为边缘连通域的面积，/>为边缘连通域上边缘像素点之间的最大欧式距离，/>具体获取方法如下：计算边缘连通域边缘上任意两个像素点之间的欧式距离，将边缘连通域边缘上所有像素点之间的欧式距离的均值记为/>，/>为边缘连通域的缺陷概率；

获得所有边缘连通域的缺陷概率，并将所有边缘连通域的缺陷概率进行线性归一化处理，将所有边缘连通域的缺陷概率中的最大值记为TY，预设一个第一概率范围，若TY在第一概率范围内，认为检测的手表外壳为优质产品，预设一个第二概率范围，若TY在第二概率范围内，认为检测的手表外壳为正常产品，预设一个第三概率范围，若TY在第三概率范围内，认为检测的手表外壳为残次品。