CN117635610A - 一种液压张紧机构油管漏油视觉检测方法 - Google Patents

Abstract

本发明涉及图像增强技术领域，具体涉及一种液压张紧机构油管漏油视觉检测方法。该方法根据每个滤波半径下增强油管灰度图像中荧光特征区域内像素点的灰度分布，从不同滤波半径中筛选出最大滤波半径；获取原始油管灰度图像中荧光特征区域内像素点的颗粒密度值，基于颗粒密度得到的原始油管灰度图像中荧光特征区域的滤波影响度调整最大滤波半径，获取最佳滤波半径；使用最佳滤波半径获取最佳油管灰度图像对液压张紧机构的油管漏油情况进行检测。本发明基于荧光特征区域的颗粒密度特征分布情况调整最大滤波半径，使利用最佳滤波半径进行滤波去噪同时完好保存油渍边缘细节信息，增加图像增强效果，提高对液压张紧机构油管漏油检测准确率。

Description

一种液压张紧机构油管漏油视觉检测方法

技术领域

本发明涉及图像增强技术领域，具体涉及一种液压张紧机构油管漏油视觉检测方法。

背景技术

液压张紧机构是一种利用液压力来实现零件或装置张紧的机构，通常用于保持或调整机械系统中某些零件的紧密连接或正确位置。液压张紧机构的油管出现漏油造成液压油的浪费，严重时甚至影响液压张紧机构的正常运行与安全性。因此，需要对液压张紧机构的油管漏油情况进行检测。

在图像采集过程中可能存在噪声，通常利用设定滤波半径的滤波器对图像进行去噪，获取图像中的油渍区域。由于油渍区域的油渍在蔓延过程中具有不同的蔓延速度，速度较大时图像中油渍区域的边缘相对平滑；速度较小时，油渍区域的边缘不规则且较为粗糙，不规则的油渍区域具有较多的边缘细节，若滤波半径不合理会导致对油渍区域边缘过度平滑产生模糊，丢失重要细节，减低图像增强效果，导致液压张紧机构的油管漏油检测准确率较低。

发明内容

为了解决利用设定滤波半径对图像去噪时导致液压张紧机构的油管油渍区域的边缘被过度平滑，使图像增强效果较差，进而导致对油管漏油检测准确率较低的技术问题，本发明的目的在于提供一种液压张紧机构油管漏油视觉检测方法，所采用的技术方案具体如下：

本发明提出了一种液压张紧机构油管漏油视觉检测方法，该方法包括：

获取液压张紧机构的漏油油管的原始油管灰度图像；

获取原始油管灰度图像中的荧光特征区域；获取使用不同滤波半径的滤波器对原始油管灰度图像进行滤波处理的增强油管灰度图像；根据每个滤波半径下增强油管灰度图像中各荧光特征区域内像素点的灰度值的离散程度，从不同滤波半径中筛选出最大滤波半径；

获取原始油管灰度图像中每个荧光特征区域内每个像素点的邻近荧光区域；结合原始油管灰度图像中各荧光特征区域内每个像素点的邻近荧光区域的位置分布，以及所述邻近荧光区域的面积，获取原始油管灰度图像中每个荧光特征区域内每个像素点的颗粒密度值；

依据原始油管灰度图像中每个荧光特征区域内像素点的颗粒密度值的分布，获取原始油管灰度图像中每个荧光特征区域的滤波影响度；

基于所述滤波影响度对所述最大滤波半径进行调整，得到最佳滤波半径；根据使用最佳滤波半径获取的最佳油管灰度图像液压张紧机构油管漏油进行检测。

进一步地，所述获取原始油管灰度图像中的荧光特征区域的方法，包括：

对原始油管灰度图像中像素点的灰度值使用最大类间方差法获取分割阈值，将灰度值大于所述分割阈值的像素点构成的连通域作为荧光特征区域。

进一步地，所述根据每个滤波半径下增强油管灰度图像中各荧光特征区域内像素点的灰度值的离散程度，从不同滤波半径中筛选出最大滤波半径的方法，包括：

根据每个滤波半径下增强油管灰度图像中各荧光特征区域内像素点的灰度值的离散程度，获取每个滤波半径下增强油管灰度图像的综合灰度波动度；

当每个滤波半径下增强油管灰度图像的所述综合灰度波动度大于或者等于预设波动阈值时，对滤波半径进行更新，直至更新后的滤波半径下增强油管灰度图像的所述综合灰度波动度小于预设波动阈值时，将更新后的滤波半径作为最大滤波半径。

进一步地，所述每个滤波半径下增强油管灰度图像的综合灰度波动度的计算公式如下：

，/>；式中，f为每个滤波半径下增强油管灰度图像的所述综合灰度波动度；/>为每个滤波半径下增强油管灰度图像中第i个荧光特征区域的局部灰度波动度；N为每个滤波半径下增强油管灰度图像中荧光特征区域的总数量；/>为每个滤波半径下增强油管灰度图像中第i个荧光特征区域内像素点的灰度值的最大值；/>为每个滤波半径下增强油管灰度图像中第i个荧光特征区域内像素点的灰度值的最小值；/>为每个滤波半径下增强油管灰度图像中第i个荧光特征区域内第j个像素点的灰度值；/>为每个滤波半径下增强油管灰度图像中第i个荧光特征区域内所有像素点的灰度值的均值；J为每个滤波半径下增强油管灰度图像中第i个荧光特征区域内像素点内像素点的总数量；/>为绝对值函数；Norm为归一化函数。

进一步地，所述获取原始油管灰度图像中每个荧光特征区域内每个像素点的邻近荧光区域的方法，包括：

选取原始油管灰度图像中任意一个荧光特征区域作为分析区域，选取分析区域内任意一个像素点作为分析像素点，选取分析像素点的预设邻域范围内除分析像素点外的其余任意一个像素点作为目标像素点；

若目标像素点所属区域为除分析区域外的其余荧光特征区域，则将目标像素点的所属荧光特征区域作为分析像素点的邻近荧光区域；遍历分析像素点的预设邻域范围内除分析像素点外的其余像素点，获取分析像素点的所有邻近荧光区域。

进一步地，所述结合原始油管灰度图像中各荧光特征区域内每个像素点的邻近荧光区域的位置分布，以及所述邻近荧光区域的面积，获取原始油管灰度图像中每个荧光特征区域内每个像素点的颗粒密度值的方法，包括：

对于所述分析像素点的每个邻近荧光区域，计算分析像素点与其邻近荧光区域中每个像素点之间的欧式距离，将所述欧式距离中的最小值作为分析像素点与其邻近荧光区域之间的特征距离；

结合分析像素点所属荧光特征区域与其邻近荧光区域内像素点总数量，以及分析像素点与其邻近荧光区域之间的所述特征距离，获取分析像素点的颗粒密度值。

进一步地，所述分析像素点的颗粒密度值的计算公式如下：

；式中，/>为分析像素点的颗粒密度值；n为分析像素点所属荧光特征区域内像素点的总数量；为分析像素点的第r个邻近荧光区域内像素点的总数量；R为分析像素点的邻近荧光区域的总数量；/>为分析像素点与其第r个邻近荧光区域之间的所述特征距离。

进一步地，所述依据原始油管灰度图像中每个荧光特征区域内像素点的颗粒密度值的分布，获取原始油管灰度图像中每个荧光特征区域的滤波影响度的方法，包括：

对于原始油管灰度图像中每个荧光特征区域，将荧光特征区域内像素点的所述颗粒密度值的极差对应的两个像素点作为基准像素点；将连接两个基准像素点得到的线段作为基准线段；

对于所述荧光特征区域的边缘像素点，将大于第一预设密度阈值的颗粒密度值对应的所述边缘像素点作为荧光特征区域的干燥像素点，将小于第二预设密度阈值的颗粒密度值对应的所述边缘像素点作为荧光特征区域的蔓延像素点；

分别从所述干燥像素点与所述蔓延像素点中任意选取一个像素点作为判断像素点，将连接两个判断像素点得到的线段作为判断线段；若所述判断线段与所述基准线段的斜率相等，则沿最大的颗粒密度值对应的判断像素点指向最小的颗粒密度值对应的判断像素点的方向，将所述判断线段上像素点顺序排列得到所述荧光特征区域的判断序列；

结合原始油管灰度图像中每个荧光特征区域内像素点的所述颗粒密度值，以及所述荧光特征区域的所述判断序列中相邻的两个像素点的颗粒密度值之间的差异，获取原始油管灰度图像中每个荧光特征区域的滤波影响度。

进一步地，所述原始油管灰度图像中每个荧光特征区域的滤波影响度的计算公式如下：

；式中，P为原始油管灰度图像中每个荧光特征区域的滤波影响度；/>为原始油管灰度图像中每个荧光特征区域内像素点的颗粒密度值的极差；/>为原始油管灰度图像中每个荧光特征区域内像素点的颗粒密度值的均值；Y为原始油管灰度图像中每个荧光特征区域的所述判断序列的总数量；/>为原始油管灰度图像中每个荧光特征区域的第y个判断序列内像素点的总数量；/>为原始油管灰度图像中每个荧光特征区域的第y个判断序列内第x个像素点的颗粒密度值；/>为原始油管灰度图像中每个荧光特征区域的第y个判断序列内第x+1个像素点的颗粒密度值；/>为绝对值函数；exp为以自然常数e为底数的指数函数。

进一步地，所述基于所述滤波影响度对所述最大滤波半径进行调整，得到最佳滤波半径的方法，包括：

将原始油管灰度图像中所有荧光特征区域的所述滤波影响度的均值作为调整系数；

将所述调整系数与所述最大滤波半径的乘积进行取整运算后的结果作为最佳滤波半径；所述最佳滤波半径为奇数。

本发明具有如下有益效果：

本发明实施例中，原始油管灰度图像中荧光特征区域代表油管表面的油渍区域，荧光特征区域内像素点的灰度值离散程度呈现该区域中的信息量，根据每个滤波半径下增强油管灰度图像中荧光特征区域内像素点的灰度值离散程度，确定最大滤波半径，后续通过对最大滤波半径进行调整获取合适的滤波半径，避免了人为设定滤波半径过大导致图像中细节丢失的问题；获取荧光特征区域内像素点的颗粒密度值，并结合液压油管表面油渍蔓延特征，分析油渍区域流动情况对其边缘平滑程度的影响，从而确定荧光特征区域的滤波影响度；滤波影响度呈现滤波时滤波半径对荧光特征区域的边缘信息的影响程度，利用滤波影响度对最大滤波半径进行调整，得到更加适合对油渍区域的边缘信息进行滤波时的最佳滤波半径，在保存图像中油渍区域边缘信息的同时具有较好的去噪效果，避免了利用设定滤波半径设置不准确导致荧光特征区域的边缘细节丢失的问题，提高图像的增强效果的同时并保存细节信息，增加了利用最佳滤波半径获取最佳油管灰度图像中油渍区域识别的准确性。

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液压张紧机构油管漏油视觉检测方法的方法流程图；

图2为本发明一个实施例所提供的油管初始灰度图像示意图。

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液压张紧机构油管漏油视觉检测方法，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液压张紧机构油管漏油视觉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液压张紧机构油管漏油视觉检测方法的方法流程图，该方法包括：

步骤S1：获取液压张紧机构的漏油油管的原始油管灰度图像。

具体的，为了提高对液压张紧机构的油管漏油检测的准确性，在液压张紧机构的油管表面喷洒仅对油脂和油性污染物表现出高度亲和力，并在其存在下产生荧光响应的荧光染料；在保证光照均匀且充足的情况下，在液压张紧机构的油管侧面安装摄像机，采集液压张紧机构的油管图像，得到油管初始图像。其中，油管初始图像为RGB图像。

对油管初始图像进行灰度化处理，得到油管初始灰度图像，图2为本发明一个实施例所提供的油管初始灰度图像示意图，如图2所示，图2中区域A为油管漏油产生的油渍区域。

油管初始灰度图像中包含液压张紧机构的油管区域与背景区域即非液压张紧机构的油管区域，为消除背景区域对后续分析的影响，利用语义分割去除无关的背景区域，将留下的液压张紧机构的油管区域作为原始油管灰度图像。

需要说明的是，本发明实施例中选用加权平均灰度化算法进行灰度化处理，语义分割，具体方法在此不做介绍，均为本领域技术人员熟知的技术手段。在本发明其他实施例中也可选用其他图像采集装置及图像预处理算法，选用神经网络获取原始油管灰度图像，图像采集和图像预处理算法均为本领域技术人员熟知的技术手段，在此不做限定。

步骤S2：获取原始油管灰度图像中的荧光特征区域；获取使用不同滤波半径的滤波器对原始油管灰度图像进行滤波处理的增强油管灰度图像；根据每个滤波半径下增强油管灰度图像中各荧光特征区域内像素点的灰度值的离散程度，从不同滤波半径中筛选出最大滤波半径。

当液压张紧机构的油管漏油时，油会沿油管表面流动，由于液压张紧机构的油管表面喷洒对油产生荧光响应的荧光染料，则在原始油管灰度图像中油渍区域的灰度值较高；据此获取原始油管灰度图像中的荧光特征区域。

优选地，荧光特征区域的具体获取方法为：对原始油管灰度图像中像素点的灰度值使用最大类间方差法获取分割阈值，将灰度值大于分割阈值的像素点构成的连通域作为荧光特征区域；荧光特征区域为油渍区域。

其中，最大类间方差法为本领域技术人员公知技术，在此不再赘述。

在图像采集过程存在噪声，虽然噪声分布较为随机，但是原始油管灰度图像中不同区域的噪声含量不同，导致使用不同滤波半径的滤波器对原始油管灰度图像进行去噪与增强效果不同。故本发明实施例设置滤波半径的选取范围，从小到大依次使用不同滤波半径的滤波器对原始油管灰度图像进行去噪处理，每一种滤波半径均获取一张滤波后的增强油管灰度图像。其中，滤波半径大小为2n+1，n为正整数，n从1开始由小到大取值。

本发明实施例中基于不同滤波半径，选用高斯滤波对原始油管灰度图像进行滤波处理，得到每个滤波半径下增强油管灰度图像；在本发明其他实施例中可以选用均值滤波与中值滤波等滤波算法。其中，高斯滤波为本领域技术人员公知技术，在此不再赘述。

每个滤波半径下增强油管灰度图像中荧光特征区域内像素点的灰度值的离散程度，呈现每个滤波半径下增强油管灰度图像中荧光特征区域中的信息量，确定最大滤波半径，后续通过对最大滤波半径进行调整获取合适的滤波半径，避免了人为设定滤波半径过大时导致图像中细节丢失的问题。

优选地，最大滤波半径的获取方法为：根据每个滤波半径下增强油管灰度图像中各荧光特征区域内像素点的灰度值的离散程度，获取每个滤波半径下增强油管灰度图像的综合灰度波动度；当每个滤波半径下增强油管灰度图像的综合灰度波动度大于或者等于预设波动阈值时，对滤波半径进行更新，直至更新后的滤波半径下增强油管灰度图像的综合灰度波动度小于预设波动阈值时，将更新后的滤波半径作为最大滤波半径。

需要说明的是，每个滤波半径下增强油管灰度图像的荧光特征区域与原始油管灰度图像中荧光特征区域的位置相同，即将原始油管灰度图像中荧光特征区域映射到每个滤波半径下增强油管灰度图像中，得到的区域为每个滤波半径下增强油管灰度图像的荧光特征区域。

本发明实施例中预设波动阈值取经验值0.1，实施者可根据具体情况自行设置。

每个滤波半径下增强油管灰度图像的综合灰度波动度的计算公式如下：

式中，f为每个滤波半径下增强油管灰度图像的综合灰度波动度；为每个滤波半径下增强油管灰度图像中第i个荧光特征区域的局部灰度波动度；N为每个滤波半径下增强油管灰度图像中荧光特征区域的总数量；/>为每个滤波半径下增强油管灰度图像中第i个荧光特征区域内像素点的灰度值的最大值；/>为每个滤波半径下增强油管灰度图像中第i个荧光特征区域内像素点的灰度值的最小值；/>为每个滤波半径下增强油管灰度图像中第i个荧光特征区域内第j个像素点的灰度值；/>为每个滤波半径下增强油管灰度图像中第i个荧光特征区域内所有像素点的灰度值的均值；J为每个滤波半径下增强油管灰度图像中第i个荧光特征区域内像素点内像素点的总数量；/>为绝对值函数；Norm为归一化函数。

为每个滤波半径下增强油管灰度图像中第i个荧光特征区域内像素点的灰度值的极差，反映荧光特征区域内像素点的灰度变化范围；当/>越大时，荧光特征区域内像素点的灰度变化范围越大，则综合灰度波动度f越大，说明该荧光特征区域内包含噪声或边缘等较为丰富信息的可能性越大。当/>越大时，荧光特征区域内像素点的灰度值的离散程度较大，荧光特征区域内像素点的灰度值越混乱，则综合灰度波动度f越大，说明该荧光特征区域内包含噪声和边缘等较为丰富信息的可能性越大。

滤波算法中滤波半径越大，图片失真越严重，则图像中细节和清晰度较低，难以识别图像中的内容信息。由于增强油管灰度图像的综合灰度波动度越大时，该图像中包含噪声和边缘等丰富信息的可能性越大，则图像对应的滤波半径应越小；当增强油管灰度图像的综合灰度波动度越小时，图像中包含细节信息较少，则图像对应的滤波半径越大。

作为一个示例，判断在滤波半径3下增强油管灰度图像的综合灰度波动度是否小于预设波动阈值，若否，更新滤波半径，更新后的滤波半径为5；判断在滤波半径5下增强油管灰度图像的综合灰度波动度/>是否小于预设波动阈值，若否，更新滤波半径，更新后的滤波半径为7；当在滤波半径7下增强油管灰度图像的综合灰度波动度/>小于预设波动阈值时，停止更新滤波半径，最大滤波半径等于7。

步骤S3：获取原始油管灰度图像中每个荧光特征区域内每个像素点的邻近荧光区域；结合原始油管灰度图像中各荧光特征区域内每个像素点的邻近荧光区域的位置分布，以及邻近荧光区域的面积，获取原始油管灰度图像中每个荧光特征区域内每个像素点的颗粒密度值。

具体的，油渍具有一定的流动特性，并且在流动过程中其后方轨迹会逐渐干燥；此时干燥的油渍区域因附着灰尘，会在原始油管灰度图像上表现为小部分的颗粒斑点与大面积油渍，颗粒斑点的分布密度越大，说明当前所在荧光特征区域内的油渍干燥程度越高。为分析原始油管灰度图像中颗粒斑点的分布情况，获取荧光特征区域内像素点的邻近荧光区域。

优选地，邻近荧光区域的获取方法为：选取原始油管灰度图像中任意一个荧光特征区域作为分析区域，选取分析区域内任意一个像素点作为分析像素点，选取分析像素点的预设邻域范围内除分析像素点外的其余任意一个像素点作为目标像素点；若目标像素点所属区域为除分析区域外的其余荧光特征区域，则将目标像素点的所属荧光特征区域作为分析像素点的邻近荧光区域；遍历分析像素点的预设邻域范围内除分析像素点外的其余像素点，获取分析像素点的所有邻近荧光区域。

本发明实施例中分析像素点的预设邻域范围为：以分析像素点为中心，半径为10形成的区域为分析像素点的预设邻域范围，半径大小可根据实际情况自行设置。需要说明的是，若分析像素点的预设邻域范围内除分析像素点所属荧光特征区域外，无其余荧光特征区域，则该分析像素点不进行后续分析。

根据上述分析像素点的邻近荧光区域的获取方法，得到原始油管灰度图像中各荧光特征区域内每个像素点的邻近荧光区域。

原始油管灰度图像中荧光特征区域内像素点的邻近荧光区域的位置分布与面积均影响颗粒斑点的分布密度，使结合两个因素获取荧光特征区域内像素点的颗粒密度值更加准确。

优选地，颗粒密度值的具体获取方法为：对于分析像素点的每个邻近荧光区域，计算分析像素点与其邻近荧光区域中每个像素点之间的欧式距离，将欧式距离中的最小值作为分析像素点与其邻近荧光区域之间的特征距离；结合分析像素点所属荧光特征区域与其邻近荧光区域内像素点总数量，以及分析像素点与其邻近荧光区域之间的特征距离，获取分析像素点的颗粒密度值。

分析像素点的颗粒密度值的计算公式如下：

式中，为分析像素点的颗粒密度值；n为分析像素点所属荧光特征区域内像素点的总数量；/>为分析像素点的第r个邻近荧光区域内像素点的总数量；R为分析像素点的邻近荧光区域的总数量；/>为分析像素点与其第r个邻近荧光区域之间的特征距离。

本申请通过荧光特征区域内像素点总数量体现荧光特征区域的面积；分析像素点所属荧光特征区域与其邻近荧光区域均位于分析像素点的预设邻域范围内，为分析像素点的预设邻域范围内荧光特征区域的面积；当/>越大时，分析像素点的预设邻域范围内荧光特征区域的面积越大，该范围内颗粒斑点的表现特征越明显，则颗粒密度值/>越大。/>为分析像素点与其邻近荧光区域之间的距离，当/>越小时，分析像素点的预设邻域范围内荧光特征区域之间的距离越近，说明该范围内荧光特征区域代表的油渍呈颗粒状分布的密度越大，则颗粒密度值/>越大。将两个因素结合分析，当分析像素点的预设邻域范围内荧光特征区域即颗粒斑点油渍的面积越大且分布越紧密时，分析像素点的预设邻域范围内颗粒斑点油渍的分布密度越大，颗粒密度值/>越大，进而说明分析像素点所处荧光特征区域内油渍的干燥程度越大。

根据上述分析像素点的颗粒密度值的获取方法，获取原始油管灰度图像中每个荧光特征区域内每个像素点的颗粒密度值。

步骤S4：依据原始油管灰度图像中每个荧光特征区域内像素点的颗粒密度值的分布，获取原始油管灰度图像中每个荧光特征区域的滤波影响度。

具体的，油渍区域从漏油处向外蔓延的过程中，流过的区域最先出现干燥，其周边产生的颗粒密度较大，而处在边缘或是正在向外蔓延的区域灰尘附着后短时间内不会粘附在油管表面，则这些区域形成的颗粒密度较小；

同时根据液体的流动的特性，油渍区域边缘到油管口之间的整个荧光油渍区域内的颗粒密度变化幅度较大，说明液体流动速度越快，动能趋势越高；而变化幅度越小，说明动能趋势较低。油渍区域的动能趋势反映油渍的蔓延速度，且油渍的蔓延速度决定油渍对应荧光特征区域的边缘的平滑与粗糙情况，进而影响滤波算法的滤波效果。因此，根据荧光特征区域内像素点的颗粒密度值的分布获取荧光特征区域的滤波影响度。

优选地，获取荧光特征区域的滤波影响度的具体步骤为：

（1）获取原始油管灰度图像中荧光特征区域的基准线段。

对于原始油管灰度图像中每个荧光特征区域，将荧光特征区域内像素点的颗粒密度值的极差对应的两个像素点作为基准像素点；将连接两个基准像素点得到的线段作为基准线段。

由于油渍区域从漏油处向外蔓延的过程中，流过的区域的颗粒密度较大，而处在边缘或是正在向外蔓延的区域形成的颗粒密度较小，将计算得到极差时对应的颗粒密度值的像素点作为基准像素点，则颗粒密度值最大的基准像素点位于油渍流过的干燥区域，颗粒密度值最小的基准像素点位于油渍区域向外蔓延位置。因此，荧光特征区域内像素点的颗粒密度值的极差呈现其代表油渍区域的流动趋势；基准线段的两个端点即基准像素点中，颗粒密度值最大的基准像素点指向颗粒密度值最小的基准像素点的方向上，像素点的颗粒密度值的分布较为准确荧光特征区域代表的油渍区域的动能分布。

需要说明的是，因荧光特征区域代表的油渍区域的不同位置的颗粒斑点的密度差异较大，本发明实施例中认为荧光特征区域内仅有两个像素点的颗粒密度值的差异为该荧光特征区域内像素点的颗粒密度值的极差。

（2）获取原始油管灰度图像中荧光特征区域的基准线段。

对于荧光特征区域的边缘像素点，将大于第一预设密度阈值的颗粒密度值对应的边缘像素点作为荧光特征区域的干燥像素点，将小于第二预设密度阈值的颗粒密度值对应的边缘像素点作为荧光特征区域的蔓延像素点；分别从干燥像素点与蔓延像素点中任意选取一个像素点作为判断像素点，将连接两个判断像素点得到的线段作为判断线段；若判断线段与基准线段的斜率相等，则沿最大的颗粒密度值对应的判断像素点指向最小的颗粒密度值对应的判断像素点的方向，将判断线段上像素点顺序排列得到荧光特征区域的判断序列。

需要说明的是，干燥像素点处于荧光特征区域代表的油渍区域最先流过区域的边缘位置，蔓延像素点处于荧光特征区域代表的油渍区域正在向外蔓延的区域的边缘位置。从干燥像素点中选取一个像素点作为判断像素点，从蔓延像素点中选取一个像素点作为判断像素点，共两个判断像素点，连接判断像素点的线段为判断线段。

本申请利用基准线段的斜率呈现颗粒密度值最大的基准像素点指向颗粒密度值最小的基准像素点的方向。为了准确分析荧光特征区域代表的油渍区域的动能趋势，将斜率与基准线段的斜率相同的判断线段进行分析，这类判断线段上像素点的颗粒密度值同样能准确荧光特征区域代表的油渍区域的动能分布，进而得到判断序列。分别遍历干燥像素点与蔓延像素点，获取荧光特征区域的所有判断序列。

需要说明的是，在计算基准线段的斜率时，利用基准像素点的像素坐标进行计算；判断线段的斜率的计算方法与基准线段的斜率的计算方法相同。

本发明实施例中第一预设密度阈值取经验值0.8，第二预设密度阈值取经验值0.2，实施者可根据具体情况自行设置。

（3）获取原始油管灰度图像中荧光特征区域的基准线段。

结合原始油管灰度图像中每个荧光特征区域内像素点的颗粒密度值，以及荧光特征区域的判断序列中相邻的两个像素点的颗粒密度值之间的差异，获取原始油管灰度图像中每个荧光特征区域的滤波影响度。原始油管灰度图像中每个荧光特征区域的滤波影响度的计算公式如下：

式中，P为原始油管灰度图像中每个荧光特征区域的滤波影响度；为原始油管灰度图像中每个荧光特征区域内像素点的颗粒密度值的极差；/>为原始油管灰度图像中每个荧光特征区域内像素点的颗粒密度值的均值；Y为原始油管灰度图像中每个荧光特征区域的判断序列的总数量；/>为原始油管灰度图像中每个荧光特征区域的第y个判断序列内像素点的总数量；/>为原始油管灰度图像中每个荧光特征区域的第y个判断序列内第x个像素点的颗粒密度值；/>为原始油管灰度图像中每个荧光特征区域的第y个判断序列内第x+1个像素点的颗粒密度值；/>为绝对值函数；exp为以自然常数e为底数的指数函数。

根据液体的流动的特性，油渍区域边缘到油管口之间的整个荧光油渍区域内的颗粒密度变化幅度较大，说明液体流动速度越快，动能趋势越高；而变化幅度越小，说明动能趋势较低。图像当中荧光油渍区域的动能趋势越大，油渍区域边缘往往会更加平滑和均匀，而蔓延速度较慢时，边缘形态会相对不规则。

当越大时，荧光特征区域代表的油渍区域的流动趋势越大，油渍区域边缘较为平滑，对油渍区域进行滤波时其边缘丢失细节信息的可能性越小，则滤波对其影响的程度越小，滤波影响度P越小。本发明实施例通过荧光特征区域内像素点的颗粒密度值大小对进行调整，在荧光特征区域内整体像素点的颗粒密度值较大的情况下，荧光特征区域内像素点的颗粒密度值的极差同样会变大，通过/>反映荧光特征区域对应油渍区域的流动趋势更加准确。

反映荧光特征区域对应油渍区域的颗粒密度变化幅度，呈现荧光特征区域对应油渍区域的颗粒密度差异程度，当/>越小时，荧光特征区域对应油渍区域内颗粒密度变化幅度越小，说明该油渍区域的油渍流动速度越慢，动能趋势较低，则油渍蔓延速度较慢时，油渍区域边缘形态会相对不规则，对油渍区域进行滤波时其边缘丢失细节信息的可能性越大，则滤波对其影响的程度越大，滤波影响度P越大。

步骤S5：基于滤波影响度对最大滤波半径进行调整，得到最佳滤波半径；根据使用最佳滤波半径获取的最佳油管灰度图像对液压张紧机构油管漏油进行检测。

滤波影响度呈现滤波时滤波半径对荧光特征区域的边缘信息的影响程度，利用滤波影响度对最大滤波半径进行调整，使调整后的滤波半径更加适合当前图像的去噪。

优选地，最佳滤波半径的获取方法为：将原始油管灰度图像中所有荧光特征区域的滤波影响度的均值作为调整系数；将调整系数与最大滤波半径的乘积作为基准值，若基准值的整数部分为奇数，则将基准值的整数部分作为最佳滤波半径；若基准值的整数部分为偶数，则将基准值的整数部分与常数1的和作为最佳滤波半径。

需要说明的是，当调整系数越小时，原始油管灰度图像中荧光特征区域的动能趋势越小，该图像中荧光特征区域的边缘不规则的可能性越大，为保证图像的清晰度以避免丢失油渍区域边缘细节信息，最佳滤波半径应越小；当调整系数越大时，该图像中荧光特征区域的边缘平滑的可能性越大，较大的滤波半径不会丢失油渍区域边缘细节信息，则最佳滤波半径应越大。

基于最佳滤波半径的滤波器，利用高斯滤波对原始油管灰度图像进行滤波，得到最佳油管灰度图像；最佳油管灰度图像中的荧光特征区域为液压张紧机构油管漏油产生的油渍区域。最佳油管灰度图像中在图像采集过程产生的噪声被较好去除，且保留图像中油渍边缘的复杂细节信息，提高图像增强效果，避免了利用设定滤波半径设置不准确导致荧光特征区域的边缘细节丢失。

需要说明的是，最佳油管灰度图像中荧光特征区域的获取方法与原始油管灰度图像中荧光特征区域的获取方法相同，在此不再赘述。

至此，本发明完成。

综上所述，本发明实施例中，根据每个滤波半径下增强油管灰度图像中荧光特征区域内像素点的灰度分布，从不同滤波半径中筛选出最大滤波半径；获取原始油管灰度图像中每个荧光特征区域内像素点的颗粒密度值，基于颗粒密度得到的原始油管灰度图像中荧光特征区域的滤波影响度对最大滤波半径进行调整，获取最佳滤波半径；使用最佳滤波半径获取最佳油管灰度图像，进而对液压张紧机构的油管漏油情况进行检测。本发明基于荧光特征区域的颗粒密度特征分布情况对最大滤波半径进行调整，使利用最佳滤波半径进行滤波能较为完好的保存油渍边缘细节信息，提高了对液压张紧机构的油管漏油检测准确性。

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)

1.一种液压张紧机构油管漏油视觉检测方法，其特征在于，该方法包括：

获取液压张紧机构的漏油油管的原始油管灰度图像；

获取原始油管灰度图像中的荧光特征区域；获取使用不同滤波半径的滤波器对原始油管灰度图像进行滤波处理的增强油管灰度图像；根据每个滤波半径下增强油管灰度图像中各荧光特征区域内像素点的灰度值的离散程度，从不同滤波半径中筛选出最大滤波半径；

获取原始油管灰度图像中每个荧光特征区域内每个像素点的邻近荧光区域；结合原始油管灰度图像中各荧光特征区域内每个像素点的邻近荧光区域的位置分布，以及所述邻近荧光区域的面积，获取原始油管灰度图像中每个荧光特征区域内每个像素点的颗粒密度值；

依据原始油管灰度图像中每个荧光特征区域内像素点的颗粒密度值的分布，获取原始油管灰度图像中每个荧光特征区域的滤波影响度；

基于所述滤波影响度对所述最大滤波半径进行调整，得到最佳滤波半径；根据使用最佳滤波半径获取的最佳油管灰度图像对液压张紧机构油管漏油进行检测。

2.根据权利要求1所述的一种液压张紧机构油管漏油视觉检测方法，其特征在于，所述获取原始油管灰度图像中的荧光特征区域的方法，包括：

对原始油管灰度图像中像素点的灰度值使用最大类间方差法获取分割阈值，将灰度值大于所述分割阈值的像素点构成的连通域作为荧光特征区域。

3.根据权利要求1所述的一种液压张紧机构油管漏油视觉检测方法，其特征在于，所述根据每个滤波半径下增强油管灰度图像中各荧光特征区域内像素点的灰度值的离散程度，从不同滤波半径中筛选出最大滤波半径的方法，包括：

根据每个滤波半径下增强油管灰度图像中各荧光特征区域内像素点的灰度值的离散程度，获取每个滤波半径下增强油管灰度图像的综合灰度波动度；

当每个滤波半径下增强油管灰度图像的所述综合灰度波动度大于或者等于预设波动阈值时，对滤波半径进行更新，直至更新后的滤波半径下增强油管灰度图像的所述综合灰度波动度小于预设波动阈值时，将更新后的滤波半径作为最大滤波半径。

4.根据权利要求3所述的一种液压张紧机构油管漏油视觉检测方法，其特征在于，所述每个滤波半径下增强油管灰度图像的综合灰度波动度的计算公式如下：

，/>；式中，f为每个滤波半径下增强油管灰度图像的所述综合灰度波动度；/>为每个滤波半径下增强油管灰度图像中第i个荧光特征区域的局部灰度波动度；N为每个滤波半径下增强油管灰度图像中荧光特征区域的总数量；/>为每个滤波半径下增强油管灰度图像中第i个荧光特征区域内像素点的灰度值的最大值；/>为每个滤波半径下增强油管灰度图像中第i个荧光特征区域内像素点的灰度值的最小值；/>为每个滤波半径下增强油管灰度图像中第i个荧光特征区域内第j个像素点的灰度值；/>为每个滤波半径下增强油管灰度图像中第i个荧光特征区域内所有像素点的灰度值的均值；J为每个滤波半径下增强油管灰度图像中第i个荧光特征区域内像素点内像素点的总数量；/>为绝对值函数；Norm为归一化函数。

5.根据权利要求1所述的一种液压张紧机构油管漏油视觉检测方法，其特征在于，所述获取原始油管灰度图像中每个荧光特征区域内每个像素点的邻近荧光区域的方法，包括：

选取原始油管灰度图像中任意一个荧光特征区域作为分析区域，选取分析区域内任意一个像素点作为分析像素点，选取分析像素点的预设邻域范围内除分析像素点外的其余任意一个像素点作为目标像素点；

若目标像素点所属区域为除分析区域外的其余荧光特征区域，则将目标像素点的所属荧光特征区域作为分析像素点的邻近荧光区域；遍历分析像素点的预设邻域范围内除分析像素点外的其余像素点，获取分析像素点的所有邻近荧光区域。

6.根据权利要求5所述的一种液压张紧机构油管漏油视觉检测方法，其特征在于，所述结合原始油管灰度图像中各荧光特征区域内每个像素点的邻近荧光区域的位置分布，以及所述邻近荧光区域的面积，获取原始油管灰度图像中每个荧光特征区域内每个像素点的颗粒密度值的方法，包括：

对于所述分析像素点的每个邻近荧光区域，计算分析像素点与其邻近荧光区域中每个像素点之间的欧式距离，将所述欧式距离中的最小值作为分析像素点与其邻近荧光区域之间的特征距离；

结合分析像素点所属荧光特征区域与其邻近荧光区域内像素点总数量，以及分析像素点与其邻近荧光区域之间的所述特征距离，获取分析像素点的颗粒密度值。

7.根据权利要求6所述的一种液压张紧机构油管漏油视觉检测方法，其特征在于，所述分析像素点的颗粒密度值的计算公式如下：

；式中，/>为分析像素点的颗粒密度值；n为分析像素点所属荧光特征区域内像素点的总数量；为分析像素点的第r个邻近荧光区域内像素点的总数量；R为分析像素点的邻近荧光区域的总数量；/>为分析像素点与其第r个邻近荧光区域之间的所述特征距离。

8.根据权利要求1所述的一种液压张紧机构油管漏油视觉检测方法，其特征在于，所述依据原始油管灰度图像中每个荧光特征区域内像素点的颗粒密度值的分布，获取原始油管灰度图像中每个荧光特征区域的滤波影响度的方法，包括：

对于原始油管灰度图像中每个荧光特征区域，将荧光特征区域内像素点的所述颗粒密度值的极差对应的两个像素点作为基准像素点；将连接两个基准像素点得到的线段作为基准线段；

对于所述荧光特征区域的边缘像素点，将大于第一预设密度阈值的颗粒密度值对应的所述边缘像素点作为荧光特征区域的干燥像素点，将小于第二预设密度阈值的颗粒密度值对应的所述边缘像素点作为荧光特征区域的蔓延像素点；

分别从所述干燥像素点与所述蔓延像素点中任意选取一个像素点作为判断像素点，将连接两个判断像素点得到的线段作为判断线段；若所述判断线段与所述基准线段的斜率相等，则沿最大的颗粒密度值对应的判断像素点指向最小的颗粒密度值对应的判断像素点的方向，将所述判断线段上像素点顺序排列得到所述荧光特征区域的判断序列；

结合原始油管灰度图像中每个荧光特征区域内像素点的所述颗粒密度值，以及所述荧光特征区域的所述判断序列中相邻的两个像素点的颗粒密度值之间的差异，获取原始油管灰度图像中每个荧光特征区域的滤波影响度。

9.根据权利要求8所述的一种液压张紧机构油管漏油视觉检测方法，其特征在于，所述原始油管灰度图像中每个荧光特征区域的滤波影响度的计算公式如下：

；式中，P为原始油管灰度图像中每个荧光特征区域的滤波影响度；/>为原始油管灰度图像中每个荧光特征区域内像素点的颗粒密度值的极差；/>为原始油管灰度图像中每个荧光特征区域内像素点的颗粒密度值的均值；Y为原始油管灰度图像中每个荧光特征区域的所述判断序列的总数量；/>为原始油管灰度图像中每个荧光特征区域的第y个判断序列内像素点的总数量；/>为原始油管灰度图像中每个荧光特征区域的第y个判断序列内第x个像素点的颗粒密度值；/>为原始油管灰度图像中每个荧光特征区域的第y个判断序列内第x+1个像素点的颗粒密度值；/>为绝对值函数；exp为以自然常数e为底数的指数函数。

10.根据权利要求1所述的一种液压张紧机构油管漏油视觉检测方法，其特征在于，所述基于所述滤波影响度对所述最大滤波半径进行调整，得到最佳滤波半径的方法，包括：

将原始油管灰度图像中所有荧光特征区域的所述滤波影响度的均值作为调整系数；

将所述调整系数与所述最大滤波半径的乘积进行取整运算后的结果作为最佳滤波半径；所述最佳滤波半径为奇数。