CN117893527B - 一种新能源储能箱体表面缺陷检测方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及一种新能源储能箱体表面缺陷检测方法，包括：采集新能源储能灰度模板图像以及新能源储能灰度图像；根据新能源储能灰度图像得到噪声参考区域；根据噪声参考区域得到噪声可信因子；根据噪声可信因子得到待滤波像素点；根据待滤波像素点以及噪声可信因子得到滤波像素点；获取未滤波像素点，根据滤波像素点与未滤波像素点得到角点缺陷贡献程度；根据角点缺陷贡献程度得到待识别角点；根据待识别角点在新能源储能灰度模板图像中的位置分布差异情况得到缺陷新能源储能灰度图像。本发明提高了角点识别的准确性，提高了新能源储能箱体的缺陷检测结果的准确性。

Description

一种新能源储能箱体表面缺陷检测方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种新能源储能箱体表面缺陷检测方法。

背景技术

新能源储能箱体在生产过程中为了保证生产质量，需要对新能源储能箱体进行缺陷检测，现有方法通常利用角点检测算法识别出新能源储能箱体图像中的角点，进而完成缺陷检测；但实际的新能源储能箱体图像中会因设备与环境之间的干扰而产生噪声点，干扰缺陷检测的准确性，所以需要对新能源储能箱体图像进行去噪。

现有方法通常利用非局部均值滤波算法对新能源储能箱体图像进行去噪，但在新能源储能箱体图像中的构造结构存在局部的表面纹理较为复杂的情况，导致部分区域利用传统的非局部均值滤波去噪后，会使部分区域内的像素点存在过度去噪或者去噪不足的情况，从而干扰角点识别的准确性，使新能源储能箱体的缺陷检测结果的准确性较低。

发明内容

本发明提供一种新能源储能箱体表面缺陷检测方法，以解决现有的问题：在新能源储能箱体图像中的构造结构存在局部的表面纹理较为复杂的情况，导致部分区域利用传统的非局部均值滤波去噪后，会使部分区域内的像素点存在过度去噪或者去噪不足的情况，无法有效识别准确的角点。

本发明的一种新能源储能箱体表面缺陷检测方法采用如下技术方案：

包括以下步骤：

采集新能源储能灰度模板图像以及若干新能源储能箱体的新能源储能灰度图像；

对新能源储能灰度图像进行区域划分得到若干噪声参考区域；根据噪声参考区域内不同像素点之间的灰度差异，得到每个像素点的噪声可信因子，所述噪声可信因子用于描述像素点属于噪声点的概率；根据噪声可信因子从多个像素点中筛选出若干待滤波像素点；根据待滤波像素点周围区域内像素点的灰度分布差异情况以及噪声可信因子，对多个像素点进行选择滤波得到若干滤波像素点；

将新能源储能灰度图像中除滤波像素点以外的每个像素点记为未滤波像素点，根据滤波像素点与未滤波像素点之间的分布相似情况，得到不同像素点的角点缺陷贡献程度；根据角点缺陷贡献程度对新能源储能灰度图像进行识别得到若干待识别角点；

根据待识别角点在新能源储能灰度模板图像中的位置分布差异情况，对能源储能灰度图像进行检测，得到若干缺陷新能源储能灰度图像。

优选的，所述对新能源储能灰度图像进行区域划分得到若干噪声参考区域，包括的具体方法为：

预设一个窗口大小，将任意一张新能源储能灰度图像中任意一个像素点记为目标像素点，将目标像素点作为窗口中心，获取窗口大小为/>的窗口区域，并将窗口区域记为目标像素点的噪声参考区域。

优选的，所述根据噪声参考区域内不同像素点之间的灰度差异，得到每个像素点的噪声可信因子，包括的具体方法为：

将任意一张新能源储能灰度图像中任意一个像素点记为目标像素点；

式中，表示目标像素点的噪声程度；/>表示新能源储能灰度图像中所有像素点的数量；/>表示在目标像素点的噪声参考区域中，与目标像素点灰度值相等的所有像素点的数量；/>表示目标像素点的噪声参考区域中所有像素点的数量；/>表示目标像素点的灰度值；/>表示目标像素点的噪声参考区域中第/>个像素点的灰度值；/>表示取绝对值；获取所有像素点的噪声程度，将所有噪声程度进行线性归一化，将归一化后的每个噪声程度记为噪声可信因子。

优选的，所述根据噪声可信因子从多个像素点中筛选出若干待滤波像素点，包括的具体方法为：

预设一个噪声可信因子阈值，将噪声可信因子大于/>的像素点记为待滤波像素点。

优选的，所述根据待滤波像素点周围区域内像素点的灰度分布差异情况以及噪声可信因子，对多个像素点进行选择滤波得到若干滤波像素点，包括的具体方法为：

预设两个窗口大小，对于任意一个待滤波像素点，将待滤波像素点作为窗口中心，获取窗口大小为/>的窗口区域，并记为待滤波像素点的搜索参考区域；在待滤波像素点的搜索参考区域中，将除待滤波像素点以外的每个像素点记为搜索参考像素点；对于任意一个搜索参考像素点，将搜索参考像素点作为窗口中心，获取窗口大小为/>的窗口区域，并记为搜索参考像素点的滤波邻域区域；

根据搜索参考像素点的滤波邻域区域内的灰度分布情况以及噪声可信因子，得到搜索参考像素点的区域参考因子；

预设一个区域参考因子阈值，将区域参考因子大于/>的搜索参考像素点记为待滤波像素点的待参考像素点，获取待滤波像素点的所有待参考像素点；将待滤波像素点的噪声参考区域作为目标图像块，将待滤波像素点的每个待参考像素点的滤波邻域区域作为目标图像块的相似块，根据目标图像块以及相似块利用非局部均值滤波算法，对待滤波像素点进行去噪得到滤波后的像素点，并将滤波后的像素点记为滤波像素点。

优选的，所述根据搜索参考像素点的滤波邻域区域内的灰度分布情况以及噪声可信因子，得到搜索参考像素点的区域参考因子，包括的具体方法为：

式中，表示搜索参考像素点的区域参考程度；/>表示搜索参考像素点的噪声可信因子；/>表示在搜索参考像素点的滤波邻域区域中，除搜索参考像素点以外所有像素点的数量；/>表示搜索参考像素点的灰度值；/>表示除搜索参考像素点以外第/>个像素点的灰度值；/>表示预设的超参数；/>表示取绝对值；获取所有搜索参考像素点的区域参考程度，将所有的区域参考程度进行线性归一化，将归一化后的每个区域参考程度记为区域参考因子。

优选的，所述根据滤波像素点与未滤波像素点之间的分布相似情况，得到不同像素点的角点缺陷贡献程度，包括的具体方法为：

预设一个角点窗口大小，将任意一张新能源储能灰度图像均分划分为若干窗口大小为/>的角点窗口区域；对于任意一个角点窗口区域，将角点窗口区域内任意一个滤波像素点的任意一个待参考像素点，将待参考像素点的滤波邻域区域与滤波像素点的噪声参考区域均视为一个图像块，利用非局部均值滤波算法获取待参考像素点的滤波邻域区域与滤波像素点的噪声参考区域的相似性，并记为待参考像素点与滤波像素点的区域相似性；获取所有待参考像素点与滤波像素点的区域相似性；

式中，表示滤波像素点的角点缺陷贡献程度；/>表示滤波像素点的噪声可信因子；/>表示滤波像素点的所有待参考像素点的数量；/>表示第/>个待参考像素点与滤波像素点的区域相似性；/>表示第/>个待参考像素点的区域参考因子；

对于角点窗口区域内任意一个未滤波像素点；

式中，表示未滤波像素点的角点缺陷贡献程度；/>表示未滤波像素点的噪声可信因子；/>表示预设的超参数；/>表示未滤波像素点的灰度值；/>表示标准差为1的一维高斯核函数。

优选的，所述根据角点缺陷贡献程度对新能源储能灰度图像进行识别得到若干待识别角点，包括的具体方法为：

式中，表示任意一个角点窗口区域的箱体角点窗口值；/>表示角点窗口区域内所有滤波像素点的数量；/>表示角点窗口区域内所有未滤波像素点的数量；/>表示角点窗口区域内第/>个滤波像素点的角点缺陷贡献程度；/>表示角点窗口区域内第/>个未滤波像素点的角点缺陷贡献程度；/>表示以自然常数为底的指数函数；

将角点窗口区域的箱体角点窗口值视为窗口函数，根据窗口函数利用Harris角点检测算法获取角点窗口区域内的所有角点，并将每个角点记为待识别角点。

优选的，所述根据待识别角点在新能源储能灰度模板图像中的位置分布差异情况，对能源储能灰度图像进行检测，得到若干缺陷新能源储能灰度图像，包括的具体方法为：

利用Harris角点检测算法获取新能源储能灰度模板图像中所有角点，将每个角点记为模板角点；对于任意一张新能源储能灰度图像，根据新能源储能灰度图像中待识别角点与模板角点之间的分布差异，得到新能源储能灰度图像的缺陷异常程度；

预设一个缺陷异常程度阈值，将缺陷异常程度大于/>的新能源储能灰度图像记为缺陷新能源储能灰度图像。

优选的，所述根据新能源储能灰度图像中待识别角点与模板角点之间的分布差异，得到新能源储能灰度图像的缺陷异常程度，包括的具体方法为：

式中，表示新能源储能灰度图像的缺陷异常程度；/>表示所有模板角点的数量；/>表示新能源储能灰度图像中所有待识别角点的数量；/>表示新能源储能灰度图像中与模板角点位置相同的所有待识别角点的数量；/>表示取绝对值；/>表示线性归一化函数。

本发明的技术方案的有益效果是：根据噪声参考区域内不同像素点之间的灰度差异得到像素点的噪声可信因子；根据噪声可信因子得到待滤波像素点；根据待滤波像素点周围区域内像素点的灰度分布差异情况以及噪声可信因子得到滤波像素点；根据滤波像素点与未滤波像素点之间的分布相似情况，对新能源储能灰度图像进行识别得到待识别角点；根据待识别角点在新能源储能灰度模板图像中的位置分布差异情况，对能源储能灰度图像进行检测，得到缺陷新能源储能灰度图像；本发明的噪声可信因子反映了像素点属于噪声点的概率；本发明通过结合去噪前后像素点对角点检测的影响情况，提高了角点识别的准确性，提高了新能源储能箱体的缺陷检测结果的准确性。

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为本发明一种新能源储能箱体表面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一种新能源储能箱体表面缺陷检测方法，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一种新能源储能箱体表面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一种新能源储能箱体表面缺陷检测方法的步骤流程图，该方法包括以下步骤：

步骤S001：采集新能源储能灰度模板图像以及若干新能源储能箱体的新能源储能灰度图像。

需要说明的是，现有方法通常利用非局部均值滤波算法对新能源储能箱体图像进行去噪，但在新能源储能箱体图像中的构造结构存在局部的表面纹理较为复杂的情况，导致部分区域利用传统的非局部均值滤波去噪后，会使部分区域内的像素点存在过度去噪或者去噪不足的情况，从而干扰角点识别的准确性，使新能源储能箱体的缺陷检测结果的准确性较低。

具体的，首先需要采集新能源储能灰度模板图像以及新能源储能灰度图像，具体过程为：使用工业相机沿同一角度拍摄一个没有缺陷问题的新能源箱体的图像以及若干新能源储能箱体的图像，将没有缺陷问题的新能源箱体的图像记为新能源储能箱体模板图像，将每个新能源储能箱体的图像记为新能源储能箱体图像，将新能源储能箱体模板图像以及每张新能源储能箱体图像进行灰度化处理得到若干灰度图像，将新能源储能箱体模板图像的灰度图像记为新能源储能灰度模板图像，将每张新能源储能箱体图像的灰度图像记为新能源储能灰度图像。另外需要说明的是，灰度化处理是公知技术，本实施例不再赘述。

至此，通过上述方法得到新能源储能灰度模板图像以及所有新能源储能灰度图像。

步骤S002：对新能源储能灰度图像进行区域划分得到若干噪声参考区域；根据噪声参考区域内不同像素点之间的灰度差异，得到每个像素点的噪声可信因子；根据噪声可信因子从多个像素点中筛选出若干待滤波像素点；根据待滤波像素点周围区域内像素点的灰度分布差异情况以及噪声可信因子，对多个像素点进行选择滤波得到若干滤波像素点。

需要说明的是，在实际的新能源储能灰度图像中，噪声点呈随机分布状；对于其中表面纹理较为复杂的区域，由于其区域整体本身的灰度分布情况较为复杂，所以分布在其区域内部的噪声点进行并不能较好地识别而出，从而进行滤波去噪。而对于区域内部的单个噪声点而言，其周围的邻近区域内的灰度分布与该噪声点之间的关联性较大，而与整体区域的灰度分布的关联性较小；为了提高角点识别的准确性，本实施例通过分析不同像素点之间周围区域的灰度分布情况，进行去噪滤波得到滤波像素点，以便后续分析处理。

具体的，预设一个窗口大小，其中本实施例以/>为例进行叙述，本实施例不进行具体限定，其中/>可根据具体实施情况而定；将任意一张新能源储能灰度图像中任意一个像素点记为目标像素点，将该目标像素点作为窗口中心，获取窗口大小为/>的窗口区域，并将该窗口区域记为该目标像素点的噪声参考区域；根据该目标像素点的噪声参考区域内其他像素点的灰度分布情况，得到该目标像素点的噪声程度。另外需要说明的是，若该目标像素点周围实际存在的窗口大小不满足预设的/>，那么将该目标像素点周围实际存在的窗口大小的区域作为该目标像素点的噪声参考区域。作为一种示例，可通过如下公式计算该目标像素点的噪声程度：

式中，表示该目标像素点的噪声程度；/>表示该新能源储能灰度图像中所有像素点的数量；/>表示在该目标像素点的噪声参考区域中，与该目标像素点灰度值相等的所有像素点的数量；/>表示该目标像素点的噪声参考区域中所有像素点的数量；/>表示该目标像素点的灰度值；/>表示该目标像素点的噪声参考区域中第/>个像素点的灰度值；/>表示取绝对值。其中若该目标像素点的噪声程度越大，说明目标像素点与周围区域的灰度差异越明显，反映该目标像素点越有可能属于噪声点。获取所有像素点的噪声程度，将所有噪声程度进行线性归一化，将归一化后的每个噪声程度记为噪声可信因子。

进一步的，预设一个噪声可信因子阈值，其中本实施例以/>为例进行叙述，本实施例不进行具体限定，其中/>可根据具体实施情况而定；将噪声可信因子大于/>的像素点记为待滤波像素点，获取所有待滤波像素点。

进一步的，预设两个窗口大小，其中本实施例以/>为例进行叙述，本实施例不进行具体限定，其中/>可根据具体实施情况而定；以任意一个待滤波像素点为例，将该待滤波像素点作为窗口中心，获取窗口大小为/>的窗口区域，并将该窗口区域记为该待滤波像素点的搜索参考区域；在该待滤波像素点的搜索参考区域中，将除该待滤波像素点以外的每个像素点记为搜索参考像素点；以任意一个搜索参考像素点为例，将该搜索参考像素点作为窗口中心，获取窗口大小为/>的窗口区域，并将该窗口区域记为该搜索参考像素点的滤波邻域区域。其中每个待滤波像素点对应一个搜索参考区域，每个待滤波像素点对应多个搜索参考像素点，每个搜索参考像素点对应一个滤波邻域区域。需要说明的是，若该待滤波像素点周围实际存在的窗口大小不满足预设的/>，那么将该待滤波像素点周围实际存在的窗口大小的区域作为该待滤波像素点的搜索参考区域；若该搜索参考像素点周围实际存在的窗口大小不满足预设的/>，那么将该搜索参考像素点周围实际存在的窗口大小的区域作为该搜索参考像素点的搜索参考区域；另外本实施例中预设的/>需要大于预设的/>。

进一步的，根据该搜索参考像素点的滤波邻域区域内的灰度分布情况，得到该搜索参考像素点的区域参考程度。作为一种示例，可通过如下公式计算该搜索参考像素点的区域参考程度：

式中，表示该搜索参考像素点的区域参考程度；/>表示该搜索参考像素点的噪声可信因子；/>表示在该搜索参考像素点的滤波邻域区域中，除该搜索参考像素点以外所有像素点的数量；/>表示该搜索参考像素点的灰度值；/>表示除该搜索参考像素点以外第个像素点的灰度值；/>表示预设的超参数，本实施例预设/>，用于防止分母为0；/>表示取绝对值。其中若该搜索参考像素点的区域参考程度越大，说明该搜索参考像素点的滤波邻域区域与该待滤波像素点的噪声参考区域之间纹理特征分布情况越相似，反映该搜索参考像素点的滤波邻域区域对该待滤波像素点的参考价值越大。获取所有搜索参考像素点的区域参考程度，将所有的区域参考程度进行线性归一化，将归一化后的每个区域参考程度记为区域参考因子。

进一步的，预设一个区域参考因子阈值，其中本实施例以/>为例进行叙述，本实施例不进行具体限定，其中/>可根据具体实施情况而定；将区域参考因子大于/>的搜索参考像素点记为该待滤波像素点的待参考像素点，获取该待滤波像素点的所有待参考像素点；将该待滤波像素点的噪声参考区域作为目标图像块，将该待滤波像素点的每个待参考像素点的滤波邻域区域作为目标图像块的相似块，根据目标图像块以及相似块对该待滤波像素点进行去噪得到滤波后的像素点，并将滤波后的像素点记为滤波像素点，获取所有滤波像素点。其中每个待滤波像素点对应一个滤波像素点，每个滤波像素点对应多个待参考像素点；另外，根据目标图像块以及相似块对像素点进行去噪的过程是非局部均值滤波算法的公知内容，本实施例不再赘述。

至此，通过上述方法得到所有滤波像素点。

步骤S003：获取未滤波像素点，根据滤波像素点与未滤波像素点之间的分布相似情况，得到不同像素点的角点缺陷贡献程度；根据角点缺陷贡献程度对新能源储能灰度图像进行识别得到若干待识别角点。

需要说明的是，在对存在噪声程度较大的像素点进行滤波去噪，获取若干滤波像素点后；这些灰度值发生一定变化的滤波像素点会对角点的检测产生一定的影响，同时这些滤波像素点会与其他未进行滤波的像素点综合表达的纹理特征也会发生一定程度的改变；为了提高新能源储能箱体表面缺陷检测的准确性，本实施例通过分析滤波像素点与其他像素点对角点检测的影响，获取待识别角点，以便后续进行缺陷检测。

具体的，预设一个角点窗口大小，其中本实施例以/>为例进行叙述，本实施例不进行具体限定，其中/>可根据具体实施情况而定；将该新能源储能灰度图像均分划分为若干窗口大小为/>的角点窗口区域；以任意一个角点窗口区域为例，将该角点窗口区域内任意一个滤波像素点的任意一个待参考像素点为例，将该待参考像素点的滤波邻域区域与该滤波像素点的噪声参考区域均视为一个图像块，获取该待参考像素点的滤波邻域区域与该滤波像素点的噪声参考区域的相似性，并将该相似性记为该待参考像素点与该滤波像素点的区域相似性；获取所有待参考像素点与该滤波像素点的区域相似性；根据所有待参考像素点的区域参考因子以及所有待参考像素点与该滤波像素点的区域相似性，得到该滤波像素点的角点缺陷贡献程度。其中获取两个图像块之间的相似性是非局部均值滤波算法的公知内容，本实施例不再赘述。另外需要说明的是，若该新能源储能灰度图像实际剩余的区域大小不满足预设的/>，那么以该新能源储能灰度图像实际剩余的区域大小的区域记为一个角点窗口区域。作为一种示例，可通过如下公式计算该滤波像素点的角点缺陷贡献程度：

式中，表示该滤波像素点的角点缺陷贡献程度；/>表示该滤波像素点的噪声可信因子；/>表示该滤波像素点的所有待参考像素点的数量；/>表示第/>个待参考像素点与该滤波像素点的区域相似性；/>表示第/>个待参考像素点的区域参考因子。其中若该滤波像素点的角点缺陷贡献程度越大，说明该滤波像素点对该角点窗口区域的角点识别影响越大。获取所有滤波像素点的角点缺陷贡献程度。

进一步的，将该新能源储能灰度图像中除滤波像素点以外的每个像素点记为未滤波像素点；以该角点窗口区域内任意一个未滤波像素点为例，根据该未滤波像素点的噪声可信因子得到该未滤波像素点的角点缺陷贡献程度：

式中，表示该未滤波像素点的角点缺陷贡献程度；/>表示该未滤波像素点的噪声可信因子；/>表示预设的超参数，本实施例预设/>，用于防止分母为0；/>表示该未滤波像素点的灰度值；/>表示标准差为1的一维高斯核函数。其中若该未滤波像素点的角点缺陷贡献程度越大，说明该未滤波像素点对该角点窗口区域的角点识别影响越大。获取所有未滤波像素点的角点缺陷贡献程度。

进一步的，根据该角点窗口区域内所有滤波像素点的角点缺陷贡献程度以及所有未滤波像素点的角点缺陷贡献程度，得到该角点窗口区域的箱体角点窗口值。作为一种示例，可通过如下公式计算该角点窗口区域的箱体角点窗口值：

式中，表示该角点窗口区域的箱体角点窗口值；/>表示该角点窗口区域内所有滤波像素点的数量；/>表示该角点窗口区域内所有未滤波像素点的数量；/>表示该角点窗口区域内第/>个滤波像素点的角点缺陷贡献程度；/>表示该角点窗口区域内第/>个未滤波像素点的角点缺陷贡献程度；/>表示以自然常数为底的指数函数，实施例采用/>模型来呈现反比例关系及归一化处理，/>为模型的输入，实施者可根据实际情况选择反比例函数及归一化函数。其中若该角点窗口区域的箱体角点窗口值越大，说明该角点窗口区域内像素点对该角点窗口区域的影响越大。

进一步的，将该角点窗口区域的箱体角点窗口值视为窗口函数，根据窗口函数获取该角点窗口区域内的所有角点，并将每个角点记为待识别角点；获取该新能源储能灰度图像中所有待识别角点。其中根据窗口函数获取角点的过程是Harris角点检测算法的公知内容，本实施例不再赘述。

至此，通过上述方法得到所有待识别角点。

步骤S004：根据待识别角点在新能源储能灰度模板图像中的位置分布差异情况，对能源储能灰度图像进行检测，得到若干缺陷新能源储能灰度图像。

具体的，利用Harris角点检测算法获取新能源储能灰度模板图像中所有角点，将每个角点记为模板角点；根据该新能源储能灰度图像中待识别角点与模板角点之间的分布差异，得到该新能源储能灰度图像的缺陷异常程度。作为一种示例，可通过如下公式计算该新能源储能灰度图像的缺陷异常程度：

式中，表示该新能源储能灰度图像的缺陷异常程度；/>表示所有模板角点的数量；/>表示该新能源储能灰度图像中所有待识别角点的数量；/>表示该新能源储能灰度图像中与模板角点位置相同的所有待识别角点的数量；/>表示取绝对值；/>表示线性归一化函数。其中若该新能源储能灰度图像的缺陷异常程度越大，说明该新能源储能灰度图像与新能源储能灰度模板图像之间的纹理差异越大，反映该新能源储能灰度图像发生形变的可能性越大。

进一步的，预设一个缺陷异常程度阈值，其中本实施例以/>为例进行叙述，本实施例不进行具体限定，其中/>可根据具体实施情况而定；将缺陷异常程度大于/>的新能源储能灰度图像记为缺陷新能源储能灰度图像，并对缺陷新能源储能灰度图像进行预警，完成新能源储能箱体表面的缺陷检测。

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)

1.一种新能源储能箱体表面缺陷检测方法，其特征在于，该方法包括以下步骤：

采集新能源储能灰度模板图像以及若干新能源储能箱体的新能源储能灰度图像；

对新能源储能灰度图像进行区域划分得到若干噪声参考区域；根据噪声参考区域内不同像素点之间的灰度差异，得到每个像素点的噪声可信因子，所述噪声可信因子用于描述像素点属于噪声点的概率；根据噪声可信因子从多个像素点中筛选出若干待滤波像素点；根据待滤波像素点周围区域内像素点的灰度分布差异情况以及噪声可信因子，对多个像素点进行选择滤波得到若干滤波像素点；

将新能源储能灰度图像中除滤波像素点以外的每个像素点记为未滤波像素点，根据滤波像素点与未滤波像素点之间的分布相似情况，得到不同像素点的角点缺陷贡献程度；根据角点缺陷贡献程度对新能源储能灰度图像进行识别得到若干待识别角点；

根据待识别角点在新能源储能灰度模板图像中的位置分布差异情况，对能源储能灰度图像进行检测，得到若干缺陷新能源储能灰度图像；

所述根据噪声参考区域内不同像素点之间的灰度差异，得到每个像素点的噪声可信因子，包括的具体方法为：

将任意一张新能源储能灰度图像中任意一个像素点记为目标像素点；

式中，表示目标像素点的噪声程度；/>表示新能源储能灰度图像中所有像素点的数量；/>表示在目标像素点的噪声参考区域中，与目标像素点灰度值相等的所有像素点的数量；/>表示目标像素点的噪声参考区域中所有像素点的数量；/>表示目标像素点的灰度值；表示目标像素点的噪声参考区域中第/>个像素点的灰度值；/>表示取绝对值；获取所有像素点的噪声程度，将所有噪声程度进行线性归一化，将归一化后的每个噪声程度记为噪声可信因子；

所述根据待滤波像素点周围区域内像素点的灰度分布差异情况以及噪声可信因子，对多个像素点进行选择滤波得到若干滤波像素点，包括的具体方法为：

预设两个窗口大小，对于任意一个待滤波像素点，将待滤波像素点作为窗口中心，获取窗口大小为/>的窗口区域，并记为待滤波像素点的搜索参考区域；在待滤波像素点的搜索参考区域中，将除待滤波像素点以外的每个像素点记为搜索参考像素点；对于任意一个搜索参考像素点，将搜索参考像素点作为窗口中心，获取窗口大小为/>的窗口区域，并记为搜索参考像素点的滤波邻域区域；

根据搜索参考像素点的滤波邻域区域内的灰度分布情况以及噪声可信因子，得到搜索参考像素点的区域参考因子；

预设一个区域参考因子阈值，将区域参考因子大于/>的搜索参考像素点记为待滤波像素点的待参考像素点，获取待滤波像素点的所有待参考像素点；将待滤波像素点的噪声参考区域作为目标图像块，将待滤波像素点的每个待参考像素点的滤波邻域区域作为目标图像块的相似块，根据目标图像块以及相似块利用非局部均值滤波算法，对待滤波像素点进行去噪得到滤波后的像素点，并将滤波后的像素点记为滤波像素点；

所述根据滤波像素点与未滤波像素点之间的分布相似情况，得到不同像素点的角点缺陷贡献程度，包括的具体方法为：

预设一个角点窗口大小，将任意一张新能源储能灰度图像均分划分为若干窗口大小为/>的角点窗口区域；对于任意一个角点窗口区域，将角点窗口区域内任意一个滤波像素点的任意一个待参考像素点，将待参考像素点的滤波邻域区域与滤波像素点的噪声参考区域均视为一个图像块，利用非局部均值滤波算法获取待参考像素点的滤波邻域区域与滤波像素点的噪声参考区域的相似性，并记为待参考像素点与滤波像素点的区域相似性；获取所有待参考像素点与滤波像素点的区域相似性；

式中，表示滤波像素点的角点缺陷贡献程度；/>表示滤波像素点的噪声可信因子；/>表示滤波像素点的所有待参考像素点的数量；/>表示第/>个待参考像素点与滤波像素点的区域相似性；/>表示第/>个待参考像素点的区域参考因子；

对于角点窗口区域内任意一个未滤波像素点；

式中，表示未滤波像素点的角点缺陷贡献程度；/>表示未滤波像素点的噪声可信因子；/>表示预设的超参数；/>表示未滤波像素点的灰度值；/>表示标准差为1的一维高斯核函数。

2.根据权利要求1所述一种新能源储能箱体表面缺陷检测方法，其特征在于，所述对新能源储能灰度图像进行区域划分得到若干噪声参考区域，包括的具体方法为：

预设一个窗口大小，将任意一张新能源储能灰度图像中任意一个像素点记为目标像素点，将目标像素点作为窗口中心，获取窗口大小为/>的窗口区域，并将窗口区域记为目标像素点的噪声参考区域。

3.根据权利要求1所述一种新能源储能箱体表面缺陷检测方法，其特征在于，所述根据噪声可信因子从多个像素点中筛选出若干待滤波像素点，包括的具体方法为：

预设一个噪声可信因子阈值，将噪声可信因子大于/>的像素点记为待滤波像素点。

4.根据权利要求1所述一种新能源储能箱体表面缺陷检测方法，其特征在于，所述根据搜索参考像素点的滤波邻域区域内的灰度分布情况以及噪声可信因子，得到搜索参考像素点的区域参考因子，包括的具体方法为：

式中，表示搜索参考像素点的区域参考程度；/>表示搜索参考像素点的噪声可信因子；/>表示在搜索参考像素点的滤波邻域区域中，除搜索参考像素点以外所有像素点的数量；/>表示搜索参考像素点的灰度值；/>表示除搜索参考像素点以外第/>个像素点的灰度值；/>表示预设的超参数；/>表示取绝对值；获取所有搜索参考像素点的区域参考程度，将所有的区域参考程度进行线性归一化，将归一化后的每个区域参考程度记为区域参考因子。

5.根据权利要求1所述一种新能源储能箱体表面缺陷检测方法，其特征在于，所述根据角点缺陷贡献程度对新能源储能灰度图像进行识别得到若干待识别角点，包括的具体方法为：

式中，表示任意一个角点窗口区域的箱体角点窗口值；/>表示角点窗口区域内所有滤波像素点的数量；/>表示角点窗口区域内所有未滤波像素点的数量；/>表示角点窗口区域内第/>个滤波像素点的角点缺陷贡献程度；/>表示角点窗口区域内第/>个未滤波像素点的角点缺陷贡献程度；/>表示以自然常数为底的指数函数；

将角点窗口区域的箱体角点窗口值视为窗口函数，根据窗口函数利用Harris角点检测算法获取角点窗口区域内的所有角点，并将每个角点记为待识别角点。

6.根据权利要求1所述一种新能源储能箱体表面缺陷检测方法，其特征在于，所述根据待识别角点在新能源储能灰度模板图像中的位置分布差异情况，对能源储能灰度图像进行检测，得到若干缺陷新能源储能灰度图像，包括的具体方法为：

利用Harris角点检测算法获取新能源储能灰度模板图像中所有角点，将每个角点记为模板角点；对于任意一张新能源储能灰度图像，根据新能源储能灰度图像中待识别角点与模板角点之间的分布差异，得到新能源储能灰度图像的缺陷异常程度；

预设一个缺陷异常程度阈值，将缺陷异常程度大于/>的新能源储能灰度图像记为缺陷新能源储能灰度图像。

7.根据权利要求6所述一种新能源储能箱体表面缺陷检测方法，其特征在于，所述根据新能源储能灰度图像中待识别角点与模板角点之间的分布差异，得到新能源储能灰度图像的缺陷异常程度，包括的具体方法为：

式中，表示新能源储能灰度图像的缺陷异常程度；/>表示所有模板角点的数量；/>表示新能源储能灰度图像中所有待识别角点的数量；/>表示新能源储能灰度图像中与模板角点位置相同的所有待识别角点的数量；/>表示取绝对值；/>表示线性归一化函数。