CN117974639A - 基于图像数据的密封胶异常状态检测方法 - Google Patents

Abstract

本发明涉及密封胶异常检测技术领域，具体涉及一种基于图像数据的密封胶异常状态检测方法。该发明以像素点之间的相对方向以及相对距离的预设条件，构建灰度共生矩阵；进而获得窗口内的纹理信息程度；获得对应的权重修正因子；结合每个窗口内高亮像素点数量和梯度分布特征以及每个像素点的梯度方向与对应相对方向的差异，获得窗口内每个纹理信息程度的权重；进一步获得窗口内的可能异常程度；结合每个像素点的梯度特征和邻域范围内灰度波动特征以及位置特征，获得窗口内的老化程度；获得密封胶区域的状态异常程度；对密封胶进行检测。本发明通过获得密封胶区域中不同位置准确的老化程度，及时检测早期老化迹象，提高异常状态检测的准确性。

Description

基于图像数据的密封胶异常状态检测方法

技术领域

本发明涉及密封胶异常检测技术领域，具体涉及一种基于图像数据的密封胶异常状态检测方法。

背景技术

密封胶是一种用于填充、密封和粘结的材料，主要应用于建筑、汽车、航空航天等方面，能够有效的防止气体、液体和固体物质的渗漏或泄露，提供足够的密封性能。由于密封胶的使用场景不一并且不同密封胶的原料存在差异，因此当密封胶使用时间过长时会出现老化开裂的情况，从而导致密封胶的密封、保护性能开始降低，在某些场景下会导致不安全因素的出现，因此需要对密封胶的状态进行检测，判断其是否存在异常。

现有技术中，通常根据图像中的灰度特征分析得到密封胶的老化开裂程度，但是由于不同场景下密封胶老化的特征存在差异，且对于图像中小尺度的密封胶老化开裂的敏感程度较低，忽视了图像中密封胶老化开裂的早期老化迹象；未能获得密封胶区域中不同位置准确的老化程度，早期老化迹象检测的及时性较差，异常状态检测的准确性较低，无法及时预防事故发生。

发明内容

为了解决未能获得密封胶区域中不同位置准确的老化程度，异常检测的及时性较差的技术问题，本发明的目的在于提供一种基于图像数据的密封胶异常状态检测方法，所采用的技术方案具体如下：

本发明提出了一种基于图像数据的密封胶异常状态检测方法，所述方法包括：

获取含有密封胶区域的待检测灰度图像；

在密封胶区域中，构建以每个像素点为中心的窗口；根据每个窗口内像素点之间灰度级别的分布情况，获得不同预设条件下每个窗口的灰度共生矩阵；所述预设条件包括像素点之间的相对方向以及相对距离；

根据每个预设条件下每个窗口的灰度共生矩阵中元素值以及对应灰度级别之间的差异，获得每个预设条件下每个窗口内的纹理信息程度；根据每个相对方向的预设条件下每个窗口内纹理信息程度的变化趋势以及对应相对距离的大小，获得每个窗口内每个纹理信息程度的权重修正因子；获取密封胶区域内的高亮像素点，根据每个窗口内每个纹理信息程度的所述权重修正因子、所述高亮像素点的数量和梯度分布特征以及每个像素点的梯度方向与对应相对方向的差异，获得每个窗口内每个纹理信息程度的权重；

根据每个窗口内的每个纹理信息程度和对应权重，获得每个窗口内的可能异常程度；根据每个窗口中的可能异常程度、每个像素点的梯度特征和邻域范围内的灰度波动特征以及位置特征，获得每个窗口内的老化程度；根据密封胶区域内每个窗口内的老化程度获得密封胶区域的状态异常程度；

根据密封胶区域的所述状态异常程度对密封胶进行检测。

进一步地，所述密封胶区域的获取方法包括：

利用边缘检测算法对待检测灰度图像进行处理，获得待检测灰度图像中的边缘；采用轮廓追踪算法对边缘进行处理，获得边缘包围的多个轮廓区域；将边缘包围的最大的轮廓区域在待检测灰度图像中对应的位置，作为密封胶区域。

进一步地，所述灰度共生矩阵的获取方法包括：

在不同预设条件下，以像素点的灰度级别作为构建灰度共生矩阵的维度；根据窗口内像素点之间灰度级别出现的次数，作为构成灰度共生矩阵对应维度的元素。

进一步地，所述纹理信息程度的获取方法包括：

对于每个预设条件下，计算灰度共生矩阵中每个元素对应灰度级别之间差值的平方，获得第一差异值；

将灰度共生矩阵中的每个元素值进行归一化，计算归一化结果与第一差异值之间的乘积，作为第一程度值；

计算灰度共生矩阵中所有元素的第一程度值的累加值，获得窗口内的纹理信息程度。

进一步地，所述权重修正因子的获取方法包括：

在每个相对方向的不同预设条件下，获取窗口内的所述纹理信息程度中最大的纹理信息程度；将最大纹理信息程度对应的相对距离作为第一距离；

计算窗口内的最大纹理信息程度和窗口内的每个所述纹理信息程度之间的差异，作为程度差值；计算所述程度差值、第一距离以及对应相对距离的乘积，将乘积结果与预设常数相加，获得第一特征值；

计算窗口内的每个纹理信息程度比上对应第一特征值的比值，获得窗口内每个纹理信息程度的权重修正因子。

进一步地，所述权重的获取方法包括：

计算待检测灰度图像中所有像素点的灰度均值，将待检测灰度图像的所述边缘上边缘像素点的灰度值大于灰度均值的边缘像素点作为高亮像素点；

根据权重的获取公式获得权重，权重的获取公式为：

；其中，/>表示在像素点之间相对距离/>、相对方向/>的预设条件；/>表示在像素点之间相对距离/>、相对方向/>的预设条件下窗口/>内的纹理信息程度对应的权重；/>表示在像素点之间相对距离/>、相对方向/>的预设条件下窗口/>内纹理信息程度的权重修正因子；/>表示窗口/>中第/>个像素点的梯度方向；/>表示窗口/>内第/>个高亮像素点的梯度方向；/>表示窗口/>内所有高亮像素点的梯度方向均值；/>表示窗口/>内高亮像素点的数量；/>表示窗口/>内像素点的数量；/>表示调节参数。

进一步地，所述可能异常程度的获取方法包括：

将窗口内每个纹理信息程度的所述权重进行归一化，计算归一化结果与窗口内的每个所述纹理信息程度的乘积，作为第一乘积值；将所有第一乘积值进行累加，获得窗口内的可能异常程度。

进一步地，所述老化程度对应为第一老化程度或者第二老化程度；

计算窗口内每个像素点邻域范围内所有像素点的灰度值方差，作为灰度波动特征；计算每个像素点的灰度波动特征与梯度值的绝对值之和，作为第一和值；并对所有像素点的第一和值进行求均值，获得第一老化值；

对于包含密封胶区域边缘的窗口，计算窗口内密封胶区域边缘上像素点之间的梯度值差异，作为梯度差值，对所有梯度差值累加，获得第二老化值；计算第一老化值与第二老化值之和，作为第二和值；计算第二和值与可能异常程度的乘积，获得第一老化程度；

对于不包含密封区域边缘的窗口，计算第一老化值与可能异常程度的乘积，获得第二老化程度。

进一步地，状态异常程度的获取方法包括：

计算所有窗口内的所述老化程度之和，并进行归一化，获得密封胶区域的状态异常程度。

进一步地，所述预设常数为1。

本发明具有如下有益效果：

本发明为了简化处理过程，提高处理效率，在密封胶区域中，构建以每个像素点为中心的窗口；根据每个窗口内像素点之间灰度级别的分布情况，获得不同预设条件下每个窗口的灰度共生矩阵；预设条件包括像素点之间的相对方向以及相对距离，通过改变灰度共生矩阵的构建方式，可以捕捉到不同的纹理信息；根据每个预设条件下每个窗口的灰度共生矩阵中元素值以及对应灰度级别之间的差异，获得每个预设条件下每个窗口内的纹理信息程度，有效提取出密封胶老化或其他异常状态相关的特征；根据每个相对方向的预设条件下每个窗口内纹理信息程度的变化趋势以及对应相对距离的大小，获得每个窗口内每个纹理信息程度的权重修正因子，对较小尺度的纹理有更好的提取特征；获取密封胶区域内的高亮像素点，根据每个窗口内每个纹理信息程度的权重修正因子、高亮像素点的数量和梯度分布特征以及每个像素点的梯度方向与对应相对方向的差异，获得每个窗口内每个纹理信息程度的权重，准确的调整小尺度开裂的纹理信息程度，提高检测的及时性；根据窗口内的每个纹理信息程度和对应权重，获得窗口内的可能异常程度，初步分析窗口发生异常的可能性；根据窗口中的可能异常程度、每个像素点的梯度特征和邻域范围内的灰度波动特征以及位置特征，获得窗口内的老化程度，更准确判断每个窗口老化开裂的程度；根据密封胶区域内每个窗口内的老化程度获得密封胶区域的状态异常程度，综合考虑每个窗口的老化程度，获得更全面的密封胶区域状态异常程度评估，更准确的了解密封胶的状态和潜在问题；根据密封胶区域的状态异常程度对密封胶进行检测，可以确保其质量和性能满足使用要求，提高设备或系统的安全性。本发明通过获得密封胶区域中不同位置准确的老化程度，能够及时检测早期老化迹象，提高异常状态检测的准确性。

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基于图像数据的密封胶异常状态检测方法的流程图。

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基于图像数据的密封胶异常状态检测方法，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基于图像数据的密封胶异常状态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基于图像数据的密封胶异常状态检测方法的流程图，具体方法包括：

步骤S1：获取含有密封胶区域的待检测灰度图像。

在本发明的实施例中，考虑到密封胶使用时间过长会出现老化开裂的情况，导致密封胶的密封、保护性能开始降低，出现不安全的因素，为了对密封胶的状态进行检测，有效预防不安全因素，在正常的光照环境下利用工业相机对含有密封胶区域的位置进行图像采集，获取含有密封胶区域的待检测灰度图像。

在本发明的一个实施例中，为了方便后续图像处理过程，对采集图像进行预处理操作，获得待检测灰度图像，增强图像的质量，然后对处理后的图像进行分析。需要说明的是图像预处理操作为本领域技术人员熟知的一个技术手段，可根据具体实施场景具体设置。在本发明的一个实施例中采用灰度化算法对待检测图像进行处理，突出图像的轮廓和细节，使得图像更加清晰，更易于进行特征提取和图像识别等操作。具体灰度化算法为本领域技术人员熟知的技术手段，在此不做赘述。

由于在待检测灰度图像中会存在大量非密封胶区域，影响后续的处理，为了尽可能的降低对小尺度老化开裂识别的影响，对密封胶区域进行分析。

优选地，在本发明的一个实施例中，密封胶区域的获取方法包括：

利用边缘检测算法对待检测灰度图像进行处理，获得待检测灰度图像中的边缘；采用轮廓追踪算法对边缘进行处理，获得边缘包围的多个轮廓区域；将边缘包围的最大的轮廓区域在待检测灰度图像中对应的位置，作为密封胶区域。

需要说明的是，具体边缘检测算法和轮廓追踪算法为本领域技术人员熟知的技术手段，在此不做赘述。

步骤S2：在密封胶区域中，构建以每个像素点为中心的窗口；根据每个窗口内像素点之间灰度级别的分布情况，获得不同预设条件下每个窗口的灰度共生矩阵；预设条件包括像素点之间的相对方向以及相对距离。

为了避免受到其他干扰噪声的影响，对图像细节进行分析，在密封胶区域中，构建以每个像素点为中心的窗口。

需要说明的是，在本发明的一个实施例中，窗口的大小为9×9；对于密封胶区域内像素点无法构建完整的窗口时，仅保留处于密封胶区域的像素点构成窗口。在本发明的其他实施例中，窗口的大小可根据具体情况具体设置，在此不做限定及赘述。

灰度共生矩阵可以反映像素点之间的灰度级别关系和分布情况，相对方向和相对距离的选择可以捕捉到图像中不同方向的纹理信息和不同的空间关系；通过分析不同方向和距离下的灰度共生矩阵，可以捕捉到不同的纹理信息，获得更全面的纹理特征描述，从而揭示图像中的纹理模式，提取图像的纹理特征。像素点之间灰度级别的分布越多，对应的纹理信息一致的越多，纹理信息程度越大；根据窗口内像素点之间灰度级别的分布情况，获得不同预设条件下窗口的灰度共生矩阵；预设条件包括像素点之间的相对方向以及相对距离。

优选地，在本发明的一个实施例中，灰度共生矩阵的获取方法包括：

在不同预设条件下，以像素点的灰度级别作为构建灰度共生矩阵的维度；根据窗口内像素点之间灰度级别出现的次数，作为构成灰度共生矩阵对应维度的元素。

需要说明的是，在本发明的一个实施例中，预设条件中像素点之间的相对方向为四个方向；相对距离为像素点之间其他像素点的数量，取/>。

步骤S3：根据每个预设条件下每个窗口的灰度共生矩阵中元素值以及对应灰度级别之间的差异，获得每个预设条件下每个窗口内的纹理信息程度；根据每个相对方向的预设条件下每个窗口内纹理信息程度的变化趋势以及对应相对距离的大小，获得每个窗口内每个纹理信息程度的权重修正因子；获取密封胶区域内的高亮像素点，根据每个窗口内每个纹理信息程度的权重修正因子、高亮像素点的数量和梯度分布特征以及每个像素点的梯度方向与对应相对方向的差异，获得每个窗口内每个纹理信息程度的权重。

纹理是图像的一种基本属性，通过分析纹理信息程度，可以有效提取出密封胶老化或其他异常状态相关的特征。由于密封胶老化开裂区域表现为低灰度的区域，与密封胶表面颜色存在较大差异；当不同预设方向下像素点之间的灰度级别差异越大，在窗口中分布的越多，其纹理在图像中的窗口区域内越具有越强的对比度，纹理信息程度越大。通过分析灰度共生矩阵，可以提取出图像中的纹理信息，所以根据每个预设条件下窗口的灰度共生矩阵中元素值以及对应灰度级别之间的差异，获得每个预设条件下窗口内的纹理信息程度。

优选地，在本发明的一个实施例中，纹理信息程度的获取方法包括：

对于每个预设条件下，计算灰度共生矩阵中每个元素对应灰度级别之间差值的平方，获得第一差异值；将灰度共生矩阵中的每个元素值进行归一化，计算归一化结果与第一差异值之间的乘积，作为第一程度值；计算灰度共生矩阵中所有元素的第一程度值的累加值，获得窗口内的纹理信息程度。在本发明的一个实施例中，纹理信息程度的公式表示为：

；

其中，表示在像素点之间相对距离/>、相对方向/>的预设条件；/>表示在像素点之间相对距离/>、相对方向/>的预设条件下窗口/>的纹理信息程度；/>表示灰度共生矩阵中/>方向对应的第/>个灰度级别；/>表示灰度共生矩阵中/>方向对应的第/>个灰度级别；/>表示灰度共生矩阵中/>方向对应的第/>个灰度级别和/>方向对应的第/>个灰度级别对应的位置；/>表示在像素点之间相对距离/>、相对方向/>的预设条件下的灰度共生矩阵中处于/>位置上的元素值；/>表示灰度级别的数量。

在纹理信息程度的公式中，表示第一差异值；第一差异值越大，对应灰度级别之间的差异越大，像素点之间表现出来的特征差别越大，像素点之间的对比度越大，纹理信息程度越大；当灰度共生矩阵中每个位置上的元素值/>越大，即在窗口中出现的概率越大，可以提供越多的纹理信息，纹理信息程度越大。

需要说明的是，由于灰度图像中的每个像素点都有一个灰度值，计算比较复杂，通过减少灰度级别，可以突出图像中的对比度，使得某些特征更加明显，有利于加快处理速度；在本发明的一个实施例中，将窗口内所有像素点的灰度值归一化，并将归一化后的灰度值取值范围均分为预设数量份，每一份对应一个灰度级别，获得窗口内每个像素点的灰度级别；预设数量为8，即将窗口中像素点的灰度值映射到8个灰度级别中，取1-8。在本发明的其他实施例中，预设数量的大小可根据具体情况具体设置，在此不做限定即赘述。

密封胶的老化可能从边缘开始，并逐渐向中心扩散，导致纹理信息在某一方向上的变化更为明显，更准确地判断开裂的发展方向；为了对较小尺度的纹理有更好的提取特征，提高早起老化迹象的检测及时性，相对距离越小，越需要表现出更大的纹理信息程度，权重修正因子越大；所以根据每个相对方向的预设条件下窗口内的纹理信息程度的变化趋势以及对应相对距离的大小，获得每个窗口内每个纹理信息程度的权重修正因子。

优选地，在本发明的一个实施例中，权重修正因子的获取方法包括：

在每个相对方向的不同预设条件下，获取窗口内的纹理信息程度中最大的纹理信息程度；将最大纹理信息程度对应的相对距离作为第一距离；计算窗口内的最大纹理信息程度和窗口内的每个纹理信息程度之间的差异，作为程度差值；计算程度差值、第一距离以及对应相对距离的乘积，将乘积结果与预设常数相加，获得第一特征值；计算窗口内的每个纹理信息程度比上对应第一特征值的比值，获得窗口内每个纹理信息程度的权重修正因子。在本发明的一个实施例中，权重修正因子的获取方法包括：

；

其中，表示在像素点之间相对距离/>、相对方向/>的预设条件；/>表示在像素点之间相对距离/>、相对方向/>的预设条件下窗口内的纹理信息程度的权重修正因子；表示在像素点之间相对距离/>、相对方向/>的预设条件下窗口/>的纹理信息程度；表示在像素点之间相对方向/>的预设条件下窗口/>内的最大纹理信息程度；表示在像素点之间相对方向/>的预设条件下最大纹理信息程度对应的第一距离；/>表示预设常数。

在权重修正因子的公式中，表示在像素点之间相对方向/>的预设条件下窗口/>内的最大纹理信息程度与在像素点之间相对距离/>、相对方向/>的预设条件下窗口/>的纹理信息程度之间的差异，差异越小，对应的纹理信息程度越大，越有可能是老化开裂区域；当纹理信息程度越大，对应的相对距离越小时，越可能是小尺度开裂的区域，权重修正因子越大，更好的提取小尺度的纹理。

需要说明的是，在本发明的一个实施例中，预设常数为1；在本发明的其他实施例中，预设常数的大小可跟据具体情况具体设置，在此不做限定及赘述。

高亮像素点通常位于图像中的边缘、纹理或结构变化处，这些位置通常包含重要的视觉信息；通过突出这些像素点，可以更好地理解和分析图像内容，高亮像素点越多，梯度方向差异越大，表现纹理的信息越多，需要越大的权重，增强图像的细节和清晰度；获取密封胶区域内的高亮像素点；当像素点之间的相对方向与窗口中像素点的梯度方向差异越接近直角时，这意味着像素点之间的方向与纹理的主要方向越匹配。因为灰度共生矩阵描述的是具有相似灰度值的像素点之间的相对位置关系，而梯度方向则描述了像素值变化的方向；如果两者之间的差异接近直角，这意味着像素点之间的排列方式与纹理的延伸方向一致，可以更好地反映纹理特征，权重越大。根据每个窗口内每个纹理信息程度的权重修正因子、高亮像素点的数量和梯度分布特征以及每个像素点的梯度方向与对应相对方向的差异，获得每个窗口内每个纹理信息程度的权重。

优选地，在本发明的一个实施例中，权重的获取方法包括：

计算待检测灰度图像中所有像素点的灰度均值，将待检测灰度图像的边缘上边缘像素点的灰度值大于灰度均值的边缘像素点作为高亮像素点；根据权重的获取公式获得权重，权重的获取公式为：

；

其中，表示在像素点之间相对距离/>、相对方向/>的预设条件；/>表示在像素点之间相对距离/>、相对方向/>的预设条件下窗口/>内的纹理信息程度对应的权重；/>表示在像素点之间相对距离/>、相对方向/>的预设条件下窗口/>内纹理信息程度的权重修正因子；/>表示窗口/>中第/>个像素点的梯度方向，/>表示窗口/>内第/>个高亮像素点的梯度方向；/>表示窗口/>内所有高亮像素点的梯度方向均值；/>表示窗口/>内高亮像素点的数量；表示窗口/>内像素点的数量；/>表示调节参数，取经验值为1。

在权重的获取公式中，表示窗口/>内每个高亮像素点的梯度方向与高亮像素点的梯度方向均值之间的差异累加和，差异越大，高亮像素点之间的梯度方向越不一致，越可能出现老化裂痕区域，对应的纹理信息程度越大；/>表示相对方向与窗口/>中第/>个像素点的梯度方向之间的差异和直角之间的关系，差异越接近直角，像素点之间的方向与纹理的主要方向越匹配，在预设条件下，越可以表现出纹理的主要信息，权重修正因子越大，越有可能是小尺度的纹理，权重越大；高亮像素点越多，权重修正因子越大，纹理信息越多，对应的权重越大。

步骤S4：根据每个窗口内的每个纹理信息程度和对应权重，获得每个窗口内的可能异常程度；根据每个窗口中的可能异常程度、每个像素点的梯度特征和邻域范围内的灰度波动特征以及位置特征，获得每个窗口内的老化程度；根据密封胶区域内每个窗口内的老化程度获得密封胶区域的状态异常程度。

纹理信息对图像中的微小变化非常敏感，能够捕捉到肉眼难以察觉的细节变化，从而及早发现潜在的异常。通过分配纹理信息程度不同的权重，可以突出关键特征，抑制次要特征，从而提高异常检测的准确性，根据窗口内的每个纹理信息程度和对应权重，获得窗口内的可能异常程度。

优选地，在本发明的一个实施例中，可能异常程度的获取方法包括：

将窗口内每个纹理信息程度的权重进行归一化，计算归一化结果与窗口内的每个纹理信息程度的乘积，作为第一乘积值；将所有第一乘积值进行累加，获得窗口内的可能异常程度。在本发明的一个实施例中，可能异常程度的公式表示为：

；

其中，表示窗口/>内的可能异常程度；/>表示在像素点之间相对距离/>、相对方向/>的预设条件；/>表示在像素点之间相对距离/>、相对方向/>的第/>个预设条件下窗口内的纹理信息程度；/>表示在像素点之间相对距离/>、相对方向/>的第/>个预设条件下窗口内的纹理信息程度对应的权重；/>表示在像素点之间相对距离/>、相对方向/>的第/>个预设条件下窗口内的纹理信息程度对应的权重；/>表示像素点之间相对距离/>、相对方向/>的所有预设条件数量。

在可能异常程度的公式中，表示在像素点之间相对距离/>、相对方向/>的第/>个预设条件下窗口内的纹理信息程度对应的权重与在像素点之间相对距离/>、相对方向的所有预设条件下窗口内的纹理信息程度对应的权重的比值，即对每个预设条件下窗口内的权重进行归一化，每个预设条件下窗口内的权重越大，与纹理方向越一致，在预设条件下窗口内的纹理信息程度越大，越有明显小尺度的纹理特征，窗口内的可能异常程度越大。

由于密封胶开始出现老化情况时，密封胶区域的表面由于氧化反应其颜色会逐渐加深，并且表面上不同区域的氧化程度存在较大差异，在图像中表现为灰度值分布混乱，并且灰度值加深，像素点的灰度波动特征越大；处于户外的密封胶长期经受高温暴晒、雨水冲刷等，其表面会出现热胀冷缩的情况，从而导致原本平整的表面逐渐粗糙并且可能出现裂痕，梯度值受到影响变化；同时，由于正常涂抹的密封胶其边缘应该是一个光滑的直线，环境变化较大密封胶区域内部化学物质的反应消耗速度较快，密封胶的粘性可能发生变化，从而影响其黏附性能，出现脱落剥离的现象，导致密封胶区域的边缘逐渐变得粗糙，像素点之间的梯度变化较大，所以需要对窗口内包含密封胶区域边缘的像素点进行分析。所以根据窗口中的可能异常程度、每个像素点的梯度特征和邻域范围内的灰度波动特征以及位置特征，获得窗口内的老化程度。

优选地，在本发明的一个实施例中，老化程度的获取方法包括：

老化程度对应为第一老化程度或者第二老化程度；

计算窗口内每个像素点邻域范围内所有像素点的灰度值方差，获得灰度波动特征；计算每个像素点的灰度波动特征与梯度值的绝对值之和，作为第一和值；并对所有像素点的第一和值进行求均值，获得第一老化值；

对于包含密封胶区域边缘的窗口，计算窗口内密封胶区域边缘上像素点之间的梯度值差异，作为梯度差值，对所有梯度差值累加，获得第二老化值；计算第一老化值与第二老化值之和，作为第二和值；计算第二和值与可能异常程度的乘积，获得第一老化程度；在本发明的一个实施例中，第一老化程度的公式表示为：

；

其中，表示包含密封胶区域边缘的窗口内的第一老化程度；/>表示包含密封胶区域边缘的窗口的可能异常程度；/>表示窗口中第/>个像素点的梯度值；/>表示窗口中第/>个像素点的梯度值的绝对值；/>表示窗口内第/>个像素点邻域范围内所有像素点的灰度值方差；/>表示窗口内密封胶区域边缘上的第/>个像素点的梯度值；/>表示窗口内密封胶区域边缘上的第/>个像素点的梯度值；/>表示包含密封胶区域边缘的窗口内像素点的数量；/>表示窗口内密封胶区域边缘上像素点的数量；/>取绝对值。

在第一老化程度的公式中，表示第一和值；窗口内像素点的梯度值的绝对值越大，越可能是老化开裂区域；每个像素点的灰度值方差越大，像素点的灰度值分布越混乱，对应的位置越粗糙，老化程度越高；可能异常程度越大，老化程度越大；/>表示窗口内密封胶区域边缘的像素点之间梯度值的差异，差异越大，密封胶区域的边缘越粗糙，老化的可能性越大，第一老化程度越大。

对于不包含密封胶区域边缘的窗口，计算第一老化值与可能异常程度的乘积，获得第二老化程度；在本发明的一个实施例中，第二老化程度的获取方法包括：

；

其中，表示不包含密封胶区域边缘的窗口内的第二老化程度；/>表示不包含密封胶区域边缘的窗口的可能异常程度；/>表示窗口中第/>个像素点的梯度值；/>表示窗口中第/>个像素点的梯度值的绝对值；/>表示窗口内第/>个像素点邻域范围内所有像素点的灰度值方差；/>表示不包含密封胶区域边缘的窗口内像素点的数量；/>取绝对值。

在第二老化程度的公式中，窗口内像素点的梯度值的绝对值越大，纹理变化越显著，越可能是老化开裂区域；每个像素点的灰度值方差越大，像素点的灰度值分布越混乱，对应的位置越粗糙，老化程度越高；可能异常程度越大，第二老化程度越大。

需要说明的是，在本发明的一个实施例中，邻域范围为以窗口内每个像素点为中心构建3×3大小的范围；在本发明的其他实施例中，邻域范围的大小可根据具体情况具体设置，在此不做限定及赘述。

通过综合考虑每个窗口的老化程度，获得更全面的密封胶区域状态异常程度评估。每个窗口的老化程度可以提供密封胶局部性能变化的详细信息，通过分析每个窗口的老化程度，更准确地评估整体状态。根据密封胶区域内每个窗口内的老化程度获得密封胶区域的状态异常程度。

优选地，在本发明的一个实施例中，状态异常程度的获取方法包括：

计算所有窗口的老化程度之和，并进行归一化，获得密封胶区域的状态异常程度。在本发明的一个实施例中，状态异常程度的公式表示为：

；

其中，表示密封胶区域的状态异常程度；/>表示密封胶区域中第/>个第一老化程度；/>表示密封胶区域中第/>个第二老化程度；/>表示密封胶区域内第一老化程度的数量；/>表示密封胶区域内第二老化程度的数量；/>表示归一化函数。

在状态异常程度的公式中，第一老化程度越大，第二老化程度越大，密封胶区域中所有窗口的老化程度越高，密封胶区域的状态异常程度越高。

步骤S5：根据密封胶区域的状态异常程度对密封胶进行检测。

获得密封胶区域的状态异常程度可以更准确的了解密封胶的状态和潜在问题，诊断出可能影响设备性能或安全性的其他问题；通过对密封胶的状态进行检测，可以确保其质量和性能满足使用要求，提高设备或系统的安全性。根据密封胶区域的状态异常程度对密封胶进行检测。

在本发明的一个实施例中，根据密封胶区域的状态异常程度对密封胶进行检测包括：

若密封胶区域的状态异常程度大于预设状态异常程度阈值，将密封胶区域标记为异常状态区域。

需要说明的是，在本发明的一个实施例中，预设状态异常程度阈值为0.6；在本发明的其他实施例中，预设状态异常程度阈值的大小可根据具体情况具体设置，在此不做限定及赘述。

综上所述，本发明通过以像素点之间的相对方向以及相对距离的预设条件，构建灰度共生矩阵；进而获得每个预设条件下窗口内的纹理信息程度；根据每个相对方向的预设条件下窗口内的纹理信息程度的变化趋势以及对应相对距离的大小，获得每个窗口内每个纹理信息程度的权重修正因子；结合每个窗口内高亮像素点的数量和梯度分布特征以及每个像素点的梯度方向与对应相对方向的差异，获得窗口内每个纹理信息程度的权重；进一步地获得窗口内的可能异常程度；结合每个像素点的梯度特征和邻域范围内的灰度波动特征以及位置特征，获得窗口内的老化程度；获得密封胶区域的状态异常程度；对密封胶进行检测。本发明通过获得密封胶区域中不同位置准确的老化程度，能够及时检测早期老化迹象，提高异常状态检测的准确性。

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)

1.一种基于图像数据的密封胶异常状态检测方法，其特征在于，所述方法包括：

获取含有密封胶区域的待检测灰度图像；

在密封胶区域中，构建以每个像素点为中心的窗口；根据每个窗口内像素点之间灰度级别的分布情况，获得不同预设条件下每个窗口的灰度共生矩阵；所述预设条件包括像素点之间的相对方向以及相对距离；

根据每个预设条件下每个窗口的灰度共生矩阵中元素值以及对应灰度级别之间的差异，获得每个预设条件下每个窗口内的纹理信息程度；根据每个相对方向的预设条件下每个窗口内纹理信息程度的变化趋势以及对应相对距离的大小，获得每个窗口内每个纹理信息程度的权重修正因子；获取密封胶区域内的高亮像素点，根据每个窗口内每个纹理信息程度的所述权重修正因子、所述高亮像素点的数量和梯度分布特征以及每个像素点的梯度方向与对应相对方向的差异，获得每个窗口内每个纹理信息程度的权重；

根据每个窗口内的每个纹理信息程度和对应权重，获得每个窗口内的可能异常程度；根据每个窗口中的可能异常程度、每个像素点的梯度特征和邻域范围内的灰度波动特征以及位置特征，获得每个窗口内的老化程度；根据密封胶区域内每个窗口内的老化程度获得密封胶区域的状态异常程度；

根据密封胶区域的所述状态异常程度对密封胶进行检测。

2.根据权利要求1所述的一种基于图像数据的密封胶异常状态检测方法，其特征在于，所述密封胶区域的获取方法包括：

利用边缘检测算法对待检测灰度图像进行处理，获得待检测灰度图像中的边缘；采用轮廓追踪算法对边缘进行处理，获得边缘包围的多个轮廓区域；将边缘包围的最大的轮廓区域在待检测灰度图像中对应的位置，作为密封胶区域。

3.根据权利要求1所述的一种基于图像数据的密封胶异常状态检测方法，其特征在于，所述灰度共生矩阵的获取方法包括：

在不同预设条件下，以像素点的灰度级别作为构建灰度共生矩阵的维度；根据窗口内像素点之间灰度级别出现的次数，作为构成灰度共生矩阵对应维度的元素。

4.根据权利要求1所述的一种基于图像数据的密封胶异常状态检测方法，其特征在于，所述纹理信息程度的获取方法包括：

对于每个预设条件下，计算灰度共生矩阵中每个元素对应灰度级别之间差值的平方，获得第一差异值；

将灰度共生矩阵中的每个元素值进行归一化，计算归一化结果与第一差异值之间的乘积，作为第一程度值；

计算灰度共生矩阵中所有元素的第一程度值的累加值，获得窗口内的纹理信息程度。

5.根据权利要求1所述的一种基于图像数据的密封胶异常状态检测方法，其特征在于，所述权重修正因子的获取方法包括：

在每个相对方向的不同预设条件下，获取窗口内的所述纹理信息程度中最大的纹理信息程度；将最大纹理信息程度对应的相对距离作为第一距离；

计算窗口内的最大纹理信息程度和窗口内的每个所述纹理信息程度之间的差异，作为程度差值；计算所述程度差值、第一距离以及对应相对距离的乘积，将乘积结果与预设常数相加，获得第一特征值；

计算窗口内的每个纹理信息程度比上对应第一特征值的比值，获得窗口内每个纹理信息程度的权重修正因子。

6.根据权利要求2所述的一种基于图像数据的密封胶异常状态检测方法，其特征在于，所述权重的获取方法包括：

计算待检测灰度图像中所有像素点的灰度均值，将待检测灰度图像的所述边缘上边缘像素点的灰度值大于灰度均值的边缘像素点作为高亮像素点；

根据权重的获取公式获得权重，权重的获取公式为：

；其中，/>表示在像素点之间相对距离/>、相对方向/>的预设条件；/>表示在像素点之间相对距离/>、相对方向/>的预设条件下窗口/>内的纹理信息程度对应的权重；/>表示在像素点之间相对距离/>、相对方向/>的预设条件下窗口/>内纹理信息程度的权重修正因子；/>表示窗口/>中第/>个像素点的梯度方向；/>表示窗口/>内第/>个高亮像素点的梯度方向；/>表示窗口/>内所有高亮像素点的梯度方向均值；/>表示窗口/>内高亮像素点的数量；/>表示窗口/>内像素点的数量；/>表示调节参数。

7.根据权利要求1所述的一种基于图像数据的密封胶异常状态检测方法，其特征在于，所述可能异常程度的获取方法包括：

将窗口内每个纹理信息程度的所述权重进行归一化，计算归一化结果与窗口内的每个所述纹理信息程度的乘积，作为第一乘积值；将所有第一乘积值进行累加，获得窗口内的可能异常程度。

8.根据权利要求1所述的一种基于图像数据的密封胶异常状态检测方法，其特征在于，所述老化程度的获取方法包括：

所述老化程度对应为第一老化程度或者第二老化程度；

计算窗口内每个像素点邻域范围内所有像素点的灰度值方差，作为灰度波动特征；计算每个像素点的灰度波动特征与梯度值的绝对值之和，作为第一和值；并对所有像素点的第一和值进行求均值，获得第一老化值；

对于包含密封胶区域边缘的窗口，计算窗口内密封胶区域边缘上像素点之间的梯度值差异，作为梯度差值，对所有梯度差值累加，获得第二老化值；计算第一老化值与第二老化值之和，作为第二和值；计算第二和值与可能异常程度的乘积，获得第一老化程度；

对于不包含密封区域边缘的窗口，计算第一老化值与可能异常程度的乘积，获得第二老化程度。

9.根据权利要求1所述的一种基于图像数据的密封胶异常状态检测方法，其特征在于，状态异常程度的获取方法包括：

计算所有窗口内的所述老化程度之和，并进行归一化，获得密封胶区域的状态异常程度。

10.根据权利要求5所述的一种基于图像数据的密封胶异常状态检测方法，其特征在于，所述预设常数为1。