一种钣金件质量检测方法与流程

1.本发明涉及数据处理技术领域，具体涉及一种钣金件质量检测方法。


背景技术：

2.钣金件指的是将不同金属材质根据各自不同需要加工成所需的成品，例如：机箱外壳，机床外壳，汽车精密零部件等。在钣金件加工及使用过程中会产生划痕缺陷，影响钣金件质量，出现划痕缺陷后需对钣金件进行质量检测。钣金件由于自身特性，表面会出现反光，反光会导致微小划痕不明显，影响划痕的完整性提取，进而导致修复出现误差。
3.现有技术对钣金制品进行质量检测时通常根据缺陷处灰度值差异对图像直接进行边缘检测，但由于钣金件表面反光的存在，一些细小划痕缺陷处灰度值与正常区域差异不明显，仅根据灰度值差异往往不能很好检测出划痕，导致现有钣金件表面缺陷检测方法并不准确。


技术实现要素：

4.本发明提供了一种钣金件质量检测方法，用以解决现有技术对钣金件表面缺陷检测不准确的技术问题，所采用的技术方案具体如下：本发明的一种钣金件质量检测方法，包括以下步骤：获取钣金件表面的灰度图像，将灰度图像划分为不同区域；根据灰度图像的光照分量与灰度图像上各个像素点的像素值的差值获取每个区域内像素点的光照灰度差值，根据每个区域内像素点的光照灰度差值确定该区域的光照灰度差异程度，根据每个区域的光照灰度差异程度确定该区域属于异常区域还是可能异常区域；根据可能异常区域内像素点的位置及方向特性获取可能异常区域内像素点的异常程度；根据可能异常区域的光照灰度差异程度以及可能异常区域内每个像素点的异常程度，得到可能异常区域内每个像素点的增强系数；根据增强系数对灰度图像进行增强，对增强后的灰度图像进行边缘检测，完成钣金件表面缺陷判断。
5.本发明的有益效果为：本发明该方法将钣金件表面灰度图像划分为多个区域后，以每个区域的光照灰度差异程度初步筛选出异常区域以及可能异常区域，并在可能异常区域中根据每个像素点的位置及方向特性获取可能异常区域内像素点的异常程度，以所得异常程度结合可能异常区域的光照灰度差异程度确定每个像素点的增强系数，实现了以钣金件表面划痕缺陷的灰度与方向特性对划痕像素点的增强程度确定，以所确定的增强系数对灰度图像增强后，便可通过边缘检测得到更为准确清晰的划痕对应边缘线段，提高对钣金件划痕缺陷判断准确度。
6.进一步的，所述将灰度图像划分为不同区域的方法为：对得到的灰度图像使用边缘检测算法得到边缘图像，对获取得到的边缘图像做连通域处理，获取连通域最小外接矩形的长、宽，以所述长和宽中的较小值作为窗口的长度从而确定窗口的大小，根据窗口大小对灰度图像进行划分得到不同区域。
7.进一步的，所述根据灰度图像的光照分量与灰度图像上各个像素点的像素值的差值获取每个区域内像素点的光照灰度差值的方法为：对所述灰度图像进行高斯滤波处理获取灰度图像的光照分量，计算所述光照分量与灰度图像上各个像素点灰度值的差值的绝对值，以所述绝对值作为对应像素点的光照灰度差值，得到每个区域内像素点的光照灰度差值。
8.进一步的，所述根据每个区域内像素点的光照灰度差值确定该区域的光照灰度差异程度的方法为：式中，表示第k个区域的光照灰度差异程度，表示第k个区域中各个像素点的光照差值的方差，表示第k个区域中第t个像素点的光照灰度差值，表示各个区域的光照灰度差异程度中的最大值，表示各个区域的光照灰度差异程度中的最小值，表示任意一个区域中第v个像素点的光照灰度差值。
9.进一步的，所述根据每个区域的光照灰度差异程度确定该区域属于异常区域还是可能异常区域的方法为：将光照灰度差异程度大于光照灰度差异程度阈值的区域作为异常区域，其余区域作为可能异常区域。
10.进一步的，所述光照灰度差异程度阈值为0.7。
11.进一步的，所述可能异常区域内像素点的异常程度为：其中，表示可能异常区域内每个像素点的异常程度，表示可能异常区域内每个像素点与其邻域像素点灰度差值的方差，表示可能异常区域内任意一个像素点的灰度值，表示可能异常区域内任意一个像素点的8邻域内第i个像素点的灰度值。
12.进一步的，所述可能异常区域内每个像素点的增强系数为：
其中，为可能异常区域内每个像素点的增强系数，表示可能异常区域内每个像素点的异常程度，为每个连通域的异常程度。
13.进一步的，所述根据增强系数对灰度图像进行增强包括：利用线性灰度增强算法进行增强。
14.进一步的，利用神经网络语义分割方式去除背景区域获得所述灰度图像。
附图说明
15.图1是本发明该种钣金件质量检测方法的流程图；图2是本发明对灰度图像进行边缘检测而确定的边缘图像的示意图。
具体实施方式
16.本发明的构思为：本方法首先利用边缘检测算法对图像进行预处理，根据边缘检测得到的结果确定图像划分窗口大小。进而对整个钣金图像通过高斯滤波处理得到图中每一像素点在仅有光照条件下的灰度值，比较原图像每一区域下灰度值与对应的光照分量的差异，进行区域分类，进而结合连通域的位置分布与像素点的差异程度获取异常程度，根据灰度差异与异常程度获取增强系数，对图像进行自适应增强，进而对增强后的图像进行边缘检测，完成钣金件的质量检测。
17.下面结合附图及实施例，对本发明的一种钣金件质量检测方法进行详细说明。
18.方法实施例：本发明的一种钣金件质量检测方法实施例，其整体流程如图1所示，具体过程如下：步骤一，获取钣金件表面的灰度图像，将灰度图像划分为不同区域。
19.在生产线上方放置采集装置，本实施例优选采集装置为高清工业摄像机，获取生产完毕的钣金件的表面图像。由于生产线背景区域多样化，本方法采用神经网络语义分割的方式去除背景区域，语义分割为现有技术，此处不做过多阐述。将得到的钣金件表面图像进行灰度加权处理得到钣金件表面的灰度图像。
20.对得到的灰度图像使用边缘检测算法得到边缘图像，如图2所述为对灰度图像进行边缘检测后所得到的边缘图像。
21.由于需对图像划分出不同的区域以进行后续分析，所以需保证划分窗口大小的合适性。窗口过大分析不完全，窗口过小则增加冗余计算量。
22.对获取得到的边缘图像做连通域处理，获取连通域最小外接矩形的长、宽。记获取得到的长、宽中最小值为h，记h*h为窗口大小，根据窗口大小对图像进行划分，划分得到不同区域。
23.步骤二，根据灰度图像的光照分量与灰度图像上各个像素点的像素值的差值获取每个区域内像素点的光照灰度差值，根据每个区域内像素点的光照灰度差值确定该区域的光照灰度差异程度，根据每个区域的光照灰度差异程度确定该区域属于异常区域还是可能异常区域。
24.由于在光照与正常条件下，划痕区域与正常区域存在灰度值差异，可根据此灰度值差异将区域进行分类。
25.对上述得到的钣金件灰度图进行高斯滤波处理获取光照分量l，本方法设定高斯滤波核为3*3且全为1，核的大小可根据实施者根据具体场景进行调整。高斯滤波为现有技术，此处不做过多阐述。
26.将图中每点的像素值与上述得到的光照分量相减，由于差值会出现负数，此处对差值做绝对值处理。
27.至此，获取灰度图像上每个像素点的光照灰度差值。
28.由于对于异常区域，区域内像素点的光照灰度差值相差较大，而对于正常区域，区域内像素点光照灰度差值相差较小。
29.则对于每一区域而言，其光照灰度差异程度为：式中，表示第k个区域的光照灰度差异程度，表示第k个区域中各个像素点的光照差值的方差，表示第k个区域中第t个像素点的光照灰度差值，表示各个区域的光照灰度差异程度中的最大值，表示各个区域的光照灰度差异程度中的最小值，表示任意一个区域中第v个像素点的光照灰度差值。
30.当区域出现异常时，值较大，趋近于1，当区域为正常区域时，值较小，值趋近于0。
31.设定光照灰度差异程度阈值为d，记d为0.7，可视情况进行调整，标记大于阈值的区域为异常区域，对于小于阈值的区域可能为正常区域也可能为因存在反光而导致光照灰度差异表现不明显的异常区域，需要进一步分析，所以将小于取值的区域作为可能异常区域。
32.至此，获取每一区域的光照灰度差异程度及对区域进行种类划分。
33.步骤三，根据可能异常区域内像素点的位置及方向特性获取可能异常区域内像素点的异常程度。
34.对于小于阈值的区域，可能是由于出现微小划痕但灰度值差异较小的区域，也可能是由于光照时反光影响导致的正常区域。因此，对于这部分区域不能直接增强，需结合区域内像素点的位置方向与正常及异常区域的近似程度进行分析。
35.由于划痕具有独特的二维特性，一般而言，划痕连续且呈条状分布。体现在图像上为细条状的连续直线且局部范围内方向相似。
36.首先对上述得到的小于阈值的可能异常区域进行分析，并获取图中所有异常区域
的位置信息，对于微小未检测到的划痕区域而言，其位置通常在异常区域间，且两侧异常区域方向相近。
37.对灰度图像上每一像素点的光照灰度差值做归一化处理，，以图中值最大的点为起始点，查找其8邻域像素点，连通其8领域中值与起始点的差值最小值，遍历图中所有点，获取图中所有异常连通域。
38.对得到的所有异常连通域计算其连通域边缘上每点的梯度方向，记每点梯度方向所对应的垂直方向为该点的关注方向，记为，记，记为该连通域所对应的关注方向。
39.记每一连通域中点为，计算两两连通域中点的方向向量，记向量方向为，对于每一连通域而言，其异常程度为：其中，为每个连通域的异常程度，为该连通域对应的关注方向，为该连通域到另一连通域的方向。为对数据进行归一化处理。
40.对于可能异常区域，该区域附近两连通域的方向相近，即两连通域的中点方向与任一连通域的关注方向相近，即较小，p值趋近于1。
41.设定连通域的异常程度阈值，本实施优选连通域的异常程度阈值为0.7，其取值在其它实施例中可视情况进行调整，对于小于阈值的连通域，标记为附近不存在未检测区域的连通域，后续不做讨论。
42.获取大于阈值的所有连通域，提取这些连通域中心点的连线经过的可能异常区域为待检测区域，根据像素点灰度差异对待检测区域内像素点进行进一步分析。
43.对于待检测区域，对于每一点获取其8邻域灰度值，将得到的灰度值存入序列中，记该点的像素值为，则可能异常区域内每点的异常程度：其中，表示可能异常区域内每个像素点的异常程度，表示可能异常区域内每个像素点与其邻域像素点灰度差值的方差，可说明该点与邻域的差异程度，表示可能异常区域内任意一个像素点的灰度值，表示可能异常区域内任意一个像素点的8邻域内第i个像素点的灰度值。当该点为需增强点时，该点与其邻域会存在灰度差异，
越大；当该点为正常点时，该点与其邻域灰度差异较小，越小。
44.至此，获取可能异常区域内每个像素点的异常程度。
45.步骤四，根据可能异常区域的光照灰度差异程度以及可能异常区域内每个像素点的异常程度，得到可能异常区域内每个像素点的增强系数。
46.可能异常区域内每个像素点的增强系数为：其中，为可能异常区域内每个像素点的增强系数，表示可能异常区域内每个像素点的异常程度，为每个连通域的异常程度。
47.至此，得到可能异常区域内每个像素点的增强系数。
48.步骤五，根据增强系数对灰度图像进行增强，对增强后的灰度图像进行边缘检测，完成钣金件表面缺陷判断。
49.根据上述得到的增强系数对图像进行选择性增强，本方法使用线性灰度增强算法进行增强，即的方式对图像进行增强，其中x指输入像素值，y指输出像素值。b值根据常规经验值进行选定，在本发明一个实施例中取10。
50.由于增强后的图像，细小划痕处变得明显，降低了光照对于图像的影响，因此对增强后的图像进行边缘检测后，可得到较完整的划痕区域。根据所检测出的划痕区域，便可判断钣金件表面缺陷，完成对钣金件的质量检测。
51.以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围，均应包含在本技术的保护范围之内。

技术特征：
1.一种钣金件质量检测方法，其特征在于，包括以下步骤：获取钣金件表面的灰度图像，将灰度图像划分为不同区域；根据灰度图像的光照分量与灰度图像上各个像素点的像素值的差值获取每个区域内像素点的光照灰度差值，根据每个区域内像素点的光照灰度差值确定该区域的光照灰度差异程度，根据每个区域的光照灰度差异程度确定该区域属于异常区域还是可能异常区域；根据可能异常区域内像素点的位置及方向特性获取可能异常区域内像素点的异常程度；根据可能异常区域的光照灰度差异程度以及可能异常区域内每个像素点的异常程度，得到可能异常区域内每个像素点的增强系数；根据增强系数对灰度图像进行增强，对增强后的灰度图像进行边缘检测，进行钣金件表面缺陷判断。2.根据权利要求1所述的钣金件质量检测方法，其特征在于，所述将灰度图像划分为不同区域的方法为：对得到的灰度图像使用边缘检测算法得到边缘图像，对获取得到的边缘图像做连通域处理，获取连通域最小外接矩形的长、宽，以所述长和宽中的较小值作为窗口的长度从而确定窗口的大小，根据窗口大小对灰度图像进行划分得到不同区域。3.根据权利要求1所述的钣金件质量检测方法，其特征在于，所述根据灰度图像的光照分量与灰度图像上各个像素点的像素值的差值获取每个区域内像素点的光照灰度差值的方法为：对所述灰度图像进行高斯滤波处理获取灰度图像的光照分量，计算所述光照分量与灰度图像上各个像素点灰度值的差值的绝对值，以所述绝对值作为对应像素点的光照灰度差值，得到每个区域内像素点的光照灰度差值。4.根据权利要求1所述的钣金件质量检测方法，其特征在于，所述根据每个区域内像素点的光照灰度差值确定该区域的光照灰度差异程度的方法为：式中，表示第k个区域的光照灰度差异程度，表示第k个区域中各个像素点的光照差值的方差，表示第k个区域中第t个像素点的光照灰度差值，表示各个区域的光照灰度差异程度中的最大值，表示各个区域的光照灰度差异程度中的最小值，表示任意一个区域中第v个像素点的光照灰度差值。5.根据权利要求4所述的钣金件质量检测方法，其特征在于，所述根据每个区域的光照灰度差异程度确定该区域属于异常区域还是可能异常区域的方法为：将光照灰度差异程度大于光照灰度差异程度阈值的区域作为异常区域，其余区域作为可能异常区域。
6.根据权利要求5所述的钣金件质量检测方法，其特征在于，所述光照灰度差异程度阈值为0.7。7.根据权利要求1所述的钣金件质量检测方法，其特征在于，所述可能异常区域内像素点的异常程度为：其中，表示可能异常区域内每个像素点的异常程度，表示可能异常区域内每个像素点与其邻域像素点灰度差值的方差，表示可能异常区域内任意一个像素点的灰度值，表示可能异常区域内任意一个像素点的8邻域内第i个像素点的灰度值。8.根据权利要求1所述的钣金件质量检测方法，其特征在于，所述可能异常区域内每个像素点的增强系数为：其中，为可能异常区域内每个像素点的增强系数，表示可能异常区域内每个像素点的异常程度，为每个连通域的异常程度。9.根据权利要求1所述的钣金件质量检测方法，其特征在于，所述根据增强系数对灰度图像进行增强包括：利用线性灰度增强算法进行增强。10.根据权利要求1所述的钣金件质量检测方法，其特征在于，利用神经网络语义分割方式去除背景区域获得所述灰度图像。

技术总结
本发明涉及图像数据处理技术领域，具体涉及一种钣金件质量检测方法。该方法以工业相机获取钣金件灰度图像数据，对图像数据处理方法改进：以边缘检测得到的结果对灰度图像分区域，然后过高斯滤波处理得到每一像素点在仅有光照条件下的光照分量，确定各区域像素点灰度值与对应光照分量的差异，实现区域类别划定，进而结合连通域的位置分布与像素点的差异程度获取异常程度，根据灰度差异与异常程度获取像素点的增强系数对灰度图像进行增强，以增强后的灰度图像进行边缘检测完成钣金件质量检测。本发明结合钣金件表面划痕缺陷的灰度与方向特性对划痕像素点进行了增强，从而得到更为准确清晰的划痕对应边缘线段，提高了对钣金件划痕缺陷判断准确度。划痕缺陷判断准确度。划痕缺陷判断准确度。


技术研发人员：吴发明 黄宇鹏 谭烨科
受保护的技术使用者：深圳市铭正数控科技有限公司
技术研发日：2023.08.18
技术公布日：2023/9/20