基于视觉检测的飞机部件缺陷在线识别系统

1.本发明涉及图像数据处理技术领域，具体涉及基于视觉检测的飞机部件缺陷在线识别系统。


背景技术：

2.随着科技的发展，视觉检测的应用越来越广泛，例如可以应用于飞机部件的缺陷识别。其中，视觉检测可以是用机器代替人眼来做测量和判断。裂纹缺陷是比较常见的飞机部件缺陷。目前，基于视觉检测对飞机部件进行缺陷识别时，通常采用的方式为：基于飞机部件图像，采用神经网络，对飞机部件进行缺陷识别。
3.然而，当采用神经网络，对飞机部件进行裂纹缺陷识别时，经常会存在如下技术问题：训练神经网络时，往往需要大量标注了裂纹缺陷区域的飞机部件图像，这些图像的收集往往需要耗费大量的时间，并且训练神经网络的时间往往也较长，因此，往往导致对飞机部件进行裂纹缺陷识别的效率低下。


技术实现要素：

4.本发明的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本发明的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
5.为了解决对飞机部件进行裂纹缺陷识别的效率低下的技术问题，本发明提出了基于视觉检测的飞机部件缺陷在线识别系统。
6.本发明提供了基于视觉检测的飞机部件缺陷在线识别系统，该系统包括：图像获取模块，用于获取待检测飞机部件对应的目标空间图像；颜色差异分析模块，用于对所述目标空间图像中的每个像素点进行颜色差异分析处理，得到所述像素点对应的颜色异常指标；颜色对比分析模块，用于根据颜色异常指标，在预设数量个预设方向上对所述目标空间图像中的每个像素点进行颜色对比分析处理，得到所述像素点对应的颜色对比指标集合；确定模块，用于根据所述目标空间图像中的每个像素点对应的颜色对比指标集合，确定所述像素点对应的缺陷异常指标；缺陷识别模块，用于根据所述目标空间图像中的像素点对应的缺陷异常指标和颜色异常指标，对所述待检测飞机部件进行裂纹缺陷识别。
7.可选地，所述目标空间图像为lab图像。
8.可选地，所述对所述目标空间图像中的每个像素点进行颜色差异分析处理，得到所述像素点对应的颜色异常指标，包括：分别对所述像素点对应的lab值包括的l值、a值和b值进行归一化，得到所述像素
点对应的第一通道值、第二通道值和第三通道值；将所述像素点对应的第一通道值、第二通道值与第三通道值的和，确定为所述像素点对应的整体通道值；将所述像素点对应的第一通道值、第二通道值和第三通道值分别在整体通道值中的占比，确定为所述像素点对应的第一通道占比、第二通道占比和第三通道占比；根据所述像素点对应的第一通道占比、第二通道占比和第三通道占比，确定所述像素点对应的颜色特征熵；确定所述像素点对应的预设邻域内的每个邻域像素点对应的颜色特征熵，作为所述邻域像素点对应的第一特征熵，得到所述像素点对应的第一特征熵集合；将所述像素点对应的颜色特征熵与第一特征熵集合中的每个第一特征熵的差值的绝对值，确定为颜色差异指标，得到所述像素点对应的颜色差异指标集合；根据所述像素点对应的颜色差异指标集合，确定所述像素点对应的颜色异常指标，其中，颜色差异指标集合中的颜色差异指标与颜色异常指标呈正相关。
9.可选地，所述根据颜色异常指标，在预设数量个预设方向上对所述目标空间图像中的每个像素点进行颜色对比分析处理，得到所述像素点对应的颜色对比指标集合，包括：对预设数量个预设方向进行分组，得到预设方向组集合；根据颜色异常指标和所述预设方向组集合中的每个预设方向组，确定所述像素点在所述预设方向组对应的颜色对比指标，得到所述像素点对应的颜色对比指标集合。
10.可选地，所述根据颜色异常指标和所述预设方向组集合中的每个预设方向组，确定所述像素点在所述预设方向组对应的颜色对比指标，包括：从所述目标空间图像中筛选出所述像素点在所述预设方向组中的每个预设方向对应的参考像素点组，得到参考像素点组集合；根据参考像素点组集合中的每个参考像素点组中的各个参考像素点对应的颜色异常指标，确定所述参考像素点组对应的异常代表指标，得到异常代表指标集合，其中，颜色异常指标与异常代表指标呈正相关；将第一代表指标与第二代表指标的比值，确定为所述像素点在所述预设方向组对应的颜色对比指标，其中，第一代表指标是异常代表指标集合中最大的异常代表指标，第二代表指标是异常代表指标集合中最小的异常代表指标。
11.可选地，所述根据所述目标空间图像中的每个像素点对应的颜色对比指标集合，确定所述像素点对应的缺陷异常指标，包括：根据所述像素点对应的预设窗口中的各个窗口像素点对应的颜色对比指标集合，确定第一缺陷指标，其中，颜色对比指标与第一缺陷指标呈正相关；将预设窗口中的每个窗口像素点对应的颜色对比指标集合，组合为所述窗口像素点对应的目标特征坐标；将所述像素点对应的目标特征坐标与预设窗口中的每个窗口像素点对应的目标特征坐标之间的欧式距离，确定为所述窗口像素点对应的颜色波动指标，得到颜色波动指标集合；从颜色波动指标集合中筛选出最大的颜色波动指标，作为目标波动指标；根据第一缺陷指标和目标波动指标，确定所述像素点对应的缺陷异常指标，其中，
第一缺陷指标和目标波动指标均与缺陷异常指标呈正相关。
12.可选地，所述根据所述目标空间图像中的像素点对应的缺陷异常指标和颜色异常指标，对所述待检测飞机部件进行裂纹缺陷识别，包括：根据所述目标空间图像中的每个像素点对应的缺陷异常指标和颜色异常指标，确定所述像素点对应的目标缺陷指标，其中，缺陷异常指标和颜色异常指标均与目标缺陷指标呈正相关；根据目标缺陷指标，对所述待检测飞机部件进行裂纹缺陷识别。
13.可选地，所述根据目标缺陷指标，对所述待检测飞机部件进行裂纹缺陷识别，包括：根据目标缺陷指标，对所述目标空间图像中的像素点进行区域生长，得到目标区域集合；将所述目标区域集合中的每个目标区域中的各个像素点对应的目标缺陷指标，确定所述目标区域对应的缺陷代表指标，其中，目标缺陷指标与缺陷代表指标呈正相关；当目标区域集合中的目标区域对应的缺陷代表指标大于预设缺陷阈值时，判定目标区域为裂纹缺陷区域。
14.本发明具有如下有益效果：本发明的基于视觉检测的飞机部件缺陷在线识别系统，通过对目标空间图像进行数据处理，解决了对飞机部件进行裂纹缺陷识别的效率低下的技术问题，提高了对飞机部件进行裂纹缺陷识别的效率。首先，由于目标空间图像上往往包含了待检测飞机部件的表面信息，因此通过图像获取模块实现获取待检测飞机部件对应的目标空间图像，可以便于后续对待检测飞机部件进行裂纹缺陷识别。接着，由于飞机部件发生裂纹缺陷时可能导致颜色发生变化，因此通过颜色差异分析模块实现对目标空间图像中的每个像素点进行颜色差异分析处理，可以便于后续判断像素点是否为裂纹缺陷像素点。其中，裂纹缺陷像素点可以是发生了裂纹缺陷的像素点。然后，综合考虑了颜色异常指标和预设数量个预设方向，对目标空间图像中的每个像素点进行颜色对比分析处理，可以提高像素点对应的颜色对比指标集合确定的准确度。之后，综合考虑目标空间图像中的每个像素点对应的颜色对比指标集合，可以提高像素点对应的缺陷异常指标确定的准确度。最后，基于目标空间图像中的像素点对应的缺陷异常指标和颜色异常指标，可以实现对待检测飞机部件的裂纹缺陷识别。因此，本发明量化了多个与裂纹缺陷有关的指标，实现了基于视觉检测的待检测飞机部件的裂纹缺陷识别，并且提高了对待检测飞机部件进行裂纹缺陷识别的准确度，并且本发明不需进行神经网络的训练，从而可以提高基于视觉检测对待检测飞机部件进行裂纹缺陷识别的效率。
附图说明
15.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。
16.图1为本发明的基于视觉检测的飞机部件缺陷在线识别系统的结构示意图；
图2为本发明的像素点的多个预设方向示意图。
17.其中，附图标记包括：第一直线201、第二直线202、第三直线203和第四直线204。
具体实施方式
18.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技术方案的具体实施方式、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”指的不一定是同一个实施例。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。
19.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。
20.本发明提供了基于视觉检测的飞机部件缺陷在线识别系统，该系统包括：图像获取模块，用于获取待检测飞机部件对应的目标空间图像；颜色差异分析模块，用于对目标空间图像中的每个像素点进行颜色差异分析处理，得到像素点对应的颜色异常指标；颜色对比分析模块，用于根据颜色异常指标，在预设数量个预设方向上对目标空间图像中的每个像素点进行颜色对比分析处理，得到像素点对应的颜色对比指标集合；确定模块，用于根据目标空间图像中的每个像素点对应的颜色对比指标集合，确定像素点对应的缺陷异常指标；缺陷识别模块，用于根据目标空间图像中的像素点对应的缺陷异常指标和颜色异常指标，对待检测飞机部件进行裂纹缺陷识别。
21.参考图1，示出了根据本发明的基于视觉检测的飞机部件缺陷在线识别系统的结构示意图。该基于视觉检测的飞机部件缺陷在线识别系统，包括：图像获取模块101，用于获取待检测飞机部件对应的目标空间图像。
22.在一些实施例中，可以获取待检测飞机部件对应的目标空间图像。
23.其中，目标空间图像可以为lab（cielab，颜色空间）图像。lab图像包括的l通道可以表示像素点明度，取值范围可以为[0，100]。lab图像包括的a通道可以表示像素点绿色到红色分量，取值范围可以为[-127，128]。lab图像包括的b通道可以表示像素点蓝色到黄色分量，取值范围可以为[-127，128]。待检测飞机部件可以是待进行裂纹缺陷检测的飞机部件。正常的飞机部件（未发生裂纹缺陷的飞机部件）的颜色可以是纯色。例如，待检测飞机部件可以是飞机蒙皮。目标空间图像可以是待检测飞机部件的lab图像。
[0024]
需要说明的是，由于目标空间图像上往往包含了待检测飞机部件的表面信息，因此通过图像获取模块实现获取待检测飞机部件对应的目标空间图像，可以便于后续对待检测飞机部件进行裂纹缺陷识别。
[0025]
作为示例，本步骤可以包括以下步骤：第一步，通过ccd（charge coupled device，电荷耦合器件）相机，采集待检测飞机部件对应的初始表面图像。
[0026]
其中，初始表面图像可以是待检测飞机部件的表面图像。初始表面图像可以是rgb（red green blue，颜色系统）图像。
[0027]
需要说明的是，通过ccd相机采集初始表面图像，在一定程度上可以避免图像采集
过程中出现异常噪声，从而可以减少由于异常噪声导致的不良影响。
[0028]
第二步，对初始表面图像进行去噪处理，得到参考图像。
[0029]
其中，参考图像可以是进行去噪处理后的初始表面图像。
[0030]
例如，可以采用高斯滤波法，对初始表面图像进行去噪处理，得到参考图像。
[0031]
需要说明的是，对初始表面图像进行去噪处理，可以在一定程度上减少图像采集环境中的噪声对后续裂纹缺陷识别的不良影响。
[0032]
第三步，将参考图像转换为lab图像，并将转换后的图像确定为目标空间图像。
[0033]
需要说明的是，由于lab图像往往比rgb图像更加符合人眼对色彩感知的特点，因此将初始表面图像（rgb图像）转化为目标空间图像（lab图像），可以得到更加符合人眼对色彩感知特点的目标空间图像，可以便于后续的处理。
[0034]
颜色差异分析模块102，用于对目标空间图像中的每个像素点进行颜色差异分析处理，得到像素点对应的颜色异常指标。
[0035]
在一些实施例中，可以对上述目标空间图像中的每个像素点进行颜色差异分析处理，得到上述像素点对应的颜色异常指标。
[0036]
需要说明的是，由于飞机部件发生裂纹缺陷时可能导致颜色发生变化，因此通过颜色差异分析模块实现对目标空间图像中的每个像素点进行颜色差异分析处理，可以便于后续判断像素点是否为裂纹缺陷像素点。其中，裂纹缺陷像素点可以是发生了裂纹缺陷的像素点。
[0037]
作为示例，本步骤可以包括以下步骤：第一步，分别对上述像素点对应的lab值包括的l值、a值和b值进行归一化，得到上述像素点对应的第一通道值、第二通道值和第三通道值。
[0038]
其中，像素点对应的lab值可以包括：l值、a值和b值。l值可以是l通道值。a值可以是a通道值。b值可以是b通道值。第一通道值可以是进行归一化后的l值。第二通道值可以是进行归一化后的a值。第三通道值可以是进行归一化后的b值。
[0039]
例如，确定像素点对应的第一通道值、第二通道值和第三通道值可以包括以下子步骤：第一子步骤，可以采用极差归一化算法，对目标空间图像中的各个像素点对应的lab值包括的l值进行归一化，得到各个像素点对应的第一通道值。
[0040]
第二子步骤，可以采用极差归一化算法，对目标空间图像中的各个像素点对应的lab值包括的a值进行归一化，得到各个像素点对应的第二通道值。
[0041]
第三子步骤，可以采用极差归一化算法，对目标空间图像中的各个像素点对应的lab值包括的b值进行归一化，得到各个像素点对应的第三通道值。
[0042]
需要说明的是，对像素点对应的lab值包括的l值、a值和b值进行归一化，可以消除l值、a值和b值对应的不同量纲之间的影响，可以便于后续的处理。
[0043]
第二步，将上述像素点对应的第一通道值、第二通道值与第三通道值的和，确定为上述像素点对应的整体通道值。
[0044]
第三步，将上述像素点对应的第一通道值、第二通道值和第三通道值分别在整体通道值中的占比，确定为上述像素点对应的第一通道占比、第二通道占比和第三通道占比。
[0045]
其中，第一通道占比可以是第一通道值在整体通道值中的占比。第二通道占比可
以是第二通道值在整体通道值中的占比。第三通道占比可以是第三通道值在整体通道值中的占比。
[0046]
例如，确定像素点对应的第一通道占比、第二通道占比和第三通道占比对应的公式可以为：其中，是目标空间图像中第i个像素点对应的第一通道占比。是目标空间图像中第i个像素点对应的第二通道占比。是目标空间图像中第i个像素点对应的第三通道占比。是目标空间图像中第i个像素点对应的第一通道值，也就是对第i个像素点对应的lab值包括的l值进行归一化后的值。是目标空间图像中第i个像素点对应的第二通道值，也就是对第i个像素点对应的lab值包括的a值进行归一化后的值。是目标空间图像中第i个像素点对应的第三通道值，也就是对第i个像素点对应的lab值包括的b值进行归一化后的值。是目标空间图像中第i个像素点对应的整体通道值。i是目标空间图像中像素点的序号。
[0047]
需要说明的是，可以表征第i个像素点对应的第一通道值在整体通道值中的占比。可以表征第i个像素点对应的第二通道值在整体通道值中的占比。可以表征第i个像素点对应的第三通道值在整体通道值中的占比。若为0，则可以设置、和为0。
[0048]
第四步，根据上述像素点对应的第一通道占比、第二通道占比和第三通道占比，确定上述像素点对应的颜色特征熵。
[0049]
例如，确定像素点对应的颜色特征熵对应的公式可以为：其中，是目标空间图像中第i个像素点对应的颜色特征熵。是目标空间图像中第i个像素点对应的第一通道占比。是目标空间图像中第i个像素点对应的第二通道占比。是目标空间图像中第i个像素点对应的第三通道占比。是以2为底的对数。是以2为底的对数。是以2为底的对数。i是目标空间图像中像素点的序号。
[0050]
需要说明的是，可以表征第i个像素点对应的l通道值、a通道值和b通道值之间的分布情况，从而可以表征第i个像素点对应的颜色分布。
[0051]
第五步，确定上述像素点对应的预设邻域内的每个邻域像素点对应的颜色特征熵，作为上述邻域像素点对应的第一特征熵，得到上述像素点对应的第一特征熵集合。
[0052]
其中，预设邻域可以是预先设置的邻域。邻域像素点可以是预设邻域内的像素点。
像素点对应的第一特征熵集合可以包括：该像素点对应的预设邻域内的各个邻域像素点对应的颜色特征熵。
[0053]
例如，可以参考上述确定像素点对应的颜色特征熵的方式，确定邻域像素点对应的颜色特征熵，具体方式可以为：可以将邻域像素点作为像素点，执行颜色差异分析模块102实现的作为示例包括的第一步至第四步，得到的颜色特征熵即为该邻域像素点对应的颜色特征熵，也是该邻域像素点对应的第一特征熵。
[0054]
第六步，将上述像素点对应的颜色特征熵与第一特征熵集合中的每个第一特征熵的差值的绝对值，确定为颜色差异指标，得到上述像素点对应的颜色差异指标集合。
[0055]
其中，像素点对应的颜色差异指标集合可以包括：该像素点对应的颜色特征熵与第一特征熵集合中的各个第一特征熵的差值的绝对值。
[0056]
第七步，根据上述像素点对应的颜色差异指标集合，确定上述像素点对应的颜色异常指标。
[0057]
其中，颜色差异指标集合中的颜色差异指标可以与颜色异常指标呈正相关。
[0058]
例如，确定像素点对应的颜色异常指标对应的公式可以为：其中，是目标空间图像中第i个像素点对应的颜色异常指标。是目标空间图像中第i个像素点对应的颜色特征熵。是目标空间图像中第i个像素点对应的预设邻域内的第r个邻域像素点对应的颜色特征熵，也就是第r个邻域像素点对应的第一特征熵。是目标空间图像中第i个像素点对应的预设邻域内邻域像素点的数量。比如，若预设邻域为八邻域，则可以为8。是的绝对值。与呈正相关。i是目标空间图像中像素点的序号。r是第i个像素点对应的预设邻域内邻域像素点的序号。
[0059]
需要说明的是，由于正常的飞机部件的颜色往往是纯色的，所以正常像素点之间的颜色分布往往比较相近。其中，正常像素点可以是未发生裂纹缺陷的像素点。由于裂纹缺陷区域中的各个像素点发生的裂纹缺陷程度往往不同，因此裂纹缺陷像素点之间的颜色分布往往不同。当越小时，往往说明第i个像素点与第r个邻域像素点之间对应的通道值越相近，往往说明第i个像素点与第r个邻域像素点之间的通道值分布情况越相近，往往说明第i个像素点与第r个邻域像素点之间的颜色分布越相近。因此当越大时，往往说明第i个像素点与预设邻域内的各个邻域像素点之间的颜色分布越不相同，往往说明第i个像素点越可能是裂纹缺陷像素点。
[0060]
颜色对比分析模块103，用于根据颜色异常指标，在预设数量个预设方向上对目标空间图像中的每个像素点进行颜色对比分析处理，得到像素点对应的颜色对比指标集合。
[0061]
在一些实施例中，可以根据颜色异常指标，在预设数量个预设方向上对上述目标空间图像中的每个像素点进行颜色对比分析处理，得到上述像素点对应的颜色对比指标集合。
[0062]
其中，预设数量可以是预先设置的数量。预设数量可以是偶数。例如，预设数量可以是4。预设方向可以是预先设置的方向。预设方向对应的角度的取值范围可以为[0
°
，180
°
）例如，预设方向可以是但不限于：水平方向、竖直方向、45
°
方向和135
°
方向。水平方向
对应的角度可以为0
°
。竖直方向对应的角度可以为90
°
。45
°
方向对应的角度可以为45
°
。135
°
方向对应的角度可以为135
°
。如图2所示，实心黑点可以表征像素点，第一直线201所在的方向可以是该像素点的水平方向。第二直线202所在的方向可以是该像素点的45
°
方向。第二直线202与第一直线201之间的夹角可以为45
°
。第三直线203所在的方向可以是该像素点的竖直方向。第三直线203与第一直线201之间的夹角可以为90
°
。第四直线204所在的方向可以是该像素点的135
°
方向。第四直线204与第一直线201之间的夹角可以为135
°
。
[0063]
需要说明的是，综合考虑了颜色异常指标和预设数量个预设方向，对目标空间图像中的每个像素点进行颜色对比分析处理，可以提高像素点对应的颜色对比指标集合确定的准确度。
[0064]
作为示例，本步骤可以包括以下步骤：第一步，对预设数量个预设方向进行分组，得到预设方向组集合。
[0065]
例如，可以将预设数量个预设方向中的每两个预设方向划分为一个预设方向组，得到预设方向组集合。
[0066]
又如，若预设数量为4，4个预设方向包括：水平方向、竖直方向、45
°
方向和135
°
方向，则可以将水平方向和竖直方向划分为一个预设方向组，并将45
°
方向和135
°
方向划分为一个预设方向组。
[0067]
第二步，根据颜色异常指标和上述预设方向组集合中的每个预设方向组，确定上述像素点在上述预设方向组对应的颜色对比指标，得到上述像素点对应的颜色对比指标集合。
[0068]
其中，像素点对应的颜色对比指标集合可以包括：该像素点在各个预设方向组对应的颜色对比指标。像素点对应的颜色对比指标集合中的颜色对比指标可以与预设方向组集合中的预设方向组一一对应。
[0069]
例如，根据颜色异常指标和上述预设方向组集合中的每个预设方向组，确定上述像素点在上述预设方向组对应的颜色对比指标，得到上述像素点对应的颜色对比指标集合可以包括以下子步骤：第一子步骤，从上述目标空间图像中筛选出上述像素点在上述预设方向组中的每个预设方向对应的参考像素点组，得到参考像素点组集合。
[0070]
其中，像素点在预设方向对应的参考像素点组可以包括：从该像素点的预设方向上筛选出的像素点。参考像素点组集合可以包括：该像素点在各个预设方向对应的参考像素点组。
[0071]
比如，可以将像素点的预设方向上的所有像素点，组成该像素点在预设方向对应的参考像素点组。如，若预设方向为水平方向，则可以将像素点的水平方向上的所有像素点，组合为该像素点在水平方向对应的参考像素点组，即可以将该像素点所在的行作为该像素点在水平方向对应的参考像素点组。
[0072]
又如，可以从像素点的预设方向上筛选出距离该像素点最近的预设数目个像素点，并将筛选出的预设数目个像素点，组成该像素点在预设方向对应的参考像素点组。其中，预设数目可以是预先设置的数目。如，预设数目可以是20。
[0073]
第二子步骤，根据参考像素点组集合中的每个参考像素点组中的各个参考像素点对应的颜色异常指标，确定上述参考像素点组对应的异常代表指标，得到异常代表指标集
合。
[0074]
其中，颜色异常指标与异常代表指标呈正相关。
[0075]
第三子步骤，将第一代表指标与第二代表指标的比值，确定为上述像素点在上述预设方向组对应的颜色对比指标。
[0076]
其中，第一代表指标可以是异常代表指标集合中最大的异常代表指标。第二代表指标可以是异常代表指标集合中最小的异常代表指标。
[0077]
比如，若预设方向组包括两个预设方向，则确定像素点在预设方向组对应的颜色对比指标对应的公式可以为：其中，是目标空间图像中第i个像素点在预设方向组集合中第j个预设方向组对应的颜色对比指标。第j个预设方向组可以包括两个预设方向。是目标空间图像中第i个像素点在第j个预设方向组包括的第1个预设方向对应的参考像素点组对应的异常代表指标。是目标空间图像中第i个像素点在第j个预设方向组包括的第2个预设方向对应的参考像素点组对应的异常代表指标。是预先设置的大于0的因子，主要为了防止作分母时为0。如，可以为0.01。是目标空间图像中第i个像素点在第j个预设方向组包括的第1个预设方向对应的参考像素点组中，第t个参考像素点对应的颜色异常指标。是目标空间图像中第i个像素点在第j个预设方向组包括的第2个预设方向对应的参考像素点组中，第a个参考像素点对应的颜色异常指标。是目标空间图像中第i个像素点在第j个预设方向组包括的第1个预设方向对应的参考像素点组中参考像素点的数量。是目标空间图像中第i个像素点在第j个预设方向组包括的第2个预设方向对应的参考像素点组中参考像素点的数量。是和的最大值，也是目标空间图像中第i个像素点在第j个预设方向组对应的第一代表指标。是和的最小值，也是目标空间图像中第i个像素点在第j个预设方向组对应的第二代表指标。与呈正相关。与呈正相关。i是目标空间图像中像素点的序号。t是第i个像素点在第j个预设方向组包括的第1个预设方向对应的参考像素点组中参考像素点的序号。a是第i个像素点在第j个预设方向组包括的第2个预设方向对应的参考像素点组中参考像素点的序号。
[0078]
需要说明的是，若第j个预设方向组包括的两个预设方向对应的参考像素点组中的像素点是正常像素点，则和对应的数值往往比较相近，从而导致和对应
的数值比较相近，进而导致往往接近于1。若第j个预设方向组包括的两个预设方向对应的参考像素点组中存在裂纹缺陷像素点，则往往导致颜色异常指标不相同，从而导致往往大于1。因此当越大时，往往说明第j个预设方向组包括的两个预设方向对应的参考像素点组中越可能存在裂纹缺陷像素点。由于裂纹缺陷像素点往往不会孤立的存在，所以当第i个像素点在第j个预设方向组包括的两个预设方向对应的参考像素点组中越可能存在裂纹缺陷像素点时，第i个像素点越可能是裂纹缺陷像素点。因此当越大时，往往说明第i个像素点越可能是裂纹缺陷像素点。
[0079]
确定模块104，用于根据目标空间图像中的每个像素点对应的颜色对比指标集合，确定像素点对应的缺陷异常指标。
[0080]
在一些实施例中，可以根据上述目标空间图像中的每个像素点对应的颜色对比指标集合，确定上述像素点对应的缺陷异常指标。
[0081]
需要说明的是，综合考虑目标空间图像中的每个像素点对应的颜色对比指标集合，可以提高像素点对应的缺陷异常指标确定的准确度。
[0082]
作为示例，本步骤可以包括以下步骤：第一步，根据上述像素点对应的预设窗口中的各个窗口像素点对应的颜色对比指标集合，确定第一缺陷指标。
[0083]
其中，颜色对比指标可以与第一缺陷指标呈正相关。预设窗口可以是预先设置的窗口。比如，预设窗口可以是3
×
3的窗口。窗口像素点可以是预设窗口中的像素点。像素点可以位于该像素点对应的预设窗口的中心位置。
[0084]
第二步，将预设窗口中的每个窗口像素点对应的颜色对比指标集合，组合为上述窗口像素点对应的目标特征坐标。
[0085]
例如，若颜色对比指标集合包括：第一颜色对比指标和第二颜色对比指标，则可以将第一颜色对比指标作为目标特征坐标包括的横坐标，将第二颜色对比指标作为目标特征坐标包括的纵坐标，得到的目标特征坐标可以为（第一颜色对比指标，第二颜色对比指标）。
[0086]
第三步，将上述像素点对应的目标特征坐标与预设窗口中的每个窗口像素点对应的目标特征坐标之间的欧式距离，确定为上述窗口像素点对应的颜色波动指标，得到颜色波动指标集合。
[0087]
其中，像素点对应的颜色波动指标集合可以包括：该像素点对应的预设窗口中的各个窗口像素点对应的颜色波动指标。
[0088]
第四步，从颜色波动指标集合中筛选出最大的颜色波动指标，作为目标波动指标。
[0089]
例如，可以从像素点对应的颜色波动指标集合筛选出最大的颜色波动指标，作为该像素点对应的目标波动指标。
[0090]
需要说明的是，若预设窗口中的窗口像素点为正常像素点，则各个窗口像素点对应的目标特征坐标往往比较相近，得到的颜色波动指标集合中的颜色波动指标往往比较小。因此像素点对应的目标波动指标越大，往往说明该像素点越可能是裂纹缺陷像素点。
[0091]
第五步，根据第一缺陷指标和目标波动指标，确定上述像素点对应的缺陷异常指标。
[0092]
其中，第一缺陷指标和目标波动指标均可以与缺陷异常指标呈正相关。
[0093]
例如，确定像素点对应的缺陷异常指标对应的公式可以为：其中，是目标空间图像中第i个像素点对应的缺陷异常指标。是目标空间图像中第i个像素点对应的第一缺陷指标。是目标空间图像中第i个像素点对应的预设窗口中第x个窗口像素点对应的颜色对比指标集合中第m个颜色对比指标。n是预设窗口中的窗口像素点的数量。比如，若预设窗口为3
×
3的窗口，则n为9。是第i个像素点对应的预设窗口中第x个窗口像素点对应的颜色对比指标集合中颜色对比指标的数量。是目标空间图像中第i个像素点对应的目标波动指标。i是目标空间图像中像素点的序号。x是第i个像素点对应的预设窗口中窗口像素点的序号。m是第x个窗口像素点对应的颜色对比指标集合中颜色对比指标的序号。和均与呈正相关。与呈正相关。
[0094]
需要说明的是，越大，往往说明第x个窗口像素点越可能是裂纹缺陷像素点。当越大时，往往说明第i个像素点对应的预设窗口中的窗口像素点越可能是裂纹缺陷像素点。由于裂纹缺陷像素点往往不会孤立的存在，所以当第i个像素点对应的预设窗口中的窗口像素点越可能是裂纹缺陷像素点时，第i个像素点越可能是裂纹缺陷像素点。因此当越大时，往往说明第i个像素点越可能是裂纹缺陷像素点。越大，往往说明第i个像素点越可能是裂纹缺陷像素点。因此越大，往往说明第i个像素点越可能是裂纹缺陷像素点。
[0095]
缺陷识别模块105，用于根据目标空间图像中的像素点对应的缺陷异常指标和颜色异常指标，判断待检测飞机部件是否存在裂纹缺陷。
[0096]
在一些实施例中，可以根据上述目标空间图像中的像素点对应的缺陷异常指标和颜色异常指标，判断上述待检测飞机部件是否存在裂纹缺陷。
[0097]
需要说明的是，基于目标空间图像中的像素点对应的缺陷异常指标和颜色异常指标，可以实现对待检测飞机部件的裂纹缺陷识别。因此，本发明量化了多个与裂纹缺陷有关的指标，实现了基于视觉检测的待检测飞机部件的裂纹缺陷识别，并且提高了对待检测飞机部件进行裂纹缺陷识别的准确度，并且本发明不需进行神经网络的训练，从而可以提高对待检测飞机部件进行裂纹缺陷识别的效率。
[0098]
作为示例，本步骤可以包括以下步骤：第一步，根据上述目标空间图像中的每个像素点对应的缺陷异常指标和颜色异常指标，确定上述像素点对应的目标缺陷指标。
[0099]
其中，缺陷异常指标和颜色异常指标均可以与目标缺陷指标呈正相关。
[0100]
例如，确定像素点对应的目标缺陷指标对应的公式可以为：其中，是目标空间图像中第i个像素点对应的目标缺陷指标。是目标空间图像中第i个像素点对应的缺陷异常指标。是目标空间图像中第i个像素点对应的颜色异常指
标。i是目标空间图像中像素点的序号。和均与呈正相关。是的归一化值。
[0101]
第二步，根据目标缺陷指标，对上述待检测飞机部件进行裂纹缺陷识别。
[0102]
需要说明的是，越大，往往说明第i个像素点越可能是裂纹缺陷像素点。当越大时，往往说明第i个像素点与预设邻域内的各个邻域像素点之间的颜色分布越不相同，往往说明第i个像素点越可能是裂纹缺陷像素点。因此越大时，往往说明第i个像素点越可能是裂纹缺陷像素点。并且实现了对的归一化，可以便于后续的处理。
[0103]
例如，根据目标缺陷指标，判断上述待检测飞机部件是否存在裂纹缺陷可以包括以下子步骤：第一子步骤，根据目标缺陷指标，对上述目标空间图像中的像素点进行区域生长，得到目标区域集合。
[0104]
其中，目标区域集合中的目标区域可以是进行区域生长后得到的区域。
[0105]
比如，可以将目标空间图像中目标缺陷指标最大的像素点作为初始种子像素点，可以将生长阈值设置为0.2，根据目标空间图像中的各个像素点对应的目标缺陷指标，对目标空间图像中的像素点进行区域生长，得到目标区域集合。
[0106]
第二子步骤，将上述目标区域集合中的每个目标区域中的各个像素点对应的目标缺陷指标，确定上述目标区域对应的缺陷代表指标。
[0107]
其中，目标缺陷指标可以与缺陷代表指标呈正相关。
[0108]
比如，可以将目标区域中所有像素点对应的目标缺陷指标的均值，确定为该目标区域对应的缺陷代表指标，此时目标缺陷指标与缺陷代表指标呈正相关。
[0109]
第三子步骤，当目标区域集合中的目标区域对应的缺陷代表指标大于预设缺陷阈值时，判定目标区域为裂纹缺陷区域。
[0110]
其中，裂纹缺陷区域可以是存在裂纹缺陷的区域。预设缺陷阈值可以是预先设置的认为目标区域是正常区域时，所设置的最大的缺陷代表指标。比如，预设缺陷阈值可以是0.7。正常区域可以是未发生裂纹缺陷的区域。
[0111]
需要说明的是，当上述目标区域集合中存在裂纹缺陷区域时，可以判定上述待检测飞机部件存在裂纹缺陷。当上述目标区域集合中不存在裂纹缺陷区域时，可以判定上述待检测飞机部件不存在裂纹缺陷。
[0112]
可选地，根据目标缺陷指标，判断上述待检测飞机部件是否存在裂纹缺陷可以包括以下子步骤：第一子步骤，当目标空间图像中的像素点对应的目标缺陷指标大于预设像素缺陷阈值时，判定像素点为裂纹缺陷像素点。
[0113]
其中，预设像素缺陷阈值可以是预先设置的认为像素点是正常像素点时，所设置的最大的目标缺陷指标。比如，预设像素缺陷阈值可以是0.7。正常像素点可以是未发生裂纹缺陷的像素点。
[0114]
其中，裂纹缺陷像素点可以是发生了裂纹缺陷的像素点。
[0115]
第二子步骤，当目标空间图像中存在裂纹缺陷像素点时，判定待检测飞机部件存
在裂纹缺陷。
[0116]
第三子步骤，当目标空间图像中不存在裂纹缺陷像素点时，判定待检测飞机部件不存在裂纹缺陷。
[0117]
综上，首先获取待检测飞机部件对应的目标空间图像，可以便于后续对待检测飞机部件进行裂纹缺陷识别。接着，由于飞机部件发生裂纹缺陷时可能导致颜色发生变化，因此对目标空间图像中的每个像素点进行颜色差异分析处理，可以便于后续判断像素点是否为裂纹缺陷像素点。然后，综合考虑了颜色异常指标和预设数量个预设方向，对目标空间图像中的每个像素点进行颜色对比分析处理，可以提高像素点对应的颜色对比指标集合确定的准确度。之后，综合考虑目标空间图像中的每个像素点对应的颜色对比指标集合，可以提高像素点对应的缺陷异常指标确定的准确度。最后，基于目标空间图像中的像素点对应的缺陷异常指标和颜色异常指标，可以实现基于视觉检测的飞机部件裂纹缺陷识别，并且本发明不需进行神经网络的训练，从而可以提高对待检测飞机部件进行裂纹缺陷识别的效率。
[0118]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的范围，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于视觉检测的飞机部件缺陷在线识别系统，其特征在于，所述系统包括：图像获取模块，用于获取待检测飞机部件对应的目标空间图像；颜色差异分析模块，用于对所述目标空间图像中的每个像素点进行颜色差异分析处理，得到所述像素点对应的颜色异常指标；颜色对比分析模块，用于根据颜色异常指标，在预设数量个预设方向上对所述目标空间图像中的每个像素点进行颜色对比分析处理，得到所述像素点对应的颜色对比指标集合；确定模块，用于根据所述目标空间图像中的每个像素点对应的颜色对比指标集合，确定所述像素点对应的缺陷异常指标；缺陷识别模块，用于根据所述目标空间图像中的像素点对应的缺陷异常指标和颜色异常指标，对所述待检测飞机部件进行裂纹缺陷识别。2.根据权利要求1所述的一种基于视觉检测的飞机部件缺陷在线识别系统，其特征在于，所述目标空间图像为lab图像。3.根据权利要求2所述的一种基于视觉检测的飞机部件缺陷在线识别系统，其特征在于，所述对所述目标空间图像中的每个像素点进行颜色差异分析处理，得到所述像素点对应的颜色异常指标，包括：分别对所述像素点对应的lab值包括的l值、a值和b值进行归一化，得到所述像素点对应的第一通道值、第二通道值和第三通道值；将所述像素点对应的第一通道值、第二通道值与第三通道值的和，确定为所述像素点对应的整体通道值；将所述像素点对应的第一通道值、第二通道值和第三通道值分别在整体通道值中的占比，确定为所述像素点对应的第一通道占比、第二通道占比和第三通道占比；根据所述像素点对应的第一通道占比、第二通道占比和第三通道占比，确定所述像素点对应的颜色特征熵；确定所述像素点对应的预设邻域内的每个邻域像素点对应的颜色特征熵，作为所述邻域像素点对应的第一特征熵，得到所述像素点对应的第一特征熵集合；将所述像素点对应的颜色特征熵与第一特征熵集合中的每个第一特征熵的差值的绝对值，确定为颜色差异指标，得到所述像素点对应的颜色差异指标集合；根据所述像素点对应的颜色差异指标集合，确定所述像素点对应的颜色异常指标，其中，颜色差异指标集合中的颜色差异指标与颜色异常指标呈正相关。4.根据权利要求1所述的一种基于视觉检测的飞机部件缺陷在线识别系统，其特征在于，所述根据颜色异常指标，在预设数量个预设方向上对所述目标空间图像中的每个像素点进行颜色对比分析处理，得到所述像素点对应的颜色对比指标集合，包括：对预设数量个预设方向进行分组，得到预设方向组集合；根据颜色异常指标和所述预设方向组集合中的每个预设方向组，确定所述像素点在所述预设方向组对应的颜色对比指标，得到所述像素点对应的颜色对比指标集合。5.根据权利要求4所述的一种基于视觉检测的飞机部件缺陷在线识别系统，其特征在于，所述根据颜色异常指标和所述预设方向组集合中的每个预设方向组，确定所述像素点在所述预设方向组对应的颜色对比指标，包括：
从所述目标空间图像中筛选出所述像素点在所述预设方向组中的每个预设方向对应的参考像素点组，得到参考像素点组集合；根据参考像素点组集合中的每个参考像素点组中的各个参考像素点对应的颜色异常指标，确定所述参考像素点组对应的异常代表指标，得到异常代表指标集合，其中，颜色异常指标与异常代表指标呈正相关；将第一代表指标与第二代表指标的比值，确定为所述像素点在所述预设方向组对应的颜色对比指标，其中，第一代表指标是异常代表指标集合中最大的异常代表指标，第二代表指标是异常代表指标集合中最小的异常代表指标。6.根据权利要求1所述的一种基于视觉检测的飞机部件缺陷在线识别系统，其特征在于，所述根据所述目标空间图像中的每个像素点对应的颜色对比指标集合，确定所述像素点对应的缺陷异常指标，包括：根据所述像素点对应的预设窗口中的各个窗口像素点对应的颜色对比指标集合，确定第一缺陷指标，其中，颜色对比指标与第一缺陷指标呈正相关；将预设窗口中的每个窗口像素点对应的颜色对比指标集合，组合为所述窗口像素点对应的目标特征坐标；将所述像素点对应的目标特征坐标与预设窗口中的每个窗口像素点对应的目标特征坐标之间的欧式距离，确定为所述窗口像素点对应的颜色波动指标，得到颜色波动指标集合；从颜色波动指标集合中筛选出最大的颜色波动指标，作为目标波动指标；根据第一缺陷指标和目标波动指标，确定所述像素点对应的缺陷异常指标，其中，第一缺陷指标和目标波动指标均与缺陷异常指标呈正相关。7.根据权利要求1所述的一种基于视觉检测的飞机部件缺陷在线识别系统，其特征在于，所述根据所述目标空间图像中的像素点对应的缺陷异常指标和颜色异常指标，对所述待检测飞机部件进行裂纹缺陷识别，包括：根据所述目标空间图像中的每个像素点对应的缺陷异常指标和颜色异常指标，确定所述像素点对应的目标缺陷指标，其中，缺陷异常指标和颜色异常指标均与目标缺陷指标呈正相关；根据目标缺陷指标，对所述待检测飞机部件进行裂纹缺陷识别。8.根据权利要求7所述的一种基于视觉检测的飞机部件缺陷在线识别系统，其特征在于，所述根据目标缺陷指标，对所述待检测飞机部件进行裂纹缺陷识别，包括：根据目标缺陷指标，对所述目标空间图像中的像素点进行区域生长，得到目标区域集合；将所述目标区域集合中的每个目标区域中的各个像素点对应的目标缺陷指标，确定所述目标区域对应的缺陷代表指标，其中，目标缺陷指标与缺陷代表指标呈正相关；当目标区域集合中的目标区域对应的缺陷代表指标大于预设缺陷阈值时，判定目标区域为裂纹缺陷区域。

技术总结
本发明涉及图像数据处理技术领域，具体涉及基于视觉检测的飞机部件缺陷在线识别系统，该系统包括：通过多个模块之间的相互配合可以实现以下步骤：获取待检测飞机部件对应的目标空间图像；对目标空间图像中的每个像素点进行颜色差异分析处理；在预设数量个预设方向上对目标空间图像中的每个像素点进行颜色对比分析处理；确定目标空间图像中的每个像素点对应的缺陷异常指标；根据目标空间图像中的像素点对应的缺陷异常指标和颜色异常指标，对待检测飞机部件进行裂纹缺陷识别。本发明通过对目标空间图像进行数据处理，提高了对飞机部件进行裂纹缺陷识别的效率，应用于对飞机部件进行裂纹缺陷识别。纹缺陷识别。纹缺陷识别。


技术研发人员：许凯宁 李顶河 万傲霜
受保护的技术使用者：中国民航大学
技术研发日：2023.06.13
技术公布日：2023/7/17