CN115937216A - 一种新能源汽车用磁转子外观质量检测方法 - Google Patents
一种新能源汽车用磁转子外观质量检测方法 Download PDFInfo
- Publication number
- CN115937216A CN115937216A CN202310218476.1A CN202310218476A CN115937216A CN 115937216 A CN115937216 A CN 115937216A CN 202310218476 A CN202310218476 A CN 202310218476A CN 115937216 A CN115937216 A CN 115937216A
- Authority
- CN
- China
- Prior art keywords
- gray
- processed
- pixel point
- denoising
- pixel points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 230000007547 defect Effects 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000009826 distribution Methods 0.000 claims abstract description 22
- 238000010606 normalization Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000003708 edge detection Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/64—Electric machine technologies in electromobility
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种新能源汽车用磁转子外观质量检测方法。该方法包括:获取磁转子表面灰度图像,确定待处理像素点,根据磁转子表面灰度图像中像素点的灰度分布,确定待处理像素点的灰度正常系数;确定相邻像素点,根据相邻像素点邻域内其他像素点的灰度值,确定局部波动程度,根据待处理像素点的灰度值、相邻像素点的灰度值,和所有相邻像素点的局部波动程度,确定灰度波动系数;根据灰度正常系数和灰度波动系数确定去噪必要程度,根据去噪必要程度对磁转子表面灰度图像进行去噪,得到去噪图像,根据去噪图像中的缺陷区域得到质量检测结果,本发明能够有效增强磁转子外观质量检测效果。
Description
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汽车用磁转子外观质量检测方法。
背景技术
随着快充和安全电池的发展,新能源汽车普及率提高,汽车电机作为动力核心,对质量要求极为严格。转子作为动力的直接来源,在行驶过程中需承载巨大的瞬间负载,因此,磁转子的质量检测尤为重要。由于磁转子表面为磨砂特性,易受到光照不均等的影响,其像素点的灰度分布较为复杂,基于传统的缺陷检测方式无法有效实现对磁转子表面的缺陷质量检测。
相关技术中,通过像素点与四邻域内其他像素点的灰度梯度直接作为去光照不均的判断依据,从而对图像进行去噪,这种情况下,由于像素点所处周围区域内其他像素点的灰度值同样影响该区域的灰度波动程度,因此,仅通过四邻域内其他像素点的灰度梯度进行去噪,其去噪效果较差,从而使得最终得到的缺陷区域识别的可靠性较低,外观质量检测效果较差。
发明内容
为了解决外观质量检测效果较差的技术问题,本发明提供一种新能源汽车用磁转子外观质量检测方法,所采用的技术方案具体如下:
本发明提出了一种新能源汽车用磁转子外观质量检测方法,方法包括:
获取磁转子表面灰度图像,从所述磁转子表面灰度图像中选择任一像素点作为待处理像素点,根据所述磁转子表面灰度图像中像素点的灰度分布,确定所述待处理像素点的灰度正常系数;
确定与所述待处理像素点相邻的像素点为相邻像素点,根据所述相邻像素点邻域内其他像素点的灰度值,确定所述相邻像素点的局部波动程度,根据所述待处理像素点的灰度值、所述相邻像素点的灰度值,和所有所述相邻像素点的所述局部波动程度,确定所述待处理像素点的灰度波动系数;
根据所述灰度正常系数和所述灰度波动系数,确定所述待处理像素点的去噪必要程度,根据所述去噪必要程度对所述磁转子表面灰度图像进行自适应去噪处理,得到去噪图像,根据所述去噪图像中的缺陷区域得到质量检测结果。
进一步地,所述根据所述磁转子表面灰度图像中像素点的灰度分布,确定所述待处理像素点的灰度正常系数,包括:
确定所述磁转子表面灰度图像中像素点的灰度直方图,选择所述灰度直方图中灰度分布频率最大的预设数量个灰度值的均值作为正常灰度值;
计算所述待处理像素点的灰度值与所述正常灰度值的差值绝对值作为灰度差异,对所述灰度差异进行归一化处理得到所述灰度正常系数。
进一步地,所述根据所述相邻像素点邻域内其他像素点的灰度值,确定所述相邻像素点的局部波动程度,包括:
计算所述相邻像素点的灰度值与所述相邻像素点四邻域内其他像素点的灰度值的差值绝对值的均值,并将所述差值绝对值的均值作为所述相邻像素点的局部波动程度。
进一步地,所述根据所述待处理像素点的灰度值、所述相邻像素点的灰度值,和所有所述相邻像素点的所述局部波动程度,确定所述待处理像素点的灰度波动系数,包括:
计算所述待处理像素点的灰度值与四邻域内所述相邻像素点的灰度值的差值绝对值的均值作为所述待处理像素点的目标波动程度;
计算所有所述相邻像素点的所述局部波动程度的均值作为相邻波动程度均值;
根据所述待处理像素点的灰度值、所述相邻像素点的灰度值、所述目标波动程度,和所述相邻波动程度均值,确定所述待处理像素点的灰度波动系数。
进一步地,所述根据所述待处理像素点的灰度值、所述相邻像素点的灰度值、所述目标波动程度,和所述相邻波动程度均值,确定所述待处理像素点的灰度波动系数,对应的计算公式为:
式中,表示第个待处理像素点的灰度波动系数,表示待处理像素点的索引,表示归一化函数,表示自然对数,表示第一预设权重值,表示第二预设权重值,与均为正数,且,表示第个待处理像素点的灰度值,表示第个待处理像素点八邻域内第个相邻像素点的灰度值,表示相邻像素点的索引,表示第个待处理像素点的目标波动程度,表示相邻波动程度均值。
进一步地,所述根据所述灰度正常系数和所述灰度波动系数,确定所述待处理像素点的去噪必要程度,包括:
计算所述灰度正常系数和所述灰度波动系数的乘积作为所述待处理像素点的去噪系数;
对所述去噪系数进行反比例的归一化处理得到所述去噪必要程度。
进一步地,所述根据所述去噪必要程度对所述磁转子表面灰度图像进行自适应去噪处理,得到去噪图像,包括:
遍历所述磁转子表面灰度图像中所有的待处理像素点,根据所述去噪必要程度确定所述待处理像素点是否满足预设去噪条件;
对满足所述预设去噪条件的所述待处理像素点进行去噪处理,得到所述去噪图像。
进一步地,所述根据所述去噪必要程度确定所述待处理像素点是否满足预设去噪条件,包括:
在所述待处理像素点的所述去噪必要程度大于等于预设去噪必要阈值时,确定所述待处理像素点满足所述预设去噪条件;
在所述待处理像素点的所述去噪必要程度小于预设去噪必要阈值时,确定所述待处理像素点不满足所述预设去噪条件。
进一步地,所述根据所述去噪图像中的缺陷区域得到质量检测结果,包括:
对所述去噪图像进行边缘检测处理,得到所述缺陷区域;
将所述缺陷区域的面积信息和位置信息作为所述质量检测结果。
本发明具有如下有益效果:
由于磁转子表面的磨砂特性,本发明通过待处理像素点灰度值和磁转子表面灰度图像中像素点的灰度分布,确定灰度正常系数,能够根据灰度分布提高灰度正常系数的准确性,由于根据待处理像素点邻域内的相邻像素点和相邻像素点邻域内的其他像素点,能够准确判断待处理像素点所处位置的灰度波动,相较于直接用灰度梯度表示灰度波动,本方案得到的灰度波动系数具有更优的客观性,可靠性更强;结合灰度正常系数和灰度波动系数确定去噪必要程度,从而能够保证去噪必要程度的准确性与可靠性,在根据去噪必要程度进行去噪处理时,能够有效规避噪声去除不干净或过度去噪的问题,使得得到的去噪图像在有效保留缺陷区域对应的像素点的同时,具有更优的去噪效果,增强质量检测结果的准确性与可靠性,进而提升外观质量检测效果。
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新能源汽车用磁转子外观质量检测方法流程图;
图2为本发明一个实施例所提供的图像采集流程示意图;
图3为本发明一个实施例所提供的磁转子表面灰度图像示意图;
图4为本发明一个实施例所提供的相邻像素点示意图;
图5为本发明一个实施例所提供的缺陷区域的示意图。
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新能源汽车用磁转子外观质量检测方法,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汽车用磁转子外观质量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汽车用磁转子外观质量检测方法流程图,该方法包括:
S101:获取磁转子表面灰度图像,从磁转子表面灰度图像中选择任一像素点作为待处理像素点,根据磁转子表面灰度图像中像素点的灰度分布,确定待处理像素点的灰度正常系数。
本发明实施例中,可以使用半导体感光(Charge Coupled Device,CCD)工业相机获取磁转子表面原始图像,如图2所示,图2为本发明一个实施例所提供的图像采集流程示意图,其中,检测台将磁转子架起固定,通过滚动方向旋转电机轴,使得工业相机能拍摄旋转一周的磁转子表面,得到磁转子表面原始图像。
在得到磁转子表面原始图像之后,可以对磁转子表面原始图像进行图像灰度化处理,本发明实施例中,可以将RGB色彩格式图像的磁转子表面原始图像转换为LAB色彩格式的图像,由此,保留LAB色彩格式的图像中亮度通道L的值作为灰度值,得到磁转子表面灰度图像,当然,为了提高灰度化的精细程度,本发明还支持对LAB色彩格式的图像的亮度进行拉伸,将亮度范围由拉伸至,并将拉伸后的值取整作为图像中像素点的灰度值,由此,得到磁转子表面灰度图像,对此不做限制。
可以理解的是,磁转子表面为微粗糙面。在生产过程中,由于原材料包括金属、非金属和其他物质,需要均匀混合后再模压烧结得到磁转子,磁转子表面表现为凹凸不平的磨砂平面,如图3所示,图3为本发明一个实施例所提供的磁转子表面灰度图像示意图,其表面缺陷可能为缺料、缩孔和黑斑等先天缺陷和脏污、划伤等后天缺陷。由于磁转子表面的磨砂不平,使得直接对缺陷区域进行识别时,容易产生噪点过多、识别错误等异常,因此,本发明通过改进去噪方式,实现对磁转子表面灰度图像的自适应去噪,以提升缺陷识别的可靠性。
进一步地,本发明实施例中,根据磁转子表面灰度图像中像素点的灰度分布,确定待处理像素点的灰度正常系数,包括:确定磁转子表面灰度图像中像素点的灰度直方图,选择灰度直方图中灰度分布频率最大的预设数量个灰度值的均值作为正常灰度值;计算待处理像素点的灰度值与正常灰度值的差值绝对值作为灰度差异,对灰度差异进行归一化处理得到灰度正常系数。
由于图像中某一像素点的灰度值与其他像素点的灰度值差异越大,该点越可能为异常区域的像素点,因此,可以通过确定磁转子表面灰度图像中像素点的灰度直方图,确定灰度分布频率最大的预设数量个灰度值的均值作为正常灰度值,可以理解的是,由于不同检测场景中光照、设备均有不同,因此,预设数量可以根据实际情况进行调整,可选地,预设数量为10,也即是说,确定磁转子表面灰度图像中灰度分布频率前10的灰度值的均值作为正常灰度值,对应的计算公式为:
式中,表示正常灰度值,表示预设数量,表示灰度分布频率最大的预设数量个灰度值的索引,表示第个灰度值。
在确定正常灰度值之后,可以根据正常灰度值确定磁转子表面灰度图像中待处理像素点的灰度正常系数,对应的计算公式为:
式中,表示磁转子表面灰度图像中第个待处理像素点的灰度正常系数,表示归一化函数,表示第个待处理像素点的灰度值,表示正常灰度值。在本发明的一个实施例中,归一化处理可以具体例如为最大最小值归一化处理,并且,后续步骤中的归一化均可以采用最大最小值归一化处理,在本发明的其他实施例中可以根据数值具体范围选择其他归一化方法,对此不再赘述。
由上式可知,在待处理像素点的灰度值与正常灰度值差异越小时,灰度正常系数越小,可以表示该待处理像素点灰度值在磁转子表面灰度图像中越正常,该待处理像素点有可能被作为噪声进行去噪处理,而在待处理像素点的灰度值与正常灰度值差异越大时,灰度正常系数越大,则该待处理像素点的灰度值越异常,对应的该待处理像素点越需要进行保留。
S102:确定与待处理像素点相邻的像素点为相邻像素点,根据相邻像素点邻域内其他像素点的灰度值,确定相邻像素点的局部波动程度,根据待处理像素点的灰度值、相邻像素点的灰度值,和所有相邻像素点的局部波动程度,确定待处理像素点的灰度波动系数。
本发明实施例中,可以从磁转子表面灰度图像中任选一点作为待处理像素点,而后,确定待处理像素点周围八邻域内的像素点作为相邻像素点,并确定每个相邻像素点四邻域的其他像素点。
如图4所示,图4为本发明一个实施例所提供的相邻像素点示意图,图4中的点i表示待处理像素点,像素点1-像素点8为待处理像素点i的相邻像素点,而像素点9、像素点2、像素点8和像素点20表示相邻像素点1的四邻域的其他像素点。
由于磁转子表面灰度图像的像素点分布为磨砂特性,正常磨砂区域存在磨砂的波动,磨砂区域在灰度图像中的定义为:区域内像素点的灰度值在一个范围内波动,且排序混乱;因此在磁转子表面灰度图像中,部分像素点灰度值近似或相等,不存在排序混乱特性的高亮区域或低亮区域,则越有可能为缺陷区域。可以根据灰度波动系数确定待处理像素点所处区域是否为缺陷区域。
进一步地,本发明实施例中,根据相邻像素点邻域内其他像素点的灰度值,确定相邻像素点的局部波动程度,包括:计算相邻像素点的灰度值与相邻像素点四邻域内其他像素点的灰度值的差值绝对值的均值,并将差值绝对值的均值作为相邻像素点的局部波动程度。
对应的计算公式为:
式中,表示第个待处理像素点相邻的第个相邻像素点的局部波动程度,表示待处理像素点的索引,表示相邻像素点的索引,、、、是第个相邻像素点在横向和纵向方向上四邻域内其他像素点的灰度值差异,结合图4进行示例,以相邻像素点1为例,,,,,式中,表示像素点1的灰度值,表示像素点20的灰度值,表示像素点2的灰度值,表示像素点9的灰度值,表示像素点8的灰度值。
可以理解的是,在相邻像素点的局部波动程度越大时,可以表示该相邻像素点周围灰度变化越大,由于磁转子表面灰度图像的像素点分布为磨砂特性,不同材料和不同光照条件均会影响到磁转子表面灰度图像中像素点的灰度变化情况,也即不同磁转子表面灰度图像中像素点的灰度变化情况不同,因此,局部波动程度作为自适应的系数,从而能够提高后续灰度波动系数计算的可靠性。
进一步地,本发明实施例中,根据待处理像素点的灰度值、相邻像素点的灰度值,和所有相邻像素点的局部波动程度,确定待处理像素点的灰度波动系数,包括:计算待处理像素点的灰度值与四邻域内相邻像素点的灰度值的差值绝对值的均值作为待处理像素点的目标波动程度;计算所有相邻像素点的局部波动程度的均值作为相邻波动程度均值;根据待处理像素点的灰度值、相邻像素点的灰度值、目标波动程度,和相邻波动程度均值,确定待处理像素点的灰度波动系数。
其中,目标波动程度,为待处理像素点位置处的局部波动程度,该计算方式与上述对相邻像素点的局部波动程度的计算方式相同,在此不再赘述。
本发明实施例中,可以计算所有相邻像素点的局部波动程度的均值作为相邻波动程度均值,对应的计算公式为:
式中,表示第个待处理像素点的相邻波动程度均值,表示待处理像素点的索引,表示相邻像素点的索引,表示第个待处理像素点相邻的第个相邻像素点的局部波动程度。
进一步地,本发明实施例中,根据待处理像素点的灰度值、相邻像素点的灰度值、目标波动程度,和相邻波动程度均值,确定待处理像素点的灰度波动系数,对应的计算公式为:
式中,表示第个待处理像素点的灰度波动系数,表示待处理像素点的索引,表示归一化函数,表示自然对数,表示第一预设权重值,表示第二预设权重值,与均为正数,且,表示第个待处理像素点的灰度值,表示第个待处理像素点八邻域内第个相邻像素点的灰度值,表示相邻像素点的索引,表示第个待处理像素点的目标波动程度,表示相邻波动程度均值。
其中,第一预设权重值和第二预设权重值均为预设的常数值,与均为正数,且,通过第一预设权重值和第二预设权重值对公式中的参数进行权重分配,第一预设权重值和第二预设权重值的数值大小可以根据实际情况进行调整,可选地,第一预设权重值为0.5,第二预设权重值为0.5,对此不做限制。
本发明实施例中,可以表示第个待处理像素点周围八邻域内的波动,该波动与相邻波动程度均值的比值越小,则可以说明第个待处理像素点所处八邻域的波动程度近似,则第个待处理像素点为正常磨砂区域的像素点的可能性越高,同理,第个待处理像素点的目标波动程度与相邻波动程度均值的比值越小,则可以说明第个待处理像素点所处四邻域的波动程度近似,则第个待处理像素点为正常磨砂区域的像素点的可能性越高,通过设置第一预设权重值和第二预设权重值,使得在数值越接近相邻波动程度均值时,第个待处理像素点的灰度波动系数越小,第个待处理像素点越需要进行去噪处理。
S103:根据灰度正常系数和灰度波动系数,确定待处理像素点的去噪必要程度,根据去噪必要程度对磁转子表面灰度图像进行自适应去噪处理,得到去噪图像,根据去噪图像中的缺陷区域得到质量检测结果。
进一步地,本发明实施例中,根据灰度正常系数和灰度波动系数,确定待处理像素点的去噪必要程度,包括:计算灰度正常系数和灰度波动系数的乘积作为待处理像素点的去噪系数;对去噪系数进行反比例的归一化处理得到去噪必要程度,对应的计算公式为:
其中,表示第个待处理像素点的去噪必要程度,表示待处理像素点的索引,表示归一化函数,表示第个待处理像素点的灰度波动系数,表示第个待处理像素点的灰度正常系数。
也即是说,本发明结合待处理像素点的灰度值的异常情况,和周围灰度分布的异常情况,进而确定去噪必要性,在待处理像素点的灰度波动系数越小时,可以表示待处理像素点较大概率处于正常区域内,越能够进行去噪处理,在待处理像素点的灰度正常系数越小时,可以表示该待处理像素点灰度值在磁转子表面灰度图像中越正常,该待处理像素点有可能被作为噪声进行去噪处理,由此,将灰度正常系数和灰度波动系数的乘积作为待处理像素点的去噪系数,去噪系数越大,越可能为缺陷区域对应的像素点,去噪系数越小,越可能为正常区域对应的像素点,本发明目的在于对正常区域的像素点进行去噪,使得异常区域更为明显,易被识别,因此,对去噪系数进行反比例的归一化处理,得到去噪必要程度,去噪必要程度越大,对应的待处理像素点越需要进行去噪。
本发明的一些实施例中,可以设置去噪必要程度的门限值,用于判断待处理像素点是否需要进行去噪处理。
进一步地,本发明实施例中,根据去噪必要程度对磁转子表面灰度图像进行自适应去噪处理,得到去噪图像,包括:遍历磁转子表面灰度图像中所有的待处理像素点,根据去噪必要程度确定待处理像素点是否满足预设去噪条件;对满足预设去噪条件的待处理像素点进行去噪处理,得到去噪图像。
本发明实施例中,可以遍历磁转子表面灰度图像中所有的像素点,将磁转子表面灰度图像中每一个像素点分别作为待处理像素点。
在待处理像素点满足预设去噪条件时,对待处理像素点进行去噪处理,其中,该去噪处理,可以具体例如为均值去噪处理,其中,均值去噪处理为本领域所熟知的技术,在此不做进一步的限定与赘述;在待处理像素点不满足预设去噪条件时,保留待处理像素点,由此,对磁转子表面灰度图像中所有的像素点进行处理,得到去噪图像。
进一步地,本发明的一些实施例中,根据去噪必要程度确定待处理像素点是否满足预设去噪条件,包括:在待处理像素点的去噪必要程度大于等于预设去噪必要阈值时,确定待处理像素点满足预设去噪条件;在待处理像素点的去噪必要程度小于预设去噪必要阈值时,确定待处理像素点不满足预设去噪条件。
其中,预设去噪必要阈值,为去噪必要程度的门限值,可选地,预设去噪必要阈值可以为0.8,也即是说,在待处理像素点的去噪必要程度大于等于0.8时,确定待处理像素点满足预设去噪条件,在待处理像素点的去噪必要程度小于0.8时,确定待处理像素点不满足预设去噪条件。当然,预设去噪必要阈值可以根据实际检测情况进行调整,对此不做限制。
在本发明的另一些实施例中,还支持使用其他任意可能的实现方式根据去噪必要程度判断待处理像素点是否满足预设去噪条件,例如去噪必要程度处于一定的数值区间内,或者,相邻待处理像素点的去噪必要程度的变化等,对此不做限制。
进一步地,本发明实施例中,根据去噪图像中的缺陷区域得到质量检测结果,包括:对去噪图像进行边缘检测处理,得到缺陷区域;将缺陷区域的面积信息和位置信息作为质量检测结果。
在本发明的一些实施例中,经由去噪处理,能够得到图像表现更为平滑的去噪图像,可以直接对去噪图像进行边缘检测处理,得到缺陷区域。其中边缘检测处理可以具体例如为基于Canny算子的边缘检测,边缘检测处理为本领域所熟知的技术,在此不再赘述。
在本发明的另一些实施例中,还可以使用二值分割的方式,获得缺陷区域,或者,本发明还可以构建深度学习的缺陷检测网络模型,基于缺陷检测网络模型处理输出缺陷区域,对此不做限制。如图5所示,图5为本发明一个实施例所提供的缺陷区域的示意图。
本发明在得到缺陷区域之后,可以直接输出缺陷区域的位置信息及面积信息作为质量检测结果,或者,也可以设置相应的质量检测标准,根据缺陷区域的位置信息及面积信息确定去噪图像所对应的质量检测标准输出作为质量检测结果,或者,还可以根据其他任意可能的实现方式根据缺陷区域生成质量检测结果,对此不做限制。
综上,由于磁转子表面的磨砂特性,本发明通过待处理像素点灰度值和磁转子表面灰度图像中像素点的灰度分布,确定灰度正常系数,能够根据灰度分布提高灰度正常系数的准确性,由于根据待处理像素点邻域内的相邻像素点和相邻像素点邻域内的其他像素点,能够准确判断待处理像素点所处位置的灰度波动,相较于直接用灰度梯度表示灰度波动,本方案得到的灰度波动系数具有更优的客观性,可靠性更强;结合灰度正常系数和灰度波动系数确定去噪必要程度,从而能够保证去噪必要程度的准确性与可靠性,在根据去噪必要程度进行去噪处理时,能够有效规避噪声去除不干净或过度去噪的问题,使得得到的去噪图像在有效保留缺陷区域对应的像素点的同时,具有更优的去噪效果,增强质量检测结果的准确性与可靠性,提升外观质量检测效果。
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 (9)
1.一种新能源汽车用磁转子外观质量检测方法,其特征在于,所述方法包括:
获取磁转子表面灰度图像,从所述磁转子表面灰度图像中选择任一像素点作为待处理像素点,根据所述磁转子表面灰度图像中像素点的灰度分布,确定所述待处理像素点的灰度正常系数;
确定与所述待处理像素点相邻的像素点为相邻像素点,根据所述相邻像素点邻域内其他像素点的灰度值,确定所述相邻像素点的局部波动程度,根据所述待处理像素点的灰度值、所述相邻像素点的灰度值,和所有所述相邻像素点的所述局部波动程度,确定所述待处理像素点的灰度波动系数;
根据所述灰度正常系数和所述灰度波动系数,确定所述待处理像素点的去噪必要程度,根据所述去噪必要程度对所述磁转子表面灰度图像进行自适应去噪处理,得到去噪图像,根据所述去噪图像中的缺陷区域得到质量检测结果。
2.如权利要求1所述的方法,其特征在于,所述根据所述磁转子表面灰度图像中像素点的灰度分布,确定所述待处理像素点的灰度正常系数,包括:
确定所述磁转子表面灰度图像中像素点的灰度直方图,选择所述灰度直方图中灰度分布频率最大的预设数量个灰度值的均值作为正常灰度值;
计算所述待处理像素点的灰度值与所述正常灰度值的差值绝对值作为灰度差异,对所述灰度差异进行归一化处理得到所述灰度正常系数。
3.如权利要求1所述的方法,其特征在于,所述根据所述相邻像素点邻域内其他像素点的灰度值,确定所述相邻像素点的局部波动程度,包括:
计算所述相邻像素点的灰度值与所述相邻像素点四邻域内其他像素点的灰度值的差值绝对值的均值,并将所述差值绝对值的均值作为所述相邻像素点的局部波动程度。
4.如权利要求1所述的方法,其特征在于,所述根据所述待处理像素点的灰度值、所述相邻像素点的灰度值,和所有所述相邻像素点的所述局部波动程度,确定所述待处理像素点的灰度波动系数,包括:
计算所述待处理像素点的灰度值与四邻域内所述相邻像素点的灰度值的差值绝对值的均值作为所述待处理像素点的目标波动程度;
计算所有所述相邻像素点的所述局部波动程度的均值作为相邻波动程度均值;
根据所述待处理像素点的灰度值、所述相邻像素点的灰度值、所述目标波动程度,和所述相邻波动程度均值,确定所述待处理像素点的灰度波动系数。
5.如权利要求4所述的方法,其特征在于,所述根据所述待处理像素点的灰度值、所述相邻像素点的灰度值、所述目标波动程度,和所述相邻波动程度均值,确定所述待处理像素点的灰度波动系数,对应的计算公式为:
式中,表示第个待处理像素点的灰度波动系数,表示待处理像素点的索引,表示归一化函数,表示自然对数,表示第一预设权重值,表示第二预设权重值,与均为正数,且,表示第个待处理像素点的灰度值,表示第个待处理像素点八邻域内第个相邻像素点的灰度值,表示相邻像素点的索引,表示第个待处理像素点的目标波动程度,表示相邻波动程度均值。
6.如权利要求1所述的方法,其特征在于,所述根据所述灰度正常系数和所述灰度波动系数,确定所述待处理像素点的去噪必要程度,包括:
计算所述灰度正常系数和所述灰度波动系数的乘积作为所述待处理像素点的去噪系数;
对所述去噪系数进行反比例的归一化处理得到所述去噪必要程度。
7.如权利要求1所述的方法,其特征在于,所述根据所述去噪必要程度对所述磁转子表面灰度图像进行自适应去噪处理,得到去噪图像,包括:
遍历所述磁转子表面灰度图像中所有的待处理像素点,根据所述去噪必要程度确定所述待处理像素点是否满足预设去噪条件;
对满足所述预设去噪条件的所述待处理像素点进行去噪处理,得到所述去噪图像。
8.如权利要求7所述的方法,其特征在于,所述根据所述去噪必要程度确定所述待处理像素点是否满足预设去噪条件,包括:
在所述待处理像素点的所述去噪必要程度大于等于预设去噪必要阈值时,确定所述待处理像素点满足所述预设去噪条件;
在所述待处理像素点的所述去噪必要程度小于预设去噪必要阈值时,确定所述待处理像素点不满足所述预设去噪条件。
9.如权利要求1所述的方法,其特征在于,所述根据所述去噪图像中的缺陷区域得到质量检测结果,包括:
对所述去噪图像进行边缘检测处理,得到所述缺陷区域;
将所述缺陷区域的面积信息和位置信息作为所述质量检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310218476.1A CN115937216B (zh) | 2023-03-09 | 2023-03-09 | 一种新能源汽车用磁转子外观质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310218476.1A CN115937216B (zh) | 2023-03-09 | 2023-03-09 | 一种新能源汽车用磁转子外观质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115937216A true CN115937216A (zh) | 2023-04-07 |
CN115937216B CN115937216B (zh) | 2023-05-19 |
Family
ID=85832332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310218476.1A Active CN115937216B (zh) | 2023-03-09 | 2023-03-09 | 一种新能源汽车用磁转子外观质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115937216B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116990323A (zh) * | 2023-09-26 | 2023-11-03 | 睿同科技有限公司 | 一种高精密印刷版视觉检测*** |
CN117094917A (zh) * | 2023-10-20 | 2023-11-21 | 高州市人民医院 | 一种心血管3d打印数据处理方法 |
CN117349611A (zh) * | 2023-12-06 | 2024-01-05 | 山东清控生态环境产业发展有限公司 | 一种基于大数据分析的水质波动仪监测方法 |
CN117408890A (zh) * | 2023-12-14 | 2024-01-16 | 武汉泽塔云科技股份有限公司 | 一种视频图像传输质量增强方法及*** |
CN117689574A (zh) * | 2024-02-04 | 2024-03-12 | 大连锦辉盛世科技有限公司 | 一种用于肿瘤射频消融诊疗定位的医疗影像处理方法 |
CN117880520A (zh) * | 2024-03-11 | 2024-04-12 | 山东交通学院 | 一种用于机车乘务员值乘标准化监控的数据管理方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950414A (zh) * | 2010-09-02 | 2011-01-19 | 西安电子科技大学 | 自然图像非局部均值去噪方法 |
US20110069904A1 (en) * | 2009-09-21 | 2011-03-24 | Pixart Imaging Inc | Image denoising method |
CN105954693A (zh) * | 2016-04-20 | 2016-09-21 | 高秋红 | 一种转子磁性检测方法 |
CN114881915A (zh) * | 2022-02-11 | 2022-08-09 | 西安电子科技大学 | 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法 |
CN115100203A (zh) * | 2022-08-25 | 2022-09-23 | 山东振鹏建筑钢品科技有限公司 | 一种钢筋打磨除锈质量检测方法 |
CN115170576A (zh) * | 2022-09-09 | 2022-10-11 | 山东中发新材料科技有限公司 | 基于机器视觉的铝管表面缺陷检测方法 |
CN115272347A (zh) * | 2022-09-30 | 2022-11-01 | 中威泵业(江苏)有限公司 | 一种轴承缺陷识别方法 |
-
2023
- 2023-03-09 CN CN202310218476.1A patent/CN115937216B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110069904A1 (en) * | 2009-09-21 | 2011-03-24 | Pixart Imaging Inc | Image denoising method |
CN101950414A (zh) * | 2010-09-02 | 2011-01-19 | 西安电子科技大学 | 自然图像非局部均值去噪方法 |
CN105954693A (zh) * | 2016-04-20 | 2016-09-21 | 高秋红 | 一种转子磁性检测方法 |
CN114881915A (zh) * | 2022-02-11 | 2022-08-09 | 西安电子科技大学 | 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法 |
CN115100203A (zh) * | 2022-08-25 | 2022-09-23 | 山东振鹏建筑钢品科技有限公司 | 一种钢筋打磨除锈质量检测方法 |
CN115170576A (zh) * | 2022-09-09 | 2022-10-11 | 山东中发新材料科技有限公司 | 基于机器视觉的铝管表面缺陷检测方法 |
CN115272347A (zh) * | 2022-09-30 | 2022-11-01 | 中威泵业(江苏)有限公司 | 一种轴承缺陷识别方法 |
Non-Patent Citations (4)
Title |
---|
ZHICHAO LIU ET AL: "Machine vision based online detection of PCB defect", 《MICROPROCESSORS AND MICROSYSTEMS》 * |
刘琬臻;付忠良;: "基于局部方差改进的超声图像各向异性扩散去噪算法", 计算机应用 * |
吴晓君;唐婷;张林;蔡君义;: "基于机器视觉技术的表面缺陷在线检测***设计", 自动化与仪表 * |
李明;: "一种新型测速传感器检测***的研究", 微计算机信息 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116990323A (zh) * | 2023-09-26 | 2023-11-03 | 睿同科技有限公司 | 一种高精密印刷版视觉检测*** |
CN116990323B (zh) * | 2023-09-26 | 2023-12-05 | 睿同科技有限公司 | 一种高精密印刷版视觉检测*** |
CN117094917A (zh) * | 2023-10-20 | 2023-11-21 | 高州市人民医院 | 一种心血管3d打印数据处理方法 |
CN117094917B (zh) * | 2023-10-20 | 2024-02-06 | 高州市人民医院 | 一种心血管3d打印数据处理方法 |
CN117349611A (zh) * | 2023-12-06 | 2024-01-05 | 山东清控生态环境产业发展有限公司 | 一种基于大数据分析的水质波动仪监测方法 |
CN117349611B (zh) * | 2023-12-06 | 2024-03-08 | 山东清控生态环境产业发展有限公司 | 一种基于大数据分析的水质波动仪监测方法 |
CN117408890A (zh) * | 2023-12-14 | 2024-01-16 | 武汉泽塔云科技股份有限公司 | 一种视频图像传输质量增强方法及*** |
CN117408890B (zh) * | 2023-12-14 | 2024-03-08 | 武汉泽塔云科技股份有限公司 | 一种视频图像传输质量增强方法及*** |
CN117689574A (zh) * | 2024-02-04 | 2024-03-12 | 大连锦辉盛世科技有限公司 | 一种用于肿瘤射频消融诊疗定位的医疗影像处理方法 |
CN117689574B (zh) * | 2024-02-04 | 2024-04-26 | 大连锦辉盛世科技有限公司 | 一种用于肿瘤射频消融诊疗定位的医疗影像处理方法 |
CN117880520A (zh) * | 2024-03-11 | 2024-04-12 | 山东交通学院 | 一种用于机车乘务员值乘标准化监控的数据管理方法 |
CN117880520B (zh) * | 2024-03-11 | 2024-05-10 | 山东交通学院 | 一种用于机车乘务员值乘标准化监控的数据管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115937216B (zh) | 2023-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115937216A (zh) | 一种新能源汽车用磁转子外观质量检测方法 | |
CN116740070B (zh) | 基于机器视觉的塑料管道外观缺陷检测方法 | |
CN115619793B (zh) | 基于计算机视觉的电源适配器外观质量检测方法 | |
CN115359044B (zh) | 一种基于图像增强的金属件表面划痕检测方法 | |
CN116630813B (zh) | 一种公路路面施工质量智能检测*** | |
CN115147409A (zh) | 基于机器视觉的手机壳生产品质检测方法 | |
CN116777916B (zh) | 基于泵机金属外壳的缺陷检测方法 | |
CN117422712B (zh) | 基于图像滤波处理的塑料母粒视觉检测方法及*** | |
CN116363140B (zh) | 一种中硼硅玻璃缺陷的检测方法、***、装置及存储介质 | |
CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
CN115063407B (zh) | 一种用于环形铜垫片的划痕及裂纹识别方法 | |
CN115511907B (zh) | 一种用于led屏幕的划痕检测方法 | |
CN115274486B (zh) | 一种半导体表面缺陷识别方法 | |
CN112365450A (zh) | 基于图像识别的物品分类计数的方法、装置和存储介质 | |
CN115601365A (zh) | 用于数控机床的轴承检测方法 | |
CN117541582B (zh) | 一种高频变频器igbt绝缘质量检测方法 | |
CN115131375A (zh) | 一种矿石自动分割方法 | |
CN115272336A (zh) | 基于梯度向量的金属零件缺陷精准检测方法 | |
CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
CN116524196A (zh) | 一种基于图像识别技术的输电线智能检测*** | |
CN117745724A (zh) | 基于视觉分析的石材打磨加工缺陷区域分割方法 | |
CN112184619A (zh) | 一种基于深度学习的金属部件表面缺陷检测方法 | |
CN115254674B (zh) | 一种轴承缺陷分选方法 | |
CN115880181A (zh) | 一种增强图像对比度的方法、装置及终端 | |
CN115423765A (zh) | 一种基于模板图像的晶粒缺陷量化分割方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |