CN116012767B - 一种电控硅油风扇离合器壳体裂纹视觉检测方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及一种电控硅油风扇离合器壳体裂纹视觉检测方法，该方法包括：获取硅油风扇离合器的壳体的灰度图像，获取线场中的多个支持域，获取延伸直线及延伸直线中所包含单位线段的数量，获取相似线段，获取编号相同的相似线段与单位线段的被模糊程度，获取支持域的自适应矩形范围，并得到裂纹区域。本发明通过自适应获取支持域的自适应矩形范围，然后得到精确的裂纹区域。

Description

一种电控硅油风扇离合器壳体裂纹视觉检测方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种电控硅油风扇离合器壳体裂纹视觉检测方法。

背景技术

在电控硅油风扇离合器壳体生产过程中，生产出的电控硅油风扇离合器壳体可能存在裂纹，故需要对裂纹进行检测，将缺陷产品进行筛选出，保证产品质量。

常用检测方法为LSD直线检测算法，通过LSD直线检测算法能实现电控硅油风扇离合器壳体的裂纹区域的提取，由于电控硅油风扇离合器壳体上有很多散热鳍片，当壳体上的裂纹出现在散热鳍片之间时，裂纹的灰度特征受散热鳍片遮挡光线而发生模糊，此时，以LSD直线检测算法进行检测时，LSD直线检测算法的检测准确度会受到严重影响，即会导致LSD直线检测算法的矩形范围不够准确，从而导致获取的裂纹区域不准确。

发明内容

本发明提供一种电控硅油风扇离合器壳体裂纹视觉检测方法，以解决现有的LSD直线检测算法的矩形范围不够准确，从而导致获取的裂纹区域不准确的问题。

本发明的一种电控硅油风扇离合器壳体裂纹视觉检测方法采用如下技术方案。

获取硅油风扇离合器的壳体的灰度图像。

利用灰度图像中垂直于每个像素点的梯度方向的单位线段得到线场中的多个支持域。

根据每个支持域中每个单位线段的梯度幅值，单位线段对应的像素点的邻域内的邻域像素点的灰度值，以及正常壳体的灰度均值，获取每个单位线段为裂纹的可能性，将最大可能性对应的单位线段作为目标单位线段，获取支持域中目标单位线段延伸后的延伸直线中所包含单位线段的数量。

根据目标单位线段与该目标单位线段邻域内的邻域单位线段的可能性差值，获取邻域单位线段中的第一目标线段，将第一目标线段作为新的目标单位线段，获取第一目标线段的邻域内的第二目标线段，直至获取的目标线段的数量与延伸直线中所包含单位线段的数量相等时停止，将得到的所有目标线段作为相似线段。

分别对获得的所有相似线段和延伸直线中包含的单位线段进行编号，所述相似线段的编号是按照获取的先后顺序进行编号，所述延伸直线中包含的单位线段是按照所有相似线段的延伸方向依次进行编号，根据编号相同的相似线段与单位线段对应的像素点之间的距离和，以及编号相同的相似线段与单位线段之间可能性差异，获取编号相同的相似线段与单位线段的被模糊程度。

利用每个编号相同的相似线段与单位线段的被模糊程度，获取所有最终相似线段，根据所有最终相似线段与延伸直线获取目标区域；将目标区域的最小外接矩形作为对应支持域的自适应矩形范围，基于支持域的自适应矩形范围并利用LSD直线算法得到裂纹区域。

优选的，获取每个单位线段为裂纹的可能性，包括。

获取支持域中的每个单位线段的梯度幅值，与支持域中最大梯度幅值的梯度幅值差值。

对梯度幅值差值进行二次函数映射得到第一目标值。

获取支持域中的单位线段对应的像素点的邻域内的邻域像素点的灰度值与正常壳体的灰度均值的灰度差值。

对单位线段对应的像素点的邻域内所有邻域像素点与正常壳体的灰度均值的灰度差值绝对值的均值进行负相关计算得到第二目标值。

将第一目标值与第二目标值的比值进行归一化计算得到每个单位线段为裂纹的可能性。

优选的，获取邻域单位线段中的第一目标线段，包括。

获取目标单位线段与目标单位线段的邻域内的每个邻域单位线段的可能性差值中的最小可能性差值。

将最小可能性差值对应的邻域单位线段作为第一目标线段。

优选的，获取编号相同的相似线段与单位线段之间的可能性差异，包括。

获取编号相同的相似线段与单位线段之间的可能性差值绝值。

将可能性差值绝值作为编号相同的相似线段与单位线段之间的可能性差异。

优选的，获取编号相同的相似线段与单位线段的被模糊程度，包括。

以自然常数为底，以编号相同的相似线段与单位线段之间的可能性差异为幂，获取指数函数值。

将指数函数值，编号相同的相似线段与单位线段对应的像素点之间的距离的乘积，作为编号相同的相似线段与单位线段的初始被模糊程度。

获取每个初始被模糊程度与其在编号上相邻的两个初始被模糊程度的初始被模糊程度差值。

根据两个初始被模糊程度差值，与所有编号相同的相似线段与单位线段的初始被模糊程度的均值，获取每个编号相同的相似线段与单位线段的被模糊程度。

优选的，获取所有最终相似线段，包括。

获取被模糊程度大于预设的被模糊程度阈值时单位线段对应的目标编号。

获取目标编号相邻的编号对应的相似线段的像素点与单位线段的像素点之间的目标距离。

将两个目标距离的均值作为与目标编号对应的延伸直线上的目标线段与最终相似线段的距离。

根据与目标编号对应的延伸直线上的目标线段与最终相似线段的距离，得到与延伸直线上目标线段的目标编号对应的最终相似线段。

优选的，将所有最终相似线段连接得到最终相似线。

优选的，将最终相似线与延伸直线的相邻端连接围成的区域作为目标区域。

优选的，获取硅油风扇离合器的壳体的灰度图像，包括。

获取硅油风扇离合器的壳体图像。

对壳体图像在RGB颜色空间中的R、G、B分量进行投影加权得到壳体的灰度图像。

本发明的一种电控硅油风扇离合器壳体裂纹视觉检测方法的有益效果是。

由于离合器壳体上的鳍片的干扰导致离合器壳体上出现裂纹时，裂纹的边缘模糊，无法准确获取裂纹，故利用LSD算法先获取图像中的线场和支持域，然后获取支持域中为裂纹的最大可能性的目标单位线段，然后以目标单位线段的延伸方向获取延伸直线，即由于金属断裂痕迹为折线状，但总体呈现向某方向进行延伸的特性，且不似鳍片较平直的形态，因此沿目标单位线段的延伸方向获取延伸直线，由于在一个支持域内，裂纹附近存在的单位线段会对属于裂纹的单位线段产生模糊，需要结合裂纹形态的延展特征判断被模糊程度，从而获得矩形范围，即先根据目标单位线段与该目标单位线段邻域内的邻域单位线段的可能性差值，获取邻域单位线段中的第一目标线段，将第一目标线段作为新的目标单位线段，获取第一目标线段的邻域内的第二目标线段，直至获取的目标线段的数量与延伸直线中所包含单位线段的数量相等时停止，将得到的所有目标线段作为相似线段，然后以编号相同的相似线段与单位线段对应的像素点之间的距离，以及编号相同的相似线段与单位线段之间的可能性差异，获取每个编号相同的相似线段与单位线段的被模糊程度，并确定最终相似线段，以基于所有最终相似线段和延伸直线确定自适应矩形范围，即通过可能性与裂纹形态的延展特征，综合获取被模糊程度，以保证基于被模糊程度获取的自适应矩形范围约束在真实裂纹范围附近，即使得基于自适应矩形范围获取的裂纹区域更精确。

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为本发明的一种电控硅油风扇离合器壳体裂纹视觉检测方法的实施例的流程图。

图2为本发明的一种电控硅油风扇离合器壳体裂纹视觉检测方法的实施例中的线场的结构示意图。

图3为本发明的一种电控硅油风扇离合器壳体裂纹视觉检测方法的实施例中的支持域内的延伸直线的示意图。

图4为本发明的一种电控硅油风扇离合器壳体裂纹视觉检测方法的实施例中的支持域内的相似线段的示意图。

图5为本发明的一种电控硅油风扇离合器壳体裂纹视觉检测方法的实施例中的自适应矩形范围的示意图。

实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的一种电控硅油风扇离合器壳体裂纹视觉检测方法的实施例，如图1所示，本实施例包括。

S1、获取硅油风扇离合器的壳体的灰度图像。

具体的，采集硅油风扇离合器的壳体图像，由于部件使用材料不相同，工艺参数不相同，致使不同批次的产品存在壳体颜色差异，故为了避免传统加权灰度化忽视产品自身颜色特征，造成颜色特征丢失，本实施例对壳体图像在RGB颜色空间中的R、G、B分量进行投影加权得到壳体的灰度图像。

其中，投影加权公式为：

式中，表示壳体图像在RGB颜色空间中的/>通道分量。

表示壳体图像在RGB颜色空间中的/>通道分量。

表示壳体图像在RGB颜色空间中的/>通道分量。

表示壳体图像在RGB颜色空间中的/>通道对应的方向上的投影尺度。

表示壳体图像在RGB颜色空间中的/>通道对应的方向上的投影尺度。

表示壳体图像在RGB颜色空间中的/>通道对应的方向上的投影尺度。

表示壳体图像在RGB颜色空间中的R、G、B分量进行投影加权得到壳体的灰度图像。

需要说明的是，投影加权属于现有技术，此处用于说明投影加权比固定加权更适合实施例场景。

S2、获取线场中的多个支持域。

由于，硅油风扇离合器上的散热鳍片位置高于壳体表面，且裂纹为形态不规则的曲折线，故壳体表面上的裂纹区域在采集图像过程中会受到散热鳍片的影响，进而会导致裂纹的矩形范围与鳍片的矩形范围不相同，而单调的扩大、减小矩形范围，会引入噪声边缘干扰裂纹边缘判断，导致特征信息丢失，故需要联系裂纹与鳍片的灰度差异筛选裂纹像素点，并结合裂纹与鳍片的形态差异来自适应选取裂纹的LSD矩形范围。

具体的，由于LSD直线检测算法依赖于向量方向产生的亚像素特征进行选择，通过灰度边缘的方向在一定容忍角度下划分出的线段支持域，并对线段支持域划分矩形近似范围，故利用灰度图像中垂直于每个像素点的梯度方向的单位线段得到线场中的多个支持域，即本实施例根据LSD直线检测算法的本身步骤，获取灰度图像中每个像素点的梯度方向，获取垂直于每个像素点的梯度方向的单位线段，并根据所有单位线段得到线场及线场中的多个支持域。

其中，通过现有的sobel梯度算法获取灰度图像中每个像素点的梯度方向，并作垂直于每个像素点的梯度方向的单位线段，然后将灰度图像转化为线场，线场如图2所示，最后根据预设的容忍程度对线场中的单位线段进行筛选，得到多个支持域，支持域及线场均为LSD算法中步骤，本身实施例中并未做改变，故不再进行赘述。

S3、获取延伸直线及延伸直线中所包含单位线段的数量。

由于支持域中包含较多的单位线段，而单位线段可能属于裂缝也可能属于鳍片，而鳍片位置高于壳体，从而会导致图像中裂缝的灰度特征受到模糊影响，故需要结合裂纹与鳍片的灰度特征差异来获取每个支持域内单位线段为属于裂纹的可能性，基于此，本实施例先根据每个支持域中每个单位线段的梯度幅值，单位线段对应的像素点的邻域内的邻域像素点的灰度值，以及正常壳体的灰度均值，获取每个单位线段为裂纹的可能性，将最大可能性对应的单位线段作为目标单位线段，获取支持域中目标单位线段延伸后的延伸直线中所包含单位线段的数量，如图3所示，延伸直线为最大可能性对应的单位线段在支持域中延伸后的直线。

其中，对于支持域在灰度图像中的范围内，裂缝位置体现为外壳的像素灰度表面发生断裂的位置，而鳍片顶端边缘位置较高，灰度边缘较为锋锐，在裂缝受到鳍片遮挡时，会产生的灰度边缘存在一定模糊，故具体的，单位线段为裂纹的可能性的计算公式为：

式中，表示支持域/>中的第/>个单位线段为裂纹的可能性。

表示支持域/>中的第/>个单位线段所垂直的梯度方向对应的像素点的梯度幅值。

在表示支持域/>中的所有像素点对应的梯度幅值中的最大梯度幅值。

表示二次函数。

表示支持域/>中的第/>个单位线段对应的像素点的第/>个邻域像素点的灰度值。

表示正常壳体的灰度均值。

e表示自然常数。

sigmoid表示归一化函数，目的是为了使得单位线段为裂纹的可能性的取值在0到1。

需要说明的是，表示第一目标值，其目的是通过二次函数映射将幅值过大、过小的鳍片以及正常壳体的位置进行排除，将存在一定幅值但是受鳍片遮挡的裂缝部位的梯度可见性被降低，并利用较大的函数值来进行区分，/>表示第二目标值，利用自然常数e的指数函数，对/>进行负相关映射，越大，越说明单位线段的位置与正常壳体的灰度差异越大，则第二目标值越小，即单位线段为裂纹的可能性越大。

由于为裂纹的可能性越大，那么就越可能是裂纹，故将最大可能性对应的单位线段作为目标单位线段，而裂纹由于金属断裂痕迹为折线状，但总体呈现向某方向进行延伸的特性，且不似鳍片较平直的形态，因此，沿最大可能性对应的单位线段的方向获取单位线段的延伸直线，代表裂痕整体的延伸方向，即可获取支持域中目标单位线段延伸后的延伸直线，延伸直线上有多少个像素点，即延伸直线所包含单位线段的数量。

S4、获取相似线段。

具体的，根据目标单位线段与该目标单位线段邻域内的邻域单位线段的可能性差值，获取邻域单位线段中的第一目标线段，将第一目标线段作为新的目标单位线段，获取第一目标线段的邻域内的第二目标线段，直至获取的目标线段的数量与延伸直线中所包含单位线段的数量相等时停止，将得到的所有目标线段作为相似线段。

其中，本实施例中获取邻域单位线段中的第一目标线段包括：获取目标单位线段与目标单位线段的邻域内的每个邻域单位线段的可能性差值中的最小可能性差值；将最小可能性差值对应的邻域单位线段作为第一目标线段。

其中，获取得到的所有目标线段，包括：以每次得到的目标线段为新的目标单位线段，举例来说，先根据目标单位线段与该目标单位线段邻域内的邻域单位线段的可能性差值，获取邻域单位线段中的第一目标线段，然后第一目标线段为新的目标单位线段，获取第一目标线段的邻域内的邻域单位线段中的第二目标线段，然后第二目标线段为新的目标单位线段，获取第二目标线段的邻域内的邻域单位线段中的第三目标线段，直至获取的目标线段的数量与延伸直线中所包含单位线段的数量相等时停止，此时得到与延伸直线对应的单位线段的数量相同的目标线段，将得到的所有目标线段作为相似线段，按照得到目标线段（即相似线段）的顺序依次连接得到相似线，如图4所示，为了排除噪声线干扰，然后以得到目标线段的顺序将目标线段（即相似线段）连接得到相似线XS，如图5所示，相似线即可以和延伸直线形成的区域的最小外接矩形即为初始矩形范围。

S5、获取编号相同的相似线段与单位线段的被模糊程度。

具体的，分别对获得的所有相似线段和延伸直线中包含的单位线段进行编号，相似线段的编号是按照获取的先后顺序进行编号，延伸直线中包含的单位线段是按照所有相似线段的延伸方向依次进行编号，根据编号相同的相似线段与单位线段对应的像素点之间的距离和，以及编号相同的相似线段与单位线段之间可能性差异，获取编号相同的相似线段与单位线段的被模糊程度，其中，相似线段的编号即得到相似线段的顺序的序号，对于延伸直线的编号，其为沿着相似线段的编号遍历方向，来标记延伸直线上单位线段的序号，然后即可得到相同编号时对应的相似线段与单位线段。

具体的，获取编号相同的相似线段与单位线段的被模糊程度，包括：以自然常数为底，以编号相同的相似线段与单位线段之间的可能性差异为幂，获取指数函数值；将指数函数值，编号相同的相似线段与单位线段对应的像素点之间的距离的乘积，作为编号相同的相似线段与单位线段的初始被模糊程度，初始被模糊程度的计算公式为：

式中，表示延伸直线YS上的编号为/>的单位线段，与编号为/>相似线段的初始被模糊程度。

表示延伸直线YS上的编号为/>的单位线段对应的像素点，与编号为/>的相似线段对应的像素点之间的欧氏距离。

表示延伸直线YS上的编号为/>的单位线段对应的像素点，与编号为/>的相似线段对应的可能性差异，具体的，可能性差异为延伸直线YS上的编号为/>的单位线段对应的像素点，与编号为/>的相似线段的可能性差值的绝对值。

e表示自然常数。

需要说明的是，可能性差异越大，则说明编号相同的相似线段与单位线段之间存在的特征干扰越强，即被模糊程度越大，欧氏距离/>越大，说明相似线段与单位线段之间越离散，即模糊程度越大。

具体的，获取编号相同的相似线段与单位线段的被模糊程度，包括：获取每个初始被模糊程度与其在编号上相邻的两个初始被模糊程度的初始被模糊程度差值；根据两个初始被模糊程度差值，与所有编号相同的相似线段与单位线段的初始被模糊程度的均值，获取每个编号相同的相似线段与单位线段的被模糊程度，其中，编号相同的相似线段与单位线段的被模糊程度的计算公式为：

式中，表示相似线段与延伸直线上编号/>对应的两个单位线段的被模糊程度。

表示延伸直线YS上的编号为/>的单位线段，与编号为/>的单位线段的相似线段的初始被模糊程度。

表示延伸直线YS上的编号为/>的单位线段，与编号为/>的相似线段的初始被模糊程度。

表示延伸直线YS上的编号为/>的单位线段，与编号为/>的相似线段的初始被模糊程度。

表示所有编号相同的相似线段与单位线段的初始被模糊程度的均值。

需要说明的是，对于被模糊程度大的位置，需要通过其余被模糊程度小的位置进行约束，达到精确矩形范围的目的，即在通过计算编号/>与编号/>对应的初始被模糊程度差值，以及/>编号/>与编号/>对应的初始被模糊程度差值，两个初始被模糊程度差值越大，说明被模糊程度/>越大，故在进行LSD直线检测算法时的矩形范围越应该被约束，其次，公式中的XS为表示附图4中的相似线，所有相似线段均处于相似线上。

S6、获取支持域的自适应矩形范围，并得到裂纹区域。

由于，被模糊程度越大，则说明其矩形范围越应该被约束，故根据编号相同的相似线段与单位线段的被模糊程度，获取所有最终相似线段，根据所有最终相似线段与延伸直线获取目标区域；将目标区域的最小外接矩形作为对应支持域的自适应矩形范围，基于支持域的自适应矩形范围并利用LSD直线算法得到裂纹区域。

具体的，获取最终相似线段，包括：根据检验精度要求，预设的被模糊程度阈值取0.7，然后，获取被模糊程度大于预设的被模糊程度阈值时单位线段对应的目标编号；获取目标编号相邻的编号对应的相似线段的像素点与单位线段的像素点之间的目标距离；将两个目标距离的均值作为与目标编号对应的延伸直线上的目标线段与最终相似线段的距离；根据与目标编号对应的延伸直线上的目标线段与最终相似线段的距离，得到与延伸直线上目标线段的目标编号对应的最终相似线段。

如图5所示，获取自适应矩形范围包括：将所有最终相似线段连接得到最终相似线，将最终相似线与延伸直线的相邻端连接围成的区域作为目标区域，作目标区域的最小外接矩形，将最小外接矩形作为对应支持域的自适应矩形范围，然后基于支持域的自适应矩形范围并利用LSD直线算法得到直线，并判断直线是否为裂纹直线，由于LSD直线算法得到直线中有鳍片对应的直线和裂纹对应的裂纹线，本实施例中可利用传统的直线检测方法识别出裂纹线，也可以利用神经网络识别裂纹直线，具体的，这些方法均为现有技术方法，本实施例不再进行赘述。

本发明的一种电控硅油风扇离合器壳体裂纹视觉检测方法，由于离合器壳体上的鳍片的干扰导致离合器壳体上出现裂纹时，裂纹的边缘模糊，无法准确获取裂纹，故利用LSD算法先获取图像中的线场和支持域，然后获取支持域中为裂纹的最大可能性的目标单位线段，然后以目标单位线段的延伸方向获取延伸直线，即由于金属断裂痕迹为折线状，但总体呈现向某方向进行延伸的特性，且不似鳍片较平直的形态，因此沿目标单位线段的延伸方向获取延伸直线，由于在一个支持域内，裂纹附近存在的单位线段会对属于裂纹的单位线段产生模糊，需要结合裂纹形态的延展特征判断被模糊程度，从而获得矩形范围，即先根据目标单位线段与该目标单位线段邻域内的邻域单位线段的可能性差值，获取邻域单位线段中的第一目标线段，将第一目标线段作为新的目标单位线段，获取第一目标线段的邻域内的第二目标线段，直至获取的目标线段的数量与延伸直线中所包含单位线段的数量相等时停止，将得到的所有目标线段作为相似线段，然后以编号相同的相似线段与单位线段对应的像素点之间的距离，以及编号相同的相似线段与单位线段之间的可能性差异，获取每个编号相同的相似线段与单位线段的被模糊程度，并确定最终相似线段，以基于所有最终相似线段和延伸直线确定自适应矩形范围，即通过可能性与裂纹形态的延展特征，综合获取被模糊程度，以保证基于被模糊程度获取的自适应矩形范围约束在真实裂纹范围附近，即使得基于自适应矩形范围获取的裂纹区域更精确。

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，凡在本发明的精神和原则之内，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 (9)

1.一种电控硅油风扇离合器壳体裂纹视觉检测方法，其特征在于，包括：

获取硅油风扇离合器的壳体的灰度图像；

利用灰度图像中垂直于每个像素点的梯度方向的单位线段得到线场中的多个支持域；

根据每个支持域中每个单位线段的梯度幅值，单位线段对应的像素点的邻域内的邻域像素点的灰度值，以及正常壳体的灰度均值，获取每个单位线段为裂纹的可能性，将最大可能性对应的单位线段作为目标单位线段，获取支持域中目标单位线段延伸后的延伸直线中所包含单位线段的数量；

根据目标单位线段与该目标单位线段邻域内的邻域单位线段的可能性差值，获取邻域单位线段中的第一目标线段，将第一目标线段作为新的目标单位线段，获取第一目标线段的邻域内的第二目标线段，直至获取的目标线段的数量与延伸直线中所包含单位线段的数量相等时停止，将得到的所有目标线段作为相似线段；

分别对获得的所有相似线段和延伸直线中包含的单位线段进行编号，所述相似线段的编号是按照获取的先后顺序进行编号，所述延伸直线中包含的单位线段是按照所有相似线段的延伸方向依次进行编号，根据编号相同的相似线段与单位线段对应的像素点之间的距离和，以及编号相同的相似线段与单位线段之间可能性差异，获取编号相同的相似线段与单位线段的被模糊程度；

利用每个编号相同的相似线段与单位线段的被模糊程度，获取所有最终相似线段，根据所有最终相似线段与延伸直线获取目标区域；将目标区域的最小外接矩形作为对应支持域的自适应矩形范围，基于支持域的自适应矩形范围并利用LSD直线算法得到裂纹区域。

2.根据权利要求1所述的一种电控硅油风扇离合器壳体裂纹视觉检测方法，其特征在于，获取每个单位线段为裂纹的可能性，包括：

获取支持域中的每个单位线段的梯度幅值，与支持域中最大梯度幅值的梯度幅值差值；

对梯度幅值差值进行二次函数映射得到第一目标值；

获取支持域中的单位线段对应的像素点的邻域内的邻域像素点的灰度值与正常壳体的灰度均值的灰度差值；

对单位线段对应的像素点的邻域内所有邻域像素点与正常壳体的灰度均值的灰度差值绝对值的均值进行负相关计算得到第二目标值；

将第一目标值与第二目标值的比值进行归一化计算得到每个单位线段为裂纹的可能性。

3.根据权利要求1所述的一种电控硅油风扇离合器壳体裂纹视觉检测方法，其特征在于，获取邻域单位线段中的第一目标线段，包括：

获取目标单位线段与目标单位线段的邻域内的每个邻域单位线段的可能性差值中的最小可能性差值；

将最小可能性差值对应的邻域单位线段作为第一目标线段。

4.根据权利要求1所述的一种电控硅油风扇离合器壳体裂纹视觉检测方法，其特征在于，获取编号相同的相似线段与单位线段之间的可能性差异，包括：

获取编号相同的相似线段与单位线段之间的可能性差值绝对值；

将可能性差值绝对值作为编号相同的相似线段与单位线段之间的可能性差异。

5.根据权利要求1所述的一种电控硅油风扇离合器壳体裂纹视觉检测方法，其特征在于，获取编号相同的相似线段与单位线段的被模糊程度，包括：

以自然常数为底，以编号相同的相似线段与单位线段之间的可能性差异为幂，获取指数函数值；

将指数函数值，编号相同的相似线段与单位线段对应的像素点之间的距离的乘积，作为编号相同的相似线段与单位线段的初始被模糊程度；

获取每个初始被模糊程度与其在编号上相邻的两个初始被模糊程度的初始被模糊程度差值；

根据两个初始被模糊程度差值，与所有编号相同的相似线段与单位线段的初始被模糊程度的均值，获取每个编号相同的相似线段与单位线段的被模糊程度。

6.根据权利要求1所述的一种电控硅油风扇离合器壳体裂纹视觉检测方法，其特征在于，获取所有最终相似线段，包括：

获取被模糊程度大于预设的被模糊程度阈值时单位线段对应的目标编号；

获取目标编号相邻的编号对应的相似线段的像素点与单位线段的像素点之间的目标距离；

将两个目标距离的均值作为与目标编号对应的延伸直线上的目标线段与最终相似线段的距离；

根据与目标编号对应的延伸直线上的目标线段与最终相似线段的距离，得到与延伸直线上目标线段的目标编号对应的最终相似线段。

7.根据权利要求1所述的一种电控硅油风扇离合器壳体裂纹视觉检测方法，其特征在于，将所有最终相似线段连接得到最终相似线。

8.根据权利要求1所述的一种电控硅油风扇离合器壳体裂纹视觉检测方法，其特征在于，将最终相似线与延伸直线的相邻端连接围成的区域作为目标区域。

9.根据权利要求1所述的一种电控硅油风扇离合器壳体裂纹视觉检测方法，其特征在于，获取硅油风扇离合器的壳体的灰度图像，包括：

获取硅油风扇离合器的壳体图像；

对壳体图像在RGB颜色空间中的R、G、B分量进行投影加权得到壳体的灰度图像。