CN116363126B - 一种数据线usb插头焊接质量检测方法 - Google Patents
一种数据线usb插头焊接质量检测方法 Download PDFInfo
- Publication number
- CN116363126B CN116363126B CN202310618835.2A CN202310618835A CN116363126B CN 116363126 B CN116363126 B CN 116363126B CN 202310618835 A CN202310618835 A CN 202310618835A CN 116363126 B CN116363126 B CN 116363126B
- Authority
- CN
- China
- Prior art keywords
- connected domain
- abnormal
- welding
- determining
- distribution value
- 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.)
- Active
Links
- 238000003466 welding Methods 0.000 title claims abstract description 177
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 162
- 238000009826 distribution Methods 0.000 claims abstract description 111
- 238000001914 filtration Methods 0.000 claims abstract description 62
- 238000004891 communication Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000003044 adaptive effect Effects 0.000 claims description 29
- 238000012216 screening Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000007547 defect Effects 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 229910000679 solder Inorganic materials 0.000 description 2
- 238000005476 soldering Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像数据处理技术领域,具体涉及一种数据线USB插头焊接质量检测方法。该方法包括:获取USB插头的焊接区域灰度图像,将焊接区域灰度图像划分为局部焊接子区域,确定异常连通域;根据同一局部焊接子区域中所有异常连通域间的连通域距离确定初始分布值,根据初始分布值确定异常连通域所属连通域类型;确定局部焊接子区域的标准分布值;确定待处理连通域,确定待处理连通域的自适应滤波系数;根据待处理连通域所属连通域类型和自适应滤波系数,对所有异常连通域中的像素点进行自适应滤波处理得到目标灰度图像,对目标灰度图像进行质量检测,得到检测结果。本发明能够有效提升焊接质量检测的准确性与可靠性。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种数据线USB插头焊接质量检测方法。
背景技术
数据线USB插头的焊接质量直接影响到数据线在充电、数据传输等过程中的效率以及安全性,因此,对数据线USB插头的焊接质量检测尤为重要,在焊接场景中,可能存在高温或高压电流等的影响,从而导致所采集的图像中不可避免地出现噪声信息等干扰因素,因此需要对所采集到的图像进行滤波去噪。
相关技术中,使用均值滤波的方式对USB插头的焊接区域灰度图像进行去噪处理,这种方式下,由于USB插头处的焊接区域面积较小,焊锡表面存在如焊渣、毛刺等微小缺陷与噪点近似,同样会被作为噪点进行去噪,从而导致焊接质量检测无法有效考虑微小缺陷的影响,使得焊接质量检测的准确性不足。
发明内容
为了解决因为图像噪声影响导致焊接质量检测的准确性的技术问题,本发明提供一种数据线USB插头焊接质量检测方法,所采用的技术方案具体如下:
本发明提出了一种数据线USB插头焊接质量检测方法,方法包括:
获取USB插头的焊接区域灰度图像,将所述焊接区域灰度图像划分为至少两个第一预设大小的局部焊接子区域,根据所述局部焊接子区域中像素点的梯度值确定至少一个异常连通域;
确定所述异常连通域间的连通域距离,根据同一局部焊接子区域中所有所述异常连通域间的连通域距离确定所述局部焊接子区域的初始分布值,根据所述初始分布值确定所述异常连通域所属连通域类型;
根据所有局部焊接子区域的初始分布值确定每个所述局部焊接子区域的标准分布值;在局部焊接子区域中任选某一异常连通域作为待处理连通域,根据所述局部焊接子区域中除所述待处理连通域的其他异常连通域间的连通域距离和所述标准分布值,确定所述待处理连通域的自适应滤波系数;
根据所述待处理连通域所属连通域类型和所述自适应滤波系数,对所述待处理连通域中的像素点进行自适应滤波处理,遍历所有的所述异常连通域得到目标灰度图像,对所述目标灰度图像进行质量检测,得到检测结果。
进一步地,所述连通域类型包括正常噪点类型和瑕疵点类型,所述根据所述初始分布值确定所述异常连通域所属连通域类型,包括:
将图像信息熵最小的局部焊接子区域作为正常区域,确定所述正常区域的初始分布值为正常分布值;
确定筛选数量,在除所述正常区域之外的每个所述局部焊接子区域中任选所述筛选数量个异常连通域进行去除,计算剩余所述异常连通域间连通域距离的方差作为待测连通域分布值;
遍历所述局部焊接子区域中所有异常连通域基于不同筛选数量的组合,选择所述待测连通域分布值与所述正常分布值差值绝对值最小的所述异常连通域的组合作为瑕疵点组合;
确定所述瑕疵点组合中的所述异常连通域的连通域类型为瑕疵点类型,除所述瑕疵点组合中的所述异常连通域外的其他异常连通域的连通域类型为正常噪点类型。
进一步地,所述根据所有局部焊接子区域的初始分布值确定每个所述局部焊接子区域的标准分布值,包括:
计算任一局部焊接子区域的初始分布值与所有局部焊接子区域的初始分布值和值的比值作为所述局部焊接子区域的异常程度,计算异常程度与1的和值作为异常影响因子;
将所述局部焊接子区域的初始分布值与所述异常影响因子的比值作为所述局部焊接子区域的标准分布值。
进一步地,所述根据所述局部焊接子区域中除所述待处理连通域的其他异常连通域间的连通域距离和所述标准分布值,确定所述待处理连通域的自适应滤波系数,包括:
计算所述局部焊接子区域中除所述待处理连通域的其他异常连通域间连通域距离的方差作为剩余连通域分布值;
计算所述剩余连通域分布值与所述标准分布值的差值绝对值作为分布值差异,对所述分布值差异进行归一化处理得到所述自适应滤波系数。
进一步地,所述根据所述待处理连通域所属连通域类型和所述自适应滤波系数,对所述待处理连通域中的像素点进行自适应滤波处理,包括:
确定第二预设大小的第一滤波窗口和第二滤波窗口,其中,所述第一滤波窗口中所有像素点的权重均为所述自适应滤波系数,所述第二滤波窗口的中心像素点的权重为一减自适应滤波系数,其他像素点的权重为所述自适应滤波系数;
在所述待处理连通域的连通域类型为正常噪点类型时,根据所述第一滤波窗口对所述待处理连通域中的像素点进行自适应滤波处理;
在所述待处理连通域的连通域类型为瑕疵点类型时,根据所述第二滤波窗口对所述待处理连通域中的像素点进行自适应滤波处理。
进一步地,所述根据所述局部焊接子区域中像素点的梯度值确定至少一个异常连通域,包括:
将所述像素点梯度值大于预设梯度值阈值的像素点作为异常像素点,以所述异常像素点为中心进行连通域分析,得到异常连通域。
进一步地,所述确定所述异常连通域间的连通域距离,包括:
从所述局部焊接子区域中任选某一异常连通域,确定所述异常连通域的连通域中心点与其他异常连通域中心点间的欧式距离最小值为所述异常连通域的连通域距离。
进一步地,所述根据同一局部焊接子区域中所有所述异常连通域间的连通域距离确定所述局部焊接子区域的初始分布值,包括:
遍历所述局部焊接子区域中所有异常连通域,确定所有异常连通域的连通域距离的方差为所述初始分布值。
本发明具有如下有益效果:
本发明通过局部焊接子区域中像素点的梯度值确定异常连通域,能够有效根据局部焊接子区域中像素点的梯度变化确定焊点位置处的异常区域,便于直接对异常的区域进行分析;通过同一局部焊接子区域中所有异常连通域间的连通域距离确定异常连通域所属连通域类型,通过确定不同的连通域类型,便于后续根据连通域类型使用对应的滤波方式,从而提升后续滤波处理的可靠性,通过自适应滤波系数的计算,确定不同异常连通域基于连通域自身的分布情况所得到的自适应的滤波系数,进而提升自适应的滤波的准确性,增强滤波效果;通过连通域类型和自适应滤波系数对所有异常连通域进行滤波,从而能够在有效确定连通域类型和自适应滤波系数之后,基于不同的连通域类型和自适应滤波系数,对异常连通域进行滤波处理,能够基于异常连通域的分布情况,在保留焊接缺陷的同时实现对异常连通域的自适应滤波,有效提升滤波处理的客观性,进而在对目标灰度图像进行质量检测时,有效提升检测结果的可靠性与准确性。
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数据线USB插头焊接质量检测方法流程图;
图2为本发明一个实施例提供的连通域中心点分布示意图;
图3为本发明一个实施例所提供的第一滤波窗口示意图;
图4为本发明一个实施例所提供的第二滤波窗口示意图。
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数据线USB插头焊接质量检测方法,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数据线USB插头焊接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数据线USB插头焊接质量检测方法流程图,该方法包括:
S101:获取USB插头的焊接区域灰度图像,将焊接区域灰度图像划分为至少两个第一预设大小的局部焊接子区域,根据局部焊接子区域中像素点的梯度值确定至少一个异常连通域。
本发明实施例中,可以在生产线上布置工业相机,基于工业相机通过多角度工业光源拍摄USB插头焊接处的正面图像,而后,通过语义分割确定焊接区域与背景区域,并且通过图像预处理获得焊接区域灰度图像,其中,语义分割和图像预处理为本领域所熟知的技术,对此不再赘述。
其中,第一预设大小,为预设的局部焊接子区域的大小,本发明实施例中,可以按照第一预设大小对焊接区域灰度图像进行划分,得到局部焊接子区域,可选地,第一预设大小为50×50,则对应的,将焊接区域灰度图像划分为至少两个50×50的局部焊接子区域。
进一步地,本发明实施例中,根据局部焊接子区域中像素点的梯度值确定至少一个异常连通域,包括:将像素点梯度值大于预设梯度值阈值的像素点作为异常像素点,以异常像素点为中心进行连通域分析,得到异常连通域。
其中,预设梯度值阈值,为预设的像素点梯度幅值的门限值,本发明实施例中,可以基于焊锡表面的质量问题设置预设梯度值阈值,可选地,预设梯度值阈值可以具体例如为20,也即是说,在像素点梯度值大于20时,确定该像素点作为异常像素点,在像素点梯度值小于等于20,确定像素点为正常焊接像素点。
可以理解的是,因焊接区域灰度趋近于一致,且焊点位置处灰度值变化也较为平缓,因此,在发生灰度突变时,越有可能出现噪点或瑕疵点,因此,异常像素点可以具体例如为噪点或瑕疵点位置处的像素点,则对应的,以异常像素点为中心进行连通域分析,获得异常连通域,其中,连通域分析为本领域所熟知的技术,对此不再赘述。
可以理解的是,由于焊锡表面会出现毛刺、凹陷等异常缺陷,因USB插头焊接区域较小,对应的毛刺、凹陷等异常缺陷的面积也较小,在焊接区域灰度图像中可能会被当做噪点像素点进行去噪处理,因此,传统的图像去噪方式无法有效保留图像中的瑕疵点,导致焊接质量检测的准确性较低,本发明基于该场景,通过确定异常连通域,并根据异常连通域的分布情况有效区分噪点与瑕疵点,具体参见下述实施例。
S102:确定异常连通域间的连通域距离,根据同一局部焊接子区域中所有异常连通域间的连通域距离确定局部焊接子区域的初始分布值,根据初始分布值确定异常连通域所属连通域类型。
可选地,本发明实施例中,确定异常连通域间的连通域距离,包括:从局部焊接子区域中任选某一异常连通域,确定异常连通域的连通域中心点与其他异常连通域中心点间的欧式距离最小值为异常连通域的连通域距离。
其中,连通域中心点,可以具体例如为连通域的几何中心,本发明实施例中,可以基于相应的计算方式计算获得连通域的几何中心,并将其作为连通域中心点,对连通域几何中心的获取为本领域熟知的计算方式,对此不再赘述。
在确定同一局部焊接子区域中所有异常连通域的连通域中心点之后,可以确定任一异常连通域的连通域中心点与其他异常连通域中心点间的欧式距离最小值为该异常连通域的连通域距离,也即是说,确定与所选异常连通域的连通域中心点最近的另一个连通域中心点,并将两个中心点之间的欧式距离作为所选异常连通域的连通域距离。
可以理解的是,如图2所示,图2为本发明一个实施例提供的连通域中心点分布示意图,A点为瑕疵点所对应连通域中心点,其他点为噪点所对应连通域中心点,在相同拍摄场景下,所拍摄得到的噪点的分布相似度较高,其连通域距离较为相近,而瑕疵点的分布更为混乱,在包含瑕疵点的区域,所对应周围异常连通域的连通域距离会受到影响,因此,通过异常连通域的连通域距离可以有效识别瑕疵点。
进一步地,本发明实施例中,根据同一局部焊接子区域中所有异常连通域间的连通域距离确定局部焊接子区域的初始分布值,包括:遍历局部焊接子区域中所有异常连通域,确定所有异常连通域的连通域距离的方差为初始分布值。
本发明实施例中,通过计算局部焊接子区域中所有异常连通域的连通域距离的方差作为局部焊接子区域的初始分布值,该初始分布值可以反映瑕疵点影响的连通域分布情况,由此,可以根据初始分布值对瑕疵点进行判断。
进一步地,本发明实施例中,连通域类型包括正常噪点类型和瑕疵点类型,根据初始分布值确定异常连通域所属连通域类型,包括:将图像信息熵最小的局部焊接子区域作为正常区域,确定正常区域的初始分布值为正常分布值;确定筛选数量,在除正常区域之外的每个局部焊接子区域中任选筛选数量个异常连通域进行去除,计算剩余异常连通域间连通域距离的方差作为待测连通域分布值;遍历局部焊接子区域中所有异常连通域基于不同筛选数量的组合,选择待测连通域分布值与正常分布值差值绝对值最小的异常连通域的组合作为瑕疵点组合;确定瑕疵点组合中的异常连通域的连通域类型为瑕疵点类型,除瑕疵点组合中的异常连通域外的其他异常连通域的连通域类型为正常噪点类型。
本发明实施例中,可以设置连通域类型包括正常噪点类型和瑕疵点类型,也即是说,将连通域类型划分为焊接区域在成像过程中所对应的正常噪点类型,以及焊接区域本身所具有的瑕疵点类型。
本发明实施例中,将图像信息熵最小的局部焊接子区域作为正常区域,可以理解的是,局部焊接子区域的图像信息熵越小,可以表示该局部焊接子区域内像素点的梯度变化越小,也即可以表明对应局部焊接子区域内噪点像素点和瑕疵点像素点越少,本发明可以直接将对应图像信息熵最小的局部焊接子区域作为正常区域,其中,图像信息熵的计算方式为本领域所熟知的技术,对此不再赘述。
本发明实施例中,因正常区域图像信息熵最小,可以将正常区域当做无瑕疵的区域,并根据正常区域的连通域分布情况确定正常分布值,可以理解的是,本发明将正常区域作为参考,以便于对剩余异常连通域进行分析,因此,后续的分析为针对除正常区域的其他局部焊接子区域进行的。
其中,筛选数量,为对异常连通域进行筛选并去除的数量,本发明可以筛选任意数量个异常连通域进行去除,而后,计算剩余异常连通域间连通域距离的方差作为待测连通域分布值。
其中,遍历除正常区域外每个局部焊接子区域中所有异常连通域基于不同筛选数量的组合,举例而言,假设某一局部焊接子区域中有3个异常连通域,分别为{1,2,3},则对应的该局部焊接子区域中所有异常连通域基于不同筛选数量的组合可以为{1},{2},{3},{1,2},{2,3},{1,3},{1,2,3},由此,分别计算除去对应异常连通域之后,剩余异常连通域间连通域距离的方差作为该局部焊接子区域中除对应筛选数量的组合的待测连通域分布值。
本发明实施例中,可以选择待测连通域分布值与正常分布值差值绝对值最小的异常连通域的组合作为瑕疵点组合,也即是说,可以计算不同组合对应的待测连通域分布值与正常分布值的差值绝对值,并确定差值绝对值最小的组合作为瑕疵点组合,可以理解的是,在待测连通域分布值与正常分布值的差值绝对值越小时,可以说明待测连通域分布值与正常分布值越接近,对应的剩余异常连通域间的连通域距离的方差更接近正常的局部焊接子区域在异常连通域距离的方差,也即是说,剩余异常连通域的分布更接近正常的噪点分布,则去除的异常连通域越可能为瑕疵点对应的连通域。
本发明实施例中,在确定待测连通域分布值与正常分布值的差值绝对值最小时,确定瑕疵点组合中的异常连通域的连通域类型为瑕疵点类型,除瑕疵点组合中的异常连通域外的其他异常连通域的连通域类型为正常噪点类型。
S103:根据所有局部焊接子区域的初始分布值确定每个局部焊接子区域的标准分布值;在局部焊接子区域中任选某一异常连通域作为待处理连通域,根据局部焊接子区域中除待处理连通域的其他异常连通域间的连通域距离和标准分布值,确定待处理连通域的自适应滤波系数。
其中,标准分布值,为基于整个焊接区域灰度图像中异常连通域的分布,确定局部焊接子区域在无瑕疵状态下标准值。
进一步地,本发明实施例中,根据所有局部焊接子区域的初始分布值确定每个局部焊接子区域的标准分布值,包括:计算任一局部焊接子区域的初始分布值与所有局部焊接子区域的初始分布值和值的比值作为局部焊接子区域的异常程度,计算异常程度与1的和值作为异常影响因子;将局部焊接子区域的初始分布值与异常影响因子的比值作为局部焊接子区域的标准分布值。
其中,异常程度的计算公式可以具体例如为:
式中,表示第b个局部焊接子区域的异常程度,b表示焊接区域灰度图像内局部
焊接子区域的索引,表示第b个局部焊接子区域的初始分布值,B表示焊接区域灰度图像
内所有局部焊接子区域的总数量。
可以理解的是,在局部焊接子区域的异常程度越大时,可以表示对应局部焊接子区域内异常连通域的分布更密集,又由于正常噪点在焊接区域灰度图像中是随机分布的,其分布较为均匀,也即是说,异常程度越大的局部焊接子区域内瑕疵点数量较多。
其中,标准分布值的计算公式可以具体例如为:
式中,表示第b个局部焊接子区域的异常程度,b表示焊接区域灰度图像内局部
焊接子区域的索引,表示第b个局部焊接子区域的初始分布值,表示第b个局部焊接子
区域的标准分布值,表示第b个局部焊接子区域的异常影响因子。
其中,标准分布值可以表征对应局部焊接子区域在无瑕疵状态下的标准值,则通过局部焊接子区域的初始分布值与异常影响因子的比值,能够消除局部焊接子区域中瑕疵点的影响,从而得到该局部焊接子区域的标准分布值。
进一步地,本发明实施例中,根据局部焊接子区域中除待处理连通域的其他异常连通域间的连通域距离和标准分布值,确定待处理连通域的自适应滤波系数,包括:计算局部焊接子区域中除待处理连通域的其他异常连通域间连通域距离的方差作为剩余连通域分布值;计算剩余连通域分布值与标准分布值的差值绝对值作为分布值差异,对分布值差异进行归一化处理得到自适应滤波系数。
也即是说,在忽略待处理连通域之后,得到剩余连通域,而后,可以根据剩余连通域间连通域的分布情况,从而得到待处理连通域的自适应滤波系数,对应的计算公式为:
式中,表示第b个局部焊接子区域中第i个待处理连通域的自适应滤波系数,i表
示局部焊接子区域中待处理连通域的索引,b表示焊接区域灰度图像中局部焊接子区域的
索引,表示第b个局部焊接子区域的标准分布值,表示第b个局部焊接子区域中除第i
个待处理连通域的其他异常连通域的剩余连通域分布值,表示求绝对值符号,表
示取归一化处理,其中,本发明实施例中的归一化处理,可以具体包括最大最小值归一化处
理,当然,归一化处理还可以根据实际情况进行调整,对此不做限制。
可以理解的是,在待处理连通域为瑕疵点类型的异常连通域时,则忽略待处理连通域会使得剩余连通域分布值与标准分布值越接近,也即自适应滤波系数越小,而在待处理连通域为正常噪点类型的异常连通域时,则忽略待处理连通域会使得剩余连通域分布值与标准分布值差异越大,也即自适应滤波系数越大,由此,确定不同待处理连通域的自适应滤波系数,便于后续根据自适应滤波系数对图像进行滤波处理。
S104:根据待处理连通域所属连通域类型和自适应滤波系数,对待处理连通域中的像素点进行自适应滤波处理,遍历所有的异常连通域得到目标灰度图像,对目标灰度图像进行质量检测,得到检测结果。
本发明实施例中,在根据初始分布值确定异常连通域所属连通域类型之后,可以确定待处理连通域为正常噪点类型或瑕疵点类型,而后,根据待处理连通域的连通域类型的不同,采用不同的滤波方式进行滤波处理。
进一步地,本发明实施例中,根据待处理连通域所属连通域类型和自适应滤波系数,对待处理连通域中的像素点进行自适应滤波处理,包括:确定第二预设大小的第一滤波窗口和第二滤波窗口,其中,第一滤波窗口中所有像素点的权重均为自适应滤波系数,第二滤波窗口的中心像素点的权重为一减自适应滤波系数,其他像素点的权重为自适应滤波系数;在待处理连通域的连通域类型为正常噪点类型时,根据第一滤波窗口对待处理连通域中的像素点进行自适应滤波处理;在待处理连通域的连通域类型为瑕疵点类型时,根据第二滤波窗口对待处理连通域中的像素点进行自适应滤波处理。
其中,滤波窗口,为进行滤波处理对应的窗口,本发明实施例中的滤波窗口包括第一滤波窗口和第二滤波窗口;第二预设大小,为滤波窗口的大小,可选地,第二预设大小可以具体例如为3×3大小,当然,本发明实施例还可以根据实际检测情况进行调整,对此不做限制。
本发明实施例中,由于连通域类型包括正常噪点类型和瑕疵点类型两种,也即是说,可以分别为不同种类的连通域类型设置对应的滤波窗口,则本发明实施例中设置第一滤波窗口与第二滤波窗口,其中,第一滤波窗口,为对正常噪点类型的待处理连通域进行滤波处理的滤波窗口,第二滤波窗口,为对瑕疵点类型的待处理连通域进行滤波处理的滤波窗口。
也即是说,在确定待处理连通域的连通域类型之后,基于对应的滤波窗口进行滤波处理,其中,第一滤波窗口中所有像素点的权重均为自适应滤波系数,第二滤波窗口的中心像素点的权重为一减自适应滤波系数,其他像素点的权重为自适应滤波系数。
如图3和图4所示,图3为本发明一个实施例所提供的第一滤波窗口示意图,图4为
本发明一个实施例所提供的第二滤波窗口示意图,图3与图4中的表示第b个局部焊接子
区域中第i个待处理连通域的自适应滤波系数,以第二预设大小为3×3进行示例,第一滤波
窗口与第二滤波窗口在中心像素点位置处的权重值具有差异,可以理解的是,由于待处理
连通域为瑕疵点类型的异常连通域,对应的自适应滤波系数较小,则通过一减自适应滤波
系数,提高瑕疵点类型的异常连通域中像素点的权重,从而能够有效保留瑕疵点的信息,而
在待处理连通域为正常噪点类型的异常连通域时,使用第一滤波窗口,第一滤波窗口为均
值滤波窗口,从而使得中心点位置处的权重较小,实现对噪点位置的平滑处理,进而对表面
灰度图像进行有效去噪。
本发明实施例中,在根据第一滤波窗口对待处理连通域中的像素点进行自适应滤波处理时,是通过滤波窗口的中心点与待处理连通域中待测的像素点进行重合,而后分别计算对应位置处的权重值和像素点灰度值的乘积的均值作为待处理连通域中待测的像素点的灰度值,由此,遍历待处理连通域中所有的像素点,得到自适应滤波处理后的连通域。同理,本发明实施例根据第二滤波窗口对待处理连通域中的像素点进行自适应滤波处理,得到自适应滤波处理后的连通域。
本发明实施例使用与异常连通域的连通域类型相匹配的滤波窗口,对异常连通域进行滤波处理,遍历焊接区域灰度图像中所有的异常连通域,从而对所有异常连通域中的像素点进行处理,得到目标灰度图像,可以理解的是,由于是对异常连通域进行自适应的滤波处理,从而能够使得目标灰度图像中的瑕疵点更为清晰明显,且正常噪点被平滑去噪,从而便于后续进行针对瑕疵点的质量检测,得到检测结果,本发明实施例中的质量检测为本领域所常用的质量检测方式,在此不再赘述。
本发明通过局部焊接子区域中像素点的梯度值确定异常连通域,能够有效根据局部焊接子区域中像素点的梯度变化确定焊点位置处的异常区域,便于直接对异常的区域进行分析;通过同一局部焊接子区域中所有异常连通域间的连通域距离确定异常连通域所属连通域类型,通过确定不同的连通域类型,便于后续根据连通域类型使用对应的滤波方式,从而提升后续滤波处理的可靠性,通过自适应滤波系数的计算,确定不同异常连通域基于连通域自身的分布情况所得到的自适应的滤波系数,进而提升自适应的滤波的准确性,增强滤波效果;通过连通域类型和自适应滤波系数对所有异常连通域进行滤波,从而能够在有效确定连通域类型和自适应滤波系数之后,基于不同的连通域类型和自适应滤波系数,对异常连通域进行滤波处理,能够基于异常连通域的分布情况,在保留焊接缺陷的同时实现对异常连通域的自适应滤波,有效提升滤波处理的客观性,进而在对目标灰度图像进行质量检测时,有效提升检测结果的可靠性与准确性。
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 (7)
1.一种数据线USB插头焊接质量检测方法,其特征在于,所述方法包括:
获取USB插头的焊接区域灰度图像,将所述焊接区域灰度图像划分为至少两个第一预设大小的局部焊接子区域,根据所述局部焊接子区域中像素点的梯度值确定至少一个异常连通域;
确定所述异常连通域间的连通域距离,根据同一局部焊接子区域中所有所述异常连通域间的连通域距离确定所述局部焊接子区域的初始分布值,根据所述初始分布值确定所述异常连通域所属连通域类型;
根据所有局部焊接子区域的初始分布值确定每个所述局部焊接子区域的标准分布值;在局部焊接子区域中任选某一异常连通域作为待处理连通域,根据所述局部焊接子区域中除所述待处理连通域的其他异常连通域间的连通域距离和所述标准分布值,确定所述待处理连通域的自适应滤波系数;
根据所述待处理连通域所属连通域类型和所述自适应滤波系数,对所述待处理连通域中的像素点进行自适应滤波处理,遍历所有的所述异常连通域得到目标灰度图像,对所述目标灰度图像进行质量检测,得到检测结果;
所述根据所述局部焊接子区域中除所述待处理连通域的其他异常连通域间的连通域距离和所述标准分布值,确定所述待处理连通域的自适应滤波系数,包括:
计算所述局部焊接子区域中除所述待处理连通域的其他异常连通域间连通域距离的方差作为剩余连通域分布值;
计算所述剩余连通域分布值与所述标准分布值的差值绝对值作为分布值差异,对所述分布值差异进行归一化处理得到所述自适应滤波系数。
2.如权利要求1所述的数据线USB插头焊接质量检测方法,其特征在于,所述连通域类型包括正常噪点类型和瑕疵点类型,所述根据所述初始分布值确定所述异常连通域所属连通域类型,包括:
将图像信息熵最小的局部焊接子区域作为正常区域,确定所述正常区域的初始分布值为正常分布值;
确定筛选数量,在除所述正常区域之外的每个所述局部焊接子区域中任选所述筛选数量个异常连通域进行去除,计算剩余所述异常连通域间连通域距离的方差作为待测连通域分布值;
遍历所述局部焊接子区域中所有异常连通域基于不同筛选数量的组合,选择所述待测连通域分布值与所述正常分布值差值绝对值最小的所述异常连通域的组合作为瑕疵点组合;
确定所述瑕疵点组合中的所述异常连通域的连通域类型为瑕疵点类型,除所述瑕疵点组合中的所述异常连通域外的其他异常连通域的连通域类型为正常噪点类型。
3.如权利要求1所述的数据线USB插头焊接质量检测方法,其特征在于,所述根据所有局部焊接子区域的初始分布值确定每个所述局部焊接子区域的标准分布值,包括:
计算任一局部焊接子区域的初始分布值与所有局部焊接子区域的初始分布值和值的比值作为所述局部焊接子区域的异常程度,计算异常程度与1的和值作为异常影响因子;
将所述局部焊接子区域的初始分布值与所述异常影响因子的比值作为所述局部焊接子区域的标准分布值。
4.如权利要求2所述的数据线USB插头焊接质量检测方法,其特征在于,所述根据所述待处理连通域所属连通域类型和所述自适应滤波系数,对所述待处理连通域中的像素点进行自适应滤波处理,包括:
确定第二预设大小的第一滤波窗口和第二滤波窗口,其中,所述第一滤波窗口中所有像素点的权重均为所述自适应滤波系数,所述第二滤波窗口的中心像素点的权重为一减自适应滤波系数,其他像素点的权重为所述自适应滤波系数;
在所述待处理连通域的连通域类型为正常噪点类型时,根据所述第一滤波窗口对所述待处理连通域中的像素点进行自适应滤波处理;
在所述待处理连通域的连通域类型为瑕疵点类型时,根据所述第二滤波窗口对所述待处理连通域中的像素点进行自适应滤波处理。
5.如权利要求1所述的数据线USB插头焊接质量检测方法,其特征在于,所述根据所述局部焊接子区域中像素点的梯度值确定至少一个异常连通域,包括:
将所述像素点梯度值大于预设梯度值阈值的像素点作为异常像素点,以所述异常像素点为中心进行连通域分析,得到异常连通域。
6.如权利要求1所述的数据线USB插头焊接质量检测方法,其特征在于,所述确定所述异常连通域间的连通域距离,包括:
从所述局部焊接子区域中任选某一异常连通域,确定所述异常连通域的连通域中心点与其他异常连通域中心点间的欧式距离最小值为所述异常连通域的连通域距离。
7.如权利要求1所述的数据线USB插头焊接质量检测方法,其特征在于,所述根据同一局部焊接子区域中所有所述异常连通域间的连通域距离确定所述局部焊接子区域的初始分布值,包括:
遍历所述局部焊接子区域中所有异常连通域,确定所有异常连通域的连通域距离的方差为所述初始分布值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310618835.2A CN116363126B (zh) | 2023-05-30 | 2023-05-30 | 一种数据线usb插头焊接质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310618835.2A CN116363126B (zh) | 2023-05-30 | 2023-05-30 | 一种数据线usb插头焊接质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116363126A CN116363126A (zh) | 2023-06-30 |
CN116363126B true CN116363126B (zh) | 2023-08-22 |
Family
ID=86922512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310618835.2A Active CN116363126B (zh) | 2023-05-30 | 2023-05-30 | 一种数据线usb插头焊接质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116363126B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630308B8 (zh) * | 2023-07-20 | 2023-10-27 | 山东华太新能源电池有限公司 | 用于电池焊接异常检测的数据增强*** |
CN117808797B (zh) * | 2024-02-28 | 2024-04-30 | 陕西长空齿轮有限责任公司 | 一种齿轮表面毛刺高精度视觉检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021000524A1 (zh) * | 2019-07-03 | 2021-01-07 | 研祥智能科技股份有限公司 | 孔位保护门检测方法、装置、计算机设备和存储介质 |
CN114820594A (zh) * | 2022-06-21 | 2022-07-29 | 中科慧远视觉技术(北京)有限公司 | 基于图像检测板材封边缺陷的方法、相关设备及存储介质 |
CN115311304A (zh) * | 2022-10-12 | 2022-11-08 | 江苏明锋食品有限公司 | 一种铁板锈蚀缺陷检测方法 |
CN115330758A (zh) * | 2022-10-11 | 2022-11-11 | 精技电子(南通)有限公司 | 基于去噪处理的焊接质量检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2721188C2 (ru) * | 2017-12-14 | 2020-05-18 | Общество с ограниченной ответственностью "Аби Продакшн" | Улучшение контраста и снижение шума на изображениях, полученных с камер |
-
2023
- 2023-05-30 CN CN202310618835.2A patent/CN116363126B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021000524A1 (zh) * | 2019-07-03 | 2021-01-07 | 研祥智能科技股份有限公司 | 孔位保护门检测方法、装置、计算机设备和存储介质 |
CN114820594A (zh) * | 2022-06-21 | 2022-07-29 | 中科慧远视觉技术(北京)有限公司 | 基于图像检测板材封边缺陷的方法、相关设备及存储介质 |
CN115330758A (zh) * | 2022-10-11 | 2022-11-11 | 精技电子(南通)有限公司 | 基于去噪处理的焊接质量检测方法 |
CN115311304A (zh) * | 2022-10-12 | 2022-11-08 | 江苏明锋食品有限公司 | 一种铁板锈蚀缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116363126A (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116363126B (zh) | 一种数据线usb插头焊接质量检测方法 | |
CN116721106B (zh) | 一种基于图像处理的型材瑕疵视觉检测方法 | |
CN116758061B (zh) | 基于计算机视觉的铸件表面缺陷检测方法 | |
CN116168026B (zh) | 基于计算机视觉的水质检测方法及*** | |
CN115063423B (zh) | 基于计算机视觉的机械铸件冷热裂纹自适应辨别方法 | |
CN115063430B (zh) | 基于图像处理的电气管道裂纹检测方法 | |
CN109239073B (zh) | 一种用于汽车车身的表面缺陷检测方法 | |
CN111667470B (zh) | 一种基于数字图像的工业管道探伤内壁检测方法 | |
CN117557571B (zh) | 基于图像增强的合金电阻焊接缺陷视觉检测方法及*** | |
CN116777916B (zh) | 基于泵机金属外壳的缺陷检测方法 | |
CN116777907A (zh) | 一种钣金件质量检测方法 | |
CN117437219B (zh) | 基于计算机视觉的磁胶电感不规则外观缺陷检测方法 | |
CN111047556A (zh) | 一种带钢表面缺陷检测方法及装置 | |
CN115471503B (zh) | 用于数控剖锭机的设备异常检测方法 | |
CN115063407A (zh) | 一种用于环形铜垫片的划痕及裂纹识别方法 | |
CN114332081A (zh) | 基于图像处理的纺织品表面异常判定方法 | |
CN117333467B (zh) | 基于图像处理的玻璃瓶瓶身瑕疵识别检测方法及*** | |
CN117011291B (zh) | 一种手表外壳质量视觉检测方法 | |
Luo et al. | Adaptive canny and semantic segmentation networks based on feature fusion for road crack detection | |
Yang et al. | Image Classification for Automobile Pipe Joints Surface Defect Detection Using Wavelet Decomposition and Convolutional Neural Network | |
CN115131250A (zh) | 用于机床装配的机床组件智能识别方法 | |
CN115239663A (zh) | 隐形眼镜瑕疵检测方法及***、电子设备、存储介质 | |
JP7469740B2 (ja) | ベルト検査システムおよびベルト検査プログラム | |
CN118115744B (zh) | 一种基于图像识别的电能表外壳检测方法 | |
CN116993723B (zh) | 基于图像处理的壁纸质量检测方法 |
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 |