CN117689662A - 一种换热器管头焊接质量视觉检测方法及*** - Google Patents
一种换热器管头焊接质量视觉检测方法及*** Download PDFInfo
- Publication number
- CN117689662A CN117689662A CN202410153028.2A CN202410153028A CN117689662A CN 117689662 A CN117689662 A CN 117689662A CN 202410153028 A CN202410153028 A CN 202410153028A CN 117689662 A CN117689662 A CN 117689662A
- Authority
- CN
- China
- Prior art keywords
- edge
- pixel
- obtaining
- pixel point
- similar
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 135
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 230000000007 visual effect Effects 0.000 title abstract description 13
- 238000005286 illumination Methods 0.000 claims abstract description 57
- 230000007547 defect Effects 0.000 claims abstract description 54
- 238000009826 distribution Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 56
- 238000011179 visual inspection Methods 0.000 claims description 17
- 238000010606 normalization Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000126 substance 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
- G06T7/13—Edge detection
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30152—Solder
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及焊缝缺陷检测技术领域,具体涉及一种换热器管头焊接质量视觉检测方法及***。该发明根据每个像素邻域块内每个像素点的灰度特征和梯度特征,获得每个像素邻域块内的光照影响程度;根据待测焊接灰度图像中相邻边缘的边缘端点之间的位置分布特征判断出同类边缘;通过获得每条同类边缘为焊缝内边缘的置信度与每条同类边缘的缺陷程度,获得每个像素邻域块内中心位置像素点的伽马值调整系数;进而调整每个像素点的伽马值,获得每个像素邻域块内每个像素点的灰度输出值,并获得优化焊接灰度图像;对换热器管头焊接进行质量检测。本发明通过获取合适的伽马值,对图像增强并消除光照影响,提高对焊接质量检测的准确率。
Description
技术领域
本发明涉及焊缝缺陷检测技术领域,具体涉及一种换热器管头焊接质量视觉检测方法及***。
背景技术
换热器是一种广泛应用于化工、石油、动力等工业生产中的设备,换热器的焊接质量直接关系到其安全性和使用寿命。因此,对换热器管头焊接质量进行非破坏性的视觉检测来检查焊缝的各种参数,以确保焊接的质量符合规范要求。在检测焊缝的质量,即焊缝区域是否存在缺陷时,需要对焊缝区域进行分割提取;但由于光照等因素的影响,无法有效识别焊缝区域;进而需要对图像进行增强处理。
在现有技术中,对采集到的换热器管头焊接图像进行伽马增强处理时,设定一个固定的伽马值来调整图像的亮度和对比度;考虑到需要凸显焊缝区域更多的细节,选取较大的伽马值,但由于图像中焊板区域也可能存在划痕等,较大的伽马值使得该区域缺陷被放大,导致图像增强的效果较差,对边缘分析时结果不够准确,无法准确识别焊缝区域。
发明内容
为了解决未能获取进行伽马变换算法时合适的伽马值,导致图像增强的效果较差的技术问题,本发明的目的在于提供一种换热器管头焊接质量视觉检测方法及***,所采用的技术方案具体如下:
本发明提出了一种换热器管头焊接质量视觉检测方法,所述方法包括:
获取换热器管头的待测焊接灰度图像;
获得待测焊接灰度图像中每个像素点对应的像素邻域块;根据每个像素邻域块内每个像素点的灰度特征和梯度特征,获得每个像素邻域块内的光照影响程度;
获取所述待测焊接灰度图像中每条边缘的边缘端点,根据相邻边缘的边缘端点之间的位置分布特征判断出同类边缘;获取每条同类边缘的中心点,根据每条同类边缘上每个边缘像素点与所述中心点之间的相对距离和对应同类边缘的圆形拟合度获得每条同类边缘为焊缝内边缘的置信度;根据每条同类边缘的所述置信度和对应同类边缘上的局部边缘像素点密度,获得每条同类边缘的缺陷程度;
根据每个像素邻域块内的所述光照影响程度和对应同类边缘的所述缺陷程度,获得每个像素邻域块中心位置像素点的伽马值调整系数;根据所述伽马值调整系数对每个像素点的预设伽马值进行调整,获得每个像素邻域块内每个像素点的优化伽马值;根据每个像素邻域块内每个像素点的所述优化伽马值和对应像素点的灰度值获得每个像素邻域块内每个像素点的灰度输出值,并获得优化焊接灰度图像;
根据所述优化焊接灰度图像对换热器管头焊接进行质量检测。
进一步地,所述光照影响程度的获取方法包括:
根据光照影响程度的获取公式获得光照影响程度,光照影响程度的获取公式为:
;其中,/>表示第/>个像素邻域块的光照影响程度;/>表示第/>个像素邻域块内第/>个像素点的灰度值大小;/>表示第/>个像素邻域块内第/>个像素点的灰度值大小;/>为第/>个像素邻域块内所有像素点的灰度均值;/>表示所有像素邻域块中灰度均值的最大值;表示第/>个像素邻域块内,不同像素点梯度方向的标准差;/>表示第/>个像素邻域块内像素点的数量;/>表示归一化函数。
进一步地,所述同类边缘的获取方法包括:
对所述待测焊接灰度图像进行边缘检测,若检测到的边缘上某个边缘像素点的邻域范围内只存在一个其余边缘像素点,将对应的边缘像素点作为边缘的端点;
若相邻边缘之间的边缘端点在垂直于梯度方向上的切线相交,获得切线夹角;将切线夹角大于预设第一阈值,且计算的边缘端点之间的相对距离小于预设第二阈值时对应的相邻边缘,作为同类边缘。
进一步地,所述中心点的获取方法包括:
将同类边缘上的边缘像素点在梯度方向上延长,获得对应的边缘延长线;获得所有边缘延长线的交点的坐标位置,对所有坐标位置累加后求均值,获得同类边缘的中心点。
进一步地,所述置信度的获取方法包括:
根据置信度的获取公式获得置信度,置信度的获取公式为:
;其中,/>表示每条同类边缘为焊缝内边缘的置信度;/>为同类边缘上第/>个边缘像素点与中心点之间的相对距离;/>为中心点与对应同类边缘上各个边缘像素点的相对距离均值;/>表示同类边缘的长度;/>表示同类边缘标准边缘圆形的圆周长度;/>表示同类边缘上边缘像素点的数量;/>表示归一化函数。
进一步地,所述缺陷程度的获取方法包括:
以每条同类边缘上每个边缘像素点在预设邻域范围内的其他边缘像素点数量,作为每条同类边缘上每个边缘像素点的局部边缘像素点密度;
对每条同类边缘上所有边缘像素点的局部边缘像素点密度进行求和,作为每条同类边缘的缺陷特征;计算所述缺陷特征与对应同类边缘的所述置信度之间乘积,并归一化,获得每条同类边缘的缺陷程度。
进一步地,所述伽马值调整系数的获取方法包括:
计算每个像素邻域块内的中心位置像素点与所有同类边缘的所述中心点之间的相对距离,选取相对距离最小的同类边缘作为每个像素邻域块对应的同类边缘;计算每个像素邻域块内的所述光照影响程度和对应同类边缘的所述缺陷程度的乘积,获得每个像素邻域块中心位置像素点的伽马调整系数。
进一步地,所述优化伽马值的获取方法包括:
计算每个像素邻域块中心位置像素点的所述伽马值调整系数与对应每个像素点的预设伽马值的乘积,获得每个像素邻域块内每个像素点的优化伽马值。
进一步地,所述灰度输出值的获取方法包括:
根据灰度输出值的获取公式获得灰度输出值,灰度输出值的获取公式为:
;其中,/>表示第/>个像素邻域块内每个像素点的灰度输出值;/>表示第/>个像素邻域块内每个像素点的灰度输入值;/>表示灰度缩放系数;表示第/>个像素邻域块内每个像素点的优化伽马值。
本发明还提出了一种换热器管头焊接质量视觉检测***,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现任意一项所述一种换热器管头焊接质量视觉检测方法的步骤。
本发明具有如下有益效果:
本发明为了避免受到其他干扰噪声的影响,对图像细节进行分析,根据每个像素邻域块内每个像素点的灰度特征和梯度特征,获得每个像素邻域块内的光照影响程度,分析每个像素邻域块内受到光照影响的程度;考虑到光照的影响,无法获得完整的边缘,获取待测焊接灰度图像中每条边缘的边缘端点,根据相邻边缘的边缘端点之间的位置分布特征判断出同类边缘,判断相邻边缘是否为同一条边缘;获取每条同类边缘的中心点,根据每条同类边缘上每个边缘像素点与中心点之间的相对距离和对应同类边缘的圆形拟合度获得每条同类边缘为焊缝内边缘的置信度,建立标准边缘圆形来对比分析,度量为焊缝内边缘的可能性;根据每条同类边缘的置信度和对应同类边缘上的局部边缘像素点密度,获得每条同类边缘的缺陷程度,对焊缝区域存在缺陷的程度进行分析,保留更多焊缝区域的细节;根据每个像素邻域块内的光照影响程度和对应预设同类边缘的缺陷程度获得每个像素邻域块中心位置像素点的伽马值调整系数;对每个像素点的预设伽马值进行调整,获得每个像素邻域块内每个像素点的优化伽马值,适当的调整图像分块的亮度和对比度,显出图像必要信息;进一步获得每个像素邻域块内每个像素点的灰度输出值,并获得优化焊接灰度图像,对图像的灰度值进行调整,使图像的亮度和对比度得到最佳的平衡,从而使图像看起来更清晰、更有层次感;对换热器管头焊接进行质量检测。本发明通过获取合适的伽马值,对图像增强并消除光照影响,提高对焊接质量检测的准确率。
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换热器管头焊接质量视觉检测方法的流程图;
图2为本发明一个实施例所提供的同类边缘判断方法的示意图。
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换热器管头焊接质量视觉检测方法及***,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换热器管头焊接质量视觉检测方法及***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换热器管头焊接质量视觉检测方法的流程图,该方法具体包括:
步骤S1:获取换热器管头的待测焊接灰度图像。
在本发明的实施例中,为了对换热器管头焊接进行质量检测,采用相机采集换热器管头的焊接图像;需要说明的是,每个焊接图像的处理方法都是相同的,在此不做赘述,后续仅以一个焊接图像进行举例。
在本发明的一个实施例中,在处理焊接图像时,为了方便后续图像处理过程,对采集的焊接图像进行灰度化处理,获得换热器管头的待测焊接灰度图像;因为灰度图像的每个像素点只有一个灰度值,不需要考虑多个颜色分量的复杂计算,可以使图像处理变得更加简单和高效。此外,灰度图像也可以减少图像数据的维度和复杂性,从而加快图像处理的速度。需要说明的是,对图像进行灰度化处理为本领域技术人员熟知的技术手段,在此不做赘述。
步骤S2:获得待测焊接灰度图像中每个像素点对应的像素邻域块;根据每个像素邻域块内每个像素点的灰度特征和梯度特征,获得每个像素邻域块内的光照影响程度。
为了避免受到其他干扰噪声的影响,对图像细节进行分析,获得待测焊接灰度图像中每个像素点对应的像素邻域块;;由于受到光照影响,考虑到图像中光照影响区域的扩散性特征,即像素点越接近区域中心像素灰度差异越小,且受光照影响区域灰度值较大;再考虑到管头管板为金属材质,正常情况下灰度分布也较为均匀且灰度值较高,结合受光照影响,在对应的局部范围内,像素点梯度方向基本相似的特征,准确分析受光照影响的程度。所以根据每个像素邻域块内每个像素点的灰度特征和梯度特征,获得每个像素邻域块内的光照影响程度。
优选地,在本发明的一个实施例中,光照影响程度的获取方法包括:
根据光照影响程度的获取公式获得光照影响程度,光照影响程度的获取公式为:
;
其中,表示第/>个像素邻域块的光照影响程度;/>表示第/>个像素邻域块内第/>个像素点的灰度值大小;/>表示第/>个像素邻域块内第/>个像素点的灰度值大小;/>为第/>个像素邻域块内所有像素点的灰度均值;/>表示所有像素邻域块中灰度均值的最大值;/>表示第/>个像素邻域块内,不同像素点梯度方向的标准差;/>表示第/>个像素邻域块内像素点的数量;/>表示归一化函数。
在光照影响程度的获取公式中,表示第/>个像素邻域块内第/>个像素点与第/>个像素点之间的灰度值差异,/>表示第/>个像素邻域块内不同像素点之间灰度值差异的均值,该值越小,说明第/>个像素邻域块内不同像素点的灰度差异越小,越符合受光照影响区域的扩散性特征;/>表示第/>个像素邻域块内所有像素点的灰度均值与所有像素邻域块中灰度均值的最大值的比值,即对第/>个像素邻域块内的灰度均值归一化,该比值越大,第/>个像素邻域块越接近灰度图像中受光照影响较大的区域,即对应光照影响程度的权重越大;第/>个像素邻域块内不同像素点的标准差越小,梯度方向越均匀,受光照影响程度越大。
需要说明的是,在本发明的一个实施例中,每个像素点的梯度方向利用算子来获得,具体/>算子为本领域技术人员熟知的技术手段,在此不做赘述。
需要说明的是,在本发明其他实施例中也可通过其他基础数学运算构建正负相关关系与归一化方法,具体手段为本领域技术人员熟知的技术手段,在此不做赘述。
步骤S3:获取待测焊接灰度图像中每条边缘的边缘端点,根据相邻边缘的边缘端点之间的位置分布特征判断出同类边缘;获取每条同类边缘的中心点,根据每条同类边缘上每个边缘像素点与中心点之间的相对距离和对应同类边缘的圆形拟合度获得每条同类边缘为焊缝内边缘的置信度;根据每条同类边缘的置信度和对应同类边缘上的局部边缘像素点密度,获得每条同类边缘的缺陷程度。
考虑到正常情况下管道边界与焊缝内边界重合,管道边界即为焊缝内边界,管道在图像中表现为圆形,需要检测待测焊接灰度图像中的边缘进行分析;由于光照的影响导致边缘并不完整,获取待测焊接灰度图像中每条边缘的边缘端点,根据相邻边缘的边缘端点之间的位置分布特征判断出同类边缘。
优选地,在本发明的一个实施例中,同类边缘的获取方法包括:
对待测焊接灰度图像进行边缘检测,若检测到的边缘上某个边缘像素点的邻域范围内只存在一个其余边缘像素点,将对应的边缘像素点作为边缘的端点;若相邻边缘之间的边缘端点在垂直于梯度方向的切线上相交,获得切线夹角;将切线夹角大于预设第一阈值,且计算的边缘端点之间的相对距离小于预设第二阈值时对应的相邻边缘,作为同类边缘。如图2,给出了同类边缘判断方法的示意图,箭头的方向为边缘端点的梯度方向。
需要说明的是,在本发明的实施例中,计算欧氏距离来获得相对距离;边缘像素点与相邻其余边缘像素点构成邻域范围,邻域范围的大小可根据具体情况具体设置,在此不做限定及赘述;具体欧氏距离为本领域技术人员熟知的技术手段,在此不做赘述。
需要说明的是,在本发明的一个实施例中,预设第一阈值为;预设第二阈值为10;在本发明的其他实施例中,预设第一阈值和预设第二阈值的大小可根据具体情况具体设置,在此不做限定及赘述。
因为焊缝内边缘为圆形的特征,分析同类边缘的圆形程度,判断为焊缝内边缘的可能性;考虑到光照影响,导致存在一部分焊缝内边缘不完整的情况,所以根据同类边缘的圆形标准程度,以及存在的边缘细节是否完整,判断同类边缘为焊缝内边缘的可能性;获取每条同类边缘的中心点,根据每条同类边缘上每个边缘像素点与中心点之间的相对距离和对应同类边缘的圆形拟合度获得每条同类边缘为焊缝内边缘的置信度。
优选地,在本发明的一个实施例中,中心点的获取方法包括:
将同类边缘上的边缘像素点在梯度方向上延长,获得对应的边缘延长线;获得所有边缘延长线的交点的坐标位置,对所有坐标位置累加后求均值,获得同类边缘的中心点。
优选地,在本发明的一个实施例中,置信度的获取方法包括:
根据置信度的获取公式获得置信度,置信度的获取公式为:
;
其中,表示同类边缘为焊缝内边缘的置信度;/>为同类边缘上第/>个边缘像素点与中心点之间的相对距离;/>为中心点与对应同类边缘上各个边缘像素点的相对距离均值;表示同类边缘的长度;/>表示同类边缘对应的标准边缘圆形的圆周长度;/>表示同类边缘上边缘像素点的数量;/>表示归一化函数。
在置信度的获取公式中,表示同类边缘上每个边缘像素点到中心点之间的距离与距离均值之间的差异;其中,同类边缘上每个边缘像素点到中心点之间的距离均值作为同类边缘对应的一个标准边缘圆形的半径,中心点为标准边缘圆形的圆心;表示同类边缘上每个边缘像素点到标准边缘圆形圆心的距离与对应半径之间差异的均值,均值越小,表示同类边缘越接近圆形,同类边缘的偏移量越小,即同类边缘为焊缝内边缘的可能性越大,即边缘为焊缝内边缘的置信度越高;/>表示同类边缘的圆形拟合度,同类边缘的圆形拟合度越大,越接近标准边缘圆形,对后续焊缝内边缘的分析越有参考价值,同类边缘为焊缝内边缘的置信度越大。
需要说明的是,在本发明其他实施例中也可通过其他基础数学运算构建正负相关关系与归一化方法,具体手段为本领域技术人员熟知的技术手段,在此不做赘述。同类边缘对应的标准边缘圆形可通过现有的圆形拟合算法对同类边缘上的边缘像素点进行拟合,具体手段为本领域技术人员熟知的技术手段,在此不做赘述。
在进行边缘检测时,不仅仅获得焊缝内边缘,也包含焊板区域的划痕等边缘信息,所以需要根据同类边缘为焊缝内边缘的可能性,确定焊缝区域,对焊缝区域存在缺陷的程度进行分析,以便后续对图像处理。同类边缘为焊缝内边缘的可能性越大,置信度越大,越可能在焊缝区域,需要凸显更多的缺陷细节;同类边缘的局部边缘像素点越多,越可能含有其他的边缘,存在缺陷的可能性越大,根据每条同类边缘的置信度和对应同类边缘上的局部边缘像素点密度,获得每条同类边缘的缺陷程度。
优选地,在本发明的一个实施例中,缺陷程度的获取方法包括:
以每条同类边缘上每个边缘像素点在预设邻域范围内的其他边缘像素点数量,作为每条同类边缘上每个边缘像素点的局部边缘像素点密度;对每条同类边缘上所有边缘像素点的局部边缘像素点密度进行求和,作为每条同类边缘的缺陷特征;计算缺陷特征与对应同类边缘的置信度之间乘积,并归一化,获得每条同类边缘的缺陷程度。在本发明的一个实施例中,缺陷程度的公式表示为:
;
其中,表示同类边缘的缺陷程度;/>表示同类边缘为焊缝内边缘的置信度;/>表示同类边缘上第/>个边缘像素点的局部边缘像素点密度;/>表示同类边缘上边缘像素点的数量,/>表示归一化函数。
在缺陷程度的公式中,预设邻域范围内存在其他边缘像素点数量越多,越可能检测到了其他边缘,同类边缘对应邻域范围内包含缺陷的可能性越大,局部边缘像素点密度越大,缺陷程度越高;同类边缘为焊缝内边缘的置信度越高,同类边缘的缺陷特征保留的必要性就越大,对缺陷程度调大。
需要说明的是,在本发明的一个实施例中,对于同类边缘上每个边缘像素点和中心点连线的向外延长线方向,设置焊缝宽度为的预设邻域范围;焊缝宽度根据实施者的需求具体设置,在此不做限定及赘述。
需要说明的是,在本发明其他实施例中也可通过其他基础数学运算构建正负相关关系与归一化方法,具体手段为本领域技术人员熟知的技术手段,在此不做赘述。
步骤S4:根据每个像素邻域块内的光照影响程度和对应同类边缘的缺陷程度,获得每个像素邻域块中心位置像素点的伽马值调整系数;根据伽马值调整系数对每个像素点的预设伽马值进行调整,获得每个像素邻域块内每个像素点的优化伽马值;根据每个像素邻域块内每个像素点的优化伽马值和对应像素点的灰度值获得每个像素邻域块内每个像素点的灰度输出值,并获得优化焊接灰度图像。
对于换热器管头焊接质量的检测,需要凸显焊缝区域更多的细节,采用了较大的伽马值;但由于焊板区域也可能存在划痕,不合适的伽马值会使对焊缝内边缘的分析结果不准确,需要对每个像素邻域块内的伽马值进行调整。每个像素邻域块内的光照影响程度越高,越需要更强烈的伽马校正,以平衡过亮或过暗的影响;同类边缘越是焊缝内边缘,缺陷程度越大,越需要凸显该边缘的信息,便于进行焊接质量的检测。针对每个像素邻域块内的光照影响和缺陷程度进行调整,更好地突出同类边缘的特征,提高图像的识别准确性;根据每个像素邻域块内的光照影响程度和对应同类边缘的缺陷程度,获得每个像素邻域块中心位置像素点的伽马值调整系数。
优选地,在本发明的一个实施例中,伽马值调整系数的获取方法包括:
计算每个像素邻域块内的中心位置像素点与所有同类边缘的中心点之间的相对距离,选取相对距离最小的同类边缘作为每个像素邻域块对应的同类边缘;计算每个像素邻域块内的光照影响程度和对应同类边缘的缺陷程度的乘积,获得每个像素邻域块中心位置像素点的伽马调整系数。在本发明的一个实施例中,伽马调整系数的公式表示为:
;
其中,表示第/>个像素邻域块中心位置像素点的伽马调整系数;/>表示第/>个像素邻域块的光照影响程度;/>表示第/>个像素邻域块内对应的同类边缘的缺陷程度。
在伽马调整系数的公式中,光照影响程度越大,越需要对伽马值调大增加对比度,需要伽马调整系数越大;像素邻域块内对应的同类边缘的缺陷程度越大,即像素点所在区域的缺陷程度越大,预设同类边缘是焊缝内边缘的可能性越大,对应像素邻域块的光照影响调整的幅度越大,越需要对伽马值调大来凸显焊缝内边缘的细节,伽马调整系数越大。
需要说明的是,在本发明其他实施例中也可通过其他基础数学运算构建正负相关关系,具体手段为本领域技术人员熟知的技术手段,在此不做赘述。
对待测焊接灰度图像进行伽马增强时,需要设定合适的伽马值来调整每个像素邻域块的亮度和对比度;通过伽马值调整系数自适应调整伽马值,可以在凸显焊缝区域细节的同时对其他区域的噪点或者细微的图像缺陷隐藏,得到更佳的图像效果;根据伽马值调整系数对每个像素点的预设伽马值进行调整,获得每个像素邻域块内每个像素点的优化伽马值。
优选地,在本发明的一个实施例中,优化伽马值的获取方法包括:
计算每个像素邻域块中心位置像素点的伽马值调整系数与对应每个像素点的预设伽马值的乘积,获得每个像素邻域块内每个像素点的优化伽马值。在本发明的一个实施例中,以第个像素邻域块为例,优化伽马值的公式表示为:
;
其中,表示第/>个像素邻域块内每个像素点的优化伽马值;/>表示每个像素点的预设伽马值;/>表示第/>个像素邻域块中心位置像素点的伽马调整系数。
在优化伽马值的公式中,伽马值调整系数越大,越需要较大的伽马值来对像素邻域块内像素点进行放大;伽马值调整系数越大,优化伽马值越大,提高对缺陷识别的准确性。
需要说明的是,在本发明的一个实施例中,预设伽马值取7;在本发明的其他实施例中,预设伽马值的大小可根据具体情况具体设置,在此不做限定及赘述。
通过获得优化伽马值来适应不同的显示环境,对图像的灰度值进行调整,使图像的亮度和对比度得到最佳的平衡,从而使图像看起来更清晰、更有层次感,提高对各个部分识别的准确度。根据每个像素邻域块内每个像素点的优化伽马值和对应像素点的灰度值获得每个像素邻域块内每个像素点的灰度输出值,并获得优化焊接灰度图像。
优选地,在本发明的一个实施例中,灰度输出值的获取方法包括:
根据灰度输出值的获取公式获得灰度输出值,灰度输出值的获取公式为:
;
其中,表示第/>个像素邻域块内每个像素点的灰度输出值;/>表示第/>个像素邻域块内每个像素点的灰度输入值;/>表示灰度缩放系数;/>表示第/>个像素邻域块内每个像素点的优化伽马值。
在灰度输出值的获取公式中,优化伽马值越大,灰度输出值被调整的越大,像素点的特征越明显,对细节增强,消除图像中光照的影响,准确识别图像中的焊缝区域。
需要说明的是,在本发明的一个实施例中,灰度输入值的取值范围为[0,1];取经验值为1。
需要说明的是,在本发明其他实施例中也可通过其他基础数学运算构建正负相关关系,具体手段为本领域技术人员熟知的技术手段,在此不做赘述。
步骤S5:根据优化焊接灰度图像对换热器管头焊接进行质量检测。
获得灰度输出值之后完成了对图像的增强操作,有效提高后续图像处理的结果准确性,准确识别焊接灰度图像中的焊缝区域,提高对缺陷检测的精度。根据优化焊接灰度图像对换热器管头焊接进行质量检测。
需要说明的是,在本发明的一个实施例中,根据优化焊接灰度图像对换热器管头焊接进行质量检测包括:首先需要对优化焊接灰度图像进行阈值分割,得到准确的焊缝区域,进而分析每个焊缝区域的参数,并与标准焊接灰度图像内的参数进行对比,实现对换热器管头焊接质量的检测。
综上所述,本发明根据每个像素邻域块内每个像素点的灰度特征和梯度特征,获得每个像素邻域块内的光照影响程度;获取待测焊接灰度图像中每条边缘的边缘端点,根据相邻边缘的边缘端点之间的位置分布特征判断出同类边缘;通过获得每条同类边缘为焊缝内边缘的置信度与每条同类边缘的缺陷程度,获得每个像素邻域块内中心位置像素点的伽马值调整系数;进而调整每个像素点的伽马值,获得每个像素邻域块内每个像素点的灰度输出值,并获得优化焊接灰度图像;对换热器管头焊接进行质量检测。本发明通过获取合适的伽马值,对图像增强并消除光照影响,提高对焊接质量检测的准确率。
本发明还提出了一种换热器管头焊接质量视觉检测***,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时,实现任意一项一种换热器管头焊接质量视觉检测方法的步骤。
一种换热器管头焊接图像增强方法:
现有技术中,对采集到的换热器管头焊接图像进行伽马增强处理时,设定一个固定的伽马值来调整图像的亮度和对比度;考虑到需要凸显焊缝区域更多的细节,选取较大的伽马值,但由于图像中焊板区域也可能存在划痕等,较大的伽马值使得该区域缺陷被放大,导致图像增强的效果较差的技术问题。为了解决该技术问题,本实施例提供一种换热器管头焊接图像增强方法,包括:
步骤S1:获取换热器管头的待测焊接灰度图像。
步骤S2:获得待测焊接灰度图像中每个像素点对应的像素邻域块;根据每个像素邻域块内每个像素点的灰度特征和梯度特征,获得每个像素邻域块内的光照影响程度。
步骤S3:获取待测焊接灰度图像中每条边缘的边缘端点,根据相邻边缘的边缘端点之间的位置分布特征判断出同类边缘;获取每条同类边缘的中心点,根据每条同类边缘上每个边缘像素点与中心点之间的相对距离和对应同类边缘的圆形拟合度获得每条同类边缘为焊缝内边缘的置信度;根据每条同类边缘的置信度和对应同类边缘上的局部边缘像素点密度,获得每条同类边缘的缺陷程度。
步骤S4:根据每个像素邻域块内的光照影响程度和对应同类边缘的缺陷程度,获得每个像素邻域块中心位置像素点的伽马值调整系数;根据伽马值调整系数对每个像素点的预设伽马值进行调整,获得每个像素邻域块内每个像素点的优化伽马值;根据每个像素邻域块内每个像素点的优化伽马值和对应像素点的灰度值获得每个像素邻域块内每个像素点的灰度输出值,并获得优化焊接灰度图像。
由于步骤S1-S4的具体实现过程在上述一种换热器管头焊接质量视觉检测方法中已给出详细说明,不再赘述。
本实施例的技术效果为:
本方法根据每个像素邻域块内每个像素点的灰度特征和梯度特征,获得每个像素邻域块内的光照影响程度;获取待测焊接灰度图像中每条边缘的边缘端点,根据相邻边缘的边缘端点之间的位置分布特征判断出同类边缘;通过获得每条同类边缘为焊缝内边缘的置信度与每条同类边缘的缺陷程度,获得每个像素邻域块内中心位置像素点的伽马值调整系数;进而调整每个像素点的伽马值,获得每个像素邻域块内每个像素点的灰度输出值,并获得优化焊接灰度图像。本发明通过获取合适的伽马值,对图像增强并消除光照影响。
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 (10)
1.一种换热器管头焊接质量视觉检测方法,其特征在于,所述方法包括:
获取换热器管头的待测焊接灰度图像;
获得待测焊接灰度图像中每个像素点对应的像素邻域块;根据每个像素邻域块内每个像素点的灰度特征和梯度特征,获得每个像素邻域块内的光照影响程度;
获取所述待测焊接灰度图像中每条边缘的边缘端点,根据相邻边缘的边缘端点之间的位置分布特征判断出同类边缘;获取每条同类边缘的中心点,根据每条同类边缘上每个边缘像素点与所述中心点之间的相对距离和对应同类边缘的圆形拟合度获得每条同类边缘为焊缝内边缘的置信度;根据每条同类边缘的所述置信度和对应同类边缘上的局部边缘像素点密度,获得每条同类边缘的缺陷程度;
根据每个像素邻域块内的所述光照影响程度和对应同类边缘的所述缺陷程度,获得每个像素邻域块中心位置像素点的伽马值调整系数;根据所述伽马值调整系数对每个像素点的预设伽马值进行调整,获得每个像素邻域块内每个像素点的优化伽马值;根据每个像素邻域块内每个像素点的所述优化伽马值和对应像素点的灰度值获得每个像素邻域块内每个像素点的灰度输出值,并获得优化焊接灰度图像;
根据所述优化焊接灰度图像对换热器管头焊接进行质量检测。
2.根据权利要求1所述的一种换热器管头焊接质量视觉检测方法,其特征在于,所述光照影响程度的获取方法包括:
根据光照影响程度的获取公式获得光照影响程度,光照影响程度的获取公式为:
;其中,/>表示第/>个像素邻域块的光照影响程度;/>表示第/>个像素邻域块内第/>个像素点的灰度值大小;/>表示第/>个像素邻域块内第/>个像素点的灰度值大小;/>为第/>个像素邻域块内所有像素点的灰度均值;/>表示所有像素邻域块中灰度均值的最大值;表示第/>个像素邻域块内,不同像素点梯度方向的标准差;/>表示第/>个像素邻域块内像素点的数量;/>表示归一化函数。
3.根据权利要求1所述的一种换热器管头焊接质量视觉检测方法,其特征在于,所述同类边缘的获取方法包括:
对所述待测焊接灰度图像进行边缘检测,若检测到的边缘上某个边缘像素点的邻域范围内只存在一个其余边缘像素点,将对应的边缘像素点作为边缘的端点;
若相邻边缘之间的边缘端点在垂直于梯度方向上的切线相交,获得切线夹角;将切线夹角大于预设第一阈值,且计算的边缘端点之间的相对距离小于预设第二阈值时对应的相邻边缘,作为同类边缘。
4.根据权利要求1所述的一种换热器管头焊接质量视觉检测方法,其特征在于,所述中心点的获取方法包括:
将同类边缘上的边缘像素点在梯度方向上延长,获得对应的边缘延长线;获得所有边缘延长线的交点的坐标位置,对所有坐标位置累加后求均值,获得同类边缘的中心点。
5.根据权利要求1所述的一种换热器管头焊接质量视觉检测方法,其特征在于,所述置信度的获取方法包括:
根据置信度的获取公式获得置信度,置信度的获取公式为:
;其中,/>表示每条同类边缘为焊缝内边缘的置信度;/>为同类边缘上第/>个边缘像素点与中心点之间的相对距离;/>为中心点与对应同类边缘上各个边缘像素点的相对距离均值;/>表示同类边缘的长度;/>表示同类边缘标准边缘圆形的圆周长度;/>表示同类边缘上边缘像素点的数量;/>表示归一化函数。
6.根据权利要求1所述的一种换热器管头焊接质量视觉检测方法,其特征在于,所述缺陷程度的获取方法包括:
以每条同类边缘上每个边缘像素点在预设邻域范围内的其他边缘像素点数量,作为每条同类边缘上每个边缘像素点的局部边缘像素点密度;
对每条同类边缘上所有边缘像素点的局部边缘像素点密度进行求和,作为每条同类边缘的缺陷特征;计算所述缺陷特征与对应同类边缘的所述置信度之间乘积,并归一化,获得每条同类边缘的缺陷程度。
7.根据权利要求1所述的一种换热器管头焊接质量视觉检测方法,其特征在于,所述伽马值调整系数的获取方法包括:
计算每个像素邻域块内的中心位置像素点与所有同类边缘的所述中心点之间的相对距离,选取相对距离最小的同类边缘作为每个像素邻域块对应的同类边缘;计算每个像素邻域块内的所述光照影响程度和对应同类边缘的所述缺陷程度的乘积,获得每个像素邻域块中心位置像素点的伽马调整系数。
8.根据权利要求1所述的一种换热器管头焊接质量视觉检测方法,其特征在于,所述优化伽马值的获取方法包括:
计算每个像素邻域块中心位置像素点的所述伽马值调整系数与对应每个像素点的预设伽马值的乘积,获得每个像素邻域块内每个像素点的优化伽马值。
9.根据权利要求1所述的一种换热器管头焊接质量视觉检测方法,其特征在于,所述灰度输出值的获取方法包括:
根据灰度输出值的获取公式获得灰度输出值,灰度输出值的获取公式为:
;其中,/>表示第/>个像素邻域块内每个像素点的灰度输出值;/>表示第/>个像素邻域块内每个像素点的灰度输入值;/>表示灰度缩放系数;/>表示第/>个像素邻域块内每个像素点的优化伽马值。
10.一种换热器管头焊接质量视觉检测***,所述***包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1~9任意一项所述一种换热器管头焊接质量视觉检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410153028.2A CN117689662B (zh) | 2024-02-04 | 2024-02-04 | 一种换热器管头焊接质量视觉检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410153028.2A CN117689662B (zh) | 2024-02-04 | 2024-02-04 | 一种换热器管头焊接质量视觉检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117689662A true CN117689662A (zh) | 2024-03-12 |
CN117689662B CN117689662B (zh) | 2024-04-26 |
Family
ID=90135732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410153028.2A Active CN117689662B (zh) | 2024-02-04 | 2024-02-04 | 一种换热器管头焊接质量视觉检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117689662B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117893540A (zh) * | 2024-03-18 | 2024-04-16 | 乳山市创新新能源科技有限公司 | 用于压力容器的圆度智能检测方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112496A (zh) * | 2021-04-30 | 2021-07-13 | 哈尔滨工业大学 | 一种基于自适应阈值的亚像素轴类零件尺寸测量方法 |
CN113592911A (zh) * | 2021-07-31 | 2021-11-02 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 表观增强深度目标跟踪方法 |
CN114359270A (zh) * | 2022-03-09 | 2022-04-15 | 山东华硕汽车配件科技有限公司 | 基于计算机视觉的汽车发动机油路铜套缺陷检测方法 |
US20220292645A1 (en) * | 2021-03-12 | 2022-09-15 | China University Of Mining & Technology, Beijing | Method for restoring video data of drainage pipe based on computer vision |
CN115272349A (zh) * | 2022-09-30 | 2022-11-01 | 江苏宝翼通讯科技有限公司 | 一种计算机pcb主板焊接缺陷检测方法 |
CN117115153A (zh) * | 2023-10-23 | 2023-11-24 | 威海坤科流量仪表股份有限公司 | 基于视觉辅助的印制线路板质量智能检测方法 |
CN117173189A (zh) * | 2023-11-03 | 2023-12-05 | 南通江华机械有限公司 | 一种铝合金表面抛光效果视觉检测*** |
-
2024
- 2024-02-04 CN CN202410153028.2A patent/CN117689662B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220292645A1 (en) * | 2021-03-12 | 2022-09-15 | China University Of Mining & Technology, Beijing | Method for restoring video data of drainage pipe based on computer vision |
CN113112496A (zh) * | 2021-04-30 | 2021-07-13 | 哈尔滨工业大学 | 一种基于自适应阈值的亚像素轴类零件尺寸测量方法 |
CN113592911A (zh) * | 2021-07-31 | 2021-11-02 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 表观增强深度目标跟踪方法 |
CN114359270A (zh) * | 2022-03-09 | 2022-04-15 | 山东华硕汽车配件科技有限公司 | 基于计算机视觉的汽车发动机油路铜套缺陷检测方法 |
CN115272349A (zh) * | 2022-09-30 | 2022-11-01 | 江苏宝翼通讯科技有限公司 | 一种计算机pcb主板焊接缺陷检测方法 |
CN117115153A (zh) * | 2023-10-23 | 2023-11-24 | 威海坤科流量仪表股份有限公司 | 基于视觉辅助的印制线路板质量智能检测方法 |
CN117173189A (zh) * | 2023-11-03 | 2023-12-05 | 南通江华机械有限公司 | 一种铝合金表面抛光效果视觉检测*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117893540A (zh) * | 2024-03-18 | 2024-04-16 | 乳山市创新新能源科技有限公司 | 用于压力容器的圆度智能检测方法及*** |
CN117893540B (zh) * | 2024-03-18 | 2024-05-31 | 乳山市创新新能源科技有限公司 | 用于压力容器的圆度智能检测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117689662B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116721106B (zh) | 一种基于图像处理的型材瑕疵视觉检测方法 | |
CN116309579B (zh) | 一种用图像处理的变压器焊缝质量检测方法 | |
CN117689662B (zh) | 一种换热器管头焊接质量视觉检测方法及*** | |
CN117351019B (zh) | 一种焊接缺陷检测方法 | |
CN113570605B (zh) | 一种基于液晶显示面板的缺陷检测方法和*** | |
CN116823822B (zh) | 基于视觉特征的船艇钣金件焊接缺陷检测方法 | |
CN112053376B (zh) | 一种基于深度信息的工件焊缝识别方法 | |
CN115797358B (zh) | 基于机器视觉的金属壳体自动化焊接缺陷检测方法 | |
CN117115153B (zh) | 基于视觉辅助的印制线路板质量智能检测方法 | |
CN112862744B (zh) | 一种基于超声图像的电容内部缺陷智能检测方法 | |
CN112258444A (zh) | 一种电梯钢丝绳检测方法 | |
CN115719332A (zh) | 一种焊接质量检测方法 | |
CN116468687A (zh) | 划伤缺陷检测方法、装置及存储介质、电子设备 | |
CN115880280B (zh) | 一种钢结构焊缝质量的检测方法 | |
CN113155839A (zh) | 一种基于机器视觉的钢板外表面缺陷在线检测方法 | |
CN117649412B (zh) | 一种铝材表面质量的检测方法 | |
CN115311289A (zh) | 一种素色布匹油渍缺陷检测方法 | |
CN114897881B (zh) | 一种基于边缘特征的晶粒缺陷检测方法 | |
CN115601359A (zh) | 一种焊缝检测方法及装置 | |
CN117237335A (zh) | 基于机器视觉的光伏钢结构组件检测方法 | |
Li et al. | Detection algorithm of defects on polyethylene gas pipe using image recognition | |
JP2014020926A (ja) | 表面欠陥検査装置及び表面欠陥検査方法 | |
CN117808799B (zh) | 基于人工智能的倒角设备加工质量检测方法 | |
CN116777911A (zh) | 一种基于图像识别的双基板散热器表面缺陷检测*** | |
CN111815575B (zh) | 一种基于机器视觉的轴承钢珠零件检测方法 |
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 |