基于机器视觉的有色金属压延质量检测方法及系统与流程

本发明涉及图像处理，尤其涉及基于机器视觉的有色金属压延质量检测方法及系统。

背景技术：

1、有色金属压延是一种重要的金属加工方法，它被广泛应用于制造行业，如航空、汽车、建筑等。在有色金属压延的过程中，为了确保产品的质量，需要对其进行质量检测。在利用机器视觉技术压延后的有色金属进行质量检测时，为提高对压延后的有色金属质量检测的效率，通常先对压延后的有色金属图像进行超像素分割。

2、例如，在授权公告号cn113298809b《基于深度学习和超像素分割的复材超声图像缺陷检测方法》中指出，通过预设种子点的固定大小的搜索范围来进行图像的分割，从而可以根据分割后的图像进行质量检测，极大的减少了计算量。

3、在压延工艺中，金属材料会受到多次应力作用。由于金属的塑性行为，每次应力作用后会产生一定的塑性变形和局部位移，随着压延工艺的进行，这些位移会逐渐累积，使压延后的有色金属局部特征存在差异，从而使所采集到的压延后的有色金属图像的不同区域的像素点的分布规律不同，使用固定大小的搜索范围对压延后的有色金属图像进行超像素分割，无法较好的捕捉到压延后的有色金属图像中不同位置的局部特征变化，导致分割细节不够精确，从而影响对压延后的有色金属的质量检测。

技术实现思路

1、本发明的目的在于提供基于机器视觉的有色金属压延质量检测方法及系统，用于解决利用超像素分割算法设置固定种子点无法较好的捕捉到压延后的有色金属图像中不同位置的局部特征变化，从而导致分割细节不够精确的问题。

2、第一方面，本发明提供基于机器视觉的有色金属压延质量检测方法，采用如下的技术方案：

3、基于机器视觉的有色金属压延质量检测方法，包括步骤：

4、对压延后的有色金属图像进行预处理，得到目标图像；

5、根据目标图像中像素点与其邻域范围内的像素点的灰度差异以及灰度波动程度计算像素点的局部特征强度，其中所述局部特征强度与灰度差异呈正相关，与灰度波动程度呈负相关；

6、根据像素点的局部特征强度种子点的搜索范围进行一次调整；

7、根据种子点一次调整后的搜索范围获取需要二次确认的像素点，根据需要二次确认的像素点与其候选所属种子点的欧式距离、所述像素点和候选所述种子点搜索范围内的所有像素点的灰度值差异计算需要二次确认的像素点的所属程度，所述所属程度与欧式距离、灰度值差异均呈负相关；

8、对所属程度进行归一化，得到归一化所属程度；根据归一化所属程度对种子点的搜索范围进行二次调整，获取每一个种子点的最终搜索范围；

9、根据每一个种子点的最终搜索范围，对目标图像进行分割，根据分割后的目标图像对压延后的有色金属进行质量检测。

10、本发明通过计算每一个像素点的局部特征强度，并根据每一个种子点的搜索范围内的所有像素点的局部特征强度对该种子点的范围进行一次自适应调整，使超像素分割的结果更加准确，从而使系统对压延后的有色金属的质量检测结果更加准确。

11、进一步的，对种子点的搜索范围进行二次调整，可以避免一次调整后的搜索范围无法覆盖整个图像的问题，通过对种子点的搜索范围进行二次调整，从而使超像素分割的结果更加准确。

12、在一个实施例中，所述局部特征强度满足表达式：

13、；

14、其中，表示第个像素点的局部特征强度，表示目标图像中像素点的序号；表示第个像素点的邻域范围内像素点的序号；表示第个像素点的灰度值；表示第个像素点的邻域范围内的第个像素点的灰度值；表示第个像素点与其邻域范围内第个像素点之间的欧式距离；表示第个像素点的邻域范围内所有像素点的灰度值均值；表示归一化函数。

15、通过计算每个像素点与其邻域范围内像素点的灰度差异，能够捕捉到像素点在局部区域的变化和特征，不仅考虑了像素点的灰度值，还考虑了其周围像素点的整体变化，对于具有明显纹理或边界区域，局部特征强度会相对较高，从而使对图像中的纹理区域和边界区域的处理时能够更为敏感和精确。

16、在一个实施例中，所述种子点一次调整后的搜索范围满足表达式：

17、；

18、将任意一个种子点作为目标种子点，其中，表示目标种子点一次调整后的搜索范围的边长；表示目标种子点一次调整前的搜索范围的边长；表示目标种子点一次调整前的搜索范围内的像素点的总数；表示目标种子点一次调整前的搜索范围内像素点的序号；表示目标种子点一次调整前的搜索范围内第个像素点的局部特征强度；为预设超参数；表示向上取整函数；表示双曲正切函数。

19、根据局部特征强度的平均差异，动态地调整种子点的搜索范围，如果局部特征变化较小，即平均差异为负数，则增加搜索范围，以捕捉更多的细节；反之，如果局部特征变化较大，即为正数，则缩小搜索范围，以确保超像素分割的精度，通过动态调整搜索范围，可以使得超像素分割算法在处理复杂图像时更有效，避免过度分割或欠分割的问题。

20、在一个实施例中，所述需要二次确认的像素点的获取方法为：

21、对于每个种子点，根据种子点的位置以及该种子点一次调整后的搜索范围获取该种子点一次调整后的搜索范围内的所有像素点，分别作为该种子点的可搜索点；获取所有种子点的可搜索点的并集，将目标图像中不在并集内的像素点作为需要二次确认的像素点。

22、在一个实施例中，所述候选所属种子点的获取方法为：

23、对于任意一个需要二次确认的像素点，将距离该需要二次确认的像素点最近的个种子点，作为该需要二次确认的像素点的候选所属种子点；其中，为预设的最近的种子点数量。

24、在一个实施例中，所述所属程度的表达式满足：

25、；

26、其中，表示第个需要二次确认的像素点对于其第个候选所属种子点的所属程度；表示第个需要二次确认的像素点的第个候选所属种子点一次调整后的搜索范围的边长；表示第个需要二次确认的像素点的灰度值；表示第个需要二次确认的像素点的第个候选所属种子点一次调整后的搜索范围内的第个像素点的灰度值；表示第个需要二次确认的像素点与其第个候选所属种子点之间的欧式距离；表示以自然常数为底数的指数函数；表示绝对值符号。

27、通过综合考虑需要二次确认的像素点与候选所属种子点的空间距离以及灰度值的差异，有效的评估了需要二次确认的像素点与其每一个候选所属种子点的关联程度，提高了超像素分割的准确性和稳定性，使得分割结果更加精细化。

28、在一个实施例中，所述每一个种子点的最终搜索范围的获取方式包括：

29、若种子点一次调整后的搜索范围边界上的任意一个像素点的四邻域范围内，存在需要二次确认的像素点对于该种子点的归一化所属程度大于等于预设阈值，则将该需要二次确认的像素点纳入该种子点的搜索范围；

30、重复对种子点一次调整后的搜索范围进行更新，直到种子点的搜索范围不再改变为止，将种子点最后一次更新完成的搜索范围记为该种子点的最终搜索范围。

31、通过二次确认和归一化所属程度，可以更准确的划分像素点到种子点的搜索范围，避免了初步分割可能出现不完整的问题，有效提高了图像分割的准确性和鲁棒性。

32、第二方面，本发明提供基于机器视觉的有色金属压延质量检测系统，采用如下的技术方案：

33、基于机器视觉的有色金属压延质量检测系统，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现上述基于机器视觉的有色金属压延质量检测方法。

34、通过采用上述技术方案，将上述的基于机器视觉的有色金属压延质量检测方法生成计算机程序，并存储于存储器中，以被处理器加载并执行，从而根据存储器及处理器制作终端设备，方便使用。

35、本发明具有以下技术效果：本发明通过根据目标图像中不同区域的局部特征强度来自适应调整每一个种子点的搜索范围大小，使得根据每一个种子点对目标图像进行分割时，能够更好地满足不同区域的局部特征，进一步地，通过对种子点的搜索范围进行二次调整，可以将不在种子点搜索范围内的像素点也纳入种子点的搜索范围，使得对目标图像的分割结果更加准确，从而使得依据分割后的目标图像得到的压延后的有色金属质量检测结果更加准确。