基于图像技术的电子雷管模块外观检测方法及系统与流程

本发明涉及图像处理，尤其涉及一种基于图像技术的电子雷管模块外观检测方法及系统。

背景技术：

1、自20世纪90年代末以来，数字图像处理技术和计算机视觉技术的迅猛发展推动了图像检测技术在工业领域的广泛应用。在诸如采矿、建筑和石油开采等领域，电子雷管作为炸药装置的核心部件扮演着关键角色。这些装置必须经过精准的外观质量检测，以确保其在使用过程中的安全性和可靠性。随着现代社会对爆炸品安全的不断重视，对电子雷管等爆炸物品的生产质量控制要求日益严格。任何外观上的缺陷或损伤都可能导致严重的事故，因此对雷管模块的外观完整性的检测至关重要。这种检测不仅有助于确保产品在制造过程中没有受到任何损害，还可以在产品装配和使用前及时发现潜在的缺陷，从而提高产品的可靠性和安全性。传统的外观检测方法主要依赖于人工目视检查，存在效率低下的问题，不能满足现代工业生产对高效、精确、可靠的质量控制需求。

技术实现思路

1、基于此，本发明有必要提供一种基于图像技术的电子雷管模块外观检测方法及系统，以解决至少一个上述技术问题。

2、为实现上述目的，一种基于图像技术的电子雷管模块外观检测方法，包括以下步骤：

3、步骤s1：获取电子雷管图像，并对电子雷管图像进行多通道色彩空间增强，从而获得电子雷管增强图像；对电子雷管增强图像进行雷管模块范围划分，从而获得电子雷管模块范围图像以及电子雷管线路范围图像；

4、步骤s2：基于电子雷管模块范围图像以及电子雷管线路范围图像进行电子雷管模块拓扑结构分析，从而获得电子雷管结构模型；

5、步骤s3：对电子雷管模块范围图像进行多层次深度特征提取，从而获得雷管模块深度特征数据，并基于电子雷管模块范围图像以及雷管模块深度特征数据构建电子雷管模块三维模型；

6、步骤s4：基于电子雷管模块三维模型进行模块外观完整性评估，从而获得模块外观完整性数据；

7、步骤s5：基于电子雷管结构模型以及电子雷管模块三维模型进行雷管模块连接线路完整性评估，从而获得模块连接线路完整性数据；

8、步骤s6：基于模块连接线路完整性数据以及模块外观完整性数据对电子雷管结构模型进行电子雷管异常结构参数化描述，从而获得电子雷管异常结构模型。

9、本发明通过对电子雷管图像进行多通道色彩空间增强，可以增强图像的对比度和色彩鲜明度，从而使得图像中的细节更加清晰可见。这种增强有助于减少后续分析中的噪声干扰，提高图像的质量和分析的准确性。将电子雷管图像划分为雷管模块范围图像和电子雷管线路范围图像，有助于定位和识别雷管内部的各个模块和线路。这种划分为后续步骤提供了清晰的目标区域，使得后续的分析更加准确和有效。通过分析电子雷管模块的拓扑结构，可以理解各个部件之间的关系和连接方式。这种分析为后续的结构特征提取和异常检测提供了基础，使得后续分析更加深入和准确。通过深度学习技术，可以从电子雷管模块图像中提取出更加丰富和有意义的特征，如形状、纹理等。这些特征可以帮助区分不同的部件和识别潜在的缺陷。通过构建电子雷管模块的三维模型，可以以立体的方式呈现雷管的外观和结构。这种立体模型有助于更全面地理解电子雷管的内部构造，并为后续的外观完整性评估和结构分析提供了更加客观的依据。通过对三维模型进行外观完整性评估，可以检测电子雷管外部是否存在缺陷或损伤，如裂纹、磨损等。这种评估能够快速、客观地识别潜在的安全隐患，有助于及时修复和改进生产过程。通过分析连接线路的完整性，可以确保电子雷管内部连接的稳固性和可靠性。这种评估有助于预防由于连接问题导致的故障或事故，提高产品的可靠性和安全性。通过对异常结构进行参数化描述，可以准确地识别和定位潜在的缺陷或异常，如异常连接、松动等。这种描述有助于及时发现和处理潜在的安全隐患，提高产品的质量和可靠性。综上所述，这些步骤在电子雷管外观质量检测中的应用，不仅提高了检测的效率和准确性，还减少了人为因素带来的错误，从而为现代工业生产提供了更可靠的质量控制手段。

10、可选地，其特征在于，步骤s1具体为：

11、步骤s11：获取电子雷管图像，并对电子雷管图像进行色彩空间转换，从而获得电子雷管转换图像；

12、步骤s12：对电子雷管转换图像进行通道分离，从而获得亮度通道图像以及色度通道图像；

13、步骤s13：对亮度通道图像进行强度增强，从而获得强度增强图像；对色度通道图像进行色彩增强，从而获得色彩增强图像；

14、步骤s14：对强度增强图像以及色彩增强图像进行通道合并，从而获得电子雷管增强图像；

15、步骤s15：对电子雷管增强图像进行雷管模块范围划分，从而获得电子雷管模块范围图像以及电子雷管线路范围图像。

16、本发明通过将图像转换到另一个色彩空间来改变图像的表示方式，是为了更好地突出图像中的某些特征或减少噪音。例如，将rgb图像转换为灰度图像可以减少处理的复杂性，并且通常能够更好地突出图像中的亮度差异。将图像的不同通道分离开来，通常是分离亮度（明度）和色彩信息。这有助于分别处理图像的亮度和色彩，例如，在亮度通道上进行锐化或增强细节，而在色彩通道上进行颜色校正或增强。通过对亮度通道进行强度增强，可以增加图像的对比度或细节，并使图像更加清晰。对色度通道进行色彩增强可以改善图像的色彩表现，使得颜色更加鲜艳或更接近真实场景。将经过增强的亮度和色彩通道重新合并成一个图像，以获得综合了亮度和色彩增强效果的最终图像。这样的图像具有更好的视觉效果，并且更适合后续的分析和处理。电子雷管增强图像被划分为雷管模块范围图像和电子雷管线路范围图像，以便更好地定位和识别雷管内部的各个模块和线路。这种划分为后续的分析提供了清晰的目标区域，使得后续的结构分析更加准确和有效。

17、可选地，步骤s15具体为：

18、步骤s151：对电子雷管增强图像进行背景分割，从而获得电子雷管分割图像；

19、步骤s152：对电子雷管分割图像进行边缘检测，从而获得电子雷管图像边缘数据；

20、步骤s153：获取电子雷管设计数据，并对电子雷管设计数据进行电子雷管模块形状特征提取以及电子雷管线路连接特征提取，从而获得电子雷管模块形状数据以及电子雷管线路连接数据；

21、步骤s154：对电子雷管图像边缘数据以及电子雷管模块形状数据进行相似度计算，从而获得电子雷管模块边缘数据；

22、步骤s155：根据电子雷管模块边缘数据对电子雷管分割图像进行模块范围划分，从而获得电子雷管模块范围图像；

23、步骤s156：基于电子雷管线路连接数据以及电子雷管分割图像进行线路范围划分，从而获得电子雷管线路范围图像。

24、本发明的背景分割是将图像中的目标对象与背景区分开来的过程。在电子雷管图像处理中，通过背景分割可以将雷管与周围环境分离开来，使得后续的分析更加准确和精确。边缘检测是识别图像中物体边界的过程。在电子雷管图像处理中，通过边缘检测可以确定雷管的轮廓，从而帮助识别其形状和结构，进一步进行后续的分析和处理。从电子雷管的设计数据中提取出与模块形状和线路连接相关的特征信息。这些数据对于分析电子雷管的结构和连接方式至关重要，有助于后续的模块范围划分和线路范围划分。通过计算电子雷管图像边缘数据与设计数据中模块形状数据的相似度，可以确定雷管图像中各个部分与设计模块的对应关系，进一步帮助精确地分割出雷管的各个模块。基于模块边缘数据，可以将电子雷管分割图像中的各个模块准确地划分出来，形成模块范围图像。这有助于更进一步地分析和处理各个雷管模块。利用电子雷管线路连接数据，可以将电子雷管分割图像中的线路准确地划分出来，形成线路范围图像。这有助于识别和分析电子雷管内部的线路连接情况，进一步了解其结构和功能。

25、可选地，步骤s156具体为：

26、对电子雷管图像边缘数据进行边缘点连接，从而获得电子雷管边缘连接数据；

27、对电子雷管边缘连接数据以及电子雷管线路连接数据进行线路匹配，从而获得雷管线路边缘连接数据；

28、根据雷管线路边缘连接数据对电子雷管分割图像进行线路连接点插值，从而获得线路范围数据；

29、根据线路范围数据对电子雷管分割图像进行线路范围像素值提取，从而获得电子雷管线路范围图像。

30、本发明通过对电子雷管图像边缘数据进行连接，可以将相邻的边缘点组合成连续的边缘线段，从而形成完整的边缘轮廓。这有助于更准确地表示电子雷管的形状和结构，为后续处理提供更好的基础。将雷管的边缘连接数据与线路连接数据进行匹配，可以确定雷管内部各个边缘和线路之间的对应关系。这有助于理解雷管内部结构，并进一步分析线路与边缘之间的关联，为后续处理提供更多信息。利用线路边缘连接数据，可以对电子雷管分割图像中的线路连接点进行插值处理，从而得到更加连续和准确的线路范围数据。这有助于精确地确定线路的位置和形状，为后续的分析和处理提供更可靠的数据基础。基于线路范围数据，可以从电子雷管分割图像中提取出与线路相关的像素值，形成电子雷管线路范围图像。这有助于将雷管中的线路与其它部分区分开来，使得线路的分析和处理更加简便和有效。

31、可选地，步骤s2具体为：

32、步骤s21：对电子雷管线路范围图像进行线路连接点空间特征提取，从而获得电子雷管线路连接点空间数据；

33、步骤s22：对电子雷管模块范围图像进行模块空间特征提取，从而获得电子雷管模块空间数据；

34、步骤s23：对电子雷管线路连接点空间数据以及电子雷管模块空间数据进行空间距离计算，从而获得空间距离数据；

35、步骤s24：根据空间距离数据对电子雷管线路连接点空间数据以及电子雷管模块空间数据进行连接点匹配，从而获得雷管模块连接关系数据；

36、步骤s25：基于雷管模块连接关系数据进行拓扑结构分析，从而获得电子雷管结构模型。

37、本发明通过对电子雷管线路范围图像进行空间特征提取，可以捕获线路连接点的几何特征、位置信息等。这些特征对于后续的空间分析和连接点匹配至关重要。在电子雷管中，通常包含不同的模块，如电路板、电池等。对模块范围图像进行空间特征提取可以获取各个模块的位置、大小、形状等信息，有助于理解雷管内部结构。在获得线路连接点空间数据和模块空间数据后，进行空间距离计算可以确定线路连接点与各个模块之间的相对位置关系。这些距离信息提供了线索，用于后续的连接点匹配。基于空间距离数据，对线路连接点和模块进行匹配，可以确定线路连接点与其所属模块之间的关联关系。这有助于理解雷管内部组成结构，为进一步的分析和建模提供了基础。根据连接点的匹配关系，进行拓扑结构分析可以揭示电子雷管内部的组织结构，包括线路的布局、模块的连接方式等。这有助于理解雷管的功能和工作原理，为设计和优化提供了重要参考。

38、可选地，步骤s3具体为：

39、步骤s31：基于电子雷管模块范围图像进行卷积结构计算，从而获得图像卷积神经网络；

40、步骤s32：通过图像卷积神经网络对电子雷管模块范围图像进行模块结构卷积层特征提取以及模块类别全连接层特征提取，从而获得模块结构特征数据以及模块类别特征数据；

41、步骤s33：基于模块结构特征数据以及模块类别特征数据进行特征融合，从而获得雷管模块深度特征数据；

42、步骤s34：基于电子雷管模块范围图像进行三维模型创建，从而获得模块三维模型；

43、步骤s35：根据雷管模块深度特征数据对模块三维模型进行模块结构特征优化，从而获得电子雷管模块三维模型。

44、本发明通过对电子雷管模块范围图像进行卷积结构计算，可以设计出适合该任务的cnn结构。这个步骤的关键是确定cnn的层数、卷积核大小、池化方式等参数，以确保网络能够有效地从图像中提取有用的特征。利用构建好的cnn结构，对电子雷管模块范围图像进行特征提取。通过卷积层进行模块结构特征提取，可以捕获图像中的局部信息和结构特征；而通过全连接层进行模块类别特征提取，则可以获取模块所属的类别信息。这样，就可以将图像转换为具有语义信息的特征向量。将从cnn中提取的模块结构特征数据和模块类别特征数据进行融合。这有助于将不同来源的信息结合起来，提高特征的表达能力和区分度，从而更好地描述雷管模块的特性。基于电子雷管模块范围图像，可以利用计算机视觉和图像处理技术创建三维模型。这样的三维模型可以更加直观地呈现出雷管模块的外观和结构，为后续分析和应用提供了基础。利用从cnn中提取的雷管模块深度特征数据，对创建的模块三维模型进行优化。这包括调整模型的几何结构、改善模型的细节表现等，以更好地符合从图像中提取的特征数据，从而得到更加精确和准确的三维模型。

45、可选地，步骤s4具体为：

46、步骤s41：对电子雷管模块三维模型进行模块表面平滑性评估，从而获得模块表面平滑性数据；

47、步骤s42：对电子雷管模块三维模型进行模型边缘结构提取，从而获得模块边缘结构模型；

48、步骤s43：对模块边缘结构模型进行模块边缘裂缝检测，从而获得模块边缘裂缝数据，并基于模块边缘裂缝数据进行模块边缘完整性评估，从而获得模块边缘完整性数据；

49、步骤s44：基于模块边缘完整性数据以及模块表面平滑性数据构建完整性评估体系；

50、步骤s45：通过完整性评估体系对电子雷管模块三维模型进行模块完整性评估，从而获得模块外观完整性数据。

51、本发明通过对电子雷管模块三维模型进行表面平滑性评估，可以检测模块表面是否存在明显的凹凸不平、粗糙度等问题。这有助于评估模块的外观质量，确保其外表面符合设计要求，提高产品的美观性和质感。对电子雷管模块三维模型进行边缘结构提取。通过识别模型的边缘结构，可以更好地理解模块的几何形状和轮廓，为后续的裂缝检测提供基础。对模型边缘结构进行裂缝检测。这有助于发现模块边缘上的裂纹、缝隙或其他缺陷，以及评估这些裂缝对模块边缘完整性的影响。通过此评估，可以及早发现并修复可能影响产品功能和安全性的问题。基于模块边缘完整性数据和表面平滑性数据构建完整性评估体系。这个评估体系包括指标和标准，用于量化评估模块的外观和结构完整性，从而为后续的评估提供一个系统性的框架。通过完整性评估体系对电子雷管模块三维模型进行综合评估，以获得模块的外观完整性数据。这个评估结果可以为制造过程中的质量控制提供指导，确保生产的模块符合规范要求，并具有良好的外观和结构完整性。

52、可选地，步骤s5具体为：

53、步骤s51：对电子雷管结构模型进行连接线路结构提取，从而获得雷管连接线路结构模型；

54、步骤s52：对雷管连接线路结构模型以及电子雷管模块三维模型进行雷管模块连接线路关联，从而获得模块连接线路数据；

55、步骤s53：对模块连接线路数据进行连通完整性评估，从而获得模块连接线路完整性数据。

56、本发明从电子雷管结构模型中提取连接线路的结构。这有助于理解雷管内部连接线路的布局和构造，为后续的连接线路关联提供基础。将雷管连接线路结构模型与电子雷管模块的三维模型进行关联。通过这种关联，可以模拟连接线路与雷管模块之间的实际连接关系，从而获取模块连接线路的数据。这有助于确保连接线路的布局与模块结构的匹配，并评估连接线路的可靠性。对模块连接线路数据进行连通完整性评估。这包括检查连接线路的连通性，即电信号是否能够在连接线路中正常传输，以及是否存在断路、短路或其他连通性问题。通过这一评估，可以确保连接线路的设计和布局能够满足雷管模块的功能要求，保证其在使用过程中的可靠性和稳定性。

57、可选地，步骤s6具体为：

58、步骤s61：对模块连接线路完整性数据进行低完整性线路统计，从而获得低完整性连接线路数据；

59、步骤s62：对模块外观完整性数据进行低完整性外观模块统计，从而获得低完整性外观模块数据；

60、步骤s63：根据低完整性连接线路数据以及低完整性外观模块数据对电子雷管结构模型进行异常结构参数化描述，从而获得电子雷管异常结构模型。

61、本发明通过对模块连接线路完整性数据的统计分析，识别出存在低完整性的连接线路。这可以及时发现连接线路中的异常，以便进行修复或改进，避免影响电子雷管模块的功能和性能。对模块外观完整性数据进行统计分析，识别出外观存在缺陷或损坏的模块。外观缺陷会导致零部件不稳定或易损坏，从而影响电子雷管模块的可靠性和耐用性。这可以及时发现并替换有缺陷的模块，确保产品的外观质量和功能完整性。根据低完整性连接线路数据和低完整性外观模块数据，对电子雷管结构模型进行异常结构的参数化描述。这包括记录和描述连接线路和外观模块的异常特征、位置、影响范围等信息。通过这一描述，可以更准确地了解异常结构对产品性能的影响，并为后续的修复或改进工作提供参考。

62、可选地，本说明书还提供一种基于图像技术的电子雷管模块外观检测系统，用于执行如上所述的基于图像技术的电子雷管模块外观检测方法，该基于图像技术的电子雷管模块外观检测系统包括：

63、雷管模块范围划分模块，用于获取电子雷管图像，并对电子雷管图像进行多通道色彩空间增强，从而获得电子雷管增强图像；对电子雷管增强图像进行雷管模块范围划分，从而获得电子雷管模块范围图像以及电子雷管线路范围图像；

64、拓扑结构分析模块，用于基于电子雷管模块范围图像以及电子雷管线路范围图像进行电子雷管模块拓扑结构分析，从而获得电子雷管结构模型；

65、模块三维模型构建模块，用于对电子雷管模块范围图像进行多层次深度特征提取，从而获得雷管模块深度特征数据，并基于电子雷管模块范围图像以及雷管模块深度特征数据构建电子雷管模块三维模型；

66、外观完整性评估模块，用于基于电子雷管模块三维模型进行模块外观完整性评估，从而获得模块外观完整性数据；

67、线路完整性评估模块，用于基于电子雷管结构模型以及电子雷管模块三维模型进行雷管模块连接线路完整性评估，从而获得模块连接线路完整性数据；

68、异常结构参数化描述模块，用于基于模块连接线路完整性数据以及模块外观完整性数据对电子雷管结构模型进行电子雷管异常结构参数化描述，从而获得电子雷管异常结构模型。

69、本发明的基于图像技术的电子雷管模块外观检测系统，该系统能够实现本发明任意一种基于图像技术的电子雷管模块外观检测方法，用于联合各个模块之间的操作与信号传输的媒介，以完成基于图像技术的电子雷管模块外观检测方法，系统内部模块互相协作，从而提高电子雷管模块外观检测的准确性。