基于图像特征的钛棒生产质量检测方法与流程

本发明涉及图像处理，具体涉及基于图像特征的钛棒生产质量检测方法。

背景技术：

1、钛棒是指由钛金属制成的棒状材料，具有轻质、强度高、耐腐蚀等特点，被广泛应用于高端制造、特殊工业等领域。钛棒生产质量的好坏不仅关系着钛棒性能的稳定性和耐久性，还关系着钛棒在使用过程中的安全性，所以对钛棒的生产质量进行检测是钛棒生产过程中不可或缺的一环。

2、传统的检测钛棒生产质量的方法，是利用图像处理技术，通过识别钛棒图像中的缺陷，但通常只能识别在某一光照角度下钛棒图像中的缺陷，而由于钛棒表面反光性较强，导致某些缺陷在特定光照角度下无法表现出来，从而造成对钛棒生产质量检测的结果不准确。因此需要通过获取不同光照角度的钛棒图像，结合钛棒反光在图像中表现出的类似条纹的特征，在每一条纹范围内分析钛棒图像中的缺陷表现。结合所有不同光照角度下钛棒图像中的生产缺陷，判断钛棒上每一位置是否存在缺陷。最后根据钛棒上所有缺陷位置的连续性和占比，判断钛棒生产质量水平。

技术实现思路

1、本发明提供基于图像特征的钛棒生产质量检测方法，以解决现有的问题。

2、本发明的基于图像特征的钛棒生产质量检测方法采用如下技术方案：

3、本发明提出了基于图像特征的钛棒生产质量检测方法，该方法包括以下步骤：

4、采集钛棒在同一位置不同光照角度的图像；

5、对钛棒的每张图像进行边缘检测，得到每个边缘检测后图像及若干边缘；根据边缘中相邻像素点的分布及所有像素点的分布位置，得到每个边缘的平直程度和每个边缘与图像长度的一致性，进而得到每个边缘为反光条纹边缘的可能性；筛选得到若干反光条纹边缘，并得到每个边缘检测后图像的若干条纹区域；

6、根据条纹区域的宽度与边缘检测后图像的宽度，得到每个条纹区域属于横向裂痕的可能性，筛选得到疑似横向裂痕缺陷区域；根据同一位置的像素点在不同图像中的灰度值大小和，得到每个条纹区域的对比度；根据每个条纹区域中相邻像素点的灰度值，得到每个条纹区域中每一列中每个像素点的灰度变化量，分析同一条纹区域中不同列相同像素点的灰度变化量，得到每个条纹区域中每一列中每个像素点属于缺陷像素点的可能性；

7、根据钛棒的所有图像中每个像素点所在反光条纹区域的对比度和属于缺陷像素点的可能性，得到钛棒的图像中各反光条纹区域中每个像素点存在缺陷的可能性；根据疑似横向裂痕缺陷区域在所有图像对应的条纹区域纵向一列中包含的像素点数量，得到每个疑似横向裂痕缺陷区域中存在横向裂痕缺陷的可能性；进而得到所有的缺陷位置；

8、将所有相邻的缺陷位置形成若干连通域，筛选得到若干缺陷区域；根据钛棒的图像中缺陷区域的所有像素点数量和钛棒的所有图像中的像素点数量，得到缺陷在钛棒的图像中的占比，进而得到每个钛棒的生产质量。

9、进一步地，所述根据边缘中相邻像素点的分布及所有像素点的分布位置，得到每个边缘的平直程度和每个边缘与图像长度的一致性，包括的具体步骤如下：

10、每个边缘的平直程度对应的具体计算公式为：

11、

12、

13、其中，表示第个边缘上第个像素点的斜率；表示第个边缘上第个像素点在图像中的纵坐标；表示第个边缘上第个像素点在图像中的横坐标；表示第个边缘上第个像素点在图像中的纵坐标；表示第个边缘上第个像素点在图像中的横坐标；表示第个边缘的平直程度；表示第个边缘中的像素点数量；表示第个边缘上第个像素点的斜率；表示绝对值函数；

14、每个边缘与图像长度的一致性对应的具体计算公式为：

15、

16、其中，表示第个边缘与图像长度的一致性；表示第个边缘中的像素点数量；表示图像中横向一行中包含的像素点数量；表示绝对值函数。

17、进一步地，所述得到每个边缘为反光条纹边缘的可能性，对应的具体计算公式为：

18、

19、其中，表示第个边缘为反光条纹边缘的可能性；表示第个边缘的平直程度；表示第个边缘与图像长度的一致性；表示归一化函数。

20、进一步地，所述根据条纹区域的宽度与边缘检测后图像的宽度，得到每个条纹区域属于横向裂痕的可能性，包括的具体步骤如下：

21、计算第个条纹区域纵向一列包含的像素点数量和图像中纵向一列包含的像素点数量的比值，将1减去该比值得到的差值，记为第个条纹区域属于横向裂痕的可能性。

22、进一步地，所述根据同一位置的像素点在不同图像中的灰度值大小和对比度，得到每个条纹区域的对比度，包括的具体步骤如下：

23、将每个位置的像素点在钛棒的不同图像中的灰度值大小作为横坐标，对比度作为纵坐标，构建每个位置的像素点的“灰度值-对比度”散点图；

24、将每一像素点对应的“灰度值-对比度”散点图放入同一统计图中，通过最小二乘法对获得的统计图进行拟合，得到图像中灰度值与对比度的拟合曲线；

25、分别根据每个条纹区域中的像素点灰度值构建对应的灰度直方图；

26、将任意一个条纹区域中的像素点灰度直方图中的峰值作为该条纹区域的灰度值，根据所述灰度值在拟合曲线中对应的位置，获取该条纹区域的对比度大小。

27、进一步地，所述根据每个条纹区域中相邻像素点的灰度值，得到每个条纹区域中每一列中每个像素点的灰度变化量，包括的具体步骤如下：

28、将任意一个条纹区域中第列第个像素点的灰度值与该条纹区域中第列第个像素点的灰度值的差，记为该条纹区域中第列第个像素点的灰度变化量。

29、进一步地，所述得到每个条纹区域中每一列中每个像素点属于缺陷像素点的可能性，对应的具体计算公式为：

30、

31、其中，表示条纹区域中第列第个像素点属于缺陷像素点的可能性；表示该条纹区域中列的数量；表示条纹区域中第列第个像素点的灰度变化量；表示条纹区域中第列第个像素点的灰度变化量；表示条纹区域中第列第个像素点的灰度变化量；表示条纹区域中第列第个像素点的灰度变化量；表示绝对值函数；表示归一化函数。

32、进一步地，所述根据钛棒的所有图像中每个像素点所在反光条纹区域的对比度和属于缺陷像素点的可能性，得到钛棒的图像中各反光条纹区域中每个像素点存在缺陷的可能性，对应的具体计算公式为：

33、

34、其中，表示钛棒的综合图像中第个像素点存在缺陷的可能性；表示钛棒的图像的数量；表示第个图像中第个像素点所在反光条纹区域的对比度；表示在第个图像中第个像素点属于缺陷像素点的可能性；表示归一化函数。

35、进一步地，所述根据疑似横向裂痕缺陷区域在所有图像对应的条纹区域纵向一列中包含的像素点数量，得到每个疑似横向裂痕缺陷区域中存在横向裂痕缺陷的可能性，对应的具体计算公式为：

36、

37、其中，表示第个疑似横向裂痕缺陷区域存在横向裂痕缺陷的可能性；表示钛棒的图像的数量；表示第个条纹区域在第个图像在条纹区域纵向一列中包含的像素点数量；表示第个条纹区域在第个图像在条纹区域纵向一列中包含的像素点数量；表示绝对值函数；表示归一化函数。

38、进一步地，所述根据钛棒的图像中缺陷区域的所有像素点数量和钛棒的所有图像中的像素点数量，得到缺陷在钛棒的图像中的占比，包括的具体步骤如下：

39、将钛棒的所有图像中缺陷区域的所有像素点数量与钛棒的所有图像中的所有像素点数量的比值，记为缺陷在钛棒的图像中的占比。

40、本发明的技术方案的有益效果是：

41、通过在不同光照角度下采集钛棒图像并进行缺陷识别，综合所有图像中的疑似缺陷确定钛棒上的生产缺陷，能够有效排除钛棒反光对缺陷表现的影响，提高了缺陷识别的准确性，更准确地判断了钛棒的生产质量。具体的，通过采集钛棒在不同光照角度下的图像，可以避免因单一角度的光照导致的某些缺陷无法显现的问题，提高检测的全面性和准确性；对每张图像进行边缘检测，通过分析边缘的平直程度和与图像长度的一致性，筛选出可能的反光条纹边缘，减少了因反光导致的误判；根据条纹区域的宽度与边缘检测后图像的宽度，筛选出疑似横向裂痕缺陷区域，提高了对横向裂痕的识别能力；通过分析同一像素点在不同图像中的灰度值和对比度，得到每个条纹区域的对比度大小，进一步提高了对缺陷识别的准确性；根据相邻像素点的灰度值变化量，分析条纹区域中不同列的灰度变化规律，判断每个像素点是否属于缺陷像素点，细化了缺陷识别过程；根据钛棒所有图像中每个像素点的对比度和缺陷像素点的可能性，计算出各反光条纹区域中每个像素点存在缺陷的可能性，综合分析缺陷的分布；通过分析疑似横向裂痕缺陷区域在所有图像对应条纹区域纵向一列中包含的像素点数量，得到横向裂痕缺陷的可能性，进一步提高了检测的准确性；通过所有图像中缺陷区域的像素点数量与所有图像中的总像素点数量的比值，确定缺陷在钛棒综合图像中的占比，进而判断钛棒的生产质量水平。