[发明专利]基于计算机视觉的汽车发动机油路铜套缺陷检测方法

说明书

本发明涉及计算机视觉技术领域，具体涉及一种基于计算机视觉的汽车发动机油路铜套缺陷检测方法，包括：根据预处理后的待检测的汽车发动机油路铜套的表面图像，确定预处理后的表面图像中的每个像素点的相关区域，并根据每个像素点的相关区域中的各个像素点的灰度值，确定每个像素点的异常程度指标值；根据每个像素点及其邻域像素点的异常程度指标值和灰度梯度幅值，确定每个像素点为缺陷边缘像素点的概率，进而确定各个缺陷边缘像素点；根据各个缺陷边缘像素点及其为缺陷边缘像素点的概率，确定各个缺陷边缘连通域，进而确定各个缺陷区域，从而确定待检测的汽车发动机油路铜套的缺陷程度评价值。本发明有效提高了油路铜套缺陷检测的准确性。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种基于计算机视觉的汽车发动机油路铜套缺陷检测方法。

背景技术

随着科学技术不断地发展，促进了汽车制造业的繁荣进步。其中，汽车发动机作为一种动力装置，其决定了汽车的动力性、经济性和稳定性，而油路铜套作为汽车发动机的重要组成部件之一，其质量的好坏是影响汽车发动机性能的重要因素之一。在汽车发动机油路铜套的生产过程中，产品间的磕碰以及生产工艺的控制误差都会导致产品表面出现不同程度的缺陷，劣质产品会严重影响汽车的性能，更严重的会造成不可挽回的事故，所以对汽车发动机油路铜套产品的缺陷检测就显得尤为重要。

汽车发动机油路铜套的缺陷检测通常情况下会使用人工检测的方法，但是人工检测的方法不仅生产效率低，而且常常由于工人的视觉疲劳和主观判断误差导致缺陷检测结果不准确。随着机器视觉技术的发展，现有技术提出了一种基于机器视觉的汽车发动机油路铜套缺陷检测方法，该方法采用边缘检测和阈值分割的方法进行缺陷检测，提高了缺陷检测的效率，但由于汽车发动机油路铜套为金属制件，其表面光滑且在光照作用下容易发生镜面反射，导致所采集的图像也受到光照干扰，而对受到光照干扰的图像进行边缘检测和阈值分割，其边缘检测和阈值分割的结果不准确，最终导致汽车发动机油路铜套的缺陷检测结果的准确性依然比较差。

发明内容

为了解决上述汽车发动机油路铜套的缺陷检测结果的准确性较差的问题，本发明的目的在于提供一种基于计算机视觉的汽车发动机油路铜套缺陷检测方法。

本发明提供了一种基于计算机视觉的汽车发动机油路铜套缺陷检测方法，包括以下步骤：

获取待检测的汽车发动机油路铜套的表面图像，并对该表面图像进行预处理，得到预处理后的表面图像；

根据预处理后的表面图像，确定预处理后的表面图像中的每个像素点的相关区域，并根据每个像素点的相关区域中的各个像素点的灰度值，确定每个像素点的异常程度指标值；

获取预处理后的表面图像中的每个像素点的灰度梯度幅值，并根据预处理后的表面图像中的每个像素点及其邻域像素点的异常程度指标值和灰度梯度幅值，确定每个像素点为缺陷边缘像素点的概率；

根据每个像素点为缺陷边缘像素点的概率，确定预处理后的表面图像中的各个缺陷边缘像素点；

根据预处理后的表面图像中的各个缺陷边缘像素点及其为缺陷边缘像素点的概率，确定预处理后的表面图像中的各个缺陷边缘连通域，进而确定预处理后的表面图像中的各个缺陷区域；

根据预处理后的待检测的汽车发动机油路铜套的表面图像中的各个缺陷区域对应的面积和数目，确定待检测的汽车发动机油路铜套的缺陷程度评价值。

进一步的，每个像素点为缺陷边缘像素点的概率的计算公式：

其中，为每个像素点为缺陷边缘像素点的概率，为每个像素点的异常程度指标值，为每个像素点的灰度梯度幅值，为每个像素点的第k个邻域像素点的异常程度指标值，为每个像素点的第k个邻域像素点的灰度梯度幅值，为超参数，为双曲线正切函数。

进一步的，每个像素点的异常程度指标值的计算公式：