[发明专利]基于机器视觉的枕轨生产质量检测方法

权利要求书

1.一种基于机器视觉的枕轨生产质量检测方法，其特征在于，该方法包括以下步骤：

获取枕轨表面的灰度图像，对所述灰度图像初步分割得到疑似裂纹区域；

标记每个所述疑似裂纹区域的中心线，获取所述疑似裂纹区域中每个像素点与所述中心线之间的最短距离，基于所述最短距离获取所述疑似裂纹区域的裂纹宽度以及所述疑似裂纹区域中每个像素点的影响程度；

获取所述疑似裂纹区域中每个像素点对应邻域范围的灰度信息，基于所述疑似裂纹区域的裂纹宽度、所述疑似裂纹区域中像素点的影响程度以及对应邻域范围的灰度信息得到对应像素点自适应的局部窗口尺寸；

基于自适应局部窗口尺寸的Niblack算法获取所述疑似裂纹区域中的异常像素点，根据所有所述异常像素点得到枕轨生产质量；

所述基于所述最短距离获取所述疑似裂纹区域的裂纹宽度以及所述疑似裂纹区域中每个像素点的影响程度的步骤，包括：

计算所述疑似裂纹区域的所有边缘像素点与所述疑似裂纹区域的中心线之间的最短距离的平均值，将所述平均值的二倍作为所述疑似裂纹区域的裂纹宽度；

获取所述疑似裂纹区域中每个像素点对应的拟合直线，并获取所述拟合直线的斜率绝对值；对于所述疑似裂纹区域中任一像素点，计算像素点对应的最短距离与拟合直线的斜率绝对值的乘积，以所述乘积的负数作为自然常数的指数，得到的结果作为对应像素点的影响程度；

所述获取所述疑似裂纹区域中每个像素点对应邻域范围的灰度信息的步骤，包括：

所述疑似裂纹区域中每个像素点的邻域范围是以像素点为中心的八邻域范围；

获取所述疑似裂纹区域中每个像素点对应邻域范围内所有像素点的平均灰度值、邻域范围内所有像素点的灰度值的最大值以及灰度值的最小值；

所述平均灰度值、灰度值的最大值以及灰度值的最小值为像素点对应邻域范围内的灰度信息；

所述像素点自适应的局部窗口尺寸的获取公式为：

其中，表示疑似裂纹区域中第个像素点自适应的局部窗口尺寸；表示疑似裂纹区域中第个像素点的灰度值；表示疑似裂纹区域中第个像素点对应邻域范围内所有像素点的平均灰度值；表示疑似裂纹区域中第个像素点对应邻域范围内所有像素点的灰度值的最大值；表示疑似裂纹区域中第个像素点对应邻域范围内所有像素点的灰度值的最小值；表示疑似裂纹区域中第个像素点对应的影响程度；表示疑似裂纹区域的裂纹宽度；表示绝对值计算。

2.根据权利要求1所述的一种基于机器视觉的枕轨生产质量检测方法，其特征在于，所述获取所述疑似裂纹区域中每个像素点对应的拟合直线的步骤，包括：

以所述疑似裂纹区域中任意一个像素点为目标点，将所述目标点与所述疑似裂纹区域的中心线之间最短距离对应的线段作为基础线；以所述疑似裂纹区域的边缘像素点为起点作直线与所述疑似裂纹区域的中心线相交，交点为所述直线的终点，且所述直线过所述目标点并与所述基础线重合；

对所述直线上所有像素点的灰度值进行直线拟合得到所述目标点对应的拟合直线。

3.根据权利要求1所述的一种基于机器视觉的枕轨生产质量检测方法，其特征在于，所述基于自适应局部窗口尺寸的Niblack算法获取所述疑似裂纹区域中的异常像素点的步骤，包括：

以所述疑似裂纹区域中任意一个像素点为待分析点，基于所述待分析点自适应的局部窗口尺寸得到所述待分析点的局部窗口，获取所述局部窗口中所有像素点的灰度均值以及灰度值的标准差；

以预设的修正系数与灰度值的标准差进行相乘，将相乘的结果与灰度均值相加得到所述待分析点的局部阈值；若所述待分析点的灰度值小于对应的局部阈值，所述待分析点为异常像素点。

4.根据权利要求1所述的一种基于机器视觉的枕轨生产质量检测方法，其特征在于，所述根据所有所述异常像素点得到枕轨生产质量的步骤，包括：

将所述灰度图像中所有所述异常像素点的数量作为裂纹区域的面积，计算裂纹区域的面积在所述灰度图像中的占比，所述占比为枕轨生产质量损失，枕轨生产质量损失越大，枕轨生产质量越差。

5.根据权利要求1所述的一种基于机器视觉的枕轨生产质量检测方法，其特征在于，所述标记每个所述疑似裂纹区域的中心线的步骤，包括：

对所述疑似裂纹区域进行形态学细化操作，得到所述疑似裂纹区域对应的一条单像素的线段，所述线段为所述疑似裂纹区域的中心线。