[发明专利]数控加工表面缺陷定位方法及装置

说明书

本申请涉及智能制造技术领域，特别涉及一种数控加工表面缺陷定位方法及装置，其中，方法包括：采用线阵相机获取数控加工表面的待检测图像，将待检测图像利用高斯卷积核进行滤波去噪处理得到平滑图像，计算平滑图像的全局灰度梯度，并计算得到缺陷边缘的初步位置，基于骨架抽取算法对缺陷边缘图像进行细化处理，基于改进的亚像素边缘拟合算法和处理后的缺陷边缘图像，拟合计算亚像素级边缘点与像素级边缘点间的相对位置关系，得到数控加工表面缺陷边缘的精确位置。本申请实施例可以基于数控加工表面的待检测图像，通过计算拟合获取对应缺陷边缘位置，由此实现了表面缺陷实际位置的精准测量，使缺陷定位结果更加准确可靠。

技术领域

本申请涉及智能制造技术领域，特别涉及一种数控加工表面缺陷定位方法及装置。

背景技术

表面缺陷直接影响工件的耐磨、耐腐蚀、耐疲劳等性能，工件加工完成后，通常需对工件的表面缺陷进行检测及定位，以确保工件符合质量标准。

相关技术中，可基于深度学习机理建立表面缺陷定位框架模型，并依据所建立模型对表面缺陷位置进行预测，或通过像素级机器视觉检测技术进行表面缺陷检测。

然而，相关技术中表面缺陷定位模型缺乏显式的解析数学表达，且实际数控加工环境变化复杂，导致模型预测的正确率不稳定，而像素级机器视觉算法检测精度较低，缺陷测量位置与缺陷实际位置存在偏离，降低了缺陷检测的可靠性与准确性，亟待解决。

发明内容

本申请提供一种数控加工表面缺陷定位方法及装置，以解决相关技术中表面缺陷定位模型缺乏显式的解析数学表达，且实际数控加工环境变化复杂，导致模型预测的正确率不稳定，而像素级机器视觉算法检测精度较低，缺陷测量位置与缺陷实际位置存在偏离，降低了缺陷检测的可靠性与准确性等问题。

本申请第一方面实施例提供一种数控加工表面缺陷定位方法，包括以下步骤：采用线阵相机获取数控加工表面的待检测图像；将所述待检测图像利用高斯卷积核进行滤波去噪处理，得到平滑图像；采用sobel算子计算所述平滑图像的全局灰度梯度，并使用Canny边缘检测算法计算得到缺陷边缘的初步位置，得到缺陷边缘图像；基于骨架抽取算法，对所述缺陷边缘图像进行细化处理，以去除所述缺陷边缘图像中冗余的边缘信息；基于改进的亚像素边缘拟合算法和处理后的缺陷边缘图像，参照所述平滑图像的全局灰度梯度，拟合计算亚像素级边缘点与像素级边缘点间的相对位置关系，得到数控加工表面缺陷边缘的精确位置。

可选地，在本申请的一个实施例中，所述将所述待检测图像利用高斯卷积核进行滤波去噪处理，得到平滑图像，包括：利用高斯卷积核对所述待检测图像像素矩阵做平滑运算，其中，所述高斯卷积核为行数和列数均为奇数的矩阵，计算方法满足如下公式：

其中，G(x，y)为高斯卷积核权重矩阵中某一元素所具有的权重值，x为该元素与权重矩阵中心元素在列方向上的像素距离，y为该元素与权重矩阵中心元素在行方向上的像素距离，σ为高斯卷积核权重矩阵中各元素统一使用的方差值。

可选地，在本申请的一个实施例中，所述采用sobel算子计算所述平滑图像的全局灰度梯度，并使用Canny边缘检测算法计算得到缺陷边缘的初步位置，得到缺陷边缘图像，包括：采用sobel一阶偏导有限差分算子计算所述平滑图像在列方向和行方向的灰度梯度，其中，计算任一像素点在列方向和行方向的灰度梯度值，并计算所述任一像素点的灰度梯度幅值和梯度方位角，所述灰度梯度幅值和所述梯度方位角计算公式分别为：

θ＝tan^-1(G_y/G_x)，