[发明专利]一种极耳模具表面油污的缺陷检测方法

权利要求书

1.一种极耳模具表面油污的缺陷检测方法，其特征在于，所述方法包括：

获得极耳模具表面灰度图像，通过预设高阈值对所述极耳模具表面灰度图像进行canny算法边缘检测，获得初始边缘线；通过所述初始边缘线上每个像素点与其他像素点之间的灰度值变化差异和相对距离获得每个像素点的异常点概率，通过所述异常点概率筛除所述初始边缘线上的异常点，获得实际边缘线；

通过所述实际边缘线之间的灰度值差异和位置分布获得匹配度，根据所述匹配度筛选出由两条相似实际边缘线构成的实际边缘线组；

将任意所述实际边缘线组作为检测组，在所述检测组内所述实际边缘线间的未连接区域中，从所述检测组中一条所述实际边缘线的端点开始，根据所述实际边缘线上相邻像素点的梯度变化调整预设高阈值，获得所述端点的优化高阈值；通过所述优化高阈值进行筛选，获得与所述端点在所述未连接区域中相邻的实际边缘点，获得新实际边缘线；从所述新实际边缘线的所述实际边缘点开始，继续调整预设高阈值获得所有实际边缘点，完成连接，获得检测组的待检测实际边缘线；获得每个所述实际边缘线组对应的所述待检测实际边缘线；

将所有所述待检测实际边缘线迭代匹配连接，直至获取到封闭区域；根据所述封闭区域内灰度值变化规律筛选出油污区域；

所述每个像素点的异常点概率的获取包括：

获得所述初始边缘线上每个像素点在预设邻域范围内与邻域像素点之间的最大灰度值差异；

将所述初始边缘线上的一个像素点作为参考像素点，计算所述参考像素点与所述初始边缘线上其他像素点间的灰度值差异并归一化，获得参考灰度值差异；

将所述参考像素点与所述初始边缘线上其他像素点的所述最大灰度值差异的差异作为梯度差异；将所述参考灰度值差异与所述梯度差异相乘，乘积作为灰度值变化差异；

将所述参考像素点与所述初始边缘线上其他像素点之间的欧氏距离进行负相关映射并归一化，获得调整权重；获得参考像素点与所有其他像素点的所述灰度值变化差异，通过所述调整权重调整灰度值变化差异，将所有加权所述灰度值变化差异的均值作为参考像素点的异常点概率。

2.根据权利要求1所述的一种极耳模具表面油污的缺陷检测方法，其特征在于，所述匹配度的获取包括：

获取每个所述实际边缘线的端点，将两个所述实际边缘线端点之间欧氏距离的最小值进行负相关映射并归一化处理，获得距离分布特征值；

获得两条所述实际边缘线上像素点的平均灰度值，将所述平均灰度值的差值绝对值负相关映射并归一化，获得灰度值差异特征值；

将两条所述实际边缘线的所述距离分布特征值和所述灰度值差异特征值相乘，乘积作为两条所述实际边缘线的匹配度。

3.根据权利要求1所述的一种极耳模具表面油污的缺陷检测方法，其特征在于，所述优化高阈值的获取包括：

所述优化高阈值的计算公式为：

式中，表示为端点的优化高阈值，表示为预设高阈值，表示为实际边缘线的像素点总数量，表示为实际边缘线上第个像素点的最大灰度值差异，表示为实际边缘线上第个像素点的最大灰度值差异，表示为实际边缘线上第个像素点与端点的欧氏距离，表示为归一化函数。

4.根据权利要求1所述的一种极耳模具表面油污的缺陷检测方法，其特征在于，所述实际边缘点和新实际边缘线的获取包括：

根据所述端点的优化高阈值，筛选在所述未连接区域中与所述端点相邻的预选实际边缘点，当根据所述优化高阈值无法筛选出所述预选实际边缘点时，选择所述未连接区域中的另一个端点进行筛选；

当所述预选实际边缘点仅有一个时，将所述预选实际边缘点作为实际边缘点，与所述端点进行连接，获得新实际边缘线；

当所述预选实际边缘点存在两个及以上时，获得所述端点与所述实际边缘线上相邻像素点的第一斜率，计算所有预选实际边缘点与所述端点的第二斜率，将所述第一斜率和所述第二斜率差异最小的对应预选实际边缘点作为实际边缘点，与所述端点进行连接，获得新实际边缘线；

所述实际边缘点为新实际边缘线的端点。