[发明专利]一种极耳模具表面油污的缺陷检测方法

说明书

本发明涉及图像处理技术领域，具体涉及一种极耳模具表面油污的缺陷检测方法。该方法通过canny算子的预设高阈值检测获得初始边缘线，通过初始边缘线的灰度变化差异和相对位置筛除异常点获得实际边缘线，并根据位置分布和灰度差异匹配获得实际边缘线组，根据实际边缘线组中实际边缘线的梯度变化调整预设高阈值获得优化高阈值，根据优化高阈值获得实际边缘点，继续调整预设高阈值完成连接，得到实际边缘组的待检测实际边缘线并迭代匹配连接，直至获得封闭区域并根据灰度值变化规律筛选出油污区域。本发明通过图像处理，通过梯度信息和空间信息对高阈值进行局部自适应优化，获得更完整更精确的油污区域。

技术领域

本发明涉及图像处理技术领域，具体涉及一种极耳模具表面油污的缺陷检测方法。

背景技术

电池极耳是锂离子电池中的一种重要组件，电池分为正极与负极，极耳就是从电芯中将正负极引出来的金属导电体，是电池进行充放电的关键部件。电池电极通过极耳连接到外部电路，而极耳是使用各种金属制造的，又薄又软，并且非常容易损坏。当生产极耳的模具中出现缺陷时，会极大的程度地影响极耳的质量，因此对极耳模具需要检测表面的缺陷情况，避免因凸起或划痕等因素的影响，使生产的极耳质量不合格。

在极耳模具表面缺陷检测时，因为表面中存在的油污亮斑会对缺陷的识别产生干扰，使检测出的缺陷精度较低。一般地，常采用canny算子检测对缺陷区域进行提取，为了能更好的去除油污的干扰，需要将油污区域分割出来，而油污与背景的对比度较低，完全将油污从背景中分割出来，是较为困难的。而传统的算法中canny算子阈值往往通过人工进行设置，也有通过遗传算法进行获取，但是遗传算法在搜索过程中出现的退化现象可能使种群的多样性变差，收敛速度变慢，最终得到的阈值是局部最优解而非全局最优解，且搜索时间长，效率低下。现有对canny算子的优化也仅限于对整体边缘的自适应优化，对局部阈值的调整也并没有考虑到灰度值不同的变化特征，使得到的边缘并不准确，在局部中是并不连续的边缘段，使区域的提取不够精确和完整。

发明内容

为了解决现有技术中使得到的边缘并不准确，在局部中是并不连续的边缘段，使区域的提取不够精确和完整技术问题，本发明的目的在于提供一种极耳模具表面油污的缺陷检测方法，所采用的技术方案具体如下：

本发明提供了一种极耳模具表面油污的缺陷检测方法，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所述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。

进一步地，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；