[發(fā)明專利]一種車漆缺陷位置檢測方法

有效

• 申請?zhí)枺?/td>: 201910191791.3
• 申請日: 2019-03-14
• 公開（公告）號: CN109919963B
• 公開（公告）日: 2023-03-24
• 發(fā)明（設(shè)計(jì)）人: 張晉東;徐嘉斌;張坤鵬;劉通;王雪;孫宛路
• 申請（專利權(quán)）人: 吉林大學(xué)
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/62;G06N3/006
• 代理公司: 北京君瑯知識產(chǎn)權(quán)代理有限公司 16017
• 代理人: 侯寧

1.一種車漆缺陷位置檢測方法，其特征在于，包括如下步驟：

S1、圖像預(yù)處理：

采集原始車漆圖像，利用大小調(diào)整函數(shù)將原始車漆圖像調(diào)整為設(shè)定大小后轉(zhuǎn)換為車漆灰度圖像；

S2、蟻群算法邊緣檢測：

S2.1、初始化：確定迭代次數(shù)，并對車漆灰度圖像的像素值進(jìn)行處理實(shí)現(xiàn)信息素矩陣和啟發(fā)信息矩陣的初始化；

所述信息素矩陣初始化如下：

δ←0.01

所述啟發(fā)信息矩陣按下式進(jìn)行初始化：

其中，X表示周圍像素點(diǎn)的個(gè)數(shù)；P_x表示周圍8個(gè)像素點(diǎn)中像素點(diǎn)x的位置；ι表示周圍像素點(diǎn)的被選擇的個(gè)數(shù)；表示周圍像素點(diǎn)的變換程度，取固定值4；ζ_i,j表示啟發(fā)信息矩陣中的啟發(fā)式信息值；

S2.2、螞蟻下一步走向選擇：

以當(dāng)前螞蟻位置作為初始位置，周圍8個(gè)像素點(diǎn)作為路線選擇區(qū)域，讓螞蟻在像素域中迭代移動，周圍8個(gè)像素點(diǎn)的移動選擇的概率值Q_x通過下式計(jì)算：

其中，x是螞蟻下一步選擇的像素點(diǎn)；δ_x為螞蟻從當(dāng)前點(diǎn)走向x點(diǎn)的信息素強(qiáng)度；γ_x是點(diǎn)x處的能見度系數(shù)；ε是用于控制螞蟻探索程度的參數(shù)，θ是代表影響信息素線索的參數(shù)；

根據(jù)上述計(jì)算得到的周圍8個(gè)像素點(diǎn)的移動選擇概率值，按下式選擇螞蟻下一步的方向：

其中，表示周圍像素點(diǎn)x被選擇的概率值，表示按輪盤方向走時(shí)的概率計(jì)算和；利用隨機(jī)函數(shù)產(chǎn)生一個(gè)0～1的概率值p，判斷p是否超過0.5，當(dāng)p小于0.5時(shí)，繼續(xù)執(zhí)行隨機(jī)函數(shù)直到產(chǎn)生大于或等于0.5的概率值，在這個(gè)過程中轉(zhuǎn)動概率計(jì)算的開始位置，最后記錄保存到Q_t中，而被選中的像素點(diǎn)x保存到t中作為螞蟻?zhàn)罱K選擇的下一步的像素點(diǎn)，并將該位置信息素更新標(biāo)記；

S2.3、螞蟻選擇了下一步走向之后，需要對信息素矩陣更新；

S2.4、當(dāng)達(dá)到迭代次數(shù)上限時(shí)停止迭代，得到最終的信息素矩陣，并利用OTSU閾值分割方法對最終的信息素矩陣處理，得到邊緣檢測信息圖像；

S3、識別出步驟S2.4中得到的邊緣檢測信息圖像的反光區(qū)域并標(biāo)記，得到標(biāo)記反光區(qū)域后的邊緣檢測信息圖像：

S3.1、對步驟S2.4得到的邊緣檢測信息圖像進(jìn)行HSV空間域轉(zhuǎn)化，得到邊緣檢測信息圖像的色調(diào)、飽和度、明度，進(jìn)而得到邊緣檢測信息圖像的色調(diào)平均值、飽和度平均值、明度平均值、飽和度最小值、明度最大值；

S3.2、按照下式計(jì)算反光區(qū)域的篩選閾值Θ：

Θ←Θ_ave

whileΘξdoΘ←(Θ+Θ_max)/2 andξ←Θ_max*2*(Η_ave-Η_min)/(3*Η_ave)；

其中，ξ表示明度判斷閾值，Η_ave表示飽和度平均值，Η_min表示飽和度的最小值，Θ_ave表示明度的平均值，Θ_max表示明度的最大值；

S3.3、根據(jù)步驟S3.2得到的篩選閾值Θ對整幅圖像進(jìn)行篩選，明度大于Θ的區(qū)域代表反光區(qū)域并進(jìn)行標(biāo)記，然后將被標(biāo)記的反光區(qū)域利用白像素點(diǎn)覆蓋，最終得到標(biāo)記反光區(qū)域后的邊緣檢測信息圖像；

步驟S4、缺陷位置識別：

S4.1、利用形態(tài)學(xué)算法中的腐蝕對步驟S3得到的標(biāo)記反光區(qū)域后的邊緣檢測信息圖像進(jìn)行處理，消除其邊緣中的噪聲干擾；

S4.2、進(jìn)行缺陷區(qū)域識別：對經(jīng)過步驟S4.1處理的邊緣檢測信息圖像利用自適應(yīng)閾值Canny算法識別其中的連通區(qū)域的邊界并進(jìn)行標(biāo)記，對所有的邊界保存，確認(rèn)所識別得到的連通區(qū)域是否為缺陷區(qū)域。

2.根據(jù)權(quán)利要求1所述的車漆缺陷位置檢測方法，其特征在于，步驟S1中，所述設(shè)定大小為128*128。

3.根據(jù)權(quán)利要求1所述的車漆缺陷位置檢測方法，其特征在于，步驟S2.1中，所述迭代次數(shù)上限為900步，若多于900步則停止迭代。

4.根據(jù)權(quán)利要求1所述的車漆缺陷位置檢測方法，其特征在于，步驟S2.1中，所述周圍8個(gè)像素點(diǎn)從左上角開始順時(shí)針標(biāo)號，1到8。