[發明專利]基于分水嶺分割的機械零件軋制異常檢測方法

在審

• 申請號: 202210473360.8
• 申請日: 2022-04-29
• 公開（公告）號: CN114972203A
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 趙愛梅;鄭海珍
• 申請（專利權）人: 南通市立新機械制造有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136
• 代理公司: 濟寧仁禮信知識產權代理事務所(普通合伙) 37383
• 代理人: 李新苗

1.一種基于分水嶺分割的機械零件軋制異常檢測方法，其特征在于，該方法包括以下步驟：

獲取軋輥表面灰度圖像，構建軋輥表面灰度圖像的灰度直方圖，并根據灰度直方圖進行混合高斯模型擬合，所述混合高斯模型的子高斯模型個數與灰度直方圖中極大值個數相等；根據軋輥表面灰度圖像上各像素點的灰度值在不同子高斯模型上的概率密度值，確定各灰度值對應的子高斯模型；獲取對應的子高斯模型為預設數量的所有灰度值，并對所述所有灰度值進行多閾值分割得到多個灰度值集合；

分別以各灰度值集合中每個灰度值為閾值，對軋輥表面灰度圖像進行分割，得到各灰度值對應的二值圖像；利用距離變化獲取所述二值圖像上像素點的距離信息，并對像素點進行賦值，得到各灰度值對應的距離變換圖像；獲取像素點在灰度值集合中各灰度值對應的距離變換圖像上的像素值大于設定閾值的數量，根據所述數量與該灰度值集合中灰度值的個數之比，得到各像素點的評價指標；

根據像素點的評價指標、像素點在灰度值集合中各灰度值對應的距離變換圖像上的像素值以及其鄰域內像素點的像素值，得到像素點的前景率；其中，求得像素點的前景率的個數與灰度值集合的數量一一對應；根據像素點的前景率對所有像素點進行標記，得到標記圖像；基于標記圖像利用分水嶺分割的方法對軋輥表面灰度圖像進行分割，得到特征圖像；利用神經網絡對特征圖像進行識別，得到軋輥表面圖像上的異常類別區域。

2.根據權利要求1所述的一種基于分水嶺分割的機械零件軋制異常檢測方法，其特征在于，所述確定各灰度值對應的子高斯模型具體為：

獲取軋輥表面灰度圖像上各像素點的灰度值在不同子高斯模型上的概率密度值，針對一個像素點的灰度值，獲取該像素點的灰度值在不同子高斯模型上最大的概率密度值記為第一概率密度值、第二大的概率密度值記為第二概率密度值；

獲取第一概率密度值與第二概率密度值的差值，并計算所述差值與第一概率密度值的比值得到灰度值的模型指標；

若灰度值的模型指標大于模型閾值，則該灰度值屬于第一概率密度值對應的子高斯模型；若灰度值的模型指標小于模型閾值，則該灰度值同時屬于第一概率密度值和第二概率密度值對應的子高斯模型。

3.根據權利要求1所述的一種基于分水嶺分割的機械零件軋制異常檢測方法，其特征在于，所述像素點的評價指標具體為：

其中，g(i,y)表示在第i個灰度值集合內各灰度值對應的所有距離變換圖像上第y個像素點的評價指標，r_i,x,y表示在第i個灰度值集合內灰度值對應的第x個距離變換圖像上第y個像素點的像素值，s(i)表示在第i個灰度值集合內灰度值對應的距離變換圖像的個數，f(r_i,x,y)表示r_i,x,y的函數。

4.根據權利要求1所述的一種基于分水嶺分割的機械零件軋制異常檢測方法，其特征在于，所述像素點的前景率的獲取方法具體為：

若像素點的評價指標等于第一閾值，則像素點的前景率取第一數值；若像素點的評價指標等于第二閾值，則像素點的前景率取第二數值；其中，第一數值與第二數值是人為設定的；

若像素點的評價指標大于第一閾值小于第二閾值，獲取像素點在當前灰度值集合中各灰度值對應的距離變換圖像上的像素值的最大值，與所有灰度值集合中各灰度值對應的距離變換圖像上的像素值的最大值的比值；

獲取像素點在當前灰度值集合中各灰度值對應的距離變換圖像上的鄰域像素點的像素值大于設定閾值的數量，并計算所述數量與所有鄰域像素點的總個數的比值；根據兩個所述比值的乘積，得到像素點在當前灰度值集合下對應的前景率。