一种电缆夹板模具制造智能化检测方法与流程

1.本发明涉及图像数据处理技术领域，具体涉及一种电缆夹板模具制造智能化检测方法。


背景技术：

2.电缆夹板是一次注塑成型的，电缆夹板具有抗热、防冻、防腐的优良特性。而电缆夹板的注塑质量的基本影响因素为注塑金属模具的型腔表面质量，当金属模具型腔表面存在缺陷时，会直接反应在注塑产品上，例如当金属模具型腔表面存在划痕缺陷时，会导致注塑的电缆夹板上具有划痕缺陷，具有缺陷的电缆夹板会一定程度上使客户的满意度降低，故对金属模具型腔进行检测是至关重要的。
3.在注塑模具行业中，通常利用机器视觉来进行金属模具型腔检测，但由于外界光照的变化和金属表面的反光作用，采集到的型腔图像容易受光照不均匀现象的影响，进而出现影响缺陷检测精度的情况。目前在不均匀光照下对型腔图像进行缺陷分割的常用算法为利用niblack算法进行局部阈值分割，以得到型腔图像中的缺陷区域。niblack算法是一种比较常用的局部动态阈值算法，根据局部平均值和局部标准差在图像中变动阈值以达到阈值分割的效果，但niblack算法中的修正系数的选取是根据先验经验设定或者根据大数据获取的，并不能根据具体的使用场景进行自适应调整，会一定程度降低分割的准确度，无法准确的实现缺陷分割，易造成分割误差较大的情况出现，进而影响模具型腔的质量检测结果。


技术实现要素：

4.为了解决金属的模具型腔质量检测结果的准确性较低的技术问题，本发明的目的在于提供一种电缆夹板模具制造智能化检测方法，所采用的技术方案具体如下：获取电缆夹板模具型腔的模具型腔图像，分割所述模具型腔图像得到疑似缺陷区域；根据疑似缺陷区域中各缺陷像素点和对应邻域内像素点的灰度值的下降变化特征构建各缺陷像素点的灰度下降向量；基于各缺陷像素点的灰度下降向量的方向，从各缺陷像素点的邻域内像素点中筛选出各缺陷像素点对应的同向像素点；根据各缺陷像素点和对应的同向像素点的灰度下降向量的差异、灰度值的波动特征确定各缺陷像素点的初始疑似划痕概率；基于各缺陷像素点的灰度下降向量的反方向，确定各缺陷像素点的对称点；根据各缺陷像素点和对称点之间的距离、各缺陷像素点和对称点之间的距离出现的频率、各缺陷像素点和对称点的灰度下降向量、各缺陷像素点的初始疑似划痕概率，确定各缺陷像素点的目标疑似划痕概率；根据各缺陷像素点的目标疑似划痕概率确定各缺陷像素点的自适应修正系数；基于各缺陷像素点的自适应修正系数，利用niblack算法确定各缺陷像素点的缺陷分割阈值；
基于各缺陷像素点的缺陷分割阈值，对模具型腔图像进行分割，确定电缆夹板模具型腔的质量评测值。
5.优选的，所述根据疑似缺陷区域中各缺陷像素点和对应邻域内像素点的灰度值的下降变化特征构建各缺陷像素点的灰度下降向量，包括：选取疑似缺陷区域中任意缺陷像素点作为目标像素点；将目标像素点对应的邻域内灰度值小于目标像素点的灰度值的像素点作为目标像素点对应的匹配像素点；将目标像素点到对应的各匹配像素点的方向作为目标像素点和对应的各匹配像素点的灰度下降分向量的方向，将目标像素点和对应的各匹配像素点的灰度差值作为目标像素点和对应的各匹配像素点的灰度下降分向量的模；将目标像素点和对应的所有匹配像素点的灰度下降分向量的和向量作为目标像素点的灰度下降向量。
6.优选的，所述基于各缺陷像素点的灰度下降向量的方向，从各缺陷像素点的邻域内像素点中筛选出各缺陷像素点对应的同向像素点，包括：选取疑似缺陷区域中任意缺陷像素点作为目标像素点；获取目标像素点对应的灰度下降向量的方向的垂直方向，作为目标像素点的垂直方向；过目标像素点，沿着目标像素点对应的垂直方向作直线，得到目标像素点对应的垂直线，将目标像素点的邻域内位于目标像素点的垂直线上的像素点作为目标像素点的同向像素点。
7.优选的，所述根据各缺陷像素点和对应的同向像素点的灰度下降向量的差异、灰度值的波动特征确定各缺陷像素点的初始疑似划痕概率，包括：选取疑似缺陷区域中任意缺陷像素点作为目标像素点；获取目标像素点的灰度下降向量的方向和对应的同向像素点的灰度下降向量的方向的夹角值；将目标像素点和对应的所有同向像素点的灰度下降向量的方向的夹角值的均值，作为目标像素点的夹角均值；将目标像素点的夹角均值和预设夹角值的比值作为目标像素点的夹角占比；将目标像素点的夹角占比进行负相关归一化得到目标像素点的第一疑似划痕概率；计算目标像素点和对应的所有同向像素点的灰度值的方差，作为目标像素点的灰度方差；将目标像素点的灰度方差和预设调整系数的乘积作为目标像素点的调整方差；对目标像素点的所述调整方差进行负相关归一化得到目标像素点的第二疑似划痕概率；根据目标像素点的所述第一疑似划痕概率和第二疑似划痕概率确定目标像素点的初始疑似划痕概率；其中，所述第一疑似划痕概率和第二疑似划痕概率均与初始疑似划痕概率呈正相关关系。
8.优选的，所述根据各缺陷像素点和对称点之间的距离、各缺陷像素点和对称点之间的距离出现的频率、各缺陷像素点和对称点的灰度下降向量、各缺陷像素点的初始疑似划痕概率，确定各缺陷像素点的目标疑似划痕概率，包括：选取疑似缺陷区域中任意缺陷像素点作为目标像素点；将目标像素点和对应的对称点之间的距离作为目标像素点的对称距离；将目标像素点的对称距离在疑似缺陷区域中所有缺陷像素点的对称距离中出现的频率作为目标像素点的出现频率，将对称距离和出现频率的乘积的归一化值作为目标像素点的距离归一值；获取目标像素点的灰度下降向量和对应的对称点的灰度下降向量的和向量的模，
作为目标像素点的对称模；将目标像素点的距离归一化值和对称模的乘积进行反比例归一化，得到目标像素点的第三疑似划痕概率；根据目标像素点的第三疑似划痕概率和初始疑似划痕概率，确定目标像素点的目标疑似划痕概率，其中，第三疑似划痕概率和初始疑似划痕概率均与目标疑似划痕概率呈正相关关系。
9.优选的，所述根据各缺陷像素点的目标疑似划痕概率确定各缺陷像素点的自适应修正系数，包括：将缺陷像素点的预设倍数的归一化后的目标疑似划痕概率进行负相关映射，得到缺陷像素点的自适应修正系数。
10.优选的，所述基于各缺陷像素点的自适应修正系数，利用niblack算法确定各缺陷像素点的缺陷分割阈值，包括：将缺陷像素点对应的自适应修正系数作为niblack算法中的修正系数，得到缺陷像素点对应的阈值，记为缺陷像素点的缺陷分割阈值。
11.优选的，所述基于各缺陷像素点的缺陷分割阈值，对模具型腔图像进行分割，确定电缆夹板模具型腔的质量评测值，包括：将疑似缺陷区域中灰度值大于对应的缺陷分割阈值的缺陷像素点，作为模具型腔图像中的划痕像素点；由划痕像素点构成模具型腔图像中的缺陷区域，将缺陷区域在模具型腔图像中的面积占比的负相关映射值，作为电缆夹板模具型腔的质量评测值。
12.优选的，所述基于各缺陷像素点的灰度下降向量的反方向，确定各缺陷像素点的对称点，包括：选取疑似缺陷区域中任意缺陷像素点作为目标像素点；以目标像素点为端点，沿着目标像素点的灰度下降向量的反方向做射线，连接目标像素点和对应射线上距离目标像素点最近的边缘点，得到目标像素点的反方向线，其中，所述边缘点为疑似缺陷区域的边缘点；分别计算目标像素点的灰度下降向量和对应的反方向线上各像素点的灰度下降向量的和向量的模，将最小的和向量的模对应的像素点作为目标像素点的对称点。
13.优选的，所述分割所述模具型腔图像得到疑似缺陷区域，包括：利用大津算法获取模具型腔图像的最佳分割阈值；将像素值大于所述最佳分割阈值的像素点作为缺陷像素点，由缺陷像素点构成疑似缺陷区域。
14.本发明实施例至少具有如下有益效果：本发明首先获取电缆夹板模具型腔的模具型腔图像和对应的疑似缺陷区域；根据疑似缺陷区域中各缺陷像素点和对应邻域内像素点的灰度值的下降变化特征构建各缺陷像素点的灰度下降向量，该灰度下降向量反映了缺陷像素点与邻域内像素点的变化趋势。从各缺陷像素点的邻域内像素点中筛选出各缺陷像素点对应的同向像素点，并根据各缺陷像素点和对应的同向像素点的灰度下降向量的差异、灰度值的波动特征确定各缺陷像素点的初始疑似划痕概率，因为如果缺陷像素点为划痕区域上的像素点，则划痕区域有一定的长度，故缺陷像素点的邻域内大概率存在与缺陷像素点特征相近的像素点，故根据缺陷像素点和邻域内同向像素点的灰度下降向量的差异和灰度值的波动，对缺陷像素点是否为划痕区域的像素点进行初始判断；由于部分划痕可能存在一定的弧度，导致划痕方向不完全
为直线型，故根据像素点的灰度下降向量的相似性计算的初始疑似划痕概率可能存在误差。因此需要进一步根据划痕的特征对初始疑似划痕概率进行校正，以获取更为精准的目标疑似划痕概率，具体获取缺陷像素点的对称点，因为划痕缺陷有一定的宽度，故分析缺陷像素点和对称点之间的相似性，确定缺陷像素点的目标疑似划痕概率。根据各缺陷像素点的目标疑似划痕概率确定各缺陷像素点的自适应修正系数，实现对传统niblack算法中修正系数进行自适应调整的目的，实现对划痕区域像素点赋予较小的自适应修正系数，以使其对应的缺陷分割阈值偏低，保证划痕像素点精准分割，由此提高局部阈值分割的准确性；基于各缺陷像素点的自适应修正系数，利用niblack算法确定各缺陷像素点的缺陷分割阈值，对模具型腔图像进行分割，确定电缆夹板模具型腔的质量评测值，实现了提高缺陷区域分割的准确性，进而提高了对金属的电缆夹板模具型腔的检测时的准确性。
附图说明
15.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
16.图1为本发明一个实施例所提供的一种电缆夹板模具制造智能化检测方法的方法流程图。
具体实施方式
17.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种电缆夹板模具制造智能化检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
18.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
19.本发明实施例提供了一种电缆夹板模具制造智能化检测方法的具体实施方法，该方法适用于电缆夹板模具检测的场景。该场景下通过工业相机获取电缆夹板模具型腔的模具型腔图像。为了解决传统niblack算法中修正系数不能根据具体的使用场景进行自适应调整，导致金属的模具型腔质量检测结果的准确性较低的技术问题。本发明获取电缆夹板模具型腔的模具型腔图像和疑似缺陷区域；确定疑似缺陷区域中各缺陷像素点的初始疑似划痕概率；进一步的对初始疑似划痕概率进行修正，确定各缺陷像素点的目标疑似划痕概率；根据各缺陷像素点的目标疑似划痕概率确定各缺陷像素点的自适应修正系数；基于各缺陷像素点的自适应修正系数，利用niblack算法确定各缺陷像素点的缺陷分割阈值，对模具型腔图像进行分割，确定电缆夹板模具型腔的质量评测值。本发明对传统的niblack算法进行优化，使得传统niblack算法中修正系数可以根据具体的使用场景进行自适应调整，实现了提高缺陷区域分割的准确性，进而提高了对电缆夹板模具型腔的质量判断的准确性。
20.下面结合附图具体的说明本发明所提供的一种电缆夹板模具制造智能化检测方
法的具体方案。
21.请参阅图1，其示出了本发明一个实施例提供的一种电缆夹板模具制造智能化检测方法的步骤流程图，该方法包括以下步骤：步骤s100，获取电缆夹板模具型腔的模具型腔图像，分割所述模具型腔图像得到疑似缺陷区域。
22.通过图像采集设备首先采集电缆夹板金属模具的模具型腔图像，利用大津算法进行初步分割，得到模具型腔图像中的疑似缺陷区域。然后根据沿划痕方向上划痕像素点的灰度下降向量方向的相似性，获取各像素点为疑似划痕的可能性，再根据划痕的对称性，计算校正系数，获取各像素点更为精准的疑似划痕可能性，进而获取各像素点所需的自适应修正系数，利用niblack算法精准分割目标区域内的划痕缺陷区域。
23.在本发明实施例中图像采集设备为工业相机，通过工业相机采集型腔表面图像，再对型腔表面图像进行灰度化处理，得到对应的模具型腔图像。需要说明的是，本发明分析的是矩形状的电缆夹板，故其金属模具型腔表面为光滑的平面。
24.细浅划痕是金属表面最常见的缺陷，也是最难被自动识别的一类缺陷，本发明则主要实现对划痕缺陷的识别。由于金属表面存在一层氧化膜，划痕处相当于将氧化膜去除，露出了原有金属光泽，故导致划痕处较亮。
25.在得到电缆夹板模具型腔的模具型腔图像之后，对模具型腔图像进行分割，得到疑似缺陷区域，也即分割所述模具型腔图像得到疑似缺陷区域，具体的：利用大津算法获取模具型腔图像的最佳分割阈值；将像素值大于所述最佳分割阈值的像素点作为缺陷像素点，由缺陷像素点构成疑似缺陷区域。即通过大津算法实现对模具型腔图像的初次分割。由于外界光照的变化和金属表面的反光作用，模具型腔图像内会存在高亮的反光区域，因此初次分割得到的疑似缺陷区域内会存在划痕缺陷和高反光区域。
26.步骤s200，根据疑似缺陷区域中各缺陷像素点和对应邻域内像素点的灰度值的下降变化特征构建各缺陷像素点的灰度下降向量。
27.传统的niblack算法在电缆夹板模具缺陷检测的场景中，当niblack算法中修正系数选取较小时，获取的局部分割阈值就会偏低，易造成非划痕像素点被误分为划痕像素点，而当niblack算法中修正系数选取较大时，获取的局部分割阈值就会偏高，易造成划痕像素点被误分为非划痕像素点。因此本发明根据图像局部邻域内的灰度特征识别疑似缺陷点，由此自适应修正系数，以达到精准分割缺陷区域的目的。
28.根据模具型腔图像的局部邻域内的灰度特征，实现自适应修正系数，以实现识别出模具型腔图像中的缺陷点。
29.首先根据疑似缺陷区域中各缺陷像素点和对应邻域内像素点的灰度值的下降变化特征构建各缺陷像素点的灰度下降向量，具体的：选取疑似缺陷区域中任意缺陷像素点作为目标像素点；将目标像素点对应的邻域内灰度值小于目标像素点的灰度值的像素点作为目标像素点对应的匹配像素点；将目标像素点到对应的各匹配像素点的方向作为目标像素点和对应的各匹配像素点的灰度下降分向量的方向；将目标像素点和对应的各匹配像素点的灰度差值作为目标像素点和对应的各匹配像素点的灰度下降分向量的模。需要说明的是，目标像素点和对应的每个匹配像素点均有对应的灰度下降分向量，例如目标像素点为a、目标像素点对应的匹配像素点有b和c，则目标像素点a和匹配像素点b有对应的灰度下降
分向量，目标像素点a和匹配像素点c有对应的灰度下降分向量。
30.将目标像素点和对应的所有匹配像素点的灰度下降分向量的和向量作为目标像素点的灰度下降向量。获取电缆夹板模具型腔的模具型腔图像中疑似缺陷区域中各缺陷像素点的灰度下降向量，得到灰度下降向量集合，其中，为疑似缺陷区域中第一个缺陷像素点的灰度下降向量；为疑似缺陷区域中第二个缺陷像素点的灰度下降向量；为疑似缺陷区域中第n个缺陷像素点的灰度下降向量，n为模具型腔图像中疑似缺陷区域中缺陷像素点的数量。
31.步骤s300，基于各缺陷像素点的灰度下降向量的方向，从各缺陷像素点的邻域内像素点中筛选出各缺陷像素点对应的同向像素点；根据各缺陷像素点和对应的同向像素点的灰度下降向量的差异、灰度值的波动特征确定各缺陷像素点的初始疑似划痕概率。
32.由于划痕相当于将金属表面的氧化膜去除，露出了原有金属光泽，即划痕越深越明显，因此目标区域中的划痕区域内沿划痕方向的中心线垂直向两侧像素灰度值逐渐递减。而目标区域中高反光区域内由光照处向四周像素灰度值逐渐递减。且划痕一般接近直线型，故划痕区域沿划痕方向上像素点的灰度下降向量方向相同，且像素点的灰度下降向量方向与划痕方向垂直，以及灰度值相同。
33.基于各缺陷像素点的灰度下降向量的方向，从各缺陷像素点的邻域内像素点中筛选出各缺陷像素点对应的同向像素点。该同向像素点为属于划痕区域内的像素点的概率越大。
34.仍以模具型腔图像的疑似缺陷区域中的任意缺陷像素点作为目标像素点为例，获取目标像素点对应的同向像素点的方法，具体的：获取目标像素点对应的灰度下降向量的方向的垂直方向，作为目标像素点的垂直方向，也即为目标像素点的灰度下降向量的方向和目标像素点的垂直方向这两个方向在二维平面上垂直。过目标像素点，沿着目标像素点对应的垂直方向作直线，得到目标像素点对应的垂直线，将目标像素点的邻域内位于目标像素点的垂直线上的像素点作为目标像素点的同向像素点。在本发明实施例中将缺陷像素点的邻域设定为八邻域，也即将目标像素点的八邻域内位于目标像素点的垂直线上的像素点作为目标像素点的同向像素点，由于该垂直线是过目标像素点的，故目标像素点也在垂直线上；除目标像素点外，在目标像素点的八邻域内，其目标像素点对应的同向像素点的数量应为2，当像素点的邻域改变时则对应的缺陷像素点对应的同向像素点的数量也随之改变，可由实施者根据实际情况调整像素点对应的邻域大小。
35.在得到同向像素点之后，根据各缺陷像素点和对应的同向像素点的灰度下降向量的差异、灰度值的波动特征确定各缺陷像素点的初始疑似划痕概率，具体的：仍以模具型腔图像的疑似缺陷区域中的任意缺陷像素点作为目标像素点为例；获取目标像素点的灰度下降向量的方向和对应的同向像素点的灰度下降向量的方向的夹角值。将目标像素点和对应的所有同向像素点的灰度下降向量的方向的夹角值的均值，作为目标像素点的夹角均值。将目标像素点的夹角均值和预设夹角值的比值作为目标像素点的夹角占比；将目标像素点的夹角占比进行负相关归一化得到目标像素点的第一疑似划痕概率。
36.计算目标像素点和对应的所有同向像素点的灰度值的方差，作为目标像素点的灰度方差。将目标像素点的灰度方差和预设调整系数的乘积作为目标像素点的调整方差；对目标像素点的调整方差进行负相关归一化得到目标像素点的第二疑似划痕概率。
37.根据目标像素点的第一疑似划痕概率和第二疑似划痕概率确定目标像素点的初始疑似划痕概率，其中第一疑似划痕概率和第二疑似划痕概率均与初始疑似划痕概率呈正相关关系。在本发明实施例中预设夹角值的取值为90，预设调整系数的取值为0.1，在其他实施例中可由实施者根据实际情况调整该取值。
38.以疑似缺陷区域中第i个缺陷像素点为目标像素点为例，目标像素点的初始疑似划痕概率的计算公式为：其中，为目标像素点的初始疑似缺陷概率；为目标像素点的夹角均值；为归一化函数；e为自然常数；u为预设调整系数；90为预设夹角值；为目标像素点对应的灰度方差；为目标像素点的第一疑似划痕概率；为目标像素点的第二疑似划痕概率。
39.在初始疑似划痕概率的计算公式中，通过实现对目标像素点的夹角占比的负相关归一化。通过以自然常数e为底数，以负的调整方差为指数的指数函数实现对调整方差的负相关归一化。需要说明的是，对目标像素点的灰度方差乘上预设调整系数的目的是为了避免通过以自然常数e为底数，以负的调整方差为指数的指数函数实现对调整方差进行负相关归一化时，指数函数过早趋于零的情况，故将预设调整系数作为灰度方差的权重，对灰度方差进行调小。
40.划痕区域沿划痕方向上像素点的灰度下降向量方向相同，且像素点的灰度下降向量方向与划痕方向垂直，以及灰度值相同。而高光区域内存在沿光照方向上像素点的灰度下降向量方向相同，但像素点的灰度下降向量方向与光照方向平行。因此当夹角均值越接近于0时，该像素点越可能为划痕处的像素点，而划痕像素点沿划痕方向上灰度值相似，即灰度方差v较小，以负相关归一化的作为负相关归一化的的调整值，两者的乘积表示该缺陷像素点为疑似划痕的可能性；即当缺陷像素点和对应的同向像素点的灰度下降向量的夹角值越小，则缺陷像素点的夹角占比越小，对应的缺陷像素点的第一疑似划痕概率越大，缺陷像素点属于划痕区域的初始疑似划痕概率越大；当缺陷像素点和对应的同向像素点的灰度值波动越小，则缺陷像素点的灰度方差，对应的缺陷像素点的第二疑似划痕概率越大，缺陷像素点属于划痕区域的初始疑似划痕概率越大。
41.获取疑似缺陷区域内各缺陷像素点的初始疑似划痕概率，构成初始疑似划痕概率集合，其中，为疑似缺陷区域内第1个缺陷像素点的初始疑似划痕概率；为疑似缺陷区域内第2个缺陷像素点的初始疑似划痕概率；为疑似缺陷区域内第n个缺陷像素点的初始疑似划痕概率；n为模具型腔图像中疑似缺陷区域中缺陷像素点的数
量。
42.步骤s400，基于各缺陷像素点的灰度下降向量的反方向，确定各缺陷像素点的对称点；根据各缺陷像素点和对称点之间的距离、各缺陷像素点和对称点之间的距离出现的频率、各缺陷像素点和对称点的灰度下降向量、各缺陷像素点的初始疑似划痕概率，确定各缺陷像素点的目标疑似划痕概率。
43.由于部分划痕可能存在一定的弧度，导致划痕方向不完全为直线型，则步骤s300根据像素点的灰度下降向量的方向相似性计算的初始疑似划痕概率可能存在误差。因此需要进一步根据划痕的特征对初始疑似划痕概率进行校正，以获取更为精准的疑似划痕概率。
44.位于划痕区域的像素点存在沿划痕方向的中心线对称的特征，即某一划痕像素点h沿其灰度下降向量的方向的反方向上遍历，遍历至与其灰度下降向量的方向相反，且向量的模相同的像素点，该与像素点h的灰度下降向量的方向相反，且与像素点h的灰度下降向量的模相同的像素点作为像素点h的对称点。而在电缆夹板模具检测的场景中金属模具的高反光区域接近小于半圆的扇形，则高反光像素点沿其灰度下降向量方向的反方向上无法遍历到与高反光像素点的灰度下降向量的方向相反，且与高反光像素点的灰度下降向量的模相同的对称点。
45.即为基于各缺陷像素点的灰度下降向量的反方向，确定各缺陷像素点的对称点，具体的：仍以模具型腔图像的疑似缺陷区域中的任意缺陷像素点作为目标像素点为例，以目标像素点为端点，沿着目标像素点的灰度下降向量的反方向做射线，连接目标像素点和对应射线上距离目标像素点最近的边缘点，得到目标像素点的反方向线，其中，边缘点为疑似缺陷区域的边缘点。
46.分别计算目标像素点的灰度下降向量和对应的反方向线上各像素点的灰度下降向量的和向量的模，将最小的和向量的模对应的像素点作为目标像素点的对称点。例如目标像素点r对应的反方向线上有三个像素点w1、w2和w3，分别计算目标像素点r和对应的反方向线上像素点w1的灰度下降向量的和向量的模q1，计算目标像素点r和对应的反方向线上像素点w2的灰度下降向量的和向量的模q2，计算目标像素点r和对应的反方向线上像素点w3的灰度下降向量的和向量的模q3，比较三个和向量的模q1、q2和q3的大小，若q2为q1、q2和q3三者中的最小值，则将，将q2对应的像素点作为w2目标像素点r的对称点。需要说明的是，若目标像素点有对应的多个对称点，则将与目标像素点之间的欧氏距离最小的对称点作为目标像素点的最终的对称点，也即在后续步骤的分析中，当目标像素点存在对应的对称点的数量不止一个时，仅将与目标像素点之间的欧氏距离最小的对称点作为目标像素点的最终的对称点，仅对其最终的对称点进行后续分析。
47.由于电缆夹板模具型腔面为平面，其不均匀光照区域位置和大小随机，而划痕缺陷存在沿划痕方向的中心线对称。因为划痕缺陷内沿划痕方向上像素点对应的距离值相同，而随机的不均匀光照像素点对应的距离值大小随机。在得到疑似缺陷区域中各缺陷像素点的对称点之后，根据各缺陷像素点和对称点之间的距离、各缺陷像素点和对称点的灰度下降向量、各缺陷像素点的初始疑似划痕概率，确定各缺陷像素点的目标疑似划痕概率，具体的：仍以模具型腔图像的疑似缺陷区域中的任意缺陷像素点作为目标像素点为例，将
目标像素点和对应的对称点之间的距离作为目标像素点的对称距离；将目标像素点的对称距离在疑似缺陷区域中所有缺陷像素点的对称距离中出现的频率作为目标像素点的出现频率，将对称距离和出现频率的乘积的归一化值作为目标像素点的距离归一值。在本发明实施例中通过计算目标像素点和对应的对称点之间的距离g与模具型腔图像的对角线的长度的比值，来实现对距离g的归一化，也即距离g与模具型腔图像的对角线的长度的比值为距离g的归一化值，即为距离归一值。需要说明的是，模具型腔图像的对角线的长度由采集到的模具型腔图像的大小确定。其中，目标像素点和对应的对称点之间的距离为欧式距离。
48.进一步的，获取目标像素点的灰度下降向量和对应的对称点的灰度下降向量的和向量的模，作为目标像素点的对称模，将目标像素点的距离归一值和目标像素点的对称模的乘积进行反比例归一化，得到目标像素点的第三疑似划痕概率；根据目标像素点的第三疑似划痕概率和初始疑似划痕概率，确定目标像素点的目标疑似缺陷概率；其中，第三疑似划痕概率和初始疑似划痕概率均与目标疑似划痕概率呈正相关关系。
49.以疑似缺陷区域中第i个缺陷像素点为目标像素点为例，目标像素点的目标疑似划痕概率的计算公式为：其中，为目标像素点的目标疑似划痕概率；为自然常数；为目标像素点的初始疑似划痕概率；为目标像素点和对应的对称点之间的距离，也即目标像素点的对称距离；为模具型腔图像的对角线的长度；目标像素点和对应的对称点之间的距离归一值；目标像素点的对称模；为目标像素点的第三疑似划痕概率；为目标像素点的对称距离出现的次数；n为疑似缺陷区域内缺陷像素点的数量；为目标像素点的对称距离的出现频率，也即为目标像素点的出现频率，也即为目标像素点的对称距离在疑似缺陷区域中所有缺陷像素点所对应的对称距离中出现的频率。
50.由于处于划痕区域的像素点沿划痕方向的中心线对称，即处于划痕区域的像素点与其对应的对称点的灰度下降向量的方向相反且向量的模相同，故像素点的对称模接近于0，该像素点属于划痕区域的概率越大。由于划痕为细长状，故缺陷像素点和对应的对称点之间的距离g应较小，故距离g越小则对应的距离归一值越小，对应的缺陷像素点的目标疑似划痕概率越大。且划痕像素点对应的对称距离的出现概率应较大，因为属于同一缺陷的对称距离通常较为相似，而由光照原因产生的反光区域通常中心区域较宽两边区域较窄，其像素点的对称距离出现的频率较小，故像素点对应的出现频率越大，则该像素点对应的对称距离越可信，因此用像素点的出现频率作为像素点的对称距离的调整值，通过两者的乘积来表征划痕缺陷的宽度特征。缺陷像素点的灰度下降向量的模为缺陷像素点和对应的匹配像素点的灰度差值，因为正常情况下当缺陷像素点和对应的匹配点均为划痕区域的像素点时，则其对应的两个灰度下降向量的方向应相反，其对应的两个灰度下降向量的模相
同，故当缺陷像素点和对应的匹配像素点的灰度差值、缺陷像素点对应的对称点和对应的匹配像素点的灰度差值越接近，则缺陷像素点和对应的匹配像素点的灰度下降向量的和向量的模越小，对应的缺陷像素点为划痕区域的像素点的概率越大。用归一化的距离归一值作为缺陷像素点的对称模d的调整值，用缺陷像素点和对应的对称点之间的距离归一值和缺陷像素点的对称模的乘积反映划痕特征，值越小，则反映其对应的缺陷像素点越符合划痕特征。因此用反比例归一化后的第三疑似划痕概率作为缺陷像素点的初始疑似划痕概率的校正系数,实现对缺陷像素点的初始疑似划痕概率的优化调节，通过优化调节后得到的目标疑似划痕概率判断缺陷像素点是否为疑似划痕可能性更精准。
51.获取疑似缺陷区域内各缺陷像素点的更为精准的目标疑似划痕概率，得到目标疑似划痕概率集合；为疑似缺陷区域内第1个缺陷像素点的目标疑似划痕概率；为疑似缺陷区域内第2个缺陷像素点的目标疑似划痕概率；为疑似缺陷区域内第n个缺陷像素点的目标疑似划痕概率；其中n为模具型腔图像中疑似缺陷区域中缺陷像素点的数量。再对目标疑似划痕概率集合中各目标疑似缺陷概率进行归一化处理，在本发明实施例中计算目标疑似划痕概率集合中每一个目标疑似划痕概率和目标疑似划痕概率集合中的最大值目标疑似划痕概率的比值，作为每一个目标疑似划痕概率的归一化值，以实现对目标疑似划痕概率进行归一化。获得归一化后的目标疑似划痕概率集合；其中，为疑似缺陷区域内第1个缺陷像素点的目标疑似划痕概率的归一化值，也即为疑似缺陷区域内第1个缺陷像素点的归一化后的目标疑似划痕概率；为疑似缺陷区域内第2个缺陷像素点的目标疑似划痕概率的归一化值；为疑似缺陷区域内第n个缺陷像素点的目标疑似划痕概率的归一化值。
52.步骤s500，根据各缺陷像素点的目标疑似划痕概率确定各缺陷像素点的自适应修正系数；基于各缺陷像素点的自适应修正系数，利用niblack算法确定各缺陷像素点的缺陷分割阈值。
53.niblack算法中修正系数的取值范围为[-1,1]，修正系数越大，像素点越可能被误分，因此当像素点更为精准的疑似划痕可能性越大，需要越小的修正系数。
[0054]
在得到各缺陷像素点的目标疑似划痕概率之后，根据各缺陷像素点的目标疑似划痕概率确定各缺陷像素点的自适应修正系数，具体的：将缺陷像素点的预设倍数的归一化后的目标疑似划痕概率进行负相关映射，得到缺陷像素点的自适应修正系数。在本发明实施例中预设倍数的取值为2，在其他实施例中实施者可根据实际情况调整该取值。
[0055]
以疑似缺陷区域内第i个缺陷像素点作为目标像素点为例，目标像素点的自适应修正系数的计算公式为：其中，为目标像素点的自适应修正系数；为归一化后的目标疑似划痕概率；2为预设倍数。
[0056]
在自适应修正系数的计算公式，通过的方式来实现对预设倍数的归一化后的目标疑似划痕概率的负相关映射。当缺陷像素点对应的归一化后的目标疑似划痕概率越大时，则该缺陷像素点为划痕缺陷内的像素点的概率越大，此时需要更小的修正系数来对进行精准的分割，则该缺陷像素点对应的自适应修正系数应越小。
[0057]
进一步的，基于各缺陷像素点的自适应修正系数，利用niblack算法确定各缺陷像素点的缺陷分割阈值。通过调节niblack算法中的修正系数，实现对niblack算法优化的目的。将缺陷像素点对应的自适应修正系数作为niblack算法中的修正系数，得到缺陷像素点对应的阈值，记为缺陷像素点的缺陷分割阈值。在本发明实施例中设置niblack算法的邻域窗口为7
×
7，在其他实施例中实施者可根据实际需求自行设定niblack算法的邻域窗口的大小。
[0058]
以疑似缺陷区域内第i个缺陷像素点作为目标像素点为例，目标像素点的缺陷分割阈值的计算公式为：其中，为目标像素点的缺陷分割阈值；为目标像素点的自适应修正系数；目标像素点的邻域窗口内灰度值的标准差；为目标像素点的邻域窗口内灰度值的均值。需要说明的是，该缺陷分割阈值的计算公式为niblack算法中阈值的计算公式，为本领域技术人员的公知技术，在此不再进行赘述。
[0059]
在当前场景中高反光区域和划痕缺陷区域中各像素点的灰度值和其局部邻域内的灰度方差较大，当传统的niblack算法修正系数选取较小时，即越接近-1时，由于灰度方差较大，会导致获取的局部分割阈值就会偏低，易造成高反光区域中灰度值较大的像素点被误分为划痕像素点。而当修正系数选取较大时，即越接近1时，由于灰度方差较大，会导致获取的局部分割阈值就会偏高，易造成划痕区域内灰度值较小的像素点被误分为非划痕像素点。因此本发明根据沿划痕方向上像素点的灰度下降向量方向的相似性，获取各缺陷像素点为疑似划痕上像素点的初始疑似划痕概率，再根据划痕的对称性，对初始疑似划痕概率进行校正，获取各缺陷像素点更为精准的目标疑似划痕概率，进而获取各缺陷像素点所需的自适应修正系数，即对划痕区域像素点赋予较小的修正系数，获取偏低的缺陷分割阈值，保障划痕像素点精准分割，而对高反光区域像素点赋予较大的修正系数，获取偏高的缺陷分割阈值，防止误分，由此提高局部阈值分割的准确性。
[0060]
步骤s600，基于各缺陷像素点的缺陷分割阈值，对模具型腔图像进行分割，确定电缆夹板模具型腔的质量评测值。
[0061]
在得到疑似缺陷区域中各缺陷像素点的缺陷分割阈值之后，基于各缺陷像素点的缺陷分割阈值，对模具型腔图像进行分割，得到模具型腔图像中的缺陷区域。具体的：将疑似缺陷区域中灰度值大于对应的缺陷分割阈值的缺陷像素点，作为模具型腔图像中的划痕像素点，由划痕像素点构成模具型腔图像中的缺陷区域。由于外界光照的变化和金属表面的反光作用，采集的金属的模具型腔图像容易产生光照不均匀现象，影响划痕缺陷识别的精度。本发明通过改进的自适应修正系数的niblack算法，精准分割图像内的划痕缺陷区域，实现对金属模具型腔表面内的划痕缺陷的精准分割。
[0062]
进一步的，将缺陷区域在模具型腔图像中的面积占比的负相关映射值，作为电缆
夹板模具型腔的质量评测值。
[0063]
该质量评测值的计算公式为：其中，质量评测值；为缺陷区域的面积；为模具型腔图像的面积；为面积占比。
[0064]
该面积占比越大，则对应的面积占比的负相关映射值则小，则反映电缆夹板模具的质量越差，该质量评测值反映了电缆夹板模具的质量，当质量评测值越大时，则对应的电缆夹板模具的质量越好，当质量评测值越小时，则对应的电缆夹板模具的质量越差。在本发明实施例中通过实现对面积占比的负相关映射。在本发明实施例中面积即为像素点数量，也即缺陷区域的面积即为缺陷区域内像素点的数量，模具型腔图像的面积即为模具型腔图像中像素点的数量。
[0065]
综上所述，本发明涉及图像数据处理技术领域。首先获取电缆夹板模具型腔的模具型腔图像和疑似缺陷区域；确定疑似缺陷区域中各缺陷像素点的初始疑似划痕概率；进一步的对初始疑似划痕概率进行修正，确定各缺陷像素点的目标疑似划痕概率；根据各缺陷像素点的目标疑似划痕概率确定各缺陷像素点的自适应修正系数；基于各缺陷像素点的自适应修正系数，利用niblack算法确定各缺陷像素点的缺陷分割阈值；基于各缺陷像素点的缺陷分割阈值，对模具型腔图像进行分割，确定电缆夹板模具型腔的质量评测值。本发明对传统的niblack算法进行优化，使得传统niblack算法中修正系数可以根据具体的使用场景进行自适应调整，实现了提高缺陷区域分割的准确性，进而提高了对电缆夹板模具型腔的质量判断的准确性。
[0066]
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0067]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

技术特征：
1.一种电缆夹板模具制造智能化检测方法，其特征在于，该方法包括以下步骤：获取电缆夹板模具型腔的模具型腔图像，分割所述模具型腔图像得到疑似缺陷区域；根据疑似缺陷区域中各缺陷像素点和对应邻域内像素点的灰度值的下降变化特征构建各缺陷像素点的灰度下降向量；基于各缺陷像素点的灰度下降向量的方向，从各缺陷像素点的邻域内像素点中筛选出各缺陷像素点对应的同向像素点；根据各缺陷像素点和对应的同向像素点的灰度下降向量的差异、灰度值的波动特征确定各缺陷像素点的初始疑似划痕概率；基于各缺陷像素点的灰度下降向量的反方向，确定各缺陷像素点的对称点；根据各缺陷像素点和对称点之间的距离、各缺陷像素点和对称点之间的距离出现的频率、各缺陷像素点和对称点的灰度下降向量、各缺陷像素点的初始疑似划痕概率，确定各缺陷像素点的目标疑似划痕概率；根据各缺陷像素点的目标疑似划痕概率确定各缺陷像素点的自适应修正系数；基于各缺陷像素点的自适应修正系数，利用niblack算法确定各缺陷像素点的缺陷分割阈值；基于各缺陷像素点的缺陷分割阈值，对模具型腔图像进行分割，确定电缆夹板模具型腔的质量评测值。2.根据权利要求1所述的一种电缆夹板模具制造智能化检测方法，其特征在于，所述根据疑似缺陷区域中各缺陷像素点和对应邻域内像素点的灰度值的下降变化特征构建各缺陷像素点的灰度下降向量，包括：选取疑似缺陷区域中任意缺陷像素点作为目标像素点；将目标像素点对应的邻域内灰度值小于目标像素点的灰度值的像素点作为目标像素点对应的匹配像素点；将目标像素点到对应的各匹配像素点的方向作为目标像素点和对应的各匹配像素点的灰度下降分向量的方向，将目标像素点和对应的各匹配像素点的灰度差值作为目标像素点和对应的各匹配像素点的灰度下降分向量的模；将目标像素点和对应的所有匹配像素点的灰度下降分向量的和向量作为目标像素点的灰度下降向量。3.根据权利要求1所述的一种电缆夹板模具制造智能化检测方法，其特征在于，所述基于各缺陷像素点的灰度下降向量的方向，从各缺陷像素点的邻域内像素点中筛选出各缺陷像素点对应的同向像素点，包括：选取疑似缺陷区域中任意缺陷像素点作为目标像素点；获取目标像素点对应的灰度下降向量的方向的垂直方向，作为目标像素点的垂直方向；过目标像素点，沿着目标像素点对应的垂直方向作直线，得到目标像素点对应的垂直线，将目标像素点的邻域内位于目标像素点的垂直线上的像素点作为目标像素点的同向像素点。4.根据权利要求1所述的一种电缆夹板模具制造智能化检测方法，其特征在于，所述根据各缺陷像素点和对应的同向像素点的灰度下降向量的差异、灰度值的波动特征确定各缺陷像素点的初始疑似划痕概率，包括：选取疑似缺陷区域中任意缺陷像素点作为目标像素点；获取目标像素点的灰度下降向量的方向和对应的同向像素点的灰度下降向量的方向的夹角值；将目标像素点和对应的所有同向像素点的灰度下降向量的方向的夹角值的均值，作为目标像素点的夹角均值；将目标像素点的夹角均值和预设夹角值的比值作为目标像素点的夹角占比；将目标像素点的夹
角占比进行负相关归一化得到目标像素点的第一疑似划痕概率；计算目标像素点和对应的所有同向像素点的灰度值的方差，作为目标像素点的灰度方差；将目标像素点的灰度方差和预设调整系数的乘积作为目标像素点的调整方差；对目标像素点的所述调整方差进行负相关归一化得到目标像素点的第二疑似划痕概率；根据目标像素点的所述第一疑似划痕概率和第二疑似划痕概率确定目标像素点的初始疑似划痕概率；其中，所述第一疑似划痕概率和第二疑似划痕概率均与初始疑似划痕概率呈正相关关系。5.根据权利要求1所述的一种电缆夹板模具制造智能化检测方法，其特征在于，所述根据各缺陷像素点和对称点之间的距离、各缺陷像素点和对称点之间的距离出现的频率、各缺陷像素点和对称点的灰度下降向量、各缺陷像素点的初始疑似划痕概率，确定各缺陷像素点的目标疑似划痕概率，包括：选取疑似缺陷区域中任意缺陷像素点作为目标像素点；将目标像素点和对应的对称点之间的距离作为目标像素点的对称距离；将目标像素点的对称距离在疑似缺陷区域中所有缺陷像素点的对称距离中出现的频率作为目标像素点的出现频率，将对称距离和出现频率的乘积的归一化值作为目标像素点的距离归一值；获取目标像素点的灰度下降向量和对应的对称点的灰度下降向量的和向量的模，作为目标像素点的对称模；将目标像素点的距离归一化值和对称模的乘积进行反比例归一化，得到目标像素点的第三疑似划痕概率；根据目标像素点的第三疑似划痕概率和初始疑似划痕概率，确定目标像素点的目标疑似划痕概率，其中，第三疑似划痕概率和初始疑似划痕概率均与目标疑似划痕概率呈正相关关系。6.根据权利要求1所述的一种电缆夹板模具制造智能化检测方法，其特征在于，所述根据各缺陷像素点的目标疑似划痕概率确定各缺陷像素点的自适应修正系数，包括：将缺陷像素点的预设倍数的归一化后的目标疑似划痕概率进行负相关映射，得到缺陷像素点的自适应修正系数。7.根据权利要求1所述的一种电缆夹板模具制造智能化检测方法，其特征在于，所述基于各缺陷像素点的自适应修正系数，利用niblack算法确定各缺陷像素点的缺陷分割阈值，包括：将缺陷像素点对应的自适应修正系数作为niblack算法中的修正系数，得到缺陷像素点对应的阈值，记为缺陷像素点的缺陷分割阈值。8.根据权利要求1所述的一种电缆夹板模具制造智能化检测方法，其特征在于，所述基于各缺陷像素点的缺陷分割阈值，对模具型腔图像进行分割，确定电缆夹板模具型腔的质量评测值，包括：将疑似缺陷区域中灰度值大于对应的缺陷分割阈值的缺陷像素点，作为模具型腔图像中的划痕像素点；由划痕像素点构成模具型腔图像中的缺陷区域，将缺陷区域在模具型腔图像中的面积占比的负相关映射值，作为电缆夹板模具型腔的质量评测值。9.根据权利要求1所述的一种电缆夹板模具制造智能化检测方法，其特征在于，所述基于各缺陷像素点的灰度下降向量的反方向，确定各缺陷像素点的对称点，包括：选取疑似缺陷区域中任意缺陷像素点作为目标像素点；以目标像素点为端点，沿着目
标像素点的灰度下降向量的反方向做射线，连接目标像素点和对应射线上距离目标像素点最近的边缘点，得到目标像素点的反方向线，其中，所述边缘点为疑似缺陷区域的边缘点；分别计算目标像素点的灰度下降向量和对应的反方向线上各像素点的灰度下降向量的和向量的模，将最小的和向量的模对应的像素点作为目标像素点的对称点。10.根据权利要求1所述的一种电缆夹板模具制造智能化检测方法，其特征在于，所述分割所述模具型腔图像得到疑似缺陷区域，包括：利用大津算法获取模具型腔图像的最佳分割阈值；将像素值大于所述最佳分割阈值的像素点作为缺陷像素点，由缺陷像素点构成疑似缺陷区域。

技术总结
本发明涉及图像数据处理技术领域，具体涉及一种电缆夹板模具制造智能化检测方法。该方法获取电缆夹板模具型腔的模具型腔图像和疑似缺陷区域；确定疑似缺陷区域中各缺陷像素点的初始疑似划痕概率；进一步的对初始疑似划痕概率进行修正，确定各缺陷像素点的目标疑似划痕概率；根据各缺陷像素点的目标疑似划痕概率确定各缺陷像素点的自适应修正系数；基于各缺陷像素点的自适应修正系数，利用NiBlack算法确定各缺陷像素点的缺陷分割阈值，对模具型腔图像进行分割，确定电缆夹板模具型腔的质量评测值。本发明提高了电缆夹板模具的质量检测的准确性。准确性。准确性。


技术研发人员：东野传涛 赵晨
受保护的技术使用者：山东华禹威达机电科技有限公司
技术研发日：2023.05.31
技术公布日：2023/7/12