CN116030034B 阀门表面缺陷的视觉识别方法 （青岛精锐机械制造有限公司）

中每个像素点在第一预设邻域范围内的灰度值变化筛选出焊接点；将焊接点作为初始聚类中心，通过改进的k_means聚类算法将灰度图像内改进的k_2根据所述灰度图像中每个像素点在第一预设邻域范围内的灰将焊接点作为初始聚类中心，通过改进的k_means聚类算法将所述灰度图像内的像素获得邻接的两个所述最终聚类簇之间的公共点，待聚类像素点与匹配点之间的灰度分布特征值的差值绝获取待聚类像素点关于所述初始聚类中心对称的将第一值与第二值相加的和作为第三值，将第三值负相关映射获取目标像素点与对应所述第一预设邻域范围内的每个像素点的灰度差值绝对值作将所述第一预设邻域范围内的最大的第一结果与第二结果的乘积作为目标像素点的3计算待聚类像素点与聚类中心之间的灰度差值绝对值作为分计算第一欧式距离与第一差异的乘积作为第三结果，将第三结果的倒数作为第四结计算像素点与更新前后的聚类中心的灰度分布特征值之间的差值绝对值作为灰度分获取第四值与第六值的乘积作为像素点与更新后的聚将公共边缘线上的每个边缘像素点均设置第二预设邻域像素点与对应的两个邻接的最终聚类簇内同一更新次数的参考点之间的第二相似度的均计算常数1与平均第二相似度的差值作为第五结果；以两个邻接的最终聚类簇同时参与更新的所述更新过程对应的第五结果的均值作为边缘区域内对应像素点的裂纹缺陷概设置裂纹缺陷概率值阈值，当裂纹缺陷概率值大9.如权利要求1所述的一种阀门表面缺陷的视觉识别方法，其特征在于，所述预设要4[0001]本发明涉及图像数据处理技术领域，具体涉及一种阀门表面缺陷的视觉识别方[0007]根据所述灰度图像中每个像素点在第一预设邻域范围内的灰度值变化筛选出焊[0008]将焊接点作为初始聚类中心，通过改进的k_means聚类算法将所述灰度图像内的5聚类中心进行更新的过程包括：分别计算像素点与更新前后的聚类中心的灰度分布特征[0013]获取目标像素点与对应所述第一预设邻域范围内的每个像素点的灰度差值绝对[0016]将所述第一预设邻域范围内的最大的第一结果与第二结果的乘积作为目标像素所述第一欧式距离最相似的第二欧式距离对应的同类像素点作为待聚类像素点的匹配点；计算待聚类像素点与匹配点之间的灰度分布特征值的差值绝对6[0028]计算像素点与更新前后的聚类中心的灰度分布特征值之间的差值绝对值作为灰每个像素点与对应的两个邻接的最终聚类簇内同一更新次数的参考点之间的第二相似度[0034]计算常数1与平均第二相似度的差值作为第五结果；以两个邻接的最终聚类簇同时参与更新的所述更新过程对应的第五结果的均值作为边缘区域内对应像素点的裂纹缺[0039]设置聚类效果评估值阈值，当聚类效果评估值小于或等于聚类效果评估值阈值能够满足焊接点所在焊接区域的形状特征，满足焊接点所在焊接区域内的灰度的分布规7[0043]图1为本发明一个实施例所提供的一种阀门表面缺陷的视觉识别方法的流程示意[0046]下面结合附图具体的说明本发明所提供的一种阀门表面缺陷的视觉识别方法的[0047]请参阅图1，其示出了本发明一个实施例提供的一种阀门表面缺陷的视觉识别方集获得的表面图像为RGB图像，本发明实施例使用加权平均值灰度化的方法对获得的表面8[0054]获取目标像素点与对应第一预设邻域范围内的每个像素点的灰度差值绝对值作灰度值与第个方向上的方向灰度值序列中的每个元素的差异作为第个方向上的第一灰度差异值序列，计算第个方向上的方向灰度值序列上的方向灰度差分序列；计算第个方向上的第一灰度差异值序列与方向灰度差分序列对应位置元素之间的差异，获得第个方向上的灰异变化序列中的每个元素进行负相关映射并归一化后累加，获得第个方向上的灰度变化[0056]计算像素点q与所在第一预设邻域范围内的每个像素点的灰度差值绝对值即第一9[0066]传统的k_means均值聚类中通过计算待聚类像素点与聚类中心的相似度，找出和统的k_means均值聚类是通过灰度差异计算出待聚类像素点与聚类中心的灰度相似度完成像中的不同位置处的灰度分布不均匀，使用传统的k_means均值聚类根据灰度相似度进行对k_means均值聚类算法的改进主要是对相似度的改进，使得每个焊接点的对应焊料的像蔓延方向上与第一欧式距离最相似的第二欧式距离对应的同类像素点作为待聚类像素点类像素点s与初始聚类中心w之间的欧式距离，获类像素点s与初始聚类中心w之间的欧式距离即第一欧式距离；为待聚类像素点s的灰度[0075]需要说明的是，反映了初始聚类中心w到待聚类像素点s之间的灰度变化情况，[0076]根据获取待聚类像素点s的灰度分布特征值的方法，获取每个像素点的灰度分布[0078]获取待聚类像素点s与初始聚类中心w之间的蔓延方向，即以初始聚类中心w为中心w之间的欧式距离作为第二欧式距离，将n个蔓延方向上与欧式距离即第一欧式距离最相似的第二欧式距离对应的同类像素点作为待聚类像素点s的匹配点，获取每个匹[0079]获取待聚类像素点s关于初始聚类中心w对称的像素点s'即对称点s'，计算对称点第二欧式距离对应的同类像素点的灰度分布特征值应非常相似；将n个蔓延方向上与第一配点的灰度分布特征值应非常相近，当待聚类像素点s与匹配点之间的灰度分布特征值的像素点s与多个初始聚类中心的第一相似度，将最大的第一相似度对应的初始聚类中心作欧式距离最小的最大第一相似度对应的初始聚类中心作为待聚类初始聚类所产生的初始聚类簇能够尽可能的满足焊接区域据所述灰度分布特征值与所述第二差异获取第二相似度。具体构建第二相似度的方法如类中心之间的第二相似度，最大的第二相似度对应的更新聚类中心作为像素点r的聚类中[0101]每次更新聚类中心后，根据第二相似度重新对像素点进行聚类[0105]本发明实施例将每个边缘像素点的第二预设邻域设置为5*5，实施者可根据实际接点所在的最终聚类簇内，故缺陷像素点也会被划分到相应的焊接点所在的最终聚类簇每个像素点与对应的两个邻接的最终聚类簇内同一更新次数的参考点之间的第二相似度接的最终聚类簇同时参与更新的更新过程对应的第五结果的均值作为边缘区域中对应像个参考点之间的第二相似度；为边缘区域中的像素点与最终聚类簇b中的第i个参考点[0113]需要说明的是，边缘区域的缺陷像素点是由两个邻接的最终聚类簇与最终聚类簇的公共区域获取的，通过对求平均值获得的平均第二相似度能反映出边缘区域的像素点与两个邻接的最终聚类簇的聚类中心的第二相似度的大小，平均第二相似度越小，说明边缘区域的像素点与两个邻接的最终聚类簇的聚类中心的第二相似度越小，边缘区域的像素点与两个