CN119395033A 基于机器视觉的合金铸件质量检测方法及系统 （府谷县金川镁业有限责任公司）

基于机器视觉的合金铸件质量检测方法及每个窗口区域，计算Gabor滤波器中的最佳检测波长，利用Gabor滤波器提取窗口区域内的纹理2获取合金铸件表面图像并设置窗口，沿合金铸件表面图像移动窗口获得多个窗口区对于每个窗口区域，计算Gabor滤波器中的最佳检测波长，利用Gab与能量特征、逆差矩特征两者的乘积负相关，与对比度特征正相关；将最佳比例系数与Gabor滤波器中的初始检测波长的乘积作为最根据能量特征、逆差矩特征和对比度特征构建相应窗口的纹理特征向量，表达式为：的灰度共生矩阵的能量特征；为第k个窗口区域对应的灰度共生矩阵的逆差矩特征；cx为第k个窗口区域对应的灰度共生矩阵的对比度特征；对得到的多个纹理特征向量聚类得余窗口区域为缺陷区域。计算第一平均纹理特征向量与第二平均纹理;;式中，表示第一平均纹理特征向量与第二平均纹理特征向量的差异度，3表示第一平均纹理特征向量与第二平均纹理特征向量之间夹角的余弦值。6.根据权利要求3_5任一项所述的基于机器视觉的合金铸件质量检测方法，其特征在;第二平均纹理特征向量的差异度，为第k个窗口区域对应的灰度共生矩阵的能量特征；为第k个窗口区域对应的灰度共生矩阵的逆差矩特征；cx为第k个窗口区域对应的灰度要求1_7任一项所述的基于机器视觉的合金铸4[0002]合金铸件是指通过铸造工艺将金属合金熔化成液态，并倒入预先设计好的铸型[0003]公告号为CN111105389B的中国专利文件公开了一种融合Gabor滤波器与卷积神经[0004]在对合金铸件表面的缺陷进行检测时，可以利用Gabor滤波器提取合金铸件表面与Gabor滤波器中的初始检测波长的乘积作[0007]在利用Gabor滤波器提取合金铸件表面图像的纹理特征时，通过自适应调节检测5应的灰度共生矩阵的能量特征；为第k个窗口区域对应的灰度共生矩阵的逆差矩特征；Cx为第k个窗口区域对应的灰度共生矩阵的对比度特征；对得到的多个纹理特征向量聚类得到多个聚类簇，将含有数据点最多的聚类簇内特征向量对应的窗口区域作为正常区域，其余窗口区域为缺陷区域。[0010]优选的，计算正常区域的第一平均纹理特征向量和缺陷区域的第二平均纹理向计算第一平均纹理特征向量与第二平均纹理;式中，表示第一平均纹理特征向量与第二平均纹理特征向量的差异度，表示第一平均纹理特征向量中的第i个元素，表示第二平均纹理特征向;式中，表示第一平均纹理特征向量与第二平均纹理特征向量的差异度，表示第一平均纹理特征向量与第二平均纹理特征向量之间夹角的余弦值。;6量与第二平均纹理特征向量的差异度，为第k个窗口区域对应的灰度共生矩阵的能量特[0019]有益效果为：将上述的基于机器视觉的合金铸件质量检在利用Gabor滤波器提取合金铸件表面图像的纹理特征时，将合金铸件表面图像[0021]通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，7[0029]逆差矩特征反映窗口区域纹理的同质性，用于度量窗口区域纹理局部变化的多;;8;;式中，表示第一平均纹理特征向量与第二平均纹理特征向量的差异度，表示第一平均纹理特征向量中的第i个元素，表示第二平均纹理特征向;差异度越大表明缺陷区域与正常区域的纹理差异越大，在利用Gabor滤波器进行;式中，表示第一平均纹理特征向量与第二平均纹理特征向量的差异度，表示第一平均纹理特征向量与第二平均纹理特征向量之间夹角的余弦值。通过第一平均纹理特征向量与第二平均纹理特征向量夹角余弦值反映第一平均纹理特征向量与第二平均纹理特征向量的差异度，差异度越大表明缺陷区域与正常区域的纹理差异越;量与第二平均纹理特征向量的差异度，为第k个窗口区域对应的灰度共生矩阵的能量特9式中，表示第k个窗口对应的最佳检测波长，表示Gabor滤波器的初始检测波任何适当的磁存储介质或者磁光存储介质，比如，阻变式存储器RRAM（ResistiveRandom存取存储器SRAM（StaticRandomAccessMemory）、