申请/专利权人：东莞市时实电子有限公司

申请日：2024-04-02

公开（公告）日：2024-06-28

公开（公告）号：CN118014989B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11;G06V10/25;G06V10/762;G06V10/56;G06V10/764

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明涉及图像缺陷检测技术领域，具体涉及一种电源适配器表面缺陷智能检测方法。该方法包括：获取电源适配器表面的灰度图像，显著性检测得到疑似划痕像素点；高斯金字塔分层处理得到不同尺度下的尺度图像；根据灰度值差异和LBP值差异，确定异常程度；筛选得到待分析像素点；根据异常程度确定异常区域；根据异常区域的边缘像素点的梯度、边缘像素点分布和边缘像素点的异常程度，确定异常区域的划痕概率，根据划痕概率从异常区域中筛选得到划痕区域；根据划痕区域对电源适配器表面进行缺陷检测，得到检测结果。本发明能够有效对电源适配器表面进行缺陷检测，提高检测结果的准确性与客观性。

主权项：1.一种电源适配器表面缺陷智能检测方法，其特征在于，所述方法包括：获取电源适配器表面的灰度图像，对所述灰度图像进行显著性检测得到疑似划痕像素点；对所述灰度图像进行预设尺度的高斯金字塔分层处理，得到不同尺度下的尺度图像；根据所述灰度图像与所有尺度图像下相同位置的疑似划痕像素点的灰度值差异和LBP值差异，确定每一疑似划痕像素点的异常程度；根据所述异常程度对所述疑似划痕像素点进行筛选，确定待分析像素点；对所有待分析像素点进行聚类，根据所述异常程度确定异常区域；根据所述异常区域的边缘像素点的梯度、边缘像素点分布和边缘像素点的异常程度，确定每一异常区域的划痕概率，根据所述划痕概率从所述异常区域中筛选得到划痕区域；根据所述划痕区域对所述电源适配器表面进行缺陷检测，得到检测结果；所述根据所述灰度图像与所有尺度图像下相同位置的疑似划痕像素点的灰度值差异和LBP值差异，确定每一疑似划痕像素点的异常程度，包括：将任一尺度下的尺度图像进行等比例缩放，得到与所述灰度图像大小相同的待测图像，将所述待测图像中与所述灰度图像的疑似划痕像素点相同位置的像素点作为待测像素点；对所述灰度图像中的疑似划痕像素点和待测图像中的待测像素点分别进行二值化局部纹理法分析，得到对应每一像素点的LBP值；将相同位置的疑似划痕像素点和待测像素点的灰度值的差值绝对值作为同位置灰度差异；将相同位置的疑似划痕像素点和待测像素点的LBP值的差值绝对值作为同位置LBP差异；根据所有尺度下所述同位置灰度差异和所述同位置LBP差异，确定对应位置的疑似划痕像素点的异常程度；所述根据所有尺度下所述同位置灰度差异和所述同位置LBP差异，确定对应位置的疑似划痕像素点的异常程度，对应的计算公式包括： 其中，表示第i个疑似划痕像素点的异常程度，W表示高斯金字塔层数，也即不同尺度，j表示第j个尺度，表示第i个疑似划痕像素点的灰度值，表示第j个尺度下待测像素点的灰度值，表示第i个疑似划痕像素点的LBP值，表示第j个尺度下待测像素点的LBP值，表示取绝对值，表示归一化处理；所述根据所述异常程度对所述疑似划痕像素点进行筛选，确定待分析像素点，包括：将所述异常程度大于预设异常阈值的疑似划痕像素点作为待分析像素点；所述对所有待分析像素点进行聚类，根据所述异常程度确定异常区域，包括：基于DBSCAN密度聚类算法对所有待分析像素点进行聚类，得到初始聚类簇；将所述初始聚类簇中待分析像素点的数量大于预设数量阈值的初始聚类簇所对应的区域作为异常区域；所述根据所述异常区域的边缘像素点的梯度、边缘像素点分布和边缘像素点的异常程度，确定每一异常区域的划痕概率，包括：对任一所述异常区域进行边缘检测处理，得到所述异常区域的边缘像素点；对同一异常区域的所有边缘像素点进行直线拟合，计算同一异常区域的所有边缘像素点分别距拟合直线的距离的均值，得到直线判断指标；计算同一异常区域内所有边缘像素点的梯度幅值的均值，负相关映射并归一化处理得到梯度判断指标；计算同一异常区域内所有边缘像素点的异常程度的均值作为异常判断指标；将所述直线判断指标、梯度判断指标和所述异常判断指标的乘积的归一化值，作为对应异常区域的划痕概率。

全文数据：

权利要求：

百度查询： 东莞市时实电子有限公司 一种电源适配器表面缺陷智能检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD