本發(fā)明涉及圖像處理。更具體地，本發(fā)明涉及一種主軸類零件表面無損檢測方法及系統(tǒng)。

背景技術(shù)：

1、主軸類零件是機械中的關(guān)鍵旋轉(zhuǎn)部件，主要用于傳遞扭矩、承受載荷，并確保機器的精確運轉(zhuǎn)。主軸類零件作為機械系統(tǒng)中至關(guān)重要的組成部分，其表面質(zhì)量直接影響到機械設(shè)備的正常運轉(zhuǎn)和使用壽命，如，軸表面的缺陷，如開裂、銀紋等，導(dǎo)致設(shè)備在運行過程中突然失效，甚至引發(fā)嚴(yán)重的安全事故。通過有效的表面缺陷檢測，可以及時發(fā)現(xiàn)并處理這些潛在風(fēng)險，從而保障設(shè)備的安全運行。

2、隨著機器視覺和圖像處理技術(shù)的進步，自動檢測成為提高檢測效率和準(zhǔn)確率的重要手段。目前，現(xiàn)有技術(shù)如公開號為cn113838054a的專利申請文件公開了一種基于人工智能的機械零件表面損傷檢測方法，包括：首先獲取零件表面的圖像；根據(jù)圖像數(shù)據(jù)，分別構(gòu)建初始損傷區(qū)域和正常區(qū)域的混合高斯模型；利用構(gòu)建的模型計算圖像中每個像素點屬于損傷區(qū)域或正常區(qū)域的概率；計算圖像中像素點之間的權(quán)值；結(jié)合像素點的權(quán)值、損傷概率和正常概率，構(gòu)建損失函數(shù)模型；通過損失函數(shù)模型確定最終的目標(biāo)損傷區(qū)域。該方法通過構(gòu)建混合高斯模型對圖像處理，能夠準(zhǔn)確識別出零件表面的損傷區(qū)域。

3、但是圖像中存在有無關(guān)細節(jié)的干擾，且損傷類型多樣，使用混合高斯模型等方法不能很好的識別對應(yīng)缺陷的特征，使得缺陷檢測的準(zhǔn)確性降低。

技術(shù)實現(xiàn)思路

1、為解決上述缺陷檢測的準(zhǔn)確性降低的技術(shù)問題，本發(fā)明在如下的多個方面中提供方案。

2、在第一方面中，一種主軸類零件表面無損檢測方法，包括：

3、獲取預(yù)處理后的零件表面的歷史灰度圖，對歷史灰度圖標(biāo)記得到多個缺陷區(qū)域及對應(yīng)的歷史缺陷種類；基于最佳劃分參數(shù)對各缺陷區(qū)域的梯度進行劃分和累加，得到歷史灰度圖中各缺陷的梯度直方圖；

4、獲取預(yù)處理后的零件表面的實時灰度圖，提取實時灰度圖的缺陷區(qū)域，使用最佳劃分參數(shù)得到實時灰度圖中各實時缺陷的梯度直方圖，將實時缺陷的梯度直方圖與歷史缺陷的梯度直方圖進行比較，輸出結(jié)果為零件的缺陷種類；

5、其中，所述最佳劃分參數(shù)與預(yù)設(shè)的目標(biāo)函數(shù)正相關(guān)，目標(biāo)函數(shù)與同一種類歷史缺陷之間的梯度直方圖的差異正相關(guān)、與不同種類歷史缺陷之間的梯度直方圖的差異負相關(guān)。

6、本發(fā)明通過利用歷史灰度圖和對應(yīng)的缺陷種類信息，構(gòu)建一個目標(biāo)函數(shù)，使得同一種類缺陷之間的梯度直方圖差異最小化，而不同種類缺陷之間的梯度直方圖差異最大化，進而調(diào)整劃分參數(shù)達到最優(yōu)，在最佳劃分參數(shù)的應(yīng)用下，對每個提取出的實時缺陷區(qū)域進行梯度劃分和累加，計算出各實時缺陷的梯度直方圖，進一步確保了實時缺陷的梯度直方圖能夠準(zhǔn)確反映缺陷的特征，從而使得在后續(xù)與歷史缺陷進行比較，判斷缺陷種類更加準(zhǔn)確，顯著提高缺陷檢測的準(zhǔn)確性。

7、優(yōu)選地，所述目標(biāo)函數(shù)的獲取過程包括：

8、預(yù)設(shè)初始梯度方向區(qū)間大小，在所述初始梯度方向區(qū)間大小的劃分下，獲取所有歷史缺陷的梯度直方圖；

9、計算任一缺陷種類的歷史缺陷的各梯度直方圖與所有其他缺陷種類的歷史缺陷的梯度直方圖的梯度差異之和，記為第一參數(shù)；

10、計算任一缺陷種類的歷史缺陷的各梯度直方圖與同缺陷種類的歷史缺陷的其他梯度直方圖的梯度差異之和，記為第二參數(shù)；

11、計算所有缺陷種類的所有歷史缺陷的第一參數(shù)與第二參數(shù)的比值之和，得到目標(biāo)函數(shù)的值。

12、通過優(yōu)化目標(biāo)函數(shù)，不僅可以衡量缺陷特征的區(qū)分度，還可以優(yōu)化缺陷檢測模型，提升缺陷檢測的精度和效率。

13、優(yōu)選地，當(dāng)目標(biāo)函數(shù)的值最大時，對應(yīng)的所述初始梯度方向區(qū)間大小為最佳劃分參數(shù)。

14、在機器學(xué)習(xí)或深度學(xué)習(xí)模型中，目標(biāo)函數(shù)的最大值往往代表著模型對當(dāng)前數(shù)據(jù)集的最好擬合。通過調(diào)整初始梯度方向區(qū)間大小，找到使目標(biāo)函數(shù)值最大的參數(shù)，可以顯著提升模型對缺陷、圖像或其他數(shù)據(jù)特征的識別精度。

15、優(yōu)選地，還包括：

16、在最佳劃分參數(shù)的劃分下，計算任意兩類歷史缺陷在同一梯度方向區(qū)間上梯度值的均值之間的絕對差異，將所述梯度值的均值之間的絕對差異歸一化處理得到對應(yīng)梯度方向區(qū)間的差異權(quán)重。

17、通過計算差異權(quán)重，可以識別出哪些梯度方向區(qū)間對于缺陷檢測最為重要，從而在特征選擇時可以優(yōu)先考慮這些區(qū)間，減少不必要的計算和提高檢測效率。

18、優(yōu)選地，所述將實時缺陷的梯度直方圖與歷史缺陷的梯度直方圖進行比較，輸出結(jié)果為零件的缺陷種類包括：

19、在任一梯度方向區(qū)間上，計算實時缺陷的梯度值與歷史缺陷的梯度均值差值的絕對值，記為第三參數(shù)；

20、將所述第三參數(shù)與對應(yīng)梯度方向區(qū)間的差異權(quán)重的乘積作為實時缺陷與歷史缺陷在該梯度方向區(qū)間上的差異度量；

21、若所述差異度量小于預(yù)設(shè)的閾值，則實時缺陷與歷史缺陷為同一種類的缺陷。

22、通過結(jié)合梯度直方圖比較和差異權(quán)重，實現(xiàn)了對實時缺陷的快速、準(zhǔn)確檢測和分類。

23、優(yōu)選地，所述將實時缺陷的梯度直方圖與歷史缺陷的梯度直方圖進行比較包括：

24、對于每個實時缺陷的梯度直方圖，與各歷史缺陷的梯度直方圖進行匹配，若某個歷史缺陷的梯度直方圖與實時缺陷的梯度直方圖之間的歐式距離最小，則認(rèn)為實時缺陷屬于該歷史缺陷對應(yīng)的缺陷種類。

25、優(yōu)選地，所述將實時缺陷的梯度直方圖與歷史缺陷的梯度直方圖進行比較包括：

26、比較實時缺陷的梯度直方圖與歷史缺陷的梯度直方圖的峰值位置，若二者的峰值之間的距離小于預(yù)設(shè)的位置閾值，則認(rèn)為實時缺陷屬于該歷史缺陷對應(yīng)的缺陷種類。

27、第二方面，一種主軸類零件表面無損檢測系統(tǒng)，包括：處理器和存儲器，所述存儲器存儲有計算機程序指令，當(dāng)所述計算機程序指令被所述處理器執(zhí)行時實現(xiàn)上述的一種主軸類零件表面無損檢測方法。

28、本發(fā)明的有益效果是：

29、本發(fā)明通過分析歷史缺陷的特征，得到一個最佳劃分參數(shù)，通過獲取預(yù)處理后的零件表面的歷史灰度圖和實時灰度圖，提取缺陷區(qū)域，并在最佳劃分參數(shù)的應(yīng)用下進行梯度劃分和累加，得到各缺陷的梯度直方圖，然后，將實時缺陷的梯度直方圖與歷史缺陷的梯度直方圖進行比較，輸出結(jié)果為零件的缺陷種類，從而提高主軸類零件表面缺陷檢測的效率和準(zhǔn)確性。

30、通過預(yù)設(shè)的目標(biāo)函數(shù)和最佳劃分參數(shù)的確定，該方法可以自適應(yīng)地調(diào)整檢測參數(shù)，以適應(yīng)不同種類和不同程度的缺陷。這使得該方法具有很好的適用性，可以應(yīng)用于各種類型的主軸類零件。

技術(shù)特征：

1.一種主軸類零件表面無損檢測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種主軸類零件表面無損檢測方法，其特征在于，所述目標(biāo)函數(shù)的獲取過程包括：

3.根據(jù)權(quán)利要求2所述的一種主軸類零件表面無損檢測方法，其特征在于，當(dāng)目標(biāo)函數(shù)的值最大時，對應(yīng)的所述初始梯度方向區(qū)間大小為最佳劃分參數(shù)。

4.根據(jù)權(quán)利要求3所述的一種主軸類零件表面無損檢測方法，其特征在于，還包括：

5.根據(jù)權(quán)利要求4所述的一種主軸類零件表面無損檢測方法，其特征在于，所述將實時缺陷的梯度直方圖與歷史缺陷的梯度直方圖進行比較，輸出結(jié)果為零件的缺陷種類包括：

6.根據(jù)權(quán)利要求1所述的一種主軸類零件表面無損檢測方法，其特征在于，所述將實時缺陷的梯度直方圖與歷史缺陷的梯度直方圖進行比較包括：

7.根據(jù)權(quán)利要求1所述的一種主軸類零件表面無損檢測方法，其特征在于，所述將實時缺陷的梯度直方圖與歷史缺陷的梯度直方圖進行比較包括：

8.一種主軸類零件表面無損檢測系統(tǒng)，其特征在于，包括：處理器和存儲器，所述存儲器存儲有計算機程序指令，當(dāng)所述計算機程序指令被所述處理器執(zhí)行時實現(xiàn)根據(jù)權(quán)利要求1-7任一項所述的主軸類零件表面無損檢測方法。

技術(shù)總結(jié)
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種主軸類零件表面無損檢測方法及系統(tǒng)，方法包括：獲取預(yù)處理后的零件表面的歷史灰度圖，對歷史灰度圖標(biāo)記得到多個缺陷區(qū)域及對應(yīng)的歷史缺陷種類；基于最佳劃分參數(shù)對各缺陷區(qū)域的梯度進行劃分和累加，得到歷史灰度圖中各缺陷的梯度直方圖；獲取預(yù)處理后的零件表面的實時灰度圖，提取實時灰度圖的缺陷區(qū)域，使用最佳劃分參數(shù)得到實時灰度圖中各實時缺陷的梯度直方圖，將實時缺陷的梯度直方圖與歷史缺陷的梯度直方圖進行比較，輸出結(jié)果為零件的缺陷種類。本發(fā)明通過最小化同類缺陷間的梯度直方圖差異，最大化不同種類缺陷間的差異，優(yōu)化劃分參數(shù)以提高實時缺陷檢測的準(zhǔn)確性。

技術(shù)研發(fā)人員：王佳星,王海榮,王峰,南振祥,李永剛,梁曼娟
受保護的技術(shù)使用者：陜西華威科技股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2