[发明专利]一种检测表面粗糙度的方法及其系统

权利要求书

1.一种检测表面粗糙度的方法，其特征在于，包括如下步骤：

获取灰度图像步骤：获得待测物体表面的灰度图像；

区域处理步骤：将所述灰度图像根据像素的灰度值划分为若干个同质区域，并获取同质区域相应的区域和边界参数；

粗糙度计算步骤：根据所述区域和边界参数，采用特定的神经网络模型获得所述待测物体表面的粗糙度；

其中，所述获取灰度图像步骤包括：采用显微镜，待测物体表面的灰度图像为实际图像的放大特定倍数的图像；

所述区域处理步骤包括如下步骤：

形态梯度计算所述灰度图像，以获得所述灰度图像各像素点的灰度值；

去除所述灰度图像上，其灰度值低于预设的最低灰度阈值的像素点，以去掉噪声点；

水线处理步骤：水线标记所述灰度图像，以在所述灰度图像上划分出若干个同质区域；然后，

统计出所述同质区域相应的区域和边界参数；

所述水线处理步骤包括如下步骤：

在所述灰度图像上获取初始灰度级的像素点；

设置浸没标记；

A、在所述灰度图像上获取下一个灰度级的像素点；

B、在所获取的像素点的邻域内，判断是否存在除水线标记外的标记；如果没有，将所获取的像素点设置一个新的标记；

如果有，则取出该邻域内已标记的像素点，进一步判断该邻域内的像素点除水线外的标记是否相同，如果是，则将这个标记赋予该像素点；否则，则赋予该像素点为水线标记；

判断所述灰度图像上当前灰度级的像素是否处理完毕；

如果没有完毕，则进行所述B；

如果完毕，则进一步判断所有的灰度级是否处理完毕，如果没有，则进行所述步骤A；如果是，则所述水线处理步骤结束；

所述区域和边界参数包括：在所述灰度图像内所有的同质区域的总个数、同质区域的水线所包含的像素点的个数、每个同质区域像素点的个数、最大面积的同质区域所包含的像素点的个数、最小面积的同质区域所包含的像素点的个数、所有的同质区域所包含的像素点个数的方差、同质区域中像素点灰度均值的最大值、同质区域中像素点灰度均值的最小值、所有的同质区域的像素点的灰度均值的算术均值，以及，所有的同质区域的像素点的灰度均值的方差；

所述神经网络模型的输入节点与所述区域和边界参数相应，其输出节点用于表征所述待测物体表面的粗糙度；所述神经网络模型设立包括如下步骤：

学习过程：采集任意的标样物体的表面的灰度图像，并采用所述区域处理步骤，获取该待测物体表面的区域和边界参数；然后将所述区域和边界参数和所述标样物体的表面粗糙度输入到所述神经网络模型中，并相应修改其输入节点的权值；

针对不同的标样物体，多次重复所述学习步骤，以确定所述输入节点的稳定的权值。

2.如权利要求1所述的检测表面粗糙度的方法，其特征在于，所述获取灰度图像步骤包括如下步骤：

一束平行的可见光以一定的角度照射到所述待测物体表面。

3.如权利要求1所述的检测表面粗糙度的方法，其特征在于，所述学习过程步骤中的环境条件与获取灰度图像步骤中的环境条件保持一致。