[发明专利]一种基于图像处理的焊点识别方法

权利要求书

1.一种基于图像处理的焊点识别方法，其特征在于，包括：

S1、对原始图像进行预处理；

S2、对预处理后的图像中的焊点和干扰圆孔进行位置提取；

S3、对焊点和干扰圆孔进行纹理特征提取；

S4、构建GA-SVM分类模型，对GA-SVM分类模型进行训练，得到训练后的GA-SVM分类模型；

S5、基于训练后的GA-SVM分类模型，对焊点进行识别。

2.根据权利要求1所述的焊点识别方法，其特征在于，步骤S1包括：图像灰度化、图像去噪、图像锐化和图像边缘提取。

3.根据权利要求2所述的焊点识别方法，其特征在于，采用中值滤波进行图像去噪。

4.根据权利要求2所述的焊点识别方法，其特征在于，采用拉普拉斯锐化法进行图像锐化。

5.根据权利要求2所述的焊点识别方法，其特征在于，采用Canny算子进行图像边缘提取。

6.根据权利要求1-5中任一项所述的焊点识别方法，其特征在于，步骤S2中，采用改进的随机Hough变换算法进行焊点以及干扰圆孔位置提取，包括以下步骤：

(1)从待检测图像上的所有边缘点集合V中随机选取三个不在同一条直线上的像素点用来确定候选圆的参数；

(2)遍历集合V以外的像素点，判断该像素点是否在候选圆上；同时记录落在候选圆上的像素点的个数；

(3)确定候选圆的参数后，进行证据累积过程，确定圆心位置和半径大小；

(4)根据确定的圆心坐标位置和半径大小截取焊点和圆孔的图像，完成焊点以及干扰圆孔的位置提取。

7.根据权利要求6所述的焊点识别方法，其特征在于，步骤S3中，采用提取基于灰度共生矩阵的纹理特征，包括：

S31、将预处理后的图像划分为16个灰度级，并取像素间的距离为1；

S32、构造0°、45°、90°、135°四个方向的灰度共生矩阵；

S33、利用统计学知识将灰度共生矩阵元素构建能量、惯性矩、熵、相关性四个特征量，并计算其值；

S34、计算各个特征量的均值和标准差作为纹理特征的特征向量，特征向量的维数为8。

8.根据权利要求1-5、7中任一项所述的焊点识别方法，其特征在于，步骤S4包括：

S41、构建SVM分类模型，确定惩罚因子和核参数的取值范围和编码长度；

S42、对SVM分类模型参数进行二进制编码，并随机产生N个染色体生成初始群体；

S43、对初始种群中的每个个体，利用SVM分类模型计算训练样本的分类正确率，得到单条染色体的个体适应度值，如此进行N次，得到初始种群中每个染色体的个体适应度值；

S44、执行选择、交叉和变异操作，形成下一代种群，并将种群的迭代次数加1；

S45、进行迭代终止条件的判断，如果迭代次数到达指定上限则算法停止，将种群中的最优个体解码作为SVM分类模型的最优参数；否则，转至步骤S44继续执行；

S46、利用解码得到的最优参数组合，输入SVM分类模型，得到GA-SVM分类模型；

S47、对GA-SVM分类模型进行训练，得到训练后的GA-SVM分类模型。

9.根据权利要求8所述的焊点识别方法，其特征在于，惩罚因子的取值范围为c∈[0，100]，核参数的取值范围设置为g∈[0，100]，惩罚因子和核参数的二进制编码长度为10，二进制编码范围都为：0000000000-1111111111。

10.根据权利要求8或9所述的焊点识别方法，其特征在于，步骤S44中，选择操作采用轮盘赌算法；交叉操作采用线性组合的方式；变异操作采用基本位变异方式实现。