[发明专利]一种多特征零件质量信息智能感知方法、系统及装置

权利要求书

1.一种多特征零件质量信息智能感知方法，其特征在于，包括以下步骤：

从零件的全局图像中分割出可能有特征存在的子特征图像，实现零件特征的粗提取；

对子特征图像进行判定，确认子特征图像是否存在加工特征并判断特征种类，实现特征的精提取；

对精提取出的子特征图像特征进行图像处理，获取零件的多种类多特征的质量信息。

2.根据权利要求1所述的多特征零件质量信息智能感知方法，其特征在于，所述从零件的全局图像中分割出可能有特征存在的子特征图像，实现零件特征的粗提取的具体方法如下：

采用自适应灰度阈值分割法将可能有特征存在的子特征图像从全局图像中分割出来；采用自适应灰度阈值分割，从全局图像P中分割出可能有加工特征存在的子特征图像P_i，实现零件加工特征的粗提取，包括：

{P₁,P₂,P₃...P_i...P_n}∈P

其中，n为从全局质量图像中分割出的子特征图像的个数。

3.根据权利要求1所述的多特征零件质量信息智能感知方法，其特征在于，所述对子特征图像进行判定的具体方法如下：

利用子特征图像对称矩计算子特征图像中加工特征存在置信度，利用模板匹配法计算子特征图像的轮廓与模板的相似度，对得到的子特征图像的轮廓与模板的相似度进行处理得到特征匹配度，再通过加权投票法确认子特征图像是否存在加工特征并判断特征种类，实现特征的精提取。

4.根据权利要求3所述的多特征零件质量信息智能感知方法，其特征在于，所述利用子特征图像对称矩计算子特征图像中加工特征存在置信度的具体方法如下：

子特征图像对称矩为：

其中，(a,b)为轮廓存在区域的像素点坐标，A为子特征图像中特征存在区域水平方向像素个数，B为竖直方向像素个数，(m,n)为子特征图像中各像素点的坐标，函数f(m,n)为坐标点(m,n)处像素点的灰度值，M为子特征图像水平方向像素点个数，N为子特征图像竖直方向像素点个数；

计算子特征图像对称矩要用到的参数包括中心距μ_pq以及规格化中心距η_pq；

中心距μ_pq以及计算规格化中心距η_pq为：

其中，p+q为阶数；

最后，基于计算子特征图像中有特征存在的置信度S：

其中为将子特征图像旋转180度后的子特征图像矩。

5.根据权利要求3所述的多特征零件质量信息智能感知方法，其特征在于，所述利用模板匹配法计算子特征图像的轮廓与模板的相似度，对得到的子特征图像的轮廓与模板的相似度进行处理得到特征匹配度的具体方法如下：

根据子特征图像I的尺寸自动调整模板图像T的大小，再根据模板匹配法计算子特征图像与模板的相似度L：

其中，T(x',y')为的模板图像的像素灰度值分布函数；I(x,y)为目标图像的像素灰度值分布函数；

对比特征粗提取出的所有子特征图像与模板的相似度，特征匹配度R为：

其中，L^*为所有一组子特征图像中的最大相似度。