[发明专利]一种基于机器视觉的车桥焊接区域识别方法

说明书

本发明涉及图像数据处理技术领域，具体涉及一种基于机器视觉的车桥焊接区域识别方法。该方法在对车桥灰度图像进行k‑means聚类分割以确定车桥焊接区域时，将车桥灰度图像划分为背景区域、车桥焊接区域和车桥非焊接区域三种，然后在车桥焊接区域和车桥非焊接区域分别借助适应度函数针对性设置的蜻蜓算法，确定了两区域上初始聚类中心点的位置，并同时确定了背景区域上初始聚类中心点的位置，以确定的更为准确的初始聚类中心点位置对车桥灰度图像进行k‑means聚类分割确定车桥焊接区域，有效减小了聚类分割计算量并降低了k‑means算法陷入局部最优解的概率，提高了k‑means聚类分割确定车桥焊接区域的效率和准确度。

技术领域

本发明涉及图像数据处理技术领域，具体涉及一种基于机器视觉的车桥焊接区域识别方法。

背景技术

汽车车桥是所有类型与所有型号的汽车中一个重要的部件，随着汽车制造行业自动化程度的提高，且由于汽车加工生产过程中的环境较为恶劣，当前车桥生产过程中的焊接步骤已基本由机器人完成。

车桥焊接完成后，需要对焊接质量进行检测并在焊接出现问题时进行重焊。现有焊接质量检测方法一般为图像识别检测，而为了借助图像识别准确完成焊接质量检测，便需要首先对具体的车桥焊接区域进行准确识别。所以，当前车桥生产过程中存在着需快速准确识别车桥焊接区域的需求。

发明内容

为实现对车桥焊接区域的快速准确识别，本发明提供了一种基于机器视觉的车桥焊接区域识别方法，所采用的技术方案具体如下：

本发明的一种基于机器视觉的车桥焊接区域识别方法，包括以下步骤：

获取车桥图像，灰度化处理后得到车桥灰度图像；

根据车桥上焊接点的数量，确定对车桥灰度图像进行k-means聚类分割时车桥焊接区域的初始聚类中心点的数量，然后以蜻蜓算法确定车桥焊接区域的初始聚类中心点的位置，所使用的蜻蜓算法的第一适应度函数为：

其中，为确定车桥焊接区域的初始聚类中心点的位置时所使用的蜻蜓算法的第一适应度函数，、、、、、、、以及分别表示坐标、、、、、、、以及处像素点的灰度值，和分别表示坐标(i，j)处像素点在水平和竖直方向上的灰度梯度值；

以第一适应度函数取值最大时的方向为蜻蜓算法迭代过程中的步长方向，迭代确定车桥焊接区域的初始聚类中心点的位置；

对车桥灰度图像进行前景分割，在剔除背景区域的车桥灰度图像中，计算每个像素点邻域内所有像素点的平均灰度值、灰度值中位数以及灰度值标准差，以所得平均灰度值、灰度值中位数以及灰度值标准差，构建以蜻蜓算法确定车桥非焊接区域的初始聚类中心点的位置时，所使用的蜻蜓算法的第二适应度函数，以第二适应度函数取值最小时的方向为蜻蜓算法迭代过程中的步长方向，迭代确定在对车桥灰度图像进行k-means聚类分割时，车桥非焊接区域的初始聚类中心点位置；

在所剔除的背景区域中，以灰度值最小的像素点作为在对车桥灰度图像进行k-means聚类分割时，背景区域的初始聚类中心点位置；

根据所确定的所有初始聚类中心点位置，对车桥灰度图像进行k-means聚类分割，确定车桥焊接区域。

本发明的有益效果为：