[发明专利]除尘机焊接过程中焊缝数据的识别方法及系统

说明书

本发明公开了一种除尘机焊接过程中焊缝数据的识别方法及系统，涉及数据处理与识别技术领域。主要包括：对焊缝表面的红外图像进行处理获得灰度图像；对灰度图像进行处理以获得各像素点的灰度差异度；利用各像素点的灰度差异度获得分割阈值；利用分割阈值获得异常区域及正常区域，并对正常区域进行边缘检测获得边缘区域，筛选出边缘区域中的闭合区域，根据各闭合区域的灰度熵、各异常区域的灰度熵及面积构建目标函数，并计算目标函数的值；将分割阈值的值增大一个步长，重新进行阈值分割及目标函数的计算，进行迭代，直至目标函数的值收敛，并将灰度图像中灰度值大于目标函数收敛时的分割阈值的像素点组成缺陷区域。

技术领域

本申请涉及数据处理与识别技术领域，具体涉及一种除尘机焊接过程中焊缝数据的识别方法及系统。

背景技术

在除尘机制作过程中，焊接是一道重要的工序，焊接质量的好坏直接影响透风率和出口浓度，因而焊接完成后，利用红外相机对焊缝图像进行无损检测，需要通过分析红外图像来判断是否存在缺陷并分割出缺陷的位置，便于后续的焊接修复。

针对除尘机的焊缝中缺陷的检测，现有技术中通过预设的阈值进行全局分割得到焊缝中存在缺陷的部位。

然而，由于红外图像中焊缝的非缺陷区域也会存在较大的灰度变化，采用固定的预设阈值进行全局阈值分割很难准确的定位出缺陷区域。同时传统的阈值分割中固定的预设阈值没有结合焊缝中缺陷的实际情况进行适时调整，使得对焊缝中缺陷的检测过程不具有针对性，同时，针对不同类型或环境下的焊缝需要提前预设相应的阈值，使得对于焊缝中缺陷的检测更加繁琐且不具有普适性。

发明内容

针对上述技术问题，本发明提供了一种除尘机焊接过程中焊缝数据的识别方法及系统，无需提前人为预设灰度阈值以进行全局阈值分割确定焊缝中的缺陷区域，使对焊缝中缺陷的检测结果更加准确，且检测过程更具有普适性。

第一方面，本文发明实施例提出了一种除尘机焊接过程中焊缝数据的识别方法，包括：

S1：获得待检测的焊缝表面的红外图像并进行预处理获得焊缝区域图像，并对所述焊缝区域图像进行灰度化获得灰度图像。

S2：将对所述灰度图像进行PCA后的最大主成分方向作为焊缝的延伸方向，并将所述灰度图像中沿所述延伸方向的像素点的像素值进行排列，分别获得各灰度序列。

S3：根据灰度序列的灰度熵及灰度均值，分别获得各灰度序列中各像素点的灰度差异度。

S4：根据最大的灰度差异度及最小的灰度差异度设定分割阈值。

S5：将灰度图像中灰度值大于分割阈值的像素点组成异常区域，将灰度图像中灰度值不大于分割阈值的像素点组成正常区域。

S6：对所述正常区域进行边缘检测获得边缘区域，筛选出所述边缘区域中的闭合区域，根据各所述闭合区域的灰度熵、各异常区域的灰度熵及面积构建目标函数，并计算目标函数的值。

S7：将分割阈值的值增大一个步长，并执行S5至S6，进行迭代，直至所述目标函数的值收敛，将目标函数收敛时的分割阈值作为收敛阈值，并将所述灰度图像中灰度值大于收敛阈值的像素点组成缺陷区域。

在一个可行的实施例中，根据各所述闭合区域的灰度熵、各异常区域的灰度熵及面积构建目标函数，包括：

此处表示第j个闭合区域的灰度均值，表示灰度图像中的最大灰度值，表示第j个闭合区域与其邻接像素点的灰度差异，表示第j个闭合区域的灰度熵，表示第个异常区域的灰度均值，表示第个异常区域与其邻接像素点的灰度差异，表示第个异常区域的灰度熵，表示第j个闭合区域的面积的影响程度，表示第个异常区域的面积的影响程度，为闭合区域的数量，为异常区域的数量。

在一个可行的实施例中，闭合区域或异常区域的面积的影响程度的获得方法包括：