[发明专利]一种基于机器视觉的风机叶片缺陷检测方法及系统在审

专利信息
申请号: 202010847852.X 申请日: 2020-08-21
公开(公告)号: CN112098416A 公开(公告)日: 2020-12-18
发明(设计)人: 彭业萍;王伟江;曹广忠;郭小勤 申请(专利权)人: 深圳大学
主分类号: G01N21/88 分类号: G01N21/88;G01N21/01
代理公司: 深圳市君胜知识产权代理事务所(普通合伙) 44268 代理人: 朱阳波
地址: 518060 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 机器 视觉 风机 叶片 缺陷 检测 方法 系统
【权利要求书】:

1.一种基于机器视觉的风机叶片缺陷检测方法,其特征在于,包括步骤:

获取风机叶片的目标图像;

对所述目标图像进行不均匀光照图像增强,得到第一增强图像;

对于所述第一增强图像,分别按照若干预设滤波方向进行Gabor变换,以得到若干第二增强图像,其中,所述若干预设滤波方向中各预设滤波方向互不相同;

根据所述若干第二增强图像得到所述目标图像对应的缺陷对比度增强图像;

获取所述缺陷对比度增强图像的灰度梯度向量,根据所述灰度梯度向量确定所述风机叶片的表面缺陷位置。

2.根据权利要求1所述的基于机器视觉的风机叶片缺陷检测方法,其特征在于,所述对所述目标图像进行不均匀光照图像增强,得到第一增强图像的步骤包括:

采用导向滤波将所述目标图像分解为卡通图和纹理图;

通过预先建立的光照模型对所述卡通图进行不均匀光照图像增强,得到结构图;

将所述结构图与所述纹理图相加融合,得到第一增强图像。

3.根据权利要求2所述的基于机器视觉的风机叶片缺陷检测方法,其特征在于,所述采用导向滤波将所述目标图像分解为卡通图和纹理图的步骤包括:

根据所述目标图像和所述导向滤波中的导向图,确定卡通图;

根据所述目标图像和所述卡通图,确定纹理图。

4.根据权利要求1所述的基于机器视觉的风机叶片缺陷检测方法,其特征在于,所述根据所述目标图像和所述导向滤波中的导向图,确定卡通图的步骤包括:

构建导向滤波中输出图像与所述导向图的对应关系;

根据所述输出图像与所述导向图的对应关系以及所述输出图像与所述目标图像之间的关系,确定导向滤波系数;

根据所述导向滤波系数和所述输出图像与所述导向图的对应关系,确定卡通图。

5.根据权利要求1所述的基于机器视觉的风机叶片缺陷检测方法,其特征在于,所述根据若干第二增强图像得到所述目标图像对应的缺陷对比度增强图的步骤包括:

对所述若干第二增强图像进行等比例融合,得到所述目标图像对应的缺陷对比度增强图像。

6.根据权利要求1所述的基于机器视觉的风机叶片缺陷检测方法,其特征在于,所述若干预设滤波方向包括0°、45°、90°以及135°。

7.根据权利要求1所述的基于机器视觉的风机叶片缺陷检测方法,其特征在于,所述获取所述缺陷对比度增强图像的灰度梯度向量,根据所述灰度梯度向量确定所述风机叶片的表面缺陷位置的步骤包括:

获取所述缺陷对比度增强图像在水平方向和垂直方向的灰度梯度向量;

根据所述缺陷对比度增强图像在水平方向和垂直方向的灰度梯度向量,采用阈值分割法将所述缺陷对比度增强图像转换为二值化图像;

根据所述二值化图像确定所述风机叶片的表面缺陷位置。

8.根据权利要求1所述的基于机器视觉的风机叶片缺陷检测方法,其特征在于,所述对于所述第一增强图像,分别按照若干预设滤波方向进行Gabor变换,以得到若干第二增强图像的步骤之前包括:

采用正弦函数对所述第一增强图像的灰度进行归一化处理,得到归一化图像;

对所述归一化图像的灰度进行拉伸得到拉伸图像,并将所述拉伸图像作为第一增强图像。

9.一种基于机器视觉的风机叶片缺陷检测的系统,其特征在于,包括:图像获取装置及计算机终端;其中所述计算机终端包括:处理器、与处理器通信连接的存储介质,所述存储介质适于存储多条指令;所述处理器适于调用所述存储介质中的指令,以执行实现上述权利要求1-8任一项所述的风机叶片缺陷检测方法的步骤。

10.根据权利要求9所述的基于机器视觉的风机叶片缺陷检测的系统,其特征在于,所述图像获取装置包括:支架、摄像机、置物台以及旋转机构;

所述摄像机固定于所述支架上,所述置物台设置于所述摄像机下方并固定于所述旋转机构上;

所述旋转机构包括水平旋转轴、旋转台以及垂直旋转驱动机构;所述水平旋转轴两端分别与所述置物台和所述旋转台连接,所述旋转台的上表面和下表面分别与所述水平旋转轴和所述垂直旋转驱动机构连接。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳大学,未经深圳大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010847852.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top