[发明专利]基于计算机视觉的自动化生产线异常监控方法

权利要求书

1.基于计算机视觉的自动化生产线异常监控方法，其特征在于，该方法包括以下步骤：

获取生产线工作运行过程中设备的表面图像；

根据表面图像中各像素点的拉普拉斯算子值，构建自适应正则限定因子；根据所述自适应正则限定因子修正引导滤波中的线性代价系数，得到对应的修正后的代价函数；

基于所述修正后的代价函数，对表面图像进行滤波分层，得到基础层图像和对应的细节层图像；基于所述细节层图像中像素点的灰度值拟合高斯混合模型，基于所述高斯混合模型构建结构纹理特征矩阵，作为第一矩阵；构建标准基础层图像对应的结构纹理特征矩阵，作为第二矩阵；根据所述第一矩阵和所述第二矩阵的相似程度得到相似系数；

基于所述基础层图像对应的灰度共生矩阵的特征参数，构建特征向量，作为第一向量；构建标准细节层图像的特征向量，作为第二向量；根据所述第一向量和所述第二向量的距离得到轮廓差异度；

基于所述相似系数和所述轮廓差异度，得到设备表面渗油指标；基于所述设备表面渗油指标对生产线进行预警；

其中，根据表面图像中各像素点的拉普拉斯算子值，构建自适应正则限定因子的方法为：获取所述表面图像中各像素点的拉普拉斯算子值；对于任意像素点，根据像素点所在的局部窗口内像素点的最大拉普拉斯算子值、像素点和表面图像中其他像素点的拉普拉斯算子值的差异，构建自适应正则限定因子；

其中，所述自适应正则限定因子的计算公式为：

其中，为像素点k的自适应正则限定因子；Q为表面图像中的所有像素点的总数量；为像素点k的对应的拉普拉斯算子值；为像素点j的对应的拉普拉斯算子值；为像素点k对应的3*3局部窗口内像素点的最大拉普拉斯算子值；

其中，根据所述自适应正则限定因子修正引导滤波中的线性代价系数，得到对应的修正后的代价函数的方法为：将线性代价系数中的正则化参数更新为原始的正则化参数和所述自适应正则限定因子的比值；所述修正后的代价函数中的线性代价系数为，根据所述自适应正则限定因子修正后的引导滤波中的线性代价系数。

2.根据权利要求1所述的基于计算机视觉的自动化生产线异常监控方法，其特征在于，所述结构纹理特征矩阵的维度为，为结构纹理特征矩阵的行数，为高斯混合模型中单高斯模型的数量；3为结构纹理特征矩阵的列数，分别为对应单高斯模型的权值系数、均值和方差。

3.根据权利要求1所述的基于计算机视觉的自动化生产线异常监控方法，其特征在于，所述根据所述第一矩阵和所述第二矩阵的相似程度得到相似系数，包括：

将所述第一矩阵和所述第二矩阵的皮尔逊系数，作为相似系数。

4.根据权利要求1所述的基于计算机视觉的自动化生产线异常监控方法，其特征在于，所述特征向量由灰度共生矩阵的四个特征参数构成，所述特征参数包括：对比度、逆方差、角二阶矩和熵。

5.根据权利要求1所述的基于计算机视觉的自动化生产线异常监控方法，其特征在于，所述基于所述相似系数和所述轮廓差异度，得到设备表面渗油指标，包括：

将所述相似系数和模型参量的和，作为第一指标；将所述轮廓差异度和所述第一指标的比值，作为设备表面渗油指标。

6.根据权利要求1所述的基于计算机视觉的自动化生产线异常监控方法，其特征在于，所述基于所述设备表面渗油指标对生产线进行预警，包括：

当归一化后的设备表面渗油指标大于等于预设渗油阈值时，对生产线进行预警。