本發(fā)明涉及圖像處理領(lǐng)域。更具體地，本發(fā)明涉及一種軸類鍛件打磨在線監(jiān)測方法。

背景技術(shù)：

1、在現(xiàn)代制造業(yè)中，軸類鍛件作為關(guān)鍵零部件應(yīng)用于汽車、航空、機械等行業(yè)，其質(zhì)量直接影響到設(shè)備的性能和安全性。鍛件在生產(chǎn)過程中通常需要經(jīng)過多個工序，包括鍛造、熱處理、機械加工和打磨等。由于軸類鍛件在鍛造和加工過程中，表面會出現(xiàn)一些缺陷，例如毛刺、劃痕和表面粗糙度不均，這些缺陷會導(dǎo)致在鍛件上形成應(yīng)力集中點，增加了破裂或斷裂的風(fēng)險，因此需要對軸類鍛件進(jìn)行打磨。

2、現(xiàn)有公開號為cn118096582a的中國專利申請文件公開了一種智能化的金屬鍛件質(zhì)量檢測方法，方法包括：根據(jù)每個像素點的鄰近點之間的灰度值差異，獲取傳動齒輪圖像中每個像素點的灰度突變程度，進(jìn)而得到若干個待濾波像素點；將若干個待濾波像素點劃分為若干個紋理集合；根據(jù)紋理集合分布的周期性，獲取每個紋理集合為齒輪本身紋理的可能性；根據(jù)每個紋理集合為齒輪本身紋理的可能性，獲取每個紋理集合中每個待濾波像素點的初始遺忘因子，進(jìn)而得到每個紋理集合中每個待濾波像素點的遺忘因子對傳動齒輪圖像進(jìn)行濾波處理，得到濾波處理后的傳動齒輪圖像。

3、上述申請文件中調(diào)整通過圖像處理中的濾波調(diào)整，解決了齒輪本身紋理對裂紋缺陷識別的影響，除此之外，目前現(xiàn)有基于機器視覺進(jìn)行識別軸類鍛件圖像中的邊緣特征，其中，常用的canny邊緣檢測算法可以有效識別軸類鍛件圖像中的邊緣特征，這些邊緣通常是表面缺陷（毛刺、劃痕）的重要標(biāo)志。然而，由于金屬鍛件本身存在一定的金屬紋理，在利用canny邊緣檢測算法在對軸類鍛件進(jìn)行邊緣檢測時，canny邊緣檢測算法并無法區(qū)分金屬本身存在的紋理邊緣以及表面缺陷，從而導(dǎo)致對打磨質(zhì)量的監(jiān)測結(jié)果不準(zhǔn)確。

技術(shù)實現(xiàn)思路

1、為解決canny邊緣檢測算法并無法區(qū)分金屬本身存在的紋理邊緣以及表面缺陷，從而導(dǎo)致對打磨質(zhì)量的監(jiān)測結(jié)果不準(zhǔn)確的問題，本發(fā)明在如下的多個方面中提供方案。

2、一種軸類鍛件打磨在線監(jiān)測方法，包括：獲取軸類鍛件打磨圖像的灰度圖像，對灰度圖像進(jìn)行邊緣檢測，提取邊緣連通域，并計算邊緣連通域的邊緣特征；對邊緣特征進(jìn)行聚類，得到若干個聚類簇，計算聚類簇的異常程度，根據(jù)所述異常程度，以用于計算每個邊緣連通域在聚類簇中的異常表現(xiàn)；根據(jù)所述異常表現(xiàn)和所述邊緣特征，以用于計算聚類簇的邊緣連通域的疑似缺陷程度，基于疑似缺陷程度判斷軸類鍛件的打磨程度；其中，所述疑似缺陷程度滿足下述關(guān)系式：，式中，表示第個聚類簇中第個邊緣連通域的疑似缺陷程度，表示第個聚類簇中第個邊緣連通域的異常表現(xiàn)，表示第個邊緣連通域的邊緣特征，表示標(biāo)準(zhǔn)歸一化函數(shù)。

3、通過計算邊緣連通域的邊緣特征并進(jìn)行聚類分析，該方法能夠區(qū)分出金屬紋理和表面缺陷，聚類和異常程度的計算有助于識別出與聚類簇中其他邊緣連通域特征差異較大的邊緣連通域，這些可能是表面缺陷，通過計算每個邊緣連通域的異常表現(xiàn)和疑似缺陷程度，從而確定打磨決策，指導(dǎo)實際的打磨操作，確保鍛件表面質(zhì)量。

4、優(yōu)選的，所述對灰度圖像進(jìn)行邊緣檢測，提取邊緣連通域，包括：

5、使用canny邊緣檢測算法對軸類鍛件打磨圖像進(jìn)行邊緣檢測，得到二值圖像，其中，所述二值圖像中，邊緣被標(biāo)記為1，非邊緣標(biāo)記為0，將所述二值圖像中的所有邊緣構(gòu)成多個連通域，作為邊緣連通域。

6、優(yōu)選的，所述邊緣特征，包括：

7、獲取所有邊緣連通域中像素點的位置坐標(biāo)，利用最小二乘法對所有像素點進(jìn)行擬合直線，得到每個邊緣連通域的擬合直線；

8、以任一條邊緣連通域為目標(biāo)連通域，獲取目標(biāo)連通域的像素點的個數(shù)，計算每個像素點與連通域所在直線之間的歐氏距離的平均值，并進(jìn)行歸一化處理，得到目標(biāo)邊緣連通域的邊緣特征。

9、通過擬合直線，可以精確描述每個邊緣連通域中像素點的主要方向和趨勢，由于金屬紋理通常沿著特定的方向一致排列，而缺陷則不規(guī)則，通過分析像素點與擬合直線的距離，可以區(qū)分出這兩種特征。

10、優(yōu)選的，所述邊緣特征，還包括：

11、以任一條邊緣連通域為目標(biāo)連通域，獲取目標(biāo)連通域的像素點的個數(shù)，以目標(biāo)連通域中任一像素點為目標(biāo)像素點，計算目標(biāo)像素點前后相鄰像素點之間的斜率差值的絕對值求和的平均值，得到平均斜率變化，將所述平均斜率變化的負(fù)值作為指數(shù)，使用指數(shù)函數(shù)計算邊緣特征。

12、通過分析平均斜率變化，能夠捕捉到邊緣連通域中局部的斜率變化，同時，斜率變化的平均值可以在一定程度上減少噪聲對邊緣特征的影響，因為它考慮的是整體趨勢而非單個點的波動；即使是微小的缺陷也會引起局部斜率的顯著變化，有助于提高缺陷檢測的準(zhǔn)確性。

13、優(yōu)選的，所述聚類簇的異常程度，包括：

14、計算所有聚類簇的邊緣特征與對應(yīng)聚類中心的差值絕對值求和的平均值，得到聚類簇的離散程度，將所述離散程度與聚類簇中邊緣特征總數(shù)的比值，并進(jìn)行歸一化處理，得到聚類簇的異常程度；

15、其中，所述聚類中心為聚類簇中所有邊緣特征的均值。

16、通過聚類簇的異常程度，分析高異常程度的聚類簇可能包含異常值或噪聲，有助于識別受到缺陷影響的聚類簇。

17、優(yōu)選的，所述計算每個邊緣連通域在聚類簇中的異常表現(xiàn)，包括：

18、以任一聚類簇為目標(biāo)聚類簇，以目標(biāo)聚類簇中任一邊緣連通域為標(biāo)記連通域，計算目標(biāo)聚類簇中標(biāo)記連通域與其他所有邊緣連通域的邊緣特征的差值絕對值的平均值，并進(jìn)行歸一化處理，得到標(biāo)記連通域與其他所有邊緣連通域的邊緣特征的相似性；

19、響應(yīng)于相似性大于等于超參數(shù)，則將相似性與目標(biāo)聚類簇的異常程度的乘積作為異常表現(xiàn)；

20、響應(yīng)于相似性小于超參數(shù)，則將相似性與目標(biāo)聚類簇的異常程度的乘積的倒數(shù)作為異常表現(xiàn)。

21、通過計算標(biāo)記連通域與其他連通域的邊緣特征差異，可以精確地識別出哪些連通域在聚類簇中表現(xiàn)出異常，結(jié)合聚類簇的異常程度，可以提高對邊緣連通域異常表現(xiàn)的檢測靈敏度。

22、優(yōu)選的，所述計算每個邊緣連通域在聚類簇中的異常表現(xiàn)，還包括：

23、以任一聚類簇為目標(biāo)聚類簇，以目標(biāo)聚類簇中任一邊緣連通域為標(biāo)記連通域，計算目標(biāo)聚類簇中標(biāo)記連通域與其他所有邊緣連通域的邊緣特征的差值絕對值的平均值除以目標(biāo)聚類簇的標(biāo)準(zhǔn)差，得到標(biāo)準(zhǔn)化差值；

24、響應(yīng)于標(biāo)準(zhǔn)化差值的平方加1取倒數(shù)大于等于超參數(shù)，則將標(biāo)準(zhǔn)化差值的平方加1取倒數(shù)乘以目標(biāo)聚類簇的異常程度作為異常表現(xiàn)；

25、響應(yīng)于標(biāo)準(zhǔn)化差值的平方加1取倒數(shù)小于超參數(shù)，則將標(biāo)準(zhǔn)化差值的平方加1乘以目標(biāo)聚類簇的異常程度的倒數(shù)作為異常表現(xiàn)。

26、優(yōu)選的，所述基于疑似缺陷程度判斷軸類鍛件的打磨程度，包括：

27、響應(yīng)于疑似缺陷程度大于預(yù)設(shè)缺陷閾值，則邊緣連通域為缺陷連通域，反之，則為正常區(qū)域；響應(yīng)于缺陷連通域大于預(yù)設(shè)連通域個數(shù)，則缺陷連通域仍存在缺陷，需要繼續(xù)打磨。

28、本發(fā)明具有以下效果：

29、1、本發(fā)明通過綜合邊緣特征提取、聚類分析和異常表現(xiàn)計算，能夠有效區(qū)分金屬紋理和表面缺陷，結(jié)合了邊緣特征的統(tǒng)計分析和聚類結(jié)果，從而提高了對表面缺陷的識別準(zhǔn)確性。

30、2、本發(fā)明通過計算每個邊緣連通域的異常表現(xiàn)和疑似缺陷程度，能夠更準(zhǔn)確地評估軸類鍛件的打磨質(zhì)量，便于對每個邊緣連通域進(jìn)行個體化分析，從而識別出需要進(jìn)一步打磨的區(qū)域，確保鍛件表面達(dá)到所需的質(zhì)量標(biāo)準(zhǔn)。