一種提取電機轉子中線圈輪廓特徵的方法與流程

2023-10-04 07:42:19 1

本發明涉及圖像處理領域，特別涉及電機轉子中線圈輪廓特徵的提取及優化技術。

背景技術：

隨著國內工業行業近些年的蓬勃發展，繞線工件也得到了十足的發展和應用，而且應用範圍也越來越廣，在電動機、變壓器、電視機、收音機、電子菸,、喇機、耳機、麥克風等日常電子電器類中扮演著重要的角色。而且電子電器在國民經濟中的作用也非常重要，在日常生活和工業生產中應用廣泛，可以說電子電器行業已經是國民經濟中非常重要的支柱型產業。而作為電子電器器件中核心或關鍵部件，繞線工件的自動、快速生產和檢測環節也逐漸受到了人們的重視，尤其是繞線工件的檢測環節還有待提高。以往繞線類工件產品需求不太多，其產品質量檢測環節基本都是人工完成的。但是隨著成產量的大幅提升，對繞線工件的生產效率要求愈來愈高，再加上繞線工件本身複雜、細小等特點的影響，人工檢測已經無法快速、準確地檢測繞線工件了。

其中單相串勵電動機轉子在生產檢測過程中，在換向器的掛鈎處繞線並點焊工序是其關鍵質量控制點之一，但是由於技術的問題難免會出現一些缺陷，比如脫線、斷線、畸形等。而這些問題會直接導致電機不能使用或者壽命縮短。為了檢測繞線後工件是否合格，目前工廠基本都是採用人工視覺觀察的方式進行檢測，每件檢驗時間為3-5秒。由於人眼識別易疲勞、效率低，主觀意識影響大以及沒有明確的檢測標準等原因，難以把控產品質量，時常會出現錯漏檢的情況。

近年來，計算機視覺在工業生產和生活民用中的自動檢測、識別方面取得了較大研究進展，而且，在繞線工件缺陷檢測、繞線匝數識別等方面的應用也處於逐步發展中。國內，計算機視覺技術直到90年代末期才被重視，雖然近些年計算機視覺技術在國內發展迅猛，在很多方面也得到了應用，比如，車牌識別，指紋識別，工件檢測等等，但是仍然有很大一部分領域還處在研發或待研發的階段，尤其工件檢測方面，由於工業行業眾多，各類零部件尤其繁多，檢測識別方法也是種類繁雜，需要根據實際情況，進行大量實驗來驗證得到最合適的識別方法。在國內很多重要零部件的檢測仍然處於人工或半人工檢測識別中，識別效率低下，尤其難以滿足當下人們對產品高質量和成本高效率的要求，其中一類就是繞線工件的在線自動檢測識別技術需求，其中，識別檢測中的最大難點之一就是特徵提取，能否成功提取帶識別工件的待檢測目標的特徵對後續檢測識別的精度和難度都有著直接且重要的影響。

基於計算機視覺的繞線工件的在線缺陷檢測技術，目前有部分科研工作者進行了相關研究。雖然有很多和線圈工件相關的圖像處理理論可以鑑戒，目前還沒有人深入地研究電機轉子的缺陷自動檢測技術，因此，對電機轉子的線圈輪廓提取技術的研究就有著重要的價值和意義。

技術實現要素：

針對上述問題，本發明公開了一種提取電機轉子中線圈輪廓特徵的方法，可以清晰完整的提取待檢測線圈的輪廓特徵，補充了對線圈類工件缺陷識別中特徵提取的研究內容和研究方法。

為達到上述目的，本發明的技術方案如下：

一種提取電機轉子中線圈輪廓特徵的方法，包括如下步驟：

（1）將採集到的電機轉子圖像灰度化後，通過基於sobel算子的形態學閉運算算法對灰度圖進行邊緣特徵提取，為步驟（2）提供待處理的線圈圖像邊緣特徵信息。

（2）對步驟（1）得到的圖像用最大類間方差法得出最佳分割閾值，通過閾值化算法在保留原圖像中線圈輪廓的前提下去除周圍大部分幹擾。

（3）通過「連通區域面積去噪」方法進行優化去除步驟（2）圖像中線圈以外較少的離散背景區域。

本發明的有益效果是：

本發明所述的一種提取電機轉子中線圈輪廓特徵的方法，通過sobel邊緣檢測和形態學閉運算相結合的算法處理得到線圈清晰輪廓圖像，然後對其進行二值化處理提取線圈輪廓，最後通過基於連通區域面積的幹擾特徵去除算法，去除了提取輪廓特徵後殘留的幹擾區域，能夠清晰完整的提取待檢測線圈的輪廓特徵。

附圖說明

圖1為本發明方法的整體流程示意圖；

圖2為基於連通區域面積去除小輪廓幹擾的算法流程圖。

具體實施方式

下面將結合附圖對本發明作進一步描述。

如圖1所示，一種提取電機轉子中線圈輪廓的方法，包括以下步驟：

步驟1，把工件轉子的彩色圖轉成灰度圖。

步驟2，將工件轉子的圖像灰度化之後，通過基於sobel算子的形態學閉運算算法對灰度圖進行邊緣特徵提取。

sobel是計算機視覺領域的一種重要處理方法，主要用於獲得數字圖像的一階梯度，常見的應用和物理意義是邊緣檢測。

形態學運算中先膨脹後腐蝕的過程稱為閉運算，用來填充物體內細小空洞、連接鄰近物體、平滑其邊界的同時並不明顯改變其面積。

經sobel邊緣檢測的圖像需要進一步增強線圈輪廓亮度，填充線圈中間的黑色裂縫，同時，儘可能的消除線圈輪廓周圍的幹擾。通過分析形態學理論知識以及實驗結果，基於sobel的閉運算效果最好，成功分割出了待檢測目標——線圈，為後續提取特徵輪廓邁出堅實的一步，其中，本實驗中，形態學閉運算的內核值是在大量實驗分析總結後得出，選擇使用參考點位於中心7*7或9*9的核。

步驟3，用最大類間方差法得出最佳分割閾值，通過閾值化算法在保留原圖像中線圈輪廓的前提下去除周圍大部分幹擾。

步驟4，通過「連通區域面積去噪」方法進行優化去除線圈以外較少的離散背景區域。所謂「連通區域面積去噪」是指掃描整個二值圖像，得到其中所有的白色連通區域，每一個連通區域都存儲成一個點向量，並用point類型的vector表示，然後計算所有白色連通區域的面積，設定合適的閾值，將其中面積小於該閾值的所有白色連通區域過濾掉，將剩餘工件連通區域重新繪製即。其具體算法流程如下所示，示意圖如圖2所示：

a，掃描圖像，標記所有的連通區域；

b，算所有的連通區域面積，可以用最小矩形逼近連通區域並計算近似面積，面積=長*高，以像素為單位；

c，設定合適面積閾值，過濾離散小型連通區域。據統計，大部分背景幹擾輪廓面積都是離散分布的，且其面積遠小於線圈的輪廓面積，其中，不合格線圈面積最小，最小面積為1578，因此可以設置小於最小面積的面積閾值，過濾掉幹擾信息；

d，重新繪製線圈輪廓，得到只有線圈輪廓的圖像。

本發明方案所公開的技術手段不僅限於上述實施方式所公開的技術手段，還包括由以上技術特徵任意組合所組成的技術方案。