一種用於磨頭的磨損檢測方法與流程
2024-04-13 04:42:05 1
1.本發明涉及圖像處理技術領域，具體涉及一種用於磨頭的磨損檢測方法。
背景技術：
2.磨頭是一種小型的磨削工具，外觀呈現為帶柄狀，根據所用材質不同能夠將磨頭分為多個種類，不同種類的磨頭作用於不同位置，例如，橡膠磨頭常用於模具的拋光，砂布磨頭常用於孔徑內壁的拋光。
3.在磨削過程中，當出現磨削材料硬度過高等現象時，磨頭在磨削過程中自身會發生一定程度的機械磨損，磨損嚴重的情況下，磨頭將很快鈍化失去磨削能力，磨頭將無法繼續使用，這種機械磨損不僅降低了磨頭作為磨削工具的性能，更重要的是一旦沒有及時檢測到磨損的磨頭，在工業生產中將會直接影響產品的質量和生產效率，因此對磨頭的磨損檢測是模具生產過程中的關鍵關節。然而當前生產條件下，磨頭的檢測通常是通過工作人員現場檢測實現的，這種檢測方式限制條件多且檢測結果的可信程度並不高。
4.為了實現上述目的，本領域技術人員採用區域生長法獲取磨損區域過程中，種子點選取是相對隨機的，區域合併的判斷條件是固定的，適用於比較規整的區域識別，但是對於分別不均勻的磨損區域，難以精準地識別出磨頭上的磨損區域，從而對磨頭的磨損情況很難做出判斷，為此，針對磨頭的檢測需要一種能用於工業生產的高效快速的磨損檢測方法。
技術實現要素：
5.為了解決背景技術中的不足；本發明提供一種用於磨頭的磨損檢測方法，該方法通過磨頭表面roi灰度圖中的像素點之間對應的磨損程度判斷，獲取置信度較高的磨損區域種子點作為磨損區域的生長起點，並根據磨損情況設置磨損區域的生長規則，有效地避免了磨頭幹擾區域的影響，準確提取磨頭表面磨損區域的分割結果，提高對磨頭磨損的檢測精度。
6.本發明的目的是提供一種用於磨頭的磨損檢測方法，包括以下步驟：獲取磨頭表面圖像；並獲取磨頭表面圖像中含有磨損的感興趣區域；對感興趣區域進行灰度化處理獲取感興趣區域灰度圖；根據感興趣區域灰度圖中每個像素點的灰度值與所在行的灰度均值，以及與所在列的灰度均值獲取每個像素點的綜合顯著度；將最大的綜合顯著度對應的像素點作為磨損種子點；將磨損種子點與其鄰域內的綜合顯著度的差值小於初始第一合併閾值的像素點進行合併，獲取初始磨損區域；將初始磨損區域中每個像素點的綜合顯著度相對於磨損種子點的綜合顯著度的偏離程度作為初始磨損區域的合併係數；根據初始磨損區域中像素點的綜合顯著度均值及合併係數，獲取當前第一合併閾值範圍；
將磨損種子點的綜合顯著度與初始磨損區域相鄰的差值小於當前第一合併閾值範圍的像素點與初始磨損區域合併，獲取當前生長的磨損區域；同理，根據當前生長的磨損區域獲取下次第一合併閾值範圍；將磨損種子點與當前生長的磨損區域相鄰的綜合顯著度差值小於所述下次第一合併閾值範圍的像素點，與當前生長的磨損區域合併，獲取下次生長的磨損區域；依次類推，直至生長的磨損區域不再變化時，獲取磨損區域；根據磨損區域內像素點數量與磨頭表面圖像中像素點總數的比值判斷磨頭的磨損程度。
7.在一實施例中，獲取磨損區域的過程中，還包括：將最小的綜合顯著度對應的像素點作為非磨損種子點；根據非磨損種子點通過區域生長獲取的步驟獲取非磨損區域；所述磨損區域與所述非磨損區域是從磨損種子點和非磨損種子點分別開始同時生長，直至生長的所述磨損區域與所述非磨損區域不再變化，且所述磨損區域和所述非磨損區域沒有重疊時而獲取的磨損區域。
8.在一實施例中，所述非磨損區域是按照以下步驟獲取：將非磨損種子點與其鄰域內的綜合顯著度的差值小於第二合併閾值的像素點進行合併，獲取初始非磨損區域；將初始非磨損區域中每個像素點的綜合顯著度相對於非磨損種子點的綜合顯著度的偏離程度作為初始非磨損區域的合併係數；根據初始非磨損區域中像素點的綜合顯著度均值及合併係數，獲取當前第二合併閾值範圍；將非磨損種子點的綜合顯著度與初始非磨損區域相鄰的差值小於當前第二合併閾值範圍的像素點與初始非磨損區域合併，獲取當前生長的非磨損區域；同理，根據當前生長的非磨損區域獲取下次第二合併閾值範圍；將非磨損種子點與當前生長的非磨損區域相鄰的綜合顯著度差值小於所述下次第二合併閾值範圍的像素點，與當前生長的非磨損區域合併，獲取下次生長的非磨損區域；依次類推，直至生長的非磨損區域不再變化時，獲取非磨損區域。
9.在一實施例中，將非磨損種子點的綜合顯著度與感興趣區域灰度圖中像素點綜合顯著度的均值的差值的絕對值作為第二合併閾值。
10.在一實施例中，所述每個像素點的綜合顯著度是按照以下步驟獲取：根據感興趣區域灰度圖中每個像素點所在行的灰度均值與感興趣區域灰度圖的灰度均值的差異，以及每個像素點的灰度值與感興趣區域灰度圖的灰度均值的差異，獲取感興趣區域灰度圖中每個像素點在水平方向上的顯著度；根據感興趣區域灰度圖中每個像素點所在列的灰度均值與感興趣區域灰度圖的灰度均值的差異，以及每個像素點的灰度值與感興趣區域灰度圖的灰度均值的差異，獲取感興趣區域灰度圖中每個像素點在垂直方向上的顯著度；根據感興趣區域灰度圖中每個像素點在水平方向上的顯著度和垂直方向上的顯著度獲取每個像素點的綜合顯著度。
11.在一實施例中，當獲取最大的綜合顯著度對應的像素點有多個時，將從多個最大的綜合顯著度對應的像素點中選取水平方向上的最大顯著度和/或垂直方向上的最大顯著
度對應的像素點作為磨損種子點。
12.在一實施例中，將磨損種子點的綜合顯著度與非磨損種子點的綜合顯著度的差值作為第一合併閾值。
13.本發明的有益效果是：本發明提供的一種用於磨頭的磨損檢測方法，該方法通過磨頭表面roi灰度圖中的像素點之間對應的磨損程度判斷，獲取置信度較高的磨損區域種子點作為磨損區域的生長起點，並根據磨損情況設置磨損區域的生長規則，有效地避免了磨頭幹擾區域的影響，準確提取磨頭表面磨損區域的分割結果，提高對磨頭磨損的檢測精度。
14.本發明中種子點的選取是根據場景中的區域分布情況設置場景特徵選取的，在這個場景中作為種子點更可靠，合併係數的確定是作為後續合併閾值的參數，根據場景中的分布情況，確定合併閾值自適應變化範圍，實現準確提取磨頭表面磨損區域。
附圖說明
15.為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
16.圖1為本發明的一種用於磨頭的磨損檢測方法的實施例總體步驟的流程示意圖。
具體實施方式
17.下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
18.下述實施例通過對金剛砂燒結t型磨頭的磨損檢測對本發明進行說明。
19.本發明提供的一種用於磨頭的磨損檢測方法，參見圖1所示，包括以下步驟：s1、獲取磨頭表面圖像；並獲取磨頭表面圖像中含有磨損的感興趣區域；對感興趣區域進行灰度化處理獲取感興趣區域灰度圖；在本實施例中，在磨頭工作位置上方安裝工業相機，獲取磨頭磨削後的所有表面的圖像，所獲取圖像為rgb圖像；通過圖像採集裝置得到的磨頭磨損圖像中存在許多噪聲，這些幹擾點會影響後續磨損區域的提取。因此，在獲取磨頭磨損區域前，本實施例利用中值濾波去噪技術對獲取的圖像進行去噪處理，中值濾波去噪為公知技術，具體過程不再詳細贅述。將磨損區域當作磨頭表面圖像中的顯著性區域，利用顯著性檢測算法獲取磨頭表面圖像中可能是磨損區域的感興趣（roi）區域，顯著性檢測為公知技術，具體過程不再詳細贅述。
20.需要說明的是，由於磨頭磨損區域的造成原因多是機械磨損，導致磨損表面往往比較粗糙，磨損區域難以直接從磨頭表面圖像上精確分割，roi區域初步確認了磨損的大概區域，減少了計算量。為降低後續圖像處理的複雜度，對感興趣區域進行灰度化處理，得到感興趣區域（roi）灰度圖。磨頭磨損圖像主要包括磨損區與背景區兩部分， roi灰度圖雖然
大致給出了磨損區域的範圍，但是仍含有大量的背景像素點，這些背景像素點中幾乎不含有用的磨損信息。磨頭區域的反光現象使得獲取的roi灰度圖中內存在幹擾區域，與磨損區域內的像素點具有比較相似的亮度特徵。但幹擾區域的邊緣比較規則，與機械磨損造成的磨損區域存在明顯對比。
21.s2、獲取磨損種子點和非磨損種子點；根據感興趣區域灰度圖中每個像素點的灰度值與所在行的灰度均值，以及與所在列的灰度均值獲取每個像素點的綜合顯著度；將最大的綜合顯著度對應的像素點作為磨損種子點；需要說明的是，區域生長是從種子點開始，通過將與種子點具有相似的灰度值，紋理信息，顏色特徵等相鄰像素合併到一個區域中。為此，在本實施例中，通過磨頭roi灰度圖中的圖像像素點之間的分布特點選取位於磨損區域的像素點作為第一類區域生長起點，即磨損種子點，選取位於背景區域的像素點作為第二類區域種子點，將roi灰度圖中的剩餘像素點與這兩類種子點分別進行相似性度量，根據度量結果進行區域生長，這樣滿足兩種度量的區域生長結果能夠準確地區分roi灰度圖中每個像素點的類別，得到更精準的磨損區域分割結果。另外，生長規則是區域生長算法需要確定的重要參數，生長規則決定了種子像素點對下一個像素點的度量規則和合併方式，針對磨損區域種子點和非磨損區域種子點的特徵，設計不同的生長規則。
22.在本實施例中，由於磨損是磨頭在磨削材料的過程中造成的，因此觀察磨頭表面的磨損區域分布，不難發現磨損區域形狀不規則，分布不規則的特點，反映到roi灰度圖中，在磨損區域內的水平方向上和垂直方向上的灰度值變化都會相對劇烈，此處構建磨損顯著度，用於表徵roi灰度圖中像素點之間的灰度變化特徵，具體每個像素點的綜合顯著度是按照以下步驟獲取：根據感興趣區域灰度圖中每個像素點所在行的灰度均值與感興趣區域灰度圖的灰度均值的差異，以及每個像素點的灰度值與感興趣區域灰度圖的灰度均值的差異，獲取感興趣區域灰度圖中每個像素點在水平方向上的顯著度；則每個像素點在水平方向上的顯著度計算公式如下：式中，是像素點i在水平方向上的顯著度；n是像素點i所在行的像素數量；是roi灰度圖的灰度值均值；是像素點i的灰度值；，是計算時的權重參數，經驗值分別取0.7，經驗值分別取0.3；根據感興趣區域灰度圖中每個像素點所在列的灰度均值與感興趣區域灰度圖的灰度均值的差異，以及每個像素點的灰度值與感興趣區域灰度圖的灰度均值的差異，獲取感興趣區域灰度圖中每個像素點在垂直方向上的顯著度；則每個像素點在垂直方向上的顯著度計算公式如下：
式中，是像素點i在垂直方向上的顯著度；m是像素點i所在列的像素數量；，是計算時的權重參數；經驗值分別取0.7，經驗值分別取0.3；其中，，與，權重的作用是為了放大差異，就比如說10和9隻相差1，相比於10和9,1是一個比較小的差異值，但是同時乘以10，這個差值就變成10，這個差異會更加顯著。
23.根據感興趣區域灰度圖中每個像素點在水平方向上的顯著度和垂直方向上的顯著度獲取每個像素點的綜合顯著度；則每個像素點的綜合顯著度計算公式如下：式中，是像素點i的綜合顯著度；是像素點i在水平方向上的顯著度；是像素點i在垂直方向上的顯著度；需要說明的是，綜合顯著度反映了像素點在roi灰度圖中的灰度變化情況，越大，說明像素點i所在的行的像素灰度值與整個roi灰度圖的灰度均值差異越明顯，像素點i所在的列的像素灰度值與整個roi灰度圖的灰度均值差異越明顯，像素點i越有可能是磨損區域內的像素點。需要說明的是，通過水平方向上的顯著度和垂直方向上的顯著度相乘來綜合表示每個像素點的綜合顯著度，因為通過相乘將兩個不同方向上的顯著度進行累加能夠更好的體現磨損顯著度的差異，累加的值越大，差異越比較明顯，更能夠體現出每個像素點在感興趣灰度圖中的顯著性。
24.將最大的綜合顯著度對應的像素點作為磨損種子點；其中，當獲取最大的綜合顯著度對應的像素點有多個時，將從多個最大的綜合顯著度對應的像素點中選取水平方向上的最大顯著度和/或垂直方向上的最大顯著度對應的像素點作為磨損種子點。
25.進一步，將最小的綜合顯著度對應的像素點作為非磨損種子點；同理，當獲取最小的綜合顯著度對應的像素點有多個時，將從多個最小的綜合顯著度對應的像素點中選取水平方向上的最小顯著度和/或垂直方向上的最小顯著度對應的像素點作為磨損種子點。
26.在本實施例中，遍歷整個roi灰度圖，計算每個像素點的綜合顯著度，以綜合顯著度最大為先決條件，選擇水平方向上的最大顯著度，垂直方向上的最大顯著度的交點為磨損區域的種子點，即為磨損種子點，以綜合顯著度最小為先決條件，選擇水平方向上的最小顯著度，垂直方向上的最小顯著度的交點，將此交點作為背景區域的種子點，即為非磨損種子點。
27.s3、獲取磨損區域和非磨損區域；將磨損種子點與其鄰域內的綜合顯著度的差值小於初始第一合併閾值的像素點進行合併，獲取初始磨損區域；將初始磨損區域中每個像素點的綜合顯著度相對於磨損種子點的綜合顯著度的偏離程度作為初始磨損區域的合併係數；根據初始磨損區域中像素點的綜合顯著度均值及合併係數，獲取當前第一合併閾值範圍；將磨損種子點的綜合顯著度與初始磨損區域相鄰的差值小於當前第一合併閾值範圍的像素點與初始磨損區域合併，獲取當前生長的磨損區域；同理，根據當前生長的磨損區域獲取下次第一合併閾值範圍；將磨損種子點與當前生長的磨損區域相鄰的綜合顯著度差值小於下次第一合併閾值範圍的像素點，與當前生長的磨損區域合併，獲取下次生長的磨損區域；依次類推，直至生長的磨損區域不再變化
時，獲取磨損區域；其中，獲取磨損區域的過程中，還包括：將最小的綜合顯著度對應的像素點作為非磨損種子點；根據非磨損種子點通過區域生長獲取的步驟獲取非磨損區域；磨損區域與非磨損區域是從磨損種子點和非磨損種子點分別開始同時生長，直至生長的磨損區域與非磨損區域不再變化，且磨損區域和非磨損區域沒有重疊時而獲取的磨損區域。
28.非磨損區域是按照以下步驟獲取：將非磨損種子點與其鄰域內的綜合顯著度的差值小於第二合併閾值的像素點進行合併，獲取初始非磨損區域；將初始非磨損區域中每個像素點的綜合顯著度相對於非磨損種子點的綜合顯著度的偏離程度作為初始非磨損區域的合併係數；根據初始非磨損區域中像素點的綜合顯著度均值及合併係數，獲取當前第二合併閾值範圍；其中，將非磨損種子點的綜合顯著度與感興趣區域灰度圖中像素點綜合顯著度的均值的差值的絕對值作為第二合併閾值。
29.將非磨損種子點的綜合顯著度與初始非磨損區域相鄰的差值小於當前第二合併閾值範圍的像素點與初始非磨損區域合併，獲取當前生長的非磨損區域；同理，根據當前生長的非磨損區域獲取下次第二合併閾值範圍；將非磨損種子點與當前生長的非磨損區域相鄰的綜合顯著度差值小於下次第二合併閾值範圍的像素點，與當前生長的非磨損區域合併，獲取下次生長的非磨損區域；依次類推，直至生長的非磨損區域不再變化時，獲取非磨損區域。
30.在本實施例中，磨損區域和非磨損區域是按照以下步驟獲取：步驟1，將選取的磨損種子點j與周圍八鄰域內的綜合顯著度差值小於第一合併閾值的像素點合併成初始磨損區域；其中，將磨損種子點的綜合顯著度與非磨損種子點的綜合顯著度的差值作為第一合併閾值；需要說明的是，磨損區域內的像素點對應的特徵值應該是接近磨損種子點，而遠離非磨損種子點，認為磨損區域像素點綜合顯著度與磨損種子點的綜合顯著度差值小於磨損種子點的綜合顯著度與非磨損種子點的綜合顯著度的差異，因此將磨損種子點的綜合顯著度與非磨損種子點的綜合顯著度的差值作為第一合併閾值。
31.步驟2，設置磨損區域的合併係數，磨損區域合併係數的作用是根據roi灰度圖中已有的生長結果判斷區域下一次生長合併的條件，因為磨頭不同位置的磨損情況是不一樣的，計算第k次磨損區域對應的磨損區域合併係數，其計算公式如下：式中，x是第k次生長合併得到的磨損區域內的像素點數量，是其中第x個像素點對應的綜合顯著度；是磨損種子點對應的綜合顯著度；是第k次生長合併得到的磨損區域的合併係數；當k=1時，則是初始磨損區域的合併係數。需要說明的是，當前磨損區域內的像素點是具有一定的相似程度的，同時也存在些許差異，這是因為不同磨頭位置的磨損
程度是不一樣的，這種不一樣反映出像素點對應的綜合顯著度大小之間存在差異，因此藉助區域內像素點綜合顯著度的分布情況表徵當前區域的磨損程度，區域內像素點綜合顯著度差異越大，區域合併係數越大，當前磨損區域內的磨損越嚴重，進一步的，在實施例中，將當前區域的磨損區域合併係數作為下一次區域生長的判斷因素之一。
32.步驟3，對於每次的區域生長，根據前一次的生長計算合併區域內像素點的綜合顯著度均值和磨損區域合併係數獲取閾值的更新範圍l，根據磨損區域合併係數和已經生長得到的磨損區域計算下一次生長結果的磨損區域，計算第k+1次生長的合併閾值範圍：式中，是第k次生長結果的磨損區域中像素點的綜合顯著度均值，是第k次磨損區域對應的磨損區域合併係數，c是影響因子，c的大小取經驗值0.1。需要說明的是，因為在區域生長是要合併具有相似特徵的像素點，也就是說對於當前已有區域，判斷能否下一個相鄰像素點進行合併需要評估兩者之間的相似程度，也就是是否滿足區域生長準則。如果相似程度滿足區域生長的準則，則進行合併，否則不合併。在本實施例中像素點的相似性是通過綜合顯著度進行評價的，對於磨損區域而言，區域內的像素點對應的綜合顯著度是比較接近的，也就說相鄰像素點是與當前區域的綜合顯著度均值處在一定的閾值範圍內是具有相似性的。進一步的，由於磨頭不同位置上的磨損程度是不一樣的，因此需要隨著合併區域的改變自適應的調整閾值範圍。所以首先通過當前已有區域內像素點與種子點之間綜合顯著度的差異得到區域合併係數，其次基於和當前磨損區域的默算顯著度均值得到閾值範圍，區域合併係數越大，說明磨損區域磨損程度比較不均勻，區域合併係數越大，閾值範圍的範圍也就越大，相鄰像素點被合併的概率就越大，這是因為磨頭上磨損程度越不均勻說明磨損程度越大，磨削過程中使用強度越高，對應的磨損區域也應該越大。
33.步驟4，進一步的計算磨損區域內的磨損顯著度均值和相應的磨損區域合併係數；步驟5，以非磨損種子點p為起始點，按照步驟2～步驟4的原理進行非磨損區域的生長，將種子點與周圍八鄰域內的綜合顯著度差值小於第二合併閾值的像素點合併成初始非磨損區域，計算非磨損區域的閾值：其中，將非磨損種子點的綜合顯著度與感興趣區域灰度圖中像素點綜合顯著度的均值的差值的絕對值作為第二合併閾值；需要說明的是，非磨損區域內的像素點的綜合顯著度應是接近非磨損種子點的綜合顯著度的，另一方面由於磨頭上存在缺陷，所以會導致整個磨頭區域對應的綜合顯著度均值是大於非磨損種子點的綜合顯著度的，非磨損區域種子點p與周圍8鄰域的內像素點的綜合顯著度之間的差值應當小於非磨損種子點的綜合顯著度與感興趣區域灰度圖中像素點綜合顯著度的均值的差值的絕對值，因此，將非磨損種子點的綜合顯著度與感興趣區域灰度圖中像素點綜合顯著度的均值的差值的絕對值作為第二合併閾值。
34.進一步，按照同樣的方式構建非磨損區域的區域合併係數，閾值的更新範圍，對非磨損區域進行生產合併。
35.至此得到磨損種子點j和非磨損種子點p的生長規則，包括磨損區域度量第一合併
閾值、磨損區域合併係數以及非磨損區域度量第二合併閾值和非磨損區域的區域合併係數。
36.步驟6，重複步驟2、步驟3、步驟4、步驟5直到磨損區域的生長結果，非磨損區域的生長結果都不再發生改變，且磨損區域和非磨損區域之間沒有重疊區域，得到最終的磨損區域。
37.s4、根據磨損區域內像素點數量與磨頭表面圖像中像素點總數的比值判斷磨頭的磨損程度。
38.在本實施例中，在磨削作業現場，採集多個不同使用時長的磨頭表面圖像，利用神經網絡獲取各自的roi灰度圖，按照步驟3得到每個磨頭表面圖像中的磨損區域。但是對於工業生產而言，並不是出現一點微小的磨損就將磨頭丟棄，這樣會造成巨大的經濟損耗，因此將磨頭的磨損分為可繼續使用和立刻停止使用兩種情況；根據步驟3自適應區域生長的結果構建磨損區域佔比，磨損區域佔比用於表徵磨頭表面在磨削過程中的磨損程度，任意一個磨頭檢測結果中的磨損區域佔比等於磨損區域內的像素數量與磨頭表面圖像中像素總數的比值。如果磨頭檢測結果中磨損區域的佔比小於閾值，閾值經驗值取0.2，認為該磨頭仍可進行工件的磨削作業，屬於可繼續使用的磨損情況，如果磨頭檢測結果中磨損區域的佔比大於閾值，認為該磨頭屬於立刻停止使用的情況。
39.本發明提供的一種用於磨頭的磨損檢測方法，該方法通過磨頭表面roi灰度圖中的像素點之間對應的磨損程度判斷，獲取置信度較高的磨損種子點作為磨損區域的生長起點，並根據磨損情況設置磨損區域的生長規則，有效地避免了磨頭幹擾區域的影響，準確提取磨頭表面磨損區域的分割結果，提高對磨頭磨損的檢測精度。
40.以上僅為本發明的較佳實施例而已，並不用以限制本發明，凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護範圍之內。