基于图像识别的绝缘片质量自动检测方法与系统与流程

本技术涉及机器视觉表面检测，具体涉及一种基于图像识别的绝缘片质量自动检测方法与系统。

背景技术：

1、绝缘片广泛应用于电机、变压器、锂电池等电气设备的绝缘结构中，其表面质量直接影响设备的绝缘性能与使用寿命。生产过程中常见的表面缺陷包括划痕、裂纹、气泡、杂质、分层等，这些缺陷若未能及时检出，可能导致设备绝缘失效甚至引发安全事故。

2、近年来，机器视觉技术逐渐被引入绝缘片表面缺陷检测领域。现有基于视觉的检测方法通常采用单一方向照明采集图像，通过灰度阈值分割、边缘检测或深度学习等算法识别缺陷。然而，由纤维或片状填料构成的绝缘片（如云母纸、芳纶纸、聚酰亚胺薄膜复合绝缘片等）表面存在固有的微观纹理结构，这些纹理在图像中表现为不规则的局部明暗变化，其灰度特征与部分微小缺陷（如浅划痕、微裂纹）高度相似。传统基于单幅灰度图像的处理方法难以有效区分纹理本身引起的灰度波动与真实缺陷信号，容易将正常纹理区域误判为缺陷，导致虚检率偏高。部分方法尝试通过滤波或纹理建模来抑制纹理干扰，但固定参数的滤波算子难以适应绝缘片纹理的空间变化，而复杂的纹理建模又难以满足在线检测的实时性要求。

3、因此，如何在充分考虑绝缘片表面固有纹理特征的前提下，实现缺陷信号与纹理背景的有效分离，同时保持较高的检测速度和较低的运算复杂度，是本领域亟待解决的技术问题。

技术实现思路

1、有鉴于此，本公开提出了一种基于图像识别的绝缘片质量自动检测方法与系统。

2、根据本公开一方面，提供了一种基于图像识别的绝缘片质量自动检测方法，包括：

3、在两个不同方位角的照明方向下分别对绝缘片同一区域采集灰度图像，得到第一灰度图像和第二灰度图像；

4、逐像素计算所述第一灰度图像与所述第二灰度图像的灰度值之差与灰度值之和的比值，作为归一化方向响应值，得到方向响应图；

5、对所述第一灰度图像和所述第二灰度图像求取均值图像，基于所述均值图像的灰度梯度信息估计每个像素的纹理主取向角；

6、将所述纹理主取向角的取值范围划分为多个取向区间，统计各取向区间内像素的所述归一化方向响应值的中位数，作为对应的期望方向响应值，建立取向-响应映射表；

7、根据每个像素的所述纹理主取向角在所述取向-响应映射表中查询该像素的期望方向响应值，将该像素的所述归一化方向响应值与所述期望方向响应值之差作为预测残差；

8、对所述预测残差的绝对值进行自适应阈值分割，对超过阈值的像素提取连通域并进行面积过滤，将保留的连通域判定为缺陷区域。

9、在一种可能的实现方式中，所述基于所述均值图像的灰度梯度信息估计每个像素的纹理主取向角，包括：对所述均值图像分别沿水平方向和垂直方向计算灰度梯度分量；在每个像素的局部邻域窗口内，对灰度梯度分量的乘积进行累加构建结构张量矩阵；对所述结构张量矩阵进行特征值分解，根据特征向量方向确定该像素的纹理主取向角。

10、在一种可能的实现方式中，根据所述结构张量矩阵的两个特征值计算各向异性度，所述各向异性度为两个特征值之差与两个特征值之和的比值；建立所述取向-响应映射表时，仅纳入各向异性度高于各向异性度阈值的像素参与所述中位数的统计；所述各向异性度阈值根据同批次绝缘片图像中全部像素的各向异性度分布确定。

11、在一种可能的实现方式中，所述多个取向区间的数量通过以下方式确定：分别以多个候选区间数量建立取向-响应映射表并计算各像素的预测残差，统计全部像素预测残差绝对值的标准差，选取使所述标准差最小时对应的候选区间数量。

12、在一种可能的实现方式中，所述根据每个像素的纹理主取向角在所述取向-响应映射表中查询该像素的期望方向响应值时，采用线性插值方式，根据该像素的纹理主取向角所处位置相邻两个取向区间中心各自对应的期望方向响应值进行插值；纹理主取向角位于首末取向区间边界时，将末尾取向区间与首个取向区间视为相邻进行周期性插值。

13、在一种可能的实现方式中，所述自适应阈值分割中的分割阈值，根据全图所有像素预测残差绝对值的中位数和中位数绝对偏差确定；所述中位数绝对偏差为各像素预测残差绝对值偏离所述中位数的偏差取绝对值后再求中位数所得；所述分割阈值为所述中位数加上所述中位数绝对偏差与灵敏度系数的乘积。

14、在一种可能的实现方式中，所述灵敏度系数通过首件标定确定：对已知无缺陷的绝缘片样品执行所述建立取向-响应映射表及计算预测残差的步骤得到各像素的预测残差，以多个候选灵敏度系数值分别计算分割阈值，统计各分割阈值下面积大于最小缺陷面积阈值的连通域数量，选取使所述连通域数量首次降为零时对应的最小候选值作为所述灵敏度系数。

15、在一种可能的实现方式中，所述两个不同方位角的照明方向相差90度，两个照明方向的俯仰角一致且取值范围为30度至45度。

16、在一种可能的实现方式中，统计所述缺陷区域内各像素的预测残差中正值像素占比和负值像素占比，根据所述正值像素占比和所述负值像素占比判断缺陷朝向。

17、根据本公开的另一方面，提供了一种基于图像识别的绝缘片质量自动检测系统，包括：

18、图像采集模块，用于在两个不同方位角的照明方向下分别对绝缘片同一区域采集灰度图像，得到第一灰度图像和第二灰度图像；

19、方向响应计算模块，用于逐像素计算所述第一灰度图像与所述第二灰度图像的灰度值之差与灰度值之和的比值，作为归一化方向响应值，得到方向响应图；

20、纹理取向估计模块，用于对所述第一灰度图像和所述第二灰度图像求取均值图像，基于所述均值图像的灰度梯度信息估计每个像素的纹理主取向角；

21、映射表构建模块，用于将所述纹理主取向角的取值范围划分为多个取向区间，统计各取向区间内像素的所述归一化方向响应值的中位数，作为对应的期望方向响应值，建立取向-响应映射表；

22、预测残差计算模块，用于根据每个像素的所述纹理主取向角在所述取向-响应映射表中查询该像素的期望方向响应值，将该像素的所述归一化方向响应值与所述期望方向响应值之差作为预测残差；

23、缺陷判定模块，用于对所述预测残差的绝对值进行自适应阈值分割，对超过阈值的像素提取连通域并进行面积过滤，将保留的连通域判定为缺陷区域。

24、本技术通过在不同方位角照明下采集两幅灰度图像并逐像素计算归一化方向响应值，结合基于灰度梯度信息估计的纹理主取向角，建立了反映绝缘片固有纹理特征的方向响应映射表，将每个像素的实际方向响应与该纹理取向对应的期望值进行对比，以预测残差作为缺陷判据。该方法在特征层面实现了纹理背景与缺陷信号的解耦，使得因纤维排列方向变化引起的灰度波动不会干扰缺陷判定，从而显著降低了对正常纹理区域的误检率，同时保留了微弱缺陷引起的方向响应异常，保证了检出灵敏度。整个处理流程仅涉及像素级算术运算、局部窗口累加、查表插值和阈值分割，计算量小，在普通工业控制计算机上即可满足高速产线的在线检测实时性要求。

25、根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。