一种视觉图像检测的阀体龟裂检测方法、系统及存储介质与流程

本发明涉及阀体断裂领域，尤其涉及一种视觉图像检测的阀体龟裂检测方法、系统及存储介质。

背景技术：

1、在精密阀体表面缺陷检测领域，裂纹断裂是影响阀体结构强度与使用可靠性的关键缺陷类型，实现裂纹断裂位置的精准、稳定识别，对产品质量检测与良品筛选具有重要工程意义。现阶段主流的裂纹检测方法多依赖全局阈值分割、单一边缘梯度检测或轮廓拟合方式完成缺陷识别，在实际工业检测场景中存在明显局限性；工业现场采集的阀体图像普遍存在表面纹理复杂、局部灰度差异大、成像噪声较多等问题，传统局部灰度变化分析，易出现边缘轮廓残缺、前景背景分割混淆、细小裂纹边缘漏提取等问题，导致后续缺陷定位精度下降。

2、同时，现有边缘检测技术大多仅基于像素级边缘坐标进行轮廓分析，未对边缘像素位置进行精细化校正，边缘定位精度有限，难以识别细微裂纹断裂带来的微小轮廓形变；常规轮廓缺陷判别方式通常仅依靠轮廓角点单一特征进行异常判定，无法区分阀体正常结构阀体弧面或凹面的弯折（指的是裂纹蜿蜒，不容易识别整体轮廓）、表面纹理褶皱与真实裂纹断裂造成的轮廓中断现象，极易产生误检与漏检。传统检测机制缺少对轮廓连续走向的角度偏转特征分析，无法捕捉轮廓持续偏离、局部连续性断裂的隐性缺陷特征，对于弱形变、小尺寸断裂裂纹的识别能力不足，检测稳定性与鲁棒性较差。

技术实现思路

1、本发明的目的在于提供一种视觉图像检测的阀体龟裂检测方法、系统及存储介质，解决了现有技术中指出的上述技术问题。

2、本发明提供了一种视觉图像检测的阀体龟裂检测方法，具体操作方法包括：

3、对样本阀体采集原始图像，对所述原始图像进行预处理，得到待检测图像；

4、对所述待检测图像进行均匀分割，形成多个局部小块区域；对所述局部小块区域进行灰度化分析，识别边界像素点；对所述边界像素点进行梯度分析坐标位置的修正，识别边界角点；按照预设的像素点窗口对所述边界角点提取边界角点窗口；根据所述边界角点窗口内相邻像素点的梯度识别，得到方向偏转值；根据所述方向偏转值识别连续边界角点的方向偏离异常区域；对所述方向偏离异常区域中筛选起始索引位置的边界角点；根据所述起始索引位置的边界角点的左右相邻边界角点识别疑似断裂位置；根据所述疑似断裂位置与方向偏离异常区域识别断裂位置；

5、将该断裂位置作为所述样本阀体的最终识别结果。

6、较佳地，对所述待检测图像进行均匀分割，形成多个局部小块区域；对所述局部小块区域进行灰度化分析，识别边界像素点，具体操作步骤如下：

7、对所述待检测图像进行灰度化，对灰度化的待检测图像进行均匀分割，形成多个局部小块区域；对每个局部小块区域计算内部像素点灰度值的平均值；若所述局部小块区域内部像素点灰度值大于平均值，则将该像素点作为前景像素点；若所述局部小块区域内部像素点灰度值小于平均值，则将该像素点作为背景像素点；将所述前景像素点与背景像素点形成待检测二值图像；

8、通过八连通邻域搜索算法对所述待检测二值图像遍历每个前景像素点，并确定每个前景像素点的坐标位置；根据所述每个前景像素点的坐标位置将前后相邻的前景像素点进行连通域的连接，形成前景连通区域；对所述前景连通区域中的前景像素点确定坐标位置，判断该前景像素点的相邻像素点是否为背景像素点或其余前景连通区域；

9、若满足任一判定，则将该前景像素点作为边界像素点。

10、较佳地，对所述边界像素点进行梯度分析坐标位置的修正，识别边界角点；按照预设的像素点窗口对所述边界角点提取边界角点窗口；根据所述边界角点窗口内相邻像素点的梯度识别，得到方向偏转值，具体操作步骤如下：

11、以该边界像素点为中心扩展预设的像素点范围，建立局部分析窗口；在所述局部分析窗口内计算各个像素点的灰度梯度幅值和梯度方向；沿所述梯度方向对邻域像素点的梯度幅值进行插值拟合，得到灰度变化曲线；确定灰度变化曲线筛选最大值的梯度幅值与最小值的梯度幅值的边界像素点的坐标位置；计算该边界像素点与最大值的梯度幅值与最小值的梯度幅值的边界像素点的坐标位置的偏差，作为二维偏移矢量；将该边界像素点的二维偏移矢量与坐标位置进行跌价偏移矢量，得到修正后的亚像素精度坐标；

12、获取所有边界像素点中的起点坐标进行滑动局部窗口，对该滑动局部窗口计算窗口中心点的曲率响应强度；若所述曲率响应强度大于预设的边界角点判别阈值，则将该窗口中心点记为边界角点；筛选任意一个边界角点沿所有边界像素点的轮廓进行追踪，依次记录所有边界角点的亚像素精度坐标，形成亚像素精度坐标顺序的索引标识的边界角点坐标序列；

13、根据所述边界角点坐标序列提取边界角点的亚像素行坐标与亚像素列坐标；根据所述边界点角点的亚像素精度坐标定位所述待检测图像中的坐标位置作为中心，按照预设的像素点窗口，提取边界角点窗口；对该边界角点窗口进行亚像素行坐标左右相邻像素点灰度值的差值，将所有亚像素行坐标的差值集合，作为第一梯度分量；对该边界角点窗口进行亚像素列坐标上下相邻像素点灰度值的差值，将所有亚像素列坐标的差值集合，作为第二梯度分量；预设角度值域范围；计算所述第一梯度分量与第二梯度分量的比值，将该比值映射至角度值域范围内，提取梯度方向角度值；

14、根据所述边界角点坐标序列的顺序索引，依次计算相邻边界角点的梯度方向角度值之间的差值，作为方向偏转值。

15、较佳地，根据所述方向偏转值识别连续边界角点的方向偏离异常区域；对所述方向偏离异常区域中筛选起始索引位置的边界角点；根据所述起始索引位置的边界角点的左右相邻边界角点识别疑似断裂位置；根据所述疑似断裂位置与方向偏离异常区域识别断裂位置，具体操作步骤如下：

16、对每个方向偏转值计算绝对差值识别连续边界角点的方向偏离异常区域；对所述方向偏离异常区域识别几何中心点，作为方向偏离异常坐标；筛选所述方向偏离异常区域中的起始索引位置的边界角点作为起始角点，以及筛选起始角点的前一位边界角点以及位于起始角点后一位边界角点获取三条边长参数；根据所述三条边长参数获取边界角点的曲率值；根据所述边界角点的曲率值识别疑似断裂位置；根据所述疑似断裂位置与方向偏离异常坐标进行重合识别，得到断裂位置。

17、较佳地，对每个方向偏转值计算绝对差值识别连续边界角点的方向偏离异常区域；对所述方向偏离异常区域识别几何中心点，作为方向偏离异常坐标，具体操作步骤如下：

18、对每个方向偏转值计算绝对差值，若该绝对差值大于预设的方向阈值，则将该绝对差值对应的相邻边界角点对进行标记为初筛边界角点对；筛选连续初筛边界角点对，形成独立连续初筛边界角点对序列；

19、将所述独立连续初筛边界角点对序列中的所有方向偏转值计算绝对值，并所有绝对值求和，作为累计偏离值；若所述累计偏离值大于预设的累计阈值，则判定该独立连续初筛边界角点对序列为方向偏离异常区域；对所述方向偏离异常区域中的边界角点计算亚像素行坐标的平均值与亚像素列坐标的平均值，形成几何中心点，作为方向偏离异常坐标。

20、较佳地，筛选所述方向偏离异常区域中的起始索引位置的边界角点作为起始角点，以及筛选起始角点的前一位边界角点以及位于起始角点后一位边界角点获取三条边长参数，具体操作步骤如下：

21、筛选所述方向偏离异常区域中的起始索引位置的边界角点作为起始角点，筛选起始角点位于顺序索引的前一位边界角点以及位于起始角点顺序索引的后一位边界角点的亚像素精度坐标，形成连续三点空间坐标组；

22、提取所述起始角点与前一位边界角点的亚像素行坐标计算第一差值；提取所述起始角点与前一位边界角点的亚像素列坐标计算第二差值；根据所述第一差值与第二差值确定连续三点空间坐标组的第一条边长；

23、提取所述起始角点与后一位边界角点的亚像素行坐标计算第三差值；提取所述起始角点与后一位边界角点的亚像素列坐标计算第四差值；根据所述第三差值与第四差值确定连续三点空间坐标组的第二条边长；

24、提取所述前一位边界角点与后一位边界角点的亚像素行坐标计算第五差值；提取所述前一位边界角点与后一位边界角点的亚像素列坐标计算第六差值；根据所述第五差值与第六差值确定连续三点空间坐标组的第三条边长；

25、将所述第一条边长、第二条边长、第三条边长形成连续三点空间坐标组的三条边长参数；

26、对所述三条边长参数筛选最长边长与最短边长构建边长关系；根据所述边长关系对所述三条边长参数提取外接圆半径；利用所述外接圆半径计算起始角点的曲率值；将所有的边界角点的曲率值形成曲率数值序列。

27、较佳地，根据所述边界角点的曲率值识别疑似断裂位置；根据所述疑似断裂位置与方向偏离异常坐标进行重合识别，得到断裂位置，具体操作步骤如下：

28、根据所述曲率数值序列中索引的相邻边界角点的曲率值识别有效曲率突变位置；以所述有效曲率突变位置为中心点，沿所有边界角点亚像素精度坐标的顺序索引方向识别疑似断裂位置；根据所述方向偏离异常区域的方向偏离异常坐标与疑似断裂位置的亚像素精度坐标生成距离映射矩阵；根据所述距离映射矩阵基于方向偏离异常坐标与亚像素精度坐标的重合，生成断裂位置。

29、较佳地，根据所述曲率数值序列中索引的相邻边界角点的曲率值识别有效曲率突变位置；以所述有效曲率突变位置为中心点，沿所有边界角点亚像素精度坐标的顺序索引方向识别疑似断裂位置，具体操作步骤如下：

30、根据所述曲率数值序列中索引的相邻边界角点的曲率值之间的差值，并进一步计算差值取绝对值，作为变化幅度值，形成曲率变化幅度序列；若所述变化幅度值大于预设的曲率阈值，则确定该变化幅度值对应的索引的相邻边界角点的亚像素精度坐标，作为曲率突变候选位置；

31、以所述曲率突变候选位置为中心点，分别在边界角点坐标序列的前向方向与后向方向上扩展预设角点数量的角点索引范围，计算所述角点索引范围内统计各个边界角点的曲率值的局部方差与局部极差；若所述局部方差大于预设的方差阈值，且所述局部极差大于预设的极差阈值，则判定该曲率突变候选位置为有效曲率突变位置；以所述有效曲率突变位置为中心点，沿所有边界角点亚像素精度坐标的顺序索引方向，分别沿前向方向与后向方向进行搜索首次的曲率值为预设的稳定波动范围，作为边界连续特性中断区域；根据所述连续特性中断区域内的所有边界角点的亚像素精度坐标，计算该连续特性中断区域内沿顺序索引方向相邻边界角点之间的累计路径长度，作为中断区域长度；

32、将所述中断区域长度与有效曲率突变位置的亚像素精度坐标，形成疑似断裂位置。

33、较佳地，根据所述方向偏离异常区域的方向偏离异常坐标与疑似断裂位置的亚像素精度坐标生成距离映射矩阵，具体操作步骤如下：

34、将所有方向偏离异常区域的方向偏离异常坐标作为第一坐标集合；将所有疑似断裂位置的亚像素精度坐标作为第二坐标集合；将所述第一坐标集合作为行标识，将所述第二坐标集合作为列标识，构建对应关系矩阵；将所述第一坐标集合中的第一个坐标点依次与第二坐标集合中的亚像素精度坐标配对，得到行列坐标对，计算行方向差值与列方向差值；

35、将所述行方向差值与列方向差值的直线距离填入所述对应关系矩阵内，得到距离映射矩阵。

36、较佳地，根据所述距离映射矩阵基于方向偏离异常坐标与亚像素精度坐标的重合，生成断裂位置，具体操作步骤如下：

37、预设的邻域重合阈值；若所述距离映射矩阵中的各个单位元素的直线距离小于邻域重合阈值，则将该对应单位元素的行列坐标对作为空间重合位置对；对所述空间重合位置对提取内部的疑似断裂位置作为候选真实断裂位置，统计同一连通域内候选真实断裂位置的数量；

38、若所述候选真实断裂位置的数量大于预设的数量阈值，则根据各候选真实断裂位置沿轮廓方向的顺序索引计算相邻候选真实断裂位置之间的边界角点索引数量；若所述边界角点索引数量小于预设的合并阈值，则将该相邻候选真实断裂位置合并最终的断裂位置；

39、将所述断裂位置的坐标位置作为前景连通域的真实断裂位置的亚像素精度坐标。

40、与现有技术相比，本发明实施例至少存在如下方面的技术优势：

41、分析本发明提供的上述一种视觉图像检测的阀体龟裂检测方法、系统及存储介质可知，在具体应用时本发明通过样本阀体图像采集与预处理得到标准化待检测图像，消除原始图像噪声、亮度不均带来的干扰，保证后续轮廓提取与缺陷分析的输入图像质量稳定；方案通过均匀分块分割方式对图像区域进行精细化前景、背景区分，有效适配阀体表面灰度不均匀、纹理复杂的场景，精准提取阀体轮廓边界像素，避免全局阈值分割造成的轮廓缺失与边缘失真问题；

42、进一步的，本方法通过梯度插值拟合实现边界像素亚像素坐标修正，提升轮廓定位精度，再基于窗口曲率响应稳定提取边界角点，获得连续、有序的亚像素轮廓角点序列；方案通过计算相邻角点梯度方向偏转值，筛选出存在持续方向突变的异常区域，有效分离阀体正常轮廓阀体弧面或凹面的弯折与缺陷引起的轮廓畸变；方案异常区域三点几何关系求解各角点曲率数值，量化轮廓局部弯曲变化程度，通过曲率突变幅度、局部方差与局部极差多重约束，精准筛选真实曲率突变区间，锁定轮廓连续性中断的疑似断裂区域；

43、进一步的，本发明通过构建距离映射矩阵实现方向偏离异常区域与曲率异常断裂区域的空间匹配，以空间重合关系验证缺陷真实性，结合连通域统计与邻近点位合并方式去除伪缺陷干扰，最终输出高精度阀体断裂位置；整体方法结合轮廓方向突变特征与曲率突变特征双重判据，多维度约束缺陷判定条件，有效抑制图像噪声、表面纹理、轻微轮廓褶皱带来的误检、漏检问题，能够稳定、精准地识别阀体表面细微断裂缺陷，显著提升阀体断裂缺陷检测精度与检测稳定性，适用于各类精密阀体的表面缺陷自动化检测场景。