一种电车散热器翅片间距在线测量方法与流程
本技术属于电车散热器领域,尤其涉及一种电车散热器翅片间距在线测量方法。
背景技术:
1、随着新能源汽车产业的快速发展,电车核心三电系统对热管理性能提出了更高要求。散热器作为电车热管理系统中的关键组件,其散热性能直接影响电池组工作温度、电机运行效率以及整车安全性。在散热器制造过程中,翅片是实现热交换的主要结构,翅片间距的均匀性和精确度会影响散热效率和空气动力学性能。间距过大可能导致换热面积不足,降低整体散热能力;间距过小则容易增加风阻,并在长期运行中诱发积灰堵塞和局部过热。因此,在电车散热器规模化生产线上,对翅片间距进行质量检测,是保障产品出厂一致性和合格率的重要环节。然而,散热器翅片排布密集且属于薄壁金属结构,传统测量方式多依赖人工抽检或接触式测量仪器,存在检测效率低、难以匹配高速流水线节奏、可能划伤翅片表面以及无法实现全量实时检测等问题。
2、为满足现代化生产检测需求,基于机器视觉的非接触式在线测量技术逐渐应用于工业检测场景。通过在生产线上部署视觉采集设备获取散热器图像,可以在不干扰生产流程的情况下实现快速检测。但是,工厂现场照明条件多变,金属翅片易产生表面反光或阴影遮挡,生产线设备运行还会带来轻微震动,使采集到的翅片图像存在对比度不均、边缘模糊和局部噪声等干扰。由于散热器翅片具有高度重复的密集纹理,当图像受到环境干扰或翅片存在轻微加工形变时,常规图像特征提取方法容易将局部噪声误判为翅片轮廓,或者因边缘信息断裂造成漏检,进而影响后续间距计算的准确性。因此,如何降低工业现场环境对图像质量的影响,提高密集翅片图像特征提取的抗噪能力和定位精度,并实现能够排除异常干扰、稳定输出翅片间距数值的在线测量方法,是电车散热器制造检测领域亟待解决的技术问题。
技术实现思路
1、为了解决现有技术中电车散热器翅片间距检测效率低、接触式测量易损伤翅片、密集纹理图像受噪声干扰导致边缘定位不准以及难以实现在线全量检测的问题,第一方面,本发明提出了一种电车散热器翅片间距在线测量方法,包括如下步骤:
2、获取待测散热器翅片区域数字图像,并沿翅片走向划分为n个具重叠区域的子图像条带,计算各条带像素点局部梯度协方差矩阵并作特征值分解,将最大特征值对应的特征向量方向定为局部梯度主方向,基于最大和次大特征值计算结构各向异性度量,生成方向一致性阈值,为各条带建立与所述局部梯度主方向平行的投影轴;
3、计算像素点梯度方向与投影轴夹角的余弦绝对值作为方向一致性因子,当所述方向一致性因子大于所述方向一致性阈值时,根据所述方向一致性因子、结构各向异性度量和梯度幅值计算增强投影值,并将所述增强投影值沿投影轴累加,生成一维投影分布曲线,对一维投影分布曲线进行连续小波变换生成二维系数矩阵;
4、追踪小波系数模值的局部极大值得到脊线,并基于脊线的尺度连续性和投影轴位置稳定性构建稳定性判据,筛选有效脊线并提取坐标作为翅片边缘候选点集,将属于同一翅片两侧的边缘候选点组成边缘候选点对,计算所述边缘候选点对的中点坐标作为翅片中心候选点集,计算条带内相邻翅片中心候选点之间的距离作为子间距,对所有子间距进行密度聚类,并根据聚类结果确定翅片间距。
5、可选地,所述获取待测散热器翅片区域数字图像,并沿翅片走向划分为n个具重叠区域的子图像条带,包括:
6、使用ccd相机获取尺寸为2048×2048像素的数字图像,设定总分割块数n为20,将图像总宽度的5%作为单个子图像条带的平移步长,沿翅片走向对应的对齐图像坐标方向进行相同间距切割,并设定相邻条带间重叠区域的宽度为所述平移步长的10%,当子图像条带超出数字图像边界时,按照数字图像边界进行截取。
7、可选地,所述计算各条带像素点局部梯度协方差矩阵并作特征值分解,将最大特征值对应的特征向量方向定为局部梯度主方向,包括:
8、使用sobel算子提取像素点的水平梯度分量和垂直梯度分量,在以所述像素点为中心的5×5局部方形窗口内,对水平梯度平方、垂直梯度平方以及水平梯度与垂直梯度乘积进行加权统计,构建梯度协方差矩阵,并对所述梯度协方差矩阵进行特征值分解,获得最大特征值和次大特征值。
9、可选地,所述基于最大和次大特征值计算结构各向异性度量,生成方向一致性阈值,包括:
10、所述结构各向异性度量的计算公式为最大特征值与次大特征值的差值除以最大特征值、次大特征值与极小常数的和,所述方向一致性阈值通过将结构各向异性度量乘以预设比例常数后加上基准补偿值获得。
11、可选地,所述根据所述方向一致性因子、结构各向异性度量和梯度幅值计算增强投影值,包括:
12、所述方向一致性因子通过计算像素点梯度方向与投影轴方向之间夹角的余弦绝对值获得,所述增强投影值为像素点的梯度幅值,乘以方向一致性因子以1减去结构各向异性度量所得数值为指数的幂值。
13、可选地,所述对一维投影分布曲线进行连续小波变换生成二维系数矩阵,包括:
14、所述连续小波变换采用墨西哥帽小波作为母小波,所述母小波的函数值通过将归一化常数、第一运算因子以及第二运算因子相乘获得;
15、其中,所述第一运算因子通过先对小波自变量进行平方运算,再以数值1减去所得平方值获得;
16、所述第二运算因子为自然常数以负二分之一倍所述小波自变量平方值为指数的结果;
17、按照预设尺度序列和预设滑步跨度沿投影轴平移所述母小波,对所述一维投影分布曲线执行小波卷积,生成所述二维系数矩阵。
18、可选地,所述追踪小波系数模值的局部极大值得到脊线,并基于脊线的尺度连续性和投影轴位置稳定性构建稳定性判据,筛选有效脊线,包括:
19、所述稳定性判据为极大值连线在尺度轴上的跨度归一化值除以所述连线上各点在投影轴坐标上的标准差经特征尺度归一化后的值与极小常数的和;
20、其中,所述特征尺度根据所述极大值连线上各点的小波系数模值对对应尺度值加权平均得到;
21、移除稳定性判据低于设定下限值的极大值连线,将剩余的极大值连线作为有效脊线。
22、可选地,所述对所有子间距进行密度聚类,并根据聚类结果确定翅片间距,包括:
23、所述密度聚类采用dbscan算法,邻域半径的设定方式为将所有子间距的标准差乘以预设的比例系数,对所有子间距聚类后,选取包含数据点最多的聚类簇作为最大密度簇,并计算所述最大密度簇内所有子间距的算术平均值作为所述最大密度簇的中心值。
24、另一方面,本发明还提出了一种电车散热器翅片间距在线测量系统,包括如下模块:
25、计算模块,用于获取待测散热器翅片区域数字图像,并沿翅片走向划分为n个具重叠区域的子图像条带,计算各条带像素点局部梯度协方差矩阵并作特征值分解,将最大特征值对应的特征向量方向定为局部梯度主方向,基于最大和次大特征值计算结构各向异性度量,生成方向一致性阈值,为各条带建立与所述局部梯度主方向平行的投影轴;
26、生成模块,用于计算像素点梯度方向与投影轴夹角的余弦绝对值作为方向一致性因子,当所述方向一致性因子大于所述方向一致性阈值时,根据所述方向一致性因子、结构各向异性度量和梯度幅值计算增强投影值,并将所述增强投影值沿投影轴累加,生成一维投影分布曲线,对一维投影分布曲线进行连续小波变换生成二维系数矩阵;
27、筛选模块,用于追踪小波系数模值的局部极大值得到脊线,并基于脊线的尺度连续性和投影轴位置稳定性构建稳定性判据,筛选有效脊线并提取坐标作为翅片边缘候选点集,将属于同一翅片两侧的边缘候选点组成边缘候选点对,计算所述边缘候选点对的中点坐标作为翅片中心候选点集,计算条带内相邻翅片中心候选点之间的距离作为子间距,对所有子间距进行密度聚类,并根据聚类结果确定翅片间距。
28、优选地,所述获取待测散热器翅片区域数字图像,并沿翅片走向划分为n个具重叠区域的子图像条带,包括:
29、使用ccd相机获取尺寸为2048×2048像素的数字图像,设定总分割块数n为20,将图像总宽度的5%作为单个子图像条带的平移步长,沿翅片走向对应的对齐图像坐标方向进行相同间距切割,并设定相邻条带间重叠区域的宽度为所述平移步长的10%,当子图像条带超出数字图像边界时,按照数字图像边界进行截取。
30、优选地,所述计算各条带像素点局部梯度协方差矩阵并作特征值分解,将最大特征值对应的特征向量方向定为局部梯度主方向,包括:
31、使用sobel算子提取像素点的水平梯度分量和垂直梯度分量,在以所述像素点为中心的5×5局部方形窗口内,对水平梯度平方、垂直梯度平方以及水平梯度与垂直梯度乘积进行加权统计,构建梯度协方差矩阵,并对所述梯度协方差矩阵进行特征值分解,获得最大特征值和次大特征值。
32、优选地,所述基于最大和次大特征值计算结构各向异性度量,生成方向一致性阈值,包括:
33、所述结构各向异性度量的计算公式为最大特征值与次大特征值的差值除以最大特征值、次大特征值与极小常数的和,所述方向一致性阈值通过将结构各向异性度量乘以预设比例常数后加上基准补偿值获得。
34、优选地,所述根据所述方向一致性因子、结构各向异性度量和梯度幅值计算增强投影值,包括:
35、所述方向一致性因子通过计算像素点梯度方向与投影轴方向之间夹角的余弦绝对值获得,所述增强投影值为像素点的梯度幅值,乘以方向一致性因子以1减去结构各向异性度量所得数值为指数的幂值。
36、优选地,所述对一维投影分布曲线进行连续小波变换生成二维系数矩阵,包括:
37、所述连续小波变换采用墨西哥帽小波作为母小波,所述母小波的函数值通过将归一化常数、第一运算因子以及第二运算因子相乘获得;
38、其中,所述第一运算因子通过先对小波自变量进行平方运算,再以数值1减去所得平方值获得;
39、所述第二运算因子为自然常数以负二分之一倍所述小波自变量平方值为指数的结果;
40、按照预设尺度序列和预设滑步跨度沿投影轴平移所述母小波,对所述一维投影分布曲线执行小波卷积,生成所述二维系数矩阵。
41、优选地,所述追踪小波系数模值的局部极大值得到脊线,并基于脊线的尺度连续性和投影轴位置稳定性构建稳定性判据,筛选有效脊线,包括:
42、所述稳定性判据为极大值连线在尺度轴上的跨度归一化值除以所述连线上各点在投影轴坐标上的标准差经特征尺度归一化后的值与极小常数的和;
43、其中,所述特征尺度根据所述极大值连线上各点的小波系数模值对对应尺度值加权平均得到;
44、移除稳定性判据低于设定下限值的极大值连线,将剩余的极大值连线作为有效脊线。
45、优选地,所述对所有子间距进行密度聚类,并根据聚类结果确定翅片间距,包括:
46、所述密度聚类采用dbscan算法,邻域半径的设定方式为将所有子间距的标准差乘以预设的比例系数,对所有子间距聚类后,选取包含数据点最多的聚类簇作为最大密度簇,并计算所述最大密度簇内所有子间距的算术平均值作为所述最大密度簇的中心值。
47、本发明通过将图像划分为重叠子图像条带并进行局部梯度协方差矩阵特征值分解,获取翅片区域的局部梯度主方向和结构各向异性特征;进一步结合方向一致性因子、方向一致性阈值及非线性幂次增强运算生成一维投影分布曲线,从而增强真实翅片边缘响应,并降低光照不均、背景噪声等因素对边缘提取的影响。随后,利用连续小波变换和稳定性判据筛选有效脊线,提取翅片边缘及中心候选点,提高密集翅片边缘定位的稳定性。最后,基于所有子间距的标准差设定密度聚类邻域半径,并选取最大密度簇中心值作为翅片间距测量结果,减小局部异常形变或噪声数据对最终间距计算的影响,提高电车散热器翅片间距在线测量的精度和可靠性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com