基于机器视觉的光伏储能电箱连接器缺陷检测方法与流程

本发明涉及图像处理，具体涉及基于机器视觉的光伏储能电箱连接器缺陷检测方法。

背景技术：

1、光伏储能电箱连接器的外壳或绝缘部分由于使用环境影响可能会出现裂纹或物理损伤，进而导致电气隔离不良或短路，通过计算机视觉可以检测连接器外壳的完整性，以及是否存在可见的裂纹或损伤，有助于确保储能系统的可靠性和安全性。

2、现有方法利用孤立森林算法对所获取的图像进行异常检测，而由于连接器图像的复杂性，采用不同的特征对图像中各像素点进行异常检测其结果会有所差异，孤立森林中特征指标无法较好确定，从而导致不能准确确定连接器的缺陷区域位置。

技术实现思路

1、为解决上述问题，本发明提供基于机器视觉的光伏储能电箱连接器缺陷检测方法。

2、本发明的基于机器视觉的光伏储能电箱连接器缺陷检测方法采用如下技术方案：

3、本发明一个实施例提供了基于机器视觉的光伏储能电箱连接器缺陷检测方法，该方法包括以下步骤：

4、采集光伏储能电箱连接器图像并灰度化得到连接器灰度图像；

5、根据预设邻域长度得到连接器灰度图像中任意一个像素点的邻域范围，对于连接器灰度图像中任意一个像素点的邻域范围，获取邻域范围中任意一个像素点沿不同方向的梯度大小，根据邻域范围中每一个像素点沿任意一个方向的梯度大小得到连接器灰度图像中任意一个像素点的主方向；

6、根据连接器灰度图像中任意一个像素点的主方向得到连接器灰度图像中任意一个像素点的优选邻域范围，对于连接器灰度图像中任意一个像素点的优选邻域范围，根据优选邻域范围内每一个像素点的梯度幅值和梯度方向及连接器灰度图像中任意一个像素点的主方向，得到连接器灰度图像中任意一个像素点的规律程度；

7、根据连接器灰度图像中任意一个像素点的优选邻域范围得到奇异值序列，根据奇异值序列和连接器灰度图像中任意一个像素点的规律程度，得到连接器灰度图像中任意一个像素点的规律指标；

8、根据连接器灰度图像中任意一个像素点的规律指标得到连接器灰度图像中每一个像素点的异常得分值，根据连接器灰度图像中每一个像素点的异常得分值得到连接器的缺陷区域。

9、进一步地，所述获取邻域范围中任意一个像素点沿不同方向的梯度大小，包括的具体步骤如下：

10、对于连接器灰度图像中任意一个像素点的邻域范围，将邻域范围内任意一个像素点记为第一像素点，将第一像素点与第一像素点的八邻范围中右侧像素点的灰度差值作为第一像素点沿0°方向的梯度大小，将第一像素点与第一像素点的八邻范围中右上侧像素点的灰度差值作为第一像素点沿45°方向的梯度大小，将第一像素点与第一像素点的八邻范围中上侧像素点的灰度差值作为第一像素点沿90°方向的梯度大小，沿逆时针的方向依次获取第一像素点沿不同方向的梯度大小，所述不同方向的梯度大小包括，0°方向的梯度大小，45°方向的梯度大小，90°方向的梯度大小，135°方向的梯度大小，180°方向的梯度大小，225°方向的梯度大小，270°方向的梯度大小，315°方向的梯度大小。

11、进一步地，所述根据邻域范围中每一个像素点沿任意一个方向的梯度大小得到连接器灰度图像中任意一个像素点的主方向，包括的具体步骤如下：

12、

13、对于连接器灰度图像中任意一个像素点的邻域范围，式中，为邻域范围内第p个像素点的灰度值，为邻域范围内第p个像素点沿第i个方向的梯度大小，为邻域范围内像素点的总个数，为连接器灰度图像中该像素点沿第i个方向的响应值，表示线性归一化函数，归一化的对象为邻域范围内所有像素点的灰度值；

14、将该像素点沿所有方向的响应值的最大值对应的方向作为连接器灰度图像中该像素点的主方向。

15、进一步地，所述根据连接器灰度图像中任意一个像素点的主方向得到连接器灰度图像中任意一个像素点的优选邻域范围，包括的具体步骤如下：

16、对于连接器灰度图像中任意一个像素点，将像素点的主方向记为，以像素点为中心，r1×r1的范围作为连接器灰度图像中该像素点的优选邻域范围，且像素点的优选邻域范围的某一边缘与的夹角为0°，r1为优选邻域长度，，其中为像素点沿主方向的响应值，r为预设邻域长度，表示sigmoid函数，表示向下取整函数。

17、进一步地，所述根据优选邻域范围内每一个像素点的梯度幅值和梯度方向及连接器灰度图像中任意一个像素点的主方向，得到连接器灰度图像中任意一个像素点的规律程度，包括的具体步骤如下：

18、

19、式中，为连接器灰度图像中第j个像素点的优选邻域范围内第q个像素点的梯度幅值，为连接器灰度图像中第j个像素点的优选邻域范围内第q个像素点的梯度方向，为连接器灰度图像中第j个像素点的主方向，为取绝对值，为预设参数，表示线性归一化函数，归一化的对象为第j个像素点的优选邻域范围内所有像素点的梯度幅值，为连接器灰度图像中第j个像素点的优选邻域范围内所有像素点的个数，为连接器灰度图像中第j个像素点的规律程度。

20、进一步地，所述根据奇异值序列和连接器灰度图像中任意一个像素点的规律程度，得到连接器灰度图像中任意一个像素点的规律指标，包括的具体步骤如下：

21、将奇异值序列中前tz个奇异值的求和结果，记为ts，将奇异值序列中所有奇异值的求和结果，记为tp，tz为待定数值，将ts第一次大于时对应的所有奇异值构成的序列作为主要贡献奇异值序列，为预设第一参数；

22、

23、式中，为主要贡献奇异值序列中所有奇异值的方差结果，为连接器灰度图像中第j个像素点的规律程度，为连接器灰度图像中第j个像素点的规律指标。

24、进一步地，所述根据预设邻域长度得到连接器灰度图像中任意一个像素点的邻域范围，包括的具体步骤如下：

25、对于连接器灰度图像中任意一个像素点，以该像素点为中心，r×r的范围作为连接器灰度图像中该像素点的邻域范围，r为预设邻域长度。

26、进一步地，所述根据连接器灰度图像中任意一个像素点的优选邻域范围得到奇异值序列，包括的具体步骤如下：

27、对于连接器灰度图像中任意一个像素点的优选邻域范围，将优选邻域范围作为svd奇异值分解的矩阵并利用svd奇异值分解算法进行分解，得到若干奇异值，将所有奇异值按从大到小的顺序进行排列，得到奇异值序列。

28、进一步地，所述根据连接器灰度图像中任意一个像素点的规律指标得到连接器灰度图像中每一个像素点的异常得分值，包括的具体步骤如下：

29、将连接器灰度图像中所有像素点的规律指标按照从左到右从上到下的顺序进行排列，得到规律指标序列，将规律指标序列利用孤立森林算法进行孤立森林的构建并得到连接器灰度图像中每一个像素点的异常得分值。

30、进一步地，所述根据连接器灰度图像中每一个像素点的异常得分值得到连接器的缺陷区域，包括的具体步骤如下：

31、预设得分阈值，当连接器灰度图像中任意一个像素点的异常得分值大于预设得分阈值时，则将大于预设得分阈值对应的像素点作为连接器灰度图像中缺陷像素点，将连接器灰度图像中所有缺陷像素点构成的区域作为连接器的缺陷区域。

32、本发明的技术方案的有益效果是：本发明利用连接器灰度图像中任意一个像素点邻域范围的梯度信息，得到连接器灰度图像中任意一个像素点的主方向，进而得到优选邻域范围，通过计算优选邻域范围内各点梯度规律性结合奇异值分解的方式，对各点优选邻域范围内的梯度的规律程度以及像素点分布的情况进行了量化，进而结合孤立森林算法对连接器灰度图像中的缺陷区域像素点进行了区分，在传统的孤立森林算法的基础上对各点的特征指标进行了改进，提高了检测的精确程度，进而提高连接器的缺陷检测效果。