一种手机数据线生产缺陷无损检测方法与流程

文档序号:37154756发布日期:2024-02-26 17:14阅读:20来源:国知局
一种手机数据线生产缺陷无损检测方法与流程

本发明涉及图像处理,具体涉及一种手机数据线生产缺陷无损检测方法。


背景技术:

1、在手机数据线的组成部分中,连接充电器或其他外部设备的usb接头的质量尤其需要严格把关。磨损缺陷是usb接头的金属外壳上常见的缺陷之一,该缺陷可能导致数据线出现电能输出速率下降、数据传输断流、插拔困难等问题,使用户的使用体验大打折扣;因此数据线的好坏会直接影响到手机充电和数据传输的效率以及安全性的问题。

2、在常规的对手机数据线的usb接头缺陷检测中,先通过迭代自组织聚类算法对usb接头图像中的像素点进行聚类,再根据每个类簇中像素点的灰度分布差异确定出usb接头的缺陷区域;但是迭代自组织聚类算法中的聚类只是根据图像中像素点的距离进行聚类的,这就导致可能将缺陷区域和非缺陷区域的像素点聚类的一个类簇中,这就降低了手机数据线在生产过程中缺陷检测的准确性。


技术实现思路

1、本发明提供一种手机数据线生产缺陷无损检测方法,以解决现有的问题。

2、本发明的一种手机数据线生产缺陷无损检测方法采用如下技术方案:

3、本发明一个实施例提供了一种手机数据线生产缺陷无损检测方法,该方法包括以下步骤:

4、采集手机数据线的usb接口图像;

5、获取usb接口图像中每个像素点的局部窗口,根据每个像素点的局部窗口内像素点的灰度分布,和局部窗口内所有像素点的灰度值的均值与usb接口图像中所有像素点的灰度值的均值之间的差异,获得每个像素点的磨损程度,根据usb接口图像的大小特征获取若干个初始聚类中心点和参考像素点,根据参考像素点和初始聚类中心点之间的距离和磨损程度的差异,获得每个参考像素点与每个初始聚类中心点之间的相似程度,根据每个参考像素点与每个初始聚类中心点之间的相似程度获得若干个初始类簇;

6、根据每个初始类簇中所有像素点的磨损程度的均值、所有像素点的灰度分布和所有像素点的梯度方向的差异,获得每个初始类簇的缺陷程度,根据每个初始类簇的缺陷程度、初始类簇的缺陷程度的均值之间的差异和每个像素点与初始聚类中心点之间的距离,获得每个初始类簇的聚类优先特征,将每个初始类簇相邻的所有初始类簇记为每个初始类簇对应的参考初始类簇,根据每个初始类簇与对应的每个参考初始类簇之间的距离和缺陷程度的差异,获得每个初始类簇与对应的每个参考初始类簇之间的合并优先特征,根据每个初始类簇的聚类优先特征和每个初始类簇与对应的每个参考初始类簇之间的合并优先特征,获得若干个终止类簇;

7、根据终止类簇中像素点的磨损程度进行数据线的缺陷检测。

8、进一步地,所述获取usb接口图像中每个像素点的局部窗口,包括的具体步骤如下:

9、以usb接口图像中每个像素点的为局部窗口中心点,以为局部窗口大小,获得usb接口图像中每个像素点的局部窗口;其中,a为预设参数。

10、进一步地,所述根据每个像素点的局部窗口内像素点的灰度分布,和局部窗口内所有像素点的灰度值的均值与usb接口图像中所有像素点的灰度值的均值之间的差异,获得每个像素点的磨损程度,包括的计算公式如下:

11、

12、式中,表示第个像素点的灰度值,表示第个像素点的局部窗口内第个像素点的灰度值,表示第个像素点的局部窗口内第个灰度级对应的所有像素点个数与第个像素点的局部窗口内所有像素点总个数的比值,表示以2为底的对数函数,表示每个像素点的局部窗口内所有像素点的总个数,表示每个像素点的局部窗口内所有灰度级的个数,表示第个像素点的局部窗口内所有像素点的灰度值的均值,表示usb接口图像中所有像素点的灰度值的均值,为绝对值符号,表示第个像素点的磨损程度。

13、进一步地,所述根据usb接口图像的大小特征获取若干个初始聚类中心点和参考像素点,包括的具体步骤如下:

14、将usb接口图像均等划分为b个小区域,获取每个小区域的形心点,记为初始聚类中心点;至此,得到b个初始聚类中心点,其中,b为预设参数;

15、将usb接口图像中除了初始聚类中心点之外的所有像素点记为参考像素点。

16、进一步地,所述根据参考像素点和初始聚类中心点之间的距离和磨损程度的差异,获得每个参考像素点与每个初始聚类中心点之间的相似程度,根据每个参考像素点与每个初始聚类中心点之间的相似程度获得若干个初始类簇,包括的具体步骤如下:

17、每个参考像素点与每个初始聚类中心点之间的相似程度的计算公式为:

18、

19、式中,表示第个参考像素点与第个初始聚类中心点之间的距离,表示第个参考像素点的磨损程度,表示第个初始聚类中心点的磨损程度,为绝对值符号,表示第个参考像素点与第个初始聚类中心点之间的相似程度;

20、获取与每个参考像素点之间的最大相似程度对应的初始聚类中心点,记为每个参考像素点的目标初始聚类中心点,将每个参考像素点划分到目标初始聚类中心点对应的类簇中,然后得到划分完之后的若干个初始类簇。

21、进一步地,所述根据每个初始类簇中所有像素点的磨损程度的均值、所有像素点的灰度分布和所有像素点的梯度方向的差异,获得每个初始类簇的缺陷程度,包括的具体步骤如下:

22、通过canny边缘检测获得usb接口图像中所有像素点的梯度方向,将每个像素点的梯度方向与水平向右方向之间的夹角,记为每个像素点的梯度夹角;

23、每个初始类簇的缺陷程度的计算公式为:

24、

25、式中,表示第个初始类簇中第个像素点的磨损程度,表示每个初始类簇中的所有像素点的总个数,表示第个初始类簇中第个灰度级对应的所有像素点个数与第个初始类簇中所有像素点总个数的比值,表示以2为底的对数函数,表示每个初始类簇中所有灰度级的个数,表示第个初始类簇中所有像素点的梯度夹角的标准差,表示第个初始类簇的缺陷程度。

26、进一步地,所述根据每个初始类簇的缺陷程度、初始类簇的缺陷程度的均值之间的差异和每个像素点与初始聚类中心点之间的距离,获得每个初始类簇的聚类优先特征,包括的计算公式如下:

27、

28、式中,表示第个初始类簇的缺陷程度,表示第个初始类簇的缺陷程度,表示所有初始类簇的个数,表示第个初始类簇中第个像素点与初始聚类中心点之间的距离,表示每个初始类簇中的所有像素点的总个数,表示第个初始类簇的第个初始类簇。

29、进一步地,所述根据每个初始类簇与对应的每个参考初始类簇之间的距离和缺陷程度的差异,获得每个初始类簇与对应的每个参考初始类簇之间的合并优先特征,包括的计算公式如下:

30、

31、式中,表示第个初始类簇的缺陷程度,表示第个初始类簇对应的第个参考初始类簇的缺陷程度,表示第个初始类簇的初始聚类中心点与对应的第个参考初始类簇的初始聚类中心点之间的距离,为绝对值符号,表示第个初始类簇与对应的第个参考初始类簇之间的合并优先特征。

32、进一步地,所述根据每个初始类簇的聚类优先特征和每个初始类簇与对应的每个参考初始类簇之间的合并优先特征,获得若干个终止类簇,包括的具体步骤如下:

33、根据每个初始类簇的聚类优先特征,和每个类簇与对应的每个参考初始类簇之间的合并优先特征进行初始类簇的第一次合并迭代,具体过程为:

34、选取聚类优先特征最大的初始类簇,将其记为第一目标类簇,选取与第一目标类簇之间的合并优先特征最大的一个参考初始类簇,记为第一参考初始类簇;对第一目标类簇和第一参考初始类簇进行合并,将合并后的类簇记为第一合并类簇;

35、将第一合并类簇之外的所有初始类簇记为第一剩余初始类簇,选取第一剩余初始类簇中聚类优先特征最大的初始类簇,将其记为第二目标类簇,在第一剩余初始类簇中选取与第二目标类簇之间的合并优先特征最大的一个参考初始类簇,记为第二参考初始类簇,对第二目标类簇和第二参考初始类簇进行合并,将合并后的类簇记为第二合并类簇;

36、将第二合并类簇之外的所有初始类簇记为第二剩余初始类簇,选取第二剩余初始类簇中聚类优先特征最大的初始类簇,将其记为第三目标类簇,在第二剩余初始类簇中选取与第三目标类簇之间的合并优先特征最大的一个参考初始类簇,记为第三参考初始类簇,对第三目标类簇和第三参考初始类簇进行合并,将合并后的类簇记为第三合并类簇;

37、以此类推,得到所有的合并类簇;此时第一次合并迭代完成;

38、将每个合并类簇相邻的所有合并类簇记为每个合并类簇对应的参考合并类簇,根据每个初始类簇的聚类优先特征的获取过程得到每个合并类簇的聚类优先特征,根据每个初始类簇与对应的每个参考初始类簇之间的合并优先特征的获取过程,得到每个合并类簇与对应的每个参考合并类簇之间的合并优先特征,在根据第一次合并迭代的过程进行第二次合并迭代,后续每次合并过程在前一次合并的结果上进行合并,整个合并过程只合并迭代g次;

39、g次合并完成之后根据迭代自组织聚类算法中的拆分过程对合并之后的类簇进行拆分,得到拆分后的若干个终止类簇;

40、其中,g为预设参数。

41、进一步地,所述根据终止类簇中像素点的磨损程度进行数据线的缺陷检测,包括的具体步骤如下:

42、获取每个终止类簇中所有像素点的缺陷程度的均值,当每个终止类簇中所有像素点的缺陷程度的均值大于预设阈值t时,则判定为缺陷区域;当每个终止类簇中所有像素点的缺陷程度的均值小于或者等于预设阈值t时,则判定为正常区域。

43、本发明的技术方案的有益效果是:本发明根据每个像素点的局部窗口内像素点的灰度分布,和局部窗口内所有像素点的灰度值的均值与usb接口图像中所有像素点的灰度值的均值之间的差异,获得每个像素点的磨损程度,根据参考像素点和初始聚类中心点之间的距离和磨损程度的差异,获得每个参考像素点与每个初始聚类中心点之间的相似程度,提高了只根据距离合并类簇的容错率;

44、根据每个初始类簇中所有像素点的磨损程度的均值、所有像素点的灰度分布和所有像素点的梯度方向的差异,获得每个初始类簇的缺陷程度,并得到每个初始类簇的聚类优先特征和每个初始类簇与对应的每个参考初始类簇之间的合并优先特征,完成类簇的合并迭代,最后进行数据线的缺陷检测,确定出了更加准确的类簇,提高了手机数据线在生产过程中缺陷检测的准确性。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1