(19)國家知識產(chǎn)權(quán)局(12)發(fā)明專利GO6T7/1一種基于圖像處理的油石靜壓成型質(zhì)量檢測方法值21.一種基于圖像處理的油石靜壓成型質(zhì)量檢測方法，其特征在于，包括：獲取油石燒結(jié)冷卻階段的紅外圖像集合，并進行預(yù)處理；根據(jù)紅外圖像集合中各幀油石圖像進行超像素分割，獲取超像素區(qū)域，依次對紅外圖像集合中相鄰兩幀油石圖像進行超像素區(qū)域匹配，以建立對應(yīng)關(guān)系，根據(jù)匹配結(jié)果，計算各幀油石圖像中各超像素區(qū)域在冷卻過程中的溫度異常特征值；基于對各超像素區(qū)域在不同幀油石圖像中的溫度變化趨勢進行分析，計算各超像素區(qū)域與其他超像素區(qū)域之間的相關(guān)性系數(shù)，并引入距離權(quán)重和溫度異常權(quán)重進行加權(quán)融合，得到綜合相關(guān)性指標，再結(jié)合溫度異常特征值，評估各超像素區(qū)域內(nèi)部是否出現(xiàn)孔隙異常以任一幀油石圖像為目標幀圖像，以目標幀圖像中任一超像素區(qū)域為顯著區(qū)域，獲取目標幀圖像中所有超像素區(qū)域的溫度異常特征值的最大值，計算顯著區(qū)域的綜合相關(guān)性指標與目標幀圖像中所有超像素區(qū)域中綜合相關(guān)性指標的最大值之間的比值，得到相對綜合相關(guān)性系數(shù)；將溫度異常特征值的最大值與相對綜合相關(guān)性系數(shù)之間乘積進行歸一化處理，得到顯著區(qū)域內(nèi)部出現(xiàn)孔隙異常的可能性值；根據(jù)各超像素區(qū)域出現(xiàn)孔隙的可能性值，判定油石內(nèi)部是否存在孔隙分布異常，完成油石靜壓成型的質(zhì)量檢測目標。2.根據(jù)權(quán)利要求1所述的一種基于圖像處理的油石靜壓成型質(zhì)量檢測方法，其特征在獲取各幀油石圖像中所有像素點的灰度值，使用sobel算子計算各像素點的梯度幅值；基于各幀油石圖像中像素點的灰度值、梯度值以及位置坐標，利用SLIC超像素分割算法對紅外圖像集合進行超像素分割，得到超像素區(qū)域。3.根據(jù)權(quán)利要求1所述的一種基于圖像處理的油石靜壓成型質(zhì)量檢測方法，其特征在于，所述依次對紅外圖像集合中相鄰兩幀油石圖像進行超像素區(qū)域匹配，包括：以任一幀油石圖像為目標幀圖像，獲取目標幀圖像中超像素區(qū)域中心像素點的坐標，計算目標幀圖像與后一幀油石圖像中超像素區(qū)域的中心像素點之間的歐式距離以匹配對應(yīng)區(qū)域；響應(yīng)于目標幀圖像后一幀油石圖像的超像素區(qū)域匹配到目標幀圖像中至少兩個超像素區(qū)域時，則合并目標幀圖像中的相關(guān)超像素區(qū)域；響應(yīng)于目標幀圖像后一幀油石圖像的超像素區(qū)域匹配到目標幀圖像中無對應(yīng)區(qū)域的超像素區(qū)域時，則對后一幀油石圖像中查找與該超像素區(qū)域最近的超像素區(qū)域進行合并。4.根據(jù)權(quán)利要求1所述的一種基于圖像處理的油石靜壓成型質(zhì)量檢測方法，其特征在以任一幀油石圖像為目標幀圖像，以目標幀圖像中任一超像素區(qū)域為顯著區(qū)域，計算目標幀圖像中顯著區(qū)域的像素點的灰度均值與目標幀圖像中所有像素點的灰度均值之間的比值，將1減比值的絕對差值作為灰度均值的偏離程度；計算目標幀圖像中顯著區(qū)域的像素點灰度梯度的最大值與目標幀圖像中所有像素點灰度梯度的最大值之間的比值，得到梯度最大值比例；將目標幀圖像中顯著區(qū)域的所有像素點灰度值的標準差與灰度均值的比值作為變異系數(shù)；將灰度均值的偏離程度、變異系數(shù)以及梯度最大值比例分別相乘的乘積作為目標幀圖像中顯著區(qū)域的溫度異常特征值。35.根據(jù)權(quán)利要求1所述的一種基于圖像處理的油石靜壓成型質(zhì)量檢測方法，其特征在根據(jù)超像素區(qū)域的對應(yīng)關(guān)系，確定同一超像素區(qū)域在不同幀油石圖像中的對應(yīng)關(guān)系，以任一幀油石圖像為目標幀圖像，以目標幀圖像中任一超像素區(qū)域為顯著區(qū)域，獲取顯著區(qū)域在目標幀圖像中灰度均值，獲取整個冷卻過程中顯著區(qū)域的灰度均值序列；遍歷所有超像素區(qū)域，使用皮爾遜相關(guān)系數(shù)計算顯著區(qū)域的灰度均值序列與其他超像素區(qū)域的灰度均值序列的相關(guān)性系數(shù)。6.根據(jù)權(quán)利要求1所述的一種基于圖像處理的油石靜壓成型質(zhì)量檢測方法，其特征在將相關(guān)性系數(shù)的絕對值作為在冷卻過程中溫度變化趨勢，以任一幀油石圖像為目標幀圖像，以目標幀圖像中任一超像素區(qū)域為顯著區(qū)域，將顯著區(qū)域和其他超像素區(qū)域中心像素點之間歐式距離的最小值作為距離權(quán)重，將其他超像素區(qū)域在各幀圖像中溫度異常特征值的均值作為溫度異常權(quán)重；將溫度變化趨勢、取距離權(quán)重的負數(shù)以及溫度異常權(quán)重分別相乘的乘積作為其他超像素區(qū)域?qū)︼@著區(qū)域的相關(guān)性系數(shù)的貢獻值，將所有超像素區(qū)域的相關(guān)性系數(shù)的貢獻值求和作為顯著區(qū)域的綜合相關(guān)性指標。7.根據(jù)權(quán)利要求1所述的一種基于圖像處理的油石靜壓成型質(zhì)量檢測方法，其特征在響應(yīng)于超像素區(qū)域內(nèi)部出現(xiàn)孔隙異常的可能性值大于等于預(yù)設(shè)孔隙異常閾值，則該區(qū)域內(nèi)部出現(xiàn)孔隙分布異常，控制系統(tǒng)進行標記；反之，小于預(yù)設(shè)孔隙異常閾值，則該區(qū)域內(nèi)部孔隙分布均勻且符合標準。8.根據(jù)權(quán)利要求1所述的一種基于圖像處理的油石靜壓成型質(zhì)量檢測方法，其特征在對紅外圖像集合采用濾波算法對各幀油石圖像進行去噪處理，對紅外圖像集合進行對齊處理，并對紅外圖像集合中各幀油石圖像的背景進行歸一化處理，以降低背景差異對缺陷檢測的影響。9.根據(jù)權(quán)利要求8所述的一種基于圖像處理的油石靜壓成型質(zhì)量檢測方法，其特征在獲取加熱前多幀油石表面的原始紅外熱圖，并計算多幀油石表面的原始紅外熱圖的平均值，得到參考背景圖像，在油石經(jīng)過高溫?zé)Y(jié)工序后，利用紅外探測器以固定頻率獲取油石表面在冷卻階段的紅外圖像集合，從加熱后的紅外圖像序列中減去參考背景圖像，得到油石表面由于長脈沖激勵引起的實際紅外輻射上升值，完成背景歸一化處理。4一種基于圖像處理的油石靜壓成型質(zhì)量檢測方法技術(shù)領(lǐng)域[0001]本發(fā)明涉及圖像處理領(lǐng)域。尤其涉及一種基于圖像處理的油石靜壓成型質(zhì)量檢測方法。背景技術(shù)[0002]油石是一種由磨料(如氧化鋁、碳化硅等)與結(jié)合劑制成的研磨工具，通過手動或機械摩擦對工件表面進行精細拋光、去毛刺或修整，應(yīng)用于機械制造、軸承加工、刀具刃磨等領(lǐng)域，是精密加工中不可或缺的工具。[0003]油石的制作過程中，成型工藝至關(guān)重要，而靜壓成型因其能避免傳統(tǒng)模壓的密度梯度問題，對于密度均勻性要求高的油石是理想的選擇。然而，靜壓成型的油石內(nèi)部可能會因靜壓壓力過高導(dǎo)致孔隙被壓潰，或壓力不足導(dǎo)致孔隙過大，孔隙大小或分布不均。這些問題會影響油石的散熱、排屑或潤滑性能，進而影響其加工效果和使用壽命。因此，對油石靜壓成型質(zhì)量進行檢測十分關(guān)鍵。[0004]傳統(tǒng)檢測手段在檢測油石靜壓成型后的內(nèi)部孔隙分布異常時，存在諸多局限性。超聲波檢測和X射線檢測等無損檢測方法分辨率低，難以精準識別小孔隙，且易受油石內(nèi)部結(jié)構(gòu)噪聲干擾，導(dǎo)致檢測精度不足，并且檢測速度慢，難以適應(yīng)大規(guī)模生產(chǎn)，也無法實時監(jiān)測生產(chǎn)過程中的質(zhì)量變化，難以及時調(diào)整工藝參數(shù)。此外，對于形狀不規(guī)則的油石，傳統(tǒng)方法難以全面覆蓋內(nèi)部區(qū)域，且對檢測人員經(jīng)驗依賴度高，容易出現(xiàn)誤判或漏判的情況。發(fā)明內(nèi)容[0005]為解決傳統(tǒng)檢測手段在檢測油石靜壓成型后的內(nèi)部孔隙分布異常時，存在分辨率低、精度不足、速度慢、無法實時監(jiān)測、對不規(guī)則形狀適應(yīng)性差以及依賴經(jīng)驗易誤判漏判等局限性的問題，本發(fā)明在如下方面中提供方案。[0006]一種基于圖像處理的油石靜壓成型質(zhì)量檢測方法，包括：獲取油石燒結(jié)冷卻階段的紅外圖像集合，并進行預(yù)處理；根據(jù)紅外圖像集合中各幀油石圖像進行超像素分割，獲取超像素區(qū)域，依次對紅外圖像集合中相鄰兩幀油石圖像進行超像素區(qū)域匹配，以建立對應(yīng)關(guān)系，根據(jù)匹配結(jié)果，計算各幀油石圖像中各超像素區(qū)域在冷卻過程中的溫度異常特征值；基于對各超像素區(qū)域在不同幀油石圖像中的溫度變化趨勢進行分析，計算各超像素區(qū)域與其他超像素區(qū)域之間的相關(guān)性系數(shù)，并引入距離權(quán)重和溫度異常權(quán)重進行加權(quán)融合，得到綜合相關(guān)性指標，再結(jié)合溫度異常特征值，評估各超像素區(qū)域內(nèi)部是否出現(xiàn)孔隙異常的可能性值；根據(jù)各超像素區(qū)域出現(xiàn)孔隙的可能性值，判定油石內(nèi)部是否存在孔隙分布異常，完成油石靜壓成型的質(zhì)量檢測目標。[0007]其效果在于：通過對紅外圖像集合進行超像素分割和匹配，結(jié)合溫度異常特征值與綜合相關(guān)性指標，能夠精準評估各超像素區(qū)域內(nèi)部出現(xiàn)孔隙異常的可能性，有效發(fā)現(xiàn)油石內(nèi)部潛在缺陷，利用超像素分割和匹配技術(shù)，快速建立相鄰幀圖像中超像素區(qū)域的對應(yīng)關(guān)系，提高檢測效率，確保及時發(fā)現(xiàn)質(zhì)量問題，綜合考慮溫度異常特征值和相關(guān)性指標，全5面評估油石內(nèi)部孔隙分布情況，為質(zhì)量檢測提供更準確的依據(jù)，通過分析溫度變化趨勢和相關(guān)性，結(jié)合距離權(quán)重和溫度異常權(quán)重進行加權(quán)融合，使檢測結(jié)果更具說服力和可靠性，及時發(fā)現(xiàn)油石內(nèi)部孔隙分布異常，有助于在生產(chǎn)過程中及時調(diào)整工藝參數(shù)，提高油石的性能和使用壽命，確保產(chǎn)品質(zhì)量穩(wěn)定可靠。[0009]獲取各幀油石圖像中所有像素點的灰度值，使用sobel算子計算各像素點的梯度幅值；[0010]基于各幀油石圖像中像素點的灰度值、梯度值以及位置坐標，利用SLIC超像素分割算法對紅外圖像集合進行超像素分割，得到超像素區(qū)域。[0011]優(yōu)選的，所述依次對紅外圖像集合中相鄰兩幀油石圖像進行超像素區(qū)域匹配，包[0012]以任一幀油石圖像為目標幀圖像，獲取目標幀圖像中超像素區(qū)域中心像素點的坐標，計算目標幀圖像與后一幀油石圖像中超像素區(qū)域的中心像素點之間的歐式距離以匹配對應(yīng)區(qū)域；[0013]響應(yīng)于目標幀圖像后一幀油石圖像的超像素區(qū)域匹配到目標幀圖像中至少兩個超像素區(qū)域時，則合并目標幀圖像中的相關(guān)超像素區(qū)域；響應(yīng)于目標幀圖像后一幀油石圖像的超像素區(qū)域匹配到目標幀圖像中無對應(yīng)區(qū)域的超像素區(qū)域時，則對后一幀油石圖像中查找與該超像素區(qū)域最近的超像素區(qū)域進行合并。[0014]其效果在于：通過對超像素區(qū)域進行匹配和合并，能夠有效減少超像素區(qū)域數(shù)量[0016]以任一幀油石圖像為目標幀圖像，以目標幀圖像中任一超像素區(qū)域為顯著區(qū)域，計算目標幀圖像中顯著區(qū)域的像素點的灰度均值與目標幀圖像中所有像素點的灰度均值之間的比值，將1減比值的絕對差值作為灰度均值的偏離程度；計算目標幀圖像中顯著區(qū)域的像素點灰度梯度的最大值與目標幀圖像中所有像素點灰度梯度的最大值之間的比值，得到梯度最大值比例；將目標幀圖像中顯著區(qū)域的所有像素點灰度值的標準差與灰度均值的比值作為變異系數(shù)；將灰度均值的偏離程度、變異系數(shù)以及梯度最大值比例分別相乘的乘積作為目標幀圖像中顯著區(qū)域的溫度異常特征值。[0017]其效果在于：通過綜合考慮顯著區(qū)域的灰度均值偏離程度、變異系數(shù)以及梯度最大值比例，精準量化顯著區(qū)域的溫度異常特征。通過計算灰度均值的偏離程度，反映顯著區(qū)域與整體圖像的灰度差異；變異系數(shù)衡量區(qū)域內(nèi)灰度值的離散程度，揭示溫度分布均勻性；梯度最大值比例則體現(xiàn)溫度變化的劇烈程度。將這三者相乘得到溫度異常特征值，能有效突出潛在的溫度異常區(qū)域，為后續(xù)分析提供關(guān)鍵依據(jù)。[0019]根據(jù)超像素區(qū)域的對應(yīng)關(guān)系，確定同一超像素區(qū)域在不同幀油石圖像中的對應(yīng)關(guān)系，以任一幀油石圖像為目標幀圖像，以目標幀圖像中任一超像素區(qū)域為顯著區(qū)域，獲取顯著區(qū)域在目標幀圖像中灰度均值，獲取整個冷卻過程中顯著區(qū)域的灰度均值序列；[0020]遍歷所有超像素區(qū)域，使用皮爾遜相關(guān)系數(shù)計算顯著區(qū)域的灰度均值序列與其他超像素區(qū)域的灰度均值序列的相關(guān)性系數(shù)。6[0021]其效果在于：通過確定超像素區(qū)域在不同幀中的對應(yīng)關(guān)系，能夠準確跟蹤每個區(qū)域在冷卻過程中的變化，計算顯著區(qū)域在整個冷卻過程中的灰度均值序列，可以反映該區(qū)域的溫度變化趨勢，使用皮爾遜相關(guān)系數(shù)計算顯著區(qū)域與其他區(qū)域的灰度均值序列的相關(guān)性系數(shù)，能夠量化不同區(qū)域之間的溫度變化相似性，進而評估孔隙分布的均勻性和潛在異常，相關(guān)性系數(shù)較低的區(qū)域可能表明孔隙分布異常，因為這些區(qū)域的溫度變化趨勢與其他區(qū)域不一致，有助于識別出可能存在內(nèi)部缺陷的區(qū)域。[0023]將相關(guān)性系數(shù)的絕對值作為在冷卻過程中溫度變化趨勢，以任一幀油石圖像為目標幀圖像，以目標幀圖像中任一超像素區(qū)域為顯著區(qū)域，將顯著區(qū)域和其他超像素區(qū)域中心像素點之間歐式距離的最小值作為距離權(quán)重，將其他超像素區(qū)域在各幀圖像中溫度異常特征值的均值作為溫度異常權(quán)重；[0024]將溫度變化趨勢、取距離權(quán)重的負數(shù)以及溫度異常權(quán)重分別相乘的乘積作為其他超像素區(qū)域?qū)︼@著區(qū)域的相關(guān)性系數(shù)的貢獻值，將所有超像素區(qū)域的相關(guān)性系數(shù)的貢獻值求和作為顯著區(qū)域的綜合相關(guān)性指標。[0025]其效果在于：通過計算顯著區(qū)域與其他區(qū)域的相關(guān)性系數(shù)，結(jié)合距離權(quán)重和溫度異常權(quán)重進行加權(quán)，能夠精準量化不同區(qū)域之間的溫度變化趨勢的相關(guān)性，溫度變化趨勢、距離權(quán)重的負數(shù)以及溫度異常權(quán)重的乘積作為貢獻值，突出潛在的溫度異常區(qū)域，將所有超像素區(qū)域的相關(guān)性系數(shù)的貢獻值求和，得到顯著區(qū)域的綜合相關(guān)性指標，有助于全面評估顯著區(qū)域的溫度變化趨勢與其他區(qū)域的一致性，通過綜合相關(guān)性指標，可以更準確地識別出可能存在內(nèi)部缺陷的區(qū)域，提高靜壓成型質(zhì)量檢測的準確性。[0027]以任一幀油石圖像為目標幀圖像，以目標幀圖像中任一超像素區(qū)域為顯著區(qū)域，獲取目標幀圖像中所有超像素區(qū)域的溫度異常特征值的最大值，計算顯著區(qū)域的綜合相關(guān)性指標與目標幀圖像中所有超像素區(qū)域中綜合相關(guān)性指標的最大值之間的比值，得到相對綜合相關(guān)性系數(shù)；[0028]將溫度異常特征值的最大值與相對綜合相關(guān)性系數(shù)之間乘積進行歸一化處理，得到顯著區(qū)域內(nèi)部出現(xiàn)孔隙異常的可能性值。[0029]其效果在于：通過結(jié)合溫度異常特征值的最大值和相對綜合相關(guān)性系數(shù)，利用歸一化處理，能將復(fù)雜指標轉(zhuǎn)化為直觀可能性值，精準量化顯著區(qū)域內(nèi)部出現(xiàn)孔隙異常的概率，將結(jié)果歸一化到固定范圍，通常為[0,1],值越高孔隙異?？赡苄栽酱螅C合考慮溫度[0031]響應(yīng)于超像素區(qū)域內(nèi)部出現(xiàn)孔隙異常的可能性值大于等于預(yù)設(shè)孔隙異常閾值，則該區(qū)域內(nèi)部出現(xiàn)孔隙分布異常，控制系統(tǒng)進行標記；反之，小于預(yù)設(shè)孔隙異常閾值，則該區(qū)域內(nèi)部孔隙分布均勻且符合標準。[0033]對紅外圖像集合采用濾波算法對各幀油石圖像進行去噪處理，對紅外圖像集合進行對齊處理，并對紅外圖像集合中各幀油石圖像的背景進行歸一化處理，以降低背景差異對缺陷檢測的影響。7[0035]獲取加熱前多幀油石表面的原始紅外熱圖，并計算多幀油石表面的原始紅外熱圖的平均值，得到參考背景圖像，在油石經(jīng)過高溫?zé)Y(jié)工序后，利用紅外探測器以固定頻率獲取油石表面在冷卻階段的紅外圖像集合，從加熱后的紅外圖像序列中減去參考背景圖像，得到油石表面由于長脈沖激勵引起的實際紅外輻射上升值，完成背景歸一化處理。[0036]其效果在于：背景歸一化可以有效消除油石初始熱輻射分布不均勻帶來的影響，減少背景差異對后續(xù)缺陷檢測的干擾，提高檢測精度，背景歸一化后，可以得到油石表面由于長脈沖激勵引起的實際紅外輻射上升值，更加準確地反映油石在冷卻過程中的熱輻射變化，有助于后續(xù)對油石內(nèi)部孔隙分布異常的分析。[0037]本發(fā)明具有以下效果：[0038]1、本發(fā)明通過超像素分割和匹配，結(jié)合溫度異常特征值與綜合相關(guān)性指標，精準評估各超像素區(qū)域內(nèi)部出現(xiàn)孔隙異常的可能性，有效發(fā)現(xiàn)油石內(nèi)部潛在缺陷，確保靜壓成型質(zhì)量。[0039]2、本發(fā)明通過超像素分割、匹配及相關(guān)性分析，快速建立相鄰幀圖像中超像素區(qū)域的對應(yīng)關(guān)系，突出潛在的溫度異常區(qū)域，提高檢測效率，同時綜合考慮多種因素，提升檢測準確性。[0040]3、本發(fā)明通過分析溫度變化趨勢和相關(guān)性，結(jié)合距離權(quán)重和溫度異常權(quán)重進行加權(quán)融合，使檢測結(jié)果更具說服力和可靠性，為油石靜壓成型質(zhì)量檢測提供穩(wěn)定依據(jù)。附圖說明[0041]圖1是本發(fā)明實施例一種基于圖像處理的油石靜壓成型質(zhì)量檢測方法中步驟S1-步驟S4的方法流程圖。具體實施方式[0042]下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完[0043]參照圖1,一種基于圖像處理的油石靜壓成型質(zhì)量檢測方法包括步驟S1-步驟S4,具體如下：[0044]S1:獲取油石燒結(jié)冷卻階段的紅外圖像集合，并進行預(yù)處理。[0046]對紅外圖像集合采用濾波算法對各幀油石圖像進行去噪處理，對紅外圖像集合進行對齊處理，并對紅外圖像集合中各幀油石圖像的背景進行歸一化處理，以降低背景差異對缺陷檢測的影響。[0047]為消除油石樣品在燒結(jié)冷卻過程中因移動產(chǎn)生的影響，需要對紅外圖像集合進行對齊處理，采用特征點匹配算法(如SIFT算法),先檢測各幀圖像中的特征點，再根據(jù)特征點的匹配關(guān)系對圖像進行變換和對齊，從而保證紅外圖像集合中油石的位置和姿態(tài)的一致性。特征點匹配算法為本領(lǐng)域人員公知技術(shù)，不再詳細描述。[0049]獲取加熱前多幀油石表面的原始紅外熱圖，并計算多幀油石表面的原始紅外熱圖8取油石表面在冷卻階段的紅外圖像集合，從加熱后的紅外圖像序列中減去參考背景圖像，[0050]獲取參考背景圖像，其目的是為了獲得一個穩(wěn)定且具有代表性的背景熱輻射分布。計算各幀油石圖像中各超像素區(qū)域在冷卻過程中的溫度異常特征值。[0053]獲取各幀油石圖像中所有像素點的灰度值，使用sobel算子計算各像素點的梯度幅值；對應(yīng)區(qū)域；[0058]響應(yīng)于目標幀圖像后一幀油石圖像的超像素區(qū)域匹配到目標幀圖像中至少兩個計算目標幀圖像中顯著區(qū)域的像素點的灰度均值與目標幀圖像中所有像素點的灰度均值