(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211164723.6 (22)申请日 2022.09.23 (65)同一申请的已公布的文献号 申请公布号 CN 115239735 A (43)申请公布日 2022.10.25 (73)专利权人 探长信息技 术 （苏州） 有限公司 地址 215400 江苏省苏州市太 仓市娄东 街 道北京东路8 8号东E幢4号 (72)发明人 韦振　魏荣生　 (74)专利代理 机构 苏州周智专利代理事务所 (特殊普通 合伙) 32312 专利代理师 杨月芳 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01)G06T 5/00(2006.01) G06T 5/20(2006.01) G06T 5/40(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 114757949 A,202 2.07.15 CN 114445387 A,202 2.05.06 CN 114187289 A,202 2.03.15 CN 114663416 A,202 2.06.24 审查员 吴瑶裔 (54)发明名称 基于计算机视觉的通信柜表面缺陷检测方 法 (57)摘要 本发明涉及图像处理领域， 具体涉及基于计 算机视觉的通信柜表面缺陷检测方法。 该方法包 括如下步骤： 采集通信柜表面图像， 基于图像中 像素点的梯度幅值绘制梯度幅值直方图获取第 一阈值， 筛选出疑似边缘点并得到所有疑似边 缘； 对疑似边缘分段； 基于疑似边缘每个片段中 所有像素点的切线方向获取疑似边缘每个片段 的平滑度以及权重， 进而获取疑似边缘的边缘 率， 筛选出准确边缘， 排除了噪声点及伪边缘的 干扰， 更加准确地获取到通信柜表 面不明显的缺 陷； 本发明提高了对通信柜表 面缺陷检测的可靠 性。 权利要求书2页 说明书9页 附图1页 CN 115239735 B 2022.12.27 CN 115239735 B 1.基于计算机 视觉的通信柜表面 缺陷检测方法， 包括如下步骤： S1:采集通信柜表面灰度图像， 根据所述灰度图像所有像素点的梯度 幅值获取梯度幅 值直方图； 根据所述梯度幅值直方图获取第一阈值； 将所述灰度图像中梯度幅值大于第一 阈值的所有像素点记为疑似边缘点； 根据疑似边缘点的位置获取所有疑似边缘， 计算每个 疑似边缘中每个像素点的切线方向； S2:将每个疑似边 缘按照第一预设长度进行分段， 得到每 个疑似边 缘的所有片段； 根据每个疑似边缘每个片段中所有像素点的切线方向获取每个疑似边缘每个片段的 平滑度， 包括： S201:计算疑似边缘每个片段中相邻像素点切线方向角度的差值， 所有所述相邻像素 点的所述差值构成疑似边缘每个片段的切线方向角度差值序列， 将 每个片段的切线方向角 度差值序列的长度记 为每个片段的第一长度； 将所述序列中连续大于等于第一预设阈值的 切线方向角度差值划分为一个类别， 得到疑似边缘每个片段的多个第一类别； 将所述序列 中连续小于所述第一预设阈值的切线方向角度差值划分为一个类别， 得到 疑似边缘每个片 段的多个第二类别； S202:获取疑似边缘每个片段的每个第一类别所包含的元素数量， 将每个片段所有第 一类别的最大元素数量记为每个片段的第一最大长度， 获取疑似边缘每个片段的每个第二 类别所包含的元素数量， 将 每个片段所有第二类别的最大元素数量记为每个片段的第二最 大长度； S203:根据每个片段的第一最大长度、 第二最大长度、 第一长度及每个片段所有类别的 个数获取每 个片段的平 滑度； S3:根据每个疑似边缘每个片段中所有像素点的切线方向与梯度 方向的夹角得到每个 疑似边缘每个片段的方向垂 直性； 将每个疑似边缘每个片段的方向垂直性除以每个疑似边 缘所有片段的方向垂 直性之和得到所述每个疑似边缘每个片段的权重； 根据每个疑似边缘 每个片段的平 滑度、 权重及所述每 个疑似边 缘中像素点个数获取每 个疑似边 缘的边缘率； S4： 根据疑似边缘的边缘率得到疑似缺陷区域， 将疑似缺陷区域输入到神经网络 中， 得 到通信柜表面 准确的缺陷区域及缺陷类别。 2.根据权利要求1所述的基于计算机视觉的通信柜表面缺陷检测方法， 其特征在于， 所 述根据所述梯度幅值 直方图获取第一阈值， 包括： 对梯度幅值直方图进行均值滤波， 计算均值滤波后的梯度幅值直方图上每个点的切线 的斜率， 将第一个斜 率局部极小值对应的点所对应的梯度幅值设为第一阈值。 3.根据权利要求1所述的基于计算机视觉的通信柜表面缺陷检测方法， 其特征在于， 所 述根据疑似边 缘点的位置获取 所有疑似边 缘， 包括： 将所有疑似边缘点作为顶点， 八邻域范围内相邻的任意两个疑似边缘点之间的设置 边， 八邻域范围内不相 邻的任意两个疑似边缘点之 间的不设置边， 构建一个无向图； 获取无 向图中所有可能的游走路径构成的第一 集合； 将第一集合中任意两个游走路径作为第 一游走路径与第 二游走路径， 对第 一游走路径 与第二游走路径执行如下判断和删除操作： 当第一游走路径经过的所有边构成的第一边集 为第二游走路径经过的所有边构成的第二边集的一个子集时， 将第一游走路径从第一集合 中删除， 当所述第二边集为所述第一边集的一个子集时， 将第二游走路径从第一集合中删权　利　要　求　书 1/2 页 2 CN 115239735 B 2除； 对第一集合中所有成对的第 一游走路径与第 二游走路径进行判断和删除操作后， 将第 一集合中剩余的每 个游走路径作为疑似边 缘。 4.根据权利要求1所述的基于计算机视觉的通信柜表面缺陷检测方法， 其特征在于， 所 述根据每个片段的第一最大长度、 第二最大长度、 第一长度及每个片段所有类别的个数获 取每个片段的平 滑度的方法为： 分别获取每个片段的第 一最大长度与每个片段第 一长度的第 一比值、 每个片段的第 二 最大长度与每个片段第一长度的第二比值， 将第一比值和 第二比值的和记为每个片段的第 一转折特征； 将 每个片段所有类别的个数减去一后与每个片段第一长度的比值记为每个片 段的第二转折特征， 将第二转折特征输入到负相关 映射模型中获得映射结果， 所述映射结 果与第一转折特征的乘积作为每个片段的平滑度； 所述负相关映射模型采用的是以自然常 数为底的负指数模型。 5.根据权利要求1所述的基于计算机视觉的通信柜表面缺陷检测方法， 其特征在于， 所 述疑似边 缘每个片段的方向垂直 性的表达式如下： 其中 为第 条疑似边缘第 个片段的方向垂直性； 为第 条疑似边缘第 个片 段中第 个像素点的切线方向与梯度方向的夹角； 为第 条疑似边缘第 个片段中像素点 个数； 为以自然常数为底的指数模型。 6.根据权利要求1所述的基于计算机视觉的通信柜表面缺陷检测方法， 其特征在于， 所 述疑似边 缘的边缘率的表达式如下： 其中 为第 条疑似边缘的边缘率； 为第 条疑似边缘第 个片段的平滑度； 为第 条疑似边缘第 个片段的权重； 为第 条疑似边缘所有片段的个数； 为第 条疑似边缘 中像素点个数； 为归一化系数； 为双曲正切函数。 7.根据权利要求1所述的基于计算机视觉的通信柜表面缺陷检测方法， 其特征在于， 根 据疑似边 缘的边缘率得到疑似缺陷区域的方法为： 当疑似边缘的边缘率大于第二预设阈值时， 则判断疑似边缘为准确边缘， 当疑似边缘 的边缘率小于等于第二预设阈值时， 则判断疑似边缘不是准确 边缘； 将以准确 边缘为边缘 的连通域作为疑似缺陷区域。权　利　要　求　书 2/2 页 3 CN 115239735 B 3