[0034] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于图像处理的锅炉零件尺寸检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0035] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
[0036] 在生产加工锅炉炉排后，需要对炉排的尺寸进行检测，筛选出不符合尺寸要求的次品。
[0037] 本发明实施例采用传送带装置实现锅炉炉排检测的全自动化，在所述传送带尾部一侧布置机械手，当检测到锅炉炉排的尺寸不符合要求时，将该检测结果发送给机械手控制设备，启动机械手将该锅炉炉排放置到异常零件存储处。下面结合附图具体的说明本发明所提供的基于图像处理的锅炉零件尺寸检测方法的具体方案。
[0038] 请参阅图1，其示出了本发明一个实施例提供的基于图像处理的锅炉零件尺寸检测方法的步骤流程图，该方法包括以下步骤：
[0039] 步骤S001，设置滑动窗口遍历采集到的锅炉炉排的俯视图像，对首个窗口进行去噪，在窗口滑动过程中，以目标窗口的上一行的中点像素点作为参考值，构建目标窗口的参考指标，利用每个目标窗口的参考指标进行逐窗口的滤波操作，获取俯视图像的去噪图像。
[0040] 具体的步骤包括：
[0041] 1.采集锅炉炉排的俯视图像。
[0042] 对大批量生产加工后的圆形炉排通过传送带进行传输，相机部署在接近输送带尾部的位置，位于传送带的正上方，以俯视角度进行锅炉炉排图像的采集。对于采集的待检测炉排的多张俯视图像，选取图像中心点与待检测圆形锅炉炉排圆心位置一致的俯视图像作为后续处理的图像。
[0043] 2.对俯视图像进行逐窗口的滤波操作，得到去噪图像。
[0044] 考虑到锅炉炉排生产加工环境较为繁杂，所采集的图像将会存在大量噪声，传统的图像滤波算法如中值滤波、均值滤波、高斯滤波以及自适应中值滤波等，在进行滤波去噪的同时会对图像产生平滑效果，平滑之后的图像边缘信息将会保留得不完整、不清晰，会对后续锅炉炉排边缘图像提取造成困难，因此，为避免滤波后边缘弱化的问题，本发明实施例设置图像滤波调整因子，结合滑动窗口对图像进行滤波操作。
[0045] 具体的步骤包括：
[0046] 2.1设置滑动窗口遍历采集到的锅炉炉排的俯视图像，对首个窗口进行去噪，在窗口滑动过程中，以目标窗口的上一行的中点像素点作为参考值，构建目标窗口的参考指标。
[0047] 窗口尺寸以及窗口的滑动方向根据实际情况设定。
[0048] 作为一个示例，本发明实施例窗口滑动方向为从图像左上角开始，从图像上方往下方滑动，本发明实施例窗口尺寸为3×3。
[0049] 为了避免传统均值滤波的不具有针对性且忽略各窗口内各子块像素点的影响权值等问题，本发明实施例在窗口进行滑动过程中，以目标窗口前一行中点像素值为参考值，并构建参考指标：
[0050]
[0051] 其中，IC为目标窗口内第C个像素点的像素值，IQ为参考像素值，也即目标窗口前一行的中点像素值。C＝1，2，…，9。
[0052] 2.2利用参考指标得到目标窗口中每个像素点的权重，根据每个像素点的像素值以及对应的权重得到目标窗口的中心点像素值。
[0053] 建立权重分配模型：
[0054] wC＝(IC‑D)‑a
[0055] 其中，wC表示第C个像素点的权重，为大于零的模型参数。
[0056] 作为一个示例，本发明实施例中a取值为2。
[0057] 权重分配模型函数值越大，像素点的像素值与参考指标越相似，则对应的权值越高。
[0058] 根据目标窗口内各像素点的权重对目标窗口中心点的像素值进行计算，目标窗口中心点像素值分析模型为：
[0059]
[0060] 其中，IO表示目标窗口的中心点像素值。
[0061] 2.3根据目标窗口中各个像素点与中心点的灰度差异以及所有像素点之间的灰度差异得到目标窗口的调控因子，利用调控因子对中心点像素值进行优化。
[0062] 为了避免滤波过程中边缘信息过于平滑，本发明实施例将对窗口中心点像素值进行优化，基于目标窗口内各像素点的信息引入调整因子，对权值分配模型进行调整，以保证更加凸显以及保持目标窗口中心点像素的特征，调控因子的计算方法为：
[0063]
[0064] 其中，I00为滤波前目标窗口中心点的像素值，σ表示滤波前目标窗口内各像素点的灰度方差。
[0065] 根据调控因子得到权值分配优化模型：w′C＝εC*wC，进一步，可获取目标窗口中心像素点优化模型：
[0066] 此时，完成了对目标窗口的滤波操作。本发明实施例能够基于不同权值更加适应性地对目标窗口中心像素点进行滤波分析，有效消除图像噪声，同时避免传统滤波过程中边缘信息不完整的问题。
[0067] 2.4对进行滤波后的图像进行光照均衡处理，得到去噪图像。
[0068] 对滤波后的图像进行光照均衡化处理，避免光照不均匀对后续炉排特征的提取。
[0069] 图像光照均衡化现有方法有很多，优选地，本发明实施例采用二维Gamma函数对去噪后的图像进行光照均衡化处理。在其他实施例中，还可以采用直方图均衡化、伽马变换、灰度变换法以及阈值化方法等能够达到同样效果的光照均衡化方法。
[0070] 至此，对炉排图像完成了初步预处理，能够有效降低图像的噪声，并基于调整因子对滤波过程进行优化，以保证锅炉炉排图像边缘信息的完整度，防止边缘过于平滑，同时避免光照不均的影响，提高锅炉炉排特征提取的精度，进而保证炉排标准度检测的准确性。
[0071] 步骤S002，对去噪图像进行边缘提取，筛选出边缘中的连续点，根据相邻连续点的数量获取待连接边缘段，利用圆的数学性质将相邻的待连接边缘段连接，获取边缘信息。
[0072] 具体的步骤包括：
[0073] 1.对去噪图像进行边缘提取。
[0074] 通过边缘检测算子对去噪图像进行圆形炉排边缘提取，获取锅炉炉排的边缘图像，对炉排内部进行背景填充，仅保留外圈单个的边缘像素点。
[0075] 作为一个示例，本发明实施例采用Sobel边缘检测算法对炉排进行边缘提取，在其他实施例中，还可以采用Canny边缘检测算法、Roberts边缘检测算法等能够达到相同效果的边缘检测方法。
[0076] 2.统计边缘上的任意一个像素点的邻域像素点的像素值，当像素值不为零的邻域像素点的数量大于预设阈值时，该像素点为连续点。
[0077] 请参阅图2，选取任意一个边缘像素点作为检测点进行分析，获取其八邻域像素点的像素值，统计八邻域像素点像素值不为零的个数，若大于预设阈值1，则该检测点为连续点，否则，该检测点为不连续点。当检测点为连续点时，以其邻域中任意一个像素值不为零的像素点作为新的检测点进行连续点判定，得到锅炉炉排边缘图像中的所有连续点，对其进行标记，相邻连续点的数量超过连续阈值M时，组成待连接边缘201，待连接边缘201的端点202为不连续点；当相邻连续点的数量小于连续阈值M时，组成的曲线过短，将其作为不连续点集合203，进行相邻待连接边缘段连接时，不考虑不连续点集合203。
[0078] 作为一个示例，本发明实施例中，连续阈值M取值为50。
[0079] 3.获取相邻的待连接边缘段相邻侧的两个端点作为待连接点，获取过待连接点的两条切线的交点；将两个待连接点之间的欧氏距离等分为多段线段，获取每段线段的中点与交点的连线，将每条连线的中点相连接，完成将相邻的待连接边缘段连接。
[0080] 现有技术中对于待连接点的连接方法有很多：填充法、膨胀法以及小范围连接法等，这些连接方法在连接过程中需要对连接方向进行大量盲目性搜索，为降低系统计算量，降低系统检测结果，本发明实施例利用圆的数学性质实现对待连接点的快速准确连接。
[0081] 基于两个待连接的位置关系进行连接：对于两个待连接点k1、k2，获取两点切线的交点k，将两点之间的欧式距离等分为N段线段， 其中，L表示两个待连接点之间的欧氏距离，γ表示分割因子，也即分割的每条线段的长度，作为一个示例，本发明实施例取值为γ＝5。
[0082] 然后，获取交点与每段线段中点的连线，进一步得到各连线的中点，最后将各连线中点进行连接即可实现两个待连接点的连接，所有相邻的待连接边缘段都连接之后，获取锅炉炉排完整的边缘信息。
[0083] 需要说明的是，为了保证优化精度，尽可能取较小的分割因子，即较大的分割份数N。
[0084] 步骤S003，对边缘信息进行霍夫圆检测，得到最优检测圆；获取最优检测圆的特征指标，根据特征指标构建标准度分析模型，判断当前的炉排尺寸是否合格；特征指标包括形状指标和尺寸指标。
[0085] 具体的步骤包括：
[0086] 1.获取最优检测圆。
[0087] 通过霍夫圆检测得到多个检测圆，通过投票机制得到包含边缘像素点最多的预设数量的备选圆；计算备选圆的圆心与俯视图像的中心点的距离，以最小距离对应的备选圆作为最优检测圆。
[0088] 具体的，通过投票机制以属于检测圆的边缘像素点的数量作为投票值，获取各检测圆的投票值并按照数值从大到小进行排列：P＝{P1,P2,…,Pn}，n为霍夫变换检测出的检测圆的数量，根据投票值序列选取前Top—K个检测圆作为备选圆。
[0089] 为获取锅炉炉排边缘对应的准确的检测圆，分析各检测圆的圆心(xz,yz)，z＝1,2,…,n，与待检测图像中心点O(xo,yo)的距离： 以备选圆的
圆心与图像中心点的距离组成距离序列{d1,d2,…,dK}，选取min{d1,d2,…,dK}所对应的备选圆作为最优检测圆。
[0090] 2.以每个边缘像素点到最优检测圆的距离之和作为形状指标。
[0091] 基于最优检测圆分析锅炉炉排的形状指标，构建形状指标分析模型：
[0092]
[0093] 其中，lj为锅炉炉排的第j个边缘像素点到检测圆的距离。
[0094] 3.以最优检测圆的半径与标准炉排的标准半径的差异作为尺寸指标。
[0095] 提取锅炉炉排的尺寸指标，用于判定炉排整体尺寸标准度。获取所述最优检测圆的半径r，分析锅炉炉排的尺寸特征，尺寸指标Δr的计算方法为：
[0096] Δr＝|r‑r0|
[0097] 其中，r0表示所生产加工的标准圆形锅炉炉排的半径。该尺寸指标函数值越大，与标准活路炉排的尺寸差别就越大，待检测炉排标准度越低。
[0098] 4.将形状指标和尺寸指标进行加权求和，通过与加权求和的结果呈负相关关系来构建标准度分析模型。
[0099] 基于锅炉炉排的特征指标，建立锅炉炉排尺寸标准度评估模型，并对其进行归一化处理，根据评估模型对所述炉排的尺寸标准度ST进行计算，标准度评估模型具体为：
[0100]
[0101] 其中，c1、c2分别为形状指标和尺寸指标的权值，标准度评估模型函数值ST越大，则锅炉炉排尺寸标准度越高。
[0102] 作为一个示例，本发明实施例中c1＝c2＝0.5。
[0103] 5.通过设置分段阈值获取尺寸标准度的多个分段区间，判断锅炉炉排是否合格。
[0104] 作为一个示例，本发明实施例中设置4个分段阈值，分别为0.2、0.4、0.6、0.8。相应的，得到五个分段区间，进而判断锅炉炉排是否合格：ST∈(0,0.2)时，锅炉炉排尺寸出现严重异常，不能投入后续使用；ST∈[0.2,0.4)时，锅炉炉排尺寸标准度低；ST∈[0.4,0.6)时，锅炉炉排尺寸标准度稍微偏低；ST∈[0.6,0.8)时，锅炉炉排尺寸标准度一般，不影响后续锅炉的通风散热；ST∈[0.8,1)时，锅炉炉排尺寸标准度高，可投入后续使用。
[0105] 当检测到锅炉炉排尺寸标准度高于0.6时，认为锅炉炉排尺寸正常，可以投入后续使用；当检测到锅炉炉排尺寸标准度低于0.6时，认为锅炉炉排尺寸标准度过低，系统将发出预警，将检测结果发送给机械臂控制器，机械臂将该锅炉炉排放置到异常零件存储处，将其与尺寸标准度高的锅炉炉排分开，以便相关操作人员对尺寸标准度出现异常的炉排进行再次加工处理。
[0106] 该方法能够有效提高锅炉炉排尺寸检测效率，避免人为检测的人力物力浪费以及检测误差较高的问题，计算量低、检测速度快并且精度高。
[0107] 综上所述，本发明实施例设置滑动窗口遍历采集到的锅炉炉排的俯视图像，对首个窗口进行去噪，在窗口滑动过程中，以目标窗口的上一行的中点像素点作为参考值，构建目标窗口的参考指标，利用每个目标窗口的参考指标进行逐窗口的滤波操作，获取俯视图像的去噪图像；对去噪图像进行边缘提取，筛选出边缘中的连续点，根据相邻连续点的数量获取待连接边缘段，利用圆的数学性质将相邻的待连接边缘段连接，获取边缘信息；对边缘信息进行霍夫圆检测，得到最优检测圆；获取最优检测圆的特征指标，根据特征指标构建标准度分析模型，判断当前的炉排尺寸是否合格；特征指标包括形状指标和尺寸指标。本发明实施例能够有效降低图像的噪声，并保证锅炉炉排图像边缘信息的完整度，进而提高尺寸检测的准确性。
[0108] 需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0109] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0110] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
