(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211194797.4 (22)申请日 2022.09.29 (71)申请人 加力卡塞阀门 （江苏） 有限公司 地址 226000 江苏省南 通市通州区兴仁镇 徐庄工业区创新北路58号 (72)发明人 高金鑫　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 5/00(2006.01) G06T 5/20(2006.01) (54)发明名称 基于梯度向量的金属零件缺陷精准检测方 法 (57)摘要 本发明公开了基于梯度向量的金属零件缺 陷精准检测方法， 涉及图像处理领域， 该方法包 括： 获取待检物表面的灰度图像； 对灰度图像进 行边缘检测得到所有边缘像素点的梯度向量和 梯度向量角； 获取每个非边缘像素点的梯度向量 和梯度向量角； 根据边缘像素点\非边缘像素点 的梯度向量、 梯度向量角以及边缘像素点\非边 缘像素点与目标邻域像素点之间的梯度变化量、 梯度变化角度得到边缘像素点的梯度变化关系； 利用梯度变化关系从边缘像素点\非边缘像素点 中确定出噪声点； 对灰度图像中存在噪声点的 图 像块进行滤波得到滤波后的灰度图像； 对灰度图 像进行语义 分割得到灰度图像中的缺陷区域， 本 发明提高了金属零件缺陷检测的准确性。 权利要求书2页 说明书6页 附图1页 CN 115272336 A 2022.11.01 CN 115272336 A 1.基于梯度向量的金属零件缺陷精准检测方法， 其特 征在于： 获取待检物 表面的灰度图像； 对灰度图像进行边 缘检测得到每 个边缘像素点的梯度向量和梯度向量角； 根据灰度图像中每个非边缘像素点与邻域像素点之间的梯度变化量获得每个非边缘 像素点的梯度向量和梯度向量角； 根据每个边缘像素点\非边缘像素点的梯度向量角选取边缘像素点\非边缘像素点的 目标邻域像素点， 获取每个边缘像素点\非边缘像素点与目标邻域像素点之间的梯度变化 量和梯度变化角度； 根据每个边缘像素点 \非边缘像素点的梯度向量、 梯度向量角以及边缘像素点\非边缘 像素点与目标邻域像素点之间的梯度变化量、 梯度变化角度得到每个边缘像素点\非边缘 像素点的梯度变化关系； 利用每个边缘像素点\非边缘像素点的梯度变化关系从边缘像素点\非边缘像素点中 确定出噪声点； 将灰度图像划分为多个图像块， 对灰度图像中存在噪声点的图像块进行滤波得到滤波 后的灰度图像； 对滤波后的灰度图像进行语义分割得到灰度图像中的缺陷区域。 2.根据权利要求1所述的基于梯度向量的金属零件缺陷精准检测方法， 其特征在于， 根 据灰度图像中每个非边缘像素点与邻域像素点之间的梯度变化量获得每个非边缘像素点 的梯度向量和梯度向量角的步骤 包括： 利用非边缘像素点与每个邻域像素点之间的灰度值差值得到非边缘像素点与对应的 邻域像素点之间的梯度变化 量的模长； 将非边缘像素点指向每个邻域像素点的方向作为非边缘像素点与每个的邻域像素点 的梯度变化 量的方向； 利用非边缘像素点与每个邻域像素点的梯度变化量的模长与梯度变化量的方向得到 非边缘像素点与每 个的邻域像素点之间的梯度变化 量； 将非边缘像素点与每个邻域像素点的梯度变化量按照顺序相加得到该非边缘像素点 的梯度向量； 将非边缘像素点的梯度向量的向量方向与水平向右方向的夹角作为该非边缘像素点 的梯度向量角。 3.根据权利要求1所述的基于梯度向量的金属零件缺陷精准检测方法， 其特征在于， 根 据每个边缘像素点\非边缘像素点的梯度向量角选取边缘像素点\非边缘像素点的目标邻 域像素点的步骤 包括： 获取每个边缘像素点\非边缘像素点的邻域像素点中沿边缘像素点\非边缘像素点的 梯度向量角的方向距离最近的邻域像素点， 记为边缘像素点\非边缘像素点的目标邻域像 素点。 4.根据权利要求2所述的基于梯度向量的金属零件缺陷精准检测方法， 其特征在于， 获 取每个边缘像素点\非边缘像素点与目标邻域像素点之 间的梯度变化量和梯度变化角度的 步骤包括： 利用获得非边缘像素点与每个邻域像素点的梯度变化量和梯度变化量的方向的方法，权　利　要　求　书 1/2 页 2 CN 115272336 A 2获取每个边缘像素点\非边缘像素点与目标邻域像素点之 间的梯度变化量和梯度变化量的 方向； 将边缘像素点\非边缘像素点与目标邻域像素点之间的梯度变化量的方向与 水平向右 方向的夹角作为该边 缘像素点\非边 缘像素点与目标邻域像素点之间的梯度变化角度。 5.根据权利要求1所述的基于梯度向量的金属零件缺陷精准检测方法， 其特征在于， 根 据每个边缘像素点的梯度向量、 梯度向量角以及边缘像素点与目标邻域像素点之 间的梯度 变化量、 梯度变化角度得到每 个边缘像素点的梯度变化关系的公式为： 其中， 表示第 个边缘像素点的梯度变化关系； 表示第 个边缘像素点的梯度向量 的模长； 表示第 个边缘像素点的梯度向量角； 表示第 个边缘像素点与目标邻域像素 点之间的梯度变化量的模长； 表示第 个边缘像素点与目标邻域像素点之间的梯度变化 角度。 6.根据权利要求1所述的基于梯度向量的金属零件缺陷精准检测方法， 其特征在于， 认 为梯度变化关系大于1的边 缘像素点\非边 缘像素点 为噪声点。 7.根据权利要求1所述的基于梯度向量的金属零件缺陷精准检测方法， 其特征在于， 还 包括， 根据缺陷区域在灰度图像中的占比得到该待检物的缺陷程度。权　利　要　求　书 2/2 页 3 CN 115272336 A 3