(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 202211185941.8 (22)申请日 2022.09.28 (71)申请人 南通先端精密机 械有限公司 地址 226000 江苏省南 通市如东县岔河镇 银河工业园区银河村六组 (72)发明人 黄春芳　 (74)专利代理 机构 济宁仁礼信知识产权代理事 务所(普通 合伙) 37383 专利代理师 朱英民 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/41(2017.01) G06T 7/62(2017.01) (54)发明名称 一种基于数据处理的合金缺陷定量检测方 法 (57)摘要 本发明涉及数据处理领域， 提出一种基于数 据处理的合金缺陷定量检测方法， 包括： 获取待 检测合金灰度图像正常灰度值集合和异常灰度 值集合及待检测合金灰度图像的正常灰度参考 值， 利用正 常灰度值集合和异常灰度值集合判断 待检测合金灰度图像中的像素点及其8邻域内的 像素点为正/异常像素点获取自适应上采样图 像， 获取待检测合金灰度图像和上采样图像中的 缺陷区域， 利用待检测合金灰度图像和自适应上 采样图像中缺陷区域像素点的灰度值、 缺陷区域 面积及待检测合金灰度图像的正常灰度参考值 得到待检测合金灰度图像缺陷程度的联合评价 公式， 并对待检测合金灰度图像缺陷程度进行判 定。 本发明通过对图像数据的处理实现了对合金 表面缺陷的定量检测。 权利要求书2页 说明书10页 附图1页 CN 115272322 A 2022.11.01 CN 115272322 A 1.一种基于数据处 理的合金缺陷定量检测方法， 其特 征在于， 包括： S1： 获取待检测合金 灰度图像； S2： 对待检测合金灰度图像中每个灰度值所对应的像素点个数进行排序得到灰度集 合， 计算灰度集 合中相邻灰度值的梯度； S3： 根据灰度集合中相邻灰度值的梯度得到待检测合金灰度图像 中正常灰度值集合和 异常灰度值 集合， 并根据正常灰度值 集合获取待检测合金 灰度图像的正常灰度参 考值； S4： 当待检测合金灰度图像中像素点及其邻域内的像素点都为正常像素点时， 将该像 素点与其邻域像素点的灰度均值作为该像素点邻域的内插灰度值； 当待检测合金灰度图像 中像素点为正常像素点但其邻域像素点存在异常像素点时， 将该像素点与其邻域像素点的 最大梯度值作为该像素点邻域的内插灰度值； 当待检测合金灰度图像中像素点为异常像素 点时， 将该像素点的灰度值作为该像素点邻域的内插灰度值； S5： 利用待检测合金灰度图像 中每个像素点的内插灰度值对待检测合金灰度图像中的 每个像素点的邻域进行内插得到第一次上采样图像； S6： 利用步骤S2 ‑S5对第一次上采样图像进行处理得到第二次上采样图像， 同理获得第 三次上采样图像； S7： 构建神经网络， 并分别将待检测合金灰度图像、 第一次上采样图像、 第二次上采样 图像和第三次上采样图像作为神经网络的输入， 分别输出待检测 合金灰度图像、 第一次上 采样图像、 第二次上采样图像和第三次上采样图像中的缺陷区域， 利用获得 的所有缺陷区 域内像素点的灰度值、 缺陷区域的面积及待检测合金灰度图像的正常灰度参考值计算待检 测合金灰度图像的缺陷程度； S8： 利用待检测合金灰度图像的缺陷程度及缺陷程度的阈值区间对合金表面缺陷程度 等级进行判定 。 2.根据权利要求1所述的一种基于数据处理 的合金缺陷定量检测方法， 其特征在于， 所 述待检测合金 灰度图像是按如下 方法确定的： 获取待检测合金表面图像； 对待检测合金表面图像进行 灰度化处 理得到待检测合金 灰度图像。 3.根据权利要求1所述的一种基于数据处理 的合金缺陷定量检测方法， 其特征在于， 所 述得到待检测合金 灰度图像中正常灰度值 集合和异常灰度值 集合的步骤 包括： 将待检测合金灰度图像中每个同一灰度值对应的像素点的个数按照由大到小的顺序 进行排列得到灰度值 集合； 计算该灰度值集合内相邻灰度值对应的像素点梯度； 获取所有梯度中最大梯度所对应的两个灰度值； 将最大梯度所对应的两个灰度值中像素点个数多的灰度值及大于该灰度值的所有灰 度值作为正常灰度值并得到正常灰度值集合， 则灰度值集合内除正常灰度值外的其余灰度 值作为异常灰度值并得到异常灰度值 集合。 4.根据权利要求1所述的一种基于数据处理 的合金缺陷定量检测方法， 其特征在于， 所 述待检测合金 灰度图像的正常灰度参 考值为正常灰度值 集合中所有灰度值的均值。 5.根据权利要求1所述的一种基于数据处理 的合金缺陷定量检测方法， 其特征在于， 所 述构建的神经网络的具体步骤 包括：权　利　要　求　书 1/2 页 2 CN 115272322 A 2YOLO‑V4神经网络； 该YOLO‑V4神经网络是按照如下方式进行训练： 合金灰度图像及其对应的上采样图像 作为YOLO ‑V4神经网络的输入， 输出为合金灰度图像及其对应的上采样图像中对应的缺陷 区域， 并对神经网络训练， 得到训练好的神经网络 。 6.根据权利要求1所述的一种基于数据处理 的合金缺陷定量检测方法， 其特征在于， 所 述计算待检测合金 灰度图像的缺陷程度的方法为： 分别获取待检测合金灰度图像、 第一次上采样图像、 第二次上采样图像和第三次上采 样图像的缺陷区域 面积； 计算每个缺陷区域内像素点的灰度值的方差， 并将方差作为每个缺陷区域对应的灰度 波动程度； 根据待检测合金灰度图像中缺陷区域的面积与其第 一次上采样图像面积的比值、 该待 检测合金灰度图像中缺陷区域的波动程度、 像素点的灰度均值与待检测合金灰度图像的正 常灰度参 考值的差值得到待检测合金 灰度图像的初始缺陷程度； 同理获取第一次上采样图像和第二次上采样图像的第一 缺陷程度和第二 缺陷程度； 利用获得的第二次上采样图像中缺陷区域的面积与其第二次上采样图像面积的比值 及第三次上采样图像中缺陷区域的面积与其第三次上采样图像面积的比值得到第三次上 采样图像的第三 缺陷程度； 根据初始缺陷程度、 第一缺陷程度、 第二缺陷程度、 第 三缺陷程度 得到待检测合金灰度 图像的缺陷程度。 7.根据权利要求1所述的一种基于数据处理 的合金缺陷定量检测方法， 其特征在于， 所 述对合金表面 缺陷程度进行判定方法是： 当计算得到待检测合金灰度图像的缺陷程度的值小于第 一阈值， 则当前合金表面不存 在缺陷； 当计算得到待检测合金灰度图像的缺陷程度的值在第 一阈值与第 二阈值之间， 则当前 合金表面轻度缺陷； 当计算得到待检测合金灰度图像的缺陷程度的值在第 二阈值与第 三阈值之间， 则当前 合金表面中度缺陷； 当计算得到待检测合金灰度图像的缺陷程度的值大于第 三阈值， 则当前合金表面重度 缺陷。权　利　要　求　书 2/2 页 3 CN 115272322 A 3