开云优惠体育网页版入口

专利名称：一种负极材料石墨箱板的工艺缺陷智能识别方法

专利类型：发明专利

专利申请号：CN202411141828.9

专利申请（专利权）人：安康太伦新材料有限公司
权利人地址：陕西省安康市汉阴县平梁镇义河村三组

专利发明（设计）人：发明人:王伦军,江帆

专利摘要：本发明涉及图像处理技术领域，具体涉及一种负极材料石墨箱板的工艺缺陷智能识别方法；根据箱板二值图像中不同颜色的像素点的数量差异特征、像素点的预设邻域内不同颜色的其他像素点的占比差异特征获得最优箱板二值图像；根据最优箱板二值图像获得箱板灰度图像中的纹理区域；根据纹理区域中任意像素点的预设窗口内的灰度分布特征和灰度差异特征获得邻域复杂度；根据邻域复杂度获得参考像素点。本发明根据参考像素点的梯度方向的分布特征获得扫描方向并构建箱板灰度图像的灰度共生矩阵；根据灰度共生矩阵表征的纹理特征获得缺陷特征值并进行缺陷检测，提高了缺陷检测的准确性。

主权利要求：
1.一种负极材料石墨箱板的工艺缺陷智能识别方法，其特征在于，所述方法包括以下步骤：获取负极石墨箱板表面的箱板灰度图像；对所述箱板灰度图像进行不同灰度阈值的阈值分割获得不同的箱板二值图像；
根据所述箱板二值图像中不同颜色的像素点的数量差异特征获得数量差异特征值；根据所述箱板二值图像中像素点的预设邻域内不同颜色的其他像素点的占比差异特征获得边缘数量特征值；根据所述数量差异特征值和所述边缘数量特征值获得最优箱板二值图像；根据所述最优箱板二值图像获得箱板灰度图像中的纹理区域；
根据所述纹理区域中任意像素点的预设窗口内的灰度分布特征和灰度差异特征获得所述任意像素点的邻域复杂度；根据所述邻域复杂度获得箱板灰度图像中的参考像素点；
根据所述参考像素点的梯度方向的分布特征获得扫描方向；
根据所述扫描方向和预设距离构建所述箱板灰度图像的灰度共生矩阵；根据所述灰度共生矩阵表征的纹理特征获得缺陷特征值；根据所述缺陷特征值对负极石墨箱板进行缺陷检测；
所述根据所述数量差异特征值和所述边缘数量特征值获得最优箱板二值图像的步骤包括：计算预设第一权重与所述数量差异特征值的乘积，获得第一判断因子；计算预设第二权重与所述边缘数量特征值的乘积，获得第二判断因子；计算所述第一判断因子和所述第二判断因子的和值，获得所述箱板二值图像的分割适合度；将所述分割适合度的最大值对应的箱板二值图像作为所述最优箱板二值图像；
获取所述分割适合度的公式包括：
，式中，K表示箱板二值图像的分割适合度，
表示预设第一权重， 表示预设第二权重，A表示箱板二值图像中的白色像素点的数量，B表示箱板二值图像中的黑色像素点的数量，表示所述数量差异特征值， 表示第一判断因子，N表示箱板二值图像中像素点的数量， 表示第n个像素点的预设邻域内白色像素点的数量占比，作为白色占比值， 表示第n个像素点的预设邻域内黑色像素点的数量占比，作为黑色占比值， 表示整体占比差异值， 表示所述边缘数量特征值， 表示第二判断因子；
所述根据所述最优箱板二值图像获得箱板灰度图像中的纹理区域的步骤包括：
将所述最优箱板二值图像中白色像素点的位置区域作为所述箱板灰度图像的纹理区域；
所述根据所述纹理区域中任意像素点的预设窗口内的灰度分布特征和灰度差异特征获得所述任意像素点的邻域复杂度的步骤包括：计算所述纹理区域中任意像素点的预设窗口内像素点的灰度值的信息熵并归一化，获得所述任意像素点的灰度混乱值；计算所述任意像素点的预设窗口内灰度值的极差与常数
255的比值，获得所述任意像素点的灰度极差特征值；计算所述灰度混乱值与预设第三权重的乘积，获得第一复杂系数；计算所述灰度极差特征值与预设第四权重的乘积，获得第二复杂系数；计算所述第一复杂系数与所述第二复杂系数的和值，获得所述任意像素点的邻域复杂度。
2.根据权利要求1所述的一种负极材料石墨箱板的工艺缺陷智能识别方法，其特征在于，所述根据所述邻域复杂度获得箱板灰度图像中的参考像素点的步骤包括：将所述纹理区域中邻域复杂度超过预设复杂度阈值的像素点作为所述参考像素点。
3.根据权利要求1所述的一种负极材料石墨箱板的工艺缺陷智能识别方法，其特征在于，所述根据所述参考像素点的梯度方向的分布特征获得扫描方向的步骤包括：计算梯度方向在0度至22.5度、157.5度至180度的参考像素点的数量占比，获得第一占比值；计算梯度方向在22.5度至67.5度的参考像素点的数量占比，获得第二占比值；计算梯度方向在67.5度至112.5度的参考像素点的数量占比，获得第三占比值；计算梯度方向在
112.5度至157.5度的参考像素点的数量占比，获得第四占比值；
当第一占比值、第二占比值、第三占比值和第四占比值中第一占比值为最大值时，所述扫描方向为0度；若第二占比值为最大值时，所述扫描方向为45度；当所述第三占比值为最大值时，所述扫描方向为90度；当所述第四占比值为最大值时，所述扫描方向为135度。
4.根据权利要求1所述的一种负极材料石墨箱板的工艺缺陷智能识别方法，其特征在于，所述根据所述灰度共生矩阵表征的纹理特征获得缺陷特征值的步骤包括：计算所述灰度共生矩阵的能量并负相关映射，获得第一纹理指数；计算所述灰度共生矩阵的对比度并正相关映射，获得第二纹理指数；计算所述灰度共生矩阵的逆差矩并负相关映射，获得第三纹理指数；计算所述灰度共生矩阵的熵并正相关映射，获得第四纹理指数；计算所述第一纹理指数、所述第二纹理指数、所述第三纹理指数和所述第四纹理指数的乘积，获得所述缺陷特征值。
5.根据权利要求1所述的一种负极材料石墨箱板的工艺缺陷智能识别方法，其特征在于，所述根据所述缺陷特征值对负极石墨箱板进行缺陷检测的步骤包括：当所述缺陷特征值超过预设缺陷阈值时，负极石墨箱板表面存在工艺缺陷。 说明书 : 一种负极材料石墨箱板的工艺缺陷智能识别方法技术领域[0001] 本发明涉及图像处理技术领域，具体涉及一种负极材料石墨箱板的工艺缺陷智能识别方法。背景技术[0002] 石墨箱板是目前主流的锂离子电池负极材料，能够保持电极材料的稳定性，防止电池运行过程中发生体积膨胀，从而提高电池的使用寿命和安全性。为了保证石墨箱板的质量可靠性，需要对生产完成的石墨箱板进行工艺缺陷检测，提高产品质量。[0003] 由于石墨箱板在加工过程中容易产生划痕，严重划痕容易影响石墨箱板的性能，故需要对石墨箱板表面划痕情况进行判断。而制作石墨箱板时，在成型固化阶段由于工艺原因会导致石墨箱板表面存在纹理，因此在进行表面缺陷检测时需要区分纹理和划痕。传统方式下使用灰度共生矩阵能够对存在纹理特征的图像进行划痕缺陷的有效识别，但由于石墨箱板表面的纹理分布存在诸多变化和不确定性，导致灰度共生矩阵构建时的方向选择难以确定，使得划痕识别的准确率不高，影响工艺缺陷检测的准确性。发明内容[0004] 为了解决上述构建灰度共生矩阵时的方向难以确定，影响工艺缺陷检测准确性的技术问题，本发明的目的在于提供一种负极材料石墨箱板的工艺缺陷智能识别方法，所采用的技术方案具体如下：[0005] 获取负极石墨箱板表面的箱板灰度图像；对所述箱板灰度图像进行不同灰度阈值的阈值分割获得不同的箱板二值图像；[0006] 根据所述箱板二值图像中不同颜色的像素点的数量差异特征获得数量差异特征值；根据所述箱板二值图像中像素点的预设邻域内不同颜色的其他像素点的占比差异特征获得边缘数量特征值；根据所述数量差异特征值和所述边缘数量特征值获得最优箱板二值图像；根据所述最优箱板二值图像获得箱板灰度图像中的纹理区域；[0007] 根据所述纹理区域中任意像素点的预设窗口内的灰度分布特征和灰度差异特征获得所述任意像素点的邻域复杂度；根据所述邻域复杂度获得箱板灰度图像中的参考像素点；根据所述参考像素点的梯度方向的分布特征获得扫描方向；[0008] 根据所述扫描方向和预设距离构建所述箱板灰度图像的灰度共生矩阵；根据所述灰度共生矩阵表征的纹理特征获得缺陷特征值；根据所述缺陷特征值对负极石墨箱板进行缺陷检测。[0009] 进一步地，所述根据所述箱板二值图像中不同颜色的像素点的数量差异特征获得数量差异特征值的步骤包括：[0010] 计算所述箱板二值图像中白色像素点与黑色像素点的数量比值，获得所述箱板二值图像的数量差异特征值。[0011] 进一步地，所述根据所述箱板二值图像中像素点的预设邻域内不同颜色的其他像素点的占比差异特征获得边缘数量特征值的步骤包括：[0012] 计算所述箱板二值图像中像素点的预设邻域内白色像素点的数量占比，获得白色占比值；计算所述箱板二值图像中像素点的预设邻域内黑色像素点的数量占比，获得黑色占比值；计算所述箱板二值图像中所有像素点的白色占比值与黑色占比值的差值绝对值的平均值；获得整体占比差异值；计算常数1与所述整体占比差异值的差值，获得所述箱板二值图像的边缘数量特征值。[0013] 进一步地，所述根据所述数量差异特征值和所述边缘数量特征值获得最优箱板二值图像的步骤包括：[0014] 计算预设第一权重与所述数量差异特征值的乘积，获得第一判断因子；计算预设第二权重与所述边缘数量特征值的乘积，获得第二判断因子；计算所述第一判断因子和所述第二判断因子的和值，获得所述箱板二值图像的分割适合度；将所述分割适合度的最大值对应的箱板二值图像作为所述最优箱板二值图像。[0015] 进一步地，所述根据所述最优箱板二值图像获得箱板灰度图像中的纹理区域的步骤包括：[0016] 将所述最优箱板二值图像中白色像素点的位置区域作为所述箱板灰度图像的纹理区域。[0017] 进一步地，所述根据所述纹理区域中任意像素点的预设窗口内的灰度分布特征和灰度差异特征获得所述任意像素点的邻域复杂度的步骤包括：[0018] 计算所述纹理区域中任意像素点的预设窗口内像素点的灰度值的信息熵并归一化，获得所述任意像素点的灰度混乱值；计算所述任意像素点的预设窗口内灰度值的极差与常数255的比值，获得所述任意像素点的灰度极差特征值；计算所述灰度混乱值与预设第三权重的乘积，获得第一复杂系数；计算所述灰度极差特征值与预设第四权重的乘积，获得第二复杂系数；计算所述第一复杂系数与所述第二复杂系数的和值，获得所述任意像素点的邻域复杂度。[0019] 进一步地，所述根据所述邻域复杂度获得箱板灰度图像中的参考像素点的步骤包括：[0020] 将所述纹理区域中邻域复杂度超过预设复杂度阈值的像素点作为所述参考像素点。[0021] 进一步地，所述根据所述参考像素点的梯度方向的分布特征获得扫描方向的步骤包括：[0022] 计算梯度方向在0度至22.5度、157.5度至180度的参考像素点的数量占比，获得第一占比值；计算梯度方向在22.5度至67.5度的参考像素点的数量占比，获得第二占比值；计算梯度方向在67.5度至112.5度的参考像素点的数量占比，获得第三占比值；计算梯度方向在112.5度至157.5度的参考像素点的数量占比，获得第四占比值；[0023] 当第一占比值、第二占比值、第三占比值和第四占比值中第一占比值为最大值时，所述扫描方向为0度；若第二占比值为最大值时，所述扫描方向为45度；当所述第三占比值为最大值时，所述扫描方向为90度；当所述第四占比值为最大值时，所述扫描方向为135度。[0024] 进一步地，所述根据所述灰度共生矩阵表征的纹理特征获得缺陷特征值的步骤包括：[0025] 计算所述灰度共生矩阵的能量并负相关映射，获得第一纹理指数；计算所述灰度共生矩阵的对比度并正相关映射，获得第二纹理指数；计算所述灰度共生矩阵的逆差矩并负相关映射，获得第三纹理指数；计算所述灰度共生矩阵的熵并正相关映射，获得第四纹理指数；计算所述第一纹理指数、所述第二纹理指数、所述第三纹理指数和所述第四纹理指数的乘积，获得所述缺陷特征值。[0026] 进一步地，所述根据所述缺陷特征值对负极石墨箱板进行缺陷检测的步骤包括：[0027] 当所述缺陷特征值超过预设缺陷阈值时，负极石墨箱板表面存在工艺缺陷。[0028] 本发明具有如下有益效果：[0029] 在本发明中，获取不同的箱板二值图像能够确定清晰完整的纹理区域；获取数量差异特征值能够根据箱板二值图像中不同颜色的像素点的数量差异特征确定纹理区域的占比；获取边缘数量特征值能够确定纹理区域的分布特征；进而根据数量差异特征值和边缘数量特征值能够准确地获取分割效果最佳的最优箱板二值图像，使得获取的箱板灰度图像中的纹理区域最为清晰明显。获取邻域复杂度能够根据像素点的邻域窗口的灰度分布特征和灰度差异特征确定可能为纹理边缘的参考像素点；从而根据参考像素点的梯度方向的分布特征确定灰度共生矩阵的扫描方向，使得灰度共生矩阵的扫描方向和纹理边缘生长方向尽可能垂直，从而提高计算缺陷特征值的准确性。最终通过缺陷特征值进行缺陷检测，提高了石墨箱板的工艺缺陷检测的准确性。附图说明[0030] 为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。[0031] 图1为本发明一个实施例所提供的一种负极材料石墨箱板的工艺缺陷智能识别方法流程图。具体实施方式[0032] 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一种负极材料石墨箱板的工艺缺陷智能识别方法，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。[0033] 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。[0034] 下面结合附图具体的说明本发明所提供的一种负极材料石墨箱板的工艺缺陷智能识别方法的具体方案。[0035] 请参阅图1，其示出了本发明一个实施例提供的一种负极材料石墨箱板的工艺缺陷智能识别方法流程图，该方法包括以下步骤：[0036] 步骤S1，获取负极石墨箱板表面的箱板灰度图像；对箱板灰度图像进行不同灰度阈值的阈值分割获得不同的箱板二值图像。[0037] 在本发明实施例中，实施场景为通过图像处理方法对石墨箱板进行工艺缺陷的检测，提高缺陷检测的准确性。首先获取负极石墨箱板表面的箱板灰度图像，石墨箱板加工完成后通过工业相机进行拍摄，将拍摄后的图像进行灰度化处理后获得箱板灰度图像。构建用于缺陷检测的灰度共生矩阵需要确定纹理边缘的生长方向，但箱板灰度图像难以准确地获取石墨箱板表面的纹理特征，故需要将箱板灰度图像进行二值化处理，确定明显的纹理区域。在箱板灰度图像采集的过程中，因光照折射以及噪声干扰等因素，导致在箱板灰度图像中某些纹路显示不清晰；在二值化过程中通过调节阈值能够使得不清晰的纹理增强；故在合适的阈值下，能够获得相对清晰的纹理区域，首先对箱板灰度图像进行不同灰度阈值的阈值分割获得不同的箱板二值图像，需要说明的是，阈值分割属于现有技术，具体步骤不再赘述，实施者可根据实施场景自行确定灰度阈值的范围。[0038] 步骤S2，根据箱板二值图像中不同颜色的像素点的数量差异特征获得数量差异特征值；根据箱板二值图像中像素点的预设邻域内不同颜色的其他像素点的占比差异特征获得边缘数量特征值；根据数量差异特征值和边缘数量特征值获得最优箱板二值图像；根据最优箱板二值图像获得箱板灰度图像中的纹理区域。[0039] 在箱板二值图像中只存在0和255的灰度值，纹理区域的灰度值高于非纹理区域，故在箱板二值图像中白色区域为纹理区域的可能性较大，黑色区域为非纹理区域的可能性较大。由于石墨箱板表面上的自身纹理均匀覆盖了整个石墨箱板，因此分割效果最好的箱板二值图像中黑白面积较为接近。故根据箱板二值图像中不同颜色的像素点的数量差异特征获得数量差异特征值；优选地，在本发明实施例中，获取数量差异特征值的步骤包括：计算箱板二值图像中白色像素点与黑色像素点的数量比值，获得箱板二值图像的数量差异特征值。由于纹理区域小于非纹理区域，故白色像素点的数量作为分子；当数量差异特征值越大越接近1时，意味着该箱板二值图像的分割效果越好，纹理区域和非纹理区域的面积越接近，分割出的纹理区域越详细。[0040] 进一步地，由于石墨箱板表面的纹理均匀分布，则纹理区域和非纹理区域交错分布；当箱板二值图像中纹理区域和非纹理区域越呈现交错分布特征时，则纹理区域和非纹理区域的边缘像素点越多，该类边缘像素点处于纹理区域和非纹理区域的交界处，其邻域中黑色像素点和白色像素点的数量较为接近。故根据箱板二值图像中像素点的预设邻域内不同颜色的其他像素点的占比差异特征获得边缘数量特征值，优选地，在本发明实施例中，获取边缘数量特征值的步骤包括：计算箱板二值图像中像素点的预设邻域内白色像素点的数量占比，获得白色占比值；在本发明实施例中，像素点的预设邻域为该像素点的八邻域，白色占比值越接近1，意味着该预设邻域范围内的白色像素点数量占比越大。计算箱板二值图像中像素点的预设邻域内黑色像素点的数量占比，获得黑色占比值；当白色占比值和黑色占比值越接近，则意味着该像素点越可能为纹理区域和非纹理区域的边缘像素点。计算箱板二值图像中所有像素点的白色占比值与黑色占比值的差值绝对值的平均值；获得整体占比差异值；当整体占比差异值越。馕蹲旁蕉嗟南袼氐愕陌咨急戎岛秃谏急戎到咏，则箱板二值图像中纹理区域和非纹理区域的边缘像素点的数量越多。计算常数1与整体占比差异值的差值，获得箱板二值图像的边缘数量特征值；当边缘数量特征值越大，则意味着该箱板二值图像中纹理区域和非纹理区域的分布越均匀，纹理区域和非纹理区域越呈现交错分布的特征。[0041] 获得的数量差异特征值和边缘数量特征值都能够反映箱板二值图像中纹理区域的分布特征，故可根据数量差异特征值和边缘数量特征值获得最优箱板二值图像；优选地，在本发明实施例中，获取最优箱板二值图像的步骤包括：计算预设第一权重与数量差异特征值的乘积，获得第一判断因子；计算预设第二权重与边缘数量特征值的乘积，获得第二判断因子；在本发明实施例中，预设第一权重为0.7，预设第二权重为0.3，实施者可根据实施场景自行确定。计算第一判断因子和第二判断因子的和值，获得箱板二值图像的分割适合度；当分割适合度越大，意味着该箱板二值图像中纹理区域和非纹理区域的分布越均匀，该箱板二值图像的阈值分割效果越好。将分割适合度的最大值对应的箱板二值图像作为最优箱板二值图像，后续可通过最优箱板二值图像确定纹理区域。获取分割适合度的公式包括：[0042][0043] 式中，K表示箱板二值图像的分割适合度， 表示预设第一权重， 表示预设第二权重，A表示箱板二值图像中的白色像素点的数量，B表示箱板二值图像中的黑色像素点的数量，表示数量差异特征值， 表示第一判断因子，N表示箱板二值图像中像素点的数量， 表示第n个像素点的白色占比值， 表示第n个像素点的黑色占比值，表示整体占比差异值， 表示边缘数量特征值，表示第二判断因子。[0044] 进一步地，最优箱板二值图像中灰度值为255的像素点所组成的区域为清晰明显的纹理区域的可能性最大，灰度值为0的像素点所组成的区域为非纹理区域的可能性最大；故根据最优箱板二值图像获得箱板灰度图像中的纹理区域，具体包括：将最优箱板二值图像中白色像素点的位置区域作为箱板灰度图像的纹理区域，该纹理区域能够清晰准确地表征石墨箱板表面的纹理和划痕分布特征。[0045] 步骤S3，根据纹理区域中任意像素点的预设窗口内的灰度分布特征和灰度差异特征获得任意像素点的邻域复杂度；根据邻域复杂度获得箱板灰度图像中的参考像素点；根据参考像素点的梯度方向的分布特征获得扫描方向。[0046] 构建灰度共生矩阵时需要确定纹理边缘的生长方向，故需要在箱板灰度图像中的纹理区域确定纹理边缘像素点，因纹理区域的边缘像素点的处于纹理区域和非纹理区域的边界处，故其周围的像素点的灰度值存在较大差异，故根据纹理区域中任意像素点的预设窗口内的灰度分布特征和灰度差异特征获得任意像素点的邻域复杂度。[0047] 优选地，在本发明实施例中，获取邻域复杂度的步骤包括：计算纹理区域中任意像素点的预设窗口内像素点的灰度值的信息熵并归一化，获得该任意像素点的灰度混乱值；在本发明实施例中，预设窗口为以该任意像素点为中心，3*3的窗口区域，实施者可根据实施场景自行确定；需要说明的是，信息熵属于现有技术，具体计算不再赘述，当信息熵越大，意味着分析对象越混乱；故灰度混乱值越接近1，意味着该任意像素的预设窗口内的灰度值的分布越离散，该任意像素点越可能为纹理区域的边缘像素点。计算任意像素点的预设窗口内灰度值的极差与常数255的比值，获得该任意像素点的灰度极差特征值；灰度值的极差为该预设窗口内的灰度值最大值与灰度值最小值的差值；当灰度极差特征值越大，意味着该任意像素点的预设窗口内的灰度差异越大，越可能同时存在纹理区域和非纹理区域，该任意像素点为边缘像素点的概率越大。计算灰度混乱值与预设第三权重的乘积，获得第一复杂系数；计算灰度极差特征值与预设第四权重的乘积，获得第二复杂系数；在本发明实施例中，预设第三权重和预设第四权重分别为0.5，实施者可根据实施场景自行确定。计算第一复杂系数与第二复杂系数的和值，获得该任意像素点的邻域复杂度；当邻域复杂度越大，意味着该任意像素点越可能为纹理区域的边缘像素点。进而可根据邻域复杂度获得箱板灰度图像中的参考像素点，具体包括：将纹理区域中邻域复杂度超过预设复杂度阈值的像素点作为参考像素点，参考像素点是指作为边缘像素点可能性较大的像素点。[0048] 进一步地，由于纹理区域的边缘生长方向相似，即参考像素点的梯度方向相似；并且纹理边缘生长方向与灰度共生矩阵的构建方向互为垂直关系，纹理边缘生长方向与梯度方向同为垂直关系，故可根据参考像素点的梯度方向的分布特征获得扫描方向。[0049] 优选地，在本发明实施例中，获取扫描方向的步骤包括：计算梯度方向在0度至22.5度、157.5度至180度的参考像素点的数量占比，获得第一占比值；计算梯度方向在22.5度至67.5度的参考像素点的数量占比，获得第二占比值；计算梯度方向在67.5度至112.5度的参考像素点的数量占比，获得第三占比值；计算梯度方向在112.5度至157.5度的参考像素点的数量占比，获得第四占比值；在本发明实施例中，当参考像素点的梯度方向属于角度范围的临界值时，则不参与数量占比的计算，例如当任意参考像素点的梯度方向为67.5度时，该任意参考像素点不参与第二占比值和第三占比值的计算。需要说明的是，参考像素点的梯度方向可通过现有的sobel算子进行获。咛宀街璨辉僮甘觯挥捎诨叶裙采卣蟮难∪〗嵌戎挥0度、45度、90度和135度，但梯度方向具有正负性，而正负性对于确定生长边缘方向没有影响，故将梯度方向的角度限定在0度至180度。当某个梯度方向范围中的参考像素点的数量越多，意味着纹理边缘生长方向越可能与该梯度方向范围垂直；故当第一占比值、第二占比值、第三占比值和第四占比值中第一占比值为最大值时，扫描方向为0度；若第二占比值为最大值时，扫描方向为45度；当第三占比值为最大值时，扫描方向为90度；当第四占比值为最大值时，扫描方向为135度。[0050] 步骤S4，根据扫描方向和预设距离构建箱板灰度图像的灰度共生矩阵；根据灰度共生矩阵表征的纹理特征获得缺陷特征值；根据缺陷特征值对负极石墨箱板进行缺陷检测。[0051] 确定灰度共生矩阵的扫描方向后，可根据扫描方向和预设距离构建箱板灰度图像的灰度共生矩阵，预设距离为1；灰度共生矩阵的构建属于现有技术，具体步骤不再赘述。通过该扫描方向所构建的灰度共生矩阵能够提高纹理与划痕的判断准确性，进而根据灰度共生矩阵表征的纹理特征获得缺陷特征值。[0052] 优选地，在本发明实施例中，获取缺陷特征值的步骤包括：计算灰度共生矩阵的能量并负相关映射，获得第一纹理指数；需要说明的是，灰度共生矩阵的能量计算属于现有技术，具体步骤不再赘述；当能量越大，第一纹理指数越。馕蹲鸥孟浒寤叶韧枷裰械奈评碓焦嬖，划痕越少；当能量越。谝晃评碇甘酱，则意味着该箱板灰度图像中的划痕越多。计算灰度共生矩阵的对比度并正相关映射，获得第二纹理指数；需要说明的是，对比度的计算属于现有技术，具体计算步骤不再赘述；当对比度越大，第二纹理指数越大，意味着该箱板灰度图像中的纹理沟纹越深，越可能为划痕；当对比度越。诙纹理指数越。馕蹲鸥孟浒寤叶韧枷裰械奈评砉滴圃角，越可能为箱板自身纹理。计算灰度共生矩阵的逆差矩并负相关映射，获得第三纹理指数；需要说明的是，逆差矩的计算属于现有技术，具体计算步骤不再赘述；逆差矩越大，第三纹理指数越。馕蹲鸥孟浒寤叶韧枷竦奈评碓饺鄙俦浠，局部越均匀，划痕越少。计算灰度共生矩阵的熵并正相关映射，获得第四纹理指数；需要说明的是，熵值的计算属于现有技术，具体计算步骤不再赘述。当熵越大，第四纹理指数越大，意味着纹理越不均匀，划痕越多。计算第一纹理指数、第二纹理指数、第三纹理指数和第四纹理指数的乘积，获得缺陷特征值；当缺陷特征值越大，意味着该石墨箱板表面的划痕越多，缺陷越严重。进而可根据缺陷特征值对负极石墨箱板进行缺陷检测，当缺陷特征值超过预设缺陷阈值时，负极石墨箱板表面存在工艺缺陷；在本发明实施例中，预设缺陷阈值为0.6，实施者可根据实施场景自行确定。至此，通过准确地分析箱板灰度图像中的纹理边缘生长方向，使得构建的灰度共生矩阵的方向更合理，缺陷特征值的结果准确性更高，从而提高了石墨箱板的工业缺陷检测准确性。[0053] 综上所述，本发明实施例提供了一种负极材料石墨箱板的工艺缺陷智能识别方法；根据箱板二值图像中不同颜色的像素点的数量差异特征、像素点的预设邻域内不同颜色的其他像素点的占比差异特征获得最优箱板二值图像；根据最优箱板二值图像获得箱板灰度图像中的纹理区域；根据纹理区域中任意像素点的预设窗口内的灰度分布特征和灰度差异特征获得邻域复杂度；根据邻域复杂度获得参考像素点。本发明根据参考像素点的梯度方向的分布特征获得扫描方向并构建箱板灰度图像的灰度共生矩阵；根据灰度共生矩阵表征的纹理特征获得缺陷特征值并进行缺陷检测，提高了缺陷检测的准确性。[0054] 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。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。[0055] 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。

专利地区：陕西

专利申请日期：2024-08-20

专利公开日期：2024-10-18

专利公告号：CN118657774B