本发明涉及图像处理领域，具体涉及基于机器视觉的母线表面质量检测方法。
背景技术：
1、母线槽是一种用于电力系统中的封闭金属导体系统，常应用于配电设备和工业建筑中，以实现大电流的稳定传输。母线是母线槽内部的核心导体部分，通常采用铝或铜材料制成，因铝材导电性能良好、重量轻且成本低，铝母线逐渐成为许多电力系统中的首选。母线在电力设备中起着关键的电流传导作用，其表面质量直接关系到整个电力系统的安全性与稳定性。在铝母线的生产过程中，由于材料的连续成型、拉伸矫直及运输环节的不当操作，表面可能会出现多种缺陷，例如划痕、凹痕、毛刺、氧化斑点以及表面污染等。这些缺陷不仅会影响母线的导电性能，还可能增加接触电阻，从而导致设备过热或能效下降，甚至存在电气事故的隐患。
2、现有的检测技术主要采用图像处理和机器视觉算法，检测母线表面的缺陷。然而，母线在拉伸矫直过程中还会形成规律性的丝状应力痕迹，这是由于材料受力不均所导致的正常现象。由于这些丝状应力痕迹与划痕等缺陷在视觉上非常相似，传统的边缘检测算法容易将正常的丝状痕迹误判为缺陷，导致误报率高。
技术实现思路
1、针对上述误报率高的问题，本发明提出了基于机器视觉的母线表面质量检测方法，包括：采集铝母线的表面图像并进行连通域分析；将任一连通域中任一像素点记为目标像素点；基于主成分分析获取连通域的主方向；以目标像素点为中心，按照主方向延伸设定数量的像素点构建线性邻域窗口；获取所述线性邻域窗口内除目标像素点外其余像素点的lbp二进制值得到目标像素点的lbp二进制序列；获取目标像素点的纹理特征向量，所述纹理特征向量的方向为对应连通域的主方向；所述纹理特征向量的模与所述lbp二进制序列的信息熵、对应连通域内出现频率最高的lbp二进制序列和所述lbp二进制序列的距离呈负相关；计算所述纹理特征向量的方向与母线主方向的角度差，所述母线主方向为铝母线长边所在方向；将所述角度差大于角度阈值的纹理特征向量对应的像素点记为第一缺陷像素点；将所述纹理特征向量的模小于分割阈值的像素点记为第二缺陷像素点；所有第一缺陷像素点与第二缺陷像素点构成缺陷区域，进而获取所有连通域的缺陷区域。
2、本发明通过对连通域的主方向提取，并将该方向与母线的主方向进行对比，有效避免了因丝状纹路方向与母线一致而造成的误判。线性邻域窗口的构建确保了像素特征提取的精准性，减少了相邻区域对检测结果的干扰。此外，lbp算法提取的纹理特征向量与汉明距离计算和信息熵结合，使得检测系统能够更敏感地识别微小的表面缺陷，并通过最大类间方差法动态调整特征模的分割阈值，增强了检测系统对不同产品表面差异的适应能力。相比现有技术，本发明不仅提升了缺陷识别的精度和效率，还实现了对复杂纹理环境的高效检测，为铝母线生产质量的全面管控提供了坚实的技术保障。
3、进一步地，所述纹理特征向量的模的获取方法具体为：
4、
5、其中表示目标像素点p的纹理特征向量的模；表示目标像素点p的lbp二进制序列；表示目标像素点p所在连通域c内出现频率最高的lbp二进制序列；为汉明距离计算函数；表示目标像素点的lbp二进制序列的信息熵；为调参因子；e表示自然常数。
6、lbp特征向量模的获取方法通过与信息熵的负相关关系设计，使得该方法在检测复杂表面纹理时具有更高的敏感度和适应性。通过计算每个目标像素点的lbp二进制序列与同一区域内频率最高的序列之间的汉明距离，能够精准判断出该像素点是否属于缺陷区域。此外，利用信息熵表征该区域内纹理特征的稳定性，使得算法不仅能够识别显性缺陷，还能检测出隐藏在正常丝状纹路中的细微缺陷，从而提升了检测的全面性和准确性。相比于传统基于简单阈值和边缘检测的算法，本技术手段显著降低了误报和漏检的概率，提高了检测的鲁棒性。
7、进一步地，所述纹理特征向量的模的获取方法具体为：
8、
9、其中表示目标像素点p的纹理特征向量的模；表示目标像素点p的lbp二进制序列；表示目标像素点p所在连通域c内出现频率最高的lbp二进制序列；为汉明距离计算函数；表示目标像素点的lbp二进制序列的信息熵；为调参因子。
10、进一步地，基于主成分分析获取连通域的主方向，还包括：提取连通域中所有像素点的二维坐标，构成连通域坐标矩阵；并对所述连通域坐标矩阵进行零填充得到填充后的完整矩阵；使用pca主成分分析算法获取所述完整矩阵的主方向特征值，得到连通域c的主方向，具体计算方法为：
11、
12、其中和分别为对应完整矩阵中横坐标与纵坐标的主方向特征值；表示余切函数。
13、进一步地，所述lbp二进制序列的获取方法具体为：获取线性邻域窗口内所有像素点的灰度值；将大于等于目标像素点灰度值的其余像素点的lbp二进制值记为1；将小于目标像素点灰度值的其余像素点的lbp二进制值记为0；将线性邻域窗口内所有其余像素点的lbp二进制值按照像素点纵坐标的大小进行排序，得到目标像素点的lbp二进制序列。
14、lbp二进制序列的获取方法通过灰度比较与纵坐标排序的结合，确保了纹理特征提取的连续性和稳定性。相比于传统方法中简单的二进制化操作，本发明通过对线性邻域窗口内像素点的灰度值进行逐一比较，并按照纵坐标顺序排列，保证了特征提取的方向性和一致性。这一设计有效避免了相邻连通域之间的干扰，使得即使在复杂表面纹理条件下，检测系统也能保持较高的准确性，为后续缺陷识别提供了可靠的数据支撑。
15、进一步地，所述连通域分析包括：对所述表面图像使用大津阈值进行分割；获取小于大津阈值的黑色区域；对所有黑色区域进行形态学闭运算得到多个连通域。
16、通过大津阈值分割和形态学闭运算的结合，本发明能够在初步分割阶段即有效减少伪缺陷和噪声的干扰。大津阈值算法在适应不同亮度条件方面具有优势，而闭运算操作则进一步消除了分割过程中可能出现的断裂或缺口，提高了连通域分析的准确性。
17、进一步地，所述分割阈值的获取方法具体为：计算各连通域中所有像素点的纹理特征向量；对所有纹理特征向量的模使用最大类间方差法得到分割阈值。
18、进一步地，采集铝母线的表面图像，还包括：使用至少500万像素的工业相机俯视拍摄铝母线；对拍摄后各图像进行双边滤波降噪处理；对降噪后图像使用加权平均法进行灰度化处理；使用直方图均衡化算法增强灰度化图像的对比度，得到铝母线的表面图像。
19、通过结合双边滤波降噪、加权平均灰度化和直方图均衡化处理，本发明在图像预处理阶段提高了图像的对比度和清晰度，为后续的缺陷检测提供了优质数据支持。与传统的单一滤波或简单灰度化处理相比，本发明的多步骤预处理方法有效减少了噪声对检测结果的干扰，并且增强了图像中细微纹理的表现，使得系统在处理复杂表面时依然能够保持较高的检测精度。
20、本发明的技术效果为：
21、本发明首先通过高分辨率工业相机和多角度光源设计，确保母线表面图像采集的连续性与清晰度，减少了表面反光对检测的干扰。其次，该方法采用自适应阈值分割与连通域分析技术，实现了母线表面正常区域与缺陷区域的初步分离。为了进一步提高检测精度，基于pca算法提取区域的主方向，并构建像素延伸方向的线性邻域窗口进行灰度与纹理特征分析。特别地，利用lbp算法获取纹理特征向量的方向与模，并通过比较这些特征与母线主方向的差异，能够准确区分与正常丝状纹路方向一致的缺陷区域。此方法不仅提高了检测精度与自动化水平，还减少了误判率和漏判率，为铝母线的质量控制提供了高效、可靠的技术支持。
1.基于机器视觉的母线表面质量检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于机器视觉的母线表面质量检测方法，其特征在于，所述纹理特征向量的模的获取方法具体为：
3.根据权利要求1所述的基于机器视觉的母线表面质量检测方法，其特征在于，所述纹理特征向量的模的获取方法具体为：
4.根据权利要求1所述的基于机器视觉的母线表面质量检测方法，其特征在于，基于主成分分析获取连通域的主方向，包括：
5.根据权利要求1所述的基于机器视觉的母线表面质量检测方法，其特征在于，所述lbp二进制序列的获取方法具体为：
6.根据权利要求1所述的基于机器视觉的母线表面质量检测方法，其特征在于，所述连通域分析包括：
7.根据权利要求1所述的基于机器视觉的母线表面质量检测方法，其特征在于，所述分割阈值的获取方法具体为：
8.根据权利要求1所述的基于机器视觉的母线表面质量检测方法，其特征在于，采集铝母线的表面图像，包括：
