本發明涉及缺陷檢測，具體為基于機器視覺的保溫層缺陷檢測方法。
背景技術：
1、在保溫層的生產與應用過程中，確保其質量無缺陷至關重要，在此背景下，基于機器視覺的保溫層缺陷檢測技術應運而生，它能夠利用先進的圖像采集設備和智能圖像處理算法，快速、準確且自動化地對保溫層的質量狀況進行檢測與評估。
2、根據公開號為cn114113110b公開了一種基于機器視覺的天然氣管線保溫層缺陷檢測方法，包括：布置液化天然氣管線拍攝環境，拍攝待檢測液化天然氣管線保溫層表面圖片；將所得圖片上傳至電腦端并統計所得圖片灰度值；對圖片進行降噪處理；使用神經網絡訓練灰度閾值檢測模型；識別待檢測管線保溫層缺陷，修復缺陷并重新送檢。
3、但是部分現有的檢測方法在使用的時候，在實際檢測場景中，光照條件、拍攝角度和距離等照相環境因素會對獲取的保溫層圖像質量產生顯著影響，從而干擾后續的缺陷檢測準確性，其次僅僅依靠灰度特征與缺陷灰度值區間的簡單匹配可能無法全面準確地判斷缺陷原因，對于一些灰度特征不在已知缺陷區間內的異常區域，需要更深入的分析方法來挖掘其缺陷根源。
技術實現思路
1、針對現有技術的不足，本發明提供了基于機器視覺的保溫層缺陷檢測方法，解決了單一的數據匹配無法全面的判斷缺陷原因，給缺陷的判斷造成誤差的問題。
2、為實現以上目的，本發明通過以下技術方案予以實現：基于機器視覺的保溫層缺陷檢測方法，該方法具體包括以下步驟：
3、步驟s1，通過工業攝像機獲取在標準情況下保溫層的圖像信息；
4、步驟s2，對得到的保溫層圖像進行預處理操作得到預處理保溫層圖像，同時對預處理保溫層圖像的灰度特征進行提取；
5、步驟s3，根據得到的灰度特征對分割圖像進行分類，通過將灰度特征與比較閾值進行比較分類得到目標區域和背景區域，同時對得到的目標區域進行缺陷識別分析，并得到分析結果；
6、步驟s4，對分析結果中的匹配存在結果進行分析，結合相應的缺陷灰度值區間生成具體缺陷原因，并將具體缺陷原因顯示給對應的檢測人員；
7、步驟s5，對分析結果中的匹配不存在結果進行分析，通過對相應的目標區域的邊緣特征進行分析，同時根據邊緣特征的坐標位置對具體缺陷原因進行分析，同時生成具體缺陷原因信息。
8、作為本發明的進一步方案，所述步驟s2中對預處理保溫層圖像的灰度特征進行提取的具體方式為：
9、獲取保溫層圖像，同時對保溫層圖像進行灰度化處理得到灰度圖像，接著對得到的灰度圖像進行濾波去噪和圖像增強處理得到預處理保溫層圖像，對得到的預處理保溫層圖像進行九等份分割得到分割圖像并標號記作i，且i＝1、2、…、9，其中j表示分割圖像i的數量標號，同時獲取任一組分割圖像i為分析目標；
10、接著獲取分析目標中的行數和列數分別記作m和n，并獲取像素點(a，b)的灰度值記作i(a，b)，同時將獲取的參數代入公式計算得到分析目標對應的灰度均值qi，將計算得到的灰度均值qi對應分割圖像的灰度特征。
11、作為本發明的進一步方案，所述步驟s3中根據灰度特征對分割圖像進行分類的具體方式為：
12、獲取分割圖像i對應的灰度特征qi，同時確定比較閾值，獲取所有的分割圖像灰度特征qi，并計算所有灰度特征qi的灰度特征均值qp，并將灰度特征均值qp作為比較閾值；
13、接著將灰度特征qi與比較閾值qp進行比較，將灰度特征qi大于比較閾值qp對應的分割圖像標記為目標區域，將灰度特征qi小于比較閾值qp對應的分割圖像標記為背景區域。
14、作為本發明的進一步方案，所述步驟s3中對目標區域進行缺陷識別分析得到分析結果的具體方式為：
15、獲取到所有的目標區域并標號記作o，且o＝1、2、…、g，其中g表示目標區域的數量標號，接著獲取歷史數據，并對歷史數據中對應的缺陷原因進行整理得到缺陷灰度值區間，同時將目標區域o對應的灰度特征與缺陷灰度值區間進行匹配；
16、若灰度特征存在于缺陷灰度值區間，則生成匹配存在結果，反之若灰度特征不存在于缺陷灰度值區間，則生成匹配不存在結果。
17、作為本發明的進一步方案，所述步驟s4中對匹配結果進行分析生成具體缺陷原因的具體方式為：
18、獲取匹配存在結果對應的目標區域，同時獲取目標區域對應的缺陷灰度值區間，并獲取缺陷灰度值區間對應的缺陷原因，接著以缺陷原因為標準生成具體缺陷原因。
19、作為本發明的進一步方案，所述步驟s5中對匹配不存在結果進行分析的具體方式為：
20、獲取匹配不存在結果對應的目標區域并記作待分析區域，并標號記作c，且c＝1、2、…、r，其中r表示待分析區域的數量標號，接著獲取任一組待分析區域為目標對象，并以目標區域中心點為原點建立對應的直角坐標系，同時對獲取半徑為d的選取區域，接著將選取區域與目標對象的邊緣特征進行匹配，不能夠對選取區域對對應的最大邊緣特征進行選取作為特征點；
21、以此類推，對所有的特征點進行獲取，接著將選取的特征點按照順時針的順序進行連線，得到特征形狀，接著對得到的特征形狀進行二次分析。
22、作為本發明的進一步方案，所述步驟s5中對特征形狀進行二次分析的具體方式為：
23、獲取特征形狀，同時獲取特征形狀內所有的像素點，并對像素點進行分類得到正常像素點和異常像素點，接著獲取所有的異常像素點，同時將所有的異常像素點進行連線得到異常形狀；
24、同理上述分析，對所有的待分析區域進行處理得到異常形狀，接著對待分析區域對應的異常形狀的完整性進行識別判斷。
25、作為本發明的進一步方案，所述步驟s5中對待分析區域對應的異常形狀的完整性進行識別判斷的具體方式為：
26、判斷異常形狀是否與待分析區域的邊界存在交接，若存在交接，則將對應的異常形狀分類為不完整形狀，反之若不存在交接，則將對應的異常形狀分類為完整形狀，同時以異常形狀為標準生成具體缺陷原因；
27、接著對所有不完整形狀對應的待分析區域進行獲取，同時獲取對應的待分析區域標號，并獲取標號相鄰的待分析區域記作關聯區域，接著將關聯區域對應的不完整形狀進行組合得到完整形狀，同時以完整形狀為標準生成具體缺陷原因。
28、本發明提供了基于機器視覺的保溫層缺陷檢測方法。與現有技術相比具備以下有益效果：
29、本發明通過精確控制光照條件、拍攝角度和距離等照相環境因素，并在圖像預處理階段采用合適的灰度化處理、濾波去噪和圖像增強技術，能夠有效降低環境因素對圖像質量的不良影響，提高圖像的穩定性和可分析性。
30、本發明采用基于灰度特征均值確定比較閾值的方法，能夠根據整幅圖像中不同分割區域的灰度特征分布自動調整閾值，更適應保溫層圖像的局部差異和整體變化情況，對于灰度特征匹配不存在結果的目標區域，通過建立直角坐標系對邊緣特征進行詳細分析，包括選取區域與邊緣特征的匹配、異常像素點的提取與連線形成異常形狀等一系列操作，能夠從邊緣信息中挖掘更多關于缺陷的線索。并且，通過對異常形狀完整性的判斷以及對不完整形狀的關聯區域組合分析，可以更全面地理解缺陷在保溫層中的分布和形成機制，從而更精準地確定缺陷原因。