(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 202211255124.5 (22)申请日 2022.10.13 (71)申请人 江苏昱恒电气有限公司 地址 226000 江苏省南 通市海安市城东 镇 龙游路18号 (72)发明人 储春琴　 (74)专利代理 机构 武汉华强专利代理事务所 (普通合伙) 42237 专利代理师 康晨 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/00(2006.01) G06T 7/40(2017.01) (54)发明名称 一种铜线镀锡缺陷识别方法 (57)摘要 本发明属于数据处理技术领域， 具体涉及一 种铜线镀锡缺陷识别方法。 方法包括： 根据目标 表面图像上的各像素点， 得到目标表 面图像上的 各待定像素点； 根据各待定像素点的局部灰度共 生矩阵的特征参数， 得到各待定像素点的第一判 定指标； 获取各待定像素点的特征亮度指标； 根 据亮度特征指标， 得到各待定像素点的第二判定 指标； 根据各待定像素点对应的梯度变化矩阵的 特征值， 得到各待定像素点对应的结构分布表征 值； 根据各待定像素点对应的第一判定指标、 第 二判定指标以及结构分布表征值， 得到各待定像 素点的镀锡缺陷判定值； 根据镀锡缺陷判定值， 得到待检测镀锡铜的镀锡缺陷程度。 本发明能够 提高检测效率以及检测精度。 权利要求书4页 说明书10页 附图1页 CN 115330796 A 2022.11.11 CN 115330796 A 1.一种铜线镀锡缺陷识别方法， 其特 征在于， 该 方法包括如下步骤： 获取待检测镀锡铜的目标表面图像； 所述镀锡铜包括镀锡铜带和镀锡扁铜线； 根据目标表面图像上的各像素点， 拟合得到目标表面图像对应的第 一高斯模型和第 二 高斯模型以及目标表面图像上的各像素点对应的第一高斯模型的高斯函数值和各像素点 对应的第二高斯模型的高斯函数值； 根据第一高斯模型的高斯函数值和 第二高斯模型的高 斯函数值， 得到目标表面图像上的各待定像素点； 获取各待定像素点的局部灰度共生矩阵的特征参数； 根据 各待定像素点的局部灰度共 生矩阵的特征参数， 得到各待定像素点的第一判定指标； 获取各待定像素点的特征亮度指 标； 根据亮度特 征指标， 得到各待定像素点的第二判定指标； 获取各待定像素点对应的梯度变化矩阵； 根据各待定像素点对应的梯度变化矩阵的特 征值， 得到各待定像素点对应的结构分布 表征值； 根据各待定像素点对应的第一判定指标、 第二判定指标以及结构分布表征值， 得到各 待定像素点的镀锡缺陷判定值； 根据镀锡缺陷判定值， 得到各待定像素点中的各镀锡缺陷 像素点； 根据各镀锡缺陷像素点的镀锡缺陷判定值， 得到待检测镀锡铜的镀锡缺陷程度。 2.如权利要求1所述的一种铜线镀锡 缺陷识别方法， 其特征在于， 得到目标表面图像上 的各待定像素点的方法， 包括： 对于目标表面图像上的任一像素点： 若该像素点对应的第一高斯模型的高斯函数值大于该像素点对应的第二高斯模型的 高斯函数值， 则将该像素点记为第一类别； 若该像素点对应的第一高斯模型的高斯函数值等于该像素点对应的第二高斯模型的 高斯函数值， 则将该像素点记为待定像素点； 若该像素点对应的第一高斯模型的高斯函数值小于该像素点对应的第二高斯模型的 高斯函数值， 则将该像素点记为第二类别； 统计第一类别和第二类别中的像素点数量； 将像素点数量较多对应的类别中的像素点作为镀锡 正常像素点， 将另一个类别中的各 像素点记为待定像素点。 3.如权利要求1所述的一种铜线镀锡 缺陷识别方法， 其特征在于， 获取各待定像素点的 局部灰度共生矩阵的特征参数； 根据各待定像素点的局部灰度共生矩阵的特征参数， 得到 各待定像素点的第一判定指标的方法， 包括： 对目标表面图像进行灰度化处理， 得到目标表面图像对应的目标表面灰度图像； 目标 表面图像和目标表面灰度图像上的像素点 一一对应； 对于目标表面灰度图像上的任一待定像素点： 以该待定像素点为中心， 获取该待定像素点邻 域 范围内的局部邻域像素点， 并将 局部邻域像素点的灰度值进行灰度级量化， 划分成8 个灰度等级， 并得到对应的灰度共生矩 阵， 记为局部灰度共生矩阵； 计算局部灰度共生矩阵对应的特征参数， 所述特征参数包括局部灰度共生矩阵对应的 纹理对比度、 熵值以及能量 值； 获取镀锡正常像素点对应的局部灰度共生矩阵的纹 理对比度、 熵值以及能量 值；权　利　要　求　书 1/4 页 2 CN 115330796 A 2根据镀锡正常像素点对应的局部灰度共生矩阵的纹理对比度、 熵值和能量值以及该待 定像素点对应的局部灰度共生矩阵的纹理对比度、 熵值和能量值， 得到该待定像素点的第 一判定指标。 4.如权利要求3所述的一种铜线镀锡 缺陷识别方法， 其特征在于， 根据如下公式计算该 待定像素点的第一判定指标： 其中， 为该待定像素点的第一判定指标， 为该待定像素点对应的局部灰度共生 矩阵的纹理对比度， 为该待定像素点对应的局部灰度共生矩阵的熵值， 为该待定 像素点对应的局部灰度共生矩阵的能量值， 为镀锡正常像素点对应的局部灰度共生 矩阵的纹理对比度， 为镀锡正常像素点对应的局部灰度共生矩阵的熵值， 为镀锡 正常像素点对应的局部灰度共生矩阵的能量 值， max （ ） 为取最大值 函数。 5.如权利要求1所述的一种铜线镀锡 缺陷识别方法， 其特征在于， 获取各待定像素点的 特征亮度指标； 根据亮度特 征指标， 得到各待定像素点的第二判定指标的方法， 包括： 对目标表面图像进行HSV色彩空间转换， 得到各待定像素点的亮度值； 并获取镀锡正常 像素点对应的亮度值； 根据各待定像素点的亮度值和镀锡正常像素点对应的亮度值， 得到 各待定像素点的亮度特 征指标； 对于目标表面图像上的任一待定像素点， 根据如下公式计算该待定像素点的亮度 特征 指标： 其中， 为该待定像素点的第二判定指标， 为该待定像素点的亮度值， 为镀锡正 常像素点对应的亮度值， 为模型参数； 根据该待定像素点的亮度特征指标， 得到该待定像素点的第二判定指标； 根据如下公 式计算该待定像素点的第二判定指标： 其中， 为该待定像素点的第二判定指标， e为自然常数。 6.如权利要求1所述的一种铜线镀锡 缺陷识别方法， 其特征在于， 获取各待定像素点对 应的梯度变化矩阵； 根据各待定像素点对应的梯度变化矩阵的特征值， 得到各待定像素点 对应的结构分布 表征值的方法， 包括： 对于目标表面灰度图像上的任一待定像素点 i： 设置边缘检测算子在水平方向的算子 ， 设置边缘检测算子在水平方向的算子 ； 通过两个算子分别对待定像素点 i进行梯度信息的提取：权　利　要　求　书 2/4 页 3 CN 115330796 A 3