本发明涉及图像处理。更具体地，本发明涉及一种智能化的金属锻件质量检测方法。
背景技术：
1、航空工业正向数字化制造迈进，智能化的质量检测方法是数字化制造的重要组成部分，已知航空领域对零部件的质量要求非常高，有严格的质量标准和规定，金属锻件作为航空发动机、结构部件的重要组成部分，其质量问题可能会对飞行安全产生严重影响，也就是说其制造和质量控制必须符合严格的航空质量标准。而航空领域的金属锻件通常具有复杂的几何形状和结构，制造过程中受到温度、压力等因素的影响，因此其质量问题可能具有多样性和变化性。智能化的质量检测方法能够适应这种复杂多变的工艺需求，也可以减少人为因素的干扰，提高质量检测的准确性和可靠性。
2、本发明对航空传动系统中的传动齿轮为例进行缺陷检测，但是由于传动齿轮本身纹理（轮齿）具有线状表现，而裂纹也具有一定的线状表现，也就是在对传动齿轮进行缺陷检测时，传动齿轮的本身的纹理会干扰裂纹的识别，影响检测结果准确性，因此对传动齿轮的裂纹进行缺陷检测之前首先需要对齿轮本身纹理进行平滑，以减小对裂纹识别的影响，但是在采用rls算法对齿轮图像进行平滑时，对整幅图像进行平滑处理效率较低且在平滑过程中可能会将裂纹区域也进行一定程度的平滑，影响了后续对裂纹区域的检测。
技术实现思路
1、为解决上述一个或多个技术问题，本发明提出一种智能化的金属锻件质量检测方法，该方法包括以下步骤：
2、采集传动齿轮图像；
3、根据传动齿轮图像，获取传动齿轮图像中每个像素点的梯度方向；根据传动齿轮图像中每个像素点的梯度方向，获取传动齿轮图像中每个像素点的邻近点；根据传动齿轮图像中每个像素点的邻近点，获取传动齿轮图像中每个像素点的邻近点序列；根据传动齿轮图像中每个像素点的邻近点序列中每个邻近点的灰度值，获取传动齿轮图像中每个像素点的灰度突变程度；根据传动齿轮图像中每个像素点的灰度突变程度，获取传动齿轮图像的若干个待滤波像素点；
4、将传动齿轮图像的若干个待滤波像素点划分为若干个纹理集合；对每个纹理集合中所有待滤波像素点进行直线拟合，获取每个纹理集合的拟合直线；根据每个纹理集合的拟合直线，获取每个纹理集合的相邻纹理集合；根据每个纹理集合的拟合直线以及每个纹理集合的相邻纹理集合的拟合直线，获取每个纹理集合与每个纹理集合的相邻纹理集合之间的距离；根据每个纹理集合与每个纹理集合的相邻纹理集合之间的距离，获取每个纹理集合为齿轮本身纹理的可能性；
5、根据每个纹理集合为齿轮本身纹理的可能性以及每个纹理集合中每个待滤波像素点的灰度突变程度，获取每个纹理集合中每个待滤波像素点的初始遗忘因子；根据每个纹理集合中每个待滤波像素点的初始遗忘因子以及每个纹理集合为齿轮本身纹理的可能性，获取每个纹理集合中每个待滤波像素点的遗忘因子；根据每个纹理集合中每个待滤波像素点的遗忘因子对传动齿轮图像进行滤波处理，得到滤波处理后的传动齿轮图像；
6、根据滤波处理后的传动齿轮图像进行裂纹缺陷检测。
7、优选的，所述根据传动齿轮图像，获取传动齿轮图像中每个像素点的梯度方向；根据传动齿轮图像中每个像素点的梯度方向，获取传动齿轮图像中每个像素点的邻近点；根据传动齿轮图像中每个像素点的邻近点，获取传动齿轮图像中每个像素点的邻近点序列，包括：
8、预设单向邻近点个数m，使用sobel算法获取传动齿轮图像中第i个像素点的梯度方向，在第i个像素点的梯度方向上，获取与第i个像素点连续相邻的m个像素点，记为第i个像素点的邻近点；获取传动齿轮图像中第i个像素点的梯度方向的反方向，在第i个像素点的梯度方向的反方向上，获取与第i个像素点连续相邻的m个像素点，记为第i个像素点的邻近点；
9、根据第i个像素点的梯度方向，对第i个像素点的邻近点进行排序，得到第i个像素点的邻近点序列。
10、优选的，所述根据传动齿轮图像中每个像素点的邻近点序列中每个邻近点的灰度值，获取传动齿轮图像中每个像素点的灰度突变程度，计算公式为：
11、；
12、式中，代表传动齿轮图像中第i个像素点的灰度突变程度；m代表单向邻近点个数；代表传动齿轮图像中第i个像素点的邻近点序列中第q个邻近点的灰度值；代表传动齿轮图像中第i个像素点的邻近点序列中第q+1个邻近点的灰度值；||代表绝对值符号；norm()代表归一化函数。
13、优选的，所述根据传动齿轮图像中每个像素点的灰度突变程度，获取传动齿轮图像的若干个待滤波像素点，包括：
14、预设灰度突变程度阈值t，当传动齿轮图像中第i个像素点的灰度突变程度大于灰度突变程度阈值t时，将第i个像素点记为待滤波像素点，得到传动齿轮图像的若干个待滤波像素点。
15、优选的，所述将传动齿轮图像的若干个待滤波像素点划分为若干个纹理集合；对每个纹理集合中所有待滤波像素点进行直线拟合，获取每个纹理集合的拟合直线，包括：
16、将传动齿轮图像中任意一个待滤波像素点记为第一待滤波像素点，获取第一待滤波像素点的梯度方向的垂直方向，将第一待滤波像素点与第一待滤波像素点的梯度方向的垂直方向上的其他待滤波像素点，记为第一个纹理集合，并进行标记，将传动齿轮图像中任意一个未标记的待滤波像素点记为第二待滤波像素点，获取第二待滤波像素点的梯度方向的垂直方向，将第二待滤波像素点与当前待滤波像素点的梯度方向的垂直方向上的其他未标记的待滤波像素点，记为第二个纹理集合，并进行标记，以此类推，直至传动齿轮图像中的所有待滤波像素点均被标记即可停止，得到若干个纹理集合；
17、以第l个纹理集合中第l待滤波像素点为原点，以第l个纹理集合中第l待滤波像素点的水平方向为x轴，竖直方向为y轴构建笛卡尔坐标系，获取第l个纹理集合中每个待滤波像素点的位置坐标，根据第l个纹理集合中每个待滤波像素点的位置坐标，采用最小二乘法对第l个纹理集合中所有待滤波像素点进行直线拟合，得到第l个纹理集合的拟合直线；获取每个纹理集合的拟合直线。
18、优选的，所述根据每个纹理集合的拟合直线，获取每个纹理集合的相邻纹理集合；根据每个纹理集合的拟合直线以及每个纹理集合的相邻纹理集合的拟合直线，获取每个纹理集合与每个纹理集合的相邻纹理集合之间的距离，包括：
19、获取第l个纹理集合的拟合直线的垂直平分线，将在第l个纹理集合的拟合直线的左侧，并且与第l个纹理集合的拟合直线的垂直平分线相交的最近拟合直线所对应的纹理集合，记为第l个纹理集合的一个相邻纹理集合，将在第l个纹理集合的拟合直线的右侧，并且与第l个纹理集合的拟合直线的垂直平分线相交的最近拟合直线所对应的纹理集合，记为第l个纹理集合的另一个相邻纹理集合；
20、根据两条不平行线段之间的距离的获取方法，获取第l个纹理集合的拟合直线与第l个纹理集合的每个相邻纹理集合的拟合直线之间的距离，记为第l个纹理集合与第l个纹理集合的每个相邻纹理集合之间的距离。
21、优选的，所述根据每个纹理集合与每个纹理集合的相邻纹理集合之间的距离，获取每个纹理集合为齿轮本身纹理的可能性，计算公式为：
22、；
23、式中，代表第l个纹理集合为齿轮本身纹理的可能性；代表第l个纹理集合与第l个纹理集合的其中一个相邻纹理集合之间的距离；代表第l个纹理集合与第l个纹理集合的另一个相邻纹理集合之间的距离；||代表绝对值符号。
24、优选的，所述根据每个纹理集合为齿轮本身纹理的可能性以及每个纹理集合中每个待滤波像素点的灰度突变程度，获取每个纹理集合中每个待滤波像素点的初始遗忘因子，计算公式为：
25、；
26、式中，代表第l个纹理集合中第s个待滤波像素点的初始遗忘因子；代表第l个纹理集合中第s个待滤波像素点到第l个纹理集合的拟合直线的垂直距离；代表第l个纹理集合为齿轮本身纹理的可能性，代表第l个纹理集合中第s个待滤波像素点的灰度突变程度；exp()代表以自然常数为底数的指数函数。
27、优选的，所述根据每个纹理集合中每个待滤波像素点的初始遗忘因子以及每个纹理集合为齿轮本身纹理的可能性，获取每个纹理集合中每个待滤波像素点的遗忘因子，包括：
28、预设可能性阈值t，当第l个纹理集合为齿轮纹理的可能性大于或等于可能性阈值t时，第l个纹理集合为齿轮纹理，则第l个纹理集合中第s个待滤波像素点的遗忘因子为；当第l个纹理集合为齿轮纹理的可能性小于可能性阈值t时，第l个纹理集合为裂纹边缘，第l个纹理集合中第s个待滤波像素点的遗忘因子为，代表第l个纹理集合中第s个待滤波像素点的初始遗忘因子。
29、优选的，所述根据每个纹理集合中每个待滤波像素点的遗忘因子对传动齿轮图像进行滤波处理，得到滤波处理后的传动齿轮图像，包括：
30、根据每个纹理集合中每个待滤波像素点的遗忘因子，使用rls滤波算法对传动齿轮图像中每个待滤波像素点进行滤波处理，得到滤波处理后的传动齿轮图像。
31、本发明具有以下有益效果：本发明首先根据传动齿轮图像中每个像素点的梯度方向上的相邻像素点之间的灰度差异，获取传动齿轮图像中每个像素点的灰度突变程度，得到传动齿轮图像的若干个待滤波像素点，所述滤波像素点为齿轮本身纹理以及裂纹缺陷像素点，便于后续仅对待滤波像素点进行分析，接着将传动齿轮图像的若干个待滤波像素点划分为若干个纹理集合；根据纹理分布的周期性，获取每个纹理集合为齿轮本身纹理的可能性；根据每个纹理集合为齿轮本身纹理的可能性以及每个纹理集合中每个待滤波像素点的灰度突变程度，自适应获取每个纹理集合中每个待滤波像素点的遗忘因子对传动齿轮图像进行滤波处理，能够将齿轮本身纹理平滑掉，突出裂纹缺陷，提高了裂纹缺陷检测的准确性。
1.一种智能化的金属锻件质量检测方法，其特征在于，包括：
2.根据权利要求1所述的一种智能化的金属锻件质量检测方法，其特征在于，所述根据传动齿轮图像，获取传动齿轮图像中每个像素点的梯度方向；根据传动齿轮图像中每个像素点的梯度方向，获取传动齿轮图像中每个像素点的邻近点；根据传动齿轮图像中每个像素点的邻近点，获取传动齿轮图像中每个像素点的邻近点序列，包括：
3.根据权利要求1所述的一种智能化的金属锻件质量检测方法，其特征在于，所述根据传动齿轮图像中每个像素点的邻近点序列中每个邻近点的灰度值，获取传动齿轮图像中每个像素点的灰度突变程度，计算公式为：
4.根据权利要求1所述的一种智能化的金属锻件质量检测方法，其特征在于，所述根据传动齿轮图像中每个像素点的灰度突变程度，获取传动齿轮图像的若干个待滤波像素点，包括：
5.根据权利要求4所述的一种智能化的金属锻件质量检测方法，其特征在于，所述将传动齿轮图像的若干个待滤波像素点划分为若干个纹理集合；对每个纹理集合中所有待滤波像素点进行直线拟合，获取每个纹理集合的拟合直线，包括：
6.根据权利要求1所述的一种智能化的金属锻件质量检测方法，其特征在于，所述根据每个纹理集合的拟合直线，获取每个纹理集合的相邻纹理集合；根据每个纹理集合的拟合直线以及每个纹理集合的相邻纹理集合的拟合直线，获取每个纹理集合与每个纹理集合的相邻纹理集合之间的距离，包括：
7.根据权利要求1所述的一种智能化的金属锻件质量检测方法，其特征在于，所述根据每个纹理集合与每个纹理集合的相邻纹理集合之间的距离，获取每个纹理集合为齿轮本身纹理的可能性，计算公式为：
8.根据权利要求1所述的一种智能化的金属锻件质量检测方法，其特征在于，所述根据每个纹理集合为齿轮本身纹理的可能性以及每个纹理集合中每个待滤波像素点的灰度突变程度，获取每个纹理集合中每个待滤波像素点的初始遗忘因子，计算公式为：
9.根据权利要求1所述的一种智能化的金属锻件质量检测方法，其特征在于，所述根据每个纹理集合中每个待滤波像素点的初始遗忘因子以及每个纹理集合为齿轮本身纹理的可能性，获取每个纹理集合中每个待滤波像素点的遗忘因子，包括：
10.根据权利要求1所述的一种智能化的金属锻件质量检测方法，其特征在于，所述根据每个纹理集合中每个待滤波像素点的遗忘因子对传动齿轮图像进行滤波处理，得到滤波处理后的传动齿轮图像，包括：
