本发明涉及图形识别，具体涉及一种机器人电缆生产质量视觉检测方法。
背景技术：
1、机器人电缆在汽车制造、工业自动化、家用电器等领域中发挥着重要作用，其质量直接影响到设备的安全性和可靠性。因此，对机器人电缆的质量进行有效的检测显得尤为重要，而在机器人电缆生产过程中护套挤出工序出现问题时会导致机器人电缆外皮产生裂缝，因此通过机器视觉技术可以通过无接触检测保证机器人电缆的生产质量，实现对机器人电缆生产质量的自动化、高效率的检测。
2、但是在利用机器视觉技术对机器人电缆进行检测时，通常需要获取机器人电缆的图像并对其进行边缘检测，但是应用传统的sobel算子进行边缘检测时，会因图像上裂缝的深浅不一，导致无法准确设定阈值以准确得到裂缝的边缘，从而影响对机器人电缆的生产质量检测结果的准确性。
技术实现思路
1、本发明提供一种机器人电缆生产质量视觉检测方法，以解决现有的问题。
2、本发明的一种机器人电缆生产质量视觉检测方法采用如下技术方案：
3、本发明一个实施例提供了一种机器人电缆生产质量视觉检测方法，该方法包括以下步骤：
4、获取机器人电缆的表面图像；
5、将表面图像划分为若干个局部区域，获取表面图像中像素点在不同方向上的梯度分量，根据局部区域中像素点在不同方向上梯度分量的分布情况，获得局部区域的梯度分布比，根据局部区域的梯度分布比以及像素点的梯度方向，获取局部区域在不同方向上的梯度权重系数；
6、对局部区域内的像素点进行聚类，获得若干类纹理像素点，根据不同类纹理像素点的数量，以及局部区域内所有像素点在不同方向上梯度分量的分布情况，分别获得局部区域内每个像素点在水平方向和垂直方向上的权重调整系数，结合不同方向上的梯度权重系数和权重调整系数对表面图像中的像素点的梯度分量进行调节，获得调节后的梯度分量，利用调节后的梯度分量识别出表面图像中的裂缝边缘。
7、进一步地，所述根据局部区域中像素点在不同方向上梯度分量的分布情况，获得局部区域的梯度分布比，包括的具体方法为：
8、将任意一个局部区域内所有像素点的水平梯度分量和垂直梯度分量分别进行累加，得到局部区域的水平梯度总量和垂直梯度总量，将任意像素点的水平梯度分量和垂直梯度分量形成的二维向量记为像素点的第一分量向量，将局部区域的水平梯度总量和垂直梯度总量形成的二维向量记为局部区域的第二分量向量，获取局部区域中每个像素点的第一分量向量与所属局部区域的第二分量向量的余弦相似度，记为每个像素点的局部方向因子，将任意局部区域中所有像素点的局部方向因子的方差输入到sigmoid函数中，得到的结果记为局部区域的梯度分布比。
9、进一步地，所述获取根据局部区域的梯度分布比以及像素点的梯度方向，获取局部区域在不同方向上的梯度权重系数，包括的具体方法为：
10、将任意一个局部区域中梯度幅值最大的像素点对应的梯度方向记为局部区域的裂缝参考方向；
11、
12、其中，表示第个局部区域在水平方向上的梯度权重系数，表示第个局部区域在垂直方向上的梯度权重系数；表示第个局部区域的梯度分布比；为第个局部区域的裂缝参考方向；表示正弦函数；表示余弦函数。
13、进一步地，所述对局部区域内的像素点进行聚类，获得若干类纹理像素点，包括的具体方法为：
14、根据像素点的梯度方向并利用k-means聚类算法对任意局部区域内所有像素点进行聚类，获得若干个聚类簇，将属于同一个聚类簇的像素点作为一类，并将聚类簇中的像素点记为纹理像素点，获得局部区域中的若干类纹理像素点。
15、进一步地，所述根据不同类纹理像素点的数量，以及局部区域内所有像素点在不同方向上梯度分量的分布情况，分别获得局部区域内每个像素点在水平方向和垂直方向上的权重调整系数，包括的具体方法为：
16、分别获取任意局部区域内所有像素点的水平梯度分量和垂直梯度分量的方差；
17、
18、
19、式中，表示第个局部区域内第像素点在水平方向上的权重调整系数，表示第个局部区域内第像素点在垂直方向上的权重调整系数；表示第个局部区域内像素点的数量，表示第个局部区域内第个像素点的梯度一致参数，表示第个局部区域内所有像素点的水平梯度分量的方差，表示第个局部区域内所有像素点的垂直梯度分量的方差。
20、进一步地，所述梯度一致参数的具体获取方法为：
21、将局部区域中任意像素点记为目标像素点，分别获取局部区域内与目标像素点属于同一类纹理像素点的像素点数量记为目标像素点的梯度一致参数。
22、进一步地，所述结合不同方向上的梯度权重系数和权重调整系数对表面图像中的像素点的梯度分量进行调节，获得调节后的梯度分量，包括的具体方法为：
23、
24、
25、其中，表示第个局部区域内第个像素点的水平调整系数；表示第个局部区域内第个像素点的垂直调整系数；表示第个局部区域在水平方向上的梯度权重系数；表示第个局部区域内第像素点在水平方向上的权重调整系数；表示第个局部区域在垂直方向上的梯度权重系数；表示第个局部区域内第像素点在垂直方向上的权重调整系数；表示sigmoid归一化函数；
26、将表面图像中每个像素点的水平调整系数与水平梯度分量相乘，得到像素点的调整后的水平梯度分量，将将表面图像中每个像素点的垂直调整系数与垂直梯度分量相乘，得到像素点的调整后的垂直梯度分量。
27、进一步地，所述利用调节后的梯度分量识别出表面图像中的裂缝边缘，包括的具体方法为：
28、根据像素点调整后的水平梯度分量和垂直梯度分量获取像素点的最终梯度幅值，利用大津法获取表面图像中所有像素点的最终梯度幅值的分割阈值，将最终梯度幅值大于等于分割阈值的像素点作为表面图像中的边缘像素点，将边缘像素点形成的边缘线作为表面图像中的裂缝边缘。
29、进一步地，所述将表面图像划分为若干个局部区域，包括的具体方法为：
30、利用超像素分割算法将表面图像划分为若干个超像素区域，记为局部区域。
31、进一步地，所述获取表面图像中像素点在不同方向上的梯度分量，包括的具体方法为：
32、利用sobel算子获取表面图像中所有像素点的梯度幅值在水平方向和垂直方向上的分量，分别记为水平梯度分量和垂直梯度分量。
33、本发明的技术方案的有益效果是：将局部区域内所有像素点的梯度的总量以及局部区域所包含像素点的梯度结合起来，避免忽略局部区域内像素点之间的关系，同时所获取的局部区域的水平梯度总量和垂直梯度总量可以在一定程度上保证减少图像中噪声对结果的影像的同时，可以更有效地反映表面图像中每个局部区域所在范围内的局部特征，使得得到的梯度分布比对局部区域的梯度信息的描述效果具有更好的鲁棒性和准确性；通过局部区域范围下的对表面图像中像素点在不同方向上的梯度分量进行调节，以提高裂缝边缘对应像素点相对于其他像素点的显著程度，提高了对机器人电缆表面上裂缝边缘的识别准确性。
1.一种机器人电缆生产质量视觉检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种机器人电缆生产质量视觉检测方法，其特征在于，所述根据局部区域中像素点在不同方向上梯度分量的分布情况，获得局部区域的梯度分布比，包括的具体方法为：
3.根据权利要求1所述一种机器人电缆生产质量视觉检测方法，其特征在于，所述获取根据局部区域的梯度分布比以及像素点的梯度方向，获取局部区域在不同方向上的梯度权重系数，包括的具体方法为：
4.根据权利要求1所述一种机器人电缆生产质量视觉检测方法，其特征在于，所述对局部区域内的像素点进行聚类，获得若干类纹理像素点，包括的具体方法为：
5.根据权利要求1所述一种机器人电缆生产质量视觉检测方法，其特征在于，所述根据不同类纹理像素点的数量，以及局部区域内所有像素点在不同方向上梯度分量的分布情况，分别获得局部区域内每个像素点在水平方向和垂直方向上的权重调整系数，包括的具体方法为：
6.根据权利要求5所述一种机器人电缆生产质量视觉检测方法，其特征在于，所述梯度一致参数的具体获取方法为：
7.根据权利要求1所述一种机器人电缆生产质量视觉检测方法，其特征在于，所述结合不同方向上的梯度权重系数和权重调整系数对表面图像中的像素点的梯度分量进行调节，获得调节后的梯度分量，包括的具体方法为：
8.根据权利要求1所述一种机器人电缆生产质量视觉检测方法，其特征在于，所述利用调节后的梯度分量识别出表面图像中的裂缝边缘，包括的具体方法为：
9.根据权利要求1所述一种机器人电缆生产质量视觉检测方法，其特征在于，所述将表面图像划分为若干个局部区域，包括的具体方法为：
10.根据权利要求1所述一种机器人电缆生产质量视觉检测方法，其特征在于，所述获取表面图像中像素点在不同方向上的梯度分量，包括的具体方法为：
