(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 202210255970.0 (22)申请日 2022.03.15 (71)申请人 扬州新扬通 风设备有限公司 地址 225000 江苏省扬州市江都区樊川镇 科技园X3 03东南200米 (72)发明人 于传平　唐学松　 (74)专利代理 机构 武汉世跃专利代理事务所 (普通合伙) 42273 专利代理师 万仲达 (51)Int.Cl. G06T 7/00(2017.01) G06K 9/62(2022.01) G06V 10/74(2022.01) G06V 10/771(2022.01) G06V 10/762(2022.01)G06F 17/16(2006.01) (54)发明名称 消声器表面材 料缺陷检测方法及系统 (57)摘要 本发明公开了一种消声器表面材料缺陷检 测方法及系统， 涉及消声器缺陷检测领域。 该方 法是一种利用光学手段， 具体是利用可见光手段 采集可见光图像以此测试或分析材料的方法， 主 要包括： 采集待检测消声器的表 面图像并进行处 理， 以获得小波变换后的低频子带和多个高频子 带； 对各高频子带对应的小波系数进行更新， 并 根据更新后的各高频子带的各小波系数以及低 频子带， 进行逆小波变换重构获得注意力图像， 并利用FCM算法分别获得注意力图像中各像素点 的隶属度值， 以判断消声器表面是否存在缺陷， 并在判断存在缺陷时获得消声器中的缺陷区域。 因此， 本发 明实施例能够实现对消声器表面材料 的缺陷检测。 权利要求书2页 说明书8页 附图2页 CN 114820438 A 2022.07.29 CN 114820438 A 1.一种消声器表面材 料缺陷检测方法， 其特 征在于， 包括： 采集待检测 消声器的表面图像并进行 预处理； 对经过预处理后的所述表面图像进行小波变换， 以获得小波变换后的低频子带和多个 高频子带； 对各高频子带对应的小波系数进行处理， 获得处理后的各高频子带对应的各小波系 数； 根据更新后的各高频子带的各小波系数以及所述低频子带， 进行逆小波变换重构 获得 注意力图像， 并利用FC M算法分别获得 所述注意力图像中各像素点的隶属度值； 根据所述注意力图像中像素点的隶属度值的范围， 将注意力图像中像素点划分为两 类， 并根据所划分的两类像素点的数量比例判断是否存在缺陷， 并在判定存在缺陷时获得 存在缺陷的类别， 以将存在缺陷的类别中像素点组成缺陷区域。 2.根据权利要求1所述的消声器表面材料缺陷检测方法， 其特征在于， 对各高频子带对 应的小波系数进行处 理， 获得处 理后的各高频子带对应的各小 波系数， 包括： 根据所有高频子带的小波系数中任意两小波系数的相似度， 获得关于小波系数的相似 度的拉普拉斯矩阵； 获得所述拉普拉斯矩阵的各特征向量中最大的两个特征向量， 并计算该两个特征向量 组成的矩阵中不同行之间的余弦相似度， 以对不同行之间的余弦相似度聚类成两类， 并将 两类中余弦相似度更小的一类对应的小波系 数置0， 获得处理后的各高频子带对应的各小 波系数。 3.根据权利要求2所述的消声器表面材料缺陷检测方法， 其特征在于， 根据所有高频子 带的小波系 数中任意两小波系 数的相似度， 获得关于小波系 数的相似度的拉普拉斯矩阵， 包括： 根据所有高频子带的小波系数中任意两小波系数的相似度， 获得小波系数的相似度矩 阵， 且所述相似度矩阵中包 含各两小 波系数之间的相似度； 根据所述相似度矩阵获得累加矩阵， 其中， 所述累加矩阵为对角矩阵且所述累加矩阵 中各行的非零 值为所述相似度矩阵中对应行的值累加； 将所述累加矩阵与所述相似度矩阵相减， 获得关于小波系数的相似度的拉普拉斯矩 阵。 4.根据权利要求1所述的消声器表面材料缺陷检测方法， 其特征在于， 对待检测消声器 的表面图像进行 预处理， 包括： 对待检测 消声器的表面图像进行 灰度化获得 灰度图像； 对所述灰度图像进行双线性插值处 理， 获得插值图像； 利用区域 生长算法对所述灰度图像进行处 理， 获得多个子块； 利用子块中的不同灰度值出现的频 数分别获得 各子块中像素点的特 征值； 将所述插值图像中像素点的像素值与其对应子块中的特征值进行加权求和， 获得预处 理后的表面图像中像素点的像素值， 其中加权求和过程中特征值的权重值大于像素点在所 述插值图像中的像素值的权 重。 5.根据权利要求4所述的消声器表面材料缺陷检测方法， 其特征在于， 利用子块中不同 灰度值出现的频 数分别获得 各子块中像素点的特 征值， 包括：权　利　要　求　书 1/2 页 2 CN 114820438 A 2其中， Q为子块中像 素点的特征值， G为子块中像 素点的灰度级数， fi为子块中灰度值i出 现的频数。 6.根据权利要求1所述的消声器表面材料缺陷检测方法， 其特征在于， 根据所述注意力 图像中像素点的隶属度值的范围， 将注意力图像中像素点划分为两类， 包括： 判断所述注意力图像中像素点的隶属度值是否大于预设第一阈值， 若判断结果为是， 则将该像素点划分至第一类别； 若判断结果为否， 则判断所述注意力图像中像素点的隶属度值是否大于预设第二阈 值， 若判断结果 为是， 则将该像素点划分至第二类别， 否则， 将该像素点划分至第三类别； 对于第二类别中的像素点， 当该像素点的邻域内归属于第 一类别的像素点的数量大于 归属于第三类别的像素点时， 将该像素点划分至第一类别， 否则， 将该像素点划分至第三类 别。 7.根据权利要求1或6中所述的消声器表面材料缺陷检测方法， 其特征在于， 根据所划 分的两类像素点的数量比例判断是否存在缺陷， 并在判定存在缺陷时获得存在缺陷的类 别， 包括： 获得所划分的两类别中像素点数量较大的类别， 与另一类别 中像素点的数量的比例， 判断该比例是否大于预设比例阈值， 若判断结果为是， 则消声器表 面不存在缺陷， 否则消声 器表面存在缺陷， 将两类别中像素点数量较小的类别作为存在缺陷的类别。 8.根据权利要求1所述的消声器表面材料缺陷检测方法， 其特征在于， 对各高频子带对 应的小波系数进行处 理前， 所述方法还 包括： 从最后一级小波变换开始， 将后一级小波变换得到的高频子带上采样， 且上采样后的 大小等于相同方向上 前一级小波变换得到的高频子带； 将上采样后的后一级的高频子带与其相同方向上 前一级的高频子带加权融合； 进行相同方向上相邻级的高频子带的上采样及加权 融合， 直至完成对所有级的高频子 带的加权融合。 9.根据权利要求1所述的消声器表面材料缺陷检测方法， 其特征在于， 对经过预处理后 的所述表面图像进行小波变换前， 所述方法还包括对预处理后的所述表面图像进 行高斯滤 波去噪。 10.一种消声器表面材料缺陷检测系统， 包括： 存储器和处理器， 其特征在于， 所述处理 器执行所述存储器存储的计算机程序， 以实现如权利要求1 ‑9中任一项所述的消声器表面 材料缺陷检测方法。权　利　要　求　书 2/2 页 3 CN 114820438 A 3