(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210254837.3 (22)申请日 2022.03.16 (65)同一申请的已公布的文献号 申请公布号 CN 114359274 A (43)申请公布日 2022.04.15 (73)专利权人 布鲁奇维尔通 风设备启东有限公 司 地址 226200 江苏省南 通市启东高新 技术 产业开发区海虹路3 0号 (72)发明人 白海洋　 (74)专利代理 机构 郑州知倍 通知识产权代理事 务所(普通 合伙) 41191 专利代理师 夏开松 (51)Int.Cl. G06T 7/00(2017.01)G06V 10/44(2022.01) G06V 10/762(2022.01) G06K 9/62(2022.01) G06Q 10/00(2012.01) 审查员 丁娇 (54)发明名称 基于图像处理的通风设备叶片质 量检测方 法、 装置及系统 (57)摘要 本发明公开了一种基于图像处理的通风设 备叶片质量检测方法、 装置及系统， 涉及人工智 能领域。 主要包括： 获取待检测的通风设备的叶 片表面图像并预处理获得叶片的灰度图像； 根据 灰度图像中像素点的梯度幅值及像素点邻域内 像素点的梯度幅值， 获得所述灰度图像中的异常 点； 将位于同一预设尺寸的划窗内的所述异常点 划至同一类别， 以获得对所有异常点划分后的多 个类别； 对 所述类别中包含的异常点的梯度方向 的交点进行均值漂移聚类， 并根据聚类结果包含 的像素点在类别中像素点的比例， 获得灰度图像 中的缺陷点； 根据所述缺陷点的分散程度以及缺 陷点的数量获得缺陷严重程度， 并利用所述缺陷 严重程度实现对通 风设备叶片的质量的检测。 权利要求书2页 说明书8页 附图2页 CN 114359274 B 2022.05.31 CN 114359274 B 1.一种基于图像处 理的通风设备叶片质量检测方法， 其特 征在于， 包括： 获取待检测的通风设备的叶片表面图像并预处理获得叶片的灰度图像， 并获得所述灰 度图像中像素点的梯度幅值及 梯度方向； 根据灰度图像 中像素点的梯度幅值及像素点邻域内像素点的梯度幅值， 获得所述灰度 图像中的异常点； 将位于同一预设尺寸的滑窗内的所述异常点划至同一类别， 以获得对所有异常点划分 后的多个 类别； 对所述类别中包含的异常点的梯度方向的交点进行均值漂移聚类， 并根据聚类结果包 含的像素点在类别中像素点的比例， 获得 灰度图像中的缺陷点； 根据所述缺陷点的分散程度以及缺陷点的数量获得缺陷严重程度， 并利用所述缺陷严 重程度实现对通 风设备叶片的质量的检测； 其中， 根据所述 缺陷点的分散程度以及缺陷点的数量获得缺陷严重程度， 包括： 式中， Q表示缺陷严重程度， A表示所述缺陷点的个数， X表示所述缺陷点与所述灰度图 像的中心点的距离， 表示各所述缺陷点与所述灰度图像的中心点的距离的均值， s表示所 述预设尺寸的滑窗的面积， tanh为双曲线正切函数， 为超参数； 其中， 利用所述 缺陷严重程度实现对通 风设备叶片的质量的检测， 包括： 当缺陷严重程度为0时， 说明产品不符合 起泡缺陷， 即产品为 合格品， 不予以处 理； 当缺陷严重程度在 （0,0.6]范围内时,产品存在轻微 起泡缺陷， 产品属于合格品； 当缺陷严重程度在 （0.6,1]范围内时,产品存在起 泡缺陷， 产品属于不 合格品。 2.根据权利要求1所述的基于图像处理 的通风设备叶片质量检测方法， 其特征在于， 根 据灰度图像中像素点的梯度幅值及像素点邻域内像素点的梯度幅值， 获得所述灰度图像中 的异常点， 包括： 将梯度幅值大于预设梯度阈值的像素点作为疑似异常点； 根据所述疑似异常点的邻域内像素点的梯度幅值获得疑似异常点的异常程度， 并将所 述异常程度大于预设第一阈值的疑似异常点作为异常点。 3.根据权利要求1所述的基于图像处理 的通风设备叶片质量检测方法， 其特征在于， 将 位于同一预设尺寸的滑窗内的所述异常点划至同一类别， 以获得对所有异常点划分后的多 个类别， 包括： 对所述异常点进行编号， 以编号为1的异常点为中心点建立预设尺寸的滑窗， 将所述滑 窗中存在的其他异常点与该像素点划为同一类别， 对未进行划分的异常点进行编号并划 分， 进行迭代， 直至 完成对所有异常点的划分， 以得到划分后多个 类别。 4.根据权利要求1所述的基于图像处理 的通风设备叶片质量检测方法， 其特征在于， 对 所述类别中包含的异常点的梯度方向的交点进 行均值漂移聚类， 并根据聚类结果包含的像 素点在类别中像素点的比例， 获得 灰度图像中的缺陷点， 包括： 对所述类别中包含的异常点的梯度方向的交点进行均值漂移聚类， 当聚类结果中包含权　利　要　求　书 1/2 页 2 CN 114359274 B 2的像素点在该类别中像素点的比例大于预设第三阈值时， 将该聚类结果的中心作为缺陷 点。 5.根据权利要求1所述的基于图像处理 的通风设备叶片质量检测方法， 其特征在于， 对 待检测的通 风设备的叶片表面图像进行 预处理获得叶片的灰度图像， 包括： 对叶片表面图像进行图像分割获得叶片区域图像， 并对所述叶片区域图像进行灰度化 获得灰度图像， 其中所述图像分割过程是通过DN N实现的。 6.根据权利要求1所述的基于图像处理 的通风设备叶片质量检测方法， 其特征在于， 获 得所述灰度图像中像素点的梯度幅值及 梯度方向， 包括： 像素点的梯度大小 ， 像素点的梯度方向为 ， 其中g表示梯 度幅值， 表示像素点的水平梯度， 表示像素点的竖直梯度。 7.一种基于图像处 理的通风设备叶片质量检测装置， 其特 征在于， 包括： 获取模块， 用于获取待检测的通风设备的叶片表面图像并预处理获得叶片的灰度图 像， 并获得 所述灰度图像中像素点的梯度幅值及 梯度方向； 异常点筛选模块， 用于根据 灰度图像中像素点的梯度幅值及像素点邻域内像素点的梯 度幅值， 获得 所述灰度图像中的异常点； 异常点划分模块， 用于将位于同一预设尺寸的滑窗内的所述异常点划至同一类别， 以 获得对所有异常点划分后的多个 类别； 缺陷点筛选模块， 用于对所述类别中包含的异常点的梯度方向的交点进行均值漂移聚 类， 并根据聚类结果包 含的像素点在类别中像素点的比例， 获得 灰度图像中的缺陷点； 质量检测模块， 用于根据所述缺陷点的分散程度以及缺陷点的数量获得缺陷严重程 度， 并利用所述 缺陷严重程度实现对通 风设备叶片的质量的检测； 其中， 根据所述 缺陷点的分散程度以及缺陷点的数量获得缺陷严重程度， 包括： 式中， Q表示缺陷严重程度， A表示所述缺陷点的个数， X表示所述缺陷点与所述灰度图 像的中心点的距离， 表示各所述缺陷点与所述灰度图像的中心点的距离的均值， s表示所 述预设尺寸的滑窗的面积， tanh为双曲线正切函数， 为超参数； 其中， 利用所述 缺陷严重程度实现对通 风设备叶片的质量的检测， 包括： 当缺陷严重程度为0时， 说明产品不符合 起泡缺陷， 即产品为 合格品， 不予以处 理； 当缺陷严重程度在 （0,0.6]范围内时,产品存在轻微 起泡缺陷， 产品属于合格品； 当缺陷严重程度在 （0.6,1]范围内时,产品存在起 泡缺陷， 产品属于不 合格品。 8.一种基于图像处理的通风设备叶片质量检测系统， 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 1‑6中任一项 所述的 基于图像处 理的通风设备叶片质量检测方法。权　利　要　求　书 2/2 页 3 CN 114359274 B 3