本发明涉及图像数据处理领域，特别是涉及一种基于机器视觉的平地机弧形刀片表面平整性识别方法。
背景技术：
1、平地机是一种用于土木工地和建筑工程的机械设备。它前部具有一块宽大弧形刀片，用于推土和平整地表，刀片设计成弯曲的形状更适合在土地上切割和移动土壤。在刀片的生产过程中，需要确保刀片的平整性，如果刀片不平整或者存在缺陷，那么可能会导致推土作业效率低下并且增加了事故的风险。
2、在刀片的生产过程中，可以使用边缘检测确定刀片的缺陷位置。但是由于光照因素，使用边缘检测时，会误将光照阴影边缘确定为缺陷边缘。
技术实现思路
1、鉴于上述问题，本申请提供了一种基于机器视觉的平地机弧形刀片表面平整性识别方法，能够对划痕缺陷边缘进行筛选，同时修复完整划痕缺陷边缘，提升了确定划痕缺陷位置的准确度，进而能够准确提升识别刀片表面的平整性。
2、第一方面，本申请实施例提供了一种基于机器视觉的平地机弧形刀片表面平整性识别方法，包括：
3、获取弧形刀片的图像；
4、对弧形刀片的图像进行预处理，获得图像对应的灰度图像；
5、对灰度图像进行边缘检测处理，得到弧形刀片的边缘图像；
6、根据边缘图像中边缘周围的灰度差异和边缘形态，筛选出边缘图像中弧形刀片的划痕缺陷边缘；
7、根据弧形刀片的划痕缺陷边缘间的位置关系对划痕缺陷边缘进行修复，得到修复后的划痕缺陷边缘；
8、将每一个修复后的划痕缺陷边缘长度与最小允许长度进行比较，确定弧形刀片表面的平整性。
9、在一种可能的实现方式中，对弧形刀片的图像进行预处理，获得图像对应的灰度图像，包括：
10、对弧形刀片的图像进行灰度化处理和滤波平滑处理，得到滤波平滑处理后的灰度图。
11、在一种可能的实现方式中，对灰度图像进行边缘检测处理，得到弧形刀片的边缘图像包括：
12、通过canny边缘检测算法对弧形刀片对应的灰度图像进行边缘检测处理。
13、在一种可能的实现方式中，根据边缘图像中边缘周围的灰度差异和边缘形态，筛选出边缘图像中弧形刀片的划痕缺陷边缘，包括：
14、根据边缘图像中每一个边缘的边缘两侧灰度特征和边缘上的灰度特征，计算每一个边缘对应的刀身结构边缘可能性；
15、根据每一个边缘上每个像素点窗口中对应的灰度变换程度，计算每一个边缘的周围灰度变换特征值；
16、根据每一个边缘的周围灰度变换特征值和对应每一个边缘的形态变化程度，计算对应每一个边缘的边缘特征值；
17、基于每一个边缘的刀身结构边缘可能性和对应每一个边缘的边缘特征值，筛选出边缘图像中弧形刀片的划痕缺陷边缘。
18、在一种可能的实现方式中，根据边缘图像中每一个边缘的边缘两侧灰度特征和边缘上的灰度特征，计算每一个边缘对应的刀身结构边缘可能性，其中每一个边缘对应的刀身结构边缘可能性的计算公式为：
19、
20、其中，表示第个边缘的刀身结构边缘可能性，分别表示第个边缘的两侧灰度特征值，表示第个边缘的边缘灰度特征值和边缘灰度均值差异较大的差值，表示归一化函数。
21、在一种可能的实现方式中，根据每一个边缘上每个像素点窗口中对应的灰度变换程度，计算每一个边缘的周围灰度变换特征值，其中每一个边缘的周围灰度变换特征值的计算公式为：
22、
23、其中，表示第个边缘的周围灰度变换特征值，表示第v个边缘的像素点数量，表示第v个边缘中第i个像素点窗口中第k个像素点的灰度变换程度，表示第v个边缘中第i个像素点窗口内的灰度变换程度均值，表示第v个边缘上第i个像素点窗口的大小，取值5。
24、在一种可能的实现方式中，根据每一个边缘的周围灰度变换特征值和对应每一个边缘的形态变化程度，计算对应每一个边缘的边缘特征值，其中每一个边缘的边缘特征值的计算公式为：
25、
26、其中，第个边缘的边缘特征值，表示第v个边缘的像素点数量，表示第v个边缘上第i个像素点的链码，表示第v个边缘上第个像素点的链码，为第v个边缘的周围灰度变换特征值。
27、在一种可能的实现方式中，基于每一个边缘的刀身结构边缘可能性和对应每一个边缘的边缘特征值，筛选出边缘图像中弧形刀片的划痕缺陷边缘，包括：
28、将每一个边缘的刀身结构边缘可能性与第一预设阈值进行比较得到第一比较结果，将每一个边缘的边缘特征值进行归一化处理后与第二预设阈值进行比较得到第二比较结果，根据第一比较结果和第二比较结果分别筛除边缘图像中的刀身结构边缘和刀身反光边缘，得到边缘图像中弧形刀片的划痕缺陷边缘。
29、在一种可能的实现方式中，根据弧形刀片的划痕缺陷边缘间的位置关系对划痕缺陷边缘进行修复，得到修复后的划痕缺陷边缘，包括：
30、根据弧形刀片的划痕缺陷边缘间的位置关系，计算任意两个划痕缺陷边缘间的连接必要性；
31、将连接必要性与第三预设阈值比较得到第三比较结果，根据第三比较结果进行划痕缺陷边缘修复，得到修复后的划痕缺陷边缘。
32、在一种可能的实现方式中，根据弧形刀片的划痕缺陷边缘间的位置关系，计算任意两个划痕缺陷边缘间的连接必要性，其中两个划痕缺陷边缘间的连接必要性的计算公式为：
33、
34、其中，l表示两个边缘之间的端点最短距离，和分别表示两个边缘中像素点的平均切线方向，表示两个边缘端点连接的向量方向，函数为指数归一化函数。
35、第二方面，本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现如第一方面各个可能实现的实施例。
36、第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行如第一方面各个可能实现的实施例。
37、本申请的有益效果在于：刀片存在缺陷部分时，对刀片图像进行边缘检测确定刀片缺陷位置，存在刀片本身结构的边缘和光照影响下的刀片阴影边缘等干扰边缘，会降低确定缺陷位置的准确度。而本申请通过边缘检测得到边缘检测结果后，根据刀片位置所存在的灰度差异特征确定刀片本身结构的边缘，进而通过划痕和光照阴影边缘的周围灰度波动差异进一步对缺陷边缘进行筛选，并且根据划伤或划痕的走势趋势对划痕边缘进行连接，修复完整划痕边缘，提升了确定缺陷位置的准确度，进而准确提升确定刀片表面的平整性。
1.一种基于机器视觉的平地机弧形刀片表面平整性识别方法，其特征在于，包括：
2.根据权利要求1所述的基于机器视觉的平地机弧形刀片表面平整性识别方法，其特征在于，对所述弧形刀片的图像进行预处理，获得所述图像对应的灰度图像，包括：
3.根据权利要求1所述的基于机器视觉的平地机弧形刀片表面平整性识别方法，其特征在于，对所述灰度图像进行边缘检测处理，得到所述弧形刀片的边缘图像包括：
4.根据权利要求1所述的基于机器视觉的平地机弧形刀片表面平整性识别方法，其特征在于，根据所述边缘图像中边缘周围的灰度差异和边缘形态，筛选出所述边缘图像中弧形刀片的划痕缺陷边缘，包括：
5.根据权利要求4所述的基于机器视觉的平地机弧形刀片表面平整性识别方法，其特征在于，根据所述边缘图像中每一个边缘的边缘两侧灰度特征和边缘上的灰度特征，计算每一个边缘对应的刀身结构边缘可能性，其中所述每一个边缘对应的刀身结构边缘可能性的计算公式为：
6.根据权利要求4所述的基于机器视觉的平地机弧形刀片表面平整性识别方法，其特征在于，根据每一个边缘上每个像素点窗口中对应的灰度变换程度，计算每一个边缘的周围灰度变换特征值，其中每一个边缘的周围灰度变换特征值的计算公式为：
7.根据权利要求4所述的基于机器视觉的平地机弧形刀片表面平整性识别方法，其特征在于，根据每一个边缘的周围灰度变换特征值和对应每一个边缘的形态变化程度，计算对应每一个边缘的边缘特征值，其中每一个边缘的边缘特征值的计算公式为：
8.根据权利要求4所述的基于机器视觉的平地机弧形刀片表面平整性识别方法，其特征在于，基于每一个边缘的刀身结构边缘可能性和对应每一个边缘的边缘特征值，筛选出所述边缘图像中弧形刀片的划痕缺陷边缘，包括：
9.根据权利要求1所述的基于机器视觉的平地机弧形刀片表面平整性识别方法，其特征在于，根据所述弧形刀片的划痕缺陷边缘间的位置关系对所述划痕缺陷边缘进行修复，得到修复后的划痕缺陷边缘，包括：
10.根据权利要求9所述的基于机器视觉的平地机弧形刀片表面平整性识别方法，其特征在于，根据所述弧形刀片的划痕缺陷边缘间的位置关系，计算任意两个划痕缺陷边缘间的连接必要性，其中两个划痕缺陷边缘间的连接必要性的计算公式为：
