(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 202210940941.8 (22)申请日 2022.08.08 (65)同一申请的已公布的文献号 申请公布号 CN 115063415 A (43)申请公布日 2022.09.16 (73)专利权人 山东正阳科技有限公司 地址 272600 山东省济宁市梁山县拳铺镇 S337省道济梁路南 (72)发明人 李大成　李广建　王九川　于东序　 靳庆文　 (74)专利代理 机构 济宁仁礼信知识产权代理事 务所(普通 合伙) 37383 专利代理师 周建军 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 5/00(2006.01) G06V 10/74(2022.01)G06V 10/762(2022.01) G06N 3/00(2006.01) (56)对比文件 CN 103240569 A,2013.08.14 CN 113032902 A,2021.0 6.25 CN 114641006 A,2022.06.17 CN 114580763 A,2022.06.03 EP 1600351 A1,20 05.11.30 Miodrag Zivkovic等.Enhanced Dra gonfly Algorithm Adapted for W ireless Sensor Network Lifetime Optimizati on. 《Data Intelligence and Cogn itive Informatics》 .2021, 王华.基于计算机视觉的车架纵梁在线检测 关键技术研究. 《中国博士学位 论文全文数据库 信息科技 辑》 .2009,(第08 期), 杜晓昕 等.基 于聚类和探测精英引导的蜻 蜓算法. 《浙江大 学学报(工学版)》 .202 2, 审查员 李雯雯 (54)发明名称 一种基于机器视觉的车桥焊接区域识别方 法 (57)摘要 本发明涉及图像数据处理技术领域， 具体涉 及一种基于机器视觉的车桥焊接区域识别方法。 该方法在对车桥灰度图像进行k ‑means聚类分割 以确定车桥焊接区域时， 将车桥灰度图像划分为 背景区域、 车桥焊接区域和车桥非焊接区域三 种， 然后在车桥焊接区域和车桥非焊接区域分别 借助适应度函数针对性设置的蜻蜓算法， 确定了 两区域上初始聚类中心点的位置， 并同时确定了 背景区域上初始聚类中心点的位置， 以确定的更 为准确的初始聚类中心点位置对车桥灰度图像 进行k‑means聚类分割确定车桥焊接区域， 有效 减小了聚类分割计算量并降低了k ‑means算法陷 入局部最优解的概率， 提高了k ‑means聚类分割确定车桥焊 接区域的效率和准确度。 权利要求书2页 说明书7页 附图2页 CN 115063415 B 2022.11.01 CN 115063415 B 1.一种基于 机器视觉的车桥焊接区域识别方法， 其特 征在于， 包括以下步骤： 获取车桥图像， 灰度化处 理后得到车桥灰度图像； 根据车桥上焊接点的数量， 确定对车桥灰度图像进行k ‑means聚类分割时车桥焊接区 域的初始聚类中心点的数量， 然后以蜻蜓算法确定车桥焊接区域的初始聚类中心点的位 置， 所使用的蜻蜓算法的第一 适应度函数为： 其中， 为确定车桥焊接区域的初始聚类中心点的位置时所使用的蜻蜓算法的第一适 应度函数 ， 、 、 、 、 、 、 、 以及 分别表示坐标 、 、 、 、 、 、 、 以及 处像素点的 灰度值， 和 分别表示坐标(i， j)处像素点在水平和竖直方向上的灰度梯度 值； 以第一适应度函数取值最大时的方向为蜻蜓算法迭代过程中的步长方向， 迭代确定车 桥焊接区域的初始聚类中心点的位置； 对车桥灰度图像进行前景分割， 在剔除背景区域的车桥灰度图像中， 计算每个像素点 邻域内所有像素点的平均灰度值、 灰度值中位数以及灰度值标准差， 以所得平均灰度值、 灰 度值中位数以及灰度值标准差， 构建以蜻蜓算法确定车桥非焊接区域的初始聚类中心点的 位置时， 所使用的蜻蜓算法的第二适应度函数， 以第二适应度函数取值最小时的方向为蜻 蜓算法迭代过程中的步长方向， 迭代确定在 对车桥灰度图像进 行k‑means聚类 分割时， 车桥 非焊接区域的初始聚类中心点 位置； 在所剔除的背景区域中， 以灰度值最小的像素点作为在对车桥灰度图像进行k ‑means 聚类分割时， 背景区域的初始聚类中心点 位置； 根据所确定的所有初始聚类中心点位置， 对车桥灰度图像进行k ‑means聚类分割， 确定 车桥焊接区域。 2.根据权利要求1所述的基于机器视觉的车桥焊接区域识别方法， 其特征在于， 所述蜻 蜓算法的第二 适应度函数为： 其中， 表示第二适应度函数， ， ， 分别表示所述剔除背景区域的车桥灰度图像 中， 第z个 像素点8邻域内的灰度值均值、 灰度值中位数和灰度值标准差 。 3.根据权利要求1所述的基于机器视觉的车桥焊接区域识别方法， 其特征在于， 在以蜻权　利　要　求　书 1/2 页 2 CN 115063415 B 2蜓算法确定车桥焊接区域的初始聚类中心点的位置时， 确定蜻蜓算法步长所使用的惯性权 重为： 其中， 是当前迭代次数下的惯性权重， 是最大惯性权重， 是最小惯性权 重，  表示最大迭代次数， 表示当前迭代次数。 4.权利要求1 ‑3任一项所述的基于机器视觉的车桥焊接区域识别方法， 其特征在于， 在 以蜻蜓算法确定车桥焊接区域的初始聚类中心点的位置时， 蜻蜓算法步长为： 其中， 为蜻蜓下一时刻飞行移动的步长向量， 为蜻蜓当前时刻飞行移动的步 长向量， 为惯性权重， 为蜻蜓的分离度， 为蜻蜓个体的对齐度， 为蜻蜓个体的聚集 度， 为蜻蜓的食物吸引度， 为蜻蜓的天敌驱散度。 5.根据权利要求1 ‑3任一项所述的基于机器视觉的车桥焊接区域识别方法， 其特征在 于， 对车桥灰度图像进行k ‑means聚类分割时所使用的相似度函数为： 其中， 为像素点与聚类中心点的相似度， 表示聚类中心点 处像素点的灰 度值， 表示图像中任意一点 处像素点的灰度值， 与 分别表示所述车桥 灰度图像的长和宽 。权　利　要　求　书 2/2 页 3 CN 115063415 B 3