(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 202211488865.8 (22)申请日 2022.11.25 (71)申请人 深圳市腾泰博科技有限公司 地址 518000 广东省深圳市光明区玉塘街 道田寮社区第二工业区57栋 302 (72)发明人 衡友辉　吴伟伟　 (74)专利代理 机构 郑州芝麻知识产权代理事务 所(普通合伙) 41173 专利代理师 董晓勇 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/13(2017.01) G06T 7/136(2017.01) G06T 7/187(2017.01)G06T 7/68(2017.01) G06T 7/73(2017.01) G06T 7/90(2017.01) G10L 25/51(2013.01) (54)发明名称 一种电唱机唱头故障因素识别方法 (57)摘要 本发明涉及数据处理技术领域， 具体涉及一 种电唱机唱头故障因素识别方法， 该方法包括： 根据电唱机不同周期的声音序列之间的差异获 取故障可能性； 若故障可能性大于故障阈值， 采 集电唱机的侧面图像并获取唱针区域 以及唱针 区域中的边缘像素点， 过每个边缘像素点作目标 垂线进而根据目标垂线得到每个边缘像素点的 优选值， 以确定针尖像素点； 进一步以唱针区域 中每个边缘像素点作为中心点构建窗口， 根据窗 口内的角度信息得到中心点的磨损概率， 进而确 定所有的磨损点， 根据磨损点的磨损概率以及磨 损点与针尖像素点的欧式距离得到磨损程度， 根 据磨损程度获取电唱机唱头故障因素， 提高了对 唱头故障因素判定的准确性。 权利要求书3页 说明书13页 附图1页 CN 115526890 A 2022.12.27 CN 115526890 A 1.一种电唱机唱头故障因素识别方法， 其特 征在于， 该 方法包括以下步骤： 采集电唱机至少两个周期的声音序列， 基于当前周期的声音序列与其相邻周期的声音 序列之间的差异获取电唱机的故障可能性； 若所述故障可能性大于故障阈值， 采集电唱机的侧面图像并获取所述侧面图像中的唱 针区域； 获取所述唱针区域中的边缘像素点， 过每个边缘像素点作目标垂线将所述唱针区域划 分为两个子区域； 根据所述 目标垂线上每个像素点与两个子区域的边缘的欧式距离， 获取 所述目标垂线对应的边 缘像素点的优选值， 根据所述优选值确定针尖像素点； 以所述唱针区域中每个边缘像素点作为中心点构建窗口， 根据 所述窗口内边缘像素点 的位置获取对应的角度信息， 基于所述角度信息以及所述中心 点的灰度信息获取所述中心 点的磨损概 率， 以确定边 缘像素点中的磨损点； 以每个所述磨损点与所述针尖像素点的欧式距离以及所述磨损点的磨损概率获取唱 针区域的磨损程度， 根据所述磨损程度获取电唱机唱头故障因素。 2.根据权利要求1所述的一种电唱机唱头故障因素识别方法， 其特征在于， 所述过每个 边缘像素点作目标垂线将所述唱针区域划分为两个子区域的步骤， 包括： 获取边缘像素点的切线， 过边缘像素点作所述切线的垂线， 将处于所述唱针区域中的 垂线作为目标垂线； 以目标垂线为分界线将所述唱针区域划分为两个子区域。 3.根据权利要求1所述的一种电唱机唱头故障因素识别方法， 其特征在于， 所述根据 所 述目标垂线上每个像素点与两个子区域的边缘的欧式距离， 获取所述目标垂线对应的边缘 像素点的优选值的步骤， 包括： 将所述目标垂线上每个像素点作为目标点， 过目标点作垂直于所述目标垂线的直线， 所述直线分别与两个子区域的边 缘存在两个交点； 获取目标点分别与对应两个交点之间的欧式距离， 记为第一距离和第二距离， 计算每 个目标点对应的第一距离和第二距离的差值 绝对值； 根据所述目标垂线上所有目标点对应的差值绝对值之和得到所述目标垂线对应的边 缘像素点的优选值， 所述优选值与差值 绝对值之和呈负相关 关系。 4.根据权利要求1所述的一种电唱机唱头故障因素识别方法， 其特征在于， 所述根据 所 述优选值确定针尖像素点的步骤， 包括： 选取优选值最大时的边缘像素点， 若优选值最大时的边缘像素点只有一个， 对应边缘 像素点为针尖像素点； 若优选值最大的边缘像素点不止一个， 将优选值最大的边缘像素点记为待处理点， 以 每个待处理点为中心构建预设大小的窗口区域， 根据窗口区域内每个边缘像素点与待处理 点之间的坐标差异获取对应的角度值， 将窗口区域内所有边缘像素点对应的角度值的平均 值作为待处 理点的特 征值， 所述特 征值最大时的待处 理点为针尖像素点。 5.根据权利要求1所述的一种电唱机唱头故障因素识别方法， 其特征在于， 所述根据 所 述窗口内边 缘像素点的位置获取对应的角度信息的步骤， 包括： 分别获取相邻 两个边缘像素点之间的横坐标差值和纵坐标差值， 将所述纵坐标差值和 所述横坐标差值的比值进行反正切函数计算， 得到相邻两个边 缘像素点之间的角度； 所述窗口内所有相邻边 缘像素点之间的角度为所述角度信息 。权　利　要　求　书 1/3 页 2 CN 115526890 A 26.根据权利要求5所述的一种电唱机唱头故障因素识别方法， 其特征在于， 所述基于所 述角度信息以及所述中心点的灰度信息获取所述中心点的磨损概率， 以确定边缘像素点中 的磨损点的步骤， 包括： 过所述针尖像素点作目标垂线将所述唱针区域划分为两个子区域， 分别记为最优子区 域； 取一个最优子区域中的边缘像素点w， 基于目标垂线获取边缘像素点w在另一个最优子 区域中对称位置的边缘像素点作为边缘像素点w的匹配点 ； 若另一个最优子区域中对称 位置不存在边缘像素点， 选取与对称位置距离最近的边缘像素点作为边缘像素点w的匹配 点 ； 磨损概率的计算方法为： 其中， 表示磨损概率； 表示边缘像素点w对应的窗口中所有边缘像素点的数量； 表示边缘像素点w对应的窗口中第 个角度； 表示边缘像素点w对应的窗口中第 个 角度； 表示边缘像素点w的灰度值； 表示边缘像素点w的匹配点 的灰度值； 表示 取最大值； 表示边缘像素点w对应的窗口中所有角度的平均角度值； 表示匹配点 对 应窗口中所有角度的平均角度值； 表示自然常数； 表示绝对值计算； 当磨损概 率大于预设的磨损阈值时， 磨损概 率对应的边 缘像素点 为磨损点。 7.根据权利要求1所述的一种电唱机唱头故障因素识别方法， 其特征在于， 所述以每个 所述磨损点与所述针尖像素点的欧式距离以及所述磨损点的磨损概率获取唱针区域的磨 损程度的步骤， 包括： 以每个所述磨损点与 所述针尖像素点的欧式距离构建对应所述磨损点的权重， 权重与 所述欧式距离呈负相关 关系； 获取所有所述磨损点的权重与所述磨损概率的加权求和并求平均值， 所述平均值为唱 针区域的磨损程度。 8.根据权利要求1所述的一种电唱机唱头故障因素识别方法， 其特征在于， 所述获取所 述侧面图像中的唱针区域的步骤， 包括： 获取所述侧面图像中灰度频率最大的灰度级， 以所述灰度级对应的任意一个像素点为 初始生长点， 以初始生长点进行区域生长得到对应的区域； 区域生长的生长准则为像素点 之间的灰度值差异小于预设的灰度阈值； 对于初次生长得到的区域之外的剩余像素点， 以剩余像素点中灰度频率最大的灰度级 对应的任意一个像素点作为初始生长点， 以初始生长点进行区域生长得到对应的区域； 以 此类推， 直至将所述侧面图像中所有的像素点划分至对应的区域； 获取每个所述区域中所有像素点的平均 灰度值以及所述 区域的熵值， 以所述 区域的平 均灰度值和所述区域的熵值的比值作为对应区域的置信度；权　利　要　求　书 2/3 页 3 CN 115526890 A 3