CN103473552A - 微通道管的图像识别系统 - Google Patents
微通道管的图像识别系统 Download PDFInfo
- Publication number
- CN103473552A CN103473552A CN 201310347718 CN201310347718A CN103473552A CN 103473552 A CN103473552 A CN 103473552A CN 201310347718 CN201310347718 CN 201310347718 CN 201310347718 A CN201310347718 A CN 201310347718A CN 103473552 A CN103473552 A CN 103473552A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- micro
- edge
- identification system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种微通道管的图像识别系统,包括:X光机成像系统、图像识别系统和报警装置,X光机成像系统用以采集微通道管图像;图像识别系统分别于X光机成像系统和报警装置连接,用以对X光机成像系统获取的图片进行识别处理以检测微通道管是否堵塞,若堵塞输出报警信号至报警装置,报警装置输出报警信息,其中,图像识别系统进一步包括依次连接的图像去噪模块、图像增强模块、图像平滑模块、二值化模块、边缘检测模块、边缘过滤模块、直线拟合模块和检测判定模块。本发明结合数字图像处理方法对微通道管图像进行处理,具有检测精度高,检测效率高,节约成本,节省能源的优点。
Description
技术领域
本发明涉及微通道管检测领域,具体地,涉及一种微通道管的图像识别系统。
背景技术
微通道管,又称“平行流铝扁管”,是一种采用精炼铝棒、通过热挤压、经表面喷锌防腐处理,薄壁多孔扁形管状材料,是新一代平行流微通道空调换热器的关键材料,该产品主要应用于各种采用新型环保制冷剂的空调系统中,作为承载新型环保制冷剂的关键管道零部件,是一种新型环保制冷剂承载管道材料,已在汽车空调系统上获得强制使用(欧盟规定为1996年,中国规定为2002年)。该产品由于采用铝材质,使得在线检测难度很大,目前尚无在线检测装置,只是通过人工进行检测,经常需要生产线停机,检测效率低,且劳动强度大,检测准确度受疲劳度影响大,检测精度低,一定程度上导致管材浪费。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种微通道管的图像识别系统及方法。
根据本发明的一个方面,提供一种微通道管的图像识别系统,包括:X光机成像系统、图像识别系统和报警装置,X光机成像系统用以采集微通道管图像;图像识别系统分别与X光机成像系统和报警装置连接,用以对X光机成像系统获取的图片进行识别处理以检测微通道管是否堵塞,若堵塞输出报警信号至报警装置,报警装置输出报警信息,其中,图像识别系统进一步包括:
图像去噪模块:与X光机成像系统连接,用以去除采集图像上的随机噪声和高斯白噪声,排除随机电信号的干扰;
图像增强模块:与图像去噪模块连接,针对获取的图像清晰度不高,对图像进行直方图均衡化处理,拉大灰度直方图的动态范围来进行增强图像,
图像平滑模块:与图像增强模块连接,用以针对边缘的锯齿和边界不平整的情况,对图像进行均值滤波来平滑边缘,
二值化模块:与图像平滑模块连接,用以对灰度图像进行处理,利用局部二值化算子,提取黑白二值化图像;
边缘检测模块:与所二值化模块连接,用以通过检测二值化图像的边缘,获取边缘信息;
边缘过滤模块:与边缘检测模块连接,用以过滤掉分布不规律的边缘,保留在同向方向上的边缘;
直线拟合模块:与边缘过了模块连接,用以通过拟合边缘,获取微通道管的边缘线;
检测判定模块:与直线拟合模块连接,用以通过边缘检测线的个数以及边缘检测线之间的距离来判断微通道管的堵塞情况,并根据判断结果输出报警信息。
优选地,图像去噪模块将开启和闭合结合起来滤除噪声,具体包括以下步骤:
首先对有噪声图像进行开启操作,选择结构要素矩阵比噪声的尺寸大,开启将背景上的噪声去除;
其次,对前一步得到的图像进行闭合操作,将图像上的噪声去掉。
优选地,图像去噪模块通过开闭操作滤除随机噪声和高斯白噪声,其中,开启操作的结构要素尺寸为5,闭合操作的结构要素尺寸为3。
优选地,图像增强模块利用直方图均衡化进行图像增强操作,将原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布,其中,
直方图均衡化为:对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同。
优选地,图像平滑模块通过均值滤波器来消除边界的锯齿和不平滑现象,具体使用像素周围5×5像素范围内的平均值来置换该像素值,通过使图像模糊,达到看不到细小噪声的目的消除边界的锯齿和不平滑。
优选地,二值化模块利用局部二值化算子,将9×9窗口的灰度最小值和最大值的平均值作为一个窗口的中心像素的阈值,通过该阈值来二值化,获取二值化图像。
优选地,边缘检测模块通过对二值化图像的边缘进行拟合获取图像的边缘。
优选地,边缘过滤模块将不在目标区域的边缘线过滤掉,通过边缘线的方向和距离进行剔除,方向偏离中心较大和距离偏离中心线较远的边缘线去除。
优选地,直线拟合模块通过边缘过滤模块获取的边缘过滤线拟合管道孔径所在的直线。
优选地,检测判定模块将直线区域分为四个部分,作出四条直线的相交线,通过直线的相交点判别管道的条数,若第一条直线的相交点为N1,其他三条依次为N2,N3,N4,则管道的条数为(N1+N2+N3+N4)/4取整,若该值小于管道的实际数值,表示管道有堵塞,输出报警信号,否则无堵塞,不报警。
本发明的工作原理为:本发明通过图像识别系统处理X光机成像系统的获取的图片,对微通道管内部的堵塞情况进行实时检测并且判别,一旦微通道管内部有堵塞,马上进行报警。首先,图像去噪模块去除采集图像上的随机噪声和高斯白噪声,排除随机电信号的干扰;之后,图像增强模块针对获取的图像清晰度不高,对图像进行直方图均衡化处理,拉大灰度直方图的动态范围来进行增强图像;图像平滑模块针对边缘的锯齿和边界不平整的情况,对图像进行均值滤波来平滑边缘;二值化模块通过前面处理的灰度图像,利用局部二值化算子,来提取黑白二值化图像;之后,边缘检测模块通过检测二值化图像的边缘,来获取边缘信息;再边缘过滤模块过滤掉分布不规律的边缘,保留基本在同向方向上的边缘;直线拟合模块通过拟合边缘,来获取微通道管的边缘线;最后,检测判定模块通过边缘检测线的个数以及边缘检测线之间的距离来判断微通道管的堵塞情况,若有堵塞,输出报警信号至报警装置,报警装置输出报警信息。
与现有技术相比,本发明具有如下的有益效果:常规的图像拍照手段无法观察微通道铝管内部结构,如果铝管内部有堵塞情况那么整个铝管都要报废,浪费很大,本发明采取X光机成像的方法进行拍照,能够清楚的观察微通道管的内部结构。同时,本发明结合数字图像处理方法对采集到的图像进行识别处理,识别精度高,检测效率高。与现有技术相比,本发明具有如下的有益效果:本发明采取机器视觉的方法来检测微通道管的内部情况,并且不需要生产线停机,比人工的方法快速准确,检测精度高,大大提高生产效率,降低劳动强度,有效节约人力成本,且最大限度的减少管材的浪费。因此,本发明具有检测精度高,检测效率高,节约成本,节省能源的优点。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明微通道管的图像识别系统的结构示意图;
图2为微通道铝管的结构示意图;
图3为X光机成像系统采集的微通道管图像成像图;
图4为图像增强模块处理后的微通道管增强图像;
图5为微通道管图像的二值化图;
图6为边缘检测模块的检测结果示意图;
图7为边缘过滤模块处理后的图像;
图8为直线拟合模块处理的拟合直线图像;
图9为检测判定模块的处理图像。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
请参阅图1,一种微通道管的图像识别系统,包括:X光机成像系统、图像识别系统和报警装置,X光机成像系统用以采集微通道管图像;图像识别系统分别与X光机成像系统和报警装置连接,用以对X光机成像系统获取的图片进行识别处理以检测微通道管是否堵塞,若堵塞输出报警信号至报警装置,报警装置输出报警信息,其中,图像识别系统进一步包括:
图像去噪模块:与X光机成像系统连接,用以去除采集图像上的随机噪声和高斯白噪声,排除随机电信号的干扰;
图像增强模块:与图像去噪模块连接,针对获取的图像清晰度不高,对图像进行直方图均衡化处理,拉大灰度直方图的动态范围来进行增强图像,
图像平滑模块:与图像增强模块连接,用以针对边缘的锯齿和边界不平整的情况,对图像进行均值滤波来平滑边缘,
二值化模块:与图像平滑模块连接,用以对灰度图像进行处理,利用局部二值化算子,提取黑白二值化图像;
边缘检测模块:与所二值化模块连接,用以通过检测二值化图像的边缘,获取边缘信息;
边缘过滤模块:与边缘检测模块连接,用以过滤掉分布不规律的边缘,保留在同向方向上的边缘;
直线拟合模块:与边缘过了模块连接,用以通过拟合边缘,获取微通道管的边缘线;
检测判定模块:与直线拟合模块连接,用以通过边缘检测线的个数以及边缘检测线之间的距离来判断微通道管的堵塞情况,并根据判断结果输出报警信息。
进一步地,图像去噪模块将开启和闭合结合起来滤除噪声,具体包括以下步骤:
首先对有噪声图像进行开启操作,选择结构要素矩阵比噪声的尺寸大,开启将背景上的噪声去除;
其次,对前一步得到的图像进行闭合操作,将图像上的噪声去掉。
进一步地,图像去噪模块通过开闭操作滤除随机噪声和高斯白噪声,其中,开启操作的结构要素尺寸为5,闭合操作的结构要素尺寸为3。
进一步地,图像增强模块利用直方图均衡化进行图像增强操作,处理的“中心思想”是将原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布,其中,
直方图均衡化为:对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布,如图4所示。
进一步地,图像平滑模块通过均值滤波器来消除边界的锯齿和不平滑现象,具体使用像素周围5×5像素范围内的平均值来置换该像素值,通过使图像模糊,达到看不到细小噪声的目的消除边界的锯齿和不平滑。
进一步地,二值化模块利用局部二值化算子,将9×9窗口的灰度最小值和最大值的平均值作为一个窗口的中心像素的阈值,通过该阈值来二值化,获取二值化图像。如图5所示。
进一步地,边缘检测模块通过对二值化图像的边缘进行拟合获取图像的边缘。如图6所示。灰线为边缘区域。
进一步地,边缘过滤模块将不在目标区域的边缘线过滤掉,通过边缘线的方向和距离进行剔除,方向偏离中心较大和距离偏离中心线较远的边缘线去除。如图7所示。
进一步地,直线拟合模块通过边缘过滤模块获取的边缘过滤线拟合管道孔径所在的直线。如图8所示。
进一步地,检测判定模块将直线区域分为四个部分,作出四条直线的相交线,通过直线的相交点判别管道的条数,若第一条直线的相交点为N1,其他三条依次为N2,N3,N4,则管道的条数为(N1+N2+N3+N4)/4取整,若该值小于管道的实际数值,则表示管道有堵塞,输出报警信号,否则无堵塞,不报警。如图9所示。
本发明的工作原理为:本发明通过图像识别系统处理X光机成像系统的获取的图片,对微通道管内部的堵塞情况进行实时检测并且判别,一旦微通道管内部有堵塞,马上进行报警。首先,图像去噪模块去除采集图像上的随机噪声和高斯白噪声,排除随机电信号的干扰;之后,图像增强模块针对获取的图像清晰度不高,对图像进行直方图均衡化处理,拉大灰度直方图的动态范围来进行增强图像;图像平滑模块针对边缘的锯齿和边界不平整的情况,对图像进行均值滤波来平滑边缘;二值化模块通过前面处理的灰度图像,利用局部二值化算子,来提取黑白二值化图像;之后,边缘检测模块通过检测二值化图像的边缘,来获取边缘信息;再边缘过滤模块过滤掉分布不规律的边缘,保留基本在同向方向上的边缘;直线拟合模块通过拟合边缘,来获取微通道管的边缘线;最后,检测判定模块通过边缘检测线的个数以及边缘检测线之间的距离来判断微通道管的堵塞情况,若有堵塞,输出报警信号至报警装置,报警装置输出报警信息。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (10)
1.一种微通道管的图像识别系统,其特征在于,包括:X光机成像系统、图像识别系统和报警装置,所述X光机成像系统用以采集微通道管图像;所述图像识别系统分别与所述X光机成像系统和报警装置连接,用以对X光机成像系统获取的图片进行识别处理以检测微通道管是否堵塞,若堵塞输出报警信号至报警装置,报警装置输出报警信息,其中,所述图像识别系统进一步包括:
图像去噪模块:与所述X光机成像系统连接,用以去除采集图像上的随机噪声和高斯白噪声,排除随机电信号的干扰;
图像增强模块:与所述图像去噪模块连接,针对获取的图像清晰度不高,对图像进行直方图均衡化处理,拉大灰度直方图的动态范围来进行增强图像;
图像平滑模块:与所述图像增强模块连接,用以针对边缘的锯齿和边界不平整的情况,对图像进行均值滤波来平滑边缘;
二值化模块:与所述图像平滑模块连接,用以对灰度图像进行处理,利用局部二值化算子,提取黑白二值化图像;
边缘检测模块:与所二值化模块连接,用以通过检测二值化图像的边缘,获取边缘信息;
边缘过滤模块:与所述边缘检测模块连接,用以过滤掉分布不规律的边缘,保留在同向方向上的边缘;
直线拟合模块:与所述边缘过了模块连接,用以通过拟合边缘,获取微通道管的边缘线;
检测判定模块:与所述直线拟合模块连接,用以通过边缘检测线的个数以及边缘检测线之间的距离来判断微通道管的堵塞情况,并根据判断结果输出报警信息。
2.根据权利要求1所述的微通道管的图像识别系统,其特征在于,所述图像去噪模块将开启和闭合结合起来滤除噪声,具体包括以下步骤:
首先对有噪声图像进行开启操作,选择结构要素矩阵比噪声的尺寸大,开启将背景上的噪声去除;
其次,对前一步得到的图像进行闭合操作,将图像上的噪声去掉。
3.根据权利要求2所述的微通道管的图像识别系统,其特征在于,所述图像去噪模块通过开闭操作滤除随机噪声和高斯白噪声,其中,开启操作的结构要素尺寸为5,闭合操作的结构要素尺寸为3。
4.根据权利要求1所述的微通道管的图像识别系统,其特征在于,所述图像增强模块利用直方图均衡化进行图像增强操作,将原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布,其中,
所述直方图均衡化为:对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同。
5.根据权利要求1所述的微通道管的图像识别系统,其特征在于,所述图像平滑模块通过均值滤波器来消除边界的锯齿和不平滑现象,具体使用像素周围5×5像素范围内的平均值来置换该像素值,通过使图像模糊,达到看不到细小噪声的目的消除边界的锯齿和不平滑。
6.根据权利要求1所述的微通道管的图像识别系统,其特征在于,所述二值化模块利用局部二值化算子,将9×9窗口的灰度最小值和最大值的平均值作为一个窗口的中心像素的阈值,通过该阈值来二值化,获取二值化图像。
7.根据权利要求1所述的微通道管的图像识别系统,其特征在于,所述边缘检测模块通过对二值化图像的边缘进行拟合获取图像的边缘。
8.根据权利要求1所述的微通道管的图像识别系统,其特征在于,所述边缘过滤模块将不在目标区域的边缘线过滤掉,通过边缘线的方向和距离进行剔除,方向偏离中心较大和距离偏离中心线较远的边缘线去除。
9.根据权利要求8所述的微通道管的图像识别系统,其特征在于,所述直线拟合模块通过边缘过滤模块获取的边缘过滤线拟合管道孔径所在的直线。
10.根据权利要求9所述的微通道管的图像识别系统,其特征在于,所述检测判定模块将直线区域分为四个部分,作出四条直线的相交线,通过直线的相交点判别管道的条数,若第一条直线的相交点为N1,其他三条依次为N2,N3,N4,则管道的条数为(N1+N2+N3+N4)/4取整,若该值小于管道的实际数值,则表示管道有堵塞,输出报警信号,否则无堵塞,不报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201310347718 CN103473552A (zh) | 2013-08-09 | 2013-08-09 | 微通道管的图像识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201310347718 CN103473552A (zh) | 2013-08-09 | 2013-08-09 | 微通道管的图像识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103473552A true CN103473552A (zh) | 2013-12-25 |
Family
ID=49798396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201310347718 Pending CN103473552A (zh) | 2013-08-09 | 2013-08-09 | 微通道管的图像识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103473552A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104613895A (zh) * | 2015-02-04 | 2015-05-13 | 湖北师范学院 | 一种图片处理方法 |
CN109741291A (zh) * | 2018-07-23 | 2019-05-10 | 永康市蜂蚁科技有限公司 | 钢制暖气管除尘激励系统 |
CN112258458A (zh) * | 2020-09-29 | 2021-01-22 | 上海建工集团股份有限公司 | 基于热成像识别的超高层混凝土泵管的检测方法及系统 |
-
2013
- 2013-08-09 CN CN 201310347718 patent/CN103473552A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104613895A (zh) * | 2015-02-04 | 2015-05-13 | 湖北师范学院 | 一种图片处理方法 |
CN109741291A (zh) * | 2018-07-23 | 2019-05-10 | 永康市蜂蚁科技有限公司 | 钢制暖气管除尘激励系统 |
CN109741291B (zh) * | 2018-07-23 | 2020-11-06 | 义乌市优创知识产权运营有限公司 | 钢制暖气管除尘激励系统 |
CN112258458A (zh) * | 2020-09-29 | 2021-01-22 | 上海建工集团股份有限公司 | 基于热成像识别的超高层混凝土泵管的检测方法及系统 |
CN112258458B (zh) * | 2020-09-29 | 2023-12-05 | 上海建工集团股份有限公司 | 基于热成像识别的超高层混凝土泵管的检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190331301A1 (en) | Method for leakage detection of underground pipeline corridor based on dynamic infrared thermal image processing | |
CN105976352B (zh) | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 | |
Tang et al. | Automatic crack detection and segmentation using a hybrid algorithm for road distress analysis | |
CN104792794A (zh) | 基于机器视觉的光学薄膜表面缺陷检测方法 | |
CN102654464A (zh) | 基于多特征模糊识别的铜带表面缺陷检测系统 | |
CN105139386A (zh) | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 | |
CN102122344A (zh) | 基于红外图像的道路边界检测方法 | |
CN116758071B (zh) | 一种视觉辅助下碳电极脏污智能检测方法 | |
CN107742291A (zh) | 一种光伏玻璃的缺陷检测方法及装置 | |
CN104809725A (zh) | 一种布匹缺陷视觉识别检测装置和方法 | |
CN103793709A (zh) | 细胞识别方法和装置、以及尿液分析仪 | |
CN103473552A (zh) | 微通道管的图像识别系统 | |
CN108133488A (zh) | 一种红外图像前景检测方法及设备 | |
CN110007493A (zh) | 液晶显示屏中碎亮点检测方法 | |
CN110276318A (zh) | 夜间公路下雨识别方法、装置、计算机设备及存储介质 | |
CN103455985A (zh) | 基于Hessian结构分析的道路裂缝增强方法 | |
CN103177426B (zh) | 一种基于形态学的强干扰激光边缘图像修复方法 | |
CN103822932A (zh) | 基于多尺度滤波算子的x射线实时图像焊缝缺陷检出方法 | |
CN105608674B (zh) | 一种基于图像配准、插值和去噪的图像增强方法 | |
JP2019526865A (ja) | 粒子境界識別 | |
George et al. | Automatic defect detection inspectacles and glass bottles based on Fuzzy C Means Clustering | |
CN109544535B (zh) | 一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法及系统 | |
Meng et al. | Rubber hose surface defect detection system based on machine vision | |
CN105823763B (zh) | 用于自动磁粉探伤的荧光强度测量方法 | |
CN117036259A (zh) | 一种基于深度学习的金属板材表面缺陷检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20131225 |