CN108550138A - 基于频率域滤波增强的耐火砖表面划痕识别方法 - Google Patents
基于频率域滤波增强的耐火砖表面划痕识别方法 Download PDFInfo
- Publication number
- CN108550138A CN108550138A CN201810214946.6A CN201810214946A CN108550138A CN 108550138 A CN108550138 A CN 108550138A CN 201810214946 A CN201810214946 A CN 201810214946A CN 108550138 A CN108550138 A CN 108550138A
- Authority
- CN
- China
- Prior art keywords
- refractory brick
- image
- recognition methods
- threshold
- surface scratch
- 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.)
- Withdrawn
Links
- 239000011449 brick Substances 0.000 title claims abstract description 214
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000001914 filtration Methods 0.000 title claims abstract description 38
- 230000002708 enhancing effect Effects 0.000 title claims description 16
- 230000007547 defect Effects 0.000 claims abstract description 14
- 230000009466 transformation Effects 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000000877 morphologic effect Effects 0.000 claims abstract description 9
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 5
- 230000009467 reduction Effects 0.000 claims description 28
- 230000002146 bilateral effect Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 4
- 239000013598 vector Substances 0.000 description 12
- 238000012937 correction Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 238000003708 edge detection Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000002950 deficient Effects 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical group C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 238000003723 Smelting Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000011819 refractory material Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于频率域滤波增强的耐火砖表面划痕识别方法,包括获得分割后的耐火砖灰度图像;将耐火砖灰度图像转化成耐火砖彩色图像,对耐火砖彩色图像进行通道分解,分离出R、G、B三个通道的图像,获得缺陷通道图像;对缺陷通道图像进行二维离散傅里叶变换,再逆变换,获得逆变换后的耐火砖图像;对逆变换后的耐火砖图像进行阈值处理和形态学处理,获得耐火砖阈值图像,对耐火砖阈值图像采用两遍扫描法,标记出耐火砖阈值图像中存在的所有连通区域。本发明提供了一种有效识别耐火砖表面划痕的识别方法。
Description
技术领域
本发明涉及一种基于频率域滤波增强的耐火砖表面划痕识别方法。
背景技术
耐火砖是一种用耐火黏土或其他耐火原料烧制呈的定型耐火材料,主要用于砌冶炼炉或钢水包,能耐1580℃-1770℃的高温。
耐火砖在生产的过程中,会因为模具的损耗而造成耐火砖的表面划痕,其深度较浅。随着时间的推移,渗透腐蚀现象会愈发恶劣,最终会影响耐火砖的使用寿命,给钢铁冶炼带来质量和效益影响。目前,很多缺陷都是工人依靠经验判断,受主观影响较大,无法建立一个统一的评判标准。此外,大批量生产过程中该工序不仅要消耗大量劳动成本,而且重复、单调的测量观察工作极易引起人员疲劳,容易出现误判,若个别不良品混入整批成品中,会给工厂带来严重经济损失,甚至严重影响钢铁的生产。
发明内容
本发明的目的在于提供一种有效识别耐火砖表面划痕的识别方法。
本发明解决其技术问题所采用的技术方案是:
基于频率域滤波增强的耐火砖表面划痕识别方法,包括以下步骤:
步骤1:对通过传感器采集得到的原始耐火砖彩色图像进行滤波降噪,获得降噪后图像;在降噪后图像中,分割出耐火砖区域,获得耐火砖灰度图像;
步骤2:将耐火砖灰度图像转化成耐火砖彩色图像,对耐火砖彩色图像进行通道分解,分离出R、G、B三个通道的图像,获得缺陷通道图像;
步骤3:对缺陷通道图像进行二维离散傅里叶变换,获得缺陷通道图像的频率域图像;使用正弦形状的带通滤波器对频率域图像进行卷积操作,获得频率域图像滤波后的图像;对滤波后的耐火砖图像进行傅里叶逆变换,获得逆变换后的耐火砖图像;对逆变换后的耐火砖图像进行阈值处理和形态学处理,获得耐火砖阈值图像;
步骤4:对耐火砖阈值图像采用两遍扫描法,标记出耐火砖阈值图像中存在的所有连通区域;根据不同连通区域的特征进行判断和筛选,从而识别划痕区域。连通区域是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。
进一步,步骤1中采用双边滤波降噪,双边滤波的计算公式为:
其中,k用来对结果进行单位化,c为基于空间距离的高斯权重, s为基于像素间相似程度的高斯权重,f(ε)为当前像素。
进一步,步骤1中使用灰度化和Ostu二值化分割出耐火砖区域,包括以下步骤:
步骤1-1:将耐火砖彩色图像中的RGB三分量亮度求平均得到灰度值f(x,y),根据灰度值得到耐火砖灰度直方图,其中,R(x,y)为红通道分量,G(x,y)为绿通道分量,B(x,y)为蓝通道分量;
步骤1-2:根据耐火砖灰度直方图,将耐火砖灰度直方图的灰度间隔分为三类,根据类间方差获取最佳阈值:
其中,为类间方差,k1,k2为预设的阈值,为最佳阈值。
步骤1-3:根据最佳阈值将耐火砖灰度图进行分割,获得耐火砖区域灰度图像。
进一步,步骤2中,根据下式对耐火砖彩色图像进行通道分解
f(x,y)=0.3f(x,y,R)+0.59f(x,y,G)+0.11f(x,y,B);
进一步,步骤3中,二维离散傅里叶变换表达式如下:
其中,f(x,y)是大小为M×N的数字图像,F(u,v)为频率域结果, x,y均为空间域变量,u,v均为频率域变量,
x=0,1,2,…,M-1,y=0,1,2,…,N-1,u=0,1,2,…,M-1,v=0,1,2,…,N-1。
进一步,步骤3中,使用函数h(x,y)对频域率图像f(x,y)进行卷积操作,表达式为:
其中,x=0,1,2,…,M-1,y=0,1,2,…,N-1。
进一步,步骤3中,二维离散傅里叶逆变换表达式如下:
其中,f(x,y)是大小为M×N的数字图像,F(u,v)为频率域结果,x,y均为空间域变量,u,v均为频率域变量,
x=0,1,2,…,M-1,y=0,1,2,…,N-1,u=0,1,2,…,M-1,v=0,1,2,…,N-1。
进一步,步骤3中使用灰度化和Ostu二值化对图像进行阈值处理。
进一步,步骤3中,形态学处理包括对耐火砖图像进行开运算和闭运算,进行开运算去除孤立点噪声;进行闭运算使耐火砖图像边界平滑。
进一步,步骤4中,根据两遍扫描法获取连通区域,包括以下步骤:
步骤4-1:对耐火砖阈值图像进行第一遍扫描,赋予每个像素位置一个标签,赋予同一个连通区域内的像素集合一个或多个不同标签,合并属于同一个连通区域但具有不同值的标签;
步骤4-2:对耐火砖阈值图像进行第二遍扫描,将具有相等关系的相同标签所标记的像素归为一个连通区域,赋予连通区域一个相同的标签。
本发明相比现有技术优点在于:1、基于频率域滤波增强的耐火砖表面划痕识别方法,能识别耐火砖的表面划痕,有效避免渗透腐蚀现象,延长耐火砖的使用寿命。
2、采用两遍扫描法,不需要申请大量的堆栈空间,获取连通区域的速度快,并且获取多个连通区域,不会发生内存泄露,具有相对较好的执行效率。
附图说明
图1是将耐火砖从背景中分割出来形成的耐火砖灰度图像。
图2是耐火砖连通区域标记图。
图3是耐火砖划痕提取结果图。
图4是修正后耐火砖图像边缘拟合后的示意图。
图5为经过Hough变换方法拟合出的多条直线。
图6为耐火砖外形尺寸。
图7是耐火砖倾斜校正后的示意图。
图8是耐火砖深度缺陷测量得到的示意图。
图9是耐火砖图像采集模块的示意图。
图10是耐火砖测量装置的示意图。
图11是耐火砖测量系统的简单流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进一步说明。
实施例1
如图1-3所示,基于频率域滤波增强的耐火砖表面划痕识别方法,包括以下步骤:
步骤1:对通过传感器采集得到的原始耐火砖彩色图像进行滤波降噪,获得降噪后图像;在降噪后图像中,分割出耐火砖区域,获得耐火砖灰度图像,如图1所示;
步骤2:将耐火砖灰度图像转化为耐火砖彩色图像,对耐火砖彩色图像进行通道分解,分离出R、G、B三个通道的图像,获得缺陷通道图像;
步骤3:对缺陷通道图像进行二维离散傅里叶变换,获得缺陷通道图像的频率域图像;使用正弦形状的带通滤波器对频率域图像进行卷积操作,获得频率域图像滤波后的图像;对滤波后的耐火砖图像进行傅里叶逆变换,获得逆变换后的耐火砖图像;对逆变换后的耐火砖图像进行阈值处理和形态学处理,获得耐火砖阈值图像;
步骤4:对耐火砖阈值图像采用两遍扫描法,标记出耐火砖阈值图像中存在的所有连通区域,如图2所示;根据不同连通区域的特征进行判断和筛选,从而识别划痕区域,如图3所示。连通区域是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。
步骤1中采用双边滤波降噪,双边滤波的计算公式为:
其中,k用来对结果进行单位化,c即为基于空间距离的高斯权重, s为基于像素间相似程度的高斯权重,f(ε)为当前像素。
步骤1中使用灰度化和Ostu(大津算法)二值化分割出耐火砖区域,包括以下步骤:
步骤1-1:将耐火砖彩色图像中的RGB三分量亮度求平均得到灰度值f(x,y),根据灰度值得到耐火砖灰度直方图,其中,R(x,y)为红通道分量,G(x,y)为绿通道分量, B(x,y)为蓝通道分量;
步骤1-2:步骤3-2:根据耐火砖灰度直方图,将耐火砖灰度直方图的灰度间隔分为三类,根据类间方差获取最佳阈值:
式中,
且有以下关系成立:
P1m1+P2m2+P3m3=mG (3-10)
P1+P2+P3=1 (3-11)
获取最佳阈值:
其中,为类间方差,k1,k2为预设的阈值,即为最终迭代求解出的阈值;
步骤1-3:根据最佳阈值对耐火砖灰度图进行分割,获得耐火砖区域图像。
步骤2中,根据下式对耐火砖彩色图像进行通道分解 f(x,y)=0.3f(x,y,R)+0.59f(x,y,G)+0.11f(x,y,B);
步骤3中,二维离散傅里叶变换表达式如下:
其中,f(x,y)是大小为M×N的数字图像,F(u,v)为频率域结果, x,y均为空间域变量,u,v均为频率域变量,
x=0,1,2,…,M-1,y=0,1,2,…,N-1,u=0,1,2,…,M-1,v=0,1,2,…,N-1。
步骤3中,使用函数h(x,y)对频域率图像f(x,y)进行卷积操作,表达式为:
其中,x=0,1,2,…,M-1,y=0,1,2,…,N-1;
步骤3中,二维离散傅里叶逆变换表达式如下:
其中,f(x,y)是大小为M×N的数字图像,F(u,v)为频率域结果, x,y均为空间域变量,u,v均为频率域变量,
x=0,1,2,…,M-1,y=0,1,2,…,N-1,u=0,1,2,…,M-1,v=0,1,2,…,N-1。
步骤4中,根据两遍扫描法获取连通区域,包括以下步骤:
步骤4-1:对耐火砖阈值图像进行第一遍扫描,赋予每个像素位置一个标签,扫描过程中同一个连通区域内的像素集合被赋予一个或多个不同标签,合并属于同一个连通区域但具有不同值的标签;
步骤4-2:对耐火砖阈值图像进行第二遍扫描,将具有相等关系的相同标签所标记的像素归为一个连通区域并赋予一个相同的标签。
实施例2
一种耐火砖几何尺寸测量方法,包括以下步骤:
步骤1:对原始耐火砖彩色图像滤波降噪,获得降噪后图像;
步骤2:在降噪后图像中,分割出耐火砖区域,获得耐火砖图像,如图1所示;
步骤3:对耐火砖图像进行形态学处理,使耐火砖图像边缘平滑过渡,并去除耐火砖图像边缘处的孤立点噪声,获得修正后耐火砖图像;
步骤4:用Canny算子对修正后耐火砖图像进行边缘检测;
步骤5:使用Hough变换方法和K均值方法提取耐火砖外形直线,形成耐火砖的外轮廓,包括以下步骤:
步骤5-1:考虑xy平面上的一个点(x,y)和斜截式表达式为 y=ax+b的一条直线。使用极坐标系来表示直线,则有:
xcosθ+ysinθ=ρ (3-23)
每条正弦曲线表示通过xy平面中一个特殊点(xk,yk)的一簇直线。霍夫变换将ρθ参数空间划分为所谓的累加单元,其中(ρmin,ρmax)和 (θmin,θmax)是所期望的参数范围,-90°≤θ≤90°和-D≤ρ≤D,其中D是图像对角的最大距离。位于坐标(i,j)处的单元具有累加值A(i,j),它对应于与参数空间坐标(ρi,θj)相关联的正方形。最初,将这些单元初始化为0。然后,对于xy平面中的每个非背景点(xk,yk),令θ等于θ轴上每个允许的细分值,同时使用方程ρ=xkcosθ+yksinθ解除对应的ρ。对ρ进行四舍五入,得到沿轴的最接近的允许单元值。若选择一个θp值得到的解ρq,则令A(p,q)=A(p,q)+1。此过程结束后,A(i,j)中的值 P将意味着xy平面中有P个点位于直线xcosθj+ysinθj=ρj上。ρθ平面中的细分数量决定了这些点的共线性的精度。
步骤5-2:给定样本集D={x1,x2,…,xm},k均值方法针对聚类所得簇C={C1,C2,…,CK}划分最小化平方误差
其中,k为聚类簇数;Ci为簇;是簇Ci的均值向量, 1≤i≤k;E为间隔距离。在一定程度上簇内样本围绕簇均值向量的紧密程度,E值越小,则簇内样本相似度越高。
步骤5-3:结合Hough变换方法和K均值方法,从多组交点随机选取交点定义为聚类中心,如图5所示,将同一条边作为一个种类提取一条直线出来,直至提取耐火砖的四条边,四条边即为耐火砖的外形尺寸。
步骤6:求取耐火砖外形直线交点,两点之间距离为耐火砖的外形几何尺寸,如图6所示。
步骤1中采用双边滤波降噪,双边滤波的计算公式为:
其中,k用来对结果进行单位化,c为基于空间距离的高斯权重, s为基于像素间相似程度的高斯权重,f(ε)为当前像素。
步骤2中使用灰度化和Ostu二值化分割出耐火砖区域,包括以下步骤:
步骤2-1:将耐火砖彩色图像中的RGB三分量亮度求平均得到灰度值f(x,y),根据灰度值得到耐火砖灰度直方图,其中,R(x,y)为红通道分量,G(x,y)为绿通道分量, B(x,y)为蓝通道分量;
步骤2-2:根据耐火砖灰度直方图,将耐火砖灰度直方图的灰度间隔分为三类,由2个阈值分隔,根据类间方差获取最佳阈值:
式中,
且有以下关系成立:
P1m1+P2m2+P3m3=mG (3-10)
P1+P2+P3=1 (3-11)
其中,为类间方差,k1,k2为预设的阈值,为最佳阈值。
步骤2-3:根据最佳阈值对耐火砖灰度图进行分割,获得耐火砖图像,如图3所示。
步骤3中,形态学处理包括对耐火砖图像进行开运算和闭运算,进行开运算去除孤立点噪声;进行闭运算使耐火砖图像边界平滑,如图4所示。
步骤4中边缘检测的方法包含以下步骤:
步骤4-1:用高斯平滑函数对修正后耐火砖图像滤波,令修正后耐火砖图像为f(x,y),高斯函数为G(x,y),平滑后的图像为fs(x,y),则fs(x,y)=G(x,y)*f(x,y);
步骤4-2:计算梯度幅值图像M和角度幅值图像θ, 其中,Gx表示水平方向的梯度幅值分量,Gy表示垂直方向的梯度幅值分量;
步骤4-3:对梯度幅值图像M进行非极大值抑制:在梯度方向,在每一点上,领域的中心像素f(x,y)与沿着梯度线的两个像素相比,若f(x,y)的梯度值小于或等于沿梯度线的两个相邻像素的梯度值,则令f(x,y)=0;
步骤4-4:用双阈值处理和连接分析来检测并连接边缘:以高阈值图像为基础,以低阈值图像为补充来连接图像的边缘,如图4所示。
实施例3
基于高度直方图分割的耐火砖深度缺陷的识别方法,包括以下步骤:
步骤1、对通过传感器采集得到的原始耐火砖彩色图像进行滤波降噪,获得降噪后图像;在降噪后图像中,分割出耐火砖区域,获得耐火砖灰度图像,如图1所示;
步骤2、使用最小二乘法对耐火砖图像点云进行平面拟合获得零平面,并获取原始耐火砖图像的尺寸参数(高度和宽度),根据原始耐火砖图像的尺寸参数和零平面,生成对应的基准平面图像;
步骤3、对原始耐火砖图像与基准平面图像进行作差,获得倾斜校正后的点云数据图,如图7所示;
步骤4、对倾斜校正后的点云的高度直方图进行滤波分割,得到设定深度的点云信息,根据两遍扫描法对设定深度的点云信息进行连通区域标记,计算每个深度下的连通区域面积,获得缺陷数据,如图 8所示。连通区域是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。
步骤1中采用双边滤波降噪,双边滤波的计算公式为:
其中,k用来对结果进行单位化,c为基于空间距离的高斯权重, s为基于像素间相似程度的高斯权重,f(ε)为当前像素。
步骤1中,使用灰度化和Ostu二值化分割出耐火砖区域,包括以下步骤:
步骤1-1:将耐火砖彩色图像中的RGB三分量亮度求平均得到灰度值f(x,y),根据灰度值得到耐火砖灰度直方图,其中,R(x,y)为红通道分量,G(x,y)为绿通道分量, B(x,y)为蓝通道分量;
步骤1-2:根据耐火砖灰度直方图,将耐火砖灰度直方图的灰度间隔分为三类,根据公式寻找最佳阈值,其中,为类间方差,k1,k2为预设的阈值,为最佳阈值;
步骤1-3:根据最佳阈值将耐火砖灰度图进行分割,获得耐火砖区域灰度图像。
步骤2中,获取零平面的拟合参数α,β,γ:
对于一幅2D连续图像f(x,y)(≥0),p+q阶矩mpq定义为:
其中,p,q是非负的整数,对于离散化数字图像,上式为:
其中,(r0,c0)为质心坐标,且
一阶平面近似方法通过以下公式来描述:
Image(r,c)=α(r-r0)+β(c-c0)+γ (4-13)
其中,r0为待拟合区域的横坐标,c0为待拟合区域的纵坐标,γ为待拟合区域的平均灰度,F为整个平面的面积,MRow是沿着行方向的灰度矩,MCol是沿着列方向的灰度矩,则有:
MRow=sum((r-r0)*(Image(r,c)-γ))/F2 (4-14)
MCol=sum((c-r0)*(Image(r,c)-γ))/F2 (4-15)
其中,α,β,γ分别为待拟合区域的拟合参数。
步骤2中,基准平面图像的生成方法是:根据拟合参数α,β,γ,结合原始耐火砖点云图Image(r,c)的尺寸信息,生成基准平面图像 Image(r,c)0。
步骤2中,对原始耐火砖点云图Image(r,c)和基准平面图像 Image(r,c)0进行作差,获取倾斜校正后的点云数据图Image'(r,c),
Image'(r,c)=Image(r,c)-Image(r,c)0。
步骤4中,采用高度带通滤波器对倾斜校正后的点云高度直方图进行滤波分割。
步骤4中,根据两遍扫描法获取连通区域,包括以下步骤:
步骤4-1:对设定深度的点云信息进行第一遍扫描,赋予每个像素位置一个标签,扫描过程中同一个连通区域内的像素集合被赋予一个或多个不同标签,合并属于同一个连通区域但具有不同值的标签;
步骤4-2:对固定深度的点云信息进行第二遍扫描,将具有相等关系的相同标签所标记的像素归为一个连通区域并赋予一个相同的标签。
实施例4
基于拟合平面法向量的耐火砖表面倾斜角的测量方法,包括以下步骤:
步骤1、对通过传感器采集得到的原始耐火砖彩色图像进行滤波降噪,获得降噪后图像;在降噪后图像中,分割出耐火砖区域,获得耐火砖灰度图像,如图1所示;
步骤2、将耐火砖灰度图像转化为耐火砖彩色图像,使用一阶平面方法对耐火砖彩色图像上表面区域进行近似拟合,获得拟合平面;
步骤3、在拟合平面上确定不共线的三个点,分别为 (x1,y1,z1),(x2,y2,z2),(x3,y3,z3),生成两个向量
步骤4:两个向量求叉集得到法向量
步骤5:根据法向量获得表面倾斜角θ,
其中
步骤1中采用双边滤波降噪,双边滤波的计算公式为:
其中,k用来对结果进行单位化,c即为基于空间距离的高斯权重,s为基于像素间相似程度的高斯权重,f(ε)为当前像素。
步骤1中使用灰度化和Ostu二值化分割出耐火砖区域,包括以下步骤:
步骤1-1:将耐火砖彩色图像中的RGB三分量亮度求平均得到灰度值f(x,y),根据灰度值得到耐火砖灰度直方图,其中,R(x,y)为红通道分量,G(x,y)为绿通道分量, B(x,y)为蓝通道分量;
步骤1-2:根据耐火砖灰度直方图,将耐火砖灰度直方图的灰度间隔分为三类,由两个阈值分隔,根据公式获取最佳阈值,其中,为类间方差,k1,k2为预设的阈值,为最佳阈值;
步骤1-3:根据最佳阈值将耐火砖灰度图进行分割,获得耐火砖区域图像。
步骤2中,获取拟合平面的方法为:
对于一幅2D连续图像f(x,y)(≥0),p+q阶矩mpq定义为:
其中,p,q是非负的整数,对于离散化数字图像,上式为:
其中,(r0,c0)为质心坐标,且
一阶平面近似方法通过以下公式来描述:
Image(r,c)=α(r-r0)+β(c-c0)+γ (4-13)
其中,r0为待拟合区域的横坐标,c0为待拟合区域的横坐标,γ为待拟合区域的平均灰度,F为整个平面的面积,MRow是沿着行方向的灰度矩,MCol是沿着列方向的灰度矩,则有:
MRow=sum((r-r0)*(Image(r,c)-γ))/F2 (4-14)
MCol=sum((c-r0)*(Image(r,c)-γ))/F2 (4-15)
其中,α,β,γ为待拟合平面的拟合参数。
实施例5
如图9-11所示,基于机器视觉的耐火砖测量装置,包括图像采集模块1,控制模块2,图像处理模块3和反馈模块4,图像采集模块1具有底座11,底座11上设有承载三结构光激光传感器12的导轨13,步进电机15通过联轴器16带动三结构光激光传感器12移动,承载耐火砖的转台14固定于底座11,三结构光激光传感器12对准耐火砖的待测表面并扫描待测耐火砖的4个端面;控制模块2的输入端与图像采集模块1连接,控制模块2的输出端分别与图像处理模块 3和反馈模块4连接,反馈模块4包括行程开关,和执行剔除筛选操作的机械手41;图像采集模块1采集耐火砖图像信息,图像处理模块3获取耐火砖图像信息,并对耐火砖图像信息进行分析,控制模块 2获得分析结果,控制模块2将分析结果反馈至反馈模块4。
如图1-11所示,基于机器视觉的耐火砖测量方法,包含以下步骤:
步骤1、控制器是转台14转动到耐火砖的待测量表面对准对三结构光激光传感器12的位置,使导轨13平动,三结构光激光传感器12扫描耐火砖的待测量表面,以获取灰度信息和高度信息融合的原始耐火砖彩色图像;
步骤2、对原始耐火砖彩色图像滤波降噪,获得降噪后图像;
步骤3、在降噪后图像中,分割出耐火砖区域,获得耐火砖图像;
步骤4、对耐火砖图像进行形态学处理,使耐火砖图像边缘平滑过渡,并去除耐火砖图像边缘处的孤立点噪声,获得修正后耐火砖图像;
步骤5、用Canny算子对修正后耐火砖图像进行边缘检测;
步骤6、对耐火砖的边缘检测得到的离散点进行Hough变换方法和K均值方法拟合分析,计算出耐火砖的实际尺寸;
步骤7、由步骤3得到的耐火砖图像,使用最小二乘法对耐火砖图像点云进行平面拟合获得零平面,使耐火砖图像的点云与零平面的点云进行查分获得倾斜校正后点云数据图;
步骤8、对倾斜校正后点云的高度直方图进行滤波分割,得到设定深度的点云信息,根据两遍扫描法对设定深度的点云信息进行连通区域标记,计算每个深度下的连通区域面积,获得缺陷数据,缺陷数据上传数据库并在显示屏上显示;
步骤9:根据步骤7得到的倾斜校正后云数据图拟合耐火砖的表面,获得耐火砖表面的法向量,计算耐火砖表面的倾斜角,以判定耐火砖的平面度是否符合要求,若倾斜角小于给定阈值,则平面度合格,合格将倾斜角上传数据库并在显示屏上显示;
步骤10、使转台转动到耐火砖的下一检测面,重复执行步骤1-9。
步骤2中采用双边滤波降噪,双边滤波的计算公式为:
其中,k用来对结果进行单位化,c为基于空间距离的高斯权重, s为基于像素间相似程度的高斯权重,f(ε)为当前像素。
步骤3中使用灰度化和Ostu二值化分割出耐火砖区域,包括以下步骤:
步骤3-1:将耐火砖彩色图像中的RGB三分量亮度求平均得到灰度值f(x,y),根据灰度值得到耐火砖灰度直方图,其中,R(x,y)为红通道分量,G(x,y)为绿通道分量, B(x,y)为蓝通道分量;
步骤3-2:根据耐火砖灰度直方图,获取最佳阈值的方法包括:
令{0,1,2,…,L-1}表示一幅大小为MN像素的数字图像中的L个不同的灰度级,ni表示灰度级为i的像素数。图像中的像素总数MN为 MN=n0+n1+n2+…+nL-1,pi=ni/MN,i=0,1,2,...,L-1,根据耐火材料的灰度直方图,其灰度间隔可以分为三类(这三个类由两个阈值分隔),类间方差由下式给出:
令P1,P2,P3为三个
式中,
且有以下关系成立:
P1m1+P2m2+P3m3=mG
P1+P2+P3=1
此时,使用下式寻找最佳阈值:
其中,pi为某一灰度概率,m1表示一类的平均灰度,mG表示整个图像的平均灰度,为类间方差,k1,k2为预设的阈值,为最佳阈值;
步骤3-3:根据最佳阈值将耐火砖灰度图进行分割,获得耐火砖区域灰度图像。
步骤4中对耐火砖图像进行开运算,去除孤立点噪声;进行闭运算平滑边界。
步骤5中边缘检测的方法包含以下步骤:
步骤5-1:用高斯平滑函数对修正后耐火砖图像滤波,令修正后耐火砖图像为f(x,y),高斯函数为G(x,y),平滑后的图像为fs(x,y),则fs(x,y)=G(x,y)*f(x,y);
步骤5-2:计算梯度幅值图像M和角度幅值图像θ, 其中,Gx表示水平方向的梯度幅值分量,Gy表示垂直方向的梯度幅值分量;
步骤5-3:对梯度幅值图像M进行非极大值抑制:在梯度方向,在每一点上,领域的中心像素f(x,y)与沿着梯度线的两个相邻像素相比,若f(x,y)的梯度值小于或等于沿梯度线的两个相邻像素的梯度值,则令f(x,y)=0;
步骤5-4:用双阈值检测并连接边缘,以高阈值图像为基础,以低阈值图像为补充来连接图像的边缘。
步骤7中,零平面的获取方法包括:
步骤7-1:求解耐火砖上表面点云图像的几何中心位置,根据所求解的平面中心位置获取平面校正区域中心,然后对该区域使用最小二乘法进行平面拟合,拟合方法为:
对于一幅2D连续图像f(x,y)(≥0),p+q阶矩mpq定义为:
其中,p,q是非负的整数,对于离散化数字图像,上式为:
其中,(r0,c0)为质心坐标,且
一阶平面近似方法通过以下公式来描述:
Image(r,c)=α(r-r0)+β(c-c0)+γ (4-13)
其中,r0和c0即为待拟合区域的横纵坐标,γ为待拟合区域的平均灰度,F为整个平面的面积,MRow是沿着行方向的灰度矩,MCol 是沿着列方向的灰度矩,则有:
MRow=sum((r-r0)*(Image(r,c)-γ))/F2 (4-14)
MCol=sum((c-r0)*(Image(r,c)-γ))/F2 (4-15)
其中,α,β,γ分别为零平面的拟合参数。
步骤7-2:获取原始耐火砖图像的尺寸参数,根据原始耐火砖图像尺寸参数和零平面,生成对应的基准平面图像(虚拟平面图像);
步骤7-3:对原始耐火砖图像与基准图像平面进行作差,获得倾斜校正后的点云数据图。
步骤9中倾斜角的求解过程为:
步骤9-1、在拟合平面上确定不共线的三个点,分别为 (x1,y1,z1),(x2,y2,z2),(x3,y3,z3),生成两个向量
步骤9-2、两个向量求叉集得到法向量
步骤9-3、根据法向量获得耐火砖的表面倾斜角θ,
其中
步骤7-2中,基准平面图像的生成方法是:根据拟合参数α,β,γ,结合原始耐火砖点云图Image(r,c)的尺寸信息,生成基准平面图像 Image(r,c)0。
步骤2中,步骤7-3中,对原始耐火砖点云图Image(r,c)和基准平面图像Image(r,c)0进行作差,获取倾斜校正后的点云数据图 Image'(r,c),
Image'(r,c)=Image(r,c)-Image(r,c)0。
步骤10:等待PLC信号,进行下一面的扫描测量,然后按照步骤 2-9处理数据。
步骤11:当4面测试分析完毕时,判定合格品与否,由测量系统图像处理模块发送信号至控制模块,指导机械手执行下一步剔除筛选动作。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (10)
1.基于频率域滤波增强的耐火砖表面划痕识别方法,其特征在于:包括以下步骤:
步骤1:对通过传感器采集得到的原始耐火砖彩色图像进行滤波降噪,获得降噪后图像;在降噪后图像中,分割出耐火砖区域,获得耐火砖灰度图像;
步骤2:将耐火砖灰度图像转化成耐火砖彩色图像,对耐火砖彩色图像进行通道分解,分离出R、G、B三个通道的图像,获得缺陷通道图像;
步骤3:对缺陷通道图像进行二维离散傅里叶变换,获得缺陷通道图像的频率域图像;使用正弦形状的带通滤波器对频率域图像进行卷积操作,获得频率域图像滤波后的图像;对滤波后的耐火砖图像进行傅里叶逆变换,获得逆变换后的耐火砖图像;对逆变换后的耐火砖图像进行阈值处理和形态学处理,获得耐火砖阈值图像;
步骤4:对耐火砖阈值图像采用两遍扫描法,标记出耐火砖阈值图像中存在的所有连通区域;根据不同连通区域的特征进行判断和筛选,从而识别划痕区域。连通区域是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。
2.根据权利要求1所述的基于频率域滤波增强的耐火砖表面划痕识别方法,其特征在于:步骤1中采用双边滤波降噪,双边滤波的计算公式为:
其中,k用来对结果进行单位化,c为基于空间距离的高斯权重,s为基于像素间相似程度的高斯权重,f(ε)为当前像素。
3.根据权利要求1所述的基于频率域滤波增强的耐火砖表面划痕识别方法,其特征在于:步骤1中使用灰度化和Ostu二值化分割出耐火砖区域,包括以下步骤:
步骤1-1:将耐火砖彩色图像中的RGB三分量亮度求平均得到灰度值f(x,y),根据灰度值得到耐火砖灰度直方图,其中,R(x,y)为红通道分量,G(x,y)为绿通道分量,B(x,y)为蓝通道分量;
步骤1-2:根据耐火砖灰度直方图,将耐火砖灰度直方图的灰度间隔分为三类,根据类间方差获取最佳阈值:
其中,为类间方差,k1,k2为预设的阈值,为最佳阈值;
步骤1-3:根据最佳阈值将耐火砖灰度图进行分割,获得耐火砖区域灰度图像。
4.根据权利要求1所述的基于频率域滤波增强的耐火砖表面划痕识别方法,其特征在于:步骤2中,根据下式对耐火砖彩色图像进行通道分解f(x,y)=0.3f(x,y,R)+0.59f(x,y,G)+0.11f(x,y,B)。
5.根据权利要求1所述的基于频率域滤波增强的耐火砖表面划痕识别方法,其特征在于:步骤3中,二维离散傅里叶变换表达式如下:
其中,f(x,y)是大小为M×N的数字图像,F(u,v)为频率域结果,x,y均为空间域变量,u,v均为频率域变量,
x=0,1,2,…,M-1,y=0,1,2,…,N-1,u=0,1,2,…,M-1,v=0,1,2,…,N-1。
6.根据权利要求5所述的基于频率域滤波增强的耐火砖表面划痕识别方法,其特征在于:步骤3中,使用函数h(x,y)对频域率图像f(x,y)进行卷积操作,表达式为:
其中,x=0,1,2,…,M-1,y=0,1,2,…,N-1。
7.根据权利要求6所述的基于频率域滤波增强的耐火砖表面划痕识别方法,其特征在于:步骤3中,二维离散傅里叶逆变换表达式如下:
其中,f(x,y)是大小为M×N的数字图像,F(u,v)为频率域结果,x,y均为空间域变量,u,v均为频率域变量,
x=0,1,2,…,M-1,y=0,1,2,…,N-1,u=0,1,2,…,M-1,v=0,1,2,…,N-1。
8.根据权利要求7所述的基于频率域滤波增强的耐火砖表面划痕识别方法,其特征在于:步骤3中使用灰度化和Ostu二值化对图像进行阈值处理。
9.根据权利要求8所述的基于频率域滤波增强的耐火砖表面划痕识别方法,其特征在于:步骤3中,形态学处理包括对耐火砖图像进行开运算和闭运算,进行开运算去除孤立点噪声;进行闭运算使耐火砖图像边界平滑。
10.根据权利要求1所述的基于频率域滤波增强的耐火砖表面划痕识别方法,其特征在于:步骤4中,根据两遍扫描法获取连通区域,包括以下步骤:
步骤4-1:对耐火砖阈值图像进行第一遍扫描,赋予每个像素位置一个标签,赋予同一个连通区域内的像素集合一个或多个不同标签,合并属于同一个连通区域但具有不同值的标签;
步骤4-2:对耐火砖阈值图像进行第二遍扫描,将具有相等关系的相同标签所标记的像素归为一个连通区域,赋予连通区域一个相同的标签。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810208608 | 2018-03-14 | ||
CN2018102086081 | 2018-03-14 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108550138A true CN108550138A (zh) | 2018-09-18 |
Family
ID=63516350
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810214946.6A Withdrawn CN108550138A (zh) | 2018-03-14 | 2018-03-15 | 基于频率域滤波增强的耐火砖表面划痕识别方法 |
CN201910195417.0A Pending CN110288561A (zh) | 2018-03-14 | 2019-03-14 | 基于频率域滤波增强的耐火砖表面划痕识别方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910195417.0A Pending CN110288561A (zh) | 2018-03-14 | 2019-03-14 | 基于频率域滤波增强的耐火砖表面划痕识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN108550138A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472788A (zh) * | 2018-11-20 | 2019-03-15 | 成都信息工程大学 | 一种飞机铆钉表面的伤痕检测方法 |
CN109523554A (zh) * | 2018-11-16 | 2019-03-26 | 北京建筑大学 | 一种基于木构件的古建筑点云自动分割方法 |
CN109886914A (zh) * | 2018-12-19 | 2019-06-14 | 刘咏晨 | 基于局部亮度不变性先验的纸张缺陷检测方法 |
CN110431407A (zh) * | 2019-06-20 | 2019-11-08 | 长江存储科技有限责任公司 | 多晶硅表征方法 |
CN110580449A (zh) * | 2019-08-09 | 2019-12-17 | 北京准视科技有限公司 | 一种图像型火焰识别检测方法 |
CN110689533A (zh) * | 2019-09-27 | 2020-01-14 | 中国科学院自动化研究所 | 板材包边缺陷检测方法、系统、装置 |
CN113592741A (zh) * | 2021-08-04 | 2021-11-02 | 西北工业大学 | 一种数字图像处理方法 |
CN113781406A (zh) * | 2021-08-20 | 2021-12-10 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 电子元器件的划痕检测方法、装置及计算机设备 |
CN114663713A (zh) * | 2022-05-20 | 2022-06-24 | 海门市博洋铸造有限公司 | 一种基于霍夫变换的金属拉丝生产控制方法及系统 |
CN116740809A (zh) * | 2023-06-05 | 2023-09-12 | 嘉兴米兰映像家具有限公司 | 一种基于用户姿态的智能沙发控制方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2286175A4 (en) * | 2008-06-03 | 2017-04-12 | Hwan J. Jeong | Interferometric defect detection and classification |
US9224197B2 (en) * | 2013-11-12 | 2015-12-29 | Xerox Corporation | Method and apparatus for implementing optical roll scanning to identify defects in roll components used in an image production device |
CN103913465B (zh) * | 2014-04-04 | 2016-04-20 | 北京科技大学 | 一种多信息融合的高温铸坯表面缺陷在线检测方法 |
CN104851086B (zh) * | 2015-04-17 | 2017-08-04 | 武汉恒兴通检测有限公司 | 一种针对缆索表面缺陷的图像检测方法 |
CN105095672B (zh) * | 2015-08-26 | 2017-12-15 | 中国一冶集团有限公司 | 耐火泥浆干燥及烧后线变化率的计算方法 |
CN106442556A (zh) * | 2016-11-16 | 2017-02-22 | 哈尔滨理工大学 | 一种板状带孔工件表面缺陷检测装置和方法 |
-
2018
- 2018-03-15 CN CN201810214946.6A patent/CN108550138A/zh not_active Withdrawn
-
2019
- 2019-03-14 CN CN201910195417.0A patent/CN110288561A/zh active Pending
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109523554A (zh) * | 2018-11-16 | 2019-03-26 | 北京建筑大学 | 一种基于木构件的古建筑点云自动分割方法 |
CN109472788A (zh) * | 2018-11-20 | 2019-03-15 | 成都信息工程大学 | 一种飞机铆钉表面的伤痕检测方法 |
CN109472788B (zh) * | 2018-11-20 | 2022-03-22 | 成都信息工程大学 | 一种飞机铆钉表面的伤痕检测方法 |
CN109886914A (zh) * | 2018-12-19 | 2019-06-14 | 刘咏晨 | 基于局部亮度不变性先验的纸张缺陷检测方法 |
CN109886914B (zh) * | 2018-12-19 | 2020-01-17 | 浙江企银印务科技有限公司 | 基于局部亮度不变性先验的纸张缺陷检测方法 |
US11467084B2 (en) | 2019-06-20 | 2022-10-11 | Yangtze Memory Technologies Co., Ltd. | Methods for polysilicon characterization |
CN110431407A (zh) * | 2019-06-20 | 2019-11-08 | 长江存储科技有限责任公司 | 多晶硅表征方法 |
CN110431407B (zh) * | 2019-06-20 | 2020-08-25 | 长江存储科技有限责任公司 | 多晶硅表征方法 |
CN110580449A (zh) * | 2019-08-09 | 2019-12-17 | 北京准视科技有限公司 | 一种图像型火焰识别检测方法 |
CN110580449B (zh) * | 2019-08-09 | 2023-05-02 | 北京准视科技有限公司 | 一种图像型火焰识别检测方法 |
CN110689533A (zh) * | 2019-09-27 | 2020-01-14 | 中国科学院自动化研究所 | 板材包边缺陷检测方法、系统、装置 |
CN110689533B (zh) * | 2019-09-27 | 2022-02-08 | 中国科学院自动化研究所 | 板材包边缺陷检测方法、系统、装置 |
CN113592741A (zh) * | 2021-08-04 | 2021-11-02 | 西北工业大学 | 一种数字图像处理方法 |
CN113781406A (zh) * | 2021-08-20 | 2021-12-10 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 电子元器件的划痕检测方法、装置及计算机设备 |
CN113781406B (zh) * | 2021-08-20 | 2024-04-02 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 电子元器件的划痕检测方法、装置及计算机设备 |
CN114663713A (zh) * | 2022-05-20 | 2022-06-24 | 海门市博洋铸造有限公司 | 一种基于霍夫变换的金属拉丝生产控制方法及系统 |
CN116740809A (zh) * | 2023-06-05 | 2023-09-12 | 嘉兴米兰映像家具有限公司 | 一种基于用户姿态的智能沙发控制方法 |
CN116740809B (zh) * | 2023-06-05 | 2024-03-29 | 嘉兴米兰映像家具有限公司 | 一种基于用户姿态的智能沙发控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110288561A (zh) | 2019-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108550138A (zh) | 基于频率域滤波增强的耐火砖表面划痕识别方法 | |
CN108596873A (zh) | 基于高度直方图分割的耐火砖深度缺陷的识别方法 | |
CN108662977A (zh) | 一种耐火砖几何尺寸测量方法 | |
CN108896547A (zh) | 基于机器视觉的耐火砖测量系统 | |
CN107392232B (zh) | 一种浮选工况分类方法和系统 | |
CN102175700B (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
CN110084241B (zh) | 一种基于图像识别的电表自动读数方法 | |
CN102043950B (zh) | 基于canny算子和边缘点统计的车辆轮廓识别方法 | |
CN107358627B (zh) | 基于Kinect相机的果实尺寸检测方法 | |
CN103528534B (zh) | 一种基于图像监测的输电线路覆冰厚度检测方法 | |
CN109993099A (zh) | 一种基于机器视觉的车道线提取识别方法 | |
CN104101600B (zh) | 连铸坯断面微小裂纹检测方法 | |
CN102305798A (zh) | 基于机器视觉的玻璃缺陷的检测与分类方法 | |
CN110070526A (zh) | 基于深度神经网络热度图预测的缺陷检测方法 | |
CN102156868A (zh) | 图像二值化方法和装置 | |
CN109598681B (zh) | 一种对称唐卡修复后图像的无参考质量评价方法 | |
CN101315338A (zh) | 玻璃制品的缺陷检测系统及方法 | |
CN103020609B (zh) | 复杂纤维图像的识别方法 | |
CN109685788A (zh) | 一种基于形态学特征的楼面缺陷图像自动检测方法 | |
CN110687121A (zh) | 一种陶瓦智能在线检测与自动分级方法和系统 | |
CN108596966A (zh) | 基于拟合平面法向量的耐火砖表面倾斜角的测量方法 | |
CN110443166A (zh) | 一种雾霾天气的车牌识别方法 | |
CN105654140B (zh) | 面向复杂工业环境的铁路油罐车车号定位与识别方法 | |
CN105139405A (zh) | 一种重叠碎米与整米的视觉分离检测方法 | |
CN107657620A (zh) | 一种带纹理的金属凝固区域识别的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180918 |
|
WW01 | Invention patent application withdrawn after publication |