CN110501384A - 一种基于热辐射视觉图像的轮胎钢丝帘缺陷检测装置及检测方法 - Google Patents
一种基于热辐射视觉图像的轮胎钢丝帘缺陷检测装置及检测方法 Download PDFInfo
- Publication number
- CN110501384A CN110501384A CN201910752165.7A CN201910752165A CN110501384A CN 110501384 A CN110501384 A CN 110501384A CN 201910752165 A CN201910752165 A CN 201910752165A CN 110501384 A CN110501384 A CN 110501384A
- Authority
- CN
- China
- Prior art keywords
- point
- image
- wire curtain
- gradient
- heat radiation
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/72—Investigating presence of flaws
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于热辐射视觉图像的轮胎钢丝帘缺陷检测装置及检测方法,装置包括:MCU、感应加热单元、摄像头单元和执行单元;方法包括如下步骤:(1)图像预处理;(2)Canny边缘检测;(3)图像细化;(4)Hough变换及提取相关直线并计算直线距离。本发明能够大幅提高现有装置的精确度、可靠性,实现多种类缺陷在线检测,减少人工误差和装置因素带给人体的伤害。
Description
技术领域
本发明涉及热辐射视觉图像识别检测技术领域,尤其是一种基于热辐射视觉图像的轮胎钢丝帘缺陷检测装置及检测方法。
背景技术
随着人们对汽车的需求量不断增加,轮胎行业得到持续发展。钢丝帘线是最常用且效果最理想的汽车轮胎骨架材料,使用钢丝帘线作为骨架增强材料的子午线轮胎,其使用寿命增加、耐磨性和耐穿刺性能更好,而且使用子午线轮胎的汽车具有节省油耗、行驶时的速度增加以及舒适度变好等优点。
目前,钢丝帘线在生产中出现的主要质量问题是钢丝帘的间距不符合要求。现有针对轮胎钢丝帘线的实时在线无损检测的方法有目测法、激光传感器法以及X光透射成像法等。目测法的准确性容易受疲劳、检测标准不一致等人为因素影响出现错检和漏检;激光传感器法应用于复合挤出断面的测量和轮胎侧面检测,检测钢丝帘线间距的缺陷种类不多,多在偏差和重叠方面。X光透射成像法的关键技术和专利掌握在国外企业手中,因此检测仪器价格昂贵,检修不方便。此外,在检测过程中需要较强的X射线照射量,对人身伤害较大。
发明内容
本发明所要解决的技术问题在于,提供一种基于热辐射视觉图像的轮胎钢丝帘缺陷检测装置及检测方法,能够大幅提高现有装置的精确度、可靠性,实现多种类缺陷在线检测,减少人工误差和装置因素带给人体的伤害。
为解决上述技术问题,本发明提供一种基于热辐射视觉图像的轮胎钢丝帘缺陷检测装置,包括:MCU、感应加热单元、摄像头单元和执行单元;MCU驱动感应加热单元产生频率、幅值一定的高频激励信号,同时接收摄像头单元发送的钢丝热辐射图像,通过图像处理的方法分析图片信息,得出缺陷结论,从而控制执行单元进行储存显示及报警处理。
优选的,感应加热单元包括交变信号发生器、功率放大器和感应线圈;功率放大器用于将交变信号发生器输出的高频信号进行功率放大,以满足加热轮胎钢丝帘的功率要求;感应线圈通过一定频率的交流电的激励,在其内外产生与电流变化频率相同的交变磁场,用于加热置于磁场环境中的金属工件;交变信号发生器包括有源晶振电路和AD9832电路,有源晶振电路用于给AD9832电路提供工作参考时钟,选用25MHz有源晶振,AD9832电路用于接收MCU发送的控制信号,通过查找正弦表和D/A转换输出相应频率波形的高频信号,交变信号源的频率在20KHz~50KHz之间可调。
优选的,摄像头单元还包括带通红外滤光片,带通红外滤光片的波长选择范围为:800nm~2000nm。可以过滤可见光以及波长较长的远红外光,使得成像光源大部分来自加热的轮胎钢丝帘,提高成像质量,有利于后续的图像处理过程。
优选的,执行单元包括储存显示模块和警报处理模块,储存显示模块用于存储装置运行过程中的图片数据和错误的日志文件,通过显示屏实时展示当前装置检测钢丝帘的工作情况;警报处理模块包括电机模块和报警模块,电机模块根据MCU检测到钢丝帘间距缺陷的情况下做出不同的动作,报警模块在MCU检测到钢丝帘间距缺陷时发出报警声,提醒工作人员。
相应的,一种应用基于热辐射视觉图像的轮胎钢丝帘缺陷检测装置的检测方法,包括如下步骤:
(1)图像预处理;
(2)Canny边缘检测;
(3)图像细化;
(4)Hough变换及提取相关直线并计算直线距离。
优选的,步骤(1)中,图像预处理采用中值滤波技术,使用模板大小为9×9的模板对图像进行中值滤波,消除椒盐噪声,保护图像的边缘信息。
优选的,步骤(2)中,Canny边缘检测包括如下步骤:
(21)高斯平滑函数,平滑以消除噪声;
(22)用一阶偏导的有限差分来计算梯度的幅值和方向,用两个方向模板进行卷积运算,这两个方向模板为H1和H2所示,分别体现x方向上和y方向上的差异,同时获得梯度幅值的大小以及方向角,获得在边缘位置处特征被加强的图像;
(23)对梯度幅值进行非极大值抑制,保留梯度方向上的最大值;仅仅得到全局的梯度并不足以确定边缘,因此为确定边缘,必须保留局部梯度最大的点,而抑制非极大值;四个扇区的标号为0到3,对应3×3邻域的四种可能组合,在每一点上,邻域的中心像素M与沿着梯度线的两个像素相比,如果M的梯度值不比沿梯度线的两个相邻像素梯度值大,则令M=0,即:
N[i,j]=NMS(M[i,j],ζ[i,j]);
(24)用双阈值算法检测和连接边缘,首先使用一个较大的阈值Nmax,该阈值二值化后的图像含有较少的假的边缘点,但是端点较多;使用较小的阈值Nmin,该阈值二值化后的图像含有较多的假的边缘点;通过上一步获取的边缘点,判断其8邻域内有无第二步获得的边缘点,然后进行连接。
优选的,步骤(3)中,图像细化采用Zhang快速并行细化算法,具体包括如下步骤:
(31)边界点为中心的8-邻域,记中心点为p1,其邻域的8个点顺时针绕中心点分别记为p2,p3,...,p9,其中p2在p1上方,首先标记同时满足下列条件的边界点:
a)2≤N(p1)≤6;
b)S(p1)=1;
c)p2×p4×p6=0;
d)p4×p6×p8=0;
其中N(p1)是p1的非零邻点的个数,S(p1)是以p2,p3,...,p9为序时这些点的值从0到1变化的次数,当对所有边界点都检验完毕后,将所有标记了的点除去;
(32)同第(1)步,仅将前面条件(c)改为:p2×p4×p8=0;条件(d)改为:p2×p6×p8=0;同样当对所有边界点都检验完毕后,将所有标记了的点除去,以上两步操作构成一次迭代,直至没有点再满足标记条件,这时剩下的点组成区域的骨架。
优选的,Hough变换及提取相关直线并计算直线距离具体为:利用Hough变换原理得到细化图像的两条直线,利用点与线的对偶性,将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点,这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题,也即把检测整体特性转化为检测局部特性;由于在原始坐标系下呈现直线的所有点斜率和截距是相同的,所以它们在参数坐标系下对应于同一个点。因此将原始坐标系下的各个点投影到参数坐标系下,在参数坐标系中的聚集点就对应了原始坐标系下的直线,所述直线对应了最优化的钢丝帘位置,在原始坐标系的条件下,得到两条直线的斜率,进一步计算两直线之间的距离,最终将该距离对应至实际坐标系的距离,即得到了所检测的轮胎钢丝帘之间的距离。
本发明的有益效果为:(1)本发明利用热辐射视觉成像的无损方式获取钢丝帘图片,有效去除了其它无关干扰信息,得到信息量集中的测量图片;(2)本发明利用图像处理方法可以实现高精度的间距测量,并且适合不同标准的钢丝帘间距检测,大大拓宽了应用范围;(3)本发明可以在线实时检测,可检测多种类缺陷,并通过执行单元进行缺陷报警和数量显示,显著提高实际检测质量。
附图说明
图1为本发明装置的结构示意图。
图2为本发明MCU结构示意图。
图3为本发明交变信号发生器的电路结构示意图。
图4为本发明摄像头单元的电路结构示意图。
图5为本发明执行单元电路结构示意图。
图6为本发明的方法流程示意图。
图7为本发明非极大值抑制滤波器示意图。
图8为本发明8-邻域示意图。
图9为本发明装置的工作流程示意图。
图10为本发明装置的工作原理示意图。
图11为本发明轮胎钢丝帘缺陷示意图。
其中,1、MCU;2、感应加热单元;2.1、交变信号发生器;2.1.1、有源晶振电路;2.1.2、AD9832电路;2.1.3、交变信号源;2.2、感应线圈;3、摄像头单元;3.1、数据端口;3.2、控制端口;4、执行单元;4.1、储存显示模块;4.2、报警处理模块;4.2.1、第一三极管放大电路;4.2.2、继电器驱动电路;4.2.3、第二三极管放大电路;5、输入设备;6、轮胎钢丝帘;6.1、标准钢丝帘;6.2、局部不规则钢丝帘;6.3、缺根钢丝帘;6.4、过密钢丝帘。
具体实施方式
如图1和图10所示,一种基于热辐射视觉图像的轮胎钢丝帘缺陷检测装置,包括:MCU1、感应加热单元2、摄像头单元3以及执行单元4;MCU1驱动感应加热单元2产生频率、幅值一定的高频激励信号,同时接收摄像头单元3发送的钢丝热辐射图像,通过图像处理的方法分析图片信息,得出缺陷结论,从而控制执行单元4进行储存显示及报警处理。
轮胎钢丝帘6在被运送检测的过程中,在到达相应的位置处会受到感应线圈2.2对其的感应加热,感应线圈2.2在交变信号发生器2.1和功率放大器电路的作用下,产生高频交变磁场,该磁场用于作用轮胎钢丝帘产生感应电流,以加热钢丝表面,发出更强的红外光;摄像头单元3在镜头前的带通红外滤光片的作用下,仅能接收可见光到远红外光之间的光,轮胎钢丝在该区间的发光度最强,轮胎橡胶以及其它工作环境的物体发出的光均被过滤,因此得到较好质量的钢丝帘图片;图片数据被传送至MCU1中处理,利用本发明提出的图像处理方法实现对图片信息的提取和计算识别,进一步得到两钢丝帘之间的距离,从而判断其质量是否符合工业标准;输入设备5主要用于操作者的输入信息和指令执行,可以方便从储存显示模块4.1中查看设备当前的运行状态,查阅相关的历史数据和错误的日志文件;执行单元4.2则根据MCU1得出的判断结果执行相应的操作,发出警报以及控制电机模块的运动,实现产品的实时检测和自动缺陷分类。
如图2所示,所述MCU1包括ARMcortexA53的内核、电源管理模块、Ethernet网口、DVP摄像头接口、USB接口、HDMI显示器接口、扩展GPIO口以及SD卡模块。ARMcortexA53内核是MCU1的核心,是整个MCU1逻辑控制和运算的主要构成部分,高速执行图像处理算法,进行相应图像处理和识别计算;电源管理模块是为MCU1各个电路部分提供1.8V、2.2V、3.3V以及5V的电压;MCU1通过DVP摄像头接口和摄像头单元2连接,利用SPI接口和控制端口3.2通信,控制摄像头参数的设定和拍摄模式;MCU1通过HDMI连接显示器,来显示设备运行过程中的工作状态和缺陷数据;USB接口分别接入外部输入设备,如鼠标、键盘和U盘;扩展GPIO口用于控制感应加热单元2输出高频激励信号以及输出驱动信号控制警报处理模块4.2,并且可以作为其他外设的控制预留接口;SD卡用于储存图片处理数据和异常日志文件。
如图3所示,所述交变信号发生器2.1包括有源晶振电路2.1.1、AD9832电路2.1.2、交变信号源2.1.3。有源晶振电路2.1.1选用25MHz有源晶振,作为芯片AD9832的参考时钟,芯片AD9832输出频率最高一般为参考时钟频率的40%,因此输出交变信号源2.1.3频率最大范围为0~10MHz;该芯片易于实现FSK和PSK等各种数字调制功能,通过串行端口与MCU1的SPI接口进行通信,方便程序调控输出不同频率的输出信号;根据感应加热原理,高频交变磁场常用于金属件的表面加热,且由于涡流现象的趋肤效应,频率越高的交变磁场可以很快加热金属表面,为了提高响应速度和成像质量,因此本发明选用工业高频加热频率为20KHz~50KHz;AD9832电路2.1.2以AD9832芯片为主要构成部分,为了保证输出交变信号源2.1.3的稳定性和可靠性,使用FB1磁珠进行模拟地和数字地隔离,有效抑制模拟电路低频信号对输出信号的干扰。
如图4所示,所述摄像头单元2采用了OV5640图像传感器,采用1.4um×1.4um像素OmniBSI技术,高灵敏度、低串扰、低噪音且支持自动曝光、自动白平衡、自动消除灯光条纹、自动黑电平校准和自动带通滤波器等功能,支持色饱和度调节、色调调节、gamma校正、锐度和镜头校准等,支持图像缩放、平移和窗口设置;图像传感器的分辨率为500万,可输出图片大小为QSXGA(2592×1944),格式设置为RGB565。摄像头单元2镜头前安装了特定波长的带通红外滤光片,本发明选用滤光片的波长范围为800nm~2000nm,仅能接收可见光到远红外光之间的光,加热后的轮胎钢丝在该区间的发光度最强,轮胎橡胶以及其它工作环境的物体发出的光均被过滤,因此得到较好质量的钢丝帘图片。
本发明中通过配置寄存器设置以上图像参数和模式,利用控制端口3.2来传送命令和数据来调节图像参数,其中控制端口3.2采用了SCCB通讯协议,SCCB即串行摄像机控制总线协议,SCCB总线跟I2C十分类似,起始信号、停止信号与I2C一样,SCCB定义数据传输的基本单元为相,每个相传输一个字节数据;数据端口3.1为图片的数据传送口,本发明选用的DVP协议,使用的是并口传输模式,在此处特指8位的并口数据传输。
如图5所示,执行单元4包括了储存显示模块4.1以及警报处理模块4.2,所述储存显示模块4.1在输入设备5的配合下,用于存储装置运行过程中的图片数据和错误的日志文件,并且通过显示屏实时展示当前装置检测钢丝帘的工作情况,方便操作人员观察装置运行状态,进一步地可以随时调取历史处理数据,能有效分析产品的质量情况和装置的鉴别能力。
所述警报处理模块4.2包括了电机、蜂鸣器、警报灯、第一三极管放大电路4.2.1和继电器驱动电路4.2.2以及第二三极管放大电路4.2.3,其中第一三极管放大电路4.2.1由三极管2N3904、1K和10K电阻组成,为继电器驱动电路4.2.2提供0~3.3V控制信号;继电器驱动电路4.2.2由继电器、续流二极管IN4734组成;在MCU1检测到钢丝帘间距存在误差时,通过第一三极管放大电路4.2.1驱动继电器驱动电路4.2.2,因此继电器断开,电机停止工作。所述第二三极管放大电路4.2.3由三极管S8050、1K和10K电阻组成,为有源蜂鸣器提供驱动电流,在MCU1检测到钢丝帘间距缺陷时发出警报声,用以提醒工作人员。
如图6~8所示,本发明所采用的图像处理算法包括了图像预处理、Canny边缘检测、图像细化、Hough变换以及提取相关直线并计算直线距离;其中图形预处理采用了中值滤波技术,使用模板大小为9×9的模板对图像进行中值滤波,消除椒盐噪声,并且可以保护图像的边缘信息。
Canny边缘检测是为了找到轮胎钢丝帘的最优边缘范围,Canny算子的边缘检测分为以下4个步骤:
1)高斯平滑函数,目的是为了平滑以消除噪声;
2)用一阶偏导的有限差分来计算梯度的幅值和方向,该步骤用两个方向模板进行卷积运算,这两个方向模板为H1和H2所示,分别体现了x方向上和y方向上的差异,同时获得梯度幅值的大小以及方向角。通过该步,获得在边缘位置处特征被加强的图像。
3)对梯度幅值进行非极大值抑制,该步骤的目的是保留梯度方向上的最大值。仅仅得到全局的梯度并不足以确定边缘,因此为确定边缘,必须保留局部梯度最大的点,而抑制非极大值。图7中所示四个扇区的标号为0到3,对应3×3邻域的四种可能组合。在每一点上,邻域的中心像素M与沿着梯度线的两个像素相比。如果M的梯度值不比沿梯度线的两个相邻像素梯度值大,则令M=0,即:
N[i,j]=NMS(M[i,j],ζ[i,j])
4)用双阈值算法检测和连接边缘,首先使用一个较大的阈值Nmax,该阈值二值化后的图像含有较少的假的边缘点,但是端点较多;使用较小的阈值Nmin,该阈值二值化后的图像含有较多的假的边缘点;通过上一步获取的边缘点,判断其8邻域内有无第二步获得的边缘点,然后进行连接。
图像细化采用了Zhang快速并行细化算法,该算法对边界点进行如下操作:(1)考虑以图8所示的边界点为中心的8-邻域,记中心点为p1,其邻域的8个点顺时针绕中心点分别记为p2,p3,...,p9,其中p2在p1上方。首先标记同时满足下列条件的边界点:
a)2≤N(p1)≤6;
b)S(p1)=1;
c)p2×p4×p6=0;
d)p4×p6×p8=0;
其中N(p1)是p1的非零邻点的个数,S(p1)是以p2,p3,...,p9为序时这些点的值从0到1变化的次数。当对所有边界点都检验完毕后,将所有标记了的点除去;(2)同第(1)步,仅将前面条件(c)改为:p2×p4×p8=0;条件(d)改为:p2×p6×p8=0。同样当对所有边界点都检验完毕后,将所有标记了的点除去。以上两步操作构成一次迭代。直至没有点再满足标记条件,这时剩下的点组成区域的骨架。
利用Hough变换原理得到细化图像的两条直线,利用点与线的对偶性,将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。也即把检测整体特性转化为检测局部特性。由于在原始坐标系下呈现直线的所有点斜率和截距是相同的,所以它们在参数坐标系下对应于同一个点。因此将原始坐标系下的各个点投影到参数坐标系下,在参数坐标系中的聚集点就对应了原始坐标系下的直线。所述直线对应了最优化的钢丝帘位置,在原始坐标系的条件下,得到两条直线的斜率,进一步计算两直线之间的距离,最终将该距离对应至实际坐标系的距离,即得到了所检测的轮胎钢丝帘之间的距离。
如图9所示,本发明装置启动工作后,MCU1首先开启硬件的自检查,检测对应的USB驱动、GPIO设备、DVP接口以及HDMI接口是否可正常工作,若自检出现问题,装置会进入初始化硬件环境的程序;自检成功后,MCU1驱动感应加热单元3开始工作,同时驱动摄像头单元2拍摄照片,在接收到轮胎钢丝帘的图片数据后,MCU1开始运用图像处理算法计算相关直线的距离,并储存数据和错误信息到文件中;进一步在得到两直线的距离后,判断是否符合工业生产的标准,符合标准即执行储存显示模块4.1来显示当前工作状态和数据,不符合标准的执行警报处理模块4.2来驱动电机和报警器执行报警流程;至此,一次缺陷检测的流程完成,设备进入读取摄像头单元2的循环中。
如图11所示,待检测的轮胎钢丝帘6共有四种质量情况:标准钢丝帘6.1、局部不规则钢丝帘6.2、缺根钢丝帘6.3和过密钢丝帘6.4。标准钢丝帘6.1的钢丝帘a与b之间的间距与标准制造要求的大小相等,局部不规则钢丝帘6.2的钢丝帘c与d、缺根钢丝帘6.3的钢丝帘f与g之间的间距大于标准制造要求,过密钢丝帘6.4的钢丝h和i之间的距离小于标准制造要求。本发明以红外图像为检测信息源,图片内容包含了以上所述的缺陷特征,因此可以实现多种缺陷,不同标准的钢丝帘间距的检测。
Claims (9)
1.一种基于热辐射视觉图像的轮胎钢丝帘缺陷检测装置,其特征在于,包括:MCU、感应加热单元、摄像头单元和执行单元;MCU驱动感应加热单元产生频率、幅值一定的高频激励信号,同时接收摄像头单元发送的钢丝热辐射图像,通过图像处理的方法分析图片信息,得出缺陷结论,从而控制执行单元进行储存显示及报警处理。
2.如权利要求1所述的基于热辐射视觉图像的轮胎钢丝帘缺陷检测装置,其特征在于,感应加热单元包括交变信号发生器、功率放大器和感应线圈;功率放大器用于将交变信号发生器输出的高频信号进行功率放大,以满足加热轮胎钢丝帘的功率要求;感应线圈通过一定频率的交流电的激励,在其内外产生与电流变化频率相同的交变磁场,用于加热置于磁场环境中的金属工件;交变信号发生器包括有源晶振电路和AD9832电路,有源晶振电路用于给AD9832电路提供工作参考时钟,选用25MHz有源晶振,AD9832电路用于接收MCU发送的控制信号,通过查找正弦表和D/A转换输出相应频率波形的高频信号,交变信号源的频率在20KHz~50KHz之间可调。
3.如权利要求1所述的基于热辐射视觉图像的轮胎钢丝帘缺陷检测装置,其特征在于,摄像头单元还包括带通红外滤光片,带通红外滤光片的波长选择范围为:800nm~2000nm。
4.如权利要求1所述的基于热辐射视觉图像的轮胎钢丝帘缺陷检测装置,其特征在于,执行单元包括储存显示模块和警报处理模块,储存显示模块用于存储装置运行过程中的图片数据和错误的日志文件,通过显示屏实时展示当前装置检测钢丝帘的工作情况;警报处理模块包括电机模块和报警模块,电机模块根据MCU检测到钢丝帘间距缺陷的情况下做出不同的动作,报警模块在MCU检测到钢丝帘间距缺陷时发出报警声,提醒工作人员。
5.一种应用如权利要求1所述基于热辐射视觉图像的轮胎钢丝帘缺陷检测装置的检测方法,包括如下步骤:
(1)图像预处理;
(2)Canny边缘检测;
(3)图像细化;
(4)Hough变换及提取相关直线并计算直线距离。
6.如权利要求5所述的检测方法,其特征在于,步骤(1)中,图像预处理采用中值滤波技术,使用模板大小为9×9的模板对图像进行中值滤波,消除椒盐噪声,保护图像的边缘信息。
7.如权利要求5所述的检测方法,其特征在于,步骤(2)中,Canny边缘检测包括如下步骤:
(21)高斯平滑函数,平滑以消除噪声;
(22)用一阶偏导的有限差分来计算梯度的幅值和方向,用两个方向模板进行卷积运算,这两个方向模板为H1和H2所示,分别体现x方向上和y方向上的差异,同时获得梯度幅值的大小以及方向角,获得在边缘位置处特征被加强的图像;
(23)对梯度幅值进行非极大值抑制,保留梯度方向上的最大值;保留局部梯度最大的点,而抑制非极大值;四个扇区的标号为0到3,对应3×3邻域的四种可能组合,在每一点上,邻域的中心像素M与沿着梯度线的两个像素相比,如果M的梯度值不比沿梯度线的两个相邻像素梯度值大,则令M=0,即:
N[i,j]=NMS(M[i,j],ζ[i,j]);
(24)用双阈值算法检测和连接边缘,首先使用一个较大的阈值Nmax,该阈值二值化后的图像含有较少的假的边缘点,但是端点较多;使用较小的阈值Nmin,该阈值二值化后的图像含有较多的假的边缘点;通过上一步获取的边缘点,判断其8邻域内有无第二步获得的边缘点,然后进行连接。
8.如权利要求5所述的检测方法,其特征在于,步骤(3)中,图像细化采用Zhang快速并行细化算法,具体包括如下步骤:
(31)边界点为中心的8-邻域,记中心点为p1,其邻域的8个点顺时针绕中心点分别记为p2,p3,...,p9,其中p2在p1上方,首先标记同时满足下列条件的边界点:
a)2≤N(p1)≤6;
b)S(p1)=1;
c)p2×p4×p6=0;
d)p4×p6×p8=0;
其中N(p1)是p1的非零邻点的个数,S(p1)是以p2,p3,...,p9为序时这些点的值从0到1变化的次数,当对所有边界点都检验完毕后,将所有标记了的点除去;
(32)同第(1)步,仅将前面条件(c)改为:p2×p4×p8=0;条件(d)改为:p2×p6×p8=0;同样当对所有边界点都检验完毕后,将所有标记了的点除去,以上两步操作构成一次迭代,直至没有点再满足标记条件,这时剩下的点组成区域的骨架。
9.如权利要求5所述的检测方法,其特征在于,Hough变换及提取相关直线并计算直线距离具体为:利用Hough变换原理得到细化图像的两条直线,利用点与线的对偶性,将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点,这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题,也即把检测整体特性转化为检测局部特性;由于在原始坐标系下呈现直线的所有点斜率和截距是相同的,所以它们在参数坐标系下对应于同一个点;因此将原始坐标系下的各个点投影到参数坐标系下,在参数坐标系中的聚集点就对应了原始坐标系下的直线,所述直线对应了最优化的钢丝帘位置,在原始坐标系的条件下,得到两条直线的斜率,进一步计算两直线之间的距离,最终将该距离对应至实际坐标系的距离,即得到了所检测的轮胎钢丝帘之间的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910752165.7A CN110501384A (zh) | 2019-08-15 | 2019-08-15 | 一种基于热辐射视觉图像的轮胎钢丝帘缺陷检测装置及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910752165.7A CN110501384A (zh) | 2019-08-15 | 2019-08-15 | 一种基于热辐射视觉图像的轮胎钢丝帘缺陷检测装置及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110501384A true CN110501384A (zh) | 2019-11-26 |
Family
ID=68588097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910752165.7A Pending CN110501384A (zh) | 2019-08-15 | 2019-08-15 | 一种基于热辐射视觉图像的轮胎钢丝帘缺陷检测装置及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110501384A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709916A (zh) * | 2020-05-29 | 2020-09-25 | 青岛铁木真软件技术有限公司 | 帘线检测方法、系统、设备和存储介质 |
CN115272307A (zh) * | 2022-09-26 | 2022-11-01 | 无锡日联科技股份有限公司 | 合金型温度保险丝的缺陷检测方法和系统 |
WO2023103277A1 (zh) * | 2021-12-07 | 2023-06-15 | 威海华菱光电股份有限公司 | 一种钢丝帘布检测校准装置及检测校准方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102954968A (zh) * | 2012-11-05 | 2013-03-06 | 西安交通大学 | 热障涂层部件电磁涡流热成像无损检测系统及检测方法 |
CN204479487U (zh) * | 2015-01-13 | 2015-07-15 | 天津伊诺威逊科技开发有限公司 | 一种胎体帘布测量装置 |
CN106153636A (zh) * | 2015-04-03 | 2016-11-23 | 软控股份有限公司 | 轮胎钢丝帘布表面缺陷的检测方法、装置及系统 |
WO2017172611A1 (en) * | 2016-03-28 | 2017-10-05 | General Dynamics Mission Systems, Inc. | System and methods for automatic solar panel recognition and defect detection using infrared imaging |
CN108195884A (zh) * | 2018-01-12 | 2018-06-22 | 西南科技大学 | 一种基于电涡流脉冲热成像的无损检测方法及系统 |
CN108226223A (zh) * | 2017-12-25 | 2018-06-29 | 山西戴德测控技术有限公司 | 一种基于红外热成像钢丝绳在线检测装置 |
CN109242880A (zh) * | 2018-08-24 | 2019-01-18 | 国网福建省电力有限公司漳州供电公司 | 一种基于图像处理的电力线提取方法 |
-
2019
- 2019-08-15 CN CN201910752165.7A patent/CN110501384A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102954968A (zh) * | 2012-11-05 | 2013-03-06 | 西安交通大学 | 热障涂层部件电磁涡流热成像无损检测系统及检测方法 |
CN204479487U (zh) * | 2015-01-13 | 2015-07-15 | 天津伊诺威逊科技开发有限公司 | 一种胎体帘布测量装置 |
CN106153636A (zh) * | 2015-04-03 | 2016-11-23 | 软控股份有限公司 | 轮胎钢丝帘布表面缺陷的检测方法、装置及系统 |
WO2017172611A1 (en) * | 2016-03-28 | 2017-10-05 | General Dynamics Mission Systems, Inc. | System and methods for automatic solar panel recognition and defect detection using infrared imaging |
CN108226223A (zh) * | 2017-12-25 | 2018-06-29 | 山西戴德测控技术有限公司 | 一种基于红外热成像钢丝绳在线检测装置 |
CN108195884A (zh) * | 2018-01-12 | 2018-06-22 | 西南科技大学 | 一种基于电涡流脉冲热成像的无损检测方法及系统 |
CN109242880A (zh) * | 2018-08-24 | 2019-01-18 | 国网福建省电力有限公司漳州供电公司 | 一种基于图像处理的电力线提取方法 |
Non-Patent Citations (4)
Title |
---|
JING ZHANG ET AL.: "An automatic diagnostic method of abnormal heat defect in transmission lines based on infrared video", 《2016 IEEE PES 13TH INTERNATIONAL CONFERENCE ON TRANSMISSION & DISTRIBUTION CONSTRUCTION, OPERATION & LIVE-LINE MAINTENANCE (ESMO)》 * |
张广渊 等主编: "《数字图像处理基础及OPENCV实现》", 31 December 2014, 知识产权出版社 * |
朗锐 编写: "《数字图像处理学 Visual C++实现》", 31 January 2003, 北京希望电子出版社 * |
赵民 著: "《石材数控加工技术》", 31 August 2013, 辽宁科学技术出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709916A (zh) * | 2020-05-29 | 2020-09-25 | 青岛铁木真软件技术有限公司 | 帘线检测方法、系统、设备和存储介质 |
WO2023103277A1 (zh) * | 2021-12-07 | 2023-06-15 | 威海华菱光电股份有限公司 | 一种钢丝帘布检测校准装置及检测校准方法 |
CN115272307A (zh) * | 2022-09-26 | 2022-11-01 | 无锡日联科技股份有限公司 | 合金型温度保险丝的缺陷检测方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110501384A (zh) | 一种基于热辐射视觉图像的轮胎钢丝帘缺陷检测装置及检测方法 | |
CN109507192B (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
CN110119680B (zh) | 一种基于图像识别的电气柜接线自动查错系统 | |
CN109662686B (zh) | 一种眼底黄斑定位方法、装置、系统及存储介质 | |
CN109490316A (zh) | 一种基于机器视觉的表面缺陷检测算法 | |
JP4714749B2 (ja) | 偏光データを用いるリアルタイム画像検出 | |
CN107945156A (zh) | 一种自动评价数字病理扫描图像画质的方法 | |
CN112577969B (zh) | 一种基于机器视觉的缺陷检测方法以及缺陷检测系统 | |
CN103134785A (zh) | 一种基于机器视觉的荧光粉涂覆表面缺陷检测系统及方法 | |
CN106845545B (zh) | 数字式电测仪表自动检定装置中的图像识别方法及装置 | |
CN106855951A (zh) | 一种基于计算机视觉的粮种品质检测方法 | |
CN104483243B (zh) | 大米粘连米检测分割方法、装置及系统 | |
CN106842804A (zh) | 一种TV Line解析测试图卡及其解析测试方法 | |
CN109190742A (zh) | 一种基于灰度特征的编码特征点的解码方法 | |
CN111122590A (zh) | 一种陶瓷表面缺陷检测装置及检测方法 | |
US20160210740A1 (en) | Method and system for spine position detection | |
CN104931907B (zh) | 基于机器视觉的数显电测量仪表质量群检系统 | |
CN106093051A (zh) | 基于机器视觉的纸卷切面毛刺检测方法及装置 | |
CN106093055A (zh) | 一种单张菲林质量检测方法及复数张菲林质量检测方法 | |
CN203117109U (zh) | 基于机器视觉的荧光粉涂覆表面缺陷检测系统 | |
JP6291546B2 (ja) | 画像評価装置、画像評価方法、及びプログラム | |
JP2002230562A (ja) | 画像処理方法およびその装置 | |
US11562505B2 (en) | System and method for representing and displaying color accuracy in pattern matching by a vision system | |
CN112634252A (zh) | 印刷电路的检测方法 | |
JP6005798B2 (ja) | 画像評価装置、画像評価方法、及びプログラム |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191126 |