CN111583242B - 蜂窝规整度检测的形态学顶点提取方法及检测装置 - Google Patents
蜂窝规整度检测的形态学顶点提取方法及检测装置 Download PDFInfo
- Publication number
- CN111583242B CN111583242B CN202010388489.XA CN202010388489A CN111583242B CN 111583242 B CN111583242 B CN 111583242B CN 202010388489 A CN202010388489 A CN 202010388489A CN 111583242 B CN111583242 B CN 111583242B
- Authority
- CN
- China
- Prior art keywords
- image
- honeycomb
- vertex
- cell
- binarization
- 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.)
- Active
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 230000000877 morphologic effect Effects 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000001413 cellular effect Effects 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims description 26
- 230000007797 corrosion Effects 0.000 claims description 12
- 238000005260 corrosion Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 abstract description 4
- 241000264877 Hippospongia communis Species 0.000 description 145
- 210000004027 cell Anatomy 0.000 description 64
- 210000002421 cell wall Anatomy 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 230000007847 structural defect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- 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
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
- G03B17/00—Details of cameras or camera bodies; Accessories therefor
- G03B17/56—Accessories
- G03B17/566—Accessory clips, holders, shoes to attach accessories to camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02K—DYNAMO-ELECTRIC MACHINES
- H02K7/00—Arrangements for handling mechanical energy structurally associated with dynamo-electric machines, e.g. structural association with mechanical driving motors or auxiliary dynamo-electric machines
- H02K7/06—Means for converting reciprocating motion into rotary motion or vice versa
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Power Engineering (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种蜂窝规整度检测的形态学顶点提取方法及检测装置,其中,蜂窝规整度检测的形态学顶点提取方法,包括:获取蜂窝图像;将所述蜂窝图像进行二值化处理,得到二值化图像;提取所述二值化图像中蜂窝胞元的顶点;根据所述顶点与胞元的映射关系进行连线,重构蜂窝胞元图像;根据所述蜂窝胞元图像的几何规整度评价所述蜂窝质量。该方法对蜂窝图像处理得到胞元角的偏差平均值,偏差平均值越小,说明胞元越规整,在这里可以引入一个规整度的概念,就是蜂窝越接近整六边形,规整度就越高;通过实验也证明了,规整度越高的蜂窝产品刚度和强度都越好,即,蜂窝产品的质量越好,因此,本发明通过简单的操作处理即可判断出蜂窝产品的质量。
Description
技术领域
本发明涉及交通、机械、航空航天、船舶等装备的轻质结构产品设计、制造及应用等领域,尤其涉及一种蜂窝规整度检测的形态学顶点提取方法及检测装置。
背景技术
轻质蜂窝结构以其优异的承载与吸能特性而被广泛应用到各种工程领域。然而,在该产品的生产制造过程中,不可避免地出现蜂窝芯块拱弯、翘曲、胞孔畸形等各型结构性缺陷,而这些缺陷已被证实对其承载与吸能性能产生较大影响。因此,有关蜂窝产品规整性检测与评估以规避低劣产品的使用风险,进一步改进蜂窝规整度的工作亟待开展。
由于蜂窝产品为周期排列多孔结构,具有典型的多顶点、细薄壁、承载面宽等特征,传统超声检测技术无法获得其结构性缺陷的特征信息。现有相关技术主要包括:
中国专利申请号为201610585321.1和201610585419.7(申请日均为2016年07月22日),分别公开了一种蜂窝芯面形的测量方法及实现装置,包括如下步骤:在蜂窝芯待测面覆上反射薄膜,采用真空吸附的方式使所述反射薄膜紧贴蜂窝芯待测面,且使蜂窝孔格处的反射薄膜向下凹陷;对待测面反射薄膜扫描测量,获得蜂窝芯在不同空间位置的蜂窝壁高度,能够分析蜂窝芯的孔格变形。该方法基于物理长度测定的思想,利用负压吸附薄膜实施检测,可初步获得棱边的大致位置,但精度差、效率低,尤其对细孔径、薄壁蜂窝结构的特征边提取,实现难度大。
中国专利申请号为201710203081.9(申请日为2017年9月1日),公开了一种基于机器视觉的遥感器遮光罩蜂窝缺陷自动检测方法,包括以下步骤:获取遮光罩蜂窝图像;对获取的遮光罩蜂窝图像进行预处理,减少噪声;对经过预处理的遮光罩蜂窝图像进行特征提取,得到遮光罩蜂窝边缘直线段特征;筛选正常蜂窝和缺陷蜂窝的特征向量作为正负样本,人工神经网络建立、训练。中国优秀硕士论文全文数据库收录的2017年王薇所作的《基于机器视觉的蜂窝结构三维外形测量技术研究》,公开了采用正六边形和正四边形网格的图像化识别方法,提出了一种基于直线分段(LSD)的单元网格处理方法,获取单个网格边界信息,通过计算待评估直线区域内像素与该区域矩形包围盒夹角判定是否为目标直线段,从而实现单元网格边缘线段的提取,进一步定位网格交点。该类方法主要定位于规则几何六边形与四边形的线段提取,仅涉及了单一胞元蜂窝的线条特征提取。
除此以外,中国专利申请号为201510740221.7(申请日2015年11月04日),公开了一种边角检测的棋盘格角点自动筛选方法;中国专利申请号为200710194135.6(申请日2007年12月05日)公开了一种表面形状测定装置;中国专利申请号为200810166508.3(申请日2008年10月08日)公开了一种三维形状测量方法,中国专利申请号为201010557356.7(申请日2010年11月22日)公开了一种三X组合标记的检测识别方法均报导了相应的表面形状检测技术,该类技术均只主要针对形状表面轮廓进行识别与测定。
发明内容
(一)发明目的
本发明的目的是提供一种蜂窝规整度检测的形态学顶点提取方法及检测装置。以解决现有技术对蜂窝质量检测操作复杂及判断结果不准确的问题。
(二)技术方案
为解决上述问题,本发明的第一方面提供了一种蜂窝规整度检测的形态学顶点提取方法,包括:获取蜂窝图像;将所述蜂窝图像进行二值化处理,得到二值化图像;提取所述二值化图像中蜂窝胞元的顶点;根据所述顶点与胞元的映射关系进行连线,重构蜂窝胞元图像;根据所述蜂窝胞元图像的几何规整度评价所述蜂窝质量。
进一步地,所述将所述图像进行二值化处理,得到二值化图像包括:将所述图像进行滤波处理去除噪声,得到去噪图像;将所述去噪图像进行二值化处理,得到二值化图像。
进一步地,所述将所述去噪图像进行二值化处理,得到二值化图像包括:将所述去噪图像进行二值化处理,得到初始二值化图像;将所述初始二值化图像进行形态学滤波处理,得到二值化图像。
进一步地,所述提取所述二值化图像中蜂窝胞元的顶点包括:将所述二值化图像进行闭运算处理,得到平滑蜂窝顶点图像;进行蜂窝壁取最大圆圆心处理,得到蜂窝胞元的顶点。
进一步地,所述提取所述二值化图像中蜂窝胞元的顶点包括:将所述二值化图像进行闭运算处理,得到平滑蜂窝顶点图像;将所述平滑蜂窝顶点图像依次经过膨胀处理和腐蚀处理,得到只有蜂窝壁交汇处图像;在所述只有蜂窝壁交汇处图像上进行蜂窝壁取最大圆圆心处理,得到蜂窝胞元的顶点。
根据本发明的另一个方面,一种蜂窝质量检测装置,包括:图像获取模块,用于获取蜂窝图像;二值化处理模块,用于将所述蜂窝图像进行二值化处理,得到二值化图像;顶点提取模块,用于提取所述二值化图像中蜂窝胞元的顶点;蜂窝胞元图像重构模块,用于根据所述顶点与胞元的映射关系进行连线,重构蜂窝胞元图像;蜂窝质量检测模块,用于计算所述蜂窝胞元图像中所有胞元角的偏差平均值,并根据所述平均值评价所述蜂窝质量。
进一步地,所述二值化处理模块包括:图像去噪单元,用于将所述图像进行滤波处理去除噪声,得到去噪图像;二值化处理单元,用于将所述去噪图像进行二值化处理,得到二值化图像。
进一步地,所述二值化处理模块还包括:滤波单元;在所述二值化处理单元将所述去噪图像进行二值化处理,得到初始二值化图像后;所述滤波单元,用于将所述初始二值化图像进行形态学滤波处理,得到二值化图像。
进一步地,所述顶点提取模块包括:闭运算处理单元,用于将所述二值化图像进行闭运算处理,得到平滑蜂窝顶点图像;顶点提取单元,用于进行蜂窝壁取最大圆圆心处理,得到蜂窝胞元的顶点。
进一步地,所述顶点提取模块包括:闭运算处理单元,用于将所述二值化图像进行闭运算处理,得到平滑蜂窝顶点图像;蜂窝壁交汇处提取单元,用于将所述平滑蜂窝顶点图像依次经过膨胀处理和腐蚀处理,得到只有蜂窝壁交汇处图像;顶点提取单元,用于在所述蜂窝壁交汇处图像上进行蜂窝壁取最大圆圆心处理,得到蜂窝胞元的顶点。
进一步地,还包括:置物台、升降装置、行走式龙门架、滑轨;所述置物台用于盛放待检测蜂窝,其上设置有水平度示值板;所述升降装置与所述置物台连接,用于带动所述待检测蜂窝升降;所述行走式龙门架设置在所述滑轨上,且所述行走式龙门架设置有所述图像获取模块,使所述图像获取模块可在水平方向移动。
进一步地,还包括:标定模块;所述标定模块与所述置物台配合使用,用于校核检测装置的准确性。
根据本发明的又一方面,提供一种储存介质,所述存储介质上存储有计算机程序,所述程序被处理器执行时实现上述技术方案中任意一项所述方法的步骤。
根据本发明的又一方面,提供一种电子设备,包括存储器、显示器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现上述技术方案中任意一项所述方法的步骤。
(三)有益效果
本发明的上述技术方案具有如下有益的技术效果:
通过本发明方法对蜂窝图像处理得到胞元角的偏差平均值,偏差平均值越小,说明胞元越规整,在这里可以引入一个规整度的概念,就是蜂窝越接近整六边形,规整度就越高;通过实验也证明了,规整度越高的蜂窝产品刚度和强度都越好,即,蜂窝产品的质量越好,因此,本发明通过简单的操作处理即可判断出蜂窝产品的质量。
附图说明
图1是根据本发明第一实施方式的蜂窝规整度检测的形态学顶点提取方法流程图;
图2是根据本发明一具体实施方式的蜂窝规整度检测的形态学顶点提取方法流程图;
图3是根据本发明一具体实施方式的图像闭运算中所用子图像示意图,其中:(a)为包含两个顶点的子图像;(b)为(a)骨架化的结果;(c)为包含一个蜂窝胞元的子图像;
图4是根据本发明一具体实施方式的提取顶点过程示意图,其中:(a)为形态学滤波后的图像;(b)为经过闭运算的图像;(c)为经过腐蚀的图像;(d)为计算窗口半径示意图;
图5是根据本发明一具体实施方式的蜂窝产品质量检测装置的俯视图;
图6是根据本发明一具体实施方式的蜂窝产品质量检测装置的主视图。
附图标记:
1:置物台;2:数码相机;3:控制系统;4:升降装置;5:夹具;6:行走式龙门架;7:滑轨;8:移动装置。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
如图1所示,在本发明实施例的第一方面提供了一种蜂窝规整度检测的形态学顶点提取方法,包括:
S1:获取蜂窝图像;
S2:将所述蜂窝图像进行二值化处理,得到二值化图像;
S3:提取所述二值化图像中蜂窝胞元的顶点;
S4:根据所述顶点与胞元的映射关系进行连线,重构蜂窝胞元图像;
S5:根据所述蜂窝胞元图像的几何规整度评价所述蜂窝质量。
上述实施例方法对蜂窝图像处理得到胞元角的偏差平均值,偏差平均值越小,说明胞元越规整,在这里可以引入一个规整度的概念,就是蜂窝越接近整六边形,规整度就越高;通过实验也证明了,规整度越高的蜂窝产品刚度和强度都越好,即,蜂窝产品的质量越好,因此,本发明通过简单的操作处理即可判断出蜂窝产品的质量。
可选的,所述将所述图像进行二值化处理,得到二值化图像包括:将所述图像进行滤波处理去除噪声,得到去噪图像;将所述去噪图像进行二值化处理,得到二值化图像。
可选的,所述将所述去噪图像进行二值化处理,得到二值化图像包括:将所述去噪图像进行二值化处理,得到初始二值化图像;将所述初始二值化图像进行形态学滤波处理,得到二值化图像。
可选的,所述提取所述二值化图像中蜂窝胞元的顶点包括:将所述二值化图像进行闭运算处理,得到平滑蜂窝顶点图像;进行蜂窝壁取最大圆圆心处理,得到蜂窝胞元的顶点。
可选的,所述提取所述二值化图像中蜂窝胞元的顶点包括:将所述二值化图像进行闭运算处理,得到平滑蜂窝顶点图像;将所述平滑蜂窝顶点图像依次经过膨胀处理和腐蚀处理,得到只有蜂窝壁交汇处图像;在所述只有蜂窝壁交汇处图像上进行蜂窝壁取最大圆圆心处理,得到蜂窝胞元的顶点。
如图2所示,在一具体实施例中,提供一种蜂窝规整度检测的形态学顶点提取方法,包括:获取图像、图像处理、顶点提取、胞元重构和规整度评估;
获取图像:包括拍摄图像和计算机读取图像,设图像高m个像素,宽n个像素,得到像素矩阵Imn;
所述步骤“图像处理”:顺序包括降噪滤波、二值化、形态学滤波;
降噪滤波:采用中值滤波法降低图像的噪声;
二值化:是采用Otsu法,将产品轮廓图像的像素值置为1,将背景图像的像素值置为0;
形态学滤波:在二值化的基础上执行,降低二值化带来的误差;
所述顶点提取采用形态学法:
顶点提取步骤为:图像闭运算、图像膨胀、确定腐蚀结构元半径、图像腐蚀、计算窗口半径、提取顶点坐标;
图像闭运算:对经过形态学滤波的图像的像素值为1的像素,采用半径为R1的结构元执行闭运算,使蜂窝壁交汇处的尖角变得平滑;结构元半径R1的确定方法有两种:
(1)、在经过形态学滤波的图像中,以一定的窗口大小及位置选取一个仅包含两个相邻顶点的子图像,将该图像进行骨架化处理,使蜂窝壁的宽度为单个像素,遍历该图像,遇到像素值为1的像素,则对其八邻域内像素值为1的像素个数进行统计,记录该个数为3的两个像素点的坐标,其距离L为蜂窝胞元的边长,则结构元的半径取为:0.5L≤R1≤0.7L;
(2)、在经过形态学滤波的图像中,以一定的窗口大小及位置选取一个仅包含一个完整蜂窝胞元的子图像,遍历该子图像,遇到像素值为0的像素,则以其为中心,以1个像素为半径做圆形窗口,逐步增大窗口,找到窗口包含在0像素集合中的最大半径值,即该像素点对应的窗口半径,找到所有像素点对应窗口半径的最大值A,则结构元半径取值为:0.6A≤R1≤0.8A;
如图3所示,这里的图像闭运算的作用是使得蜂窝壁交汇处变得平滑,相当于导了圆角,这样处理后,就可以通过选取合适大小的结构元进行腐蚀,完成后蜂窝壁被腐蚀掉,而蜂窝壁交汇处留下。
图像膨胀:采用半径为R2的结构元对经过闭运算的图像的像素值为1的像素进行膨胀处理,增加蜂窝壁的宽度,R2的取值范围:L/20≤R2≤L/10,其中L为图像闭运算步骤中得到的蜂窝胞元边长;
这里图像膨胀是为了增大蜂窝壁交汇处的最大窗口半径与蜂窝壁最大窗口半径的绝对差值,拉大其差值对图像腐蚀的准确性有帮助。
确定腐蚀结构元半径:在经过图像膨胀后的图像中选取一个子图像,该图像至少包含二个顶点,遍历该图像,遇到像素值为1的像素,以其为中心,以1个像素为半径做圆形窗口,逐步增大窗口半径,找到窗口包含在1像素集合中的最大半径值,即该点对应的窗口半径,找到整个图像中的窗口半径的最大值点,以该点为中心,以图像闭运算步骤中求得的蜂窝胞元边长L为边长做一个正方形窗口,寻找该窗口边界上各点对应窗口半径的最大值,将该值与窗口中心点的窗口半径值求平均值,所得平均值确定为腐蚀结构元半径R3;
这个步骤对图像进行腐蚀,蜂窝壁被腐蚀掉,只留下蜂窝壁交汇处的部分像素。
图像腐蚀:采用“确定腐蚀结构元半径”步骤中得到的R3为半径做一结构元,对经过图像膨胀后的蜂窝产品图像的像素值为1的像素进行腐蚀,腐蚀完成后,蜂窝壁被腐蚀掉,只留下蜂窝壁交汇处的部分像素;
此处采用前述步骤得到的合适大小的结构元来对图像进行腐蚀,腐蚀的目的是腐蚀掉蜂窝壁而留下交汇处,因此这里的选取方法是将蜂窝壁处的最大窗口半径和交汇处的最大窗口半径求平均,以得到一个介于二者之间的值,就可以腐蚀掉蜂窝壁而留下交汇处。在子图像中找到最大窗口半径点,以其为中心再做方形窗口,是为了远离交汇处找到蜂窝壁的最大窗口半径,因为交汇处附近已导圆角,不能代表蜂窝壁。
计算窗口半径:遍历经过图像腐蚀后的蜂窝产品图像,遇到像素值为1的点,则以其为中心,以1个像素为半径做圆形窗口,逐步增大窗口,找到窗口包含在1像素集合中的最大半径值,即该点对应的窗口半径,依次找到图像中所有像素值为1的像素点对应的窗口半径;
计算窗口半径的目的是为了确定顶点,半径最大的点就被确定为顶点。
提取顶点坐标:采用5×5的窗口对上述含半径值的图像进行滤波,滤波过程中将窗口内的非极大值置零,完成后图像中的各非零半径值对应像素点即为顶点,遍历图像,依次提取其坐标并编号,顶点提取过程如图4所示。
这一步是为了将顶点坐标提取出来,顶点处的半径值最大,其周围像素点的半径值也很大,但顶点处的半径值是局部极大值,利用这一特点,采用“非极大值抑制”的方法,即采用一窗口滤波,将窗口内的非极大值置零,这样最后剩下的非零值就是局部极大值,也就是要提取的顶点。
胞元重构:所述胞元重构,是找到所提取顶点与胞元间的映射关系,即哪几个顶点同属于一个胞元,并将顶点依据此关系连线,重构出蜂窝产品的图像;
规整度评估:对重构后的蜂窝产品图像,因为有了胞元与顶点的映射关系及顶点坐标,因此可以计算变形后各胞元角的大小,将其与标准胞元角做差并取绝对值,视为角偏差,将所有的角偏差求平均值作为衡量蜂窝几何规整度的指标,与设定的阈值比较,若小于该阈值,则认为蜂窝产品质量合格。
在本发明实施例的另一个方面,提供一种蜂窝质量检测装置,包括:图像获取模块,用于获取蜂窝图像;二值化处理模块,用于将所述蜂窝图像进行二值化处理,得到二值化图像;顶点提取模块,用于提取所述二值化图像中蜂窝胞元的顶点;蜂窝胞元图像重构模块,用于根据所述顶点与胞元的映射关系进行连线,重构蜂窝胞元图像;蜂窝质量检测模块,用于计算所述蜂窝胞元图像中所有胞元角的偏差平均值,并根据所述平均值评价所述蜂窝质量。
可选的,所述二值化处理模块包括:图像去噪单元,用于将所述图像进行滤波处理去除噪声,得到去噪图像;二值化处理单元,用于将所述去噪图像进行二值化处理,得到二值化图像。
可选的,所述二值化处理模块还包括:滤波单元;在所述二值化处理单元将所述去噪图像进行二值化处理,得到初始二值化图像后;所述滤波单元,用于将所述初始二值化图像进行形态学滤波处理,得到二值化图像。
可选的,所述顶点提取模块包括:闭运算处理单元,用于将所述二值化图像进行闭运算处理,得到平滑蜂窝顶点图像;顶点提取单元,用于进行蜂窝壁取最大圆圆心处理,得到蜂窝胞元的顶点。
可选的,所述顶点提取模块包括:闭运算处理单元,用于将所述二值化图像进行闭运算处理,得到平滑蜂窝顶点图像;蜂窝壁交汇处提取单元,用于将所述平滑蜂窝顶点图像依次经过膨胀处理和腐蚀处理,得到只有蜂窝壁交汇处图像;顶点提取单元,用于在所述蜂窝壁交汇处图像上进行蜂窝壁取最大圆圆心处理,得到蜂窝胞元的顶点。
可选的,还包括:置物台、升降装置、行走式龙门架、滑轨;所述置物台用于盛放待检测蜂窝,其上设置有水平度示值板;所述升降装置与所述置物台连接,用于带动所述待检测蜂窝升降;所述行走式龙门架设置在所述滑轨上,且所述行走式龙门架设置有所述图像获取模块,使所述图像获取模块可在水平方向移动。
可选的,还包括:标定模块;所述标定模块与所述置物台配合使用,用于校核检测装置的准确性。
如图5-6所示,在一具体实施例中,提供一种蜂窝产品质量检测装置,包括置物台1、数码相机2、控制系统3、升降装置4、夹具5、行走式龙门架6、滑轨7、移动装置8和标定模块9;
所述数码相机2和控制系统3相连接;
置物台1上设置水平调节装置和水平度示值板,夹具5靠近蜂窝一侧均涂成亮黄色,辅助图像处理;
所述数码相机2至少为一台,其分辨率不低于1080P,配置远心镜头,以得到高分辨率的蜂窝产品照片,且减小其在景深范围内的畸变;其安装方式为固定式或/和移动式;
所述数码相机2为一台时,安装方式有固定式或移动式;
所述数码相机阵列2为多台时,安装方式为固定式;
所述升降装置4包括置物台、导轨、电动推杆或电液推杆,置物台用于放置被测蜂窝件,其可在电动推杆或电液推杆的驱动下沿导轨上下移动,调节被测蜂窝件的高度,以保证被测蜂窝件的上端面与夹具5的上端面平齐;
所述夹具5由四块平板及驱动装置组成,可在驱动装置的作用下向被测蜂窝件靠拢,靠紧被测蜂窝件后锁死,用于定位及固定被测蜂窝件;
数码相机2安装在行走式龙门架6的横梁上,可在移动装置8的驱动下沿横梁横向移动;
行走式龙门架6可在移动装置8的驱动下沿滑轨7纵向移动,数码相机2及行走式龙门架6的移动均由控制系统3控制。
控制系统3包括系统控制模块、计算分析模块及结果示值模块;
控制模块控制系统启停及升降装置4、相机移动装置8的运动;
计算分析模块采用相应分析软件对数码相机2采集的照片进行分析,计算出蜂窝样品的几何规整度,并根据选定的评估标准及阈值对蜂窝样品的几何规整度进行评估,将评估结果传递给结果示值模块,由结果示值模块进行结果显示;
结果示值模块可根据产品质量评定结果进行显示,质量合格显示绿灯,不合格显示红灯。
所述标定模块9:标定板为一个采用电子墨水屏的显示板,可显示边长、壁厚可调的标准蜂窝,屏幕外侧显示与蜂窝成对比色的颜色。将该标定板放置于置物台并用夹具5定位后,调整数码相机2至合适位置,获取该标定板的照片,传递给控制系统3的软件进行标定,校核系统的检测准确性。
综上可知,以上现有技术主要用于确定直线/曲线结构几何外部轮廓,部分用于提取局部顶点、确定边界区域。与前述技术完全不同的是,本技术方案直接面向蜂窝产品的规整度计算与评估,采用非接触式识别思路,通过精确定位任意非规则几何构型蜂窝结构的顶点信息,计算并评估局部胞孔及整体蜂窝产品的规则度,具体涵盖几何顶点提取、胞元重构、偏差角计算、非规则性评估等关键步骤,确保产品的可用性、可靠性,在目标定位、方案思路、技术路线及实施效果等方面均具有显著区别。
在本发明实施例的又一方面,提供一种储存介质,所述存储介质上存储有计算机程序,所述程序被处理器执行时实现上述技术方案中任意一项所述方法的步骤。
在本发明实施例的又一方面,提供一种电子设备,包括存储器、显示器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现上述技术方案中任意一项所述方法的步骤。
本发明旨在保护一种蜂窝规整度检测的形态学顶点提取方法,包括:获取蜂窝图像;将所述蜂窝图像进行二值化处理,得到二值化图像;提取所述二值化图像中蜂窝胞元的顶点;根据所述顶点与胞元的映射关系进行连线,重构蜂窝胞元图像;根据所述蜂窝胞元图像的几何规整度评价所述蜂窝质量。该方法对蜂窝图像处理得到胞元角的偏差平均值,偏差平均值越小,说明胞元越规整,在这里可以引入一个规整度的概念,就是蜂窝越接近整六边形,规整度就越高;通过实验也证明了,规整度越高的蜂窝产品刚度和强度都越好,即,蜂窝产品的质量越好,因此,本发明通过简单的操作处理即可判断出蜂窝产品的质量。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (10)
1.一种蜂窝规整度检测的形态学顶点提取方法,其特征在于,包括:
获取蜂窝图像;
将所述蜂窝图像进行二值化处理,得到二值化图像;
提取所述二值化图像中蜂窝胞元的顶点;
根据所述顶点与胞元的映射关系,重构得到蜂窝胞元图像;
计算所述蜂窝胞元图像中所有胞元角的偏差平均值,并根据所述平均值评价所述蜂窝质量;
所述提取所述二值化图像中蜂窝胞元的顶点包括:
将所述二值化图像进行闭运算处理,得到平滑蜂窝顶点图像;
将所述平滑蜂窝顶点图像依次经过膨胀处理和腐蚀处理,得到只有蜂窝壁交汇处图像;
在所述只有蜂窝壁交汇处图像上进行蜂窝壁取最大圆圆心处理,得到蜂窝胞元的顶点。
2.根据权利要求1所述的方法,其特征在于,所述将所述图像进行二值化处理,得到二值化图像包括:
将所述图像进行滤波处理去除噪声,得到去噪图像;
将所述去噪图像进行二值化处理,得到二值化图像。
3.根据权利要求2所述的方法,其特征在于,所述将所述去噪图像进行二值化处理,得到二值化图像包括:
将所述去噪图像进行二值化处理,得到初始二值化图像;
将所述初始二值化图像进行形态学滤波处理,得到二值化图像。
4.一种蜂窝质量检测装置,其特征在于,包括:
图像获取模块,用于获取蜂窝图像;
二值化处理模块,用于将所述蜂窝图像进行二值化处理,得到二值化图像;
顶点提取模块,用于提取所述二值化图像中蜂窝胞元的顶点;
蜂窝胞元图像重构模块,用于根据所述顶点与胞元的映射关系,重构得到蜂窝胞元图像;
蜂窝质量检测模块,用于计算所述蜂窝胞元图像中所有胞元角的偏差平均值,并根据所述平均值评价所述蜂窝质量;
所述顶点提取模块包括:
闭运算处理单元,用于将所述二值化图像进行闭运算处理,得到平滑蜂窝顶点图像;
蜂窝壁交汇处提取单元,用于将所述平滑蜂窝顶点图像依次经过膨胀处理和腐蚀处理,得到只有蜂窝壁交汇处图像;
顶点提取单元,用于在所述蜂窝壁交汇处图像上进行蜂窝壁取最大圆圆心处理,得到蜂窝胞元的顶点。
5.根据权利要求4所述的检测装置,其特征在于,所述二值化处理模块包括:
图像去噪单元,用于将所述图像进行滤波处理去除噪声,得到去噪图像;
二值化处理单元,用于将所述去噪图像进行二值化处理,得到二值化图像。
6.根据权利要求5所述的检测装置,其特征在于,所述二值化处理模块还包括:滤波单元
在所述二值化处理单元将所述去噪图像进行二值化处理,得到初始二值化图像后;
所述滤波单元,将所述初始二值化图像进行形态学滤波处理,得到二值化图像。
7.根据权利要求4-6任一项所述的检测装置,其特征在于,还包括:置物台、升降装置、行走式龙门架、滑轨;
所述置物台用于盛放待检测蜂窝,其上设置有水平度示值板;
所述升降装置与所述置物台连接,用于带动所述待检测蜂窝升降;
所述行走式龙门架设置在所述滑轨上,且所述行走式龙门架设置有所述图像获取模块,使所述图像获取模块可在水平方向移动。
8.根据权利要求7所述的检测装置,其特征在于,还包括:标定模块;
所述标定模块与所述置物台配合使用,用于校核检测装置的准确性。
9.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述程序被处理器执行时实现权利要求1-3中任意一项所述方法的步骤。
10.一种电子设备,其特征在于,包括存储器、显示器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现权利要求1-3中任意一项所述方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010388489.XA CN111583242B (zh) | 2020-05-09 | 2020-05-09 | 蜂窝规整度检测的形态学顶点提取方法及检测装置 |
PCT/CN2020/109726 WO2021227285A1 (zh) | 2020-05-09 | 2020-08-18 | 蜂窝结构几何规整度图像识别方法及系统 |
US17/422,720 US11893768B2 (en) | 2020-05-09 | 2020-08-18 | Method and system for recognizing geometric regularity image of honeycomb structure |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010388489.XA CN111583242B (zh) | 2020-05-09 | 2020-05-09 | 蜂窝规整度检测的形态学顶点提取方法及检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111583242A CN111583242A (zh) | 2020-08-25 |
CN111583242B true CN111583242B (zh) | 2023-05-23 |
Family
ID=72110760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010388489.XA Active CN111583242B (zh) | 2020-05-09 | 2020-05-09 | 蜂窝规整度检测的形态学顶点提取方法及检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111583242B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002267427A (ja) * | 2001-03-14 | 2002-09-18 | Ngk Insulators Ltd | ハニカム構造体の外形状測定方法及び装置 |
CN106530481A (zh) * | 2016-11-02 | 2017-03-22 | 深圳怡化电脑股份有限公司 | 一种检测纸币传输异常的方法及装置 |
CN107796332A (zh) * | 2017-10-24 | 2018-03-13 | 大连理工大学 | 一种从蜂窝芯表面测量数据中识别蜂窝边区域的方法 |
CN210253172U (zh) * | 2019-07-19 | 2020-04-07 | 东莞恩浩电子有限公司 | 一种视觉检测自动化系统 |
-
2020
- 2020-05-09 CN CN202010388489.XA patent/CN111583242B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002267427A (ja) * | 2001-03-14 | 2002-09-18 | Ngk Insulators Ltd | ハニカム構造体の外形状測定方法及び装置 |
CN106530481A (zh) * | 2016-11-02 | 2017-03-22 | 深圳怡化电脑股份有限公司 | 一种检测纸币传输异常的方法及装置 |
CN107796332A (zh) * | 2017-10-24 | 2018-03-13 | 大连理工大学 | 一种从蜂窝芯表面测量数据中识别蜂窝边区域的方法 |
CN210253172U (zh) * | 2019-07-19 | 2020-04-07 | 东莞恩浩电子有限公司 | 一种视觉检测自动化系统 |
Non-Patent Citations (2)
Title |
---|
Can Cui,Zhonggang Wang.Branch point algorithm for structural irregularity determination of honeycomb.Composites Part B.2018,第162卷323-330. * |
Zhonggang Wang.On the influence of structural defects for honeycomb structure.Composites Part B.2018,第142卷183-192. * |
Also Published As
Publication number | Publication date |
---|---|
CN111583242A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
JP6620477B2 (ja) | コンクリートのひび割れ検出方法及び検出プログラム | |
CN106248686A (zh) | 基于机器视觉的玻璃表面缺陷检测装置及方法 | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN108562250B (zh) | 基于结构光成像的键盘键帽平整度快速测量方法与装置 | |
CN107392849B (zh) | 基于图像细分的靶标识别与定位方法 | |
CN111524134B (zh) | 生产线上蜂窝产品规整度的检测方法及检测装置 | |
CN107358628B (zh) | 基于靶标的线阵图像处理方法 | |
CN112651968A (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
CN105160652A (zh) | 基于计算机视觉的手机外壳检验装置与方法 | |
CN111784684B (zh) | 基于激光辅助的透明产品内部缺陷定深检测方法及装置 | |
CN105133471A (zh) | 一种基于线结构光路面检测系统的路面深度图像生产方法 | |
CN104700395A (zh) | 一种构造物外观裂缝检测方法及系统 | |
CN106643549A (zh) | 一种基于机器视觉的瓷砖尺寸检测方法 | |
CN112767359B (zh) | 复杂背景下的钢板角点检测方法及系统 | |
CN104458764B (zh) | 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法 | |
CN108725511A (zh) | 钢轨波磨弦测点的实时位置修正方法 | |
CN115096206A (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
CN112489042A (zh) | 基于超分辨重建的金属品印刷缺陷与表面损伤的检测方法 | |
CN115656182A (zh) | 基于张量投票主成分分析的板材点云缺陷检测方法 | |
CN111968079A (zh) | 基于断面局部极值及分段稀疏的三维路面裂缝提取方法 | |
CN111583241B (zh) | 超大面积蜂窝产品规整度的移动式检测方法及装置 | |
CN111583242B (zh) | 蜂窝规整度检测的形态学顶点提取方法及检测装置 | |
CN111583235B (zh) | 蜂窝规整度检测的分支点识别顶点提取方法及其系统 | |
CN112414316B (zh) | 一种应变片敏感栅尺寸参数测量方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |