CN114511534B - 一种基于图像处理的pc板裂纹判断方法及系统 - Google Patents

一种基于图像处理的pc板裂纹判断方法及系统 Download PDF

Info

Publication number
CN114511534B
CN114511534B CN202210107519.4A CN202210107519A CN114511534B CN 114511534 B CN114511534 B CN 114511534B CN 202210107519 A CN202210107519 A CN 202210107519A CN 114511534 B CN114511534 B CN 114511534B
Authority
CN
China
Prior art keywords
board
surface image
stress direction
image
pixel point
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
Application number
CN202210107519.4A
Other languages
English (en)
Other versions
CN114511534A (zh
Inventor
杨长键
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Taihe Wood Industry Co ltd
Original Assignee
Jiangsu Taihe Wood Industry Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Taihe Wood Industry Co ltd filed Critical Jiangsu Taihe Wood Industry Co ltd
Priority to CN202210107519.4A priority Critical patent/CN114511534B/zh
Publication of CN114511534A publication Critical patent/CN114511534A/zh
Application granted granted Critical
Publication of CN114511534B publication Critical patent/CN114511534B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于图像处理的PC板裂纹判断方法，属于PC板裂纹判断技术领域。方法包括以下步骤：判断PC板表面图像是否存在翘曲现象，若存在，判断PC板表面图像对应的第一应力方向；根据PC板表面图像上各像素点的梯度方向，得到PC板表面图像对应的第二应力方向；根据PC板表面图像上各像素点的梯度方向在第一应力方向、所述第二应力方向以及各第三应力方向上的聚集程度，得到PC板表面图像对应的主应力方向；根据PC板表面图像上的纹理信息，得到PC板表面图像对应的各缺陷边缘对应的主方向；根据主应力方向与各缺陷边缘对应的主方向之间的位置关系，判断PC板表面图像上的各缺陷边缘是否为裂纹缺陷边缘。本发明能够提高裂纹缺陷判断的准确性。

Description

一种基于图像处理的PC板裂纹判断方法及系统
技术领域
本发明涉及PC板裂纹判断技术领域，具体涉及一种基于图像处理的PC板裂纹判断方法及系统。
背景技术
PC板又叫聚碳酸酯板，聚酯板，卡普隆板，是一种综合性能极佳的工程塑料。PC板是以聚碳酸酯为主要成分，采用共挤压技术CO-EXTRUSION而成的，且PC板可分为中空板系列(又名卡布隆、不碎玻璃)和实心板系列(又称耐力板、透明钢板)，PC板可以被广泛应用于公用、民用建筑的采光和挡雨棚、通道顶棚、高架路隔音墙、商场顶棚、植物温室等。
现有PC板表面裂纹判断方法一般是基于人工来判断PC板表面是否出现裂纹，而基于人工检测出来的裂纹一般是比较容易观测到的裂纹，而对于比较难以观测或者比较微小的裂纹不易于人工进行检测，所以会出现大量的漏检或者错检等现象。
发明内容
本发明提供一种基于图像处理的PC板裂纹判断方法及系统，用于解决现有技术不能准确检测PC板上裂纹的问题，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种基于图像处理的PC板裂纹判断方法及系统包括以下步骤：
获取PC板表面图像；
根据PC板表面图像上的光斑形状，判断所述PC板表面图像是否存在翘曲现象，若存在，判断PC板表面图像对应的第一应力方向；
根据所述PC板表面图像上各像素点的梯度方向，得到PC板表面图像对应的第二应力方向；
根据所述第一应力方向与第二应力方向，得到PC板表面图像对应的第三应力方向集合，所述第一应力方向与第二应力方向之间的夹角为第一角度，第一应力方向与第三应力方向之间的夹角为第二角度，第二应力方向与第三应力方向之间的夹角为第一角度和第二角度之差；
根据所述PC板表面图像上各像素点的梯度方向在所述第一应力方向、所述第二应力方向以及各第三应力方向上的聚集程度，得到PC板表面图像对应的主应力方向；
根据所述PC板表面图像上的纹理信息，得到PC板表面图像对应的各缺陷边缘对应的主方向；
根据所述主应力方向与各缺陷边缘对应的主方向之间的位置关系，判断所述PC板表面图像上的各缺陷边缘是否为裂纹缺陷边缘。
本发明还提供了一种基于图像处理的PC板裂纹判断系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述一种基于图像处理的PC板裂纹判断方法。
本发明根据存在翘曲现象的PC板表面图像，判断PC板表面图像对应的第一应力方向；根据PC板表面图像上各像素点的梯度方向，得到PC板表面图像对应的第二应力方向；根据第一应力方向与第二应力方向，得到PC板表面图像对应的第三应力方向集合；根据PC板表面图像上各像素点的梯度方向在第一应力方向、第二应力方向以及各第三应力方向上的聚集程度，得到PC板表面图像对应的主应力方向；根据PC板表面图像上的纹理信息，得到PC板表面图像对应的各缺陷边缘对应的主方向；根据主应力方向与各缺陷边缘对应的主方向之间的位置关系，判断PC板表面图像上的各缺陷边缘是否为裂纹缺陷边缘。本发明将PC板表面图像上各像素点的梯度方向在第一应力方向、第二应力方向以及各第三应力方向上的聚集程度作为得到PC板表面图像对应的主应力方向的依据，最后将PC板表面图像对应的主应力方向与各缺陷边缘对应的主方向之间的位置关系作为判断PC板表面图像上的各缺陷边缘是否为裂纹缺陷边缘的依据，能够提高裂纹缺陷判断的准确性。
优选的，根据所述PC板表面图像上各像素点的梯度方向，得到PC板表面图像对应的第二应力方向的方法包括：
根据所述PC板表面图像上各像素点邻域的灰度值，获得PC板表面图像上各像素点的梯度方向；
计算所述各像素点的梯度方向与水平轴的余弦相似度；对所述各像素点的梯度方向与水平轴的余弦相似度进行聚类，选取像素点数量最多对应的聚类窗口，计算该聚类窗口中所有像素点梯度方向的均值，将该聚类窗口中所有像素点梯度方向的均值记为PC板表面图像对应的第二应力方向。
优选的，根据PC板表面图像上的光斑形状，判断所述PC板表面图像是否存在翘曲现象，若存在，判断PC板表面图像对应的第一应力方向的方法包括：
判断所述PC板表面图像上的光斑形状是否为圆形，若否，则判定所述PC板表面图像存在翘曲现象，并将存在翘曲现象的PC板表面图像上光斑形状的外接矩形长边或对应的方向短边对应的方向，作为PC板表面图像对应的第一应力方向。
优选的，根据所述各像素点的梯度方向在所述第一应力方向、所述第二应力方向以及各第三应力方向上的聚集程度，得到PC板表面整体图像对应的主应力方向的方法包括：
计算所述PC板表面图像上各像素点的梯度方向在所述第一应力方向上的余弦相似度；根据所述PC板表面图像上各像素点的梯度方向在所述第一应力方向上的余弦相似度，得到PC板表面图像上各像素点的梯度方向在所述第一应力方向上的聚集程度；
计算所述PC板表面图像上各像素点的梯度方向在所述第二应力方向上的余弦相似度；根据所述PC板表面图像上各像素点的梯度方向在所述第二应力方向上的余弦相似度，得到PC板表面图像上各像素点的梯度方向在所述第二应力方向上的聚集程度；
计算所述PC板表面图像上各像素点的梯度方向在所述第三应力方向集合中的各第三应力方向上的余弦相似度；根据所述PC板表面图像上各像素点的梯度方向在所述第三应力方向集合中的各第三应力方向上的余弦相似度，得到PC板表面图像上各像素点的梯度方向在各第三应力方向上的聚集程度；
比较第一应力方向上的聚集程度、第二应力方向上的聚集程度和各第三应力方向上的聚集程度的大小，将聚集程度最大的应力方向，记为PC板表面图像对应的主应力方向。
优选的，根据所述PC板表面图像上的纹理信息，得到PC板表面图像对应的各缺陷边缘对应的主方向的方法包括：
利用灰度共生矩阵算法计算PC板表面图像上各像素点的纹理特征值；
判断所述各像素点的纹理特征值是否大于纹理特征阈值，将大于纹理特征阈值的像素点记为异常像素点；
根据各异常像素点与各异常像素点对应的邻域像素点，得到PC板表面图像对应的各缺陷边缘；
判断所述各缺陷边缘的扩张方向，将所述各缺陷边缘的扩张方向记为PC板表面图像对应的各缺陷边缘对应的主方向。
优选的，判断所述各缺陷边缘的扩张方向的方法包括：
获得所述PC板表面图像对应的各缺陷边缘的最小外接矩形，将所述各缺陷边缘的外接矩形的长轴记为PC板表面图像对应的各缺陷边缘的扩张方向。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一种基于图像处理的PC板裂纹判断方法的流程图；
图2为本发明的图像采集的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明实施例，本领域普通技术人员所获得的所有其它实施例，都属于本发明实施例保护的范围。
除非另有定义，本文所使用的所有的技术和科学技术语与属于本发明的技术人员通常理解的含义相同。
本实施例提供了一种基于图像处理的PC板裂纹判断方法，详细说明如下：
如图1所示，该基于图像处理的PC板裂纹判断方法，包括以下步骤：
步骤S001，获取PC板表面图像。
本实施例中，主要对实心板系列的光反射PC板进行裂纹判断，主要检测的裂纹类型是由于受垂直于裂纹面的应力而产生的张开型裂纹，因此后续基于PC板所受应力的方向对裂纹进行判断；本实施例在对PC板进行裂纹检测之前已经利用传统的方法将存在明显缺陷或者明显裂纹的PC板剔除出去了，当然，作为其它实施方式，也可以直接对PC板进行检测。
本实施例中，将PC板放置在匀速运动的传送带上，传送带上方安装高清相机，高清相机俯视向下，高清相机与传送带相距的距离为d1，与高清相机相距d2的位置处有一个圆形平行光源，圆形平行光源与高清相机处于同一水平线上，圆形平行光源始终是以固定的角度r照射到PC板表面，高清相机始终也是以固定的角度r对PC板表面进行图像采集，如图2所示，1为高相机位置，2为圆形平行光源位置，3为PC板位置。
本实施例中，传送带中心点位置的垂线是高清相机与圆形平行光源位置的对称轴，圆形平行光源始终照射到PC板表面的角度为60度；当PC板进入传送带中心点位置时，高清相机开始进行图像采集，得到多张PC板表面局部图像；当PC板完全离开传送带中心点位置时，高清相机结束采集；本实施例中整个图像采集过程不受外界光照影响。
本实施例中，高清相机与传送带相距的距离以及高清相机与圆形平行光源在水平方向上相距的距离都要根据实际情况进行设定；圆形平行光源的半径要根据PC板的表面尺寸进行设定，高清相机进行图像采集的帧率根据传送带运动的速度进行设置，满足当对一个PC板进行图像采集时不会只得到一张PC板表面局部图像；作为其它的实施方式，也可以根据需求的不同为圆形平行光源设置不同的照射角，例如可以是圆形平行光源照射到PC板表面的角度为45度。
步骤S002，根据PC板表面图像上的光斑形状，判断所述PC板表面图像是否存在翘曲现象，若存在，判断PC板表面图像对应的第一应力方向。
本实施例中PC板为光反射PC板，PC板表面为平整光滑的平面，当圆形平行光源照射到PC板表面时，PC板表面会发生镜面反射，因此高清相机采集的图像上存在一个高亮圆斑；当PC板在注塑过程中存在热处理不规范等因素时会导致内应力的产生，而内应力可能会使PC板存在翘曲现象，而导致翘曲现象存在的应力也可能会使PC板表面出现裂纹；本实施例后续通过分析PC板存在的翘曲现象来评估可能会使PC板表面出现裂纹的应力方向。
本实施例中，由于翘曲现象的存在，PC板表面会沿着一个方向弯曲，使得PC板表面形成凸面镜或者凹面镜；由于弯曲的程度比较小，所以凸面镜或者凹面镜的焦距大于物距，所述物距是指圆形平行光源到PC板表面的距离；根据成像原理，当凹面镜的焦距大于物距时呈放大的像，当凸面镜焦距大于物距时呈缩小的像。本实施例中，通过分析各PC板表面局部图像是否存在翘曲现象，判断PC板表面图像对应的第一应力方向。
本实施例中，对采集到的PC板表面局部图像进行灰度化处理，得到各PC板表面局部图像对应的灰度图，利用阈值分割算法将各PC板表面局部图像对应的灰度图进行分割得到各PC板表面局部图像对应的灰度图上的高亮区域。本实施例中，作各PC板表面局部图像对应的灰度图上的高亮区域的最小外接矩形；当PC板表面局部图像对应的灰度图上的高亮区域没有出现翘曲现象时，PC板表面局部图像对应的灰度图上的高亮区域为圆形，且PC板表面局部图像对应的灰度图上的高亮区域的最小外接矩形的长宽比为1；当PC板表面局部图像对应的灰度图上的高亮区域出现翘曲现象时，PC板表面局部图像对应的灰度图上的高亮区域会发生变形，发生变形之后的PC板表面局部图像对应的灰度图上的高亮区域的最小外接矩形的长宽比不为1，当发生变形之后的PC板表面局部图像对应的灰度图上的高亮区域的最小外接矩形的长宽比的值越接近于1，表明对应的PC板表面局部图像对应的灰度图上的高亮区域的翘曲程度越小。
本实施例中，当PC板表面沿一个方向弯曲使得PC板表面呈凹面镜时，圆形平行光源在PC板弯曲的方向呈的像被放大，当PC板表面沿一个方向弯曲使得PC板呈凸面镜时，圆形平行光源在PC板弯曲的方向呈的像被缩小，在没有发生弯曲的方向呈的像不变或变化很小可忽略不计；因此通过判断存在翘曲现象的PC板表面局部图像对应的灰度图上的高亮区域的面积是否大于正常的PC板表面局部图像对应的灰度图上的高亮区域的面积，若是，该PC板表面局部图像对应的灰度图上的高亮区域是因为PC板表面呈凹面镜时得到的，且该PC板表面局部图像对应的灰度图上的高亮区域近似为椭圆形状，判定椭圆对应的外接矩形的长边为PC板表面局部图像的第一应力方向；若不是，该PC板表面局部图像对应的灰度图上的高亮区域是因为PC板表面呈凸面镜时得到的，且该PC板表面局部图像对应的灰度图上的高亮区域近似为椭圆形状，判定椭圆对应的外接矩形的短边为PC板表面局部图像的第一应力方向。本实施例中，采集了多张PC板表面局部图像，对上述存在翘曲现象的各PC板表面局部图像对应的第一应力方向求平均值，将存在翘曲现象的各PC板表面局部图像对应的第一应力方向的平均值记为PC板表面整体图像对应的第一应力方向。作为其它的实施方式，若只采集一张PC板表面图像，将该PC板表面图像对应的第一应力方向直接作为PC板整体对应的第一应力方向。
步骤S003，根据所述PC板表面图像上各像素点的梯度方向，得到PC板表面图像对应的第二应力方向。
本实施例中，通过对PC板表面整体图像上各像素点的梯度方向进行分析，得到PC板表面整体图像对应的第二应力方向；本实施例中因为当像素点存在梯度，表明像素点对应的位置存在缺陷，即缺陷区域可能是裂纹存在的区域，而裂纹与应力的关系是垂直的，梯度方向的变化与裂纹延申方向也是垂直的，则梯度方向与应力方向的关系即为平行关系，因此可以用梯度变化方向去反应应力方向。本实施例中，由于噪点或其他影响，会导致梯度变化的方向不唯一，即一个像素点有一个梯度变化方向，最集中的方向最能代表理想的方向，所以梯度变化方向越集中，越能代表梯度变化主方向，又梯度方向与应力方向的关系为平行关系，所以通过分析梯度变化方向的集中程度，判断第二应力方向。
本实施例中，将阈值分割算法得到的各PC板表面局部图像对应的灰度图上高亮区域之外的区域作为掩膜，与对应的各PC板表面局部图像进行相乘，得到高光区域之外的区域对应的各PC板表面局部图像，所述高光区域之外的区域对应的各PC板表面局部图像为RGB图像，之后对高光区域之外的区域对应的各PC板表面局部图像进行叠加，得到无高光区域的PC板表面整体图像。
本实施例中，以无高光区域的PC板表面整体图像上的各像素点为中心点，建立11×11的滑窗，并获得以各像素点为中心点对应的滑窗内的梯度下降方向，将以各像素点为中心点对应的滑窗内的梯度下降方向记为对应滑窗内中心像素点的方向；将上述过程得到的无高光区域的PC板表面整体图像上的各像素点的梯度下降方向对应的模长记为1，因此得到无高光区域的PC板表面整体图像上的各像素点对应的单位梯度下降向量；本实施例中，计算无高光区域的PC板表面整体图像上的各像素点对应的单位梯度下降向量与水平方向上的单位向量的余弦相似度；根据如下公式计算无高光区域的PC板表面整体图像上的各像素点对应的单位梯度下降向量与水平方向上的单位向量的余弦相似度：
xk＝vk·a1
其中，xk为无高光区域的PC板表面整体图像上第k个像素点对应的单位梯度下降向量与水平方向上的单位向量的余弦相似度，vk为无高光区域的PC板表面整体图像上第k个像素点对应的单位梯度下降向量，a1为水平方向上的单位向量。
本实施例中，采用均值漂移聚类算法对得到的无高光区域的PC板表面整体图像上的各像素点对应的单位梯度下降向量与水平方向上的单位向量的余弦相似度进行聚类，选取像素点数量最多对应的聚类窗口，计算该聚类窗口中所有像素点梯度下降方向的均值，将该聚类窗口中所有像素点的梯度下降方向的均值记为无高光区域的PC板表面整体图像对应的第二应力方向，也是PC板表面整体图像对应的第二应力方向。
作为其它的实施方式，也可以根据需求的不同计算PC板表面无高光图像上的各像素点对应的梯度下降向量与其它方向上单位向量的余弦相似度，例如可以是计算PC板表面无高光图像上的各像素点对应的梯度下降向量与纵轴方向模长为1的向量的余弦相似度。
步骤S004，根据所述第一应力方向与第二应力方向，得到PC板表面图像对应的第三应力方向集合，所述第一应力方向与第二应力方向之间的夹角为第一角度，第一应力方向与第三应力方向之间的夹角为第二角度，第二应力方向与第三应力方向之间的夹角为第一角度和第二角度之差。
本实施例中，上述步骤得到的第一应力方向与第二应力方向都有可能存在较大误差，后续通过对第一应力方向与第二应力方向进行结合分析得到PC板表面整体图像对应的第三应力方向。
本实施例中，根据所述第一应力方向与第二应力方向，得到第一应力方向与第二应力方向之间夹角内各角度对应的方向，将第一应力方向与第二应力方向之间夹角内各角度对应的方向记为PC板表面整体图像对应的第三应力方向集合。
步骤S005，根据所述PC板表面图像上各像素点的梯度方向在所述第一应力方向、所述第二应力方向以及各第三应力方向上的聚集程度，得到PC板表面图像对应的主应力方向。
本实施例中，通过对PC板表面整体图像上各像素点的梯度下降方向在第一应力方向、第二应力方向与第三应力方向上的余弦相似度，得到更加准确的PC板表面整体图像对应的主应力方向。
本实施例中，计算PC板表面整体图像上各像素点的梯度下降方向在第一应力方向上的余弦相似度；根据PC板表面整体图像上各像素点的梯度下降方向在第一应力方向上的余弦相似度，得到PC板表面整体图像上各像素点的梯度方向在第一应力方向上的聚集程度；本实施例中，PC板表面整体图像上各像素点的梯度下降方向在第一应力方向上的余弦相似度与PC板表面整体图像上各像素点的梯度方向在第一应力方向上的聚集程度成正相关关系，根据如下公式计算PC板表面整体图像上各像素点的梯度下降方向在第一应力方向上的聚集程度：
Figure BDA0003493885240000091
其中，H1为PC板表面整体图像上各像素点的梯度方向在第一应力方向上的聚集程度，K为PC板表面整体图像上像素点的数量，vk为PC板表面整体图像上第k个像素点对应的梯度下降方向对应的单位向量，b1为PC板表面整体图像对应的第一应力方向对应的单位向量，vk·b1为单位向量vk与单位向量b1的内积也是单位向量vk与单位向量b1的的余弦相似度。
本实施例中，计算PC板表面整体图像上各像素点的梯度下降方向在第二应力方向上的余弦相似度；根据PC板表面整体图像上各像素点的梯度方向在第二应力方向上的余弦相似度，得到PC板表面整体图像上各像素点的梯度下降方向在第二应力方向上的聚集程度；本实施例中，PC板表面整体图像上各像素点的梯度下降方向在第二应力方向上的余弦相似度与PC板表面整体图像上各像素点的梯度下降方向在第二应力方向上的聚集程度成正相关关系，根据如下公式计算PC板表面整体图像上各像素点的梯度下降方向在第二应力方向上的聚集程度：
Figure BDA0003493885240000092
其中，H2为PC板表面整体图像上各像素点的梯度方向在第二应力方向上的聚集程度，K为PC板表面整体图像上像素点的数量，vk为PC板表面整体图像上第k个像素点对应的单位梯度下降方向对应的单位向量，b2为PC板表面整体图像对应的第二应力方向对应的单位向量，vk·b2为单位向量vk与单位向量b2的内积也是单位向量vk与单位向量b2的的余弦相似度。
本实施例中，计算PC板表面整体图像上各像素点的梯度下降方向在第三应力方向集合中的各第三应力方向上的余弦相似度；根据PC板表面整体图像上各像素点的梯度下降方向在第三应力方向集合中的各第三应力方向上的余弦相似度，得到PC板表面整体图像上各像素点的梯度下降方向在各第三应力方向上的聚集程度；本实施例中，PC板表面整体图像上各像素点的梯度下降方向在各第三应力方向上的余弦相似度与PC板表面整体图像上各像素点的梯度下降方向在各第三应力方向上的聚集程度成正相关关系，根据如下公式计算PC板表面整体图像上各像素点的梯度下降方向在各第三应力方向上的聚集程度：
Figure BDA0003493885240000101
其中，H3i为PC板表面整体图像上各像素点的梯度方向在第i个第三应力方向上的聚集程度，K为PC板表面整体图像上像素点的数量，vk为PC板表面整体图像上第k个像素点对应的单位梯度下降方向对应的单位向量，b3i为PC板表面整体图像对应的第i个第三应力方向，vk·b3i为单位向量vk与单位向量b3i的内积也是单位向量vk与单位向量b3i的的余弦相似度。
本实施例中，将聚集程度最大值对应的应力方向，记为PC板表面整体图像对应的主应力方向。
步骤S006，根据所述PC板表面图像上的纹理信息，得到PC板表面图像对应的各缺陷边缘对应的主方向。
本实施例中，利用灰度共生矩阵得到PC板表面图像上的缺陷边缘，之后通过分析得到的各缺陷边缘的扩张方向，将得到的各缺陷边缘的扩张方向作为后续判断各缺陷边缘是否为裂纹边缘的基础；具体为：利用灰度共生矩阵计算PC板表面图像上各像素点的对比度，判断各像素点的对比度值是否大于对比度阈值，将大于对比度阈值的像素点记为异常像素点，而异常像素点也是组成各缺陷边缘的边缘点。
本实施例中，灰度共生矩阵为公知技术，因此本实施例不做具体分析；本实施例中，对比度阈值的值为30，作为其他的实施方式，也可以根据实际情况设置其它的对比度阈值。
本实施例中，将得到PC板表面整体图像对应的各缺陷边缘通过像素八连通对像素点进行连通性判断，符合连通规则的像素点连通为一个缺陷边缘，即将各异常像素点对应的八连通域中也是异常像素点的像素点共同组成一个缺陷边缘；之后获得PC板表面整体图像对应的各缺陷边缘的最小外接矩形，将各缺陷边缘的最小外接矩形的长轴记为PC板表面整体图像对应的各缺陷边缘的扩张方向，将各缺陷边缘对应的扩张方向记为PC板表面整体图像对应的各缺陷边缘的主方向。
步骤S007，根据所述主应力方向与各缺陷边缘对应的主方向之间的位置关系，判断所述PC板表面图像上的各缺陷边缘是否为裂纹缺陷边缘。
本实施例中，因为张开型裂纹是受垂直于裂纹面的应力而产生，因此通过计算PC板表面整体图像对应的主应力方向与PC板表面整体图像对应的各缺陷边缘的主方向之间的位置关系，判断PC板表面整体图像对应的各缺陷边缘是张开型裂纹的概率。
本实施例中，计算PC板表面整体图像对应的各缺陷边缘对应的主方向与PC板表面整体图像对应的主应力方向的余弦相似度，即Cj＝sj·b，其中，Cj为PC板表面整体图像对应的第j个缺陷边缘的主方向对应的单位向量与PC板表面整体图像的主应力方向对应的单位向量的余弦相似度，得到的余弦相似度的值越接近于1，即缺陷边缘的主方向与PC板表面整体图像的主应力方向近似于垂直关系，表明PC板表面整体图像对应的各缺陷边缘为裂纹缺陷边缘的概率越大。
本实施例中，根据如下公式计算PC板表面整体图像对应的各缺陷边缘为裂纹缺陷边缘的概率：
Figure BDA0003493885240000111
其中，Ej为PC板表面整体图像对应的第j个缺陷边缘为裂纹缺陷边缘的概率，Cj为PC板表面整体图像对应的第j个缺陷边缘的主方向对应的单位向量与PC板表面整体图像的主应力方向对应的单位向量的余弦相似度；本实施例中将PC板表面整体图像对应的各缺陷边缘为裂纹缺陷边缘的概率的值大于概率阈值的缺陷边缘判断为是裂纹缺陷边缘；本实施例概率阈值为0.7。
作为其它的实施方式，也可以根据需求的不同，为概率阈值设置不同值，例如可以是0.75。
本实施例根据存在翘曲现象的PC板表面图像，判断PC板表面图像对应的第一应力方向；根据PC板表面图像上各像素点的梯度方向，得到PC板表面图像对应的第二应力方向；根据第一应力方向与第二应力方向，得到PC板表面图像对应的第三应力方向集合；根据PC板表面图像上各像素点的梯度方向在第一应力方向、第二应力方向以及各第三应力方向上的聚集程度，得到PC板表面图像对应的主应力方向；根据PC板表面图像上的纹理信息，得到PC板表面图像对应的各缺陷边缘对应的主方向；根据主应力方向与各缺陷边缘对应的主方向之间的位置关系，判断PC板表面图像上的各缺陷边缘是否为裂纹缺陷边缘。本实施例将PC板表面图像上各像素点的梯度方向在第一应力方向、第二应力方向以及各第三应力方向上的聚集程度作为得到PC板表面图像对应的主应力方向的依据，最后将PC板表面图像对应的主应力方向与各缺陷边缘对应的主方向之间的位置关系作为判断PC板表面图像上的各缺陷边缘是否为裂纹缺陷边缘的依据，能够提高裂纹缺陷判断的准确性。
本实施例的基于图像处理的PC板裂纹判断系统包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述一种基于图像处理的PC板裂纹判断方法。
需要说明的是,上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣，在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。

Claims (6)

1.一种基于图像处理的PC板裂纹判断方法，其特征在于，该方法包括如下步骤：
获取PC板表面图像；
根据PC板表面图像上的光斑形状，判断所述PC板表面图像是否存在翘曲现象，若存在，判断PC板表面图像对应的第一应力方向；
根据所述PC板表面图像上各像素点的梯度方向，得到PC板表面图像对应的第二应力方向；
根据所述第一应力方向与第二应力方向，得到PC板表面图像对应的第三应力方向集合，所述第一应力方向与第二应力方向之间的夹角为第一角度，第一应力方向与第三应力方向之间的夹角为第二角度，第二应力方向与第三应力方向之间的夹角为第一角度和第二角度之差；
根据所述PC板表面图像上各像素点的梯度方向在所述第一应力方向、所述第二应力方向以及各第三应力方向上的聚集程度，得到PC板表面图像对应的主应力方向；
根据所述PC板表面图像上的纹理信息，得到PC板表面图像对应的各缺陷边缘对应的主方向；
根据所述主应力方向与各缺陷边缘对应的主方向之间的位置关系，判断所述PC板表面图像上的各缺陷边缘是否为裂纹缺陷边缘；
所述根据所述各像素点的梯度方向在所述第一应力方向、所述第二应力方向以及各第三应力方向上的聚集程度，得到PC板表面整体图像对应的主应力方向的方法包括：
计算所述PC板表面图像上各像素点的梯度方向在所述第一应力方向上的余弦相似度；根据所述PC板表面图像上各像素点的梯度方向在所述第一应力方向上的余弦相似度，得到PC板表面图像上各像素点的梯度方向在所述第一应力方向上的聚集程度；
计算所述PC板表面图像上各像素点的梯度方向在所述第二应力方向上的余弦相似度；根据所述PC板表面图像上各像素点的梯度方向在所述第二应力方向上的余弦相似度，得到PC板表面图像上各像素点的梯度方向在所述第二应力方向上的聚集程度；
计算所述PC板表面图像上各像素点的梯度方向在所述第三应力方向集合中的各第三应力方向上的余弦相似度；根据所述PC板表面图像上各像素点的梯度方向在所述第三应力方向集合中的各第三应力方向上的余弦相似度，得到PC板表面图像上各像素点的梯度方向在各第三应力方向上的聚集程度；
比较第一应力方向上的聚集程度、第二应力方向上的聚集程度和各第三应力方向上的聚集程度的大小，将聚集程度最大的应力方向，记为PC板表面图像对应的主应力方向。
2.如权利要求1所述的一种基于图像处理的PC板裂纹判断方法，其特征在于，所述根据所述PC板表面图像上各像素点的梯度方向，得到PC板表面图像对应的第二应力方向的方法包括：
根据所述PC板表面图像上各像素点邻域的灰度值，获得PC板表面图像上各像素点的梯度方向；
计算所述各像素点的梯度方向与水平轴的余弦相似度；对所述各像素点的梯度方向与水平轴的余弦相似度进行聚类，选取像素点数量最多对应的聚类窗口，计算该聚类窗口中所有像素点梯度方向的均值，将该聚类窗口中所有像素点梯度方向的均值记为PC板表面图像对应的第二应力方向。
3.如权利要求1所述的一种基于图像处理的PC板裂纹判断方法，其特征在于，所述根据PC板表面图像上的光斑形状，判断所述PC板表面图像是否存在翘曲现象，若存在，判断PC板表面图像对应的第一应力方向的方法包括：
判断所述PC板表面图像上的光斑形状是否为圆形，若否，则判定所述PC板表面图像存在翘曲现象，并将存在翘曲现象的PC板表面图像上光斑形状的外接矩形长边或对应的方向短边对应的方向，作为PC板表面图像对应的第一应力方向。
4.如权利要求1所述的一种基于图像处理的PC板裂纹判断方法，其特征在于，所述根据所述PC板表面图像上的纹理信息，得到PC板表面图像对应的各缺陷边缘对应的主方向的方法包括：
利用灰度共生矩阵算法计算PC板表面图像上各像素点的纹理特征值；
判断所述各像素点的纹理特征值是否大于纹理特征阈值，将大于纹理特征阈值的像素点记为异常像素点；
根据各异常像素点与各异常像素点对应的邻域像素点，得到PC板表面图像对应的各缺陷边缘；
判断所述各缺陷边缘的扩张方向，将所述各缺陷边缘的扩张方向记为PC板表面图像对应的各缺陷边缘对应的主方向。
5.如权利要求4所述的一种基于图像处理的PC板裂纹判断方法，其特征在于，所述判断所述各缺陷边缘的扩张方向的方法包括：
获得所述PC板表面图像对应的各缺陷边缘的最小外接矩形，将所述各缺陷边缘的外接矩形的长轴记为PC板表面图像对应的各缺陷边缘的扩张方向。
6.一种基于图像处理的PC板裂纹判断系统，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如权利要求1-5任一项所述的一种基于图像处理的PC板裂纹判断方法。
CN202210107519.4A 2022-01-28 2022-01-28 一种基于图像处理的pc板裂纹判断方法及系统 Active CN114511534B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210107519.4A CN114511534B (zh) 2022-01-28 2022-01-28 一种基于图像处理的pc板裂纹判断方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210107519.4A CN114511534B (zh) 2022-01-28 2022-01-28 一种基于图像处理的pc板裂纹判断方法及系统

Publications (2)

Publication Number Publication Date
CN114511534A CN114511534A (zh) 2022-05-17
CN114511534B true CN114511534B (zh) 2023-05-05

Family

ID=81551436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210107519.4A Active CN114511534B (zh) 2022-01-28 2022-01-28 一种基于图像处理的pc板裂纹判断方法及系统

Country Status (1)

Country Link
CN (1) CN114511534B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115082462B (zh) * 2022-08-22 2022-11-08 山东海鑫达石油机械有限公司 一种流体输送管外观质量检测方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2630856C1 (ru) * 2016-03-27 2017-09-13 Общество С Ограниченной Ответственностью "Феникс" Способ диагностики технического состояния подземных трубопроводов
WO2018000731A1 (zh) * 2016-06-28 2018-01-04 华南理工大学 一种曲面表面缺陷自动检测方法及其装置
CN113919078A (zh) * 2021-11-02 2022-01-11 电子科技大学 一种尺寸效应下耦合应力梯度的缺口结构疲劳分析方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101929897A (zh) * 2009-06-18 2010-12-29 宝理塑料株式会社 局部应力测量方法、导出树脂材料的应力-应变曲线的方法以及树脂成形品的寿命预测方法
CN107249772B (zh) * 2015-01-26 2019-06-14 新日铁住金株式会社 面形状不良产生或原因区域推断方法、装置及记录介质
CN113348755B (zh) * 2015-10-30 2018-12-07 中国人民解放军陆军工程大学 基于磁梯度张量的金属磁记忆缺陷定位方法
CN108763841B (zh) * 2018-07-24 2022-04-05 北京航空航天大学青岛研究院 一种基于对偶边界元和应变能优化分析的弹性断裂仿真方法
CN109544666B (zh) * 2018-10-26 2020-10-16 中国科学院计算技术研究所 一种全自动的模型变形传播方法和系统
CN109623171A (zh) * 2019-01-24 2019-04-16 江苏先河激光技术有限公司 切割玻璃用的非对称激光聚焦切割头、切割装置及方法
JP7213436B2 (ja) * 2019-03-08 2023-01-27 パナソニックＩｐマネジメント株式会社 応力特性測定方法、応力特性測定装置および応力特性測定システム
CN112710735A (zh) * 2020-12-16 2021-04-27 江苏必得科技股份有限公司 一种Lamb波传感器网络及机械构件裂纹损伤程度检测方法
CN112880496B (zh) * 2021-01-20 2021-12-10 中国矿业大学(北京) 一种研究水耦合爆破驱动裂纹扩展规律的试件结构及方法
CN112989659B (zh) * 2021-03-10 2022-03-04 北京航空航天大学 一种基于点权函数法的表面裂纹强度因子数据库建立方法
CN113689428B (zh) * 2021-10-25 2022-06-07 江苏南通元辰钢结构制造有限公司 基于图像处理的机械零件应力腐蚀检测方法及系统
CN113962997B (zh) * 2021-12-22 2022-03-18 武汉同顺源钢构钢模有限公司 基于图像处理的带钢边裂缺陷检测方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2630856C1 (ru) * 2016-03-27 2017-09-13 Общество С Ограниченной Ответственностью "Феникс" Способ диагностики технического состояния подземных трубопроводов
WO2018000731A1 (zh) * 2016-06-28 2018-01-04 华南理工大学 一种曲面表面缺陷自动检测方法及其装置
CN113919078A (zh) * 2021-11-02 2022-01-11 电子科技大学 一种尺寸效应下耦合应力梯度的缺口结构疲劳分析方法

Also Published As

Publication number Publication date
CN114511534A (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
CN114862862B (zh) 一种基于图像处理的泵体冷隔缺陷识别方法与系统
CN116168039B (zh) 一种环保节能硅酸铝板质量检测方法
CN116109644B (zh) 用于铜铝转接排的表面缺陷检测方法
CN115063423B (zh) 基于计算机视觉的机械铸件冷热裂纹自适应辨别方法
CN117095009B (zh) 一种基于图像处理的pvc装饰板缺陷检测方法
CN116309600B (zh) 基于图像处理的环保纺织品质量检测方法
CN114511534B (zh) 一种基于图像处理的pc板裂纹判断方法及系统
CN114820625B (zh) 一种汽车顶块缺陷检测方法
CN115294099A (zh) 一种钢板轧制过程发纹缺陷的检测方法及系统
CN116740072B (zh) 基于机器视觉的道路表面缺陷检测方法及系统
CN116468728B (zh) 一种五金冲压件模具生产质量检测方法
CN116385434B (zh) 一种用于预制梁裂缝的智能检测方法
CN117036357B (zh) 基于视觉特征的型钢表面缺陷检测方法
CN110458019B (zh) 稀缺认知样本条件下的排除倒影干扰的水面目标检测方法
CN116862910A (zh) 基于自动化裁切生产的视觉检测方法
CN117315289B (zh) 基于图像处理的航空发动机叶片轮廓边缘检测方法
CN117437228B (zh) 基于图像特征的光伏钢结构组件断裂检测方法
CN114881961A (zh) 一种玻璃纤维板裂纹检测方法及设备
CN117078678B (zh) 基于图像识别的废硅片形状检测方法
CN117388263B (zh) 用于充电枪的五金端子质量检测方法
CN116433533B (zh) 一种水暖管道维护检测方法
CN114943738A (zh) 一种基于视觉识别的传感器封装固化胶缺陷识别方法
CN117351007B (zh) 基于红外设备的熔炉内部缺陷识别系统
CN116681695B (zh) 一种抗变形模板端面的质量检测方法
CN118096739B (zh) 一种基于图像处理的金属锻件表面缺陷检测方法

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