CN115082470A - 一种基于图像识别的防水布性能检测方法及系统 - Google Patents
一种基于图像识别的防水布性能检测方法及系统 Download PDFInfo
- Publication number
- CN115082470A CN115082470A CN202211002950.9A CN202211002950A CN115082470A CN 115082470 A CN115082470 A CN 115082470A CN 202211002950 A CN202211002950 A CN 202211002950A CN 115082470 A CN115082470 A CN 115082470A
- Authority
- CN
- China
- Prior art keywords
- image
- waterproof cloth
- performance evaluation
- performance
- water drop
- 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.)
- Granted
Links
- 239000004744 fabric Substances 0.000 title claims abstract description 110
- 238000001514 detection method Methods 0.000 title claims abstract description 82
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 165
- 238000011156 evaluation Methods 0.000 claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000005507 spraying Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000005070 sampling Methods 0.000 description 24
- 239000000126 substance Substances 0.000 description 6
- 239000012466 permeate Substances 0.000 description 5
- 230000001154 acute effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- MXWJVTOOROXGIU-UHFFFAOYSA-N atrazine Chemical compound CCNC1=NC(Cl)=NC(NC(C)C)=N1 MXWJVTOOROXGIU-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000004078 waterproofing Methods 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06T7/10—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
- G06T7/194—Segmentation; Edge detection involving foreground-background 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/30124—Fabrics; Textile; Paper
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像数据处理技术领域，具体涉及一种基于图像识别的防水布性能检测方法及系统，该方法是一种用于识别图像的方法，对防水布性能进行检测，具体为：分别获取淋水前后待检测防水布表面图像，根据防水布淋水前后的表面图像灰度值的差异、对应的信息熵的差异、色彩饱和度的差异得到第一、第二和第三性能评价指标；对第一、第二和第三性能评价指标进行加权求和，得到综合性能评价，根据综合性能评价与评价阈值得到防水布性能检测结果，本发明能够准确检测防水布的防水性能，并且提高了检测效率。因此，本发明的方法可以集成为生产领域的人工智能系统，可以作为一种人工智能优化操作系统、人工智能中间件等，可以用于计算机视觉软件的开发。
Description
技术领域
本发明涉及图像数据处理技术领域，具体涉及一种基于图像识别的防水布性能检测方法及系统。
背景技术
防水布料的应用很广泛，在人们的日常生活中很常见，例如常用的雨伞就用到防水布料。防水布料是一种新型的纺织面料，其成份由的高分子防水透气材料加上布料复合面料而成，是一种健康环保的新型面料，而优质的防水布料长期处于潮湿的气候环境中也能经得住渗水压力。因此，为保证产品的质量，对防水布料进行防水检测就显得至关重要。在现有技术中，在进行防水布的防水检测时大多是直接在布料上进行淋水，再通过人手触摸判断防水效果，这样的人工检测容易受到主观因素和其他外界隐私的影响，且检测效率较低，无法准确地判断布料的防水性能。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于图像识别的防水布性能检测方法，所采用的技术方案具体如下：
分别获取待检测防水布表面灰度图像与待检测防水布淋水后的表面灰度图像，记为第一检测图像与第二检测图像；
分别计算第一检测图像与第二检测图像的平均灰度值，根据第一检测图像与第二检测图像的平均灰度值之差计算灰度差异程度；基于所述差异程度得到第一性能评价指标；
分别计算第一检测图像与第二检测图像的灰度共生矩阵，并根据灰度共生矩阵计算其对应的信息熵，基于所述信息熵得到第二性能评价指标；
分别将待检测防水布表面图像与待检测防水布淋水后的表面图像转换至HSV颜色空间，计算两张图像对应的平均色彩饱和度，基于所述色彩饱和度得到第三性能评价指标；
对第一性能评价指标、第二性能评价指标和第三性能评价指标进行加权求和，得到综合性能评价，根据综合性能评价与评价阈值得到防水布性能检测结果。
优选地，所述第一性能评价指标的获取方法具体为：
对第二检测图像进行分割处理，得到含水滴区域，获取含水滴区域所有相邻边缘像素点之间的连线与水平线的夹角，根据所述角度之间的差异计算相邻边缘像素点的接近程度；若接近程度小于设定阈值，获取接近程度对应的边缘像素点，记为异常像素点，进而获取所有含水滴区域的异常像素点个数；根据所述灰度差异程度与异常像素点个数得到第一性能评价指标。
优选地，所述第二性能评价指标的获取方法具体为：
获取含水滴区域的最小外接矩形，并对其进行分割处理得到多个水滴图像；计算各水滴图像的灰度共生矩阵，并获取水滴图像在第一检测图像上的对应区域子图像，计算各子图像的灰度共生矩阵，根据水滴图像与子图像的灰度共生矩阵计算其对应信息熵，根据水滴图像与子图像对应信息熵之差得到第二性能评价指标。
优选地，所述方法还包括：计算各水滴图像中的最小外接矩形的面积得到水滴图像面积，根据水滴图像面积与所有水滴图像面积的最小值之比，得到步长；根据所述步长计算各水滴图像的灰度共生矩阵。
优选地，所述第三性能评价指标的获取方法具体为：根据待检测防水布表面HSV图像与淋水后待检测防水布表面HSV图像的平均色彩饱和度之差，得到色彩差异程度；根据所述色彩差异程度的倒数得到第三性能评价指标。
本发明还提供了一种基于图像识别的防水布性能检测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现一种基于图像识别的防水布性能检测方法的步骤。
本发明实施例至少具有如下有益效果：
本发明提供的一种基于图像识别的防水布性能检测方法及系统，该方法是一种用于识别图像的方法，对防水布性能进行检测，具体为：
分别获取淋水前后待检测防水布表面图像，计算防水布淋水前后的表面图像灰度值的差异，结合淋水后待检测防水布表面残留的水滴的边缘信息，得到第一性能评价指标；再根据取淋水前后待检测防水布表面图像对应的信息熵的差异、色彩饱和度的差异得到第二和第三性能评价指标；对第一、第二和第三性能评价指标进行加权求和，得到综合性能评价，根据综合性能评价与评价阈值得到防水布性能检测结果，本发明结合了防水布在淋水前后灰度值的变化以及淋水后防水布表面残留水滴的边缘信息、防水布在淋水前后图像对应信息熵的变化与色彩饱和度的变化，得到综合性能评价，考虑因素较为全面，能够准确检测防水布的防水性能，并且提高了检测效率，降低了检测成本。
因此，本发明的方法可以集成为生产领域的人工智能系统，可以作为一种人工智能优化操作系统、人工智能中间件等，可以用于计算机视觉软件的开发。
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作简单的介绍，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是本发明的一种基于图像识别的防水布性能检测方法的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于图像识别的防水布性能检测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种结构件生产信息视觉测量方法的具体方案。
实施例1：
请参阅图1，其示出了本发明一个实施例提供的一种基于图像识别的防水布性能检测方法的步骤流程图，该方法包括以下步骤：
首先，分别获取待检测防水布表面灰度图像与待检测防水布淋水后的表面灰度图像，记为第一检测图像与第二检测图像。
具体地，设置工业相机，采集待检测防水布表面图像，并在待检测防水布表面淋固定容积的水，同时需要确保水在防水布各区域均匀分布，获取淋水后待检测防水布表面图像。其中淋水前后待检测防水布表面图像均为RGB图像，分别将两RGB图像转化为灰度图，记为第一检测图像与第二检测图像。其中，在本实施例中，采用加权求和的方法将RGB图像转化为灰度图，具体为：
，实施者也可根据实际情况选择其他合适的方法对图像进行灰度化处理。
接着，分别计算第一检测图像与第二检测图像的平均灰度值，根据第一检测图像与第二检测图像的平均灰度值之差计算灰度差异程度；基于所述差异程度得到第一性能评价指标。
其中，第一性能评价指标的获取方法具体为：对第二检测图像进行分割处理，得到含水滴区域，获取含水滴区域所有相邻边缘像素点之间的连线与水平线的夹角，根据所述角度之间的差异计算相邻边缘像素点的接近程度；若接近程度小于设定阈值，获取接近程度对应的边缘像素点，记为异常像素点，进而获取所有含水滴区域的异常像素点个数；根据所述灰度差异程度与异常像素点个数得到第一性能评价指标。
需要说明的是，在本实施例中对防水布做淋水处理，且保证防水布的每个区域均淋了相同容积的水。在淋水后，若防水布的防水性能不好，水会渗透防水布，导致防水布浸水后变湿，进而防水布表面灰度图像上像素点的灰度值会发生变化。
具体地，分别获取第一检测图像和第二检测图像中像素点的个数以及各像素点的灰度值，根据图像上各像素点灰度值之和与像素点个数的比值，分别计算第一检测图像与第二检测图像的平均灰度值，用公式表示为：
其中，
、
分别表示第一检测图像与第二检测图像的平均灰度值，
表示第一检测图像上第i个像素点的灰度值，
表示第二检测图像上第j个像素点的灰度值，
、
分别表示第一检测图像和第二检测图像中像素点的个数。
计算灰度差异程度，用公式表示为：
其中，
表示第一检测图像与第二检测图像的灰度差异程度，
、
分别表示第一检测图像与第二检测图像的平均灰度值。灰度差异程度的取值越大，表示淋水前后防水布表面灰度图像上像素点的平均灰度变化越大，说明防水布的防水性能越差。灰度差异程度的取值越小，表示淋水前后防水布表面灰度图像上像素点的平均灰度变化越小，说明防水布的防水性能越好。
需要说明的是，在淋水后，防水布表面可能会残留水滴，防水布的防水性能越好，残留的水滴数目应越多，根据先验可知水滴的边缘应该更光滑平整，越接近圆形。
对第二检测图像进行分割处理，得到含水滴区域。在本实施例中，利用大津阈值分割法对第二检测图像进行处理，将水滴作为前景，防水布作为背景，将水滴从图像中分割出来，得到含水滴区域，并统计水滴的个数g。其中，实施者可根据实际情况选择合适的阈值分割方法对图像进行处理，进而得到含水滴区域。
对于每个含水滴区域，获取含水滴区域边缘像素点个数n，在含水滴区域边缘设置x个采样点，且所有采样点之间间隔均等，即x个采样点均匀分布在含水滴区域边缘上，随机选取一个采样点作为起始点，记为第一采样点，以顺时针的方向进行分析。获取第一采样点与该点在顺时针方向最近邻采样点之间的连线与水平方向的锐角夹角
。其中将第一采样点在顺时针方向上最近邻采样点记为第二采样点，再获取第二采样点与该点在顺时针方向最近邻采样点之间的连线与水平方向的锐角夹角
，其中，将第二采样点在顺时针方向上最近邻采样点记为第三采样点，以此类推，直至获取到第x采样点与该点在顺时针方向最近邻采样点之间的连线与水平方向的锐角夹角
。
由于水滴的形状越接近圆形，边缘越光滑平整，防水布的防水性能越好，进而获取的角度差值变化越接近，即将上述所得夹角
与
作差得到第一、第二、第三采样点对应的角度差值，记为
，同理可以获取第二、第三、第四采样点对应的角度差值，记为
，以此类推，可以获取所有采样点对应的角度差值，并基于差值，计算所有采样点之间角度差值的接近程度Q。
以角度差值
和
为例，计算接近程度，用公式表示为：
其中，表示接近程度，
表示第一、第二采样点之间的角度与第二、第三采样点之间的角度的差值，
表示第二、第三采样点之间的角度与第三、第四采样点之间的角度的差值。
按照上述方法，计算所有采样点之间的角度的差值，得到接近程度，并给定设定阈值，根据接近程度进行判断。若接近程度小于设定阈值，表示当前接近程度对应的采样点之间的边缘区域不够光滑平整，则获取当前接近程度对应的采样点之间的边缘像素点，记为异常像素点，进而获取含水滴区域的所有异常像素点个数，计算含水滴区域边缘上光滑平整像素点个数占比，记为含水滴区域的光滑程度，用公式表示为：
其中，
表示第r个含水滴区域的光滑程度，
表示第r个含水滴区域边缘像素点总个数，
表示第r个含水滴区域异常像素点个数。
越小，则
越大，说明在防水布表面的水滴边缘越光滑，防水布的防水性能越好。按照上述方法，可获取所有含水滴区域的光滑程度。
计算第一防水性能评价指标，用公式表示为：
其中，
表示第一防水性能评价指标，
表示第r个含水滴区域的光滑程度，
表示含水滴区域的个数，
表示灰度差异程度。含水滴区域的光滑程度越大，灰度差异程度越大，则第一防水性能指标取值越大，表示防水布的防水性能越好。
然后，分别计算第一检测图像与第二检测图像的灰度共生矩阵，并根据灰度共生矩阵计算其对应的信息熵，基于所述信息熵得到第二性能评价指标。
需要说明的是，在防水布淋水后，若表面有水渗透，则防水布表面灰度图像的纹理信息会发生变化。在未淋水前，第一检测图像上所有像素点的灰度值较为接近，图像对应的信息熵较小，在防水布淋水后，由于水渗透防水布导致第二检测图像上像素点的灰度值发生变化，图像对应的信息熵会变大，根据淋水前后图像对应的信息熵之间的差异进行分析，差异越大则说明防水布的防水性能越差。
第二性能评价指标的获取方法为：分别计算第一检测图像与第二检测图像的灰度共生矩阵，并根据灰度共生矩阵计算第一检测图像与第二检测图像对应的信息熵，根据第一检测图像与第二检测图像对应的信息熵的差值，得到第二性能评价指标。
第二性能评价指标获取方法的另一个实施例为：
获取含水滴区域的最小外接矩形，并对其进行分割处理得到多个水滴图像；计算各水滴图像中的最小外接矩形的面积得到水滴图像面积，根据水滴图像面积与所有水滴图像面积的最小值之比，得到步长；根据所述步长计算各水滴图像的灰度共生矩阵，并获取水滴图像在第一检测图像上的对应区域子图像，计算各子图像的灰度共生矩阵，根据水滴图像与子图像的灰度共生矩阵计算其对应信息熵，根据水滴图像与子图像对应信息熵之差得到第二性能评价指标。
需要说明的是，在防水布淋水后，若表面有水渗透，则防水布表面灰度图像的纹理信息会发生变化。同时表面会残留水滴，水滴越小，说明在该水滴处发生渗透的概率越大，且渗透的程度也较大，则该水滴处的纹理信息变化就越大，而且越需要精细的计算，获取灰度共生矩阵的步长需设置更小。水滴越大，说明在该水滴处发生渗透的概率越小，渗透的程度也较小，纹理信息变化较小。
具体地，获取各含水滴区域的最小外接矩形，并对其进行分割处理，得到多个水滴图像，计算各水滴图像中的最小外接矩形的面积，得到水滴图像面积，获取所有水滴图像面积中的最小值，记为
。设定面积阈值，当水滴图像面积大于面积阈值时，则该水滴图像对应的水滴为大水滴，当水滴图像面积小于面积阈值时，则该水滴图像对应的水滴为小水滴。其中，在本实施例中，面积阈值的取值为
。
根据水滴图像面积计算获取灰度共生矩阵时相应的步长，用公式表示为：
其中，d表示步长，S表示水滴图像面积，
表示所有水滴图像面积中的最小值。
获取灰度共生矩阵时通常需要扫描0°、45°、90°、135°这四个方向，而防水布属于布匹是由经线和纬线呈直角相交编织而成的，故只需扫描0°，90°方向的即可描述出布匹的纹理信息，减少了计算量。
同时，获取图像的灰度共生矩阵时，需要对灰度级进行压缩，减少计算量。原图像的灰度级一般为0到255，在获取灰度共生矩阵时，会将该图像压缩到8级或者16级。本实施例认为小水滴处发生渗透的概率较大，渗透的程度也较大，即小水滴处可能渗透了更多的水，精度要求更高，灰度级需选择16级，而大水滴选择8级。
根据对应步长，对每个水滴图像获取0°和90°方向的灰度共生矩阵，并计算每个水滴图像在这两个方向上的平均灰度共生矩阵。同时，获取水滴图像在第一检测图像上的对应区域的图像，并进行分割处理得到多个子图像，获取每个子图像在0°和90°方向的灰度共生矩阵，并计算每个子图像在这两个方向上的平均灰度共生矩阵。
获取灰度共生矩阵的方法为：
对于一个大小为M*N的图像，获取图像上任一像素点(x，y)及偏离它的另一像素点(x+α，y+β)，且不管α值，β值如何变，这两点的距离是固定的，假设这俩点的灰度值分别为(g1，g2)。令(x，y)在整个画面上滑动，可以得到很多(g1，g2)值，设灰度值的级数为k，则(g1，g2)的组合就有k2种，统计每一种(g1，g2)值出现的次数，然后排列成方阵，再用(g1，g2)出现的总次数对它们进行归一化成出现的概率P(g1，g2)，得到灰度共生矩阵
。
需要说明的是，灰度共生矩阵的获取方法为公知技术，实施者可选择合适的方法进行计算。
根据水滴图像与子图像的灰度共生矩阵计算其对应信息熵，根据水滴图像与子图像对应信息熵之差得到第二性能评价指标，用公式表示为：
其中，
表示第二性能评价指标，
表示第l个水滴图像对应信息熵，
表示第l个子图像对应信息熵，g表示水滴图像与子图像的个数。
信息熵是图像包含信息量的随机性度量，信息熵表明了图像灰度分布的复杂程度，信息熵越大，图像越复杂。在未淋水前，各子图像上所有像素点的灰度值较为接近，子图像对应的信息熵较小，在防水布淋水后，防水布表面会残留水滴，对应水滴处可能会发生渗透，导致布匹变湿，进而水滴图像对应信息熵会发生变化，通过计算淋水前后对应图像的信息熵差异，得到第二性能评价指标，差异越大，则表示在水滴处有水渗透，即该防水布的防水性能越差。
进一步的，分别将待检测防水布表面图像与待检测防水布淋水后的表面图像转换至HSV颜色空间，计算两张图像对应的平均色彩饱和度，基于所述色彩饱和度得到第三性能评价指标。
需要说明的是，在淋水后，由于有水渗透进布匹，导致布匹变湿润时，该防水布的颜色会加深，即该防水布的色彩饱和度会发生变化，故可对比淋水前后图像中色彩饱和度的变化。
具体地，将淋水前后待检测防水布表面RGB图像转化为HSV图像，具体为：
在RGB三个分量中，将R、G、B这三个值中最大的值记为MAX，最小的值记为MIN，转换公式为：
需要说明的是，将RGB图像转化为HSV图像为公知技术，实施者可选择合适的方法进行图像的转化。
根据淋水前后防水布的HSV图像，获取每个像素点的色彩饱和度，根据图像上各像素点色彩饱和度之和与像素点个数的比值，分别计算淋水前后防水布的HSV图像的平均灰度值，用公式表示为：
其中，
、
分别表示淋水前与淋水后HSV图像的平均色彩饱和度值，
表示淋水前HSV图像上第i个像素点的色彩饱和度，
表示淋水后HSV图像上第j个像素点的色彩饱和度，
、
分别表示淋水前与淋水后HSV图像中像素点的个数。
计算色彩差异程度，用公式表示为：
其中，
表示色彩差异程度，
、
分别表示淋水前与淋水后HSV图像的平均色彩饱和度值。色彩差异程度取值越大，表示淋水前后防水布HSV图像上像素点的平均色彩饱和度变化越大，说明防水布的防水性能越差。色彩差异程度取值越小，表示淋水前后防水布HSV图像上像素点的平均色彩饱和度变化越小，说明防水布的防水性能越好。
计算第三性能评价指标，用公式表示为：
其中，
表示第三性能评价指标，
表示色彩差异程度，色彩差异程度取值越大，第三性能评价指标取值越小，说明防水布的防水性能越差。色彩差异程度取值越小，第三性能评价指标取值越大，说明防水布的防水性能越好。
最后，对第一性能评价指标、第二性能评价指标和第三性能评价指标进行加权求和，得到综合性能评价，根据综合性能评价与评价阈值得到防水布性能检测结果。
具体地，计算综合性能评价，用公式表示为：
其中，y表示综合性能评价，
、
、
为权重系数，
、
、
分别为第一、第二、第三性能评价指标。在本实施例中，权重系数的取值分别为
，
，
，实施者可根据实际情况进行设定。
需要说明的是，在防水布淋水后，由于水渗透进布匹中，防水布的灰度值及色彩饱和度都会发生变化，同时也会有一部分水滴残留在布匹表面，残留的水滴边缘信息越光滑说明，防水性能越好，同时检测水滴位置灰度共生矩阵对应的信息熵与未淋水前子图像对应的信息熵之间的变化，变化越大，水滴位置可能有水渗透，说明防水性能越差。综合上述信息，计算防水布的综合性能评价。
设定评价阈值，若综合性能评价y大于评价阈值则该防水布的防水性能达标，若综合性能评价y小于评价阈值，则该防水布的防水性能不达标，需要对该防水布做相应的处理。
实施例2：
本实施例提供了一种基于图像识别的防水布性能检测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现一种基于图像识别的防水布性能检测方法的步骤。由于实施例1已经对一种基于图像识别的防水布性能检测方法进行了详细的阐述，此处不再过多介绍。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (6)
1.一种基于图像识别的防水布性能检测方法，其特征在于，该方法包括以下步骤：
分别获取待检测防水布表面灰度图像与待检测防水布淋水后的表面灰度图像，记为第一检测图像与第二检测图像；
分别计算第一检测图像与第二检测图像的平均灰度值，根据第一检测图像与第二检测图像的平均灰度值之差计算灰度差异程度；基于所述差异程度得到第一性能评价指标；
分别计算第一检测图像与第二检测图像的灰度共生矩阵，并根据灰度共生矩阵计算其对应的信息熵，基于所述信息熵得到第二性能评价指标；
分别将待检测防水布表面图像与待检测防水布淋水后的表面图像转换至HSV颜色空间，计算两张图像对应的平均色彩饱和度，基于所述色彩饱和度得到第三性能评价指标；
对第一性能评价指标、第二性能评价指标和第三性能评价指标进行加权求和，得到综合性能评价，根据综合性能评价与评价阈值得到防水布性能检测结果。
2.根据权利要求1所述的一种基于图像识别的防水布性能检测方法，其特征在于，所述第一性能评价指标的获取方法具体为：
对第二检测图像进行分割处理，得到含水滴区域，获取含水滴区域所有相邻边缘像素点之间的连线与水平线的夹角，根据所述角度之间的差异计算相邻边缘像素点的接近程度；
若接近程度小于设定阈值，获取接近程度对应的边缘像素点，记为异常像素点，进而获取所有含水滴区域的异常像素点个数；
根据所述灰度差异程度与异常像素点个数得到第一性能评价指标。
3.根据权利要求1所述的一种基于图像识别的防水布性能检测方法，其特征在于，所述第二性能评价指标的获取方法具体为：
获取含水滴区域的最小外接矩形，并对其进行分割处理得到多个水滴图像；
计算各水滴图像的灰度共生矩阵，并获取水滴图像在第一检测图像上的对应区域子图像，计算各子图像的灰度共生矩阵，根据水滴图像与子图像的灰度共生矩阵计算其对应信息熵，根据水滴图像与子图像对应信息熵之差得到第二性能评价指标。
4.根据权利要求3所述的一种基于图像识别的防水布性能检测方法，其特征在于，所述方法还包括：计算各水滴图像中的最小外接矩形的面积得到水滴图像面积，根据水滴图像面积与所有水滴图像面积的最小值之比，得到步长；根据所述步长计算各水滴图像的灰度共生矩阵。
5.根据权利要求1所述的一种基于图像识别的防水布性能检测方法，其特征在于，所述第三性能评价指标的获取方法具体为：
根据待检测防水布表面HSV图像与淋水后待检测防水布表面HSV图像的平均色彩饱和度之差，得到色彩差异程度；根据所述色彩差异程度的倒数得到第三性能评价指标。
6.一种基于图像识别的防水布性能检测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述一种基于图像识别的防水布性能检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211002950.9A CN115082470B (zh) | 2022-08-22 | 2022-08-22 | 一种基于图像识别的防水布性能检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211002950.9A CN115082470B (zh) | 2022-08-22 | 2022-08-22 | 一种基于图像识别的防水布性能检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115082470A true CN115082470A (zh) | 2022-09-20 |
| CN115082470B CN115082470B (zh) | 2024-01-02 |
Family
ID=83244210
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211002950.9A Active CN115082470B (zh) | 2022-08-22 | 2022-08-22 | 一种基于图像识别的防水布性能检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115082470B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115266538A (zh) * | 2022-09-30 | 2022-11-01 | 维柏思特衬布（南通）有限公司 | 织带透水性能检测装置及方法 |
| CN115266536A (zh) * | 2022-09-26 | 2022-11-01 | 南通钧儒卫生用品有限公司 | 一种纸尿裤吸水性能检测方法 |
| CN115345525A (zh) * | 2022-10-17 | 2022-11-15 | 江苏鑫缘医疗科技有限公司 | 基于机器视觉的肌肉绷带在线生产测试系统及方法 |
| CN116912235A (zh) * | 2023-09-08 | 2023-10-20 | 金乡县金禧园食品有限公司 | 基于计算机视觉的脱水蒜状态智能检测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001128017A (ja) * | 1999-10-27 | 2001-05-11 | Fuji Xerox Co Ltd | 画像評価装置および画像評価方法 |
| US20070095168A1 (en) * | 2003-05-28 | 2007-05-03 | Andrew Vince | Method and apparatus for determining particle parameter and processor performance in a coal and mineral processing system |
| CN103745227A (zh) * | 2013-12-31 | 2014-04-23 | 沈阳航空航天大学 | 一种基于多维信息的肺结节良恶性鉴别方法 |
| CN111539920A (zh) * | 2020-04-16 | 2020-08-14 | 泸州老窖酿酒有限责任公司 | 一种白酒酿造过程中糟醅质量的自动检测方法 |
| CN114648594A (zh) * | 2022-05-19 | 2022-06-21 | 南通恒强家纺有限公司 | 一种基于图像识别的纺织品颜色检测方法及系统 |
| CN114842013A (zh) * | 2022-07-04 | 2022-08-02 | 南通艾果纺织品有限公司 | 一种纺织品纤维强度检测方法及系统 |
-
2022
- 2022-08-22 CN CN202211002950.9A patent/CN115082470B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001128017A (ja) * | 1999-10-27 | 2001-05-11 | Fuji Xerox Co Ltd | 画像評価装置および画像評価方法 |
| US20070095168A1 (en) * | 2003-05-28 | 2007-05-03 | Andrew Vince | Method and apparatus for determining particle parameter and processor performance in a coal and mineral processing system |
| CN103745227A (zh) * | 2013-12-31 | 2014-04-23 | 沈阳航空航天大学 | 一种基于多维信息的肺结节良恶性鉴别方法 |
| CN111539920A (zh) * | 2020-04-16 | 2020-08-14 | 泸州老窖酿酒有限责任公司 | 一种白酒酿造过程中糟醅质量的自动检测方法 |
| CN114648594A (zh) * | 2022-05-19 | 2022-06-21 | 南通恒强家纺有限公司 | 一种基于图像识别的纺织品颜色检测方法及系统 |
| CN114842013A (zh) * | 2022-07-04 | 2022-08-02 | 南通艾果纺织品有限公司 | 一种纺织品纤维强度检测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 丁治民等: "基于常规MRI纹理分析技术鉴别良恶性软组织肿瘤", 《放射学实践》 * |
| 丁治民等: "基于常规MRI纹理分析技术鉴别良恶性软组织肿瘤", 《放射学实践》, no. 04, 20 April 2020 (2020-04-20) * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115266536A (zh) * | 2022-09-26 | 2022-11-01 | 南通钧儒卫生用品有限公司 | 一种纸尿裤吸水性能检测方法 |
| CN115266536B (zh) * | 2022-09-26 | 2022-12-13 | 南通钧儒卫生用品有限公司 | 一种纸尿裤吸水性能检测方法 |
| CN115266538A (zh) * | 2022-09-30 | 2022-11-01 | 维柏思特衬布（南通）有限公司 | 织带透水性能检测装置及方法 |
| CN115266538B (zh) * | 2022-09-30 | 2022-12-09 | 维柏思特衬布（南通）有限公司 | 织带透水性能检测装置及方法 |
| CN115345525A (zh) * | 2022-10-17 | 2022-11-15 | 江苏鑫缘医疗科技有限公司 | 基于机器视觉的肌肉绷带在线生产测试系统及方法 |
| CN115345525B (zh) * | 2022-10-17 | 2023-02-24 | 江苏鑫缘医疗科技有限公司 | 基于机器视觉的肌肉绷带在线生产测试系统及方法 |
| CN116912235A (zh) * | 2023-09-08 | 2023-10-20 | 金乡县金禧园食品有限公司 | 基于计算机视觉的脱水蒜状态智能检测方法 |
| CN116912235B (zh) * | 2023-09-08 | 2023-11-24 | 金乡县金禧园食品有限公司 | 基于计算机视觉的脱水蒜状态智能检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115082470B (zh) | 2024-01-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115082470A (zh) | 一种基于图像识别的防水布性能检测方法及系统 | |
| CN109559310B (zh) | 基于显著性检测的输变电巡检图像质量评价方法及系统 | |
| CN107194317B (zh) | 一种基于网格聚类分析的暴力行为检测方法 | |
| CN109215010B (zh) | 一种图像质量判断的方法及机器人人脸识别系统 | |
| CN116309600B (zh) | 基于图像处理的环保纺织品质量检测方法 | |
| CN112396635B (zh) | 一种基于多设备的复杂环境下多目标检测方法 | |
| CN115457004A (zh) | 基于计算机视觉的锌膏的智能检测方法 | |
| CN112200160A (zh) | 基于深度学习的直读水表读数识别方法 | |
| CN112906550B (zh) | 一种基于分水岭变换的静态手势识别方法 | |
| CN112907460B (zh) | 一种遥感图像增强方法 | |
| CN113139896A (zh) | 基于超分辨重建的目标检测系统及方法 | |
| CN111583357A (zh) | 一种基于matlab系统的物体运动图像捕捉合成方法 | |
| CN115398475A (zh) | 抠图实现方法、装置、设备及存储介质 | |
| CN113674231B (zh) | 基于图像增强的轧制过程中氧化铁皮检测方法与系统 | |
| CN111192213A (zh) | 图像去雾自适应参数的计算方法、图像去雾方法及系统 | |
| CN114618371B (zh) | 基于人工智能的分批式混合机控制方法及系统 | |
| CN108510450B (zh) | 一种作物叶片图像的光照处理方法及装置 | |
| US20170053399A1 (en) | Method and apparatus for processing block to be processed of urine sediment image | |
| CN110766655A (zh) | 一种基于丰度的高光谱图像显著性分析方法 | |
| CN115456113A (zh) | 一种基于星座图多特征提取算法的调制格式识别方法 | |
| CN111402223B (zh) | 一种利用变电站视频图像的变电站缺陷问题检测方法 | |
| CN114677384A (zh) | 一种太阳能电池镀膜缺陷检测方法 | |
| CN110390339B (zh) | 一种图像校正方法、装置及存储介质 | |
| CN112991326A (zh) | 一种清洗质量评价方法 | |
| CN117557785B (zh) | 一种基于图像处理的远距离渔船船牌识别方法 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231206 Address after: 321000 West Floor 4, Building 13, No. 887, Changchun West Road, Hutang Town, Jindong District, Jinhua City, Zhejiang Province (independent declaration) Applicant after: Jinhua Baisi Special Arts and Crafts Co.,Ltd. Address before: 226200 No.7 Jinggong Road, Qidong Economic Development Zone, Nantong City, Jiangsu Province Applicant before: Qidong Gude waterproof fabric Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |