CN115131322A - 一种建筑外立面铝板表面缺陷检测方法 - Google Patents

一种建筑外立面铝板表面缺陷检测方法 Download PDF

Info

Publication number
CN115131322A
CN115131322A CN202210786368.XA CN202210786368A CN115131322A CN 115131322 A CN115131322 A CN 115131322A CN 202210786368 A CN202210786368 A CN 202210786368A CN 115131322 A CN115131322 A CN 115131322A
Authority
CN
China
Prior art keywords
aluminum plate
surface defects
image
gray
building
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
Application number
CN202210786368.XA
Other languages
English (en)
Other versions
CN115131322B (zh
Inventor
张顺利
张根坚
黄刚
徐燏
张计磊
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.)
Zhejiang Provincial Wulin Construction Group Co ltd
Original Assignee
Zhejiang Provincial Wulin Construction Group 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 Zhejiang Provincial Wulin Construction Group Co ltd filed Critical Zhejiang Provincial Wulin Construction Group Co ltd
Priority to CN202210786368.XA priority Critical patent/CN115131322B/zh
Publication of CN115131322A publication Critical patent/CN115131322A/zh
Application granted granted Critical
Publication of CN115131322B publication Critical patent/CN115131322B/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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/02—Affine transformations
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20216—Image averaging
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种建筑外立面铝板表面缺陷检测方法，包括以下步骤，首先利用机载装置获取建筑外立面铝板图像并将其转换至灰度图像，随后寻找灰度图像中四边形结构元素并利用仿射变换将四边形元素拉伸为平行四边形；其次利用自适应wallis滤波对图像进行滤波处理；利用局部滑动窗口主对角线和副对角线元素组成像素序列，形成偏度指标矩阵；随后根据偏度指标矩阵对铝板表面缺陷进行初步判断并根据灰度信息对铝板表面缺陷进行二次判断；最终综合两次判断结果对铝板缺陷状态进行判断。本发明具有抗干扰能力强的特点，能够在城市复杂光照条件下通过获取到的外立面铝板图像进行表面缺陷状态的检测。

Description

一种建筑外立面铝板表面缺陷检测方法
技术领域
本发明涉及建筑材料表面质量检测技术领域，特别涉及一种可应用于复杂光照条件下的建筑外立面铝板表面缺陷检测方法。
背景技术
由于质量轻、强度高、易安装等优秀特点，铝板逐渐成为了建筑工程中外立面的材料新选择，得到了市场的广泛认可。然而，铝板运输过程非金属压入、擦伤、碰伤等意外情况的发生可能会导致铝板表面缺陷的产生。此外，由于外立面长时间直接经受环境的侵袭，加速其老化过程，引起变色、脱色等缺陷的劣化。为保障建筑外立面质量，迫切需要一种在太阳等复杂光照环境下建筑外立面铝板表面缺陷检测方法，及时对铝板进行动态更新，保障建筑外立面整体质量。
发明内容
本发明的目的在于，提供一种建筑外立面铝板表面缺陷检测方法。本发明具有抗干扰能力强的特点，能够在城市复杂光照条件下通过获取到的外立面铝板图像进行表面缺陷状态的检测。
本发明的技术方案：一种建筑外立面铝板表面缺陷检测方法，包括以下步骤：
S1：利用机载装置获取建筑外立面铝板图像并将其转换至灰度图像；
S2：寻找灰度图像中四边形结构元素并利用仿射变换将四边形元素拉伸为平行四边形；
S3：利用自适应wallis滤波对图像进行滤波处理；
S4：设置窗口大小为w×w的滑动窗口，用滑动窗口遍历当前灰度图片所有像素，提取当前窗口主对角线和副对角线元素组成像素序列，并计算该序列偏度指标，直至遍历当前所有像素，形成偏度指标矩阵；
S5：根据偏度指标矩阵对铝板表面缺陷进行初步判断；
S6：根据灰度信息对铝板表面缺陷进行二次判断；
S7：若两次判断均认为该位置存在蜗牛纹，则认为对应铝板在该位置存在缺陷。
前述的建筑外立面铝板表面缺陷检测方法中，所述的步骤S3中,自适应滤波的计算包括以下步骤：
SS1：计算图像整体平均值和标准差；
SS2：将图像均匀划分为M×N个子块，其中M为水平方向划分子块数量，N为垂直方向划分子块数量；
SS3：分别对每个子块进行灰度滤波。
前述的建筑外立面铝板表面缺陷检测方法中，所述的步骤SS3中,灰度滤波的算法为：
Figure BDA0003728854990000021
其中MN为子块数量，x,y为像素索引位置，gMN(x,y)为原子块的灰度信息，fMN(x,y)为滤波后子块的灰度信息，mean(·)为平均值计算符号，std(·)为标准差计算符号，img为滤波前灰度图像。
前述的建筑外立面铝板表面缺陷检测方法中，所述的步骤S4中,偏度指标计算的算法为：
Figure BDA0003728854990000031
其中Sn为计算的偏度指标，N为像素序列长度，i为像素序列索引，xi为像素序列第i个元素，
Figure BDA0003728854990000032
为像素序列平均值。
前述的建筑外立面铝板表面缺陷检测方法中，所述的步骤S5中,铝板表面缺陷初步判断的算法为：
Figure BDA0003728854990000033
其中
Figure BDA0003728854990000034
为铝板表面缺陷初步判断结果，i，j为分别为图像行列数，Sn为计算的偏度指标，Snth为预设的偏度指标阈值，abs(·)为绝对值计算符号。
前述的建筑外立面铝板表面缺陷检测方法中，所述的步骤S6中,铝板表面缺陷二次判断的算法为：
Figure BDA0003728854990000035
其中
Figure BDA0003728854990000036
为铝板表面缺陷二次判断结果，i，j为分别为图像行列数，Ii,j为点i,j的灰度值，Ith为预设的灰度阈值。
前述的建筑外立面铝板表面缺陷检测方法中，所述的步骤S7中,铝板表面缺陷判断的算法为：
Figure BDA0003728854990000037
其中Maski,j为铝板表面当前像素点缺陷判断结果，i，j为分别为特征行列索引，
Figure BDA0003728854990000041
为当前像素点铝板表面缺陷的初步判断结果，
Figure BDA0003728854990000042
为铝板表面缺陷状态的二次判断结果，*为矩阵元素逐点相乘符号。
与现有技术相比，本发明具有以下有益效果：
本发明首先利用机载装置获取建筑外立面铝板图像并将其转换至灰度图像，随后寻找灰度图像中四边形结构元素并利用仿射变换将四边形元素拉伸为平行四边形；其次利用自适应wallis滤波对图像进行滤波处理；利用局部滑动窗口主对角线和副对角线元素组成像素序列，形成偏度指标矩阵；随后根据偏度指标矩阵对铝板表面缺陷进行初步判断并根据灰度信息对铝板表面缺陷进行二次判断；最终综合两次判断结果对铝板缺陷状态进行判断。本发明具有抗干扰能力强的特点，能够在城市复杂光照条件下通过获取到的外立面铝板图像进行表面缺陷状态的检测。
附图说明
图1是本发明的流程图；
图2是本发明的实施例1中仿射变换后外立面铝板灰度图像；
图3是本发明的实施例1中自适应wallis滤波后结果；
图4是本发明的实施例1中偏度指标矩阵分布；
图5是本发明的实施例1中表面缺陷最终判断结果。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。
实施例1：一种复杂光照条件下建筑外立面铝板表面缺陷检测方法，其流程图如附图1所示，包括以下步骤：
1)利用机载装置获取建筑外立面铝板图像并将其转换至灰度图像；
2)寻找灰度图像中四边形结构元素并利用仿射变换将四边形元素拉伸为平行四边形，如附图2所示；
3)计算图像整体平均值和标准差；
4)将图像均匀划分为M×N个子块，其中M为水平方向划分子块数量，N为垂直方向划分子块数量，本应用例中M、N均为10；
5)分别对每个子块进行自适应wallis滤波，如附图3所示，具体算法为：
Figure BDA0003728854990000051
其中MN为子块数量，x,y为像素索引位置，gMN(x,y)为原子块的灰度信息，fMN(x,y)为滤波后子块的灰度信息，mean(·)为平均值计算符号，std(·)为标准差计算符号，img为滤波前灰度图像；
6)设置窗口大小为w×w的滑动窗口，用滑动窗口遍历当前灰度图片所有像素，提取当前窗口主对角线和副对角线元素组成像素序列，并计算该序列偏度指标，直至遍历当前所有像素，形成偏度指标矩阵中,如附图4所示，其中，偏度指标计算的算法为，本应用例中w为5：
Figure BDA0003728854990000052
其中Sn为计算的偏度指标，N为像素序列长度，i为像素序列索引，xi为像素序列第i个元素，
Figure BDA0003728854990000061
为像素序列平均值；
7)根据偏度指标矩阵对铝板表面缺陷进行初步判断，其具体算法为：
Figure BDA0003728854990000062
其中
Figure BDA0003728854990000063
为铝板表面缺陷初步判断结果，i，j为分别为图像行列数，Sn为计算的偏度指标，Snth为预设的偏度指标阈值，本应用例中阈值为0，abs(·)为绝对值计算符号；
9)根据灰度信息对铝板表面缺陷进行二次判断，其具体算法为：
Figure BDA0003728854990000064
其中
Figure BDA0003728854990000065
为铝板表面缺陷二次判断结果，i，j为分别为图像行列数，Ii,j为点i,j的灰度值，Ith为预设的灰度阈值，本应用例中灰度阈值为150；
10)最终形成的铝板表面缺陷判断算法为，其结果如附图5所示：
Figure BDA0003728854990000066
其中Maski,j为铝板表面当前像素点缺陷判断结果，i，j为分别为特征行列索引，
Figure BDA0003728854990000067
为当前像素点铝板表面缺陷的初步判断结果，
Figure BDA0003728854990000068
为铝板表面缺陷状态的二次判断结果，*为矩阵元素逐点相乘符号。
本发明首先利用机载装置获取建筑外立面铝板图像并将其转换至灰度图像，随后寻找灰度图像中四边形结构元素并利用仿射变换将四边形元素拉伸为平行四边形；其次利用自适应wallis滤波对图像进行滤波处理；利用局部滑动窗口主对角线和副对角线元素组成像素序列，形成偏度指标矩阵；随后根据偏度指标矩阵对铝板表面缺陷进行初步判断并根据灰度信息对铝板表面缺陷进行二次判断；最终综合两次判断结果对铝板缺陷状态进行判断。本发明具有抗干扰能力强的特点，能够在城市复杂光照条件下通过获取到的外立面铝板图像进行表面缺陷状态的检测。

Claims (7)

1.一种建筑外立面铝板表面缺陷检测方法，其特征在于：包括以下步骤：
S1：利用机载装置获取建筑外立面铝板图像并将其转换至灰度图像；
S2：寻找灰度图像中四边形结构元素并利用仿射变换将四边形元素拉伸为平行四边形；
S3：利用自适应滤波对图像进行滤波处理；
S4：设置窗口大小为w×w的滑动窗口，用滑动窗口遍历当前灰度图片所有像素，提取当前窗口主对角线和副对角线元素组成像素序列，并计算该像素序列偏度指标，直至遍历当前所有像素，形成偏度指标矩阵；
S5：根据偏度指标矩阵对铝板表面缺陷进行初步判断；
S6：根据灰度信息对铝板表面缺陷进行二次判断；
S7：若两次判断均认为相同位置存在蜗牛纹，则认为对应铝板在该位置存在缺陷。
2.根据权利要求1所述的建筑外立面铝板表面缺陷检测方法，其特征在于：所述的步骤S3中,自适应滤波的计算包括以下步骤：
SS1：计算图像整体平均值和标准差；
SS2：将图像均匀划分为M×N个子块，其中M为水平方向划分子块数量，N为垂直方向划分子块数量；
SS3：分别对每个子块进行灰度滤波。
3.根据权利要求2所述的建筑外立面铝板表面缺陷检测方法，其特征在于：所述的步骤SS3中,灰度滤波的算法为：
Figure FDA0003728854980000021
其中MN为子块数量，x,y为像素索引位置，gMN(x,y)为原子块的灰度信息，fMN(x,y)为滤波后子块的灰度信息，mean(·)为平均值计算符号，std(·)为标准差计算符号，img为滤波前灰度图像。
4.根据权利要求1所述的建筑外立面铝板表面缺陷检测方法，其特征在于：所述的步骤S4中,偏度指标计算的算法为：
Figure FDA0003728854980000022
其中Sn为计算的偏度指标，N为像素序列长度，i为像素序列索引，xi为像素序列第i个元素，
Figure FDA0003728854980000023
为像素序列平均值。
5.根据权利要求1所述的建筑外立面铝板表面缺陷检测方法，其特征在于，所述的步骤S5中,铝板表面缺陷初步判断的算法为：
Figure FDA0003728854980000024
其中
Figure FDA0003728854980000025
为铝板表面缺陷初步判断结果，i，j为分别为图像行列数，Sn为计算的偏度指标，Snth为预设的偏度指标阈值，abs(·)为绝对值计算符号。
6.根据权利要求1所述的建筑外立面铝板表面缺陷检测方法，其特征在于，所述的步骤S6中,铝板表面缺陷二次判断的算法为：
Figure FDA0003728854980000031
其中
Figure FDA0003728854980000032
为铝板表面缺陷二次判断结果，i，j为分别为图像行列数，Ii,j为点i,j的灰度值，Ith为预设的灰度阈值。
7.根据权利要求1所述的建筑外立面铝板表面缺陷检测方法，其特征在于，所述的步骤S7中,铝板表面缺陷判断的算法为：
Figure FDA0003728854980000033
其中Maski,j为铝板表面当前像素点缺陷判断结果，i，j为分别为特征行列索引，
Figure FDA0003728854980000034
为当前像素点铝板表面缺陷的初步判断结果，
Figure FDA0003728854980000035
为铝板表面缺陷状态的二次判断结果，*为矩阵元素逐点相乘符号。
CN202210786368.XA 2022-07-04 2022-07-04 一种建筑外立面铝板表面缺陷检测方法 Active CN115131322B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210786368.XA CN115131322B (zh) 2022-07-04 2022-07-04 一种建筑外立面铝板表面缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210786368.XA CN115131322B (zh) 2022-07-04 2022-07-04 一种建筑外立面铝板表面缺陷检测方法

Publications (2)

Publication Number Publication Date
CN115131322A true CN115131322A (zh) 2022-09-30
CN115131322B CN115131322B (zh) 2023-04-07

Family

ID=83382725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210786368.XA Active CN115131322B (zh) 2022-07-04 2022-07-04 一种建筑外立面铝板表面缺陷检测方法

Country Status (1)

Country Link
CN (1) CN115131322B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117291922A (zh) * 2023-11-27 2023-12-26 浙江日井泵业股份有限公司 一种不锈钢多级泵叶轮缺陷视觉检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101976442A (zh) * 2010-11-09 2011-02-16 东华大学 一种用于表征织物纹理的分形概貌与Sobel算子滤波细节混合特征向量提取方法
CN112200808A (zh) * 2020-12-07 2021-01-08 领伟创新智能系统(浙江)有限公司 一种基于局部基尼系数的带钢表面缺陷检测方法
CN112233116A (zh) * 2020-12-11 2021-01-15 常州微亿智造科技有限公司 基于邻域决策与灰度共生矩阵描述的凹凸痕视觉检测方法
CN112950633A (zh) * 2021-04-19 2021-06-11 上海电机学院 一种基于线结构光的铝合金焊缝表面缺陷检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101976442A (zh) * 2010-11-09 2011-02-16 东华大学 一种用于表征织物纹理的分形概貌与Sobel算子滤波细节混合特征向量提取方法
CN112200808A (zh) * 2020-12-07 2021-01-08 领伟创新智能系统(浙江)有限公司 一种基于局部基尼系数的带钢表面缺陷检测方法
CN112233116A (zh) * 2020-12-11 2021-01-15 常州微亿智造科技有限公司 基于邻域决策与灰度共生矩阵描述的凹凸痕视觉检测方法
CN112950633A (zh) * 2021-04-19 2021-06-11 上海电机学院 一种基于线结构光的铝合金焊缝表面缺陷检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张磊: "深度学习在铝型材表面缺陷检测中的应用研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117291922A (zh) * 2023-11-27 2023-12-26 浙江日井泵业股份有限公司 一种不锈钢多级泵叶轮缺陷视觉检测方法
CN117291922B (zh) * 2023-11-27 2024-01-30 浙江日井泵业股份有限公司 一种不锈钢多级泵叶轮缺陷视觉检测方法

Also Published As

Publication number Publication date
CN115131322B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN111383209B (zh) 一种基于全卷积自编码器网络的无监督瑕疵检测方法
CN115100221B (zh) 一种玻璃缺陷分割方法
CN110942457B (zh) 基于数字图像处理技术的太阳能电池板缺陷检测方法
CN115131322B (zh) 一种建筑外立面铝板表面缺陷检测方法
CN116030060B (zh) 一种塑料颗粒质量检测方法
CN113628189A (zh) 一种基于图像识别的快速带钢划痕缺陷检测方法
CN115239702B (zh) 一种塑料薄膜缺陷分析处理方法
CN112785579A (zh) 基于图像处理技术的混凝土裂缝识别方法
CN113989257A (zh) 基于人工智能技术的电力综合管廊沉降裂缝识别方法
CN116883408B (zh) 基于人工智能的积算仪壳体缺陷检测方法
CN106815602B (zh) 一种基于多层次特征描述的跑道fod图像探测方法及装置
CN110223332B (zh) 一种桥梁裂缝标定方法
CN111524121A (zh) 一种基于机器视觉技术的路桥病害自动检测方法
Ahmad et al. Image segmentation for pavement crack detection system
CN109767407A (zh) 一种去雾过程中大气透射率图像的二次估计方法
CN112037137A (zh) 一种红外图像中绝缘子盘面边缘模糊区域消除方法及装置
CN117854402A (zh) 显示屏的异常显示检测方法、装置、终端设备
CN114401396A (zh) 图像频闪检测方法及装置、存储介质、终端
CN113689399B (zh) 一种用于电网识别遥感图像处理方法及系统
KR970007012B1 (ko) 화상중의 농도변동구성화소 추출방법 및 농도변동덩어리 판정방법
CN110533698B (zh) 一种基于视觉检测的基坑施工桩检测控制方法
CN111510709B (zh) 图像频闪检测方法及装置、存储介质、终端
CN111089865B (zh) 一种基于f-rcnn的缺陷电缆检测方法
CN117253144B (zh) 一种火灾风险分级管控方法
CN117495848B (zh) 基于图像识别的输电线路舞动检测方法和系统

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: No. 139, Jiyuan Street, Sandun Town, Xihu District, Hangzhou City, Zhejiang Province

Applicant after: Zhejiang Construction Decoration Group Co.,Ltd.

Address before: No.139, Sandun Jiyuan street, Xihu District, Hangzhou City, Zhejiang Province

Applicant before: ZHEJIANG PROVINCIAL WULIN CONSTRUCTION GROUP CO.,LTD.

GR01 Patent grant
GR01 Patent grant