CN115239728A - 一种消防器材识别方法 - Google Patents

一种消防器材识别方法 Download PDF

Info

Publication number
CN115239728A
CN115239728A CN202211161255.7A CN202211161255A CN115239728A CN 115239728 A CN115239728 A CN 115239728A CN 202211161255 A CN202211161255 A CN 202211161255A CN 115239728 A CN115239728 A CN 115239728A
Authority
CN
China
Prior art keywords
welding
area
fire
point
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.)
Pending
Application number
CN202211161255.7A
Other languages
English (en)
Inventor
黄华英
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 Haizhou Security Technology Co ltd
Original Assignee
Jiangsu Haizhou Security Technology 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 Haizhou Security Technology Co ltd filed Critical Jiangsu Haizhou Security Technology Co ltd
Priority to CN202211161255.7A priority Critical patent/CN115239728A/zh
Publication of CN115239728A publication Critical patent/CN115239728A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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
    • G06T7/60—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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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
    • G06T2207/30152—Solder
    • 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
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及数据识别技术领域，具体涉及一种消防器材识别方法。该方法是一种应用电子设备进行识别的方法，利用生产领域人工智能系统完成对消防器材的质量识别评价。该方法首先采用相关的电子设备进行图像识别，以获取消防器材筒体的表面图像和深度图像；通过对表面图像和深度图像进行数据识别得到焊接区域的平整光滑度和第二焊接质量评价指标，结合平整光滑度和第二焊接质量评价指标得到消防器材焊接质量指标，根据消防器材焊接质量指标对消防器材筒体进行识别判断。本发明通过对消防器材筒体的焊接区域进行识别，得到筒体焊接部分，并根据焊接部分特征对焊接质量进行评估，实现了降低检测成本和提高检测效率的目的。

Description

一种消防器材识别方法
技术领域
本发明涉及数据识别技术领域，具体涉及一种消防器材识别方法。
背景技术
灭火器是消防器材最为重要的一个器件。而焊接是灭火器筒体生产过程中的重要环节，是保证其气密性和强度的关键，是保证灭火器质量的关键，也是保证灭火器安全运行的重要条件，焊缝缺陷的存在会严重影响灭火器筒体的力学性能指标，且据有关调查表明，90%以上的安全事故都是由焊接缺陷引起的，因此，对灭火器焊缝质量的识别检测至关重要。
目前，常见的对消防器材进行质量识别的方法为根据焊缝图像确定焊缝的表面焊接状态，通过X射线照射焊接体焊接后的焊缝，确定焊缝的内部焊接状态，将表面焊接状态、内部焊接状态和由焊接参数生成状态模型得到的预演数据进行对比，确定焊接质量。该方法通过X射线照射焊接体焊接后的焊缝，确定焊缝的内部焊接状态，检测成本高，检测效率低，且检测准确度不高。
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消防器材识别方法，所采用的技术方案具体如下：
采集焊接后的消防器材筒体的表面图像和深度图像，对所述表面图像进行预处理得到表面灰度图像；
对滤波后的表面灰度图像进行边缘检测，得到边缘轮廓，最大边缘轮廓对应的区域为焊接疑似区域；选取焊接疑似区域内任意像素点作为目标像素点，根据目标像素点对应的邻域内像素点的灰度值差异，计算所述目标像素点的初始置信度；计算所述目标像素点与所述焊接疑似区域的中心点的坐标的偏移程度；根据所述目标像素点和所述焊接疑似区域的中心点的高度差异和所述偏移程度对所述初始置信度进行修正，得到目标像素点的真实置信度；
根据所述真实置信度，从所述焊接疑似区域内的多个像素点中筛选出焊接像素点，得到焊接区域；根据所述焊接区域的面积得到所述焊接区域的第一质量评价指标；对面积最大的焊接区域的水平边缘线上的像素点数量和焊接区域的焊接宽度进行分析，得到焊接区域的第二焊接质量评价指标；基于所述深度图像，获取焊接区域内像素点的高度值，计算焊接区域的平整光滑度；
所述平整光滑度和所述第二焊接质量评价指标的乘积为消防器材焊接质量指标；根据所述消防器材焊接质量指标对消防器材筒体进行识别判断。
优选的，所述对所述表面图像进行预处理得到表面灰度图像，包括：
对所述表面图像进行加权灰度化处理，得到表面灰度图像。
优选的，所述根据目标像素点对应的邻域内像素点的灰度值差异，计算所述目标像素点的初始置信度，包括：
计算所述目标像素点与对应的邻域内的其他像素点的灰度值差异；获取最大的所述灰度值差异对应的灰度梯度方向与水平线的夹角，计算所述夹角与竖直方向的偏差程度作为所述目标像素点的初始置信度；
所述初始置信度的计算公式为：
Figure 259481DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
为所述初始置信度；
Figure 226298DEST_PATH_IMAGE004
为自然常数；
Figure DEST_PATH_IMAGE005
为最大的所述灰度值差异对应的灰度梯度方向与水平线的夹角。
优选的，所述计算所述目标像素点与所述焊接疑似区域的中心点的坐标的偏移程度，包括：
所述焊接疑似区域的中心点的获取方法为：计算焊接疑似区域内像素点与焊接疑似区域上各区域边界点的欧式距离，将所述欧式距离累加得到像素点对应的欧式距离之和，将欧式距离之和最小的像素点作为焊接疑似区域的中心点；
获取所述焊接疑似区域的中心点和所述目标像素点的纵坐标的差值的绝对值，作为第一绝对值；所述第一绝对值与所述焊接疑似区域的中心点的纵坐标的比值为所述偏移程度。
优选的，所述根据所述目标像素点和所述焊接疑似区域的中心点的高度差异和所述偏移程度对所述初始置信度进行修正，得到目标像素点的真实置信度，包括：
基于所述深度图像，分别获取所述目标像素点和所述焊接疑似区域的中心点的高度值；
所述目标像素点和所述焊接疑似区域的中心点的高度值的差值作为第一差值；所述目标像素点和所述焊接疑似区域的中心点的横坐标的差值的绝对值，作为第二绝对值；所述第一差值和所述第二绝对值的比值为高度系数；
所述真实置信度的计算公式为：
Figure DEST_PATH_IMAGE007
其中，
Figure 172389DEST_PATH_IMAGE008
为所述真实置信度；
Figure DEST_PATH_IMAGE009
为所述高度系数；
Figure 22533DEST_PATH_IMAGE010
为预设定值；
Figure DEST_PATH_IMAGE011
为所述目标像素点与所述焊接疑似区域的中心点的坐标的偏移程度；
Figure 32952DEST_PATH_IMAGE003
为所述初始置信度。
优选的，所述根据所述真实置信度，从所述焊接疑似区域内的多个像素点中筛选出焊接像素点，包括：
真实置信度小于等于预设置信度阈值的焊接疑似区域内的像素点，作为焊接像素点。
优选的，所述根据所述焊接区域的面积得到所述焊接区域的第一质量评价指标，包括：
获取各焊接区域的面积，将面积最大的焊接区域作为目标焊接区域；除所述目标焊接区域外的焊接区域为飞溅区域；
所述焊接区域的第一质量评价指标的计算公式为：
Figure DEST_PATH_IMAGE013
其中，
Figure 795503DEST_PATH_IMAGE014
为所述第一质量评价指标；
Figure DEST_PATH_IMAGE015
为所述目标焊接区域的面积；
Figure 150261DEST_PATH_IMAGE016
为第i个飞溅区域的面积；
Figure DEST_PATH_IMAGE017
为所述焊接区域的数量。
优选的，所述对面积最大的焊接区域的水平边缘线上的像素点数量和焊接区域的焊接宽度进行分析，得到焊接区域的第二焊接质量评价指标，包括：
获取面积最大的焊接区域的上下两条水平边缘线上的像素点数量；
根据水平边缘线上的像素点数量和水平边缘线上的像素点的纵坐标对水平边缘线进行评价，得到边缘线评价指标；
所述边缘线评价指标的计算公式为：
Figure DEST_PATH_IMAGE019
其中，
Figure 381260DEST_PATH_IMAGE020
为第q条水平边缘线的边缘线评价指标；
Figure DEST_PATH_IMAGE021
为第q条水平边缘线上的像素点数量；
Figure 482071DEST_PATH_IMAGE022
为第q条水平边缘线上的第i个像素点的纵坐标；
Figure DEST_PATH_IMAGE023
为第q条水平边缘线上的像素点的平均纵坐标；
在任意一条水平边缘线上选择采样点，过采样点做竖直直线交于另一条水平边缘线，得到交点；交点和所述采样点之间的欧式距离为采样点对应的焊接宽度；
所述焊接区域的第二焊接质量评价指标的计算公式为：
Figure DEST_PATH_IMAGE025
其中，
Figure 648479DEST_PATH_IMAGE026
为所述第二焊接质量评价指标；
Figure DEST_PATH_IMAGE027
为第1条水平边缘线的边缘线评价指标；
Figure 365899DEST_PATH_IMAGE028
为第2条水平边缘线的边缘线评价指标；
Figure DEST_PATH_IMAGE029
为第i个采样点对应的焊接宽度；
Figure 557846DEST_PATH_IMAGE030
为预设标准焊接宽度；
Figure 689662DEST_PATH_IMAGE014
为第一质量评价指标；
Figure DEST_PATH_IMAGE031
为参数因子。
优选的，所述基于所述深度图像，获取焊接区域内像素点的高度值，计算焊接区域的平整光滑度，包括：
获取焊接区域内像素点的高度值；根据像素点邻域内各像素点的高度值的差异，得到像素点的局部平整度；
所述局部平整度的计算公式为：
Figure DEST_PATH_IMAGE033
其中，
Figure 387491DEST_PATH_IMAGE034
为所述局部平整度；
Figure DEST_PATH_IMAGE035
为焊接区域内第r个像素点的高度值；
Figure 451262DEST_PATH_IMAGE036
为第r个像素点的邻域内第i个像素点的高度值；e为自然常数；
焊接区域内各像素点对应的局部平整度的均值和焊接区域的熵值的乘积，作为焊接区域的平整光滑度。
优选的，所述根据所述消防器材焊接质量指标对消防器材筒体进行识别判断，包括：
当所述消防器材焊接质量指标大于等于预设焊接质量阈值时，对应的消防器材筒体为质量良好；当所述消防器材焊接质量指标小于预设焊接质量阈值时，重新焊接对应的消防器材筒体。
本发明实施例至少具有如下有益效果：
本发明采集焊接后的消防器材筒体的表面图像，对图像进行预处理。根据焊缝焊接特征，获取消防器材筒体的消防器材焊接质量指标，该消防器材焊接质量指标由根据表面图像进行数据处理分析得到的平整光滑度和第二焊接质量评价指标得到，进而根据消防器材焊接质量指标对消防器材筒体进行识别判断。通过对消防器材筒体的焊接区域进行识别，排除热影响区域的干扰，得到筒体焊接部分，并根据焊接部分特征对焊接质量进行评估，对不合格筒体进行重新焊接，减少不合格消防器材产品的出现，提高了消防器材的气密性和安全性，提高了消防器材的生产效率。
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为本发明一个实施例所提供的一种消防器材识别方法的方法流程图。
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消防器材识别方法，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。
本发明实施例提供了一种消防器材识别方法的具体实施方法，该方法适用于消防器材质量识别检测场景。该场景下对灭火器生产过程中，焊接后的筒体进行焊接质量识别。通过深度相机采集焊接后的消防器材筒体的表面图像和深度图像。为了解决通过X射线照射焊接体焊接后的焊缝，确定焊缝的内部焊接状态，其检测成本高且效率低的问题。本发明根据焊缝焊接特征，获取消防器材筒体的消防器材焊接质量指标，该消防器材焊接质量指标由根据表面图像进行数据处理分析得到的平整光滑度和第二焊接质量评价指标得到，进而根据消防器材焊接质量指标对消防器材筒体进行识别判断。仅通过一个深度相机即可实现对消防器材的质量识别检测，降低了检测成本，提高了检测效率。
下面结合附图具体的说明本发明所提供的一种消防器材识别方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种消防器材识别方法的步骤流程图，该方法包括以下步骤：
步骤S100，采集焊接后的消防器材筒体的表面图像和深度图像，对所述表面图像进行预处理得到表面灰度图像。
通过深度相机采集焊接后的消防器材筒体的表面图像和深度图像，采集的表面图像为RGB图像，对表面图像进行加权灰度化处理，得到表面灰度图像，加权灰度化为公知技术，此处不再赘述。此处对消防器材筒体采集图像之后，将灭火器筒体旋转180°后再次采集表面图像，进行同样处理。至此，得到了焊接后的消防器材筒体的表面灰度图像与深度图像。
步骤S200，对滤波后的表面灰度图像进行边缘检测，得到边缘轮廓，最大边缘轮廓对应的区域为焊接疑似区域；选取焊接疑似区域内任意像素点作为目标像素点，根据目标像素点对应的邻域内像素点的灰度值差异，计算所述目标像素点的初始置信度；计算所述目标像素点与所述焊接疑似区域的中心点的坐标的偏移程度；根据所述目标像素点和所述焊接疑似区域的中心点的高度差异和所述偏移程度对所述初始置信度进行修正，得到目标像素点的真实置信度。
由于工件制造的复杂程度和焊接时焊接环境等不确定因素的存在，导致焊接图像表面复杂，传统的机器视觉算法，在进行灭火器筒体焊接边缘提取时，较为困难，识别精度较低。
由于焊接图像中出现的噪声污染往往是来源于椒盐噪声，故本发明中首先使用中值滤波对图像进行去噪处理，设定滤波窗口为Q，形状为3*3矩形，可由实施者根据实际情况修改该滤波窗口的大小。
Figure 492905DEST_PATH_IMAGE038
公式中，
Figure DEST_PATH_IMAGE039
是滤波后表面灰度图像中第i行第j列像素点的灰度值，
Figure 427363DEST_PATH_IMAGE040
是滤波窗口Q内滤波前表面灰度图像中第i行第j列像素点的灰度值。
对滤波后的表面灰度图像利用canny边缘检测算子进行边缘检测，获得边缘像素点，由多个边缘像素点得到边缘轮廓。对边缘像素点使用霍夫直线检测，判断检测出的直线是否能构成封闭矩形，其中最大矩形所对应的即为筒体区域，直线也即代表了筒体的边缘线。也即对筒体区域内由canny边缘检测算子检测出的边缘像素点，进行边缘轮廓的获取，筒体内最大边缘轮廓对应的区域为消防器材的焊接疑似区域。
对于消防器材中的灭火器来说，根据先验知识可知，灭火器是对两个相同的筒体进行焊接而成。其焊接往往处于筒体的中间，在表面灰度图像中呈现在中央位置，而热影响区域往往是由于焊接过程中高温作用下焊接区域两侧的金属区域在焊接时受到高温作用发生变化而形成的，往往分布在焊接区域两侧，会对焊接的识别造成影响。
再对焊接疑似区域像素点组成的区域进行分析，将焊接疑似区域再进行细分，分为焊接区域以及热影响区域。故对焊接疑似区域内的像素点进行判断，判断其为焊接像素点还是热影响像素点。
选取焊接疑似区域内任意像素点作为目标像素点，根据目标像素点对应的邻域内像素点的灰度值差异，计算目标像素点的初始置信度。以目标像素点a点为例，首先对目标像素点a进行3*3邻域获取，对其邻域内的其他像素点与目标像素点a点进行灰度差值的计算得到灰度值差异
Figure DEST_PATH_IMAGE041
，其中
Figure 233776DEST_PATH_IMAGE042
表示了目标像素点a的灰度值，
Figure DEST_PATH_IMAGE043
则表示目标像素点对应的邻域内第i个像素点的灰度值，因为在本发明实施例中目标像素点的邻域范围取八邻域，故i=1,2,3…8。获取最大的灰度值差异所对应的灰度梯度方向与水平线的夹角
Figure 50422DEST_PATH_IMAGE005
，计算其夹角与竖直方向的偏差程度，作为目标像素点的初始置信度Y。
该初始置信度的计算公式为：
Figure 364598DEST_PATH_IMAGE044
其中，
Figure 215879DEST_PATH_IMAGE003
为初始置信度；
Figure 114565DEST_PATH_IMAGE004
为自然常数；
Figure 169240DEST_PATH_IMAGE005
为最大的灰度值差异对应的灰度梯度方向与水平线的夹角。
初始置信度的值越大，则说明其灰度变化主要发生在竖直方向上，越有可能为热影响像素点。
再获取焊接疑似区域的中心点z，将焊接疑似区域的中心点坐标记为（
Figure DEST_PATH_IMAGE045
，
Figure 506680DEST_PATH_IMAGE046
，
Figure DEST_PATH_IMAGE047
）。其中，焊接疑似区域的中心点的获取方法为：计算焊接疑似区域内像素点b与焊接疑似区域上各区域边界点的欧式距离，将欧式距离累加得到像素点b对应的欧式距离之和，将欧式距离之和最小的像素点作为焊接疑似区域的中心点。
该欧式距离的计算公式为：
Figure DEST_PATH_IMAGE049
其中，
Figure 789632DEST_PATH_IMAGE050
为欧式距离；
Figure DEST_PATH_IMAGE051
为焊接疑似区域内像素点b的横坐标；
Figure 672269DEST_PATH_IMAGE052
为焊接疑似区域内像素点b的纵坐标；
Figure DEST_PATH_IMAGE053
为焊接疑似区域上第i个区域边界点的横坐标；
Figure 463507DEST_PATH_IMAGE022
为焊接疑似区域上第i个区域边界点的纵坐标。
再计算目标像素点与焊接疑似区域的中心点的坐标的偏移程度。获取焊接疑似区域的中心点和目标像素点的纵坐标的差值的绝对值，作为第一绝对值；第一绝对值与焊接疑似区域的中心点的纵坐标的比值为偏移程度。
该偏移程度的计算公式为：
Figure DEST_PATH_IMAGE055
其中，
Figure 707101DEST_PATH_IMAGE011
为焊接疑似区域内目标像素点a的偏移程度；
Figure 673920DEST_PATH_IMAGE056
为目标像素点a的纵坐标；
Figure 524196DEST_PATH_IMAGE046
为焊接疑似区域的中心点的纵坐标；
Figure DEST_PATH_IMAGE057
为第一绝对值。
第一绝对值越大，则说明像素点越偏移中心位置，越可能为热影响像素点。
考虑到在焊接过程中，可能发生飞溅等现象，出现飞溅时，代表焊接质量优秀程度不够高，为防止将飞溅出的焊接区域误判为热影响区域，从而影响后续焊接质量检测。基于深度图像，分别获取目标像素点和焊接疑似区域的中心点的高度值，由于其为筒体图像，高度值由中间位置向两侧逐渐降低，且呈现出一定规律，即高度随距离变化比值R应为固定值，可计算出未发生飞溅时的定值R，将计算出来的R作为预设定值。
对于目标像素点，目标像素点和焊接疑似区域的中心点的高度值的差值作为第一差值；目标像素点和焊接疑似区域的中心点的横坐标的差值的绝对值，作为第二绝对值；第一差值和第二绝对值的比值为高度系数。
该目标像素点a对应的高度系数
Figure 176632DEST_PATH_IMAGE009
的计算公式为：
Figure DEST_PATH_IMAGE059
其中，
Figure 42825DEST_PATH_IMAGE047
为焊接疑似区域的中心点的高度值；
Figure 473938DEST_PATH_IMAGE060
为目标像素点的高度值；
Figure 619748DEST_PATH_IMAGE045
为焊接疑似区域的中心点的横坐标；
Figure DEST_PATH_IMAGE061
为目标像素点的横坐标；
Figure 962743DEST_PATH_IMAGE062
为第一差值；
Figure DEST_PATH_IMAGE063
为第二绝对值。
则根据目标像素点a的坐标信息对初始置信度进行修正处理，也即根据目标像素点和焊接疑似区域的中心点的高度差异和偏移程度对初始置信度进行修正，得到其为目标像素点的真实置信度
Figure 180097DEST_PATH_IMAGE008
。
该真实置信度的计算公式为：
Figure 731296DEST_PATH_IMAGE007
其中，
Figure 907062DEST_PATH_IMAGE008
为真实置信度；
Figure 301134DEST_PATH_IMAGE009
为高度系数；
Figure 108465DEST_PATH_IMAGE010
为预设定值；
Figure 763437DEST_PATH_IMAGE011
为目标像素点与焊接疑似区域的中心点的坐标的偏移程度；
Figure 516630DEST_PATH_IMAGE003
为初始置信度。
步骤S300，根据所述真实置信度，从所述焊接疑似区域内的多个像素点中筛选出焊接像素点，得到焊接区域；根据所述焊接区域的面积得到所述焊接区域的第一质量评价指标；对面积最大的焊接区域的水平边缘线上的像素点数量和焊接区域的焊接宽度进行分析，得到焊接区域的第二焊接质量评价指标；基于所述深度图像，获取焊接区域内像素点的高度值，计算焊接区域的平整光滑度。
将真实置信度小于等于预设置信度阈值的焊接疑似区域内的像素点，作为焊接像素点；将真实置信度大于预设置信度阈值的焊接疑似区域内的像素点，作为热影响像素点。在本发明实施例中预设置信度的取值为0.9，在其他实施例中实施者可根据实际情况调整该取值。
完成对焊接疑似区域内的像素点进行了判断，将区域内像素点分为了两类像素点，一类为焊接像素点，另一类为热影响像素点。
并由焊接像素点得到了焊接区域，也即由焊接像素点做组成的封闭区域作为焊接区域。
进一步的，根据焊接区域的面积得到焊接区域的第一质量评价指标。具体的：
获取各焊接区域的面积，将面积最大的焊接区域作为目标焊接区域；除目标焊接区域外的焊接区域为飞溅区域，飞溅区域则为在进行焊接时，出现飞溅状况而形成的焊接区域，并基于此初步获取焊接区域的第一质量评价指标F。
该焊接区域的第一质量评价指标的计算公式为：
Figure 7785DEST_PATH_IMAGE064
其中，
Figure 98101DEST_PATH_IMAGE014
为第一质量评价指标；
Figure 748525DEST_PATH_IMAGE015
为目标焊接区域的面积；
Figure 780941DEST_PATH_IMAGE016
为第i个飞溅区域的面积；
Figure 149605DEST_PATH_IMAGE017
为焊接区域的数量。
其中，第一质量评价指标F的值越大则说明焊接质量越好。
再对目标焊接区域进行分析，获取面积最大的焊接区域的上下两条水平边缘线上的像素点数量，也即获取目标焊接区域的上下两条水平边缘线上的像素点数量。此处其中一条水平边缘线为例，边缘线上的像素点个数为
Figure DEST_PATH_IMAGE065
，在边缘线上获取边缘像素点竖直方向上的坐标信息记为
Figure 122241DEST_PATH_IMAGE022
，则可对这条焊接边缘线进行评价。根据水平边缘线上的像素点数量和水平边缘线上的像素点的纵坐标对水平边缘线进行评价，得到边缘线评价指标；
边缘线评价指标的计算公式为：
Figure 627171DEST_PATH_IMAGE066
其中，
Figure 581221DEST_PATH_IMAGE020
为第q条水平边缘线的边缘线评价指标；
Figure 545503DEST_PATH_IMAGE021
为第q条水平边缘线上的像素点数量；
Figure 118567DEST_PATH_IMAGE022
为第q条水平边缘线上的第i个像素点的纵坐标；
Figure 602638DEST_PATH_IMAGE023
为第q条水平边缘线上的像素点的平均纵坐标。
边缘线评价指标的值越大，说明该边缘线越平整，焊接质量越好。
在任意一条水平边缘线上选择多个采样点，过采样点做竖直直线交于另一条水平边缘线，得到交点；交点和采样点之间的欧式距离为采样点对应的焊接宽度，而焊接宽度往往要符合生产标准，将生产标准中焊接宽度记为预设标准焊接宽度D，该预设标准焊接宽度由实施者根据实际情况设定。
则可根据边缘线的信息对焊接质量再次进行评估焊接区域的质量，得到焊接区域的第二焊接质量评价指标。
焊接区域的第二焊接质量评价指标的计算公式为：
Figure 743901DEST_PATH_IMAGE025
其中，
Figure 555999DEST_PATH_IMAGE026
为第二焊接质量评价指标；
Figure 57387DEST_PATH_IMAGE027
为第1条水平边缘线的边缘线评价指标；
Figure 910812DEST_PATH_IMAGE028
为第2条水平边缘线的边缘线评价指标；
Figure 82030DEST_PATH_IMAGE029
为第i个采样点对应的焊接宽度；
Figure 771637DEST_PATH_IMAGE030
为预设标准焊接宽度；
Figure 296291DEST_PATH_IMAGE014
为第一质量评价指标；
Figure 630320DEST_PATH_IMAGE031
为参数因子。该参数因子是为了防止分母为0而设置的一个极小的正数，在本发明实施例中参数因子的取值为0.01，在其他实施例中实施者可根据实际情况调整该取值。
对焊接区域内部再进行分析，通过灰度共生矩阵获取焊接区域内的熵值，并记为ENT，灰度共生矩阵，与熵值的获取均为公知技术，在此不再赘述。
再获取焊接区域内像素点高度值，根据像素点邻域内各像素点的高度值的差异，得到像素点的局部平整度，以像素点r点为例，获取其3*3邻域像素，则可计算焊接像素点r处的局部平整度。
局部平整度的计算公式为：
Figure 362653DEST_PATH_IMAGE033
其中，
Figure 275243DEST_PATH_IMAGE034
为局部平整度；
Figure 993801DEST_PATH_IMAGE035
为焊接区域内第r个像素点的高度值；
Figure 306970DEST_PATH_IMAGE036
为第r个像素点的邻域内第i个像素点的高度值；e为自然常数。
局部平整度的值越大，说明焊接区域局部越平整。进一步的，根据焊接区域内各像素点的局部平整度计算焊接区域的平整光滑度，具体的：焊接区域内各像素点对应的局部平整度的均值和焊接区域的熵值的乘积，作为焊接区域的平整光滑度。
该焊接区域内的平整光滑度
Figure DEST_PATH_IMAGE067
的计算公式为：
Figure DEST_PATH_IMAGE069
其中，
Figure 492095DEST_PATH_IMAGE070
为焊接区域的熵值；
Figure DEST_PATH_IMAGE071
为焊接区域内各像素点对应的局部平整度的均值；
Figure 608825DEST_PATH_IMAGE072
为焊接区域内第i个像素点对应的局部平整度；
Figure DEST_PATH_IMAGE073
为焊接区域内像素点的数量。
焊接区域内的平整光滑度越大，则说明焊接质量越好。
步骤S400，所述平整光滑度和所述第二焊接质量评价指标的乘积为消防器材焊接质量指标；根据所述消防器材焊接质量指标对消防器材筒体进行识别判断。
结合平整光滑度和第二焊接质量评价指标，得到消防器材焊接质量指标。
该消防器材焊接质量指标的计算公式为：
Figure DEST_PATH_IMAGE075
其中，
Figure 537597DEST_PATH_IMAGE076
为消防器材焊接质量指标；
Figure 705274DEST_PATH_IMAGE026
为第二焊接质量评价指标；
Figure 28676DEST_PATH_IMAGE067
为焊接区域内的平整光滑度。
消防器材焊接质量指标越大，消防器材的质量越好。
进一步的，根据消防器材焊接质量指标对消防器材筒体进行识别判断，具体的：先对消防器材焊接质量指标进行归一化，将消防器材焊接质量指标更新为归一化后的消防器材焊接质量指标。当消防器材焊接质量指标大于等于预设焊接质量阈值时，对应的消防器材筒体为焊接质量良好，可以进行下一步生产；当消防器材焊接质量指标小于预设焊接质量阈值时，重新焊接对应的消防器材筒体。在本发明实施例中预设焊接质量阈值的取值为0.95，在其他实施例中可以由实施者根据实际情况调整该取值。完成了消防器材的焊接质量识别。
综上所述，本发明涉及数据识别技术领域。该方法是一种应用电子设备进行识别的方法，利用生产领域人工智能系统完成对消防器材的质量识别评价。该方法首先采用相关的电子设备进行图像识别，以获取消防器材筒体的表面图像和深度图像；通过对表面图像和深度图像进行数据识别得到焊接区域的平整光滑度和第二焊接质量评价指标，结合平整光滑度和第二焊接质量评价指标得到消防器材焊接质量指标，根据消防器材焊接质量指标对消防器材筒体进行识别判断。本发明通过对消防器材筒体的焊接区域进行识别，得到筒体焊接部分，并根据焊接部分特征对焊接质量进行评估，实现了降低检测成本和提高检测效率的目的。
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。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种消防器材识别方法，其特征在于，该方法包括以下步骤：
采集焊接后的消防器材筒体的表面图像和深度图像，对所述表面图像进行预处理得到表面灰度图像；
对滤波后的表面灰度图像进行边缘检测，得到边缘轮廓，最大边缘轮廓对应的区域为焊接疑似区域；选取焊接疑似区域内任意像素点作为目标像素点，根据目标像素点对应的邻域内像素点的灰度值差异，计算所述目标像素点的初始置信度；计算所述目标像素点与所述焊接疑似区域的中心点的坐标的偏移程度；根据所述目标像素点和所述焊接疑似区域的中心点的高度差异和所述偏移程度对所述初始置信度进行修正，得到目标像素点的真实置信度；
根据所述真实置信度，从所述焊接疑似区域内的多个像素点中筛选出焊接像素点，得到焊接区域；根据所述焊接区域的面积得到所述焊接区域的第一质量评价指标；对面积最大的焊接区域的水平边缘线上的像素点数量和焊接区域的焊接宽度进行分析，得到焊接区域的第二焊接质量评价指标；基于所述深度图像，获取焊接区域内像素点的高度值，计算焊接区域的平整光滑度；
所述平整光滑度和所述第二焊接质量评价指标的乘积为消防器材焊接质量指标；根据所述消防器材焊接质量指标对消防器材筒体进行识别判断。
2.根据权利要求1所述的一种消防器材识别方法，其特征在于，所述对所述表面图像进行预处理得到表面灰度图像，包括：
对所述表面图像进行加权灰度化处理，得到表面灰度图像。
3.根据权利要求1所述的一种消防器材识别方法，其特征在于，所述根据目标像素点对应的邻域内像素点的灰度值差异，计算所述目标像素点的初始置信度，包括：
计算所述目标像素点与对应的邻域内的其他像素点的灰度值差异；获取最大的所述灰度值差异对应的灰度梯度方向与水平线的夹角，计算所述夹角与竖直方向的偏差程度作为所述目标像素点的初始置信度；
所述初始置信度的计算公式为：
Figure 673021DEST_PATH_IMAGE001
其中，
Figure 875464DEST_PATH_IMAGE002
为所述初始置信度；
Figure 690973DEST_PATH_IMAGE003
为自然常数；
Figure 556030DEST_PATH_IMAGE004
为最大的所述灰度值差异对应的灰度梯度方向与水平线的夹角。
4.根据权利要求1所述的一种消防器材识别方法，其特征在于，所述计算所述目标像素点与所述焊接疑似区域的中心点的坐标的偏移程度，包括：
所述焊接疑似区域的中心点的获取方法为：计算焊接疑似区域内像素点与焊接疑似区域上各区域边界点的欧式距离，将所述欧式距离累加得到像素点对应的欧式距离之和，将欧式距离之和最小的像素点作为焊接疑似区域的中心点；
获取所述焊接疑似区域的中心点和所述目标像素点的纵坐标的差值的绝对值，作为第一绝对值；所述第一绝对值与所述焊接疑似区域的中心点的纵坐标的比值为所述偏移程度。
5.根据权利要求1所述的一种消防器材识别方法，其特征在于，所述根据所述目标像素点和所述焊接疑似区域的中心点的高度差异和所述偏移程度对所述初始置信度进行修正，得到目标像素点的真实置信度，包括：
基于所述深度图像，分别获取所述目标像素点和所述焊接疑似区域的中心点的高度值；
所述目标像素点和所述焊接疑似区域的中心点的高度值的差值作为第一差值；所述目标像素点和所述焊接疑似区域的中心点的横坐标的差值的绝对值，作为第二绝对值；所述第一差值和所述第二绝对值的比值为高度系数；
所述真实置信度的计算公式为：
Figure 990553DEST_PATH_IMAGE005
其中，
Figure 703294DEST_PATH_IMAGE006
为所述真实置信度；
Figure 47294DEST_PATH_IMAGE007
为所述高度系数；
Figure 478276DEST_PATH_IMAGE008
为预设定值；
Figure 450911DEST_PATH_IMAGE009
为所述目标像素点与所述焊接疑似区域的中心点的坐标的偏移程度；
Figure 283738DEST_PATH_IMAGE002
为所述初始置信度。
6.根据权利要求1所述的一种消防器材识别方法，其特征在于，所述根据所述真实置信度，从所述焊接疑似区域内的多个像素点中筛选出焊接像素点，包括：
真实置信度小于等于预设置信度阈值的焊接疑似区域内的像素点，作为焊接像素点。
7.根据权利要求1所述的一种消防器材识别方法，其特征在于，所述根据所述焊接区域的面积得到所述焊接区域的第一质量评价指标，包括：
获取各焊接区域的面积，将面积最大的焊接区域作为目标焊接区域；除所述目标焊接区域外的焊接区域为飞溅区域；
所述焊接区域的第一质量评价指标的计算公式为：
Figure 300104DEST_PATH_IMAGE010
其中，
Figure 218382DEST_PATH_IMAGE011
为所述第一质量评价指标；
Figure 994708DEST_PATH_IMAGE012
为所述目标焊接区域的面积；
Figure 416462DEST_PATH_IMAGE013
为第i个飞溅区域的面积；
Figure 370774DEST_PATH_IMAGE014
为所述焊接区域的数量。
8.根据权利要求1所述的一种消防器材识别方法，其特征在于，所述对面积最大的焊接区域的水平边缘线上的像素点数量和焊接区域的焊接宽度进行分析，得到焊接区域的第二焊接质量评价指标，包括：
获取面积最大的焊接区域的上下两条水平边缘线上的像素点数量；
根据水平边缘线上的像素点数量和水平边缘线上的像素点的纵坐标对水平边缘线进行评价，得到边缘线评价指标；
所述边缘线评价指标的计算公式为：
Figure 510768DEST_PATH_IMAGE015
其中，
Figure 90785DEST_PATH_IMAGE016
为第q条水平边缘线的边缘线评价指标；
Figure 632625DEST_PATH_IMAGE017
为第q条水平边缘线上的像素点数量；
Figure 256373DEST_PATH_IMAGE018
为第q条水平边缘线上的第i个像素点的纵坐标；
Figure 883663DEST_PATH_IMAGE019
为第q条水平边缘线上的像素点的平均纵坐标；
在任意一条水平边缘线上选择采样点，过采样点做竖直直线交于另一条水平边缘线，得到交点；交点和所述采样点之间的欧式距离为采样点对应的焊接宽度；
所述焊接区域的第二焊接质量评价指标的计算公式为：
Figure 1792DEST_PATH_IMAGE020
其中，
Figure 132559DEST_PATH_IMAGE021
为所述第二焊接质量评价指标；
Figure 815957DEST_PATH_IMAGE022
为第1条水平边缘线的边缘线评价指标；
Figure 291063DEST_PATH_IMAGE023
为第2条水平边缘线的边缘线评价指标；
Figure 603096DEST_PATH_IMAGE024
为第i个采样点对应的焊接宽度；
Figure 680380DEST_PATH_IMAGE025
为预设标准焊接宽度；
Figure 973827DEST_PATH_IMAGE011
为第一质量评价指标；
Figure 982234DEST_PATH_IMAGE026
为参数因子。
9.根据权利要求1所述的一种消防器材识别方法，其特征在于，所述基于所述深度图像，获取焊接区域内像素点的高度值，计算焊接区域的平整光滑度，包括：
获取焊接区域内像素点的高度值；根据像素点邻域内各像素点的高度值的差异，得到像素点的局部平整度；
所述局部平整度的计算公式为：
Figure 255214DEST_PATH_IMAGE027
其中，
Figure 626153DEST_PATH_IMAGE028
为所述局部平整度；
Figure 261140DEST_PATH_IMAGE029
为焊接区域内第r个像素点的高度值；
Figure 84740DEST_PATH_IMAGE030
为第r个像素点的邻域内第i个像素点的高度值；e为自然常数；
焊接区域内各像素点对应的局部平整度的均值和焊接区域的熵值的乘积，作为焊接区域的平整光滑度。
10.根据权利要求1所述的一种消防器材识别方法，其特征在于，所述根据所述消防器材焊接质量指标对消防器材筒体进行识别判断，包括：
当所述消防器材焊接质量指标大于等于预设焊接质量阈值时，对应的消防器材筒体为质量良好；当所述消防器材焊接质量指标小于预设焊接质量阈值时，重新焊接对应的消防器材筒体。
CN202211161255.7A 2022-09-23 2022-09-23 一种消防器材识别方法 Pending CN115239728A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211161255.7A CN115239728A (zh) 2022-09-23 2022-09-23 一种消防器材识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211161255.7A CN115239728A (zh) 2022-09-23 2022-09-23 一种消防器材识别方法

Publications (1)

Publication Number Publication Date
CN115239728A true CN115239728A (zh) 2022-10-25

Family

ID=83667520

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211161255.7A Pending CN115239728A (zh) 2022-09-23 2022-09-23 一种消防器材识别方法

Country Status (1)

Country Link
CN (1) CN115239728A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115578390A (zh) * 2022-12-09 2023-01-06 无锡联营电力设备有限公司 一种用于除氧器的焊接控制方法
CN116245879A (zh) * 2023-05-08 2023-06-09 长沙韶光芯材科技有限公司 一种玻璃基板平整度评估方法和系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115578390A (zh) * 2022-12-09 2023-01-06 无锡联营电力设备有限公司 一种用于除氧器的焊接控制方法
CN116245879A (zh) * 2023-05-08 2023-06-09 长沙韶光芯材科技有限公司 一种玻璃基板平整度评估方法和系统

Similar Documents

Publication Publication Date Title
CN110163853B (zh) 一种边缘缺陷的检测方法
CN109141232B (zh) 一种基于机器视觉的盘类铸件在线检测方法
CN115239728A (zh) 一种消防器材识别方法
CN105067638B (zh) 基于机器视觉的轮胎胎膜表面字符缺陷检测方法
CN109870461B (zh) 一种电子元器件质量检测系统
CN107610111B (zh) 一种基于深度学习的焊点图像检测方法
CN115222733B (zh) 基于图像识别的金属构件表面缺陷检测方法
CN116823822B (zh) 基于视觉特征的船艇钣金件焊接缺陷检测方法
CN115601364A (zh) 基于图像分析的金手指电路板检测方法
CN115984284B (zh) 一种用于船舶维护的x射线船体焊缝图像检测方法
CN117095004B (zh) 基于计算机视觉的挖掘机行走架主体焊接变形检测方法
CN111982916A (zh) 一种基于机器视觉的焊缝表面缺陷检测方法及系统
CN112053376B (zh) 一种基于深度信息的工件焊缝识别方法
KR20020077420A (ko) 시험편의 주조 결함을 자동으로 검출하는 검출 방법
CN115797354B (zh) 用于检测激光焊接焊缝外观缺陷的方法
CN110097547B (zh) 一种基于深度学习的焊缝底片造假的自动检测方法
CN116228747A (zh) 一种金属柜加工质量监测方法
CN109658391B (zh) 一种基于轮廓归并和凸包拟合的圆半径测量方法
CN115205290A (zh) 一种pcb板生产过程在线检测方法及系统
CN115018846B (zh) 基于ai智能相机的多目标裂纹缺陷检测方法和装置
CN111539927B (zh) 汽车塑料组合件紧固卡扣缺装检测装置的检测方法
CN113012098A (zh) 一种基于bp神经网络的铁塔角钢冲孔缺陷检测方法
CN115797361B (zh) 一种铝模板表面缺陷检测方法
CN116758084A (zh) 基于图像数据的钣金件焊接缺陷智能检测方法
CN112884746A (zh) 一种基于边缘形状匹配的字符缺陷智能检测算法

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