CN115239729A - 一种基于直方图均衡化的新型建筑木材缺陷检测方法 - Google Patents
一种基于直方图均衡化的新型建筑木材缺陷检测方法 Download PDFInfo
- Publication number
- CN115239729A CN115239729A CN202211161308.5A CN202211161308A CN115239729A CN 115239729 A CN115239729 A CN 115239729A CN 202211161308 A CN202211161308 A CN 202211161308A CN 115239729 A CN115239729 A CN 115239729A
- Authority
- CN
- China
- Prior art keywords
- live
- dead
- image
- gray
- window
- 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
Links
- 239000002023 wood Substances 0.000 title claims abstract description 59
- 230000007547 defect Effects 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims description 26
- 150000001875 compounds Chemical class 0.000 claims description 6
- 238000003064 k means clustering Methods 0.000 claims description 6
- 230000000873 masking effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 3
- 239000000463 material Substances 0.000 abstract description 4
- 230000003321 amplification Effects 0.000 description 6
- 238000003199 nucleic acid amplification method Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 239000002916 wood waste 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06T2207/30161—Wood; Lumber
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及智能缺陷检测领域,具体涉及一种基于直方图均衡化的新型建筑木材缺陷检测方法,获取木材表面灰度图像的高灰度值区域和低灰度值区域,对低灰度值区域像素点进行均值漂移聚类,对每类像素点尺寸扩增的窗口计算出每类像素点在每种尺寸窗口下的密度,根据密度最大值确定活死节区域图像,进行直方图均衡化,得到对比度增强的活死节区域图像,通过掩膜操作得到每个活死节区域灰度图像,建立尺寸扩增的窗口计算出每个活死节区域灰度图像在不同尺寸窗口下的密度,根据密度得到每个活死节区域灰度图像在每种尺寸窗口下的变化程度,计算出变化程度的信息熵作为该活死节区域的剥离度,根据剥离度判断活死节,方法可靠又节省材料。
Description
技术领域
本申请涉及智能缺陷检测领域,具体涉及一种基于直方图均衡化的新型建筑木材缺陷检测方法。
背景技术
新型建筑防火木材是建筑材料之一,具有良好的防火效果,所以在新型建筑防火木材进行生产时保证所使用木材符合生产要求,保证生产质量。
木材的活死节缺陷是一种常见缺陷,其中死节表示当前组织与木材脱离,活节表示当前组织与木材尚未脱离,所以再生产新型建筑防火木材时,如果具有死节或者是部分组织脱离的活节子,则都会导致新型建筑防火木材的防火涂层剥离,影响防火性能。
常规木材缺陷检测方法有活死节检测,在检测出活死节后,都标记为缺陷,这样会导致木材的浪费,因此,本方案提出以了一种智能缺陷检测方法用于识别木材的活死节缺陷,根据活死节区域与木材组织的连接程度,作为缺陷检测依据,在保证质量的同时节省生产材料。
发明内容
本发明提供一种基于直方图均衡化的新型建筑木材缺陷检测方法,解决活死节检测时浪费材料的问题,采用如下技术方案:
获取木材表面灰度图像;
通过k-means聚类得到木材表面灰度图像中的高灰度值区域和低灰度值区域;
对低灰度值区域像素点进行均值漂移聚类;
以每类像素点中心像素点坐标为中心建立尺寸扩增的窗口计算出每类像素点在每种尺寸窗口下的密度;
获取每类像素点在不同尺寸窗口下的密度的最大值,根据密度最大值确定活死节区域图像;
对活死节区域图进行直方图均衡化,得到对比度增强的活死节区域图像;
获取对比度增强的活死节区域图像中的凸包连通域,将凸包连通域与木材表面的灰度图像进行掩膜操作得到活死节区域灰度图像;
采用k-means聚类将活死节区域灰度图像中的高灰度值和低灰度值区域分开;
以活死节区域灰度图像的凸包连通域中点为中心,建立尺寸扩增的窗口计算出活死节区域灰度图像在不同尺寸窗口下的密度;
根据活死节区域灰度图像在不同尺寸窗口下的密度和该活死节区域灰度图像所在活死节区域图像的密度得到该活死节区域灰度图像在每种尺寸窗口下的变化程度;
根据活死节区域灰度图像在每种尺寸窗口下的变化程度的频率得到每个活死节区域灰度图像的变化程度的信息熵;
将活死节区域灰度图像的变化程度的信息熵作为该活死节区域灰度图像的剥离度,根据活死节区域灰度图像的剥离度对木材表面灰度图像中的活死节区域是否属于活死节进行判断。
所述每类像素点在每种尺寸窗口下的密度的获取方法为:
获取每类像素点的中心像素点的坐标值;
将该窗口内低灰度值像素点的个数和该窗口内所有像素点的比值作为该窗口内该类像素点的密度。
所述每个活死节区域图像的获取方法为:
扩增窗口尺寸大小直至阈值;
每次扩增窗口尺寸后,计算每类像素点在当前尺寸窗口下的密度;
选取出每类像素点所有尺寸大小的窗口下的密度的最大值;
若密度最大值大于阈值则该最大密度值对应的窗口区域为活死节区域图像。
所述每个活死节区域灰度图像在每种尺寸窗口下的变化程度的计算方法为:
所述每个活死节区域灰度图像在每种尺寸窗口下的变化程度的频率的计算方法为:
计算出每个活死节区域灰度图像在每种尺寸窗口下的变化程度,得到该活死节区域灰度图像在所有尺寸窗口下的所有变化程度;
将每个活死节区域灰度图像在每种尺寸窗口下得到的变化程度在所有变化程度中出现的频率作为该活死节区域灰度图像在每种尺寸窗口下的变化程度的频率。
所述每个活死节区域灰度图像的变化程度的信息熵的计算方法为:
所述对木材表面灰度图像中的活死节进行判断的方法为:
本发明的有益效果是:
利用智能缺陷检测技术实现新型建筑木材的活死节缺陷检测缺陷检测,通过获取木材表面的高灰度值区域和低灰度值区域,对低灰度值区域像素点聚类,对每类像素点建立窗口进行尺寸扩增计算出每类像素点在每种尺寸窗口下的密度,根据密度最大值确定每个活死节区域图像,然后对每个每个活死节区域图进行直方图均衡化,得到增强对比度,使用凸包算法获取其凸包连通域,将凸包连通域与原图进行掩膜操作得到每个活死节区域灰度图像,将每个活死节区域灰度图像中的高灰度值和低灰度值区域分开,以每个活死节区域灰度图像的凸包连通域中点为中心,建立尺寸扩增的窗口计算出每个活死节区域灰度图像在不同尺寸窗口下的密度,根据前后扩增密度变化计算出变化程度,根据变化程度的频率得到变化程度的信息熵,将每个变化程度的信息熵作为该活死节区域灰度图像的剥离度,根据剥离度对木材表面灰度图像中的活死节进行判断,在保证质量的同时节省了生产材料。
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,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地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的一种基于直方图均衡化的新型建筑木材缺陷检测方法的流程示意图。
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、完整地描述,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。
本发明的一种基于直方图均衡化的新型建筑木材缺陷检测方法的实施例,如图1所示,包括:
步骤一:获取木材表面灰度图像;通过k-means聚类得到木材表面灰度图像中的高灰度值区域和低灰度值区域;
该步骤的目的是采集木材表面图像,得到图像中较暗区域。
其中,采集木材表面图像时使用相机正视木材采集到的表面图像,并将该表面图像转化为灰度图像。
其中,获取图像中的高灰度值和低灰度值区域的方法为:
获取木材表面灰度图中的所有像素点的灰度值,对所有像素点的灰度值采用k-means,k=2聚类算法,进行二分类,将高灰度值和低灰度值区域分开。
需要说明的是,由于木材表面的活死节为图像中的较暗区域,所以k-means二分类后的低灰度值区域是可能存在缺陷的区域,也可能是存在相对较暗的木材纹理。
步骤二:对低灰度值区域像素点进行均值漂移聚类;以每类像素点中心像素点坐标为中心建立尺寸扩增的窗口计算出每类像素点在每种尺寸窗口下的密度;
该步骤的目的是,对步骤一获取的低灰度值区域(较暗区域)的像素点进行分类,并在每类中建立扩增窗口计算该类像素点的密度。
其中,对低灰度值区域的像素点进行分类的方法为:
获取低灰度值区域所对应像素点的坐标,对低灰度值区域所对应像素点的坐标利用均值漂移算法,将低灰度值区域按照坐标信息进行分类,将低灰度值密集的像素聚为一类,其中共得到i个类别。
其中,每类像素点在每种尺寸窗口下的密度的获取方法为:
(1)获取第i个类别像素点的聚类中心像素点的坐标值(聚类后可直接得到);
其中,窗口扩增的方法为:
步骤三:获取每类像素点在不同尺寸窗口下的密度的最大值,根据密度最大值确定活死节区域图像;
该步骤的目的是通过每类像素点在不同尺寸窗口扩增是计算得到的密度值确定出木材活死节区域图像。
其中,据密度最大值确定每个活死节区域图像的方法为:
需要说明的是,其中如果是活死节则密度会比较稳定,然后突变后会持续下降,如果是噪声则会一直处于下降部分。
步骤四:对活死节区域图进行直方图均衡化,得到对比度增强的活死节区域图像;获取对比度增强的活死节区域图像中的凸包连通域,将凸包连通域与木材表面的灰度图像进行掩膜操作得到活死节区域灰度图像;
该步骤的目的是,对每个活死节区域图进行对比增强,凸包连通域分析,得到每个活死节区域对应的灰度图像。
其中,每个活死节区域灰度图像的获取方法为:
根据步骤三找到的第j个活死节区域:
(1)对第j个活死节区域采用直方图均衡化方法,提高该区域内的对比度,如果此区域内的木材组织仍然与木材相连,则其内部纹理仍会存在一定环形规律性,如果此区域内的木材组织与木材不相连,则其内部纹理为无规律。
(2)对第j个活死节区域采用凸包算法,获取其对应的凸包连通域;
(3)将凸包连通域作为掩模与原图相乘,得到第j个活死节区域对应的灰度图部分,即第j个活死节区域灰度图像。
按照上述方法,可得到所有活死节区域灰度图像。
步骤五:采用k-means聚类将活死节区域灰度图像中的高灰度值和低灰度值区域分开;
以活死节区域灰度图像的凸包连通域中点为中心,建立尺寸扩增的窗口计算出活死节区域灰度图像在不同尺寸窗口下的密度;
该步骤的目的是,对每个活死节的灰度图像进行窗口扩增计算出密度。
其中,对每个活死节的灰度图像进行窗口扩增的方法为:
(1)对第j个活死节区域对应的灰度图内像素点灰度值,采用k-means,k=2聚类算法,进行二分类,将高灰度值和低灰度值区域分开;
如果第j个活死节区域为活节区域,则其内部会有圆环状的纹理,如果第j个活死节区域为死节区域,则其内部会有的灰度分布无规律。
步骤六:根据活死节区域灰度图像在不同尺寸窗口下的密度和该活死节区域灰度图像所在活死节区域图像的密度得到该活死节区域灰度图像在每种尺寸窗口下的变化程度;
该步骤的目的是将步骤二中的每类像素点在扩增时的密度与该类像素点对应的活死节区域图像在扩增窗口时的密度进行对比计算出变化程度。
其中,每个活死节区域灰度图像在每种尺寸窗口下的变化程度的计算方法为:
式中,为活死节区域灰度图像在尺寸为的窗口下的变化程度,为该活死节区域灰度图像在尺寸为的窗口下的密度,为该活死节区域灰度图像所在活死节区域图像在尺寸为的窗口下的密度,其中,活死节区域灰度图像所在活死节区域图像为该活死节区域灰度图像在步骤三中对应的活死节区域图像。
步骤七:根据活死节区域灰度图像在每种尺寸窗口下的变化程度的频率得到每个活死节区域灰度图像的变化程度的信息熵;
该步骤的目的是计算出每个活死节区域灰度图像的变化程度的混乱程度。
其中,每个活死节区域灰度图像在每种尺寸窗口下的变化程度的频率的计算方法为:
(1)计算出每个活死节区域灰度图像在每种尺寸窗口下的变化程度,得到该活死节区域灰度图像在所有尺寸窗口下的所有变化程度;
(2)将每个活死节区域灰度图像在每种尺寸窗口下得到的变化程度在所有变化程度中出现的频率作为该活死节区域灰度图像在每种尺寸窗口下的变化程度的频率。
其中,每个活死节区域灰度图像的变化程度的信息熵的计算方法为:
步骤八:将活死节区域灰度图像的变化程度的信息熵作为该活死节区域灰度图像的剥离度,根据活死节区域灰度图像的剥离度对木材表面灰度图像中的活死节区域是否属于活死节进行判断。
该步骤的目的是利用步骤七计算出的活死节区域灰度图像的变化程度的信息熵判断木材表面的活死节缺陷。
其中,对木材表面灰度图像中的活死节区域是否属于活死节进行判断的方法为:
设定阈值r,其中r为一个超参数,可由实施者根据具体实施场景进行调整,当时,则认为当前第j个活死节区域内的组织已经与木材脱离,则认为第j个活死节区域为缺陷。当时,则认为当前第j个活死节区域内的组织与木材尚未完全脱离,则认为第j个活死节区域不是缺陷,其中本方案中设r=8。
以上所述仅为本发明的较佳实施例而已,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 (7)
1.一种基于直方图均衡化的新型建筑木材缺陷检测方法,其特征在于,包括:
获取木材表面灰度图像;
通过k-means聚类得到木材表面灰度图像中的高灰度值区域和低灰度值区域;
对低灰度值区域像素点进行均值漂移聚类;
以每类像素点中心像素点坐标为中心建立尺寸扩增的窗口计算出每类像素点在每种尺寸窗口下的密度;
获取每类像素点在不同尺寸窗口下的密度的最大值,根据密度最大值确定活死节区域图像;
对活死节区域图进行直方图均衡化,得到对比度增强的活死节区域图像;
获取对比度增强的活死节区域图像中的凸包连通域,将凸包连通域与木材表面的灰度图像进行掩膜操作得到活死节区域灰度图像;
采用k-means聚类将活死节区域灰度图像中的高灰度值和低灰度值区域分开;
以活死节区域灰度图像的凸包连通域中点为中心,建立尺寸扩增的窗口计算出活死节区域灰度图像在不同尺寸窗口下的密度;
根据活死节区域灰度图像在不同尺寸窗口下的密度和该活死节区域灰度图像所在活死节区域图像的密度得到该活死节区域灰度图像在每种尺寸窗口下的变化程度;
根据活死节区域灰度图像在每种尺寸窗口下的变化程度的频率得到每个活死节区域灰度图像的变化程度的信息熵;
将活死节区域灰度图像的变化程度的信息熵作为该活死节区域灰度图像的剥离度,根据活死节区域灰度图像的剥离度对木材表面灰度图像中的活死节区域是否属于活死节进行判断。
3.根据权利要求1所述的一种基于直方图均衡化的新型建筑木材缺陷检测方法,其特征在于,所述每个活死节区域图像的获取方法为:
扩增窗口尺寸大小直至阈值;
每次扩增窗口尺寸后,计算每类像素点在当前尺寸窗口下的密度;
选取出每类像素点所有尺寸大小的窗口下的密度的最大值;
若密度最大值大于阈值则该最大密度值对应的窗口区域为活死节区域图像。
5.根据权利要求4所述的一种基于直方图均衡化的新型建筑木材缺陷检测方法,其特征在于,所述每个活死节区域灰度图像在每种尺寸窗口下的变化程度的频率的计算方法为:
计算出每个活死节区域灰度图像在每种尺寸窗口下的变化程度,得到该活死节区域灰度图像在所有尺寸窗口下的所有变化程度;
将每个活死节区域灰度图像在每种尺寸窗口下得到的变化程度在所有变化程度中出现的频率作为该活死节区域灰度图像在每种尺寸窗口下的变化程度的频率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211161308.5A CN115239729A (zh) | 2022-09-23 | 2022-09-23 | 一种基于直方图均衡化的新型建筑木材缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211161308.5A CN115239729A (zh) | 2022-09-23 | 2022-09-23 | 一种基于直方图均衡化的新型建筑木材缺陷检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115239729A true CN115239729A (zh) | 2022-10-25 |
Family
ID=83667099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211161308.5A Pending CN115239729A (zh) | 2022-09-23 | 2022-09-23 | 一种基于直方图均衡化的新型建筑木材缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115239729A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115439663A (zh) * | 2022-11-07 | 2022-12-06 | 山东经发孔府宴酒业有限公司 | 基于图像数据的荷香大曲质量识别方法 |
CN116237205A (zh) * | 2023-01-30 | 2023-06-09 | 南通市金月亮新材料科技发展有限公司 | 一种门窗喷涂调节方法及系统 |
CN116523913A (zh) * | 2023-07-03 | 2023-08-01 | 惠州市金思维科技有限公司 | 一种丝杆质量智能检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020183919A (ja) * | 2019-05-09 | 2020-11-12 | 積水ハウス株式会社 | 木造建築物の内部劣化診断方法と木造建築物 |
CN114882275A (zh) * | 2022-04-24 | 2022-08-09 | 江苏南通二建集团讯腾云创智能科技有限公司 | 一种利用电子设备数据处理的建筑板材分类方法 |
CN114897898A (zh) * | 2022-07-13 | 2022-08-12 | 江苏绿泉装饰工程有限公司 | 一种基于图像处理的木板质量分类方法 |
-
2022
- 2022-09-23 CN CN202211161308.5A patent/CN115239729A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020183919A (ja) * | 2019-05-09 | 2020-11-12 | 積水ハウス株式会社 | 木造建築物の内部劣化診断方法と木造建築物 |
CN114882275A (zh) * | 2022-04-24 | 2022-08-09 | 江苏南通二建集团讯腾云创智能科技有限公司 | 一种利用电子设备数据处理的建筑板材分类方法 |
CN114897898A (zh) * | 2022-07-13 | 2022-08-12 | 江苏绿泉装饰工程有限公司 | 一种基于图像处理的木板质量分类方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115439663A (zh) * | 2022-11-07 | 2022-12-06 | 山东经发孔府宴酒业有限公司 | 基于图像数据的荷香大曲质量识别方法 |
CN116237205A (zh) * | 2023-01-30 | 2023-06-09 | 南通市金月亮新材料科技发展有限公司 | 一种门窗喷涂调节方法及系统 |
CN116237205B (zh) * | 2023-01-30 | 2023-11-24 | 南通市金月亮新材料科技发展有限公司 | 一种门窗喷涂调节方法及系统 |
CN116523913A (zh) * | 2023-07-03 | 2023-08-01 | 惠州市金思维科技有限公司 | 一种丝杆质量智能检测方法 |
CN116523913B (zh) * | 2023-07-03 | 2023-11-03 | 惠州市金思维科技有限公司 | 一种丝杆质量智能检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115239729A (zh) | 一种基于直方图均衡化的新型建筑木材缺陷检测方法 | |
CN113658132B (zh) | 基于计算机视觉的结构件焊缝检测方法 | |
CN108181316B (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
CN109191459A (zh) | 连铸坯低倍组织中心偏析缺陷的自动识别与评级方法 | |
CN106778582B (zh) | 基于rgb重构的森林图像切割后的火焰/烟雾识别方法 | |
CN109377485A (zh) | 一种方便面包装缺陷机器视觉检测方法 | |
JP2004348674A (ja) | 領域検出方法及びその装置 | |
CN114897898B (zh) | 一种基于图像处理的木板质量分类方法 | |
CN108563979B (zh) | 一种基于航拍农田图像判别水稻稻瘟病病情的方法 | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别系统与方法 | |
JP2007257087A (ja) | 肌色領域検出装置及び肌色領域検出方法 | |
CN106960182A (zh) | 一种基于多特征集成的行人再识别方法 | |
CN109886146B (zh) | 基于机器视觉检测的洪灾信息遥感智能采集方法及设备 | |
CN111242878A (zh) | 基于布谷鸟搜索的矿井下图像增强方法 | |
CN108335294A (zh) | 复杂条件下的配电房异常状态图像识别方法 | |
Karthikeyan et al. | Analysis of image segmentation for radiographic images | |
CN113221763A (zh) | 一种基于视频图像亮度的火焰识别方法 | |
CN101477025B (zh) | 基于图像处理的藏展材料的快速评估方法 | |
CN111461076A (zh) | 帧差法与神经网络结合的烟雾检测方法和检测系统 | |
CN111709964A (zh) | 一种pcba目标边缘检测方法 | |
CN109446938B (zh) | 一种基于多序列双投影的黑烟车检测方法 | |
CN114092456A (zh) | 细胞荧光图像判别方法及系统 | |
CN108765316A (zh) | 雾气浓度自适应判断方法 | |
Jassim | Hybrid image segmentation using discerner cluster in FCM and histogram thresholding | |
CN110349119B (zh) | 基于边缘检测神经网络的路面病害检测方法和装置 |
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 |