CN115272305A - 一种纽扣孔洞缺陷检测方法 - Google Patents
一种纽扣孔洞缺陷检测方法 Download PDFInfo
- Publication number
- CN115272305A CN115272305A CN202211169489.6A CN202211169489A CN115272305A CN 115272305 A CN115272305 A CN 115272305A CN 202211169489 A CN202211169489 A CN 202211169489A CN 115272305 A CN115272305 A CN 115272305A
- Authority
- CN
- China
- Prior art keywords
- edge
- hole
- button
- edge line
- obtaining
- 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
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
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06T2207/10024—Color 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及材料缺陷检测技术领域,具体涉及一种纽扣孔洞缺陷检测方法。该方法通过多种特征对纽扣图像中的边缘线进行类别判断,结合多种判别结果确定出花纹边缘和孔洞边缘。将花纹边缘去除,利用霍夫梯度圆检测和像素点拟合方法筛选出每条孔洞边缘对应的最佳的参考圆。通过参考圆的数量、尺寸和位置信息即可识别出纽扣是否出现孔洞缺陷。本发明通过纽扣在图像中的光学性质特征,对纽扣表面孔洞区域的准确拟合,实现了针对孔洞缺陷的高效缺陷检测。
Description
技术领域
本发明涉及材料缺陷检测技术领域,具体涉及一种纽扣孔洞缺陷检测方法。
背景技术
纽扣作为传统且常用的服装类产品,其样式多种多样。传统的纽扣会利用打孔工艺在纽扣表面打上多个孔洞以供纽扣在服装上进行安装。孔洞的位置、数量和大小都决定了该纽扣是否能够正常使用,因此对于纽扣产品而言需要对其表面的孔洞进行针对性的缺陷识别。
在现有技术中,可利用纽扣表面的图像特征对神经网络进行训练,利用神经网络识别出纽扣的缺陷。但是因为纽扣表面的花纹多种多样,花纹特征容易对孔洞特征产生影响,并且对于神经网络而言需要大量的图像数据用于训练,成本较大,若训练数据较少则会导致神经网络的准确率得不到保障,影响了纽扣的缺陷检测效率。
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纽扣孔洞缺陷检测方法,所采用的技术方案具体如下:
本发明提出一种纽扣孔洞缺陷检测方法,所述方法包括:
获取纽扣图像,获得所述纽扣图像中的边缘信息,获得表面边缘图像,所述表面边缘图像包含多条边缘线;
根据所述纽扣图像中所述边缘线上所有边缘点的邻域范围内的纹理特征判断所述边缘线的边缘线类别,获得第一判别结果;根据所述边缘线的粗细变化获得第二判别结果;根据每条所述边缘线的形状特征获得第三判别结果;根据所述第一判别结果、所述第二判别结果和所述第三判别结果获得分类结果,根据所述分类结果获得每条边缘线的所述边缘线类别;所述边缘线类别包括花纹边缘和孔洞边缘;
将所述花纹边缘去除,获得仅包含所述孔洞边缘的孔洞边缘图像;对所述孔洞边缘图像进行霍夫梯度圆检测,获得每个所述孔洞边缘对应的多个具有投票值的圆心;根据孔洞边缘点的坐标信息获得每个所述圆心的拟合半径,获得拟合圆;获得每个所述拟合圆上所述孔洞边缘点的数量;根据所述数量和所述投票值获得对应所述圆心的参考度,以最大参考度对应的所述圆心作为所述孔洞边缘的参考圆心,所述参考圆心对应的所述拟合圆为参考圆;
根据所述参考圆的数量、尺寸和位置判断纽扣是否出现孔洞缺陷。
进一步地,所述获取纽扣图像包括:
采集初始纽扣图像,将所述初始纽扣图像进行图像预处理操作并去除背景信息,获得仅包含纽扣信息的所述纽扣图像。
进一步地,所述根据所述纽扣图像中所述边缘线上所有边缘点的邻域范围内的纹理特征判断所述边缘线的边缘线类别,获得第一判别结果包括:
获得所述边缘线上所有所述边缘点的所述邻域范围内的灰度共生矩阵,根据所述灰度共生矩阵获得对比度,以所述边缘线上所述边缘点的平均对比度作为所述边缘线的整体对比度;
若所述整体对比度大于预设对比度阈值,则所述边缘线的所述第一判别结果为所述花纹边缘;反之则是所述孔洞边缘。
进一步地,所述根据所述边缘线的粗细变化获得第二判别结果包括:
将所述纽扣图像利用阈值分割方法进行处理,获得纽扣本体像素点和纽扣花纹像素点;获得每条所述边缘线上的边缘点与最近的所述纽扣本体像素点的距离,每条所述边缘线构成一个距离序列;以每个所述距离序列的方差作为对应所述边缘线的粗细变化程度,若所述粗细变化程度大于预设变化程度阈值,则所述边缘线的所述第二判别结果为所述花纹边缘,否则为所述孔洞边缘。
进一步地,所述根据每条所述边缘线的形状特征获得第三判别结果包括:
连接所述边缘线任意两个边缘点,获得参考线段,若垂直与所述参考线段的直线与所述边缘线都有两个交点,则所述边缘线的所述第三判别结果为孔洞边缘,否则为花纹边缘。
进一步地,所述根据所述第一判别结果、所述第二判别结果和所述第三判别结果获得分类结果,根据所述分类结果获得每条边缘线的所述边缘线类别包括:
若所述边缘线类别为花纹边缘,则判别结果为-1,若所述边缘线类别为孔洞边缘,则判别结果为1;将所述第一判别结果、所述第二判别结果和所述第三判别结果加权求和获得所述分类结果;所述第一判别结果权重为1,所述第二判别结果的权重为2所述第三判别结果的权重为3;
若所述分类结果为负数,则判断对应的所述边缘线为所述花纹边缘;否则为所述孔洞边缘。
进一步地,所述对所述孔洞边缘图像进行霍夫梯度圆检测,获得每个所述孔洞边缘对应的多个具有投票值的圆心包括:
利用Sobel算子获得每个所述孔洞边缘点的梯度方向,基于所述梯度方向进行霍夫梯度圆检测,获得多个具有投票值的初始圆心;保留所述投票值大于投票值阈值的所述初始圆心作为所述圆心。
进一步地,所述根据孔洞边缘点的坐标信息获得每个所述圆心的拟合半径,获得拟合圆包括:
根据所述孔洞边缘点的所述坐标信息利用最小二乘法获得每个所述圆心的所述拟合半径。
本发明具有如下有益效果:
本发明实施例通过纽扣在图像中的光学性质特征,根据图像中边缘线的纹理特征、粗细变化特征和形状特征共同分析边缘线的类别,实现了精准的边缘分类,并将花纹边缘去除,仅保留孔洞边缘供后续分析。通过对孔洞边缘进行梯度霍夫圆检测,并对每个孔洞边缘对应的拟合圆进行筛选,确定孔洞边缘对应的参考圆。参考圆为纽扣表面孔洞的准确信息,通过消除花纹边缘的影响即可根据参考圆获得每个孔洞的精准信息,用于准确判断纽扣表面的孔洞缺陷。
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纽扣孔洞缺陷检测方法流程图;
图2为本发明一个实施例所提供的一种附带花纹的纽扣表面图像示意图。
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纽扣孔洞缺陷检测方法,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。
下面结合附图具体的说明本发明所提供的一种纽扣孔洞缺陷检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种纽扣孔洞缺陷检测方法流程图,该方法包括:
步骤S1:获取纽扣图像,获得纽扣图像中的边缘信息,获得表面边缘图像,表面边缘图像包含多条边缘线。
在本发明实施例中,纽扣生产完毕后,通过流水线将纽扣传送至检测区域,通过检测区域上方设置的图像采集设备采集检测区域的图像。图像采集设备主要包括工业相机和光源两大部分组成。在本发明实施例中,光源选用LED阵列组成的环形光源,使用环形光源能够反映出物体的三维信息,突出细节特征。需要说明的是,为了使工业相机能够采集清楚完整的纽扣信息,需要对图像采集设备的安装高度进行设置,在本发明实施例中以一个纽扣的缺陷检测进行表述说明,因此将高度设置为80mm,在其他实施例中如果需要同时对多个纽扣进行检测,可增高图像采集设备的高度,使得工业相机能够采集到所有纽扣的图像信息。请参阅图2,其示出了本发明一个实施例所提供的一种附带花纹的纽扣表面图像示意图。
需要说明的是,相机采集到的初始纽扣图像可能会因为设备参数和环境影响产生噪声,因此为了改善采集图像的质量,提高后续检测结果的准确性,需要对初始纽扣图像进行图像预处理操作。常见的图像预处理操作为本领域技术人员熟知的技术手段,包括去噪、图像增强等多种手段,在此不做限定。因为本发明针对的是纽扣的孔洞缺陷,因此需要针对纽扣本身的表面信息进行主要分析,纽扣表面信息之外的背景信息则需要去除,以免影响后续检测,获得仅包含纽扣信息的纽扣图像。需要说明的是,去除背景信息的方法包含多种,例如阈值分割、语义分割神经网络等技术均可将背景信息提取出来并剔除,在本发明实施例中,获取图像预处理过后的初始纽扣图像的灰度直方图,选取波谷的像素值作为阈值进行分割,去除背景信息。
因为孔洞缺陷主要体现在纽扣表面的孔洞分布上,需要准确识别出表面的孔洞区域,因此获得纽扣图像中的边缘信息,获得表面边缘图像。表面边缘图像中包含多条边缘线,且表面边缘图像为一个二值图,即边缘信息像素点的像素值为1,其他像素点的像素值为0,且在纽扣图像中存在与表面边缘图像中边缘线对应位置的边缘线。
在本发明实施例中,利用canny算子进行边缘检测,获得表面边缘图像。
步骤S2:根据纽扣图像中边缘线上所有边缘点的邻域范围内的纹理特征判断边缘线的边缘线类别,获得第一判别结果;根据边缘线的粗细变化获得第二判别结果;根据每条边缘线的形状特征获得第三判别结果;根据第一判别结果、第二判别结果和第三判别结果获得分类结果,根据分类结果获得每条边缘线的边缘线类别;边缘线类别包括花纹边缘和孔洞边缘。
在表面边缘图像中的边缘线存在花纹边缘和孔洞边缘两种边缘线类别,因此需要先对边缘线进行边缘线类别判别,进而利用孔洞边缘对孔洞缺陷进行检测。
纽扣表面花纹的纹理特征相较孔洞边缘的纹理特征较为复杂,因此在纽扣图像中可根据边缘线上所有边缘点邻域范围内的纹理特征判断所属边缘线的边缘线类别,获得第一判别结果,即纹理特征越复杂,则第一判别结果越为花纹边缘,具体获得第一判别结果的方法包括:
获得边缘线上所有边缘点的邻域范围内的灰度共生矩阵,由图2可知,纽扣花纹与纽扣底色存在明显对比度特征,纽扣花纹处的对比度比孔洞边缘处的对比度较大,因此以对比度作为纹理特征,根据灰度共生矩阵获得对比度,以边缘线上边缘点的平均对比度作为边缘线的整体对比度。需要说明的是,根据灰度共生矩阵获得对比度的方法为本领域技术人员熟知的现有技术,具体公式包括:,其中为对比度,为灰度共生矩阵中位置处的值。
整体对比度越大,说明对应边缘线越为花纹边缘,若整体对比度大于预设对比度阈值,则边缘线的第一判别结果为花纹边缘。反之则是孔洞边缘。在本发明实施例中,对比度阈值设置为20。
进一步考虑到花纹边缘的粗细大小相对于孔洞边缘是较为剧烈的,因为花纹较为复杂,所以花纹边缘也呈现不规则的粗细变化;而孔洞边缘是纽扣表面孔洞形成的边缘,边缘粗细基本不变。因此可根据边缘线的粗细变化获得第二判别结果,粗细变化越剧烈,第二判别结果越为花纹边缘,具体获得第二判别结果的方法包括:
将纽扣图像利用阈值分割方法进行处理,获得纽扣本体像素点和纽扣花纹像素点。获得每条边缘线上的边缘点与最近的纽扣本体像素点的距离,每条边缘线构成一个距离序列。以每个距离序列的方差作为对应边缘线的粗细变化程度,若粗细变化程度大于预设变化程度阈值,则边缘线的第二判别结果为花纹边缘,否则为孔洞边缘。在本发明实施例中,变化程度阈值设置为10。
因为孔洞边缘为规则的圆形边缘,而花纹边缘往往呈不规则状态,且不同纽扣表面的花纹形状均会不同,但是孔洞边缘均为圆形,因此根据每条边缘线的形状特征获得第三判别结果,形状特征越接近圆形,则第三判别结果越为孔洞边缘,具体获得第三判别结果的方法包括:
连接边缘线任意两个边缘点,获得参考线段,若垂直与参考线段的直线与边缘线都有两个交点,则边缘线的第三判别结果为孔洞边缘,否则为花纹边缘。
三种判别结果均为独立的判别结果,单个判别结果均不能保证百分百准确,因此结合三种判别结果,根据第一判别结果、第二判别结果和第三判别结果获得分类结果,根据分类结果获得每条边缘线的边缘线类别,具体方法包括:
若边缘线类别为花纹边缘,则判别结果为-1,若边缘线类别为孔洞边缘,则判别结果为1。将第一判别结果、第二判别结果和第三判别结果加权求和获得分类结果。第一判别结果权重为1,第二判别结果的权重为2第三判别结果的权重为3,用表达式表示为:,其中,为第一判别结果,为第一判别结果对应的权重,为第二判别结果,为第二判别结果对应的权重,为第三判别结果,为第三判别结果对应的权重。
若分类结果为负数,则判断对应的边缘线为花纹边缘,否则为孔洞边缘。
步骤S3:将花纹边缘去除,获得仅包含孔洞边缘的孔洞边缘图像;对孔洞边缘图像进行霍夫梯度圆检测,获得每个孔洞边缘对应的多个具有投票值的圆心;根据孔洞边缘点的坐标信息获得每个圆心的拟合半径,获得拟合圆;获得每个拟合圆上孔洞边缘点的数量;根据数量和投票值获得对应圆心的参考度,以最大参考度对应的圆心作为孔洞边缘的参考圆心,参考圆心对应的拟合圆为参考圆。
因为本发明实施例针对的是孔洞缺陷,因此将花纹边缘去除,获得仅包含孔洞边缘的孔洞边缘图像。考虑到孔洞缺陷包含孔洞数量缺陷、孔洞大小缺陷等,因此需要识别出孔洞边缘形成的圆形,根据圆形的参数判断是否存在孔洞缺陷。
对孔洞边缘图像进行霍夫梯度圆检测,获得每个孔洞边缘对应的多个具有投票值的圆心,具体包括:
(2)圆上所有像素点的梯度方向都指向圆心,因此可基于梯度方向进行霍夫梯度圆检测,遍历所有孔洞边缘点,沿着每个孔洞边缘点的梯度方向画线,每一条线经过一点时,该点的投票值加1,获得多个具有投票值的初始圆心,保留投票值大于投票值阈值的初始圆心作为圆心。在本发明实施例中,投票值阈值设置为50。
每个孔洞边缘的边缘线均对应多个圆心,根据孔洞边缘点的坐标信息和圆心的坐标信息,利用最小二乘法可获得每个圆心对应的拟合半径。需要说明的是,根据最小二乘法获得拟合半径的方法是本领域技术人员熟知的技术手段,在此仅简述其过程:
计算每个孔洞边缘点与对应圆心的距离,如果一堆边缘点拟合为一个圆,则这些点到该圆的距离平方和最小时说明该圆是最接近这些点的圆,这些点到圆A的距离平方和为:
令其为0得:
求解r即可获得由最小二乘法计算得到的最合适的拟合半径。
每个圆心根据对应的拟合半径可获得一个拟合圆,获得每个拟合圆上孔洞边缘点的数量,根据数量和投票值获得对应所述圆心的参考度,具体包括:
将数量和投票值加权求和获得参考度,其中数量的权重设置为0.6,投票值的权重设置为0.4。
每个孔洞边缘的边缘线对应的圆心都存在一个参考度,以最大参考度对应的圆心作为参考圆心,参考圆心对应的拟合圆为参考圆。参考圆结合了霍夫圆检测和最小二乘法两种算法共同筛选出来,因此参考圆会更加精确,更具有参考性,减少计算量的同时使得参考圆与边缘点的拟合效果更好。
步骤S4:根据参考圆的数量、尺寸和位置判断纽扣是否出现孔洞缺陷。
对于合格的纽扣而言,表面的孔洞数量和孔洞尺寸均有要求,图2中纽扣表面存在四个规则分布的圆形孔洞,四个孔洞大小一致,且圆心互相连接可形成一个矩形,根据这些特征,结合检测出的参考圆的数量、尺寸和位置即可判断纽扣是否出现孔洞缺陷。
综上所述,本发明实施例通过多种特征对纽扣图像中的边缘线进行类别判断,结合多种判别结果确定出花纹边缘和孔洞边缘。将花纹边缘去除,利用霍夫梯度圆检测和像素点拟合方法筛选出每条孔洞边缘对应的最佳的参考圆。通过参考圆的数量、尺寸和位置信息即可判断纽扣是否出现孔洞缺陷。本发明实施例通过对纽扣表面孔洞区域的准确拟合,实现了针对孔洞缺陷的高效缺陷检测。
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 (8)
1.一种纽扣孔洞缺陷检测方法,其特征在于,所述方法包括:
获取纽扣图像,获得所述纽扣图像中的边缘信息,获得表面边缘图像,所述表面边缘图像包含多条边缘线;
根据所述纽扣图像中所述边缘线上所有边缘点的邻域范围内的纹理特征判断所述边缘线的边缘线类别,获得第一判别结果;根据所述边缘线的粗细变化获得第二判别结果;根据每条所述边缘线的形状特征获得第三判别结果;根据所述第一判别结果、所述第二判别结果和所述第三判别结果获得分类结果,根据所述分类结果获得每条边缘线的所述边缘线类别;所述边缘线类别包括花纹边缘和孔洞边缘;
将所述花纹边缘去除,获得仅包含所述孔洞边缘的孔洞边缘图像;对所述孔洞边缘图像进行霍夫梯度圆检测,获得每个所述孔洞边缘对应的多个具有投票值的圆心;根据孔洞边缘点的坐标信息获得每个所述圆心的拟合半径,获得拟合圆;获得每个所述拟合圆上所述孔洞边缘点的数量;根据所述数量和所述投票值获得对应所述圆心的参考度,以最大参考度对应的所述圆心作为所述孔洞边缘的参考圆心,所述参考圆心对应的所述拟合圆为参考圆;
根据所述参考圆的数量、尺寸和位置判断纽扣是否出现孔洞缺陷。
2.根据权利要求1所述的一种纽扣孔洞缺陷检测方法,其特征在于,所述获取纽扣图像包括:
采集初始纽扣图像,将所述初始纽扣图像进行图像预处理操作并去除背景信息,获得仅包含纽扣信息的所述纽扣图像。
3.根据权利要求1所述的一种纽扣孔洞缺陷检测方法,其特征在于,所述根据所述纽扣图像中所述边缘线上所有边缘点的邻域范围内的纹理特征判断所述边缘线的边缘线类别,获得第一判别结果包括:
获得所述边缘线上所有所述边缘点的所述邻域范围内的灰度共生矩阵,根据所述灰度共生矩阵获得对比度,以所述边缘线上所述边缘点的平均对比度作为所述边缘线的整体对比度;
若所述整体对比度大于预设对比度阈值,则所述边缘线的所述第一判别结果为所述花纹边缘;反之则是所述孔洞边缘。
4.根据权利要求1所述的一种纽扣孔洞缺陷检测方法,其特征在于,所述根据所述边缘线的粗细变化获得第二判别结果包括:
将所述纽扣图像利用阈值分割方法进行处理,获得纽扣本体像素点和纽扣花纹像素点;获得每条所述边缘线上的边缘点与最近的所述纽扣本体像素点的距离,每条所述边缘线构成一个距离序列;以每个所述距离序列的方差作为对应所述边缘线的粗细变化程度,若所述粗细变化程度大于预设变化程度阈值,则所述边缘线的所述第二判别结果为所述花纹边缘,否则为所述孔洞边缘。
5.根据权利要求1所述的一种纽扣孔洞缺陷检测方法,其特征在于,所述根据每条所述边缘线的形状特征获得第三判别结果包括:
连接所述边缘线任意两个边缘点,获得参考线段,若垂直与所述参考线段的直线与所述边缘线都有两个交点,则所述边缘线的所述第三判别结果为孔洞边缘,否则为花纹边缘。
6.根据权利要求1所述的一种纽扣孔洞缺陷检测方法,其特征在于,所述根据所述第一判别结果、所述第二判别结果和所述第三判别结果获得分类结果,根据所述分类结果获得每条边缘线的所述边缘线类别包括:
若所述边缘线类别为花纹边缘,则判别结果为-1,若所述边缘线类别为孔洞边缘,则判别结果为1;将所述第一判别结果、所述第二判别结果和所述第三判别结果加权求和获得所述分类结果;所述第一判别结果权重为1,所述第二判别结果的权重为2所述第三判别结果的权重为3;
若所述分类结果为负数,则判断对应的所述边缘线为所述花纹边缘;否则为所述孔洞边缘。
7.根据权利要求1所述的一种纽扣孔洞缺陷检测方法,其特征在于,所述对所述孔洞边缘图像进行霍夫梯度圆检测,获得每个所述孔洞边缘对应的多个具有投票值的圆心包括:
利用Sobel算子获得每个所述孔洞边缘点的梯度方向,基于所述梯度方向进行霍夫梯度圆检测,获得多个具有投票值的初始圆心;保留所述投票值大于投票值阈值的所述初始圆心作为所述圆心。
8.根据权利要求1所述的一种纽扣孔洞缺陷检测方法,其特征在于,所述根据孔洞边缘点的坐标信息获得每个所述圆心的拟合半径,获得拟合圆包括:
根据所述孔洞边缘点的所述坐标信息利用最小二乘法获得每个所述圆心的所述拟合半径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211169489.6A CN115272305B (zh) | 2022-09-26 | 2022-09-26 | 一种纽扣孔洞缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211169489.6A CN115272305B (zh) | 2022-09-26 | 2022-09-26 | 一种纽扣孔洞缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115272305A true CN115272305A (zh) | 2022-11-01 |
CN115272305B CN115272305B (zh) | 2022-12-27 |
Family
ID=83757881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211169489.6A Active CN115272305B (zh) | 2022-09-26 | 2022-09-26 | 一种纽扣孔洞缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115272305B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309537A (zh) * | 2023-04-24 | 2023-06-23 | 东莞市京品精密模具有限公司 | 一种极耳模具表面油污的缺陷检测方法 |
CN117893531A (zh) * | 2024-03-14 | 2024-04-16 | 凯森蒙集团有限公司 | 一种服装加工过程中服装质量智能检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003247954A (ja) * | 2002-02-26 | 2003-09-05 | Sumitomo Metal Mining Co Ltd | 円形体周縁部の欠陥検出方法 |
CN114764790A (zh) * | 2022-03-31 | 2022-07-19 | 南通市立新机械制造有限公司 | 一种基于霍夫圆检测的齿轮断齿检测方法 |
CN115035023A (zh) * | 2022-04-24 | 2022-09-09 | 南通杰元纺织品有限公司 | 一种基于霍夫变换的服装锁眼钉扣缺陷检测方法 |
-
2022
- 2022-09-26 CN CN202211169489.6A patent/CN115272305B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003247954A (ja) * | 2002-02-26 | 2003-09-05 | Sumitomo Metal Mining Co Ltd | 円形体周縁部の欠陥検出方法 |
CN114764790A (zh) * | 2022-03-31 | 2022-07-19 | 南通市立新机械制造有限公司 | 一种基于霍夫圆检测的齿轮断齿检测方法 |
CN115035023A (zh) * | 2022-04-24 | 2022-09-09 | 南通杰元纺织品有限公司 | 一种基于霍夫变换的服装锁眼钉扣缺陷检测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309537A (zh) * | 2023-04-24 | 2023-06-23 | 东莞市京品精密模具有限公司 | 一种极耳模具表面油污的缺陷检测方法 |
CN117893531A (zh) * | 2024-03-14 | 2024-04-16 | 凯森蒙集团有限公司 | 一种服装加工过程中服装质量智能检测方法 |
CN117893531B (zh) * | 2024-03-14 | 2024-06-11 | 凯森蒙集团有限公司 | 一种服装加工过程中服装质量智能检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115272305B (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115272305B (zh) | 一种纽扣孔洞缺陷检测方法 | |
CN115311292B (zh) | 基于图像处理的带钢表面缺陷检测方法及系统 | |
CN110163853B (zh) | 一种边缘缺陷的检测方法 | |
CN115082419B (zh) | 一种吹塑箱包生产缺陷检测方法 | |
CN104794491B (zh) | 基于预分类的模糊聚类钢板表面缺陷检测方法 | |
CN116205919B (zh) | 基于人工智能的五金零件生产质量检测方法及系统 | |
JP5351673B2 (ja) | 外観検査装置、外観検査方法 | |
CN115018828A (zh) | 一种电子元器件的缺陷检测方法 | |
CN115082683A (zh) | 一种基于图像处理的注塑缺陷检测方法 | |
CN107437243B (zh) | 基于x光图像的轮胎杂质检测方法及装置 | |
CN108364291A (zh) | 基于计算机视觉技术的原坯布快速检测方法 | |
CN114972356B (zh) | 塑料制品表面缺陷检测识别方法及系统 | |
CN114219794B (zh) | 基于机器视觉的刨花板表面质量评估方法及系统 | |
CN104464079A (zh) | 基于模板特征点及其拓扑结构的多币种面值识别方法 | |
CN108846831B (zh) | 基于统计特征和图像特征相结合的带钢表面缺陷分类方法 | |
CN106529532A (zh) | 一种基于积分特征通道与灰度投影的车牌识别系统 | |
CN114140669B (zh) | 焊接缺陷识别模型训练方法、装置和计算机终端 | |
CN107239792A (zh) | 一种基于二进制描述子的工件识别方法及装置 | |
CN114820625B (zh) | 一种汽车顶块缺陷检测方法 | |
CN114581376B (zh) | 基于图像识别的纺织用蚕茧自动拣选方法及系统 | |
CN114862855B (zh) | 基于模板匹配的纺织品缺陷检测方法及系统 | |
CN114897773A (zh) | 一种基于图像处理的扭曲木材检测方法及系统 | |
CN114119603A (zh) | 基于图像处理的快餐盒短射缺陷检测方法 | |
CN106898078B (zh) | 一种港币版本的识别方法及装置 | |
CN107516315B (zh) | 一种基于机器视觉的掘进机出渣监测方法 |
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 |