CN115290661A - 基于计算机视觉的橡胶圈缺陷识别方法 - Google Patents

基于计算机视觉的橡胶圈缺陷识别方法 Download PDF

Info

Publication number
CN115290661A
CN115290661A CN202211187849.5A CN202211187849A CN115290661A CN 115290661 A CN115290661 A CN 115290661A CN 202211187849 A CN202211187849 A CN 202211187849A CN 115290661 A CN115290661 A CN 115290661A
Authority
CN
China
Prior art keywords
analyzed
flow mark
area
rubber ring
significance
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
CN202211187849.5A
Other languages
English (en)
Other versions
CN115290661B (zh
Inventor
柳洪泽
江俊仪
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 Junrongsheng New Material Technology Co ltd
Original Assignee
Jiangsu Junrongsheng New Material 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 Junrongsheng New Material Technology Co ltd filed Critical Jiangsu Junrongsheng New Material Technology Co ltd
Priority to CN202211187849.5A priority Critical patent/CN115290661B/zh
Publication of CN115290661A publication Critical patent/CN115290661A/zh
Application granted granted Critical
Publication of CN115290661B publication Critical patent/CN115290661B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G06T5/73—Deblurring; Sharpening
    • 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
    • G06T7/0002—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
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及数据处理技术领域，具体涉及一种基于计算机视觉的橡胶圈缺陷识别方法。该方法包括：对橡胶圈表面的图像灰度化并进行预处理得到灰度图；基于灰度图获得待测定区；选取第一倾斜角与所述直线倾斜角的差值的绝对值小于等于预设角度的待测定区，记为待分析区域；基于第一、第二数量、直线倾斜角和第一倾斜角计算待分析区域的流痕螺纹显著指数；流痕凹坑流动性显著度与表面光亮显著度的乘积为待分析区域的流痕凝结纹理显著指数；待分析区域的流痕凝结纹理显著指数与流痕螺纹显著指数的乘积为螺纹瑕疵显著度；基于每个待分析区域的螺纹瑕疵显著度判断橡胶圈的流痕瑕疵；本发明能够准确的识别出橡胶圈的流痕缺陷。

Description

基于计算机视觉的橡胶圈缺陷识别方法
技术领域
本发明涉及数据处理技术领域，具体涉及一种基于计算机视觉的橡胶圈缺陷识别方法。
背景技术
橡胶圈具有缓冲、减震、密封等功能，在工业中用途广泛。随着科技的进步，各行业对橡胶圈的质量和精度要求越来越高，对橡胶圈表面的质量缺陷的检出要求也越来越高。由于橡胶圈需求量巨大，生产数量也非常庞大，所以仅仅依靠人工肉眼对橡胶圈表面的缺陷进行识别完全不够。
目前对橡胶圈表面进行无损检测的方法包括曲绕、水煮、压缩等，耗时较长且需要多种专业设备，较为繁琐，造价较高。而现有的基于机器视觉对橡胶圈进行表面无损检测的方法只达到识别橡胶圈表面是否含有缺陷的程度，并没有对某种缺陷进行详细的识别，也没有对缺陷原因进行分类。虽然这种方法可以排除瑕疵橡胶圈，但对于瑕疵的成因和瑕疵的分类研究不够，导致对橡胶圈制造产生瑕疵原因分析的阻碍，进而导致橡胶圈瑕疵率偏高，造成资源的浪费。所以需要对基于机器视觉对橡胶圈进行表面无损检测的方法进行深化，识别具体的瑕疵原因。
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计算机视觉的橡胶圈缺陷识别方法，所采用的技术方案具体如下：
本发明一个实施例提供了一种基于计算机视觉的橡胶圈缺陷识别方法：对橡胶圈表面的图像灰度化并进行预处理得到灰度图；基于灰度图获得橡胶圈所在区域，记为橡胶圈对应区；获取灰度图的边缘图像，基于边缘图像得到多个连通域，连通域像素点数量大于等于预设阈值的连通域为待测定区；
利用一个待测定区的边缘像素点与直线进行拟合得到第一直线，得到第一直线的直线倾斜角；在待测定区中的每个位置分别获得第一直线的直线倾斜角方向上像素点的数量，记为第一数量；在待测定区中的每个位置分别获得垂直于直线倾斜角方向上像素点的数量，记为第二数量；获得每个待测定区与橡胶圈对应区圆心连线的倾斜角，记为第一倾斜角；选取第一倾斜角与所述直线倾斜角的差值的绝对值小于等于预设角度的待测定区，记为待分析区域；基于第一、第二数量、直线倾斜角和第一倾斜角计算待分析区域的流痕螺纹显著指数；
基于待分析区域内像素点的灰度值和橡胶圈对应区内除去各待测定区的所有像素点对应的灰度值均值获得待分析区域的表面光亮显著度；基于待分析区域内像素点数量小于预设阈值的闭合边缘的数量、各闭合边缘内像素点的数量和待分析区域的对比度得到待分析区域的流痕凹坑流动性显著度；流痕凹坑流动性显著度与表面光亮显著度的乘积为待分析区域的流痕凝结纹理显著指数；待分析区域的流痕凝结纹理显著指数与流痕螺纹显著指数的乘积为螺纹瑕疵显著度；基于每个待分析区域的螺纹瑕疵显著度判断橡胶圈的流痕瑕疵。
优选地，基于灰度图获得橡胶圈所在区域，记为橡胶圈对应区包括：
对灰度图使用DOG边缘检测，得到第一边缘图像，第一边缘图像为二值图像；对第一边缘图像内每一条边缘内包含的所有像素点分别与圆进行拟合，得到对应的拟合优度和圆心位置坐标；取最大的两个拟合优度对应的边缘，即为橡胶圈在图像中对应的边缘，这两条边缘组成一个圆环，这两条边缘和圆环内部包含的所有像素点组成的区域称为橡胶圈对应区。
优选地，流痕螺纹显著指数为：
Figure 855568DEST_PATH_IMAGE002
其中，
Figure 100002_DEST_PATH_IMAGE003
表示待分析区域的流痕螺纹显著指数；
Figure 571720DEST_PATH_IMAGE004
表示待分析区域对应的第一倾斜角；
Figure 100002_DEST_PATH_IMAGE005
表示待分析区域对应的直线倾斜角；
Figure 639908DEST_PATH_IMAGE006
为取最大值函数；
Figure 100002_DEST_PATH_IMAGE007
分别表示第一个第一数量，第二个第一数量；
Figure 681682DEST_PATH_IMAGE008
分别表示第一个第二数量，第二个第二数量。
优选地，待分析区域的流痕凹坑流动性显著度为：
Figure 789316DEST_PATH_IMAGE010
其中，
Figure 100002_DEST_PATH_IMAGE011
为待分析区域内第i个像素点对应的灰度值；
Figure 325470DEST_PATH_IMAGE012
为待分析区域内像素点对应的灰度值均值；
Figure 100002_DEST_PATH_IMAGE013
为橡胶圈对应区内除去各待分析区域的所有像素点对应的灰度值均值；
Figure 254024DEST_PATH_IMAGE014
表示待分析区域的流痕表面光亮显著度。
优选地，待分析区域的流痕凝结纹理显著指数为：
Figure 155115DEST_PATH_IMAGE016
其中，
Figure 100002_DEST_PATH_IMAGE017
为待分析区域的流痕凹坑流动性显著度；
Figure 61629DEST_PATH_IMAGE018
为待分析区域内像素点数量小于预设阈值的闭合边缘的数量；
Figure 100002_DEST_PATH_IMAGE019
为待分析区域的对比度；各闭合边缘内像素点的数量分别为
Figure 135895DEST_PATH_IMAGE020
，
Figure 100002_DEST_PATH_IMAGE021
，…，
Figure 913096DEST_PATH_IMAGE022
。
优选地，基于每个待分析区域的螺纹瑕疵显著度判断橡胶圈的流痕瑕疵包括：
选取多个包含无流痕瑕疵但有其余瑕疵的橡胶圈、含有轻微流痕瑕疵的橡胶圈和含有影响橡胶圈质量的流痕瑕疵的橡胶圈；得到每个橡胶圈上含有的各待分析区域对应的螺纹瑕疵显著度
Figure 100002_DEST_PATH_IMAGE023
；经人工手动将这些待分析区域分别进行标记，标记的标签有三种，分别为无流痕瑕疵，轻微流痕瑕疵和中度流痕瑕疵；若仅含有少量轻微流痕瑕疵，取无流痕瑕疵对应的
Figure 781826DEST_PATH_IMAGE023
的最大值和轻微流痕瑕疵对应的
Figure 598472DEST_PATH_IMAGE023
的最小值，取两者中值作为划分无流痕瑕疵和轻微流痕瑕疵的阈值
Figure 381490DEST_PATH_IMAGE024
；取轻微流痕瑕疵对应的
Figure 232771DEST_PATH_IMAGE023
的最大值和中度流痕瑕疵对应的
Figure 210085DEST_PATH_IMAGE023
的最小值，取两者中值作为划分轻微流痕瑕疵和中度流痕瑕疵的阈值
Figure 100002_DEST_PATH_IMAGE025
；使用阈值
Figure 577611DEST_PATH_IMAGE024
和
Figure 180631DEST_PATH_IMAGE025
自动判断各待分析区域对应的流痕瑕疵。
本发明实施例至少具有如下有益效果：对橡胶圈表面的图像灰度化并进行预处理得到灰度图；基于灰度图获得待测定区；选取第一倾斜角与所述直线倾斜角的差值的绝对值小于等于预设角度的待测定区，记为待分析区域；基于第一、第二数量、直线倾斜角和第一倾斜角计算待分析区域的流痕螺纹显著指数；流痕凹坑流动性显著度与表面光亮显著度的乘积为待分析区域的流痕凝结纹理显著指数；待分析区域的流痕凝结纹理显著指数与流痕螺纹显著指数的乘积为螺纹瑕疵显著度；基于每个待分析区域的螺纹瑕疵显著度判断橡胶圈的流痕瑕疵；依据流痕的螺纹状形态以及独特凝结特性对瑕疵位置进行评价判断，更加详细精确。同时，根据不同程度的流痕瑕疵对橡胶圈的质量影响对橡胶圈缺陷综合进行判断，更符合实际。
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为本发明实施例提供的一种基于计算机视觉的橡胶圈缺陷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基于计算机视觉的橡胶圈缺陷识别方法，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。
下面结合附图具体的说明本发明所提供的一种基于计算机视觉的橡胶圈缺陷识别方法的具体方案。
实施例：
本发明的主要应用场景为：在橡胶圈的生产过程中由于生产环境、生产工艺等问题，可能会导致橡胶圈的表面出现不同的缺陷，需要对不同的缺陷进行检测并分类，以保证橡胶圈的质量。
请参阅图1，其示出了本发明实施例提供的一种基于计算机视觉的橡胶圈缺陷识别方法的方法流程图，该方法包括以下步骤：
步骤S1，对橡胶圈表面的图像灰度化并进行预处理得到灰度图；基于灰度图获得橡胶圈所在区域，记为橡胶圈对应区；获取灰度图的边缘图像，基于边缘图像得到多个连通域，连通域像素点数量大于等于预设阈值的连通域为待测定区。
首先，为保证成像质量，满足高亮度、低发热、宽景深等条件，使用LED频闪光照明，使用CCD相机获取橡胶圈表面的图像，橡胶圈表面的图像为RGB图像。将橡胶圈表面的图像转换为灰度图。为防止因为环境等原因产生的噪声对图像的干扰，还需要对灰度图进行预处理，使用中值滤波对灰度图进行去噪。使用拉普拉斯算子对灰度图进行锐化，使图像中的边缘信息更为清晰。
进一步的，对灰度图使用DOG边缘检测，得到第一边缘图像，第一边缘图像为二值图像。在第一边缘图像中，橡胶圈对应的内外圈和橡胶圈内部的各个可能为瑕疵的部分均可得到对应的边缘。对第一边缘图像内每一条边缘单独进行分析，将每条边缘内包含的所有像素点与圆进行拟合，得到对应的拟合优度和圆心位置坐标。由于橡胶圈的内圈和外圈均为正圆形，取最大的两个拟合优度对应的边缘，即为橡胶圈在图像中对应的边缘，这两条边缘组成一个圆环，这两条边缘和圆环内部包含的所有像素点组成的区域称为橡胶圈对应区。
最后，对灰度图使用canny边缘检测算子进行边缘检测，得到第二边缘图像，第二边缘图像为二值图像。对第二边缘图像进行连通域分析，得到多个连通域。为避免图像中背景和橡胶圈内过小的凹坑等瑕疵的干扰，选取橡胶圈对应区内各连通域中包含的像素点数量大于等于预设阈值
Figure 637151DEST_PATH_IMAGE026
（
Figure 34634DEST_PATH_IMAGE026
的经验值为15）的连通域，将这些连通域称为待测定区，单独进行分析。
步骤S2，利用一个待测定区的边缘像素点与直线进行拟合得到第一直线，得到第一直线的直线倾斜角；在待测定区中的每个位置分别获得第一直线的直线倾斜角方向上像素点的数量，记为第一数量；在待测定区中的每个位置分别获得垂直于直线倾斜角方向上像素点的数量，记为第二数量；获得每个待测定区与橡胶圈对应区圆心连线的倾斜角，记为第一倾斜角；选取第一倾斜角与所述直线倾斜角的差值的绝对值小于等于预设角度的待测定区，记为待分析区域；基于第一、第二数量、直线倾斜角和第一倾斜角计算待分析区域的流痕螺纹显著指数。
首先，橡胶圈常出现的瑕疵之一叫做流痕，总体呈现为螺纹状凹槽，长宽比较大，常贯穿橡胶圈，与出现部分对应的半径所在方向一致，有轻微的深度。以此为依据对该特征进行描述。
选取每个待测定区对应的边缘包含的所有像素点，也即是边缘像素点，将这些像素点与直线进行拟合，获得拟合的第一直线对应的直线倾斜角，记为
Figure 560293DEST_PATH_IMAGE005
，称为待测定区对应的方向。以
Figure 685113DEST_PATH_IMAGE005
为方向，在该待测定区域包含的各位置平移，每个位置下该方向包括的像素点个数分别记为第一数量，为
Figure DEST_PATH_IMAGE027
，
Figure 58457DEST_PATH_IMAGE028
，……以与
Figure 626841DEST_PATH_IMAGE005
垂直的方向为方向，做相同操作，将每个位置包括的像素点个数分别记为第二数量，为
Figure DEST_PATH_IMAGE029
，
Figure 216960DEST_PATH_IMAGE030
，……取待测定区的质心，连接圆环的圆心和质心，计算得到该直线的倾斜角，记为第一倾斜角
Figure 912515DEST_PATH_IMAGE004
。
由于胶料出料不合理、胶条接头处局部污染或材料偏少、硫化压力偏小等原因，会造成胶料流动性变差，进而在橡胶圈上产生流痕。所以流痕的方向往往与圆环上该位置对应的半径一致，选取第一倾斜角与所述直线倾斜角的差值的绝对值小于等于预设角度的连通域，记为待分析区域，其中预设角度为
Figure DEST_PATH_IMAGE031
，当满足该条件时，则可能为流痕这一瑕疵，继续进行下述分析和计算。若不满足该先验条件，则该部分对应的瑕疵一定不是流痕，不再进行下述分析。
计算每个待分析区域的流痕螺纹显著指数
Figure 638900DEST_PATH_IMAGE003
：
Figure 643766DEST_PATH_IMAGE002
其中，
Figure 629170DEST_PATH_IMAGE003
表示待分析区域的流痕螺纹显著指数；
Figure 112104DEST_PATH_IMAGE004
表示待分析区域对应的第一倾斜角；
Figure 902118DEST_PATH_IMAGE005
表示待分析区域对应的直线倾斜角；
Figure 812305DEST_PATH_IMAGE006
为取最大值函数。
Figure 550585DEST_PATH_IMAGE007
分别表示第一个第一数量，第二个第一数量；
Figure 837210DEST_PATH_IMAGE008
分别表示第一个第二数量，第二个第二数量。
由于流痕往往呈螺纹状，所以流痕这一瑕疵对应的区域的长宽比较大。当待分析区域对应的方向在待测定区范围内包括的的像素点数量的最大值相对越多，与该方向垂直的方向在待分析区域范围内包括的像素点数量的最大值相对越少，待分析区域对应的方向与该区域对应的半径方向越一致，则该待分析区域对应的流痕螺纹显著指数
Figure 210291DEST_PATH_IMAGE003
越大，即该待分析区域越可能对应流痕这一瑕疵。
步骤S3，基于待分析区域内像素点的灰度值和橡胶圈对应区内除去各待测定区的所有像素点对应的灰度值均值获得待分析区域的表面光亮显著度；基于待分析区域内像素点数量小于预设阈值的闭合边缘的数量、各闭合边缘内像素点的数量和待分析区域的对比度得到待分析区域的流痕凹坑流动性显著度；流痕凹坑流动性显著度与表面光亮显著度的乘积为待分析区域的流痕凝结纹理显著指数；待分析区域的流痕凝结纹理显著指数与流痕螺纹显著指数的乘积为螺纹瑕疵显著度；基于每个待分析区域的螺纹瑕疵显著度判断橡胶圈的流痕瑕疵。
首先，由于流痕为胶料流动性较差时产生的瑕疵，所以该部分凝结较慢，且凝结完成后表面的纹路与橡胶圈表面的纹路有所区别：流痕部分的表面更为光滑细腻，呈现出流痕特有的凝结纹路且颜色较亮。同时，由于流痕部分凝结较慢的特性，该部分凝结后表面会呈现出多个较小的凹坑。以这些特征为基础对各待分析区域进行分析。
虽然凹坑较小，但仍为闭合的小区域，在待分析区域内会有对应的边缘。选取待分析区域的闭合边缘，选取闭合边缘内包含的像素点数量小于
Figure 556959DEST_PATH_IMAGE026
的边缘，计算这些边缘的数量，记为
Figure 782535DEST_PATH_IMAGE018
。记各闭合边缘内像素点的数量分别为
Figure 341692DEST_PATH_IMAGE020
，
Figure 320013DEST_PATH_IMAGE021
，…，
Figure 86849DEST_PATH_IMAGE022
。获取待分析区域对应的灰度共生矩阵，得到对应的对比度
Figure 783410DEST_PATH_IMAGE019
。对比度反映了该区域纹理的深浅程度，纹理越浅则对比度越小，即流痕区域对应的对比度较小。记该待分析区域内像素点对应的灰度值均值为
Figure 896990DEST_PATH_IMAGE012
，橡胶圈对应区内除去各待分析区域的所有像素点对应的灰度值均值为
Figure 995396DEST_PATH_IMAGE013
。以上述相关指标为基础分别构建流痕表面光亮显著度
Figure 933134DEST_PATH_IMAGE014
和流痕凹坑流动性显著度
Figure 116991DEST_PATH_IMAGE017
。
Figure 283530DEST_PATH_IMAGE010
Figure 987175DEST_PATH_IMAGE016
其中，
Figure 580967DEST_PATH_IMAGE011
为待分析区域内第i个像素点对应的灰度值；
Figure 495528DEST_PATH_IMAGE012
为待分析区域内像素点对应的灰度值均值；
Figure 465758DEST_PATH_IMAGE013
为橡胶圈对应区内除去各待分析区域的所有像素点对应的灰度值均值；
Figure 273177DEST_PATH_IMAGE014
表示待分析区域的流痕表面光亮显著度。
其中，
Figure 54183DEST_PATH_IMAGE017
为待分析区域的流痕凹坑流动性显著度；
Figure 947052DEST_PATH_IMAGE018
为待分析区域内像素点数量小于预设阈值的闭合边缘的数量；
Figure 439082DEST_PATH_IMAGE019
为待分析区域的对比度；各闭合边缘内像素点的数量分别为
Figure 632166DEST_PATH_IMAGE020
，
Figure 318494DEST_PATH_IMAGE021
，…，
Figure 964239DEST_PATH_IMAGE022
。
由于流痕内纹理较为光滑细腻，所以流痕对应的待分析区域内像素点的灰度值较为均匀，变化较小。同时，流痕区域内颜色较亮，所以对应的待分析区域内像素点的灰度值均值应大于其他区域对应的灰度值均值。当待分析区域内像素点的灰度值越均匀、越大时，该待分析区域对应的流痕表面光亮显著度
Figure 10692DEST_PATH_IMAGE014
越大，即该待分析区域越可能对应流痕这一瑕疵。
当待分析区域内闭合边缘的数量越多，每个闭合边缘内包含的像素点数量越少，该待分析区域对应的对比度越小时，该待分析区域对应的流痕凹坑流动性显著度
Figure 41971DEST_PATH_IMAGE017
越大，即该待分析区域越可能对应流痕这一瑕疵。
流痕表面光亮显著度
Figure 148467DEST_PATH_IMAGE014
和流痕凹坑流动性显著度
Figure 32241DEST_PATH_IMAGE017
分别从待分析区域内亮度角度和凝结产生的流痕纹理角度衡量该区域对应的流痕特征的显著程度，以两者为基础构建流痕凝结纹理显著指数
Figure 882385DEST_PATH_IMAGE032
。
Figure 33750DEST_PATH_IMAGE034
当流痕表面光亮显著度
Figure 576726DEST_PATH_IMAGE014
和流痕凹坑流动性显著度
Figure 665905DEST_PATH_IMAGE017
越大时，该待分析区域对应的流痕凝结纹理显著指数
Figure 336052DEST_PATH_IMAGE032
越大，即该待分析区域可能对应流痕这一瑕疵。
根据流痕螺纹显著指数
Figure 827076DEST_PATH_IMAGE003
和流痕凝结纹理显著指数
Figure 796081DEST_PATH_IMAGE032
构建螺纹瑕疵显著度
Figure 638135DEST_PATH_IMAGE023
。
Figure 846394DEST_PATH_IMAGE036
当流痕螺纹显著指数
Figure 457504DEST_PATH_IMAGE003
和流痕凝结纹理显著指数
Figure 122709DEST_PATH_IMAGE032
越大时，该待分析区域对应的螺纹瑕疵显著度
Figure 717639DEST_PATH_IMAGE023
越大，即该待分析区域越可能对应流痕这一瑕疵。
至此，每个待分析区域均可获得一个对应的螺纹瑕疵显著度
Figure 464009DEST_PATH_IMAGE023
。
选取多个（经验值为200个）橡胶圈，其中包含无流痕瑕疵但有其余瑕疵的橡胶圈、含有轻微流痕瑕疵的橡胶圈和含有影响橡胶圈质量的流痕瑕疵的橡胶圈。将这些橡胶圈使用上述方法得到每个橡胶圈上含有的各待分析区域对应的螺纹瑕疵显著度
Figure 195204DEST_PATH_IMAGE023
。经人工手动将这些待分析区域分别进行标记，标记的标签有三种，分别为无流痕瑕疵，轻微流痕瑕疵和中度流痕瑕疵。其中，若仅含有少量轻微流痕瑕疵，不影响橡胶圈质量。取无流痕瑕疵对应的
Figure 31311DEST_PATH_IMAGE023
的最大值和轻微流痕瑕疵对应的
Figure 598690DEST_PATH_IMAGE023
的最小值，取两者中值作为划分无流痕瑕疵和轻微流痕瑕疵的阈值
Figure 663598DEST_PATH_IMAGE024
；取轻微流痕瑕疵对应的
Figure 498568DEST_PATH_IMAGE023
的最大值和中度流痕瑕疵对应的
Figure 459570DEST_PATH_IMAGE023
的最小值，取两者中值作为划分轻微流痕瑕疵和中度流痕瑕疵的阈值
Figure 779824DEST_PATH_IMAGE025
。后续使用阈值
Figure 382844DEST_PATH_IMAGE024
和
Figure 89898DEST_PATH_IMAGE025
自动判断各待分析区域对应的流痕瑕疵。
当同一橡胶圈内无流痕瑕疵或只含有一个轻微流痕瑕疵时，则判断橡胶圈上无影响质量的流痕瑕疵；若只含有两个轻微流痕瑕疵，则判断橡胶圈上有轻微影响质量的流痕瑕疵；若含有中度流痕瑕疵或只含有大于等于三个轻微流痕瑕疵，则判断橡胶圈上有严重影响质量的流痕瑕疵。
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。且上述对本说明书特定实施例进行了描述。另外，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 (6)

1.一种基于计算机视觉的橡胶圈缺陷识别方法，其特征在于，该方法包括：对橡胶圈表面的图像灰度化并进行预处理得到灰度图；基于灰度图获得橡胶圈所在区域，记为橡胶圈对应区；获取灰度图的边缘图像，基于边缘图像得到多个连通域，连通域像素点数量大于等于预设阈值的连通域为待测定区；
利用一个待测定区的边缘像素点与直线进行拟合得到第一直线，得到第一直线的直线倾斜角；在待测定区中的每个位置分别获得第一直线的直线倾斜角方向上像素点的数量，记为第一数量；在待测定区中的每个位置分别获得垂直于直线倾斜角方向上像素点的数量，记为第二数量；获得每个待测定区与橡胶圈对应区圆心连线的倾斜角，记为第一倾斜角；选取第一倾斜角与所述直线倾斜角的差值的绝对值小于等于预设角度的待测定区，记为待分析区域；基于第一、第二数量、直线倾斜角和第一倾斜角计算待分析区域的流痕螺纹显著指数；
基于待分析区域内像素点的灰度值和橡胶圈对应区内除去各待测定区的所有像素点对应的灰度值均值获得待分析区域的表面光亮显著度；基于待分析区域内像素点数量小于预设阈值的闭合边缘的数量、各闭合边缘内像素点的数量和待分析区域的对比度得到待分析区域的流痕凹坑流动性显著度；流痕凹坑流动性显著度与表面光亮显著度的乘积为待分析区域的流痕凝结纹理显著指数；待分析区域的流痕凝结纹理显著指数与流痕螺纹显著指数的乘积为螺纹瑕疵显著度；基于每个待分析区域的螺纹瑕疵显著度判断橡胶圈的流痕瑕疵。
2.根据权利要求1所述的一种基于计算机视觉的橡胶圈缺陷识别方法，其特征在于，所述基于灰度图获得橡胶圈所在区域，记为橡胶圈对应区包括：
对灰度图使用DOG边缘检测，得到第一边缘图像，第一边缘图像为二值图像；对第一边缘图像内每一条边缘内包含的所有像素点分别与圆进行拟合，得到对应的拟合优度和圆心位置坐标；取最大的两个拟合优度对应的边缘，即为橡胶圈在图像中对应的边缘，这两条边缘组成一个圆环，这两条边缘和圆环内部包含的所有像素点组成的区域称为橡胶圈对应区。
3.根据权利要求1所述的一种基于计算机视觉的橡胶圈缺陷识别方法，其特征在于，所述流痕螺纹显著指数为：
Figure 277677DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
表示待分析区域的流痕螺纹显著指数；
Figure 239948DEST_PATH_IMAGE004
表示待分析区域对应的第一倾斜角；
Figure DEST_PATH_IMAGE005
表示待分析区域对应的直线倾斜角；
Figure 25239DEST_PATH_IMAGE006
为取最大值函数；
Figure DEST_PATH_IMAGE007
分别表示第一个第一数量，第二个第一数量；
Figure 72961DEST_PATH_IMAGE008
分别表示第一个第二数量，第二个第二数量。
4.根据权利要求1所述的一种基于计算机视觉的橡胶圈缺陷识别方法，其特征在于，所述待分析区域的流痕凹坑流动性显著度为：
Figure 821474DEST_PATH_IMAGE010
其中，
Figure DEST_PATH_IMAGE011
为待分析区域内第i个像素点对应的灰度值；
Figure 402366DEST_PATH_IMAGE012
为待分析区域内像素点对应的灰度值均值；
Figure DEST_PATH_IMAGE013
为橡胶圈对应区内除去各待分析区域的所有像素点对应的灰度值均值；
Figure 125602DEST_PATH_IMAGE014
表示待分析区域的流痕表面光亮显著度。
5.根据权利要求1所述的一种基于计算机视觉的橡胶圈缺陷识别方法，其特征在于，所述待分析区域的流痕凝结纹理显著指数为：
Figure 362417DEST_PATH_IMAGE016
其中，
Figure DEST_PATH_IMAGE017
为待分析区域的流痕凹坑流动性显著度；
Figure 196512DEST_PATH_IMAGE018
为待分析区域内像素点数量小于预设阈值的闭合边缘的数量；
Figure DEST_PATH_IMAGE019
为待分析区域的对比度；各闭合边缘内像素点的数量分别为
Figure 117064DEST_PATH_IMAGE020
，
Figure DEST_PATH_IMAGE021
，…，
Figure 527315DEST_PATH_IMAGE022
。
6.根据权利要求1所述的一种基于计算机视觉的橡胶圈缺陷识别方法，其特征在于，所述基于每个待分析区域的螺纹瑕疵显著度判断橡胶圈的流痕瑕疵包括：
选取多个包含无流痕瑕疵但有其余瑕疵的橡胶圈、含有轻微流痕瑕疵的橡胶圈和含有影响橡胶圈质量的流痕瑕疵的橡胶圈；得到每个橡胶圈上含有的各待分析区域对应的螺纹瑕疵显著度
Figure DEST_PATH_IMAGE023
；经人工手动将这些待分析区域分别进行标记，标记的标签有三种，分别为无流痕瑕疵，轻微流痕瑕疵和中度流痕瑕疵；若仅含有少量轻微流痕瑕疵，取无流痕瑕疵对应的
Figure 284049DEST_PATH_IMAGE023
的最大值和轻微流痕瑕疵对应的
Figure 685950DEST_PATH_IMAGE023
的最小值，取两者中值作为划分无流痕瑕疵和轻微流痕瑕疵的阈值
Figure 415002DEST_PATH_IMAGE024
；取轻微流痕瑕疵对应的
Figure 932571DEST_PATH_IMAGE023
的最大值和中度流痕瑕疵对应的
Figure 629132DEST_PATH_IMAGE023
的最小值，取两者中值作为划分轻微流痕瑕疵和中度流痕瑕疵的阈值
Figure DEST_PATH_IMAGE025
；使用阈值
Figure 303565DEST_PATH_IMAGE024
和
Figure 887124DEST_PATH_IMAGE025
自动判断各待分析区域对应的流痕瑕疵。
CN202211187849.5A 2022-09-28 2022-09-28 基于计算机视觉的橡胶圈缺陷识别方法 Active CN115290661B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211187849.5A CN115290661B (zh) 2022-09-28 2022-09-28 基于计算机视觉的橡胶圈缺陷识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211187849.5A CN115290661B (zh) 2022-09-28 2022-09-28 基于计算机视觉的橡胶圈缺陷识别方法

Publications (2)

Publication Number Publication Date
CN115290661A true CN115290661A (zh) 2022-11-04
CN115290661B CN115290661B (zh) 2022-12-16

Family

ID=83833244

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211187849.5A Active CN115290661B (zh) 2022-09-28 2022-09-28 基于计算机视觉的橡胶圈缺陷识别方法

Country Status (1)

Country Link
CN (1) CN115290661B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03113352A (ja) * 1989-09-28 1991-05-14 Rozefu Technol:Kk ゴム製品などのワークの傷検査方法
JPH06174657A (ja) * 1992-12-02 1994-06-24 Matsushita Electric Ind Co Ltd 傷検査装置
JPH08271435A (ja) * 1995-03-31 1996-10-18 Topy Ind Ltd 自動車用ホイールリムの押込み傷検出方法
JPH09326030A (ja) * 1996-06-04 1997-12-16 Toshiba Eng Co Ltd ゴムシールの検査装置
JPH11153421A (ja) * 1997-11-21 1999-06-08 Ube Ind Ltd リール巻スリットフィルムの表面形状評価方法および 装置
JP2000088765A (ja) * 1998-09-08 2000-03-31 Daihatsu Motor Co Ltd 平面の傷検査装置
JP2014238292A (ja) * 2013-06-06 2014-12-18 株式会社ブリヂストン 外観検査装置及び外観検査方法
CN109215020A (zh) * 2018-08-30 2019-01-15 国网黑龙江省电力有限公司佳木斯供电公司 基于计算机视觉的高压输电线路故障识别方法
US20190163971A1 (en) * 2017-11-30 2019-05-30 Konica Minolta Laboratory U.S.A., Inc. Text line segmentation method
CN114693651A (zh) * 2022-03-31 2022-07-01 南通三信塑胶装备科技股份有限公司 基于图像处理的橡胶圈流痕检测方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03113352A (ja) * 1989-09-28 1991-05-14 Rozefu Technol:Kk ゴム製品などのワークの傷検査方法
JPH06174657A (ja) * 1992-12-02 1994-06-24 Matsushita Electric Ind Co Ltd 傷検査装置
JPH08271435A (ja) * 1995-03-31 1996-10-18 Topy Ind Ltd 自動車用ホイールリムの押込み傷検出方法
JPH09326030A (ja) * 1996-06-04 1997-12-16 Toshiba Eng Co Ltd ゴムシールの検査装置
JPH11153421A (ja) * 1997-11-21 1999-06-08 Ube Ind Ltd リール巻スリットフィルムの表面形状評価方法および 装置
JP2000088765A (ja) * 1998-09-08 2000-03-31 Daihatsu Motor Co Ltd 平面の傷検査装置
JP2014238292A (ja) * 2013-06-06 2014-12-18 株式会社ブリヂストン 外観検査装置及び外観検査方法
US20190163971A1 (en) * 2017-11-30 2019-05-30 Konica Minolta Laboratory U.S.A., Inc. Text line segmentation method
CN109215020A (zh) * 2018-08-30 2019-01-15 国网黑龙江省电力有限公司佳木斯供电公司 基于计算机视觉的高压输电线路故障识别方法
CN114693651A (zh) * 2022-03-31 2022-07-01 南通三信塑胶装备科技股份有限公司 基于图像处理的橡胶圈流痕检测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
韩阳等: "基于Ward反射模型的航天密封圈表面缺陷检测", 《计算机工程》 *

Also Published As

Publication number Publication date
CN115290661B (zh) 2022-12-16

Similar Documents

Publication Publication Date Title
CN114842017B (zh) 一种hdmi线缆表面质量检测方法及系统
CN114627111B (zh) 一种纺织品缺陷检测识别装置
CN114529549B (zh) 一种基于机器视觉的布匹缺陷标注方法及系统
CN106404793B (zh) 基于视觉的轴承密封件缺陷检测方法
CN109872300B (zh) 一种摩擦片外观缺陷的视觉显著性检测方法
CN109682839B (zh) 一种金属弧形工件表面缺陷在线检测方法
CN115082418B (zh) 一种汽车零部件精密识别方法
CN115345885A (zh) 一种金属健身器材外观质量检测方法
CN116758061A (zh) 基于计算机视觉的铸件表面缺陷检测方法
CN116703907B (zh) 一种基于机器视觉的汽车铸件表面缺陷检测方法
CN115330783A (zh) 一种钢丝绳缺陷检测方法
CN109685760B (zh) 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法
CN109658391B (zh) 一种基于轮廓归并和凸包拟合的圆半径测量方法
CN108960237B (zh) 一种指针式油位计读数识别方法
CN115797358B (zh) 基于机器视觉的金属壳体自动化焊接缺陷检测方法
CN115713532B (zh) 一种工业润滑油悬浮水污染检测方法
CN115082481A (zh) 一种用于齿轮的图像增强方法
CN115131359B (zh) 一种金属加工件表面麻点缺陷检测方法
CN115115612A (zh) 一种用于机械配件的表面缺陷检测方法及系统
CN115984272B (zh) 基于计算机视觉的半挂车车桥缺陷识别方法
CN114972892B (zh) 基于计算机视觉的汽车刹车片缺陷分类方法
CN115719332A (zh) 一种焊接质量检测方法
CN116664569B (zh) 一种焊瘤缺陷检测方法
CN116883408B (zh) 基于人工智能的积算仪壳体缺陷检测方法
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