CN115330646A - 一种用于健身器材喷漆工艺的金属构件检查方法 - Google Patents
一种用于健身器材喷漆工艺的金属构件检查方法 Download PDFInfo
- Publication number
- CN115330646A CN115330646A CN202211269350.9A CN202211269350A CN115330646A CN 115330646 A CN115330646 A CN 115330646A CN 202211269350 A CN202211269350 A CN 202211269350A CN 115330646 A CN115330646 A CN 115330646A
- Authority
- CN
- China
- Prior art keywords
- gray
- gray level
- target
- mutation
- closed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000002184 metal Substances 0.000 title claims abstract description 35
- 239000003973 paint Substances 0.000 title claims abstract description 17
- 230000008569 process Effects 0.000 title claims abstract description 14
- 238000005507 spraying Methods 0.000 title claims abstract description 11
- 238000007689 inspection Methods 0.000 title claims abstract description 10
- 230000035772 mutation Effects 0.000 claims abstract description 81
- 230000007547 defect Effects 0.000 claims abstract description 45
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 230000009467 reduction Effects 0.000 claims abstract description 33
- 238000009499 grossing Methods 0.000 claims description 12
- 238000003708 edge detection Methods 0.000 claims description 5
- 238000007591 painting process Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 239000000126 substance Substances 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000002893 slag Substances 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/11—Region-based segmentation
-
- 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
-
- 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
本发明涉及一种用于健身器材喷漆工艺的金属构件检查方法，该方法包括：获取待检测金属构件表面的灰度图像；获取灰度图像中的闭合突变区域；根据闭合突变区域获取目标灰度直方图，根据目标灰度直方图中每个灰度级的灰度区间内每两个灰度级的像素点数量得到目标相近灰度级，根据目标相近灰度级的灰度差得到降维程度值，利用降维程度值得到目标灰度级；根据闭合突变区域的中心点和边缘点的目标灰度级构建灰度共生矩阵，利用灰度共生矩阵中的中心点和边缘点的目标灰度级的差值以及能量值得到闭合突变区域的均匀性；利用均匀性处理闭合突变区域得到目标灰度图像，获取目标灰度图像中的缺陷区域，本发明提高了缺陷检测的准确率。
Description
技术领域
本发明涉及机器视觉领域，具体涉及一种用于健身器材喷漆工艺的金属构件检查方法。
背景技术
健身器材在组装前时，需要对金属构件表面进行喷漆，对健身器材起到保护作用，在对金属构件表面进行喷漆时，首先要对金属构件表面进行检查，金属构件表面是否存在焊渣、毛刺或者污物等附着物，如果存在附着物，在喷漆后，存在附着物的地方容易发生漆面开裂，或者附着物发生脱落造成金属构件表面缺漆。
目前对金属构件表面的附着物进行检测基本都是通过质检员人工检测；质检员在进行长时间检测时，容易产生视觉疲劳，注意力不集中导致漏查的情况，从而使未被处理缺陷的金属构件进入喷漆工序，未被处理的金属构件在喷漆时漆料可能流挂在缺陷处，导致漆面在室外的温度影响下极容易开裂；当前工业中最常用的检测方法是先对图像在滤波时无差别平滑降噪，然后利用Canny边缘检测算子进行缺陷检测，无差别平滑降噪会存在边缘信息模糊、细节丢失的问题，而且一旦在检测场景较复杂的情况下，无差别平滑降噪会导致Canny算子的阈值选取不当，从而使小的缺陷检测不到，因此，需要一种用于健身器材喷漆工艺的金属构件检查方法。
发明内容
本发明提供一种用于健身器材喷漆工艺的金属构件检查方法，以解决现有的问题。
本发明的一种用于健身器材喷漆工艺的金属构件检查方法采用如下技术方案：该方法包括：
获取待检测金属构件表面的灰度图像；
获取灰度图像中的多个闭合突变区域；
根据所有闭合突变区域获取目标灰度直方图，获取目标灰度直方图中相邻灰度级的灰度差均值作为灰度区间，根据每个灰度级的灰度区间内每两个灰度级的像素点数量得到目标相近灰度级，根据目标相近灰度级的灰度差得到灰度级的降维程度值；利用降维程度值对灰度级进行降维得到目标灰度级；
根据每个闭合突变区域的中心点和边缘点的目标灰度级构建对应的灰度共生矩阵，获取每个灰度共生矩阵中的最大元素对应的中心点和边缘点的目标灰度级的差值以及该灰度共生矩阵的能量值，根据所述差值和能量值得到每个灰度共生矩阵对应的闭合突变区域的均匀性；
对灰度图像中均匀性大于预设的均匀性阈值的闭合突变区域进行高斯平滑，对均匀性小于等于均匀性阈值的闭合突变区域进行图像增强，得到高斯平滑和图像增强后的目标灰度图像，对目标灰度图像进行边缘检测得到缺陷区域。
进一步，获取灰度图像中的多个闭合突变区域的步骤包括：
获取灰度图像的初始灰度直方图，利用初始灰度直方图获取灰度阈值范围；
根据灰度图像中每个像素点的灰度值与灰度阈值范围得到突变像素点集合；
根据突变像素点集合得到多个闭合突变区域。
进一步，利用初始灰度直方图获取灰度阈值范围的步骤包括：
获取初始灰度直方图中波峰的左侧波谷和右侧波谷；
将左侧波谷和右侧波谷的灰度值分别作为最小灰度阈值和最大灰度阈值，组成灰度阈值范围。
进一步，根据突变像素点集合得到多个闭合突变区域的步骤包括：
利用超像素分割灰度图像中的突变像素点集合得到多个闭合突变区域。
进一步，根据每个灰度级的灰度区间内每两个灰度级的像素点数量得到目标相近灰度级，根据目标相近灰度级的灰度差得到灰度级的降维程度值的步骤包括：
获取目标灰度直方图中每个灰度级右侧的灰度区间内每个灰度级的像素点数量，根据每两个灰度级的像素点数量对两个灰度级的像素点进行排列组合得到多个像素点组合；
获取最多像素点组合对应的两个灰度级作为目标相近灰度级；
对目标相近灰度级的两灰度级做差得到降维程度值。
进一步，利用降维程度值对灰度级进行降维得到目标灰度级的步骤包括：
以降维程度值为间距值划分灰度级得到目标灰度级。
进一步，根据每个闭合突变区域的中心点和边缘点的目标灰度级构建灰度共生矩阵的步骤包括：
以闭合突变区域的中心点到边缘点的距离为步长，以闭合突变区域的中心点的目标灰度级为纵向值，以闭合突变区域的边缘点的目标灰度级为横向值，以中心点和边缘点对应的灰度级的数量为矩阵中的元素构建灰度共生矩阵。
进一步，根据所述差值和能量值得到每个灰度共生矩阵对应的闭合突变区域的均匀性的步骤包括：
获取灰度共生矩阵的能量值和最大元素对应的目标灰度级的差值的乘积，将乘积作为该灰度共生矩阵对应的闭合突变区域的均匀性。
本发明的有益效果是：本发明的一种用于健身器材喷漆工艺的金属构件检查方法，通过获取闭合突变区域中像素点的目标灰度直方图，利用目标灰度直方图得到降维程度值，根据降维程度值对灰度级降维得到了目标灰度级，每个目标灰度级的区间增大，覆盖了噪声区域的灰度差异，同时拉大了缺陷区域的灰度差异，使得最后进行缺陷检测时结果更准确；利用闭合突变区域的灰度共生矩阵中灰度级的差异和能量值相乘得到闭合突变区域的均匀性，放大了闭合突变区域的灰度差异，更容易区分缺陷区域和噪声区域；本发明最后还对噪声区域高斯平滑，对缺陷区域进行图像增强，使得后面检测缺陷区域时减少了噪声干扰的同时增大了缺陷区域的特征，从而使缺陷检测结果更准确。
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为本发明的一种用于健身器材喷漆工艺的金属构件检查方法的实施例总体步骤的流程图；
图2为图1中金属构件表面的灰度图像；
图3为图1中的闭合突变区域的目标灰度直方图；
图4为图1中待检测金属表面的缺陷区域。
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。
本发明的一种用于健身器材喷漆工艺的金属构件检查方法的实施例，如图1所示，该方法包括：
S1、获取待检测金属构件表面的灰度图像。
搭建DR相机采集系统，用于采集健身器材的金属构件表面的图像，对采集到的表面图像进行灰度化处理得到待检测金属构件表面的灰度图像。
S2、获取灰度图像中的多个闭合突变区域。
待检测金属构件的主体灰度级是比较均匀的，主体灰度级之间的差异在一定范围内，差异程度较小，在灰度图像的初始灰度直方图中表现为直方图的波峰部分涵盖了金属构件的主体灰度级，超出波峰部分的灰度级则为缺陷的灰度级。
具体的，根据待检测金属构件表面的灰度图像中像素点的灰度值做待检测金属构件的初始灰度直方图，获取初始灰度直方图中波峰的左侧波谷的灰度值
和波峰的右侧波谷的灰度值
，将左侧波谷的灰度值
和右侧波谷的灰度值
分别作为最小灰度阈值和最大灰度阈值，利用最小灰度阈值和最大灰度阈值组成灰度阈值范围（
，
），将灰度图像中灰度值不在灰度阈值范围内的像素点归为突变像素点集合，根据下式（1）得到突变像素点：
其中，
表示灰度图像中突变像素点的灰度值；
、
分别表示最小灰度阈值和最大灰度阈值；得到的突变像素点集合中包括灰度图像中的缺陷和噪声的像素点，后续处理需要将缺陷和噪声区分开，利用SLIC超像素分割技术对灰度图像中的突变像素点集合进行分割，超像素分割是指将具有相似纹理、颜色、亮度特征的相邻像素构成有一定视觉意义的不规则像素块，所以可以利用超像素分割将灰度图像中的突变像素点集合分割为多个闭合突变区域，得到的闭合突变区域包括缺陷区域和噪声区域。
S3、根据所有闭合突变区域获取目标灰度直方图，获取目标灰度直方图中相邻灰度级的灰度差均值作为灰度区间，根据每个灰度级的灰度区间内每两个灰度级的像素点数量得到目标相近灰度级，根据目标相近灰度级的灰度差得到灰度级的降维程度值；利用降维程度值对灰度级进行降维得到目标灰度级。
如图2所示，凸起的部分为金属构件表面的焊渣、毛刺之类的凸起的附着物缺陷，图像处理时比较明显的缺陷可以轻易检测到，但是圈中部分的细小缺陷，就容易在高斯滤波时被无差异平滑去除，影响检测结果；噪声区域和缺陷区域的灰度特征存在差别，噪声区域内部的灰度几乎是均匀的，凸起的附着物缺陷从中心到边缘存在明显的灰度变化，中心部分较亮，灰度值较大，而边缘部分灰度值相对较小，可以轻易与噪声区域区分开；但是细小的缺陷区域灰度变化较小，要与噪声区域区分需要进一步处理；噪声区域内部灰度较为均匀，但是内部像素点的灰度值也不完全相同，本发明后期需要进行图像增强的区域只有缺陷区域，所以要通过灰度降维覆盖噪声区域像素点的灰度差。
例如：假设一个噪声区域像素点的灰度值组成为（1,2,3），微小缺陷区域像素点的灰度值组成为（1,2,3,4,5），前者的最大灰度差为2，后者为4，而若将（1,2,3）看做同一级灰度级1，（4,5,6）为下一灰度级2，则前者内部的灰度差为0，后者的灰度差为1，此时噪声区域像素点的灰度差就被覆盖、消除了，但是微小缺陷区域的灰度差仍然存在，而且每一级的灰度差还由1变成了3，灰度差表现更明显了。在具体的实施过程中，灰度降维的降维程度值过高或过低都会造成误差，定值也不适合所有的金属构件的灰度图像，降维程度值的选取应该根据噪声区域的像素点灰度值自适应选取。
具体的，根据所有闭合突变区域中的像素点做目标灰度直方图，如图3所示，由于只有闭合突变区域的像素点，所以目标灰度直方图中的灰度级组成较少，由于噪声区域内部几乎是均匀的，所以认为噪声区域像素点的灰度差异极小，且相邻灰度级的差值远远达不到缺陷区域内部的灰度差异，在目标灰度直方图中表现为相邻或相近两个灰度级对应的像素点可能为噪声区域的像素点，根据下式（2）计算目标灰度直方图中相邻灰度级的灰度差均值：
其中，
表示目标灰度直方图中相邻灰度级的灰度差均值，将该均值作为灰度区间；
表示第
个灰度级的灰度值；
表示第
个灰度级的相邻灰度级
的灰度值；
表示目标灰度直方图中具有像素点的灰度级的数量；
为所有的相邻灰度级的灰度差均值，实际上噪声区域的灰度级差异小，在目标灰度直方图中表现为灰度级分布比较聚集，缺陷区域的灰度级差异大，即灰度级分布广，所以在计算
时，噪声区域的灰度级影响小，缺陷区域的灰度级影响较大，噪声区域的灰度级分布差距一定比
小，聚集在
的区间内，所以
还需要进行修正。
将
作为灰度区间，获取目标灰度直方图中每个灰度级右侧的
灰度区间内每个灰度级的像素点数量，用每两个灰度级的像素点数量对两个灰度级的像素点进行排列组合得到多个像素点组合，得到的像素点组合数量最多的两个灰度级对应的像素点即为噪声区域像素点，因为噪声区域的灰度级相近，所以噪声区域的灰度级对应的像素点数量较多，像素点组合数量最多表明噪声区域像素点存在于这两个相近的灰度级内的概率最大，根据下式（3）计算每两个灰度级的像素点排列组合得到像素点组合数量：
其中，
表示每个灰度级右侧的
灰度区间内每两个灰度级的像素点进行排列组合得到的像素点组合数量；
表示某个灰度级的
灰度区间内第
个灰度级的像素点数量；
表示该灰度级的
灰度区间内第
个灰度级的像素点数量；获取最大的
对应的两个相近的灰度级，记为目标相近灰度级，根据下式（4）计算降维程度值：
其中，
表示每个灰度级右侧的
灰度区间内每两个灰度级的像素点进行排列组合得到的像素点组合数量；
表示降维程度值；
表示最大的
对应的第
个灰度级的值；
表示最大的
对应的第
个灰度级的值，
和
之间的灰度差值涵盖了大部分噪声区域的灰度差异，为了覆盖噪声区域的灰度差异，根据下式（5）进行灰度降维：
其中，
表示降维程度值，即每
个灰度级为一个目标灰度级；255表示灰度级的总数量；
表示降维后的目标灰度级数量，以
为间距值划分255个灰度级，根据降维后的目标灰度级对闭合突变区域中的像素点重新赋予目标灰度级。
S4、根据每个闭合突变区域的中心点和边缘点的目标灰度级构建对应的灰度共生矩阵，获取每个灰度共生矩阵中的最大元素对应的中心点和边缘点的目标灰度级的差值以及该灰度共生矩阵的能量值，根据所述差值和能量值得到每个灰度共生矩阵对应的闭合突变区域的均匀性。
具体的，获取每个闭合突变区域的中心点，以闭合突变区域的中心点到边缘点的距离为步长，以闭合突变区域的中心点的目标灰度级为纵向值
，以闭合突变区域的边缘点的目标灰度级为横向值
，以中心点和边缘点对应的目标灰度级的数量为矩阵中的元素构建灰度共生矩阵，由于每个闭合突变区域的中心点只有一个，则对应的灰度共生矩阵的纵向只有一个值，也就表明该灰度共生矩阵只有中心点的目标灰度级对应的一行有数值存在；获取每个闭合突变区域的灰度共生矩阵中的最大元素，获取最大元素对应的中心点目标灰度级和边缘点目标灰度级，即横向值
和纵向值
，根据灰度共生矩阵中元素的平方和得到该灰度共生矩阵的能量值
，根据下式（6）计算每个闭合突变区域的均匀性：
其中，
表示每个闭合突变区域的均匀性；
表示闭合突变区域的中心点目标灰度级，即该闭合突变区域对应的灰度共生矩阵中最大元素对应的纵向值；
表示该闭合突变区域对应的灰度共生矩阵中最大元素对应的横向值，即最大元素对应的边缘点目标灰度级；
表示该闭合突变区域对应的灰度共生矩阵的能量值，
的值越小代表闭合突变区域越均匀，越大代表闭合突变区域的灰度梯度越大，越不均匀；
为每个灰度共生矩阵中最大元素对应的中心点和边缘点灰度级的差值大小，所以
和
这两个参数都是表示闭合突变区域的灰度变化大小的，两者相乘可以放大灰度变化，对闭合突变区域进行更好的区分。
S5、对灰度图像中均匀性大于预设的均匀性阈值的闭合突变区域进行高斯平滑，对均匀性小于等于均匀性阈值的闭合突变区域进行图像增强，得到高斯平滑和图像增强后的目标灰度图像，对目标灰度图像进行边缘检测得到缺陷区域。
噪声区域内部的灰度差异较小，即均匀性较大，缺陷区域包括微小缺陷区域的灰度差异较大，即均匀性较小。具体的，设置均匀性阈值，对灰度图像中均匀性
大于均匀性阈值的闭合突变区域进行高斯平滑，即对噪声区域进行高斯平滑；对均匀性
小于或等于均匀性阈值的闭合突变区域进行图像增强，即对缺陷区域进行图像增强，至此对所有的闭合突变区域都进行了处理，得到了高斯平滑和图像增强后的目标灰度图像；经过高斯平滑和图像增强处理后的目标灰度图像中，边缘特征更明显，canny算子的阈值选择更容易，对目标灰度图像进行canny边缘检测，根据检测到的边缘点确定出待检测金属构件表面的缺陷区域，如图4所示。
综上所述，本发明提供一种用于健身器材喷漆工艺的金属构件检查方法，通过获取闭合突变区域中像素点的目标灰度直方图，利用目标灰度直方图得到降维程度值，根据降维程度值对灰度级降维得到了目标灰度级，每个目标灰度级的区间增大，覆盖了噪声区域的灰度差异，同时拉大了缺陷区域的灰度差异，使得最后进行缺陷检测时结果更准确；利用闭合突变区域的灰度共生矩阵中灰度级的差异和能量值相乘得到闭合突变区域的均匀性，放大了闭合突变区域的灰度差异，更容易区分缺陷区域和噪声区域；本发明最后还对噪声区域高斯平滑，对缺陷区域进行图像增强，使得后面检测缺陷区域时减少了噪声干扰的同时增大了缺陷区域的特征，从而使缺陷检测结果更准确。
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 (8)
1.一种用于健身器材喷漆工艺的金属构件检查方法，其特征在于，该方法包括：
获取待检测金属构件表面的灰度图像；
获取灰度图像中的多个闭合突变区域；
根据所有闭合突变区域获取目标灰度直方图，获取目标灰度直方图中相邻灰度级的灰度差均值作为灰度区间，根据每个灰度级的灰度区间内每两个灰度级的像素点数量得到目标相近灰度级，根据目标相近灰度级的灰度差得到灰度级的降维程度值；利用降维程度值对灰度级进行降维得到目标灰度级；
根据每个闭合突变区域的中心点和边缘点的目标灰度级构建对应的灰度共生矩阵，获取每个灰度共生矩阵中的最大元素对应的中心点和边缘点的目标灰度级的差值以及该灰度共生矩阵的能量值，根据所述差值和能量值得到每个灰度共生矩阵对应的闭合突变区域的均匀性；
对灰度图像中均匀性大于预设的均匀性阈值的闭合突变区域进行高斯平滑，对均匀性小于等于均匀性阈值的闭合突变区域进行图像增强，得到高斯平滑和图像增强后的目标灰度图像，对目标灰度图像进行边缘检测得到缺陷区域。
2.根据权利要求1所述的一种用于健身器材喷漆工艺的金属构件检查方法，其特征在于，获取灰度图像中的多个闭合突变区域的步骤包括：
获取灰度图像的初始灰度直方图，利用初始灰度直方图获取灰度阈值范围；
根据灰度图像中每个像素点的灰度值与灰度阈值范围得到突变像素点集合；
根据突变像素点集合得到多个闭合突变区域。
3.根据权利要求2所述的一种用于健身器材喷漆工艺的金属构件检查方法，其特征在于，利用初始灰度直方图获取灰度阈值范围的步骤包括：
获取初始灰度直方图中波峰的左侧波谷和右侧波谷；
将左侧波谷和右侧波谷的灰度值分别作为最小灰度阈值和最大灰度阈值，组成灰度阈值范围。
4.根据权利要求2所述的一种用于健身器材喷漆工艺的金属构件检查方法，其特征在于，根据突变像素点集合得到多个闭合突变区域的步骤包括：
利用超像素分割灰度图像中的突变像素点集合得到多个闭合突变区域。
5.根据权利要求1所述的一种用于健身器材喷漆工艺的金属构件检查方法，其特征在于，根据每个灰度级的灰度区间内每两个灰度级的像素点数量得到目标相近灰度级，根据目标相近灰度级的灰度差得到灰度级的降维程度值的步骤包括：
获取目标灰度直方图中每个灰度级右侧的灰度区间内每个灰度级的像素点数量，根据每两个灰度级的像素点数量对两个灰度级的像素点进行排列组合得到多个像素点组合；
获取最多像素点组合对应的两个灰度级作为目标相近灰度级；
对目标相近灰度级的两灰度级做差得到降维程度值。
6.根据权利要求1所述的一种用于健身器材喷漆工艺的金属构件检查方法，其特征在于，利用降维程度值对灰度级进行降维得到目标灰度级的步骤包括：
以降维程度值为间距值划分灰度级得到目标灰度级。
7.根据权利要求1所述的一种用于健身器材喷漆工艺的金属构件检查方法，其特征在于，根据每个闭合突变区域的中心点和边缘点的目标灰度级构建灰度共生矩阵的步骤包括：
以闭合突变区域的中心点到边缘点的距离为步长，以闭合突变区域的中心点的目标灰度级为纵向值，以闭合突变区域的边缘点的目标灰度级为横向值，以中心点和边缘点对应的灰度级的数量为矩阵中的元素构建灰度共生矩阵。
8.根据权利要求7所述的一种用于健身器材喷漆工艺的金属构件检查方法，其特征在于，根据所述差值和能量值得到每个灰度共生矩阵对应的闭合突变区域的均匀性的步骤包括：
获取灰度共生矩阵的能量值和最大元素对应的目标灰度级的差值的乘积，将乘积作为该灰度共生矩阵对应的闭合突变区域的均匀性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211269350.9A CN115330646B (zh) | 2022-10-17 | 2022-10-17 | 一种用于健身器材喷漆工艺的金属构件检查方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211269350.9A CN115330646B (zh) | 2022-10-17 | 2022-10-17 | 一种用于健身器材喷漆工艺的金属构件检查方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115330646A true CN115330646A (zh) | 2022-11-11 |
| CN115330646B CN115330646B (zh) | 2023-03-28 |
Family
ID=83915285
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211269350.9A Active CN115330646B (zh) | 2022-10-17 | 2022-10-17 | 一种用于健身器材喷漆工艺的金属构件检查方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115330646B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116645364A (zh) * | 2023-07-18 | 2023-08-25 | 金乡县金沪合金钢有限公司 | 一种基于图像数据的合金钢铸件气孔缺陷检测方法 |
| CN116912254A (zh) * | 2023-09-14 | 2023-10-20 | 山东博诚电气有限公司 | 基于数据增强预处理的电缆缺陷识别方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114842027A (zh) * | 2022-04-24 | 2022-08-02 | 南通真馨家纺有限公司 | 基于灰度共生矩阵的织物疵点分割方法和系统 |
| CN115018765A (zh) * | 2022-04-24 | 2022-09-06 | 海门市博洋铸造有限公司 | 基于灰度梯度共生矩阵的粉末冶金零件成品检测方法 |
| CN115049671A (zh) * | 2022-08-17 | 2022-09-13 | 南通东德纺织科技有限公司 | 基于计算机视觉的布匹表面缺陷检测方法及系统 |
| CN115100201A (zh) * | 2022-08-25 | 2022-09-23 | 淄博齐华制衣有限公司 | 一种阻燃纤维材料的混纺缺陷检测方法 |
-
2022
- 2022-10-17 CN CN202211269350.9A patent/CN115330646B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114842027A (zh) * | 2022-04-24 | 2022-08-02 | 南通真馨家纺有限公司 | 基于灰度共生矩阵的织物疵点分割方法和系统 |
| CN115018765A (zh) * | 2022-04-24 | 2022-09-06 | 海门市博洋铸造有限公司 | 基于灰度梯度共生矩阵的粉末冶金零件成品检测方法 |
| CN115049671A (zh) * | 2022-08-17 | 2022-09-13 | 南通东德纺织科技有限公司 | 基于计算机视觉的布匹表面缺陷检测方法及系统 |
| CN115100201A (zh) * | 2022-08-25 | 2022-09-23 | 淄博齐华制衣有限公司 | 一种阻燃纤维材料的混纺缺陷检测方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116645364A (zh) * | 2023-07-18 | 2023-08-25 | 金乡县金沪合金钢有限公司 | 一种基于图像数据的合金钢铸件气孔缺陷检测方法 |
| CN116645364B (zh) * | 2023-07-18 | 2023-10-27 | 金乡县金沪合金钢有限公司 | 一种基于图像数据的合金钢铸件气孔缺陷检测方法 |
| CN116912254A (zh) * | 2023-09-14 | 2023-10-20 | 山东博诚电气有限公司 | 基于数据增强预处理的电缆缺陷识别方法 |
| CN116912254B (zh) * | 2023-09-14 | 2023-12-08 | 山东博诚电气有限公司 | 基于数据增强预处理的电缆缺陷识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115330646B (zh) | 2023-03-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115330646B (zh) | 一种用于健身器材喷漆工艺的金属构件检查方法 | |
| CN114937055B (zh) | 基于人工智能的图像自适应分割方法与系统 | |
| CN107490582B (zh) | 一种流水线工件检测系统 | |
| CN114372983B (zh) | 一种基于图像处理的屏蔽盒涂装质量检测方法及系统 | |
| CN108876768B (zh) | 导光板暗影缺陷检测方法 | |
| CN103543394A (zh) | 一种高压电气设备放电紫外成像量化参数提取方法 | |
| CN115222733A (zh) | 基于图像识别的金属构件表面缺陷检测方法 | |
| CN108827181B (zh) | 一种基于视觉的板材表面检测方法 | |
| CN114792316B (zh) | 一种盘刹车轴底板点焊缺陷检测方法 | |
| CN114549441A (zh) | 基于图像处理的吸管缺陷检测方法 | |
| CN115841434A (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
| CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
| CN117351019B (zh) | 一种焊接缺陷检测方法 | |
| CN114332081B (zh) | 基于图像处理的纺织品表面异常判定方法 | |
| CN117274113B (zh) | 基于图像增强的碎硅片清洗效果视觉检测方法 | |
| CN117011291B (zh) | 一种手表外壳质量视觉检测方法 | |
| CN116012767B (zh) | 一种电控硅油风扇离合器壳体裂纹视觉检测方法 | |
| CN111311512A (zh) | 随机噪点校正方法 | |
| CN110310223B (zh) | 一种紫外光与可见光图像的融合方法 | |
| CN113344823A (zh) | 一种银线型触头烧蚀区域形貌三维粗糙度表征方法 | |
| Tang et al. | A simple illumination map estimation based on Retinex model for low-light image enhancement | |
| CN111145193A (zh) | 一种自适应全局阈值二值化方法 | |
| CN116883401B (zh) | 一种工业产品生产质量检测系统 | |
| CN117392122B (zh) | 基于超声波技术的螺栓无损检测方法 | |
| CN117036205B (zh) | 基于图像增强的注塑件生产质量检测方法 |
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 |