CN116152255A - 一种改性塑料生产瑕疵判断方法 - Google Patents
一种改性塑料生产瑕疵判断方法 Download PDFInfo
- Publication number
- CN116152255A CN116152255A CN202310429573.5A CN202310429573A CN116152255A CN 116152255 A CN116152255 A CN 116152255A CN 202310429573 A CN202310429573 A CN 202310429573A CN 116152255 A CN116152255 A CN 116152255A
- Authority
- CN
- China
- Prior art keywords
- edge
- pseudo
- coordinate
- gradient
- plastic
- 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
- G06T7/12—Edge-based segmentation
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像数据处理技术领域,具体涉及一种改性塑料生产瑕疵判断方法。该方法对改性塑料的灰度图像进行初次区域生长得到塑料区域,获取灰度图像的边缘图像,进而获取分析图像;将每个分析区域划分梯度块,根据分析区域内相邻梯度块的梯度差异程度获取伪边缘,根据伪边缘与非伪边缘的方向差异获取匹配边缘;依据伪边缘与其匹配边缘间对应边缘点的相关程度,根据相关程度调整对应像素点在初次区域生长过程中的生长条件,并进行第二次区域生长得到完整塑料区域,并对改性塑料的瑕疵进行判断。本发明根据区域生长的非伪边缘与构建的伪边缘之间的相关程度对区域生长条件进行调整,提高了改性塑料生产瑕疵判断的准确性。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种改性塑料生产瑕疵判断方法。
背景技术
改性塑料行业是塑料加工大类中发展较快且发展潜力较大的一个子类行业,是一个正处于发展上升期的朝阳产业。随着人们生活水平的大幅提升和技术手段的进步,改性塑料下游市场将持续扩大。
在改性塑料生产过程中会出现很多问题,其中,改性塑料的长度瑕疵问题较为常见。现有技术通过区域生长算法可对改性塑料进行区域分割,根据区域分割结果检测长度瑕疵。但因为改性塑料表面通常是光滑的,因此常规生长准则对改性塑料区域分割时容易收到光线等噪声的影响,致使常规分割中改性塑料区域分割是不完整的,减低对改性塑料长度瑕疵的识别。
发明内容
为了解决常规区域生长对图像分割不完整,导致改性塑料的瑕疵判断不准确的技术问题,本发明的目的在于提供一种改性塑料生产瑕疵判断方法,所采用的技术方案具体如下:
本发明提出了一种改性塑料生产瑕疵判断方法,该方法包括:
获取改性塑料的灰度图像;对所述灰度图像进行初次区域生长得到至少两个塑料区域;获取所述灰度图像的边缘图像,所述边缘图像中包含由边缘围成的分析区域;在同一坐标系下,一个所述分析区域包含至少一个塑料区域;
将每个所述分析区域划分为至少两个预设尺寸的梯度块;根据每个所述分析区域内相邻两个所述梯度块之间的梯度差异程度,获取对应分析区域内的伪边缘;根据每个分析区域内所述伪边缘与非伪边缘之间的方向差异获取对应伪边缘的匹配边缘;
获取每个伪边缘与其所述匹配边缘之间对应边缘点的相关程度;根据所述相关程度调整对应像素点在所述初次区域生长的过程中的生长条件,根据调整后的生长条件进行二次区域生长,得到完整塑料区域,依据所述完整塑料区域对改性塑料的生产瑕疵进行判断。
进一步地,所述伪边缘的获取方法,包括:
在每个所述分析区域内,将每个梯度值在相邻两个所述梯度块内像素点数量之间的差异,作为对应梯度值在相邻梯度块之间的梯度差异度;将每个梯度值的所述梯度差异度进行累加,得到对应相邻两个梯度块之间的梯度差异特征值;
对相邻两个所述梯度块之间的所述梯度差异特征值进行归一化,得到对应两个梯度块之间的归一差异特征值;
设置差异阈值,当每个所述分析区域内任意相邻两个梯度块之间的所述归一差异特征值小于所述差异阈值时,将对应相邻所述梯度块合并得到伪曲线;
对所述伪曲线进行角点检测得到对应伪曲线上的角点,每条所述伪曲线上最多只有一个角点;当所述伪曲线上存在角点时,依据角点将对应伪曲线划分为两条所述伪边缘;当所述伪曲线上不存在角点时,将所述伪曲线作为所述伪边缘。
进一步地,所述匹配边缘的获取方法,包括:
将每个分析区域内所述伪边缘和所述非伪边缘分别进行直线拟合,得到每条伪边缘的拟合直线和每条非伪边缘的拟合直线;
选取每个分析区域内任意所述伪边缘作为目标伪边缘,计算所述目标伪边缘的拟合直线与每条所述非伪边缘的拟合直线之间的方向差异,将最小所述方向差异对应的非伪边缘作为目标伪边缘的匹配边缘;改变所述目标伪边缘,获取每个分析区域内每条伪边缘的所述匹配边缘。
进一步地,所述相关程度的获取方法,包括:
在每个所述分析区域内任选一个像素点建立直角坐标系,使分析区域内各像素点均位于同一象限;分别获取每条所述伪边缘与其所述匹配边缘的坐标序列;对每条所述伪边缘的坐标序列与其所述匹配边缘的坐标序列内的坐标使用动态时间规划算法,得到对应匹配边缘的调整坐标序列;所述调整坐标序列与所述伪边缘的坐标序列内元素数量相同;所述伪边缘的坐标序列与其匹配边缘的所述调整坐标序列构成匹配序列组;
分别对所述匹配序列组中两个坐标序列同时从前到后按照预设尺寸的采样窗口连续进行采样,每次采样间隔一个坐标,得到的两个采样坐标序列构成采样序列组;将所述采样序列组内两个采样坐标序列内坐标之间的皮尔逊相关系数,作为两个采样坐标序列中第一个坐标之间的相关程度;若所述采样坐标序列中包含对应坐标序列的最后一个元素,停止采样,将所述匹配序列组内两个坐标序列中没有所述相关系数的对应坐标作为待分析坐标,将每个所述待分析坐标作为最后一个元素所对应的采样坐标序列作为待分析采样坐标序列;以所述待分析采样坐标序列对应的皮尔逊相关系数作为对应待分析坐标的相关程度。
进一步地,所述初次区域生长过程中的生长条件,包括:
获取生长点与待生长点之间的灰度相似性;若所述灰度相似性大于预设阈值,则将所述待生长点作为新的生长点继续生长。
进一步地,所述根据所述相关程度调整对应像素点在所述初次区域生长过程中的生长条件,包括:
若所述待生长点为所述伪边缘上的像素点,获取生长点与待生长点之间的灰度相似性,则以所述待生长点的所述相关程度与所述灰度相似性的和作为调整相似性度量;若所述调整相似性度量大于预设阈值,则将所述待生长点作为新的生长点继续生长。
进一步地,所述依据所述完整塑料区域对改性塑料的生产瑕疵进行判断的方法,为:
设置参数颗粒长度;对所述完整塑料区域作最小外接矩形,当所述最小外接矩形的长边的长度小于所述参数颗粒长度,则对应改性塑料没有生产瑕疵;否则,则对应改性塑料有生产瑕疵。
进一步地,所述分析区域的获取方法,包括:
获取边缘图像中每条边缘曲线;对所述边缘曲线进行角点检测得到角点,依据角点将所述边缘曲线划分为至少两条边缘线;将像素点连续的所述边缘线围成的区域作为初始分析区域;若两个所述初始分析区域为包含关系,则将两个所述初始分析区域合并,获得所述分析区域。
本发明具有如下有益效果:
在本发明实施例中为了将改性塑料颗粒在改性塑料的灰度图像中的对应区域分割出,对灰度图像进行区域生长得到至少塑料区域,由于塑料区域中可能存在部分区域内灰度差异值较小,使得塑料区域的分割是不完整的,边缘图像能够清楚反映经过区域生长后每个塑料区域的边缘情况,则获取初次区域生长后灰度图像的边缘图像,以便后续针对性对塑料区域的边缘信息进行分析,并根据边缘获取分析图像;采集图像时光照影响,导致背景区域和改性塑料区域之间的分界线不清晰,且改性塑料表面较为光滑,所以改性塑料的表面容易出现光线分界线,但光线分界线与改性塑料区域的灰度分布差异不大,所以改性塑料较为模糊的实际边界线与内部的光线分界线可能被识别为伪边缘,根据相邻梯度块的梯度差异程度获取伪边缘,提高了不同模糊位置的差异,进而增加伪边缘信息的准确性;由于改性塑料颗粒为方形,则分析区域同侧边缘的方向基本一致,且同侧边缘的相似程度最高,所以基于伪边缘与各非伪边缘之间的方向差异,获取与伪边缘相似程度最高的非伪边缘作为匹配边缘,并依据每个伪边缘与其匹配边缘之间的相关程度,对伪边缘上像素点之间的初次区域生长过程中的生长条件进行调整,使伪边缘依据更适合其生长条件进行生长,进而得到较为准确的完整塑料区域,提高对改性塑料缺陷判断的准确性。
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改性塑料生产瑕疵判断方法的方法流程图;
图2为本发明一个实施例所提供的一种改性塑料待分析时的灰度图像;
图3为本发明一个实施例所提供的一种改性塑料待分析时边缘图像;
图4为本发明一个实施例所提供的一种初次区域生长结果的示意图;
图5为本发明一个实施例所提供的一种二次区域生长结果的示意图。
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改性塑料生产瑕疵判断方法,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改性塑料生产瑕疵判断方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种改性塑料生产瑕疵判断方法的方法流程图,该方法包括:
步骤S1:获取改性塑料的灰度图像;对灰度图像进行初次区域生长得到至少两个塑料区域;获取灰度图像的边缘图像,边缘图像中包含由边缘围成的分析区域;在同一坐标系下,一个分析区域包含至少一个塑料区域。
具体的,在改性塑料的正上方50cm高度放置电荷耦合元件(Charge-coupled-Device,CCD)相机,使用CCD相机采集改性塑料的图像,图像中包含多个改性塑料颗粒。其中,改性塑料的图像为RGB图像。对改性塑料的图像进行灰度化处理得到改性塑料的灰度图像。图2为本发明一个实施例所提供的一种改性塑料待分析时的灰度图像。
需要说明的是,本发明实施例中选用加权平均灰度化算法进行灰度化处理,具体方法在此不做介绍,为本领域技术人员熟知的技术手段。在本发明其他实施例中也可选用其他图像采集装置及图像预处理算法,图像采集和图像预处理算法均为本领域技术人员熟知的技术手段,在此不做限定。
改性塑料的图像中包含多个改性塑料颗粒,为了提高图像分割的准确性,需要在改性塑料的灰度图像中随机选取多个种子点,使种子点均匀分布在改性塑料的灰度图像中,从种子点位置对改性塑料的灰度图像进行区域生长。改性塑料的灰度图像中包含改性塑料区域和背景区域,背景区域的灰度分布基本一致,但在采集图像过程中存在相机拍摄角度、光照和噪声等影响,使改性塑料区域内灰度分布不均匀,导致常规分割中改性塑料区域分割是不完整的,即同一个改性塑料区域被划分为不同塑料区域。
使用Canny边缘检测算子获取经过区域生长后灰度图像的边缘图像,边缘图像能够清楚反映每个塑料区域的边缘情况,根据边缘可以直观反映经过初次区域生长后对灰度图像的分割情况。因此,在边缘图像中进行后续分析。图3为本发明一个实施例所提供的一种改性塑料待分析时边缘图像,如图3所示,A表示待分析的改性塑料。
其中,Canny边缘检测算子为本领域技术人员熟知的技术手段,具体方法在此不做介绍。
当塑料区域与背景区域之间的灰度分布差异较大时,边缘图像中改性塑料的边缘较为清晰,能够将对应改性塑料颗粒完整且明显地分割。采集图像时光线不均匀,导致塑料区域不能完整与背景区域进行区分或者改性塑料表面存在光线分界线导致一个塑料区域被分为两个塑料区域;还会导致获得的边缘图像中改性塑料表面存在较为复杂的边缘信息,在表面同时出现非伪边缘和伪边缘。此时,需要对伪边缘的区域生长规则进行修改,通过对伪边缘再次进行区域生长,使灰度图像中的改性塑料区域能够完整地分割出来。
在生产过程中改性塑料颗粒的形状和大小固定,则改性塑料在灰度图像中为方形区域或圆形区域。本发明针对改性塑料的长条瑕疵进行判断,由于弯曲的改性塑料不会直立站住,对于直立站住的改性塑料都是不存在长条瑕疵的,则灰度图像中圆形区域对应的改性塑料颗粒不存在长条瑕疵。因此,改性塑料颗粒在灰度图像中对应区域为方形区域。
边缘图像中的边缘可能为改性塑料的真实边缘,也可能由于改性塑料表面通常表现光滑使得改性塑料的表面出现明显的光线分界线,根据这些边缘的分布位置获取分析区域,使分析区域能够完整的呈现改性塑料颗粒在边缘图像中的边缘分布。
优选地,分析区域的具体获取方法为:获取边缘图像中每条边缘曲线;对边缘曲线进行角点检测得到角点,依据角点将边缘曲线划分为至少两条边缘线;将像素点连续的边缘线围成的区域作为初始分析区域;若两个初始分析区域为包含关系,则将两个初始分析区域合并,获得分析区域。其中,角点检测为本领域技术人员熟知的技术手段,具体方法在此不做介绍。需要说明的是,当初始分析区域为包含关系时,则两个初始分析区域分别对应改性塑料的真实边缘构成的区域,由光线分界线与真实边缘共同构成的生长不完整区域,且真实边缘构成的区域包含由光线分界线与真实边缘共同构成的生长不完整区域。
步骤S2:将每个分析区域划分为至少两个预设尺寸的梯度块;根据每个分析区域内相邻两个梯度块之间的梯度差异程度,获取对应分析区域内的伪边缘;根据每个分析区域内伪边缘与非伪边缘之间的方向差异获取对应伪边缘的匹配边缘。
对边缘图像中每个分析区域采用超像素分割获取多个像素块,光滑部分没有明显梯度变化,而梯度差异较大的边缘信息能够反映区域生长的情况,说明分析区域中边缘位置的梯度块具有分析价值,所以对边缘位置的梯度块进行后续分析。其中,超像素分割为本领域技术人员熟知的技术手段,具体方法在此不做介绍。本发明实施例中超像素分割的分割尺寸的大小为3×3,实施者可根据实际情况自行设定。
改性塑料颗粒的颜色分布一致,虽然通过区域生长算法分割不完整,但相邻梯度块之间的灰度值差异不大,所以通过相邻梯度块之间的梯度差异程度获取归一差异特征值。
优选地,归一差异特征值的具体获取方法为:在每个分析区域内,将每个梯度值在相邻两个梯度块内像素点数量之间的差异,作为对应梯度值在相邻梯度块之间的梯度差异度;将每个梯度值的梯度差异度进行累加,得到对应相邻两个梯度块之间的梯度差异特征值;对相邻两个梯度块之间的梯度差异特征值进行归一化,得到对应两个梯度块之间的归一差异特征值。
需要说明的是,每个梯度值在相邻两个梯度块内均能找到对应像素点。本发明实施例中使用归一化函数对相邻两个梯度块之间的梯度差异特征值进行归一化处理,得到对应两个梯度块之间的归一差异特征值。在其他实施例中也可选择其他对相邻两个梯度块之间的差异特征值进行归一化的方法,例如函数转化、最大最小规范化、Sigmoid函数等归一化方法,在此不做限定。
根据梯度值在相邻两个梯度块中像素点的数量的差异,获取相邻梯度块之间的梯度差异特征值,并进行归一化得到归一差异特征值。归一差异特征值的计算公式如下:
式中,为分析区域中第i个梯度块与第i+1个梯度块之间的归一差异特征
值,K为梯度块内梯度值的种类,为第i个梯度块内梯度值为j的像素点的数量,为第
i+1个梯度块内梯度值为j的像素点的数量;为绝对值函数;Norm为绝对值函数。
需要说明的是,当相邻两个梯度块的之间相同梯度值的像素点的数量间的差异越小,说明相邻两个像素块的梯度差异程度越小,相邻两个梯度块有极大节能
均位于模糊的边缘的位置,则相邻两个梯度块之间的梯度差异特征值越小,相邻的两个梯
度块越容易合并在一块。
在本发明其他实施例中,可以将改性塑料的灰度图像进行超像素分割得到区域块,根据每个灰度级在相邻两个区域块内像素点数量之间的差异,获取相邻两个区域块之间的差异特征值,以作为判断相邻两个区域块之间相似性指标。
由于采集图像时光照的影响,导致背景区域和改性塑料区域之间的分界线不清晰,且改性塑料表面较为光滑,所以改性塑料的表面容易出现光线分界线,但光线分界线与改性塑料区域的灰度分布差异不大,所以改性塑料较为模糊的实际边界线与内部的光线分界线都可能被识别为伪边缘。
优选地,伪边缘的具体获取方法为:设置差异阈值,当每个分析区域内任意相邻两个梯度块之间的归一差异特征值小于差异阈值时,将对应相邻梯度块合并得到伪曲线;对伪曲线进行角点检测得到对应伪曲线上的角点,每条伪曲线上最多只有一个角点;当伪曲线上存在角点时,依据角点将对应伪曲线划分为两条伪边缘;当伪曲线上不存在角点时,将伪曲线作为伪边缘。本发明实施例中,差异阈值取经验值0.3,实施者可根据实际情况自行设定。
需要说明的是,对分析区域的实际边界线中伪边缘与非伪边缘的数量进行下述分析:当背景区域和改性塑料区域之间的梯度差异较小,分析图像中改性塑料区域的模糊边界线的梯度块可能连接到一块,这种情况下分析区域的实际边界线中有两条伪边缘,即相邻梯度块合并的形成的伪曲线可能位于塑料区域的邻接两侧。由于针对单侧的改性塑料的伪边缘进行分析,所以需要将每侧的伪曲线进行分割,以提高伪边缘与非伪边缘之间相关性分析的准确率。若改性塑料的区域生长效果较差,则分析区域可能仅存在一条非伪边缘,在这种情况下无法确定分析区域,且仅能与相同方向的非伪边缘进行分析,与该方向相垂直方向的边缘无法进行分析,本发明对仅有一条非伪边缘的分析区域不进行分析,仅针对伪曲线可能在分布区域邻接的两侧、单侧和光线分界线产生边缘的情况进行分析,由于塑料区域为方形区域,当伪曲线分布在改性塑料相邻的两侧时,则伪曲线上会存在明显的角点,所以依据角点将伪曲线分为两条伪边缘;当伪曲线分布在改性塑料单侧或者由光线分界线产生边缘时,伪曲线上不会存在明显的角点,则将伪曲线直接作为伪边缘。
需要说明的是,由于非伪边缘是清晰且完整的,则非伪边缘只能是改性塑料区域的边界线。为了保证改性塑料颗粒在边缘图像中分析的完整性,在边缘图像中每个分析区域至少包含两条非伪边缘,且两条非伪边缘邻接。由于分析区域为方形区域,则每个分析区域中最多包含四条非伪边缘;当分析区域不包含伪边缘时,则认为该分析区域分割完整,不再需要进行后续分析。本发明仅针对边缘图像中分析区域中有两条或者三条非伪边缘的情况进行分析。
由于改性塑料颗粒为方形,则同侧边缘的方向基本一致,所以基于伪边缘与各非伪边缘之间的方向差异,获取伪边缘对应的匹配边缘。优选地,匹配边缘的具体获取方法为:将每个分析区域内伪边缘和非伪边缘分别进行直线拟合,得到每条伪边缘的拟合直线和每条非伪边缘的拟合直线;选取每个分析区域内任意伪边缘作为目标伪边缘,计算目标伪边缘的拟合直线与每条非伪边缘的拟合直线之间的方向差异,将最小方向差异对应的非伪边缘作为目标伪边缘的匹配边缘;改变目标伪边缘,获取每个分析区域内每条伪边缘的匹配边缘。
依据上述获取伪边缘的匹配边缘的方法,获取每个分析区域内每个伪边缘的匹配边缘。
步骤S3:获取每个伪边缘与其匹配边缘之间对应边缘点的相关程度;根据相关程度调整对应像素点在初次区域生长的过程中的生长条件,根据调整后的生长条件进行二次区域生长,得到完整塑料区域,依据完整塑料区域对改性塑料的生产瑕疵进行判断。
改性塑料颗粒在灰度图像中的塑料区域基本为方形区域或圆形区域,由于圆形区域对应的改性塑料颗粒可以直立站住,则圆形区域对应的改性塑料颗粒不存在瑕疵,需要对灰度图像中方形区域对应的改性塑料颗粒进行判断。因为方形的塑料区域中相同方向的两个边缘之间相关性较大,所以能够基于伪边缘与其匹配边缘之间的相关程度获取相关程度。
优选地,相关程度的具体获取方法包括:在每个分析区域内任选一个像素点建立直角坐标系,使分析区域内各像素点均位于同一象限;分别获取每条伪边缘与其匹配边缘的坐标序列;对每条伪边缘的坐标序列与其匹配边缘的坐标序列内的坐标使用动态时间规划算法,得到对应匹配边缘的调整坐标序列;调整坐标序列与伪边缘的坐标序列内元素数量相同;伪边缘的坐标序列与其匹配边缘的调整坐标序列构成匹配序列组;分别对匹配序列组中两个坐标序列同时从前到后按照预设尺寸的采样窗口连续进行采样,每次采样间隔一个坐标,得到的两个采样坐标序列构成采样序列组;将采样序列组内两个采样坐标序列内坐标之间的皮尔逊相关系数,作为两个采样坐标序列中第一个坐标之间的相关程度;若采样坐标序列中包含对应坐标序列的最后一个元素,停止采样,将匹配序列组内两个坐标序列中没有相关系数的对应坐标作为待分析坐标,将每个待分析坐标作为最后一个元素所对应的采样坐标序列作为待分析采样坐标序列;以待分析采样坐标序列对应的皮尔逊相关系数作为对应待分析坐标的相关程度。
作为一个示例,在每个分析区域内任意选取一个像素点,使得分析区域内塑料区
域内每个像素点均在以像素点建立的直角坐标系的同一象限中,便于后续对边缘上像素点
的坐标分析。以分析区域内任意伪边缘与其匹配边缘进行分析,获取伪边缘与其匹配边缘
对应的坐标序列,对伪边缘的坐标序列与其匹配边缘的坐标序列内的元素使用动态时间规
划算法,得到对应匹配边缘的调整坐标序列,使伪边缘与匹配边缘对应的坐标序列中元素
的数量相等。以伪边缘的坐标序列和其匹配边缘的调整坐标序
列为例进行分析。在伪边缘的坐标序列L1和匹配边缘的调整
坐标序列L2中从前到后按照预设尺寸的采样窗口连续进行采样,在本发明实施例中采样窗
口的预设尺寸取经验值为5×1,得到伪边缘的采样坐标序列
和匹配边缘的采样坐标序列,采样坐标序列和采样
坐标序列构成采样序列组。计算采样序列组内两个采样坐标序列内坐标之间
的皮尔逊相关系数,将皮尔逊相关系数作为坐标与坐标之间的相关系数。每
次采样均后移一个坐标,总共获取N-4个采样序列组,得到坐标元素与坐标元素至坐标元素与坐标元素之间每对坐标之间对应的相关系数。
其中,与,与,与,
以及与之间的均没有相关系数,此时,以与为例,获取待分
析采样坐标序列与之
间的皮尔逊相关系数,作为坐标元素与坐标元素之间的相关系数。
需要说明的是,由于皮尔逊相关系数表示两个变量之间的线性相关程度,待分析
采样坐标序列虽然将采样坐标序列内元素倒序排列,但是序列之间的相关关系并没有改
变,则可以用待分析采样坐标序列之间的皮尔逊相关系数作为坐标元素与坐标元
素之间的相关系数。
其中,动态时间规划算法和皮尔逊相关系数均为公知技术,在此不在进行赘述。
在本发明其他实施例中,可以通过对伪边缘的坐标序列和其匹配边缘的调整坐标序列分别向后补4个坐标,同样使匹配序列组中两个坐标序列同时从前到后按照预设数量连续进行采样,采样间隔一个坐标,通过补位操作后得使得匹配序列组内每对坐标之间均有相关系数。
初次区域生长过程中的生长条件为:获取生长点与待生长点之间的灰度相似性;若灰度相似性大于预设阈值,则将待生长点作为新的生长点继续生长。图4为本发明一个实施例所提供的一种初次区域生长结果的示意图,如图4所示,白色区域B为待分析的改性塑料A的初次区域生长的结果。本发明实施例中预设阈值取经验值0.5,实施者可根据实际情况自行设定。
优选地,本发明一个实施例中相邻像素点之间的灰度相似性的获取方法为:将每条伪边缘上相邻两个像素点之间的灰度值差异与预设常数之和的倒数,作为对应相邻两个像素点之间的灰度相似性。
本发明其他实施例中,获取伪边缘上任意相邻两个像素点的灰度值,较小灰度值与较大灰度值的比值,作为对应相邻两个像素点之间的灰度相似性;当相邻两个像素点的灰度值差异越小,说明对应相邻像素点的相似性越高,则相邻两个像素点之间的灰度相似性越趋近于1。
基于相邻像素点的灰度差异获取灰度相似性,灰度相似性的计算公式如下:
式中,为初次区域生长过程中伪边缘上第k个像素点与第k+1个像素点
之间相似性度量,为伪边缘上第k个像素点的灰度值,为伪边缘上第k+1个像素点的
灰度值,a为预设常数,取经验值1,作为防止分母为0;为绝对值函数。
需要说明的是,当伪边缘上相邻两个像素点之间的灰度差异越小,说明相邻的两个像素点越相似,则相邻像素点之间的相似性度量越大,在进行区域生长时,两个像素点合并到一起的可能性越高。
相关程度呈现伪边缘与其匹配边缘之间的相似性,灰度相似性为区域生长的规则,通过相关程度对区域生长规则进行适当调整,使调整后的生长规则能够较好适应伪边缘的生长。
通过相关程度调整对应像素点在初次区域生长过程中的生长条件的方法为:若待生长点为伪边缘上的像素点,获取生长点与待生长点之间的灰度相似性,则以待生长点的相关程度与灰度相似性的和作为调整相似性度量;若调整相似性度量大于预设阈值,则将待生长点作为新的生长点继续生长。本发明实施例中,预设阈值取经验值0.8。
作为一个示例,伪边缘与其匹配边缘之间对应坐标的相关程度,与该伪边缘上的
像素点一一对应,以伪边缘上坐标为例进行分析,坐标为生长点,坐标为待生
长点,获取生长点与待生长点之间的灰度相似性,将待生长点的相关
程度与灰度相似性的和作为调整相似性度量。若调整相似性度量大于预设阈值,则将待生
长点作为新的生长点继续生长,当伪边缘上相邻像素点之间的调整相似性度量越大,说明
该伪边缘为改性塑料的实际边界线的可能性越大。
根据调整后的生长条件对伪边缘进行二次区域生长,得到完整塑料区域。图5为本发明一个实施例所提供的一种二次区域生长结果的示意图,如图5所示,区域C为待分析的改性塑料A的第二次生长结果。
在改性塑料的生产过程中,改性塑料颗粒的形状、大小和长度均是固定的。在改性塑料的正上方50cm高度设置CCD相机,从改性塑料的正上方进行拍摄,则获取的改性塑料图像中塑料区域为方形区域或者圆形区域。改性塑料在切割之前出现弯曲,导致改性塑料颗粒出现长条瑕疵,而弯曲的改性塑料颗粒是不会直立站住,所以直立站住的改性塑料都是不存在长条瑕疵的,则灰度图像中圆形区域对应的改性塑料颗粒不存在长条瑕疵。排除掉灰度图像中的圆形区域,灰度图像中基本仅剩方形区域,将图像中方形区域的长度与改性塑料颗粒的实际固定长度比较,判断改性塑料的长条瑕疵。
在本发明实施例中,设置参数颗粒长度;对完整塑料区域作最小外接矩形,当最小外接矩形的长边的长度小于参数颗粒长度,则对应改性塑料没有生产瑕疵;否则,则对应改性塑料有生产瑕疵。本发明实施例中参数颗粒长度取经验值1cm,实施者可根据实际情况自行设置。
在本发明其他实施例中,可以通过设置数量阈值,获取完整塑料区域的每条边缘上像素点的数量,边缘上像素点数量越多说明该边缘越长,将最大的像素点数量与数量阈值比较;当最大的像素点数量小于数量阈值时,则改性塑料没有生产瑕疵;反之,改性塑料出现生产瑕疵。
综上所述,本发明实施例中,对改性塑料的灰度图像进行初次区域生长得到塑料区域,获取灰度图像的边缘图像,进而获取分析图像;将每个分析区域划分梯度块,根据分析区域内相邻梯度块的梯度差异程度获取伪边缘,根据伪边缘与非伪边缘的方向差异获取匹配边缘;依据伪边缘与其匹配边缘间对应边缘点的相关程度,根据相关程度调整对应像素点在初次区域生长过程中的生长条件,并进行第二次区域生长得到完整塑料区域,并对改性塑料的瑕疵进行判断。本发明根据区域生长的非伪边缘与构建的伪边缘之间的相关程度对区域生长条件进行调整,提高了改性塑料生产瑕疵判断的准确性。
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。
Claims (8)
1.一种改性塑料生产瑕疵判断方法,其特征在于,该方法包括:
获取改性塑料的灰度图像;对所述灰度图像进行初次区域生长得到至少两个塑料区域;获取所述灰度图像的边缘图像,所述边缘图像中包含由边缘围成的分析区域;在同一坐标系下,一个所述分析区域包含至少一个塑料区域;
将每个所述分析区域划分为至少两个预设尺寸的梯度块;根据每个所述分析区域内相邻两个所述梯度块之间的梯度差异程度,获取对应分析区域内的伪边缘;根据每个分析区域内所述伪边缘与非伪边缘之间的方向差异获取对应伪边缘的匹配边缘;
获取每个伪边缘与其所述匹配边缘之间对应边缘点的相关程度;根据所述相关程度调整对应像素点在所述初次区域生长的过程中的生长条件,根据调整后的生长条件进行二次区域生长,得到完整塑料区域,依据所述完整塑料区域对改性塑料的生产瑕疵进行判断。
2.根据权利要求1所述的一种改性塑料生产瑕疵判断方法,其特征在于,所述伪边缘的获取方法,包括:
在每个所述分析区域内,将每个梯度值在相邻两个所述梯度块内像素点数量之间的差异,作为对应梯度值在相邻梯度块之间的梯度差异度;将每个梯度值的所述梯度差异度进行累加,得到对应相邻两个梯度块之间的梯度差异特征值;
对相邻两个所述梯度块之间的所述梯度差异特征值进行归一化,得到对应两个梯度块之间的归一差异特征值;
设置差异阈值,当每个所述分析区域内任意相邻两个梯度块之间的所述归一差异特征值小于所述差异阈值时,将对应相邻所述梯度块合并得到伪曲线;
对所述伪曲线进行角点检测得到对应伪曲线上的角点,每条所述伪曲线上最多只有一个角点;当所述伪曲线上存在角点时,依据角点将对应伪曲线划分为两条所述伪边缘;当所述伪曲线上不存在角点时,将所述伪曲线作为所述伪边缘。
3.根据权利要求1所述的一种改性塑料生产瑕疵判断方法,其特征在于,所述匹配边缘的获取方法,包括:
将每个分析区域内所述伪边缘和所述非伪边缘分别进行直线拟合,得到每条伪边缘的拟合直线和每条非伪边缘的拟合直线;
选取每个分析区域内任意所述伪边缘作为目标伪边缘,计算所述目标伪边缘的拟合直线与每条所述非伪边缘的拟合直线之间的方向差异,将最小所述方向差异对应的非伪边缘作为目标伪边缘的匹配边缘;改变所述目标伪边缘,获取每个分析区域内每条伪边缘的所述匹配边缘。
4.根据权利要求1所述的一种改性塑料生产瑕疵判断方法,其特征在于,所述相关程度的获取方法,包括:
在每个所述分析区域内任选一个像素点建立直角坐标系,使分析区域内各像素点均位于同一象限;分别获取每条所述伪边缘与其所述匹配边缘的坐标序列;对每条所述伪边缘的坐标序列与其所述匹配边缘的坐标序列内的坐标使用动态时间规划算法,得到对应匹配边缘的调整坐标序列;所述调整坐标序列与所述伪边缘的坐标序列内元素数量相同;所述伪边缘的坐标序列与其匹配边缘的所述调整坐标序列构成匹配序列组;
分别对所述匹配序列组中两个坐标序列同时从前到后按照预设尺寸的采样窗口连续进行采样,每次采样间隔一个坐标,得到的两个采样坐标序列构成采样序列组;将所述采样序列组内两个采样坐标序列内坐标之间的皮尔逊相关系数,作为两个采样坐标序列中第一个坐标之间的相关程度;若所述采样坐标序列中包含对应坐标序列的最后一个元素,停止采样,将所述匹配序列组内两个坐标序列中没有所述相关系数的对应坐标作为待分析坐标,将每个所述待分析坐标作为最后一个元素所对应的采样坐标序列作为待分析采样坐标序列;以所述待分析采样坐标序列对应的皮尔逊相关系数作为对应待分析坐标的相关程度。
5.根据权利要求1所述的一种改性塑料生产瑕疵判断方法,其特征在于,所述初次区域生长过程中的生长条件,包括:
获取生长点与待生长点之间的灰度相似性;若所述灰度相似性大于预设阈值,则将所述待生长点作为新的生长点继续生长。
6.根据权利要求5所述的一种改性塑料生产瑕疵判断方法,其特征在于,所述根据所述相关程度调整对应像素点在所述初次区域生长过程中的生长条件,包括:
若所述待生长点为所述伪边缘上的像素点,获取生长点与待生长点之间的灰度相似性,则以所述待生长点的所述相关程度与所述灰度相似性的和作为调整相似性度量;若所述调整相似性度量大于预设阈值,则将所述待生长点作为新的生长点继续生长。
7.根据权利要求1所述的一种改性塑料生产瑕疵判断方法,其特征在于,所述依据所述完整塑料区域对改性塑料的生产瑕疵进行判断的方法,为:
设置参数颗粒长度;对所述完整塑料区域作最小外接矩形,当所述最小外接矩形的长边的长度小于所述参数颗粒长度,则对应改性塑料没有生产瑕疵;否则,则对应改性塑料有生产瑕疵。
8.根据权利要求1所述的一种改性塑料生产瑕疵判断方法,其特征在于,所述分析区域的获取方法,包括:
获取边缘图像中每条边缘曲线;对所述边缘曲线进行角点检测得到角点,依据角点将所述边缘曲线划分为至少两条边缘线;将像素点连续的所述边缘线围成的区域作为初始分析区域;若两个所述初始分析区域为包含关系,则将两个所述初始分析区域合并,获得所述分析区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310429573.5A CN116152255B (zh) | 2023-04-21 | 2023-04-21 | 一种改性塑料生产瑕疵判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310429573.5A CN116152255B (zh) | 2023-04-21 | 2023-04-21 | 一种改性塑料生产瑕疵判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116152255A true CN116152255A (zh) | 2023-05-23 |
CN116152255B CN116152255B (zh) | 2023-06-27 |
Family
ID=86356508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310429573.5A Active CN116152255B (zh) | 2023-04-21 | 2023-04-21 | 一种改性塑料生产瑕疵判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116152255B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117291985A (zh) * | 2023-11-24 | 2023-12-26 | 青岛宜霖赛瑞智能科技有限公司 | 一种零件冲孔的图像定位方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070154097A1 (en) * | 2006-01-03 | 2007-07-05 | Chi-Feng Wang | Method and apparatus for image edge detection |
CN101286233A (zh) * | 2008-05-19 | 2008-10-15 | 重庆邮电大学 | 基于对象云的模糊边缘检测方法 |
US7449065B1 (en) * | 2006-12-02 | 2008-11-11 | Ohio Aerospace Institute | Method for the growth of large low-defect single crystals |
CN103761743A (zh) * | 2014-01-29 | 2014-04-30 | 东北林业大学 | 一种基于图像融合分割的实木地板表面缺陷检测方法 |
CN113989279A (zh) * | 2021-12-24 | 2022-01-28 | 武汉华康龙兴工贸有限公司 | 基于人工智能及图像处理的塑料薄膜质量检测方法 |
CN114897890A (zh) * | 2022-07-08 | 2022-08-12 | 南通华烨塑料工业有限公司 | 一种基于人工智能的改性塑料生产调控方法 |
CN115049669A (zh) * | 2022-08-16 | 2022-09-13 | 如皋富美龙金属制品有限公司 | 金属缺陷识别方法 |
CN115239735A (zh) * | 2022-09-23 | 2022-10-25 | 探长信息技术(苏州)有限公司 | 基于计算机视觉的通信柜表面缺陷检测方法 |
-
2023
- 2023-04-21 CN CN202310429573.5A patent/CN116152255B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070154097A1 (en) * | 2006-01-03 | 2007-07-05 | Chi-Feng Wang | Method and apparatus for image edge detection |
US7449065B1 (en) * | 2006-12-02 | 2008-11-11 | Ohio Aerospace Institute | Method for the growth of large low-defect single crystals |
CN101286233A (zh) * | 2008-05-19 | 2008-10-15 | 重庆邮电大学 | 基于对象云的模糊边缘检测方法 |
CN103761743A (zh) * | 2014-01-29 | 2014-04-30 | 东北林业大学 | 一种基于图像融合分割的实木地板表面缺陷检测方法 |
CN113989279A (zh) * | 2021-12-24 | 2022-01-28 | 武汉华康龙兴工贸有限公司 | 基于人工智能及图像处理的塑料薄膜质量检测方法 |
CN114897890A (zh) * | 2022-07-08 | 2022-08-12 | 南通华烨塑料工业有限公司 | 一种基于人工智能的改性塑料生产调控方法 |
CN115049669A (zh) * | 2022-08-16 | 2022-09-13 | 如皋富美龙金属制品有限公司 | 金属缺陷识别方法 |
CN115239735A (zh) * | 2022-09-23 | 2022-10-25 | 探长信息技术(苏州)有限公司 | 基于计算机视觉的通信柜表面缺陷检测方法 |
Non-Patent Citations (3)
Title |
---|
H.G. GALLAGHER等: "Progress in the growth and characterisation of zinc germanium phosphide crystals", IEEE * |
兰瑜洁 等: "基于区域生长法的自适应图像分割的网眼织物瑕疵检测", 机电工程, vol. 32, no. 11 * |
龚灿: "工业产品视觉检测中的感兴趣区域建模与提取", 中国优秀硕士学位论文全文数据库信息科技辑, no. 06 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117291985A (zh) * | 2023-11-24 | 2023-12-26 | 青岛宜霖赛瑞智能科技有限公司 | 一种零件冲孔的图像定位方法 |
CN117291985B (zh) * | 2023-11-24 | 2024-03-15 | 青岛宜霖赛瑞智能科技有限公司 | 一种零件冲孔的图像定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116152255B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179225B (zh) | 一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法 | |
CN113240626B (zh) | 一种基于神经网络的玻璃盖板凹凸型瑕疵检测与分类方法 | |
CN116664559B (zh) | 基于机器视觉的内存条损伤快速检测方法 | |
CN108898132B (zh) | 一种基于形状上下文描述的太赫兹图像危险品识别方法 | |
CN108181316B (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
CN108615239B (zh) | 基于阈值技术和灰度投影的舌图像分割方法 | |
CN116152255B (zh) | 一种改性塑料生产瑕疵判断方法 | |
CN115131354B (zh) | 一种基于光学手段的实验室用塑料薄膜缺陷检测方法 | |
CN116912248B (zh) | 基于计算机视觉的不规则五金件表面缺陷检测方法 | |
CN116152242B (zh) | 一种篮球用天然皮革缺陷可视化检测系统 | |
CN116188468B (zh) | 一种hdmi线缆传输分拣智能控制系统 | |
CN112862832B (zh) | 一种基于同心圆分割定位的脏污检测方法 | |
CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
CN116721391A (zh) | 一种基于计算机视觉的原料油分离效果检测方法 | |
CN112184644A (zh) | 一种基于多光照强度的气密性气泡检测方法及装置 | |
CN116958125A (zh) | 基于图像处理的电竞主机电源元件缺陷视觉检测方法 | |
CN111178405A (zh) | 一种融合多种神经网络的相似物体识别方法 | |
CN112288726B (zh) | 一种井下带式输送机带面异物检测方法 | |
CN117333489A (zh) | 一种薄膜破损检测装置及检测系统 | |
CN117456376A (zh) | 一种基于深度学习的遥感卫星影像目标检测方法 | |
CN117169247A (zh) | 一种基于机器视觉的金属表面缺陷多维度检测方法及系统 | |
CN116757972A (zh) | 一种抗光影噪声影响的织物缺陷检测方法 | |
CN113643290B (zh) | 一种基于图像处理的吸管计数方法、装置及存储介质 | |
CN115861220A (zh) | 基于改进的ssd算法的冷轧带钢表面缺陷检测方法和系统 | |
CN112085683B (zh) | 一种显著性检测中的深度图可信度检测方法 |
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 |