CN116188462B - 一种基于视觉鉴定的贵金属质量检测方法及系统 - Google Patents
一种基于视觉鉴定的贵金属质量检测方法及系统 Download PDFInfo
- Publication number
- CN116188462B CN116188462B CN202310445266.6A CN202310445266A CN116188462B CN 116188462 B CN116188462 B CN 116188462B CN 202310445266 A CN202310445266 A CN 202310445266A CN 116188462 B CN116188462 B CN 116188462B
- Authority
- CN
- China
- Prior art keywords
- image
- image block
- gray
- metallographic
- noble metal
- 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.)
- Active
Links
- 229910000510 noble metal Inorganic materials 0.000 title claims abstract description 94
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 230000000007 visual effect Effects 0.000 title claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 22
- 238000013528 artificial neural network Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 7
- 238000011166 aliquoting Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 229910052751 metal Inorganic materials 0.000 description 24
- 239000002184 metal Substances 0.000 description 24
- 230000011218 segmentation Effects 0.000 description 7
- 239000010970 precious metal Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 150000002739 metals Chemical class 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052697 platinum Inorganic materials 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/30136—Metal
-
- 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
- Y02P10/00—Technologies related to metal processing
- Y02P10/20—Recycling
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 Analysis (AREA)
Abstract
本发明涉及图像数据处理领域，具体涉及一种基于视觉鉴定的贵金属质量检测方法及系统。获取贵金属的金相灰度图像并等分为多个图像块，获取每个像素点的清晰程度；将清晰程度大于清晰程度均值的像素点作为每个图像块中的边缘像素点；获取每个图像块的纹理丰富程度以及窗口概率；根据每个图像块的窗口概率确定该图像块的滤波窗口尺寸，以确定尺寸后的滤波窗口对每个图像块进行去噪，得到去噪后的金相灰度图像；根据去噪后的金相灰度图像对贵金属进行质量检测。本发明通过对金相灰度图像的滤波窗口尺寸进行自适应选取，能够保护图像纹理特征和边缘细节信息，提高质量检测结果的准确度。
Description
技术领域
本发明涉及图像数据处理领域，具体涉及一种基于视觉鉴定的贵金属质量检测方法及系统。
背景技术
贵金属主要指金、银和铂等金属，这些金属大多数拥有美丽的色泽，具有较强的化学稳定性。从古至今贵金属一直是人们财富和身份的象征，然而在贵金属的销售过程中存在一些质量问题，目前主要集中在贵金属纯度方面，经常存在一些“以假乱真”伪贵金属，由于贵金属饰品一般消费成本较高，一旦出现质量问题，将会对广大消费者财产安全造成严重损失，因此需要加强贵金属质量检测。
当前主要通过金相分析对贵金属进行质量检测，金相分析是研究金属材料性质、成分的一种目前为止比较完善的科学技术手段，其通过对贵金属的金相灰度图像内的金属成分进行区分，获取图像内的贵金属区域和杂质区域实现贵金属的质量检测；或者将金相图像输入神经网络进行贵金属区域分割训练，从而利用训练好的神经网络准确获取贵金属区域大小，实现对贵金属的质量检测，然而金相灰度图像需要通过CDD工业相机将光学显微镜采集的光信号形式的金相灰度图像转换为电信号的数字图像，由于管电流散粒效应影响，会导致成像后的金相灰度图像存在诸多的噪声，且在图像传输的过程中也可能使图像掺杂部分噪声，而金相灰度图像大多属于纹理较多的一类图像，噪声会导致金相灰度图像质量下降，模糊目标的边缘，使得输入神经网络的训练效果误差较大，影响后续的图像处理，导致对贵金属质量检测的准确度较低。
传统的均值滤波在对图像去噪时对所有像素点使用同一种方式处理，忽略了每个像素的自身特性，且窗口的形状和尺寸固定，易造成在滤除噪声的同时模糊了图像的边缘和细节信息导致去噪效果较差，从而影响贵金属质量检测结果的准确度。
发明内容
为了解决现有技术中在对图像滤除噪声的同时模糊了图像的边缘和细节信息导致去噪效果较差，无法得到准确的贵金属质量检测结果的问题，获取贵金属的金相灰度图像并等分为多个图像块，获取每个像素点的清晰程度；将清晰程度大于清晰程度均值的像素点作为每个图像块中的边缘像素点；获取每个图像块的纹理丰富程度以及窗口概率；根据每个图像块的窗口概率确定该图像块的滤波窗口尺寸，以确定尺寸后的滤波窗口对每个图像块进行去噪，得到去噪后的金相灰度图像；根据去噪后的金相灰度图像对贵金属进行质量检测。本发明通过对金相灰度图像的滤波窗口尺寸进行自适应选取，能够保护图像纹理特征和边缘细节信息，提高质量检测结果的准确度。
本发明采用如下技术方案，一种基于视觉鉴定的贵金属质量检测方法，包括：
获取贵金属的金相灰度图像，并将金相灰度图像等分为多个图像块；
根据每个图像块中，每个像素点与其八邻域像素点的灰度值获取每个像素点的清晰程度；
将每个图像块中清晰程度大于清晰程度均值的像素点作为每个图像块中的边缘像素点；
根据每个图像块内中心点到边缘像素点的距离、每个图像块内边缘像素点的数量以及边缘像素点的清晰程度获取每个图像块的纹理丰富程度；
根据每个图像块的纹理丰富程度、每个图像块中像素点的清晰程度获取每个图像块的窗口概率；
根据每个图像块的窗口概率确定每个图像块的滤波窗口尺寸，以确定尺寸后的滤波窗口对每个图像块进行去噪，得到去噪后的金相灰度图像；
根据去噪后的金相灰度图像对贵金属进行质量检测。
进一步的，一种基于视觉鉴定的贵金属质量检测方法，将金相灰度图像等分为多个图像块的步骤包括：
将金相灰度图像等分为多个第一图像块，判断等分后第一图像块的图像熵均值是否小于等分前金相灰度图像的图像熵；
若不小于，停止等分，得到多个图像块；
若小于，将每个第一图像块继续等分为多个图像块，依次进行等分，直到等分后图像块的图像熵均值小于等分前图像块的图像熵，或等分次数达到设定值时停止等分。
进一步的，一种基于视觉鉴定的贵金属质量检测方法，获取每个像素点的清晰程度的表达式为：
其中，表示第j个像素点的清晰程度，/>表示第j个像素点八邻域内像素点的最大灰度值，/>表示第j个像素点八邻域内像素点的最小灰度值，/>表示第j个像素点与其八邻域内第x个像素点的灰度差值的绝对值，/>表示第j个像素点八邻域内的像素点数量。
进一步的，一种基于视觉鉴定的贵金属质量检测方法，获取每个图像块的纹理丰富程度的方法为：
获取每个图像块内所有边缘像素点清晰程度的方差；
获取每个图像块内中心点到每个边缘像素点距离的方差；
获取每个图像块内边缘像素点的数量与该图像块内所有像素点数量的比值；
根据每个图像块内所有边缘像素点清晰程度的方差、中心点到每个边缘像素点距离的方差以及边缘像素点的数量与该图像块内所有像素点数量的比值之间的乘积，得到每个图像块的纹理丰富程度。
进一步的，一种基于视觉鉴定的贵金属质量检测方法，获取每个图像块的窗口概率的方法为：
获取每个图像块内每个像素点清晰程度与该像素点八邻域内不同灰度值个数的乘积均值；
利用该乘积均值与图像块的纹理丰富程度相乘，并对相乘后的值进行负相关映射，得到每个图像块的窗口概率。
进一步的，一种基于视觉鉴定的贵金属质量检测方法，根据每个图像块的窗口概率确定该图像块的滤波窗口尺寸的方法为：
根据滤波窗口尺寸预设多个阈值区间，当图像块的窗口概率位于预设阈值区间时，选择预设阈值区间对应的窗口尺寸作为该图像块的滤波窗口尺寸。
进一步的，一种基于视觉鉴定的贵金属质量检测方法，利用训练好的神经网络对贵金属进行质量检测的方法为：
将去噪后的神经网络输入神经网络，人工标注图像作为输出对神经网络进行训练，得到训练好的神经网络；
利用训练好的神经网络获取去噪后的贵金属金相灰度图像中的贵金属区域面积，根据贵金属区域面积与金相灰度图像的面积比值，得到贵金属的质量。
进一步的，本发明还提出了一种基于视觉鉴定的贵金属质量检测系统，至少包括图像采集设备以及处理器，其中，图像采集设备用于采集贵金属的金相灰度图像并发送至处理器，处理器用于对图像采集设备采集到的贵金属金相灰度图像进行处理，以实现任一项如上所述的一种基于视觉鉴定的贵金属质量检测方法。
本发明的有益效果是：本发明首先对金相灰度图像进行分块处理，使得图像块内的纹理结构相似，便于后续进行特征的提取，进而通过清晰程度来提取每个图像块中的边缘纹理，能够一定程度上作为区分贵金属区域和其他金属区域的依据，并且为下一步对每个图像块内纹理的丰富程度计算提供了基础，本发明通过每个图像块的纹理丰富程度进行滤波窗口尺寸的选取，能够尽可能保护图像中的纹理特征和边缘细节信息的同时增强去噪效果，从而提升对贵金属质量检测的准确度。
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为本发明实施例的一种基于视觉鉴定的贵金属质量检测方法结构示意图；
图2为本发明实施例的一种基于视觉鉴定的贵金属质量检测系统结构示意图。
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。
如图1所示，给出了本发明实施例的一种基于视觉鉴定的贵金属质量检测方法结构示意图，包括：
101.获取贵金属的金相灰度图像并等分为多个图像块；
本发明首先通过CDD工业相机将光学显微镜采集的光信号形式的贵金属金相灰度图像转换为电信号的数字图像，获取贵金属的金相灰度图像，再对图像进行灰度化处理，而金相灰度图像内不同金属成分存在较大差异，同一金属成分的纹理特征结构相似，即纹理的像素灰度变化较为相似，因此本方案先根据图像熵对图像进行分块处理，尽量令图像块内的金属成分类型统一，进而根据各图像块内的特征，赋予各图像块不同的窗口尺寸。
先将金相灰度图像等分为四块，取一块为例，计算该图像块的图像熵A，由于图像熵表示图像的平均信息量，若图像分块后各图像块内的金属成分类型减少，则图像熵减小，因此将该图像块再等分为四块，分别计算这四块的图像熵，取均值为，若/>，则等分成立，否则等分不成立，该图像块划分结束。当等分成立后，再分别对等分的四块图像进行二次等分，依次判断是否成立，令最多迭代次数为5，防止划分的图像块过小，由此完成该图像块的划分，同理完成金相灰度图像的分块处理，统计各图像块的图像熵，获得集合，其中n表示划分的图像块数量。
将金相灰度图像等分为多个图像块的步骤包括：
将金相灰度图像等分为多个第一图像块，判断等分后第一图像块的图像熵均值是否小于等分前金相灰度图像的图像熵；
若不小于，停止等分，得到多个图像块；
若小于，将每个第一图像块继续等分为多个图像块，依次进行等分，直到等分后图像块的图像熵均值小于等分前图像块的图像熵，或等分次数达到设定值时停止等分。
102.获取每个像素点的清晰程度；
然后本发明取划分完成后的第t个图像块为例，根据该图像块内各像素点的邻域特征，计算各像素点的清晰程度，获取每个像素点的清晰程度的表达式为：
其中，表示第j个像素点的清晰程度，/>表示第j个像素点八邻域内像素点（包括第j个像素点）的最大灰度值，/>表示第j个像素点八邻域内像素点（包括第j个像素点）的最小灰度值，/>表示第j个像素点与其八邻域内第x个像素点的灰度差值的绝对值，/>表示第j个像素点八邻域内的像素点数量（不包括第j个像素点），由此获得该图像块内各像素点的清晰程度集合/>，/>，m表示该图像块的像素点数量。
本发明中清晰程度反应的是图像边缘的突出程度，故当图像的局部邻域内像素点的最大灰度值差异越大，该局部邻域内存在边缘的概率越大，且邻域内中心像素点与其它像素点的灰度差异/>越大，该边缘越突出，即该中心像素点清晰程度越大，故当/>时，说明邻域内像素灰度值都相同，即该像素点的清晰程度为0，当/>时，说明邻域内像素灰度值存在最大差异为/>，而/>表示邻域内中心像素点与其它像素点的灰度差异，且以/>为权值，对/>进行加权均值，当灰度差异/>越大，权值越大，令加权均值后的值更接近差异较大的值，故用/>表示邻域内存在边缘的概率，用/>表示邻域内边缘的突出程度，即用两者的均值表示邻域中心像素点的清晰程度。
103.将清晰程度大于清晰程度均值的像素点作为每个图像块中的边缘像素点；
然后本发明再计算该图像块内各像素点的清晰程度集合的均值/>，由于图像内边缘的清晰程度较大，因此取集合/>中大于/>的数据，获得集合，表示该图像块内边缘像素点的清晰程度，集合/>中各数据对应的像素点为边缘像素点，其中q表示该图像块的边缘像素点的数量。
由于金相灰度图像内的主体应为贵金属区域，因此边缘多为贵金属与其它金属之间的边缘，且贵金属拥有明亮的色泽，金相灰度图像内贵金属区域相较于其它金属区域的像素灰度值较大，而不同金属区域的像素灰度值存在一定的差异，故不同金属区域和贵金属的边缘像素点的清晰程度不同，当边缘像素点的清晰程度/>值的类型越多，说明非贵金属的金属种类越多，且这些非贵金属含量越多、分布越广时，说明该图像块内的各金属融合越复杂，即纹理细节的丰富程度越大。
104.获取每个图像块的纹理丰富程度；
获取每个图像块的纹理丰富程度的方法为：
获取每个图像块内所有边缘像素点清晰程度的方差；
获取每个图像块内中心点到每个边缘像素点距离的方差；
获取每个图像块内边缘像素点的数量与该图像块内所有像素点数量的比值；
根据每个图像块内所有边缘像素点清晰程度的方差、中心点到每个边缘像素点距离的方差以及边缘像素点的数量与该图像块内所有像素点数量的比值之间的乘积，得到每个图像块的纹理丰富程度，表达式为：
其中，表示第t个图像块的纹理丰富程度，/>表示该图像块内边缘像素点清晰程度集合/>中的数据方差，其值越大，该图像块内的边缘像素点的清晰程度的类型越多，即金属成分的类型越多，/>表示该图像块内的中心点与各边缘像素点的距离集合的方差，其值越大，该图像块内的边缘像素点分布越离散，即各金属成分的分布越离散，m和q分别表示该图像块的总像素点数量和边缘像素点数量。
当图像块内非贵金属区域越大、分布越广泛时，图像块内的边缘越多、越广泛，即越大，纹理细节信息量越多，当图像块内非贵金属的金属种类越多时，图像块内的边缘类型越多，即/>越大，纹理细节信息的复杂程度越大，因此本发明用表示纹理信息量的和表示纹理细节信息复杂程度的/>的乘积表示该图像块内纹理细节的丰富程度。
105.获取每个图像块的窗口概率；
获取每个图像块的窗口概率的方法为：
获取每个图像块内每个像素点清晰程度与该像素点八邻域内不同灰度值的像素点个数的乘积累加和；
利用该乘积累加和与图像块内像素点数量的倒数以及图像块的纹理丰富程度相乘，并对相乘后的值进行负相关映射，得到每个图像块的窗口概率，表达式为：
其中表示第t个图像块的纹理丰富程度，/>表示该图像块内第j个像素点的清晰程度，/>表示该图像块内第j个像素点八邻域内（包括第j像素点）的不同像素灰度值的数量，即灰度级数量，m表示该图像块内的像素点数量，e为自然常数，/>为第t个图像块的窗口概率。
由于较大的均值滤波窗口会破坏图像内的边缘和局部细节信息，使图像变得模糊，当表示该图像块内纹理细节的丰富程度越大时，说明该图像块内不同类型的金属区域边缘信息量越多，因此需要较小的滤波窗口尺寸用以保护整个图像块内各类型金属区域的边缘，而当该图像块内各类型的金属区域边缘、区域内部细节越明显时，即各像素点的清晰程度/>和对应的局部细节信息量/>越大时，均值滤波窗口较大时对其模糊程度就越大，因此同样需要较小的窗口尺寸，用以保护各类型金属区域的局部边缘和区域内的局部细节，故本发明通过表示该图像块内不同类型的金属区域边缘信息量的/>和表示该图像块内各类型的金属区域边缘、区域内部细节的明显程度/>的乘积表示该图像块需要窗口大小的程度，即/>表示需要的窗口概率，用以防止图像模糊、边缘和局部细节信息丢失较多。
106.以确定尺寸后的滤波窗口对每个图像块进行去噪；
根据每个图像块的窗口概率确定该图像块的滤波窗口尺寸的方法为：
根据滤波窗口尺寸预设多个阈值区间，当图像块的窗口概率满足预设阈值区间时，选择预设阈值区间对应的窗口尺寸作为该图像块的滤波窗口尺寸。
由此本发明获得金相灰度图像划分的所有图像块的窗口概率集合，其中n表示划分的图像块数量，本方案设置四种常用的窗口尺寸分别为3、5、7、9，进而根据各图像块的窗口概率/>设定多个阈值区间进行窗口尺寸的选取，当时，窗口尺寸为3，当/>时，窗口尺寸为5，当/>时，窗口尺寸为7，当/>时，窗口尺寸为9，至此获得各图像块所需的窗口尺寸，以上窗口尺寸以及阈值区间均为本发明中的一种举例，具体尺寸以及对应阈值区间可以根据实际情况自行进行设定，本发明不做约束。
由于金相灰度图像内的纹理在局部区域内接近于线形，因此本发明选取的窗口形状为线形，用以保护图像的纹理特征和边缘细节，取、/>、/>和/>四方向的宽度为单像素点的线形窗口，其中/>为图像的横轴向右方向，再逆时针旋转获取其它三个方向。
本发明以任意一个图像块中的一个像素点为例，已知该图像块所需的窗口尺寸，分别计算这四种形状的线形窗口内像素点的灰度值方差，当线形窗口穿过纹理或边缘时，窗口内像素点的灰度值方差较大，而当线形窗口沿纹理或边缘方向时，窗口内像素点的灰度值方差较小，因此本发明取最小像素灰度方差对应的窗口形状为该像素点的窗口，同理完成金相灰度图像内所有像素点的窗口尺寸和形状的选取。
金相灰度图像内的纹理较多，利用均值滤波去噪时，当窗口尺寸和形状选取不合适时，会导致图像模糊、丢失大量的边缘和细节信息，导致图像的纹理特征被破坏，本发明通过对金相灰度图像内的各像素点的形状和尺寸进行自适应选取，对纹理细节丰富的区域选取较小的窗口尺寸，用于保护图像纹理特征和边缘细节信息，而对纹理平缓的区域选取较大的窗口尺寸，增强去噪效果，且根据纹理的形状特征，选取不同方向的线形窗口，进一步保护图像的纹理特征和边缘信息。
根据金相灰度图像分块后每个图像块对应的窗口尺寸以及窗口形状对每个图像块进行均值滤波处理，从而得到去噪后的高质量金相灰度图像。
107.将去噪后的金相灰度图像输入神经网络进行训练，利用训练好的神经网络对贵金属进行质量检测。
利用训练好的神经网络对贵金属进行质量检测的方法为：
利用神经网络获取贵金属的金相灰度图像中的贵金属区域面积，根据贵金属区域面积与金相灰度图像的面积比值，得到贵金属的质量。
本发明通过获取去噪后的高质量贵金属的金相灰度图像，然后使用DNN语义分割的方式来识别分割图像中的贵金属区域。
该DNN网络的相关内容如下：
使用的数据集为去噪后的高质量贵金属的金相灰度图像数据集；
需要分割的像素，共分为2类，即训练集对应标签标注过程为：单通道的语义标签，对应位置像素属于背景区域的标注为0，属于贵金属区域的标注为1；
网络的任务是分类，所以使用的loss函数为交叉熵损失函数。
即本发明中通过将去噪后的高质量贵金属金相灰度图像数据集作为输入，人工标注贵金属区域的图像作为输出对DNN语义分割网络进行训练，以此得到的DNN语义分割网络即可实现对贵金属的金相灰度图像中的贵金属区域进行识别，DNN语义分割网络的具体模型可参照现有技术中的任一种语义分割网络模型，本发明对此不做任何限制。
至此，通过DNN语义分割，获取贵金属金相灰度图像内的贵金属区域，则该贵金属的质量为，其中K为金相灰度图像的面积，/>为金相灰度图像内的贵金属区域面积。
如图2所示，给出了本发明一种基于视觉鉴定的贵金属质量检测系统流程示意图，包括图像采集设备以及处理器；
图像采集设备用于采集贵金属的金相灰度图像并发送至处理器；
处理器用于对图像采集设备采集到的贵金属金相灰度图像进行处理，即实现将金相灰度图像等分为多个图像块，根据每个图像块中，每个像素点与其八邻域像素点的灰度值获取每个像素点的清晰程度；将每个图像块中清晰程度大于清晰程度均值的像素点作为每个图像块中的边缘像素点；根据每个图像块中边缘像素点的数量、边缘像素点的清晰程度以及中心点到边缘像素点的距离获取每个图像块的纹理丰富程度；根据每个图像块的纹理丰富程度、每个图像块中像素点的清晰程度获取每个图像块的窗口概率；根据每个图像块的窗口概率确定该图像块的滤波窗口尺寸，以确定尺寸后的滤波窗口对每个图像块进行去噪，得到去噪后的金相灰度图像；将去噪后的金相灰度图像输入神经网络进行训练，利用训练好的神经网络对贵金属进行质量检测。
本发明首先对金相灰度图像进行分块处理，使得图像块内的纹理结构相似，便于后续进行特征的提取，进而通过清晰程度来提取每个图像块中的边缘纹理，能够一定程度上作为区分贵金属区域和其他金属区域的依据，并且为下一步对每个图像块内纹理的丰富程度计算提供了基础，本发明通过每个图像块的纹理丰富程度进行滤波窗口尺寸的选取，能够尽可能保护图像中的纹理特征和边缘细节信息的同时增强去噪效果，从而提升对贵金属质量检测的准确度。
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 (6)
1.一种基于视觉鉴定的贵金属质量检测方法，其特征在于，包括：
获取贵金属的金相灰度图像，并将金相灰度图像等分为多个图像块；
根据每个图像块中，每个像素点与其八邻域像素点的灰度值获取每个像素点的清晰程度；
将每个图像块中清晰程度大于清晰程度均值的像素点作为每个图像块中的边缘像素点；
根据每个图像块内中心点到边缘像素点的距离、每个图像块内边缘像素点的数量以及边缘像素点的清晰程度获取每个图像块的纹理丰富程度；
获取每个图像块的纹理丰富程度的方法为：
获取每个图像块内所有边缘像素点清晰程度的方差；
获取每个图像块内中心点到每个边缘像素点距离的方差；
获取每个图像块内边缘像素点的数量与该图像块内所有像素点数量的比值；
根据每个图像块内所有边缘像素点清晰程度的方差、中心点到每个边缘像素点距离的方差以及边缘像素点的数量与该图像块内所有像素点数量的比值之间的乘积，得到每个图像块的纹理丰富程度；
根据每个图像块的纹理丰富程度、每个图像块中像素点的清晰程度获取每个图像块的窗口概率；
获取每个图像块的窗口概率的方法为：
获取每个图像块内每个像素点清晰程度与该像素点八邻域内不同灰度值个数的乘积均值；
利用该乘积均值与图像块的纹理丰富程度相乘，并对相乘后的值进行负相关映射，得到每个图像块的窗口概率；
根据每个图像块的窗口概率确定每个图像块的滤波窗口尺寸，以确定尺寸后的滤波窗口对每个图像块进行去噪，得到去噪后的金相灰度图像；
根据去噪后的金相灰度图像对贵金属进行质量检测。
2.根据权利要求1所述的一种基于视觉鉴定的贵金属质量检测方法，其特征在于，将金相灰度图像等分为多个图像块的步骤包括：
将金相灰度图像等分为多个第一图像块，判断等分后第一图像块的图像熵均值是否小于等分前金相灰度图像的图像熵；
若不小于，停止等分，得到多个图像块；
若小于，将每个第一图像块继续等分为多个图像块，依次进行等分，直到等分后图像块的图像熵均值小于等分前图像块的图像熵，或等分次数达到设定值时停止等分。
3.根据权利要求1所述的一种基于视觉鉴定的贵金属质量检测方法，其特征在于，获取每个像素点的清晰程度的表达式为：其中，/>表示第j个像素点的清晰程度，/>表示第j个像素点八邻域内像素点的最大灰度值，/>表示第j个像素点八邻域内像素点的最小灰度值，/>表示第j个像素点与其八邻域内第x个像素点的灰度差值的绝对值，/>表示第j个像素点八邻域内的像素点数量。
4.根据权利要求1所述的一种基于视觉鉴定的贵金属质量检测方法，其特征在于，根据每个图像块的窗口概率确定该图像块的滤波窗口尺寸的方法为：
根据滤波窗口尺寸预设多个阈值区间，当图像块的窗口概率位于预设阈值区间时，选择预设阈值区间对应的窗口尺寸作为该图像块的滤波窗口尺寸。
5.根据权利要求1所述的一种基于视觉鉴定的贵金属质量检测方法，其特征在于，根据去噪后的金相灰度图像对贵金属进行质量检测的方法为：
将去噪后的神经网络输入神经网络，人工标注图像作为输出对神经网络进行训练，得到训练好的神经网络；
利用训练好的神经网络获取去噪后的贵金属金相灰度图像中的贵金属区域面积，根据贵金属区域面积与金相灰度图像的面积比值，得到贵金属的质量。
6.一种基于视觉鉴定的贵金属质量检测系统，至少包括图像采集设备以及处理器，其特征在于，图像采集设备用于采集贵金属的金相灰度图像并发送至处理器，处理器用于对图像采集设备采集到的贵金属金相灰度图像进行处理，以实现任一项如权利要求1-5所述的一种基于视觉鉴定的贵金属质量检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310445266.6A CN116188462B (zh) | 2023-04-24 | 2023-04-24 | 一种基于视觉鉴定的贵金属质量检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310445266.6A CN116188462B (zh) | 2023-04-24 | 2023-04-24 | 一种基于视觉鉴定的贵金属质量检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116188462A CN116188462A (zh) | 2023-05-30 |
| CN116188462B true CN116188462B (zh) | 2023-08-11 |
Family
ID=86452430
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310445266.6A Active CN116188462B (zh) | 2023-04-24 | 2023-04-24 | 一种基于视觉鉴定的贵金属质量检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116188462B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116503404B (zh) * | 2023-06-27 | 2023-09-01 | 梁山县创新工艺品股份有限公司 | 塑料玩具质量检测方法、装置、电子设备及存储介质 |
| CN116485884B (zh) * | 2023-06-28 | 2023-09-12 | 四川君安天源精酿啤酒有限公司 | 基于计算机视觉的精酿啤酒瓶口实时定位方法及系统 |
| CN116580024B (zh) * | 2023-07-12 | 2023-09-15 | 山东荣信集团有限公司 | 一种基于图像处理的焦炭质量检测方法 |
| CN116883370B (zh) * | 2023-07-18 | 2024-02-20 | 西藏净微检测技术有限公司 | 一种农产品外观质量检测系统 |
| CN116630813B (zh) * | 2023-07-24 | 2023-09-26 | 青岛奥维特智能科技有限公司 | 一种公路路面施工质量智能检测系统 |
| CN116758084B (zh) * | 2023-08-21 | 2023-10-13 | 金恒山电气无锡有限公司 | 基于图像数据的钣金件焊接缺陷智能检测方法 |
| CN117522875B (zh) * | 2024-01-08 | 2024-04-05 | 深圳市新创源精密智造有限公司 | 基于图像滤波的半导体载带生产质量视觉检测方法 |
| CN117557571B (zh) * | 2024-01-12 | 2024-03-26 | 普森美微电子技术(苏州)有限公司 | 基于图像增强的合金电阻焊接缺陷视觉检测方法及系统 |
Citations (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106204572A (zh) * | 2016-07-06 | 2016-12-07 | 合肥工业大学 | 基于场景深度映射的道路目标深度估计方法 |
| CN107766806A (zh) * | 2017-09-30 | 2018-03-06 | 北京飞搜科技有限公司 | 一种基于尺度变换的人脸检测方法及系统 |
| CN107807074A (zh) * | 2017-12-14 | 2018-03-16 | 黄靖淳 | 金属火灾熔痕的定量金相与物相分析系统及方法 |
| CN109146816A (zh) * | 2018-08-22 | 2019-01-04 | 浙江大华技术股份有限公司 | 一种图像滤波方法、装置、电子设备和存储介质 |
| CN110555957A (zh) * | 2018-05-31 | 2019-12-10 | 北京银融科技有限责任公司 | 一种智能取款设备及其方法 |
| CN110675325A (zh) * | 2018-07-03 | 2020-01-10 | 江威 | 一种增强眼底图像的方法和装置 |
| CN110706183A (zh) * | 2019-10-11 | 2020-01-17 | 成都极米科技股份有限公司 | 图像清晰度的确定方法、装置、投影仪设备及存储介质 |
| WO2020051746A1 (zh) * | 2018-09-10 | 2020-03-19 | 深圳配天智能技术研究院有限公司 | 图像的边缘检测方法、图像处理设备及计算机存储介质 |
| CN110992279A (zh) * | 2019-11-26 | 2020-04-10 | 华中科技大学 | 一种用于金相图像平滑去噪的多级中值滤波方法 |
| CN111681174A (zh) * | 2020-04-29 | 2020-09-18 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 抑制椒盐/高斯混噪目标图像的联合滤波方法 |
| CN112435175A (zh) * | 2020-10-30 | 2021-03-02 | 西安交通大学 | 一种金相图像去噪方法及系统 |
| CN113034560A (zh) * | 2021-02-22 | 2021-06-25 | 北京工业大学 | 非均匀纹理迁移方法及装置 |
| CN114359503A (zh) * | 2021-12-13 | 2022-04-15 | 广西壮族自治区自然资源和不动产登记中心 | 一种基于无人机倾斜摄影建模方法 |
| CN114399021A (zh) * | 2021-12-01 | 2022-04-26 | 中南大学 | 一种基于多尺度信息的概率风速预测方法和系统 |
| WO2022089552A1 (zh) * | 2020-10-28 | 2022-05-05 | 上海睿钰生物科技有限公司 | 细胞杀伤效力和/或免疫活性的检测方法、系统及其应用 |
| WO2022110804A1 (zh) * | 2020-11-24 | 2022-06-02 | 海南大学 | 一种基于局部统计信息的图像噪声检测方法、装置 |
| CN114723632A (zh) * | 2022-04-01 | 2022-07-08 | 南通辑兴紧固件科技有限公司 | 一种基于纹理信息的零件异常曝光图像修正方法及装置 |
| CN114820394A (zh) * | 2022-06-29 | 2022-07-29 | 北京科技大学 | 一种基于稳健参数估计的图像噪点滤波方法及装置 |
| CN114972325A (zh) * | 2022-07-11 | 2022-08-30 | 爱普车辆股份有限公司 | 一种基于图像处理的汽车轮毂缺陷检测方法 |
| CN115131356A (zh) * | 2022-09-01 | 2022-09-30 | 南通市恒瑞精密机械制造有限公司 | 一种基于丰富度的钢板缺陷分类方法 |
| CN115272346A (zh) * | 2022-09-30 | 2022-11-01 | 江苏炜盛光电科技有限公司 | 一种基于边缘检测的pcb板生产过程在线检测方法 |
| CN115375574A (zh) * | 2022-08-22 | 2022-11-22 | 山西大学 | 基于区域自适应的多尺度非局部低剂量ct图像去噪方法 |
| CN115457067A (zh) * | 2022-11-09 | 2022-12-09 | 乐比(广州)健康产业有限公司 | 一种通鼻提神药物液位检测方法 |
| CN115661135A (zh) * | 2022-12-09 | 2023-01-31 | 山东第一医科大学附属省立医院(山东省立医院) | 一种心脑血管造影的病灶区域分割方法 |
| CN115661872A (zh) * | 2022-10-21 | 2023-01-31 | 深圳市人工智能与机器人研究院 | 一种自然场景下鲁棒的手掌感兴趣区域定位方法 |
| CN115731203A (zh) * | 2022-11-25 | 2023-03-03 | 南方科技大学 | 白内障图像识别方法、装置、计算机设备和可读存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11074495B2 (en) * | 2013-02-28 | 2021-07-27 | Z Advanced Computing, Inc. (Zac) | System and method for extremely efficient image and pattern recognition and artificial intelligence platform |
| US10672109B2 (en) * | 2018-03-29 | 2020-06-02 | Pixar | Multi-scale architecture of denoising monte carlo renderings using neural networks |
| US11741577B2 (en) * | 2020-12-11 | 2023-08-29 | Samsung Electronics Co., Ltd | Method and apparatus for multi-frame based detail grade map estimation and adaptive multi-frame denoising |
| CN112950508B (zh) * | 2021-03-12 | 2022-02-11 | 中国矿业大学(北京) | 一种基于计算机视觉的排水管道视频数据修复方法 |
-
2023
- 2023-04-24 CN CN202310445266.6A patent/CN116188462B/zh active Active
Patent Citations (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106204572A (zh) * | 2016-07-06 | 2016-12-07 | 合肥工业大学 | 基于场景深度映射的道路目标深度估计方法 |
| CN107766806A (zh) * | 2017-09-30 | 2018-03-06 | 北京飞搜科技有限公司 | 一种基于尺度变换的人脸检测方法及系统 |
| CN107807074A (zh) * | 2017-12-14 | 2018-03-16 | 黄靖淳 | 金属火灾熔痕的定量金相与物相分析系统及方法 |
| CN110555957A (zh) * | 2018-05-31 | 2019-12-10 | 北京银融科技有限责任公司 | 一种智能取款设备及其方法 |
| CN110675325A (zh) * | 2018-07-03 | 2020-01-10 | 江威 | 一种增强眼底图像的方法和装置 |
| CN109146816A (zh) * | 2018-08-22 | 2019-01-04 | 浙江大华技术股份有限公司 | 一种图像滤波方法、装置、电子设备和存储介质 |
| WO2020051746A1 (zh) * | 2018-09-10 | 2020-03-19 | 深圳配天智能技术研究院有限公司 | 图像的边缘检测方法、图像处理设备及计算机存储介质 |
| CN110706183A (zh) * | 2019-10-11 | 2020-01-17 | 成都极米科技股份有限公司 | 图像清晰度的确定方法、装置、投影仪设备及存储介质 |
| CN110992279A (zh) * | 2019-11-26 | 2020-04-10 | 华中科技大学 | 一种用于金相图像平滑去噪的多级中值滤波方法 |
| CN111681174A (zh) * | 2020-04-29 | 2020-09-18 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 抑制椒盐/高斯混噪目标图像的联合滤波方法 |
| WO2022089552A1 (zh) * | 2020-10-28 | 2022-05-05 | 上海睿钰生物科技有限公司 | 细胞杀伤效力和/或免疫活性的检测方法、系统及其应用 |
| CN112435175A (zh) * | 2020-10-30 | 2021-03-02 | 西安交通大学 | 一种金相图像去噪方法及系统 |
| WO2022110804A1 (zh) * | 2020-11-24 | 2022-06-02 | 海南大学 | 一种基于局部统计信息的图像噪声检测方法、装置 |
| CN113034560A (zh) * | 2021-02-22 | 2021-06-25 | 北京工业大学 | 非均匀纹理迁移方法及装置 |
| CN114399021A (zh) * | 2021-12-01 | 2022-04-26 | 中南大学 | 一种基于多尺度信息的概率风速预测方法和系统 |
| CN114359503A (zh) * | 2021-12-13 | 2022-04-15 | 广西壮族自治区自然资源和不动产登记中心 | 一种基于无人机倾斜摄影建模方法 |
| CN114723632A (zh) * | 2022-04-01 | 2022-07-08 | 南通辑兴紧固件科技有限公司 | 一种基于纹理信息的零件异常曝光图像修正方法及装置 |
| CN114820394A (zh) * | 2022-06-29 | 2022-07-29 | 北京科技大学 | 一种基于稳健参数估计的图像噪点滤波方法及装置 |
| CN114972325A (zh) * | 2022-07-11 | 2022-08-30 | 爱普车辆股份有限公司 | 一种基于图像处理的汽车轮毂缺陷检测方法 |
| CN115375574A (zh) * | 2022-08-22 | 2022-11-22 | 山西大学 | 基于区域自适应的多尺度非局部低剂量ct图像去噪方法 |
| CN115131356A (zh) * | 2022-09-01 | 2022-09-30 | 南通市恒瑞精密机械制造有限公司 | 一种基于丰富度的钢板缺陷分类方法 |
| CN115272346A (zh) * | 2022-09-30 | 2022-11-01 | 江苏炜盛光电科技有限公司 | 一种基于边缘检测的pcb板生产过程在线检测方法 |
| CN115661872A (zh) * | 2022-10-21 | 2023-01-31 | 深圳市人工智能与机器人研究院 | 一种自然场景下鲁棒的手掌感兴趣区域定位方法 |
| CN115457067A (zh) * | 2022-11-09 | 2022-12-09 | 乐比(广州)健康产业有限公司 | 一种通鼻提神药物液位检测方法 |
| CN115731203A (zh) * | 2022-11-25 | 2023-03-03 | 南方科技大学 | 白内障图像识别方法、装置、计算机设备和可读存储介质 |
| CN115661135A (zh) * | 2022-12-09 | 2023-01-31 | 山东第一医科大学附属省立医院(山东省立医院) | 一种心脑血管造影的病灶区域分割方法 |
Non-Patent Citations (1)
| Title |
|---|
| "Microstructure and Magnetic properties of soft magnetic composites with silicate glass insulation layers‘;Wei Ding等;《Journal of superconductivity and Novel magnetism》(第27期);第239-245页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116188462A (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116188462B (zh) | 一种基于视觉鉴定的贵金属质量检测方法及系统 | |
| CN110163219B (zh) | 基于图像边缘识别的目标检测方法 | |
| CN116993731B (zh) | 基于图像的盾构机刀头缺陷检测方法 | |
| CN115841434B (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
| CN116110053B (zh) | 基于图像识别的集装箱表面信息检测方法 | |
| CN110276759B (zh) | 一种基于机器视觉的手机屏坏线缺陷诊断方法 | |
| CN115082465B (zh) | 基于扫描电镜图像处理的羊毛羊绒分类方法 | |
| CN117132510A (zh) | 一种基于图像处理的监控图像增强方法及系统 | |
| CN116246174B (zh) | 基于图像处理的甘薯种类识别方法 | |
| CN115330795A (zh) | 布匹毛刺缺陷检测方法 | |
| CN116152261B (zh) | 一种印刷制品质量的视觉检测系统 | |
| CN112417955A (zh) | 巡检视频流处理方法及装置 | |
| CN116385316B (zh) | 多目标图像动态捕捉方法及相关装置 | |
| CN113780110A (zh) | 一种图像序列中弱小目标实时检测方法及设备 | |
| CN118279304B (zh) | 基于图像处理的异型金属件异常识别方法、装置及介质 | |
| CN118379283B (zh) | 扁线电机定子表面缺陷检测方法、装置、设备及存储介质 | |
| CN115083008A (zh) | 运动目标检测方法、装置、设备及存储介质 | |
| CN115311507A (zh) | 基于数据处理的建筑板材分类方法 | |
| CN115731493A (zh) | 基于视频图像识别的降水微物理特征参量提取与分析方法 | |
| CN110321808B (zh) | 遗留物与盗移物检测方法、设备和存储介质 | |
| Hitimana et al. | Automatic estimation of live coffee leaf infection based on image processing techniques | |
| CN111178405A (zh) | 一种融合多种神经网络的相似物体识别方法 | |
| CN117315670B (zh) | 一种基于计算机视觉的水表读数区域检测方法 | |
| CN117496532A (zh) | 基于0cr的智慧识别工具 | |
| CN117475327A (zh) | 一种城市中基于遥感图像的多目标检测定位方法和系统 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Quality Detection Method and System for Precious Metals Based on Visual Identification Effective date of registration: 20231226 Granted publication date: 20230811 Pledgee: Bank of China Limited Shenzhen Buji Sub branch Pledgor: Shenzhen cuilv precious metal material technology Co.,Ltd. Registration number: Y2023980074487 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |