CN116237205A - 一种门窗喷涂调节方法及系统 - Google Patents

一种门窗喷涂调节方法及系统 Download PDF

Info

Publication number
CN116237205A
CN116237205A CN202310045647.5A CN202310045647A CN116237205A CN 116237205 A CN116237205 A CN 116237205A CN 202310045647 A CN202310045647 A CN 202310045647A CN 116237205 A CN116237205 A CN 116237205A
Authority
CN
China
Prior art keywords
window
door
spraying
low frequency
spectrogram
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
CN202310045647.5A
Other languages
English (en)
Other versions
CN116237205B (zh
Inventor
解成
郭银利
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 Zhongqian Curtain Wall Technology Co ltd
Original Assignee
Nantong Jinyueliang New Material Technology Development 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 Nantong Jinyueliang New Material Technology Development Co ltd filed Critical Nantong Jinyueliang New Material Technology Development Co ltd
Priority to CN202310045647.5A priority Critical patent/CN116237205B/zh
Publication of CN116237205A publication Critical patent/CN116237205A/zh
Application granted granted Critical
Publication of CN116237205B publication Critical patent/CN116237205B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05D—PROCESSES FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05D1/00—Processes for applying liquids or other fluent materials
    • B05D1/02—Processes for applying liquids or other fluent materials performed by spraying
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
    • B05B12/00—Arrangements for controlling delivery; Arrangements for controlling the spray area
    • B05B12/08—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means
    • B05B12/12—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means responsive to conditions of ambient medium or target, e.g. humidity, temperature position or movement of the target relative to the spray apparatus
    • 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
    • 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
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Application Of Or Painting With Fluid Materials (AREA)

Abstract

本发明涉及一种门窗喷涂调节方法及系统，采集各门窗的喷涂图像，得到对应门窗的标准频谱图以及门窗频谱图像；确定两频谱图中任一相同位置的频谱点对应的标准高斯值和门窗的高斯值；对标准频谱图和门窗频谱图进行高频区域和低频区域的划分，得到高频区域的高频比以及低频区域的低频比；计算高频比和低频比之和，得到高低频比信息；当高低频比信息大于设定阈值，则对应门窗的喷涂存在异常；对存在喷涂异常的门窗的喷涂图像进行图像分块，计算各图像块的高低频比信息，并对各图像块进行聚类，计算各类别中图像块的高低频比之和，作为对应类别的异常率，进行各类别喷涂的调节。本发明的方案能够对门窗的喷涂质量进行分析，进而对门窗的喷涂进行调节。

Description

一种门窗喷涂调节方法及系统
技术领域
本发明涉及涂料喷涂技术领域，具体涉及一种门窗喷涂调节方法及系统。
背景技术
现有通常采用铝型材生产门窗，其具有美观、密封、强度高，广泛应用于建筑工程领域，在家装中，常用铝合金门窗封装阳台。
目前对于铝型材门窗的喷涂，是采用静电粉末喷涂工艺，其是一种绿色环保技术，具有工艺操作简单、节能、安全、污染小等特点，生产的铝型材表面涂层具有颜色多样、色泽均匀、耐腐蚀、附着力强、耐候性及环保性能好等优点，寿命优于一般的氧化型材。
但在铝型材的门窗喷涂过程中，其表面涂层会经常出凹凸不平、喷涂不均匀的情况，使喷涂后的铝型材的门窗不美观有残次。
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门窗喷涂调节方法及系统，所采用的技术方案具体如下：
本发明的一种门窗喷涂调节方法，包括以下步骤：
采集各门窗的喷涂图像，对所述喷涂图像进行处理，得到喷涂二值图像和门窗图像，进而得到对应门窗的标准频谱图以及门窗频谱图像；其中，标准频谱图与门窗频谱图像大小一致；
分别对标准频谱图和门窗频谱图进行高斯处理，得到标准高斯模型和门窗的高斯模型，确定两频谱图中任一相同位置的频谱点对应的标准高斯值和门窗的高斯值；
对标准频谱图和门窗频谱图进行高频区域和低频区域的划分，得到高频区域对应的位置信息和低频区域对应的位置信息；根据高频区域中各位置信息对应的标准高斯值和门窗的高斯值，计算高频比；根据低频区域中各位置信息对应的标准高斯值和门窗的高斯值，计算低频比；计算所述高频比和低频比之和，得到高低频比信息；
判断所述高低频比信息与设定阈值的大小，当所述高低频比信息大于设定阈值，则对应门窗的喷涂存在异常；
对存在喷涂异常的门窗的喷涂图像进行图像分块，得到若干大小的像素块，并按照计算高低频比信息的步骤，计算各图像块对应的高低频比信息，基于高低频比信息对各图像块进行聚类，得到不同的类别，计算各类别中图像块的高低频比之和，作为对应类别的异常率，进行各类别喷涂的调节。
进一步地，当频谱点的位置信息位于高频区域时，高频比为：
Figure SMS_1
当频谱点的位置信息位于低频区域时，低频比为：
Figure SMS_2
其中,
Figure SMS_3
为门窗频谱图中的第i个频谱点对应的高斯值，/>
Figure SMS_4
为标准频谱图中的第i个频谱点对应的高斯值，/>
Figure SMS_5
为第i个频谱点的位置到频谱中心点的位置距离值，I为标准频谱图或者门窗频谱图的频谱点的个数。
进一步地，高频区域与低频区域的划分的方法为：获取两高斯模型的交点，以交点到各频谱图的中心点为半径R，以各频谱图的中心点为圆心，分别画圆，两频谱图中的圆以内的区域为低频区域，其剩余区域为高频区域同一类别的像素块采用凸包算法进行连接，得到喷涂异常区域，并基于高低频比，控制喷枪的喷涂量。
进一步地，所述聚类采用K-means聚类方法，其中聚类的类别的确定方法为：
1）设定滑窗窗口尺寸，该滑窗窗口尺寸为图像块的尺寸大小的a倍，a大于等于2；
2）计算偏移量M：
Figure SMS_6
其中，Sh为滑窗窗口内的各图像块的高低频比的集合，
Figure SMS_7
表示在Sh集合内第j个非中心图像块的高低频比，Gb0为滑窗窗口的中心所在图像块的高低频比，k为Sh范围内像素块的个数；
3）将偏移量M与中心图像块领域的图像块的Gb值做差，得到各差值的绝对值，选择绝对值最小时对应的领域图像块所在位置，作为滑窗窗口的移动方向，继续计算偏移量，当在下次移动中偏移量M的值下降时，则停止移动，得到N个聚类类别。
进一步地，各类别喷涂的调节的方法为：
将同一类别的图像块采用凸包算法进行连接，得到各类别的待修补区域；根据异常率对对对应的待修补区域进行喷涂的调节，当异常率
Figure SMS_8
大于设定异常值，则增大喷涂量；反之，在减少喷涂量。
本发明还提供一种门窗喷涂调节系统，包括处理器和存储器，其特征在于，所述处理器执行存储于存储器的上述的一种门窗喷涂调节方法的技术方案。
本发明具有如下有益效果：
本发明的方案通过对采集的各门窗的喷涂图像进行处理，得到对应门窗的标准频谱图以及门窗频谱图像，并从高斯模型的角度入手，确定两频谱图中的相同位置的高斯值，并结合两频谱图中的高频区域和低频区域的划分，分情况计算高频区域的高频比和低频区域的低频比，进而得打门窗的高低频比信息，来判断门窗是否存在喷涂异常；当存在异常，则对喷涂图像进行分块，计算各图像块的高低频比信息，这样能够更精细化的对门窗喷涂进行喷涂分析，便于后续的喷涂；进而通过对图像块进行分类，将相同或相似的图像块作为一类，计算相同类的异常率，基于异常率来反馈调整喷涂系统，达到智能喷涂的目的。
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为门窗的针孔缺陷图像。
图2为本发明的一种门窗喷涂调节方法的方法流程图。
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，对依据本发明的方案，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。
本发明针对的是现有的门窗采用粉末喷涂的方式，由于铝型材表面、烘烤温度、喷涂方式等参数的影响，往往会存在喷涂的涂层出现凹凸不平、喷涂不均匀等异常缺陷问题，其中常见的异常缺陷，有橘皮缺陷、针孔缺陷、火山坑缺陷等等。基于此，本发明提供了一种门窗喷涂调节方法，通过采集门窗的喷涂图像，获取对应的频谱图像，并对频谱图像处理，获得高低频比特征，进而计算出喷涂门窗的异常率，根据异常率的大小，控制喷枪的喷涂量进行喷涂。
具体地，以图1中的针孔缺陷为例，对本发明的一种门窗喷涂调节方法的方法实施进行介绍，如图2所示，该方法包括以下步骤：
步骤1，采集各门窗的喷涂图像，对所述喷涂图像进行处理，得到喷涂二值图像和门窗图像，分别对所述喷涂二值图像和门窗图像进行处理，得到标准频谱图以及门窗频谱图像；其中，标准频谱图与门窗频谱图像大小一致。
本实施例中，对所述喷涂图像进行处理为对采集的门窗的喷涂图像进行二值化处理，得到喷涂二值图像，将门窗的喷涂图像与对应的喷涂二值图像相乘，得到门窗图像，对门窗图像进行傅里叶变换，得到对应门窗图像的门窗频谱图；对门窗喷涂二值图像进行傅里叶变换处理，得到对应门窗图像的标准频谱图。
其中，上述中的标准频谱图与门窗频谱图像大小一致，均与门窗的喷涂图像的大小相同，即两频谱图像对齐时，频谱点的频谱值可能不同，但频谱点的位置信息相同。
上述中的傅里叶变换为现有技术，此处不再过多赘述。
需要说明的是，由于各门窗的喷涂图像对应喷涂二值图像，其为门窗部分绝对均匀的图像，所以喷涂二值图像的频谱图可作为标准频谱图。
作为其他实施方式，本实施例还可以对各门窗的喷涂图像采用语义分割网络，对门窗的喷涂图像进行图像分割，得到门窗图像；对门窗图像进行傅里叶变换，得到门窗频谱图像。
需要说明的是，各个使用场景中相机的视角不同，会采集到不同姿态的门窗，且距离不同，门窗的图像尺寸也会不同。为了适应不同位姿、样式的门窗，采用神经网络的方式来提取图像中的门窗目标，并进而获得喷涂的判断区域。
上述实施例中的语义分割网络为DNN网络，其结构为Encoder-Decoder结构，具体训练内容如下：
1）获取标签数据：
数据集选用具有门窗的数据图像，为摄像头正向拍摄门窗的喷涂图像。
其中的标签为两类，门窗和背景。该方式为像素级别分类，即需要给门窗的喷涂图像中所有像素标注上对应标签：属于门窗的像素，其值为像素点值，即像素值不变；属于背景的像素，其值标为0。
2）网络所用loss函数为交叉熵损失函数。
3）数据集作为DNN网络的输入，标签数据作为DNN网络的输出，并引入损失函数对该网络进行训练，得到训练好的DNN网络。
步骤2，分别对标准频谱图和门窗频谱图进行高斯处理，得到标准高斯模型和门窗的高斯模型，确定两频谱图中任一相同位置的频谱点对应的标准高斯值和门窗的高斯值；
本实施例中通过利用高斯混合模型（Gaussian Mixture Model）对准频谱图和门窗频谱图进行高斯处理。对于具体的高斯处理过程，由于是现有技术，此处不再过多赘述。
其中，本实施例中在进行高斯处理时，已经得到标准频谱图和门窗频谱图各频谱点对应的高斯值，因此，可以直接确定某一位置的高斯值。
当然作为其他实施方式，还可以随机选取任意一位置的频谱点的位置信息，将该位置信息分别代入两高斯模型中，分别得到标准频谱图和门窗频谱图对应的高斯值。
上述中的两频谱图中任一相同位置，是由于标准频谱图和门窗频谱图都是由门窗的喷涂图像得到的，所以标准频谱图和门窗频谱图的坐标位置是完全对齐的且坐标大小相同，但是对应频谱点的频谱值存在不同。
步骤3，对标准频谱图和门窗频谱图进行高频区域和低频区域的划分，得到高频区域对应的位置信息和低频区域对应的位置信息；根据高频区域中各位置信息对应的标准高斯值和门窗的高斯值，计算高频比；根据低频区域中各位置信息对应的标准高斯值和门窗的高斯值，计算低频比；计算所述高频比和低频比之和，得到高低频比信息。
其中，当频谱点的位置信息位于高频区域时，高频比为：
Figure SMS_9
当频谱点的位置信息位于低频区域时，低频比为：
Figure SMS_10
其中,
Figure SMS_11
为门窗频谱图中的第i个频谱点对应的高斯值，/>
Figure SMS_12
为标准频谱图中的第i个频谱点对应的高斯值，/>
Figure SMS_13
为第i个频谱点的位置到频谱中心点的位置距离值，I为标准频谱图或者门窗频谱图的频谱点的个数。
其中，高低频比信息
Figure SMS_14
/>
其中，
Figure SMS_15
为高频区域的高频比，/>
Figure SMS_16
为低频区域的低频比。
上述中的高低频比Gb的值越大，说明标准频谱图和采集频谱图的高低频信息差异越大，表示采集的门窗图像内部越不平整，喷涂质量就越不好。在图像中，如果灰度变化速度的越快，则表示其频率越高，在频谱图中位置越远离频谱图中心点。即门窗喷涂均匀，则颜色统一，其灰度值统一，无灰度变化，则频谱图中的低频信息多，门窗喷涂均匀，其灰度值不统一，产生灰度变化，灰度变化越快，则频谱图中的高频信息多。所以先计算频谱图像中的高低频比。在频谱图中的频谱值越大，说明灰度变化的幅度越大，在图像中的变化就越明显。
本实施例中的高频区域与低频区域的划分的方法为：获取两高斯模型的交点，以交点到各频谱图的中心点为半径R，以各频谱图的中心点为圆心，分别画圆，两频谱图中的圆以内的区域为低频区域，其剩余区域为高频区域。
基于上述中确定的高频区域和低频区域，确定高频区域对应的位置信息以及低频区域的位置信息，具体地，获取第i个频谱点的位置到频谱中心点的位置距离值
Figure SMS_17
，将其与半径作差：/>
Figure SMS_18
,如果/>
Figure SMS_19
,则说明第i个频谱点为低频数据，越靠近中心点，表示的低频信息就越多；如果/>
Figure SMS_20
,则说明第i个频谱点为高频数据，越远离中心点，表示的高频信息就越多。
上述交点的获取，为两曲线的方程进行求解的计算，此处不再过多介绍。
步骤4，判断所述高低频比与设定阈值的大小，当所述高低频比大于设定阈值，则认为当前门窗喷涂质量差，存在喷涂异常。
本实施例中的设定阈值为r，当Gb>r时，则认为当前门窗喷涂质量差，存在喷涂异常。如果
Figure SMS_21
时，则认为门窗喷涂质量合格。其中r为一个超参数，可由实施者根据具体实施场景进行调整，本实施例中设r=5。
本实施例中，根据频谱图像的高低频比，判断采集的各门窗的喷涂图像是否具有异常，如果判断当前门窗具有异常后，则继续检测出的异常的门窗的喷涂图像进行异常率的检测。
需要说明的是，喷涂的异常缺陷总表现为高频信息的增多；根据采集图像获得自适应的高低频比信息，根据该信息来判断喷涂异常；最后再根据分块后的高低频信息比较，来推理确定异常的类型。
步骤5，对存在喷涂异常的门窗的喷涂图像进行图像分块，得到若干大小的像素块，并按照计算高低频比信息的步骤，计算各图像块对应的高低频比信息，基于高低频比信息对各图像块进行聚类，得到不同的类别，计算各类别中图像块的高低频比之和，作为对应类别的异常率，进行各类别喷涂量的调节。
具体地，在对门窗的喷涂质量进行异常确认后，将采集的对应门窗的喷涂图像进行图像块划分，本实施例中选择划分为
Figure SMS_22
的图像块，当然作为其他实施方式，图像块大小还可由实施者根据具体实施场景进行调整。
需要说明的是，本实施例中是将存在喷涂异常的门窗的喷涂图像进行图像分块，对于每个图像块，按照步骤1-步骤3（计算高低频比信息的步骤）进行处理，得到每个图像块对应的标准块频谱图和图像块频谱图，进而得到各图像块的高低频比信息。
作为其他实施方式，还可以直接对获取的门窗图像和对应的喷涂二值图像，进行同等大小的图像块进行划分，采用上述步骤2-步骤3同样的方法，求得每个图像块对应的标准频谱图和门窗的频谱图的
Figure SMS_23
值。
需要说明的是，高低频比
Figure SMS_24
表示高低频信息的差异总量，Gb值越大，所表示的标准频谱图和采集门窗的频谱图差异越大。
本实施例中采用的聚类方法为：K-means聚类方法。
进一步地，为了提高聚类的准确性，本实施例中在进行K-means聚类时，其聚类的类别数通过改进的均值漂移算法，将Gb值较大并且相聚集的像素块划分为一类，从而确定聚类的类别数，具体地，包括如下过程：
1）设定滑窗窗口尺寸，该滑窗窗口尺寸为图像块的尺寸大小的a倍，a大于等于2；
其中滑窗窗口尺寸可由实施者根据具体实施场景进行调整，本方案设滑窗窗口尺寸的为
Figure SMS_25
的滑窗，滑窗步长为10。
2）计算偏移量M：
Figure SMS_26
其中，Sh为滑窗窗口内的各图像块的高低频比的集合，
Figure SMS_27
表示在Sh集合内第j个非中心图像块的高低频比，Gb0为滑窗窗口的中心所在的中心图像块的高低频比，k为滑窗窗口内的内图像块的个数。
需要说明的是，常规的均匀漂移算法为基于密度的聚类，但是本实施例中每个图像块的大小是一致，但每个像素块的Gb值是不同的，因此需要通过计算偏移量对均值漂移算法进行改进。
3）将偏移量M与中心图像块领域的图像块的Gb值做差，得到各差值的绝对值，选择绝对值最小时对应的领域图像块所在位置，作为滑窗窗口的移动方向，继续计算偏移量，当在下次移动中M的值下降时，则停止移动，得到N个聚类类别。
本实施例中，根据上述聚类的类别，分别将N个类别中所包含图像块的Gb值进行累加，作为各个类别的异常率
Figure SMS_28
，基于得到的各类别的异常率，进行喷涂的控制。
具体地，根据上述步骤中的k-means聚类结果完成喷涂部分的分割，将同一类别的像素块采用凸包算法进行连接，完成喷涂部分的自适应分割，将凸包检测结果作为门窗喷涂中各异常部分的待修补区域；根据得到门窗的喷涂异常部分的待修补区域后，根据异常率值的高低，在进行修补时，控制喷枪的喷涂量，如果异常率
Figure SMS_29
高，则在对应的区域需要更加大量的涂料才能修补完好，如果异常率/>
Figure SMS_30
低，则在对应的区域需要少量的涂料能修补完好。
本发明还提供了一种门窗喷涂调节系统，包括存储器和处理器，所述处理器执行所述存储器存储的上述的一种门窗喷涂调节方法的技术方案。由于上述已对一种门窗喷涂调节方法进行了详细的介绍，此处不再进行过多赘述。
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。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。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)

1.一种门窗喷涂调节方法，其特征在于，包括以下步骤：
采集各门窗的喷涂图像，对所述喷涂图像进行处理，得到喷涂二值图像和门窗图像，进而得到对应门窗的标准频谱图以及门窗频谱图像；其中，标准频谱图与门窗频谱图像大小一致；
分别对标准频谱图和门窗频谱图进行高斯处理，得到标准高斯模型和门窗的高斯模型，确定两频谱图中任一相同位置的频谱点对应的标准高斯值和门窗的高斯值；
对标准频谱图和门窗频谱图进行高频区域和低频区域的划分，得到高频区域对应的位置信息和低频区域对应的位置信息；根据高频区域中各位置信息对应的标准高斯值和门窗的高斯值，计算高频比；根据低频区域中各位置信息对应的标准高斯值和门窗的高斯值，计算低频比；计算所述高频比和低频比之和，得到高低频比信息；
判断所述高低频比信息与设定阈值的大小，当所述高低频比信息大于设定阈值，则对应门窗的喷涂存在异常；
对存在喷涂异常的门窗的喷涂图像进行图像分块，得到若干大小的像素块，并按照计算高低频比信息的步骤，计算各图像块对应的高低频比信息，基于高低频比信息对各图像块进行聚类，得到不同的类别，计算各类别中图像块的高低频比之和，作为对应类别的异常率，进行各类别喷涂的调节。
2.根据权利要求1所述的一种门窗喷涂调节方法，其特征在于，
当频谱点的位置信息位于高频区域时，高频比为：
Figure QLYQS_1
当频谱点的位置信息位于低频区域时，低频比为：
Figure QLYQS_2
其中,
Figure QLYQS_3
为门窗频谱图中的第i个频谱点对应的高斯值，/>
Figure QLYQS_4
为标准频谱图中的第i个频谱点对应的高斯值，/>
Figure QLYQS_5
为第i个频谱点的位置到频谱中心点的位置距离值，I为标准频谱图或者门窗频谱图的频谱点的个数。
3.根据权利要求1所述的一种门窗喷涂调节方法，其特征在于，高频区域与低频区域的划分的方法为：获取两高斯模型的交点，以交点到各频谱图的中心点为半径R，以各频谱图的中心点为圆心，分别画圆，两频谱图中的圆以内的区域为低频区域，其剩余区域为高频区域同一类别的像素块采用凸包算法进行连接，得到喷涂异常区域，并基于高低频比，控制喷枪的喷涂量。
4.根据权利要求1所述的一种门窗喷涂调节方法，其特征在于，所述聚类采用K-means聚类方法，其中聚类的类别的确定方法为：
设定滑窗窗口尺寸，该滑窗窗口尺寸为图像块的尺寸大小的a倍，a大于等于2；
2）计算偏移量M：
Figure QLYQS_6
其中，Sh为滑窗窗口内的各图像块的高低频比的集合，
Figure QLYQS_7
表示在Sh集合内第j个非中心图像块的高低频比，Gb0为滑窗窗口的中心所在图像块的高低频比，k为滑窗窗口内的内图像块的个数；
3）将偏移量M与中心图像块领域的图像块的Gb值做差，得到各差值的绝对值，选择绝对值最小时对应的领域图像块所在位置，作为滑窗窗口的移动方向，继续计算偏移量，当在下次移动中偏移量M的值下降时，则停止移动，得到N个聚类类别。
5.根据权利要求1所述的一种门窗喷涂调节方法，其特征在于，各类别喷涂的调节的方法为：将同一类别的图像块采用凸包算法进行连接，得到各类别的待修补区域；根据异常率对对对应的待修补区域进行喷涂的调节，当异常率
Figure QLYQS_8
大于设定异常值，则增大喷涂量；反之，在减少喷涂量。
6.一种门窗喷涂调节系统，包括处理器和存储器，其特征在于，所述处理器执行存储于存储器的如权利要求1-5中任一项所述的一种门窗喷涂调节方法的步骤。
CN202310045647.5A 2023-01-30 2023-01-30 一种门窗喷涂调节方法及系统 Active CN116237205B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310045647.5A CN116237205B (zh) 2023-01-30 2023-01-30 一种门窗喷涂调节方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310045647.5A CN116237205B (zh) 2023-01-30 2023-01-30 一种门窗喷涂调节方法及系统

Publications (2)

Publication Number Publication Date
CN116237205A true CN116237205A (zh) 2023-06-09
CN116237205B CN116237205B (zh) 2023-11-24

Family

ID=86627081

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310045647.5A Active CN116237205B (zh) 2023-01-30 2023-01-30 一种门窗喷涂调节方法及系统

Country Status (1)

Country Link
CN (1) CN116237205B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130135496A1 (en) * 2011-11-29 2013-05-30 Sony Corporation Image processing device, image processing method, and program
JP2018169553A (ja) * 2017-03-30 2018-11-01 パナソニック液晶ディスプレイ株式会社 液晶表示装置
CN109509168A (zh) * 2018-08-30 2019-03-22 易诚博睿(南京)科技有限公司 一种针对图像质量客观评测枯叶图的细节自动分析方法
CN114359274A (zh) * 2022-03-16 2022-04-15 布鲁奇维尔通风设备启东有限公司 基于图像处理的通风设备叶片质量检测方法、装置及系统
CN114359267A (zh) * 2022-03-07 2022-04-15 武汉力佰利金属制品有限公司 基于直方图的金属货架的钣金漆面鼓包识别方法及系统
CN114549525A (zh) * 2022-04-25 2022-05-27 海门裕隆光电科技有限公司 一种基于改进canny算法的工业图像检测方法
CN114841982A (zh) * 2022-05-20 2022-08-02 江苏风神空调集团股份有限公司 一种基于图像处理的空调滤芯质量监测方法
CN114926708A (zh) * 2022-05-25 2022-08-19 杭州师范大学 一种结合低频信息和特征的目标检测对抗攻方法和装置
CN115082719A (zh) * 2022-07-22 2022-09-20 南通东方雨虹建筑材料有限公司 一种木材质量分级方法
CN115187548A (zh) * 2022-07-11 2022-10-14 常颖 一种基于人工智能的机械零件缺陷检测方法
CN115205165A (zh) * 2022-09-16 2022-10-18 山东联博新材料科技有限公司 用于工业机械外壳的防腐材料喷涂方法
CN115239729A (zh) * 2022-09-23 2022-10-25 南通欧瑞佳木业有限公司 一种基于直方图均衡化的新型建筑木材缺陷检测方法
CN115619793A (zh) * 2022-12-21 2023-01-17 深圳市澳博森科技有限公司 基于计算机视觉的电源适配器外观质量检测方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130135496A1 (en) * 2011-11-29 2013-05-30 Sony Corporation Image processing device, image processing method, and program
JP2018169553A (ja) * 2017-03-30 2018-11-01 パナソニック液晶ディスプレイ株式会社 液晶表示装置
CN109509168A (zh) * 2018-08-30 2019-03-22 易诚博睿(南京)科技有限公司 一种针对图像质量客观评测枯叶图的细节自动分析方法
CN114359267A (zh) * 2022-03-07 2022-04-15 武汉力佰利金属制品有限公司 基于直方图的金属货架的钣金漆面鼓包识别方法及系统
CN114359274A (zh) * 2022-03-16 2022-04-15 布鲁奇维尔通风设备启东有限公司 基于图像处理的通风设备叶片质量检测方法、装置及系统
CN114549525A (zh) * 2022-04-25 2022-05-27 海门裕隆光电科技有限公司 一种基于改进canny算法的工业图像检测方法
CN114841982A (zh) * 2022-05-20 2022-08-02 江苏风神空调集团股份有限公司 一种基于图像处理的空调滤芯质量监测方法
CN114926708A (zh) * 2022-05-25 2022-08-19 杭州师范大学 一种结合低频信息和特征的目标检测对抗攻方法和装置
CN115187548A (zh) * 2022-07-11 2022-10-14 常颖 一种基于人工智能的机械零件缺陷检测方法
CN115082719A (zh) * 2022-07-22 2022-09-20 南通东方雨虹建筑材料有限公司 一种木材质量分级方法
CN115205165A (zh) * 2022-09-16 2022-10-18 山东联博新材料科技有限公司 用于工业机械外壳的防腐材料喷涂方法
CN115239729A (zh) * 2022-09-23 2022-10-25 南通欧瑞佳木业有限公司 一种基于直方图均衡化的新型建筑木材缺陷检测方法
CN115619793A (zh) * 2022-12-21 2023-01-17 深圳市澳博森科技有限公司 基于计算机视觉的电源适配器外观质量检测方法

Also Published As

Publication number Publication date
CN116237205B (zh) 2023-11-24

Similar Documents

Publication Publication Date Title
CN110660082B (zh) 一种基于图卷积与轨迹卷积网络学习的目标跟踪方法
CN106875373B (zh) 基于卷积神经网络剪枝算法的手机屏幕mura缺陷检测方法
CN114240888B (zh) 一种基于图像处理的家具组件喷漆缺陷修复方法及系统
CN113537099B (zh) 一种公路隧道火灾烟雾动态检测方法
CN102598057B (zh) 自动对象识别、然后根据对象形状进行对象跟踪的方法和系统
JP2004348732A (ja) シーンの背景を表現する背景画像を適応的に更新する方法
CN106780548A (zh) 基于交通视频的运动车辆检测方法
CN113705590B (zh) 基于人工智能的钢结构智能打磨控制方法
CN107016691A (zh) 基于超像素特征的运动目标检测方法
CN115222743B (zh) 基于视觉的家具表面喷漆缺陷检测方法
CN107944354B (zh) 一种基于深度学习的车辆检测方法
CN109190616B (zh) 一种基于特征识别的热轧钢板在线视觉跟踪方法
CN109919053A (zh) 一种基于监控视频的深度学习车辆停车检测方法
CN101482969B (zh) 基于同质点计算的sar图像去斑方法
CN114581428B (zh) 一种基于光学手段的粉末涂料粘合度检测方法
CN101964113A (zh) 光照突变场景下的运动目标检测方法
CN115100174B (zh) 一种船舶钣金件漆面缺陷检测方法
CN104537685B (zh) 一种基于视频图像进行自动客流统计分析方法
CN116485797A (zh) 基于人工智能的涂料色差快速检测方法
CN104200226B (zh) 基于机器学习的粒子滤波目标跟踪方法
CN116237205B (zh) 一种门窗喷涂调节方法及系统
CN109640255B (zh) 位置指纹室内定位系统及方法
CN114155226A (zh) 一种微小缺陷边缘计算方法
CN112560574A (zh) 河流黑水排放检测方法及应用其的识别系统
CN101739678B (zh) 物体阴影的检测方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20231117

Address after: 11th Floor, No. 58 Chengcheng Avenue, Chengnan Street, Rugao City, Nantong City, Jiangsu Province, 226500

Applicant after: Jiangsu Zhongqian Curtain Wall Technology Co.,Ltd.

Address before: 226500 group 17, Songjiaqiao community, Chengnan street, Rugao City, Nantong City, Jiangsu Province

Applicant before: NANTONG JINYUELIANG NEW MATERIAL TECHNOLOGY DEVELOPMENT CO.,LTD.