CN116385429B - 一种仰泳出发器生产线智能管理方法及系统 - Google Patents
一种仰泳出发器生产线智能管理方法及系统 Download PDFInfo
- Publication number
- CN116385429B CN116385429B CN202310602792.9A CN202310602792A CN116385429B CN 116385429 B CN116385429 B CN 116385429B CN 202310602792 A CN202310602792 A CN 202310602792A CN 116385429 B CN116385429 B CN 116385429B
- Authority
- CN
- China
- Prior art keywords
- backstroke
- cracking
- obtaining
- departure device
- crack
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 63
- 238000007726 management method Methods 0.000 title claims abstract description 27
- 238000005336 cracking Methods 0.000 claims abstract description 140
- 230000007547 defect Effects 0.000 claims abstract description 39
- 230000002159 abnormal effect Effects 0.000 claims abstract description 29
- 230000008859 change Effects 0.000 claims abstract description 28
- 238000012512 characterization method Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 230000004992 fission Effects 0.000 claims description 38
- 230000008569 process Effects 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 11
- 239000007858 starting material Substances 0.000 description 9
- 238000001514 detection method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000009182 swimming Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000003999 initiator Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种仰泳出发器生产线智能管理方法及系统。该方法包括：通过图像采集模块采集仰泳出发器表面图像；对仰泳出发器表面图像进行预处理，得到仰泳出发器表面灰度图像；获取仰泳出发器表面灰度图像中裂纹延伸变化信息；根据裂纹延伸变化信息计算得到表征裂纹异常缺陷细节特征的开裂显著差异数值；根据开裂显著差异数值对仰泳出发器生产线进行管理。本发明突出了裂纹仰泳出发器表面图像中裂纹异常缺陷，有效地规避了传统灰度特征数值对仰泳出发器表面细节表征不清晰的缺点，提高了对仰泳生产线反馈管理的实时性和准确性。
Description
技术领域
本发明涉及图像处理技术领域，尤其是涉及一种仰泳出发器生产线智能管理方法和系统。
背景技术
仰泳出发器是一种用于仰泳比赛或训练过程中在仰泳出发时使用的专业设备。仰泳不同于其他的形式的游泳，仰泳出发由预备姿势、准备动作、起跳、腾空入水等多个不同的阶段。在仰泳出发的预备阶段，仰泳出发器需要给予运动员双脚可靠的防滑支撑面，并承受仰泳运动员双脚后蹬发力过程中的冲击力，使仰泳运动员能够更好的发挥出自己的游泳成绩。
为了避免仰泳运动过程中由于生产的仰泳出发器踏板质量缺陷导致仰泳运动员时发力异常从而受到损伤，在仰泳出发器生产过程中应对其生产质量进行及时检测分析，避免不合格的瑕疵产品对仰泳出发过程中仰泳运动员造成的运动损伤。
现有的灰度特征数值对仰泳出发器生产线中裂纹异常缺陷细节特征表征不清晰导致后续对仰泳出发器生产线反馈管理误差影响较大。
发明内容
本发明的目的在于提供一种仰泳出发器生产线智能管理方法和系统，以缓解了现有技术中存在的技术问题。
第一方面，本发明实施例提供一种仰泳出发器生产线智能管理方法，所述方法包括：通过图像采集模块采集仰泳出发器表面图像；
对所述仰泳出发器表面图像进行预处理，得到仰泳出发器表面灰度图像；
获取所述仰泳出发器表面灰度图像中裂纹延伸变化信息；
根据所述裂纹延伸变化信息计算得到表征裂纹异常缺陷细节特征的开裂显著差异数值；
根据所述开裂显著差异数值对仰泳出发器生产线进行管理。
在可选的实施方式中，得到所述开裂显著差异数值的步骤包括：
根据所述裂纹延伸变化信息构建得到仰泳出发器裂变延伸特征；
根据所述仰泳出发器裂变延伸特征仰泳出发器开裂表征系数；
根据所述仰泳出发器开裂表征系数得到开裂显著直方图；
根据所述开裂显著直方图得到所述开裂显著差异数值。
在可选的实施方式中，所述根据所述裂纹延伸变化信息构建得到仰泳出发器裂变延伸特征的步骤包括：
计算得到所述仰泳出发器灰度图像中所有不同像素点的灰度特征数值均值，记为；
计算得到所述仰泳出发器表面灰度图像中任一像素点所在的行和列中所有不同
像素点位置处的像素点灰度特征数值均值，记为；
获得像素点所在的行中，第个位置处的像素点的灰度特征数值，记为；
获得像素点所在的列中，第个位置处的像素点的灰度特征数值，记为；
根据第一预设公式，获得像素点位置处的裂变延伸特征，所述第一预设公式为：
其中，所述仰泳出发器表面灰度图像尺寸为，大于0。
在可选的实施方式中，所述根据所述仰泳出发器裂变延伸特征仰泳出发器开裂表征系数的步骤包括：
以像素点为中心构建得到大小为的窗口区域，记为第一窗口区域；
获得所述第一窗口区域中所有像素点的个数，记为n；
获得所述第一窗口区域中最大裂变延伸特征数值大小，记为；
获得所述第一窗口区域中最小裂变延伸特征数值大小，记为；
根据第二预设公式获得所述第一窗口区域中的开裂表征系数，所述第二预设公
式为：
其中，为像素点位置处的裂变延伸特征值，为像素点位置处的裂变延伸特征
值，大于0。
在可选的实施方式中，所述根据所述仰泳出发器开裂表征系数得到开裂显著直方图的步骤包括：
根据所述仰泳出发器开裂表征系数获得仰泳出发器表面开裂显著系数；
根据所述仰泳出发器表面开裂显著系数得到仰泳出发器表面开裂显著频率；
根据所述仰泳出发器表面开裂显著频率得到所述开裂显著直方图。
在可选的实施方式中，获得仰泳出发器表面开裂显著系数的步骤包括：
以像素点为中心构建得到大小为的窗口区域，记为第二窗口区域；
将所述第二窗口区域向外扩展可以得到所述第二窗口区域的4个相应的局部邻域；
并按照顺时针方向依次编号，依次记为第一局部邻域、第二局部邻域、第三局部邻域和第四局部邻域；
根据第三预设公式获得第个像素点的开裂显著系数的数值，所述第三预设
公式为：
其中，分别表示以像素点为中心的局部窗口邻域中第个位置和第个位置
处像素点的开裂特征系数的数值大小，表示距离度量函数，大于0。
在可选的实施方式中，得到所述开裂显著直方图的步骤包括：
根据所述第三预设公式获得像素点为中心的第一局部邻域、第二局部邻域、第三
局部邻域和第四局部邻域中不同的像素点的开裂显著系数的数值，分别记为；
获得以像素点为中心，第个局部窗口位置中开裂显著系数为的个数，记为；
获得对应局部窗口位置中所有不同的开裂显著系数取值的总个数，记为；
根据第四预设公式获得对应局部窗口的开裂显著频率的数值大小，所述第四
预设公式为：
以计算得到的开裂显著数值大小为横轴，对应开裂显著频率为纵轴，分别得到不
同位置处的仰泳出发器表面灰度图像中以像素点为中心的开裂显著直方图、；
其中，为以像素点为中心，第个局部窗口位置中开裂显著系数。
在可选的实施方式中，所述根据所述开裂显著直方图得到所述开裂显著差异数值的步骤包括：
对像素点为中心构建得到的局部窗口区域和扩展的邻域窗口区域进一步计算，具
体包括：
以表示以像素点为中心的局部窗口邻域中，向外扩展的4个局部窗口邻域的索
引；
获得中心局部窗口中的开裂显著直方图的均值和第个局部窗口邻域中的开
裂显著直方图的显著直方图均值；
根据第五预设公式获得开裂显著差异数值，所述第五预设公式为：
其中，表示对应不同开裂显著直方图中取值的索引，为直方图中横轴所有取值
个数（bin个数），为中心局部窗口第个位置处直方图纵轴开裂显著频率的数值大小，为第个局部窗口中第个位置处得直方图纵轴开裂显著频率的数值大小。
在可选的实施方式中，所述根据所述开裂显著差异数值对仰泳出发器生产线进行管理步骤包括：
设定开裂显著差异预设阈值；
当前时刻下，当所述开裂显著差异数值大于所述开裂显著差异预设阈值的个数
大于预设个数阈值，将所述时刻进行标记；
当连续预设频次不同的时刻采样下获得的标记，则将所述仰泳出发器生产线标记为异常生产线，以便对所述异常生产线进行处理。
在可选的实施方式中，所述对所述仰泳出发器表面图像进行预处理的步骤包括：
对所述仰泳出发器表面图像的每个不同的通道使用高斯滤波进行处理；
使用加权平均法将所述仰泳出发器表面图像转化成所述仰泳出发器灰度图像。
第二方面，本发明实施例还提供了一种仰泳出发器生产线智能管理系统。所述系统包括：
采集模块，用于采集仰泳出发器表面图像；
预处理模块，用于对所述仰泳出发器表面图像进行预处理，得到仰泳出发器表面灰度图像；
获取模块，用于获取所述仰泳出发器表面灰度图像中裂纹延伸变化信息；
处理模块，用于根据所述裂纹延伸变化信息计算得到表征裂纹异常缺陷细节特征的开裂显著差异数值；
管理模块，用于根据所述开裂显著差异数值对仰泳出发器生产线进行管理。
本发明首先通过图像采集模块采集仰泳出发器表面图像，然后对所述仰泳出发器表面图像进行预处理，得到仰泳出发器表面灰度图像，提高了对仰泳出发器产品缺陷检测对生产线的及时反馈，获取所述仰泳出发器表面灰度图像中裂纹延伸变化信息，突出了裂纹仰泳出发器表面图像中裂纹异常缺陷，根据所述裂纹延伸变化信息计算得到表征裂纹异常缺陷细节特征的开裂显著差异数值，对仰泳出发器表面裂纹异常缺陷进一步凸显表征，进而进行仰泳出发器生产线管理，有效地规避了传统逐像素点进行判断计算时造成的计算成本较高，对生产线生产状态反馈不及时的缺点，提高了对仰泳生产线反馈管理的实时性和准确性效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，对于本邻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他的附图；
图1为本发明实施例提供的一种仰泳出发器生产线智能管理方法流程示意图；
图2为本发明实施例提供的仰泳出发器表面灰度图像的示意图；
图3为本发明实施例提供的仰泳出发器表面开裂特征图像分析过程图形示意图；
图4为本发明实施例提供的一种仰泳出发器生产线智能管理系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本邻域普通技术人员在没有作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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
如图1所示，本申请实施例提供了一种仰泳出发器生产线智能管理方法，包括以下步骤：
步骤102，通过图像采集模块采集仰泳出发器表面图像；
步骤104，对仰泳出发器表面图像进行预处理，得到仰泳出发器表面灰度图像；
步骤106，获取仰泳出发器表面灰度图像中裂纹延伸变化信息；
步骤108，根据裂纹延伸变化信息计算得到表征裂纹异常缺陷细节特征的开裂显著差异数值；
步骤110，根据开裂显著差异数值对仰泳出发器生产线进行管理。
本发明的实施例，首先通过图像采集模块采集仰泳出发器表面图像，然后对仰泳出发器表面图像进行预处理，得到仰泳出发器表面灰度图像，提高了对仰泳出发器产品缺陷检测对生产线的及时反馈，获取仰泳出发器表面灰度图像中裂纹延伸变化信息，突出了裂纹仰泳出发器表面图像中裂纹异常缺陷，根据裂纹延伸变化信息计算得到表征裂纹异常缺陷细节特征的开裂显著差异数值，对仰泳出发器表面裂纹异常缺陷进一步凸显表征，进而进行仰泳出发器生产线管理，有效地规避了传统逐像素点进行判断计算时造成的计算成本较高，对生产线生产状态反馈不及时的缺点，提高了对仰泳生产线反馈管理的实时性和准确性效果。
在本申请一个可选的实施例中，对仰泳出发器表面图像进行预处理的步骤包括：
对仰泳出发器表面图像的每个不同的通道使用高斯滤波进行处理；
使用加权平均法将仰泳出发器表面图像转化成仰泳出发器灰度图像。
在本实施例中，对于采集获取得到的RGB颜色空间下的仰泳出发器表面图像，对每个不同的通道使用高斯滤波进行处理，尽可能减弱甚至消除采集过程中噪声噪点对的后续进一步计算过程中精确性的影响。同时，为了提高对仰泳出发器产品缺陷检测对生产线的及时反馈，将采集后获取得到的RGB颜色空间下的仰泳出发器表面图像使用加权平均法转化成仰泳出发器灰度图像，仰泳出发器灰度图像如图2所示。对于后续仰泳出发器表面图像中裂纹异常缺陷的识别检测，提供必要手段。
在本申请一个可选的实施例中，得到开裂显著差异数值的步骤包括：
根据裂纹延伸变化信息构建得到仰泳出发器裂变延伸特征；
根据仰泳出发器裂变延伸特征仰泳出发器开裂表征系数；
根据仰泳出发器开裂表征系数得到开裂显著直方图；
根据开裂显著直方图得到开裂显著差异数值。
在本实施例中，结合仰泳出发器表面图像中裂纹延伸变化情况构建得到仰泳出发器裂变延伸特征，并进一步计算构建得到仰泳出发器开裂表征系数，获得表征裂纹异常缺陷细节特征的开裂显著差异数值，突出了裂纹仰泳出发器表面图像中裂纹异常缺陷，有效地规避了传统灰度特征数值对仰泳出发器表面细节表征不清晰的缺点。
在本申请一个可选的实施例中，根据裂纹延伸变化信息构建得到仰泳出发器裂变延伸特征的步骤包括：
计算得到仰泳出发器灰度图像中所有不同像素点的灰度特征数值均值，记为；
计算得到仰泳出发器表面灰度图像中任一像素点所在的行和列中所有不同像素
点位置处的像素点灰度特征数值均值，记为；
获得像素点所在的行中，第个位置处的像素点的灰度特征数值，记为；
获得像素点所在的列中，第个位置处的像素点的灰度特征数值，记为；
根据第一预设公式，获得像素点位置处的裂变延伸特征，第一预设公式为：
其中，仰泳出发器表面灰度图像尺寸为，大于0。
在本实施例中，仰泳出发器表面灰度图像尺寸为，即图像中的行和列中均
有个像素点；的大小可根据经验或实际需要设定。根据裂纹特征在纵向和横向的延伸
变化特点有所差异。因此，当像素点位于仰泳出发器踏板的裂纹缺陷像素点区域时，根据
像素点所在的行和列中不同像素点灰度数值差异会相对变大，计算得到像素点位置处的
裂变延伸特征的数值会相对变大。反之，当像素点位于仰泳出发器踏板的正常区域时，对
应区域中不同的像素点位置处的灰度特征数值相差较小。基于上述原理，根据第一预设公
式获得像素点位置处的裂变延伸特征。
在本申请一个可选的实施例中，根据仰泳出发器裂变延伸特征仰泳出发器开裂表征系数的步骤包括：
以像素点为中心构建得到大小为的窗口区域，记为第一窗口区域；
获得第一窗口区域中所有像素点的个数，记为n；
获得第一窗口区域中最大裂变延伸特征数值大小，记为；
获得第一窗口区域中最小裂变延伸特征数值大小，记为；
根据第二预设公式获得第一窗口区域中的开裂表征系数，第二预设公式为：
其中，为像素点位置处的裂变延伸特征值，为像素点位置处的裂变延伸特征
值，大于0。
在本实施例中，裂纹缺陷位置处对应像素点所在行列的灰度均值与图像中的总体
灰度均值相差也会变大，基于上述原理和第二预设公式，获得第一窗口区域中的开裂表征
系数，当以像素点为中心的窗口区域中不同像素点的裂变延伸特征数值差异越大，说明
对应的窗口区域中不同像素点的变化差异越明显，计算得到的像素点的开裂表征系数
的数值会相应增大，像素点的表现为裂纹特征的可能性越高。其中，的大小可根据经验确
定，一种优选的方案中，值为5。
在本申请一个可选的实施例中，根据仰泳出发器开裂表征系数得到开裂显著直方图的步骤包括：
根据仰泳出发器开裂表征系数获得仰泳出发器表面开裂显著系数；
根据仰泳出发器表面开裂显著系数得到仰泳出发器表面开裂显著频率；
根据仰泳出发器表面开裂显著频率得到开裂显著直方图。
在本实施例中，根据开裂特征系数进一步计算分析，对于像素点及其周围不同的
邻域位置处计算得到的开裂显著直方图。当对应像素点区域位置发生裂纹缺陷异常时，不
同像素点位置处计算得到的开裂特征系数的数值大小差距会相应变大，此时计算获取得到
的像素点为中心的局部窗口区域中不同像素点的开裂显著系数的会存在较大差异；反之，
当对应的以像素点为中心的局部窗口区域为正常无裂纹缺陷的像素点区域时，不同像素
点的开裂显著系数的差异较小。由此，计算得到的裂纹异常区域和正常像素点区域的开裂
显著直方图的整体分布会存在较大的差异。
在本申请一个可选的实施例中，获得仰泳出发器表面开裂显著系数的步骤包括：
以像素点为中心构建得到大小为的窗口区域，记为第二窗口区域；
将第二窗口区域向外扩展可以得到第二窗口区域的4个相应的局部邻域；
并按照顺时针方向依次编号，依次记为第一局部邻域、第二局部邻域、第三局部邻域和第四局部邻域；
根据第三预设公式获得第个像素点的开裂显著系数的数值，第三预设公式
为：
其中，分别表示以像素点为中心的局部窗口邻域中第个位置和第个位置
处像素点的开裂特征系数的数值大小，表示距离度量函数，大于0。
在本实施例中，构建的第一局部邻域、第二局部邻域、第三局部邻域和第四局部邻
域可见图3。根据第三预设公式获得的第个像素点的开裂显著系数可以更好的表征仰
泳出发器裂变细节特征，有利于提高识别准确性。其中，、的大小可根据经验确定，一种优
选的方案中，值为5，。
在本申请一个可选的实施例中，得到开裂显著直方图的步骤包括：
根据第三预设公式获得像素点为中心的第一局部邻域、第二局部邻域、第三局部
邻域和第四局部邻域中不同的像素点的开裂显著系数的数值，分别记为；
获得以像素点为中心，第个局部窗口位置中开裂显著系数为的个数，记为；
获得对应局部窗口位置中所有不同的开裂显著系数取值的总个数，记为；
根据第四预设公式获得对应局部窗口的开裂显著频率的数值大小，第四预设
公式为：
以计算得到的开裂显著数值大小为横轴，对应开裂显著频率为纵轴，分别得到不
同位置处的仰泳出发器表面灰度图像中以像素点为中心的开裂显著直方图、；
其中，为以像素点为中心，第个局部窗口位置中开裂显著系数。
在本实施例中，根据第四预设公式获得局部窗口的开裂显著频率以及以像素
点为中心的开裂显著直方图，可以更好的根据仰泳出发器裂变特点表征仰泳出发器裂变
细节特征，有利于提高识别准确性。
在本申请一个可选的实施例中，根据开裂显著直方图得到开裂显著差异数值的步骤包括：
对像素点为中心构建得到的局部窗口区域和扩展的邻域窗口区域进一步计算，具
体包括：
以表示以像素点为中心的局部窗口邻域中，向外扩展的4个局部窗口邻域的索
引；
获得中心局部窗口中的开裂显著直方图的均值和第个局部窗口邻域中的开
裂显著直方图的显著直方图均值；
根据第五预设公式获得开裂显著差异数值，第五预设公式为：
其中，表示对应不同开裂显著直方图中取值的索引，为直方图中横轴所有取值
个数（bin个数），为中心局部窗口第个位置处直方图纵轴开裂显著频率的数值大小，为第个局部窗口中第个位置处得直方图纵轴开裂显著频率的数值大小。
在本实施例中，根据开裂显著直方图进一步计算分析：当像素点为中心的局部窗
口区域及其扩展区域处于正常无裂纹缺陷的区域时，中心局部区域于其他区域的差异较
小，计算获取得到的开裂显著差异数值的数值也会相对较小，且其数值趋于0；反之，当
像素点为中心窗口区域为裂纹缺陷区域时，该位置处的开裂显著直方图与周围四个不同
的局部区域的直方图的差异较大，此时计算得到的开裂显著差异数值的数值也会相应
增大，此时数值趋于1，基于上述原理，根据第五预设公式开裂显著差异数值，可以更好
的根据仰泳出发器裂变特点表征仰泳出发器裂变细节特征，有利于提高识别准确性。
在本申请一个可选的实施例中，根据开裂显著差异数值对仰泳出发器生产线进行管理步骤包括：
设定开裂显著差异预设阈值；
当前时刻下，当开裂显著差异数值大于开裂显著差异预设阈值的个数大于预设
个数阈值，将时刻进行标记；
当连续预设频次不同的时刻采样下获得的标记，则将仰泳出发器生产线标记为异常生产线，以便对异常生产线进行处理。
在本实施例中，根据上述计算分析可以获取得到生产线上不同时时刻下的仰泳出
发器图像中不同像素点位置的开裂显著差异数值大小。对不同仰泳出发器图像中不同像素
点位置处的开裂显著差异数值进行判断。当前时刻下，采集得到的生产线中仰泳出发器的
开裂显著差异数值大于开裂显著差异预设阈值的个数大于预设个数阈值，将对该时刻标
记，当连续预设频次的不同的时刻采样下获得的标记，则将仰泳出发器生产线标记为异常
生产线，需要及时对仰泳出发器生产线设备进行检修并对生产线相关技术操作人员进行预
警反馈。如此，对生产线上的仰泳出发器状态进行实时检测，有效地规避了传统逐像素点进
行判断计算时造成的计算成本较高，对生产线生产状态反馈不及时的缺点，提高了对仰泳
生产线反馈管理的实时性和准确性效果。
其中，开裂显著差异预设阈值可根据经验或实际情况设定，一种优选的方案中，开裂显著差异预设阈值为0.7，预设个数阈值可根据经验或实际情况设定，一种优选的方案中，预设个数阈值为10，连续预设频次可根据经验或实际情况设定，一种优选的方案中，连续预设频次为3次。
图4为本申请实施例提供的一种仰泳出发器生产线智能管理系统40的结构示意图。如图4所示，仰泳出发器生产线智能管理系统40包括：采集模块402，用于采集仰泳出发器表面图像；预处理模块404，用于对仰泳出发器表面图像进行预处理，得到仰泳出发器表面灰度图像；获取模块406，用于获取仰泳出发器表面灰度图像中裂纹延伸变化信息；处理模块408，用于根据裂纹延伸变化信息计算得到表征裂纹异常缺陷细节特征的开裂显著差异数值；管理模块410，用于根据开裂显著差异数值对仰泳出发器生产线进行管理。
本申请实施例提供的仰泳出发器生产线智能管理系统40，首先通过图像采集模块采集仰泳出发器表面图像，然后对仰泳出发器表面图像进行预处理，得到仰泳出发器表面灰度图像，提高了对仰泳出发器产品缺陷检测对生产线的及时反馈，获取仰泳出发器表面灰度图像中裂纹延伸变化信息，突出了裂纹仰泳出发器表面图像中裂纹异常缺陷，根据裂纹延伸变化信息计算得到表征裂纹异常缺陷细节特征的开裂显著差异数值，对仰泳出发器表面裂纹异常缺陷进一步凸显表征，进而进行仰泳出发器生产线管理，有效地规避了传统逐像素点进行判断计算时造成的计算成本较高，对生产线生产状态反馈不及时的缺点，提高了对仰泳生产线反馈管理的实时性和准确性效果。
对于系统实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本邻域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本邻域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (3)
1.一种仰泳出发器生产线智能管理方法，其特征在于，所述方法包括：
通过图像采集模块采集仰泳出发器表面图像；
对所述仰泳出发器表面图像进行预处理，得到仰泳出发器表面灰度图像；
获取所述仰泳出发器表面灰度图像中裂纹延伸变化信息；
根据所述裂纹延伸变化信息计算得到表征裂纹异常缺陷细节特征的开裂显著差异数值；
根据所述开裂显著差异数值对仰泳出发器生产线进行管理；
得到所述开裂显著差异数值的步骤包括：
根据所述裂纹延伸变化信息构建得到仰泳出发器裂变延伸特征；
根据所述仰泳出发器裂变延伸特征仰泳出发器开裂表征系数；
根据所述仰泳出发器开裂表征系数得到开裂显著直方图；
根据所述开裂显著直方图得到所述开裂显著差异数值；
所述根据所述裂纹延伸变化信息构建得到仰泳出发器裂变延伸特征的步骤包括：
计算得到所述仰泳出发器灰度图像中所有不同像素点的灰度特征数值均值，记为M；
计算得到所述仰泳出发器表面灰度图像中任一像素点i所在的行和列中所有不同像素点位置处的像素点灰度特征数值均值，记为；
获得像素点i所在的行中，第k个位置处的像素点的灰度特征数值，记为；
获得像素点i所在的列中，第k个位置处的像素点的灰度特征数值，记为；
根据第一预设公式，获得像素点i位置处的裂变延伸特征，所述第一预设公式为：
其中，所述仰泳出发器表面灰度图像尺寸为W×W，W大于0；
所述根据所述仰泳出发器裂变延伸特征仰泳出发器开裂表征系数的步骤包括：
以像素点i为中心构建得到大小为的窗口区域，记为第一窗口区域；
获得所述第一窗口区域中所有像素点的个数，记为n；
获得所述第一窗口区域中最大裂变延伸特征数值大小，记为；
获得所述第一窗口区域中最小裂变延伸特征数值大小，记为；
根据第二预设公式获得所述第一窗口区域中的开裂表征系数，所述第二预设公式为：
其中，为像素点i位置处的裂变延伸特征值，/>为像素点k位置处的裂变延伸特征值，Z大于0；
所述根据所述仰泳出发器开裂表征系数得到开裂显著直方图的步骤包括：
根据所述仰泳出发器开裂表征系数获得仰泳出发器表面开裂显著系数；
根据所述仰泳出发器表面开裂显著系数得到仰泳出发器表面开裂显著频率；
根据所述仰泳出发器表面开裂显著频率得到所述开裂显著直方图；
获得仰泳出发器表面开裂显著系数的步骤包括：
以像素点i为中心构建得到大小为的窗口区域，记为第二窗口区域；
将所述第二窗口区域向外扩展可以得到所述第二窗口区域的4个相应的局部邻域；
并按照顺时针方向依次编号，依次记为第一局部邻域、第二局部邻域、第三局部邻域和第四局部邻域；
根据第三预设公式获得第j个像素点的开裂显著系数的数值，所述第三预设公式为：
其中，分别表示以像素点i为中心的局部窗口邻域中第k个位置和第j个位置处像素点的开裂特征系数的数值大小，/>表示距离度量函数，X大于0；
得到所述开裂显著直方图的步骤包括：
根据所述第三预设公式获得像素点i为中心的第一局部邻域、第二局部邻域、第三局部邻域和第四局部邻域中不同的像素点j的开裂显著系数的数值，分别记为；
获得以像素点i为中心，第k个局部窗口位置中开裂显著系数为的个数，记为；
获得对应局部窗口位置中所有不同的开裂显著系数取值的总个数，记为；
根据第四预设公式获得对应局部窗口的开裂显著频率的数值大小，所述第四预设公式为：
以计算得到的开裂显著数值大小为横轴，对应开裂显著频率为纵轴，分别得到不同位置处的仰泳出发器表面灰度图像中以像素点i为中心的开裂显著直方图；
其中，为以像素点i为中心，第k个局部窗口位置中开裂显著系数；
所述根据所述开裂显著直方图得到所述开裂显著差异数值的步骤包括：
对像素点i为中心构建得到的局部窗口区域和扩展的邻域窗口区域进一步计算，具体包括：
以k表示以像素点i为中心的局部窗口邻域中，向外扩展的4个局部窗口邻域的索引；
获得中心局部窗口中的开裂显著直方图的均值和第k个局部窗口邻域中的开裂显著直方图的显著直方图均值/>；
根据第五预设公式获得开裂显著差异数值，所述第五预设公式为：
其中，t表示对应不同开裂显著直方图中取值的索引，m为直方图中横轴所有取值个数，为中心局部窗口第t个位置处直方图纵轴开裂显著频率的数值大小，/>为第k个局部窗口中第t个位置处得直方图纵轴开裂显著频率的数值大小。
2.根据权利要求1所述的方法，其特征在于，所述根据所述开裂显著差异数值对仰泳出发器生产线进行管理步骤包括：
设定开裂显著差异预设阈值；
当前时刻T下，当所述开裂显著差异数值大于所述开裂显著差异预设阈值的个数大于预设个数阈值，将所述时刻T进行标记；
当连续预设频次不同的时刻采样下获得的标记，则将所述仰泳出发器生产线标记为异常生产线，以便对所述异常生产线进行处理。
3.一种仰泳出发器生产线智能管理系统，其特征在于，所述系统包括：
采集模块，用于采集仰泳出发器表面图像；
预处理模块，用于对所述仰泳出发器表面图像进行预处理，得到仰泳出发器表面灰度图像；
获取模块，用于获取所述仰泳出发器表面灰度图像中裂纹延伸变化信息；
处理模块，用于根据所述裂纹延伸变化信息计算得到表征裂纹异常缺陷细节特征的开裂显著差异数值；
得到所述开裂显著差异数值的步骤包括：根据所述裂纹延伸变化信息构建得到仰泳出发器裂变延伸特征；根据所述仰泳出发器裂变延伸特征仰泳出发器开裂表征系数；根据所述仰泳出发器开裂表征系数得到开裂显著直方图；根据所述开裂显著直方图得到所述开裂显著差异数值；
所述根据所述裂纹延伸变化信息构建得到仰泳出发器裂变延伸特征的步骤包括：
计算得到所述仰泳出发器灰度图像中所有不同像素点的灰度特征数值均值，记为M；计算得到所述仰泳出发器表面灰度图像中任一像素点i所在的行和列中所有不同像素点位置处的像素点灰度特征数值均值，记为；获得像素点i所在的行中，第k个位置处的像素点的灰度特征数值，记为/>；获得像素点i所在的列中，第k个位置处的像素点的灰度特征数值，记为/>； 根据第一预设公式，获得像素点i位置处的裂变延伸特征/>，所述第一预设公式为：
其中，所述仰泳出发器表面灰度图像尺寸为W×W，W大于0；
所述根据所述仰泳出发器裂变延伸特征仰泳出发器开裂表征系数的步骤包括：
以像素点i为中心构建得到大小为的窗口区域，记为第一窗口区域；获得所述第一窗口区域中所有像素点的个数，记为n；获得所述第一窗口区域中最大裂变延伸特征数值大小，记为/>；获得所述第一窗口区域中最小裂变延伸特征数值大小，记为/>；根据第二预设公式获得所述第一窗口区域中的开裂表征系数/>，所述第二预设公式为：
其中，为像素点i位置处的裂变延伸特征值，/>为像素点k位置处的裂变延伸特征值，Z大于0；
所述根据所述仰泳出发器开裂表征系数得到开裂显著直方图的步骤包括：根据所述仰泳出发器开裂表征系数获得仰泳出发器表面开裂显著系数；根据所述仰泳出发器表面开裂显著系数得到仰泳出发器表面开裂显著频率；根据所述仰泳出发器表面开裂显著频率得到所述开裂显著直方图；
获得仰泳出发器表面开裂显著系数的步骤包括：
以像素点i为中心构建得到大小为的窗口区域，记为第二窗口区域；
将所述第二窗口区域向外扩展可以得到所述第二窗口区域的4个相应的局部邻域；
并按照顺时针方向依次编号，依次记为第一局部邻域、第二局部邻域、第三局部邻域和第四局部邻域；
根据第三预设公式获得第j个像素点的开裂显著系数的数值，所述第三预设公式为：
其中，分别表示以像素点i为中心的局部窗口邻域中第k个位置和第j个位置处像素点的开裂特征系数的数值大小，/>表示距离度量函数，X大于0；
得到所述开裂显著直方图的步骤包括：
根据所述第三预设公式获得像素点i为中心的第一局部邻域、第二局部邻域、第三局部邻域和第四局部邻域中不同的像素点j的开裂显著系数的数值，分别记为；
获得以像素点i为中心，第k个局部窗口位置中开裂显著系数为的个数，记为；
获得对应局部窗口位置中所有不同的开裂显著系数取值的总个数，记为；
根据第四预设公式获得对应局部窗口的开裂显著频率的数值大小，所述第四预设公式为：
以计算得到的开裂显著数值大小为横轴，对应开裂显著频率为纵轴，分别得到不同位置处的仰泳出发器表面灰度图像中以像素点i为中心的开裂显著直方图；
其中，为以像素点i为中心，第k个局部窗口位置中开裂显著系数；
管理模块，用于根据所述开裂显著差异数值对仰泳出发器生产线进行管理；
所述根据所述开裂显著直方图得到所述开裂显著差异数值的步骤包括：
对像素点i为中心构建得到的局部窗口区域和扩展的邻域窗口区域进一步计算，具体包括：
以k表示以像素点i为中心的局部窗口邻域中，向外扩展的4个局部窗口邻域的索引；
获得中心局部窗口中的开裂显著直方图的均值和第k个局部窗口邻域中的开裂显著直方图的显著直方图均值/>；
根据第五预设公式获得开裂显著差异数值，所述第五预设公式为：
其中，t表示对应不同开裂显著直方图中取值的索引，m为直方图中横轴所有取值个数，为中心局部窗口第t个位置处直方图纵轴开裂显著频率的数值大小，/>为第k个局部窗口中第t个位置处得直方图纵轴开裂显著频率的数值大小。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310602792.9A CN116385429B (zh) | 2023-05-26 | 2023-05-26 | 一种仰泳出发器生产线智能管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310602792.9A CN116385429B (zh) | 2023-05-26 | 2023-05-26 | 一种仰泳出发器生产线智能管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116385429A CN116385429A (zh) | 2023-07-04 |
| CN116385429B true CN116385429B (zh) | 2023-08-11 |
Family
ID=86979061
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310602792.9A Active CN116385429B (zh) | 2023-05-26 | 2023-05-26 | 一种仰泳出发器生产线智能管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116385429B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101341267A (zh) * | 2005-12-20 | 2009-01-07 | 爱尔康何纳吕公司 | 用于飞机机身的高韧度铝-铜-锂板材 |
| CN114723701A (zh) * | 2022-03-31 | 2022-07-08 | 南通博莹机械铸造有限公司 | 基于计算机视觉的齿轮缺陷检测方法和系统 |
| CN115345885A (zh) * | 2022-10-19 | 2022-11-15 | 南通鹏宝运动用品有限公司 | 一种金属健身器材外观质量检测方法 |
| US11580647B1 (en) * | 2021-12-24 | 2023-02-14 | Guangzhou University | Global and local binary pattern image crack segmentation method based on robot vision |
-
2023
- 2023-05-26 CN CN202310602792.9A patent/CN116385429B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101341267A (zh) * | 2005-12-20 | 2009-01-07 | 爱尔康何纳吕公司 | 用于飞机机身的高韧度铝-铜-锂板材 |
| US11580647B1 (en) * | 2021-12-24 | 2023-02-14 | Guangzhou University | Global and local binary pattern image crack segmentation method based on robot vision |
| CN114723701A (zh) * | 2022-03-31 | 2022-07-08 | 南通博莹机械铸造有限公司 | 基于计算机视觉的齿轮缺陷检测方法和系统 |
| CN115345885A (zh) * | 2022-10-19 | 2022-11-15 | 南通鹏宝运动用品有限公司 | 一种金属健身器材外观质量检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于Micro-CT图像处理的稻谷内部损伤定量表征与三维重构;陈树人 等;《农业工程学报》;144-151页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116385429A (zh) | 2023-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109191459B (zh) | 连铸坯低倍组织中心偏析缺陷的自动识别与评级方法 | |
| CN108960135B (zh) | 基于高分辨遥感图像的密集舰船目标精确检测方法 | |
| CN111652326B (zh) | 基于MobileNet v2网络改进的果实成熟度识别方法和识别系统 | |
| CN104268505A (zh) | 基于机器视觉的布匹疵点自动检测识别装置及方法 | |
| CN113222959B (zh) | 一种基于高光谱图像卷积神经网络的鲜枣虫眼检测方法 | |
| CN101710081A (zh) | 基于图像纹理与分形维数的机械零件表面缺陷检测方法 | |
| CN110503623A (zh) | 一种基于卷积神经网络的识别输电线路上鸟巢缺陷的方法 | |
| CN113420614A (zh) | 一种基于深度学习算法的近红外高光谱图像识别霉变花生的方法 | |
| CN111753794A (zh) | 水果品质分类方法、装置、电子设备及可读存储介质 | |
| CN115423799A (zh) | 一种连铸坯表面裂纹识别方法与装置 | |
| CN118225803A (zh) | 一种推土机刀片表面外观视觉检测方法 | |
| CN117635620B (zh) | 一种基于图像处理的电路板缺陷检测方法及系统 | |
| CN117237325A (zh) | 一种基于深度网络的工业缺陷检测方法 | |
| CN116385429B (zh) | 一种仰泳出发器生产线智能管理方法及系统 | |
| CN116485802B (zh) | 一种绝缘子闪络缺陷检测方法、装置、设备及存储介质 | |
| JPH0929185A (ja) | 果皮表面に固有のネットパターンを有する青果物の等級判定方法 | |
| CN117333784A (zh) | 基于无人机图像的小麦赤霉病病情指数估计方法 | |
| CN113516193B (zh) | 基于图像处理的红枣缺陷识别分类方法及装置 | |
| CN115984360A (zh) | 一种基于图像处理的计算干滩长度的方法及系统 | |
| CN115953387A (zh) | 一种基于深度学习的射线图像焊缝缺陷检测方法 | |
| CN114820597A (zh) | 一种基于人工智能的冶炼品缺陷检测方法、装置及系统 | |
| CN104764402A (zh) | 柑橘体积的视觉检测方法 | |
| CN116823737B (zh) | 一种低纹理环境下隧道壁异常检测方法及系统 | |
| CN117949616B (zh) | 一种松花蛋成品质量自动化视觉检测方法 | |
| CN117474915B (zh) | 一种异常检测方法、电子设备及存储介质 |
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 | ||
| CP02 | Change in the address of a patent holder |
Address after: 272000 No. 108 Wangmuge Road, Nanyuan Street, Rencheng District, Jining City, Shandong Province Patentee after: Shandong Zhongyong Electronics Co.,Ltd. Address before: 272000 the first floor of swimming pool in Jining national fitness square, Shandong Province Patentee before: Shandong Zhongyong Electronics Co.,Ltd. |
|
| CP02 | Change in the address of a patent holder |