CN116452596A - 一种硅胶玩具注塑溢胶视觉检测方法 - Google Patents

一种硅胶玩具注塑溢胶视觉检测方法 Download PDF

Info

Publication number
CN116452596A
CN116452596A CN202310728111.3A CN202310728111A CN116452596A CN 116452596 A CN116452596 A CN 116452596A CN 202310728111 A CN202310728111 A CN 202310728111A CN 116452596 A CN116452596 A CN 116452596A
Authority
CN
China
Prior art keywords
pixel point
edge pixel
gray
edge
similarity
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
CN202310728111.3A
Other languages
English (en)
Other versions
CN116452596B (zh
Inventor
程伟
杨丽丹
杨顺作
杨丽香
杨金燕
杨丽霞
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.)
Shenzhen Jiechaohang Mould Co ltd
Original Assignee
Shenzhen Jiechaohang Mould 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 Shenzhen Jiechaohang Mould Co ltd filed Critical Shenzhen Jiechaohang Mould Co ltd
Priority to CN202310728111.3A priority Critical patent/CN116452596B/zh
Publication of CN116452596A publication Critical patent/CN116452596A/zh
Application granted granted Critical
Publication of CN116452596B publication Critical patent/CN116452596B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • G06T7/001Industrial image inspection using an image reference approach
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/181Segmentation; Edge detection involving edge growing; involving edge linking
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/66Analysis of geometric attributes of image moments or centre of gravity
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及图像处理技术领域,具体涉及一种硅胶玩具注塑溢胶视觉检测方法。该方法包括:获取硅胶玩具的灰度图像中的闭合边缘线;基于闭合边缘线上各边缘像素点对应的特征线段上像素点的灰度差异得到突变程度;根据各边缘像素点的邻域内边缘像素点的位置信息,得到对应的方向指标和距离指标,结合突变程度获得各边缘像素点对应的目标矩阵,进而得到各边缘像素点的灰度优势;结合灰度图像中边缘像素点的灰度优势与标准图像中边缘像素点的灰度优势的相似度、灰度图像中闭合边缘线对应的边界特征向量与标准图像中闭合边缘线对应的边界特征向量的相似度,判断硅胶玩具是否存在溢胶现象。本发明提高了溢胶现象检测结果的准确度。

Description

一种硅胶玩具注塑溢胶视觉检测方法
技术领域
本发明涉及图像处理技术领域,具体涉及一种硅胶玩具注塑溢胶视觉检测方法。
背景技术
近几年来,市场上出现大量的硅胶玩具供人们选择,因此针对于硅胶玩具的注塑技术也得到了发展。硅胶玩具在注塑过程中经常出现溢胶现象,厂家在注胶的过程中需要确保产品的质量和安全,一旦成品出现溢胶现象,如果直接投放到市场,就可能会对消费者的健康造成危害,因此在硅胶玩具出厂前对其进行溢胶检测是非常有必要的。现有的硅胶玩具注塑溢胶检测方法是采用Canny算子对采集到的待检测硅胶玩具表面图像进行检测获得注塑边缘轮廓,将待检测硅胶玩具表面图像中的边缘轮廓直接与标准硅胶玩具表面图像中的边缘轮廓进行比较,进而对待检测硅胶玩具是否存在溢胶情况做出评价,但是这种方法只依据边缘像素点的位置分布情况对待检测硅胶玩具的溢胶情况进行评价,考虑因素较单一,并不能从整体的角度对每个边缘像素点进行评估,因此导致硅胶玩具溢胶情况检测结果的准确度较低。
发明内容
为了解决现有方法在对硅胶玩具进行溢胶情况检测时存在的检测结果准确度较低的问题,本发明的目的在于提供一种硅胶玩具注塑溢胶视觉检测方法,所采用的技术方案具体如下:
本发明提供了一种硅胶玩具注塑溢胶视觉检测方法,该方法包括以下步骤:
获取待检测硅胶玩具的灰度图像;
对所述灰度图像进行边缘检测获得闭合边缘线;基于闭合边缘线上各边缘像素点的位置分布获得各边缘像素点对应的特征线段;根据所述特征线段上像素点的灰度差异,得到各边缘像素点对应的突变程度;
基于闭合边缘线上各边缘像素点及其邻域内像素点的灰度信息获得各边缘像素点对应的灰度区域大小矩阵;根据闭合边缘线上各边缘像素点的邻域内边缘像素点的位置信息,得到各边缘像素点对应的方向指标和距离指标;基于所述突变程度、所述方向指标和所述距离指标对所述灰度区域大小矩阵进行修正,获得各边缘像素点对应的目标矩阵;根据所述目标矩阵获得各边缘像素点的灰度优势;基于闭合边缘线上边缘像素点的位置信息,获得闭合边缘线对应的边界特征向量;
结合所述灰度图像中边缘像素点的灰度优势与标准图像中边缘像素点的灰度优势的相似度、所述灰度图像中闭合边缘线对应的边界特征向量与标准图像中闭合边缘线对应的边界特征向量的相似度,判断待检测硅胶玩具是否存在溢胶现象。
优选的,所述基于闭合边缘线上各边缘像素点的位置分布获得各边缘像素点对应的特征线段,包括:
获取闭合边缘线所围成的区域内的中心像素点;
分别将闭合边缘线上各边缘像素点与所述中心像素点相连获得各直线段,将所述直线段作为对应边缘像素点对应的特征线段。
优选的,所述根据所述特征线段上像素点的灰度差异,得到各边缘像素点对应的突变程度,包括:
对于任一边缘像素点:
计算边缘像素点对应的特征线段上每两个相邻像素点的灰度值之间的差值绝对值,作为对应两个相邻像素点的灰度差异;计算边缘像素点对应的特征线段上所有每相邻两个像素点的灰度差异的平均值,将所述灰度差异的平均值的归一化结果确定为边缘像素点对应的突变程度。
优选的,根据闭合边缘线上各边缘像素点的邻域内边缘像素点的位置信息,得到各边缘像素点对应的方向指标,包括:
对于闭合边缘线上的任一边缘像素点:
在该边缘像素点的邻域内,获取闭合边缘线的两个端点,分别将各端点与闭合边缘线所围成的区域内的中心像素点进行连线获得各端点对应的直线段,获取两个端点对应的直线段之间的夹角,将所述夹角的归一化结果确定为该边缘像素点对应的方向指标。
优选的,根据闭合边缘线上各边缘像素点的邻域内边缘像素点的位置信息,得到各边缘像素点对应的距离指标,包括:
对于闭合边缘线上的任一边缘像素点:
计算该边缘像素点的邻域内各边缘像素点与闭合边缘线所围成的区域内的中心像素点之间的距离,作为该边缘像素点的邻域内各边缘像素点对应的第一距离;计算该边缘像素点的邻域内所有边缘像素点对应的第一距离的平均值,将所述第一距离的平均值的归一化结果确定为该边缘像素点对应的距离指标。
优选的,所述基于所述突变程度、所述方向指标和所述距离指标对所述灰度区域大小矩阵进行修正,获得各边缘像素点对应的目标矩阵,包括:
对于任一边缘像素点:
计算边缘像素点对应的突变程度和对应的距离指标的乘积,将边缘像素点对应的方向指标与所述乘积的比值确定为边缘像素点对应的特征指标;
分别将所述特征指标与边缘像素点对应的灰度区域大小矩阵中的各元素相乘,获得边缘像素点对应的目标矩阵。
优选的,所述根据所述目标矩阵获得各边缘像素点的灰度优势,包括:
对于任一边缘像素点:
根据该边缘像素点对应的目标矩阵,计算大区域高灰度值优势,将所述大区域高灰度值优势记为该边缘像素点的灰度优势。
优选的,结合所述灰度图像中边缘像素点的灰度优势与标准图像中边缘像素点的灰度优势的相似度、所述灰度图像中闭合边缘线对应的边界特征向量与标准图像中闭合边缘线对应的边界特征向量的相似度,判断待检测硅胶玩具是否存在溢胶现象,包括:
基于所述灰度图像中各边缘像素点的灰度优势,构建第一灰度优势序列;基于标准图像中各边缘像素点的灰度优势,构建第二灰度优势序列;将所述第一灰度优势序列与所述第二灰度优势序列的相似度记为第一相似度;
将所述灰度图像中闭合边缘线对应的边界特征向量与标准图像中闭合边缘线对应的边界特征向量的相似度记为第二相似度;
根据所述第一相似度和所述第二相似度,得到所述灰度图像和标准图像的相似指标,所述第一相似度和所述第二相似度均与所述相似指标呈正相关关系;
基于所述相似指标判断待检测硅胶玩具是否存在溢胶现象。
优选的,基于所述相似指标判断待检测硅胶玩具是否存在溢胶现象,包括:
若所述相似指标大于预设相似指标阈值,则判定待检测硅胶玩具不存在溢胶现象;
若所述相似指标小于或等于预设相似指标阈值,则判定待检测硅胶玩具存在溢胶现象。
本发明至少具有如下有益效果:
本发明考虑到胶体具有流动性,硅胶玩具在注塑过程中溢出来的胶体呈光滑的曲线,且这些曲线与原来的边界线相交,相比没有溢出来的多出一些不规则的近似半圆状的区域,且溢出胶体部分的厚度大于正常注塑胶具内的胶体,对于这些溢出来的部分像素点的灰度值较大,因此本发明首先根据每个边缘像素点对应的特征线段上像素点的灰度差异,得到了每个边缘像素点对应的突变程度,突变程度反映边缘像素点对应的特征线段上像素点的灰度变化情况,突变程度越大,说明边缘像素点对应的特征线段上像素点的灰度变化越剧烈,边缘像素点所在位置越可能存在溢胶现象;又由于当硅胶玩具存在溢胶现象时,闭合边缘线所围成的连通域的面积较大,因此本发明又根据每个边缘像素点的邻域内边缘像素点的位置信息,确定了每个边缘像素点对应的方向指标和距离指标,进而对每个边缘像素点对应的灰度区域大小矩阵进行修正,获得了对应的目标矩阵,并基于闭合边缘线上边缘像素点的位置信息,获得了闭合边缘线对应的边界特征向量;结合待检测硅胶玩具的灰度图像中边缘像素点的灰度优势与标准图像中边缘像素点的灰度优势的相似度、待检测硅胶玩具的灰度图像中闭合边缘线对应的边界特征向量与标准图像中闭合边缘线对应的边界特征向量的相似度,对待检测硅胶玩具是否存在溢胶现象进行了判断,避免了单一特征评价边缘像素点的局限性,提高了溢胶现象检测结果的准确度。
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为本发明实施例所提供的一种硅胶玩具注塑溢胶视觉检测方法的流程图。
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,对依据本发明提出的一种硅胶玩具注塑溢胶视觉检测方法进行详细说明如下。
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硅胶玩具注塑溢胶视觉检测方法的具体方案。
一种硅胶玩具注塑溢胶视觉检测方法实施例:
本实施例所针对的具体场景为:为了提高硅胶玩具的合格率,在硅胶玩具注塑完成后对其溢胶情况进行检测,本实施例将采集待检测硅胶玩具的灰度图像,对待检测硅胶玩具的灰度图像进行分析,并与标准图像进行比较,进而对待检测硅胶玩具是否存在溢胶情况进行判断。
本实施例提出了一种硅胶玩具注塑溢胶视觉检测方法,如图1所示,本实施例的一种硅胶玩具注塑溢胶视觉检测方法包括以下步骤:
步骤S1,获取待检测硅胶玩具的灰度图像。
本实施例首先利用CCD相机采集待检测硅胶玩具的表面图像,需要说明的是,待检测硅胶玩具为注塑完成的硅胶玩具,采集到的表面图像为RGB图像,对采集到的待检测硅胶玩具的表面图像进行灰度化、滤波等预处理,本实施例选用中值滤波方法对图像进行滤波处理,消除噪声和外界干扰造成的影响,同时保留图像的边缘信息,增强后续分析的准确性,本实施例将处理后的图像记为待检测硅胶玩具的灰度图像。图像的灰度化处理、中值滤波均为现有技术,此处不再过多赘述。
至此,获得了待检测硅胶玩具的灰度图像。
步骤S2,对所述灰度图像进行边缘检测获得闭合边缘线;基于闭合边缘线上各边缘像素点的位置分布获得各边缘像素点对应的特征线段;根据所述特征线段上像素点的灰度差异,得到各边缘像素点对应的突变程度。
对于硅胶玩具,在对模板注入胶体来进行填充时,不可避免地存在溢胶现象,而这些溢出来的胶体会对硅胶玩具的整体触觉和视觉造成一定的影响,从而导致用户体验感变差。由于大多硅胶玩具都是边缘光滑的形状,液体具有流动性,溢出来的胶体呈光滑的曲线,且这些曲线与原来的边界线相交,要比没有溢出来的胶体多出一些不规则的近似半圆状的区域,且溢出胶体部分的厚度大于正常注塑胶具内的胶体,对于这些溢出来的部分灰度值较大。基于此特征,本实施例获取标准图像,标准图像为注塑合格的硅胶玩具的灰度图像,也即不存在溢胶现象的硅胶玩具图像,且标准图像对应的硅胶玩具与待检测硅胶玩具属于同一类型、同一大小的玩具,本实施例接下来将对待检测硅胶玩具的灰度图像和标准图像进行边缘检测获取闭合边缘线,对待检测硅胶玩具的灰度图像和标准图像中的闭合边缘线进行分析,进而对待检测硅胶玩具的溢胶情况进行评价。
本实施例对待检测硅胶玩具的灰度图像采用Canny算子获得待检测硅胶玩具的轮廓二值图,对该轮廓进行膨胀后,通过细化得到区域闭合轮廓线,也即获得了待检测硅胶玩具的灰度图像中的闭合边缘线。需要说明的是,闭合边缘线为可以围成闭合区域的边缘线,后续将对闭合边缘线以及闭合边缘线上的边缘像素点进行分析。对于待检测硅胶玩具的灰度图像中的闭合边缘线围成的连通区域,其灰度值呈规律性变化,但是如果在注塑过程中发生溢胶情况,那么溢出来的胶体部分的灰度值与原本模具里的胶体存在差别,这种差别体现在在溢胶处,边缘轮廓线上的像素点向内向外会发生灰度值突变的效果。基于此,本实施例获取闭合边缘线所围成的区域内的中心像素点;分别将闭合边缘线上各边缘像素点与所述中心像素点相连获得各直线段,将所述直线段作为对应边缘像素点对应的特征线段;至此,获得闭合边缘线上每个边缘像素点对应的特征线段,一个边缘像素点对应一条特征线段。
对于不存在溢胶现象的硅胶玩具,其对应的灰度图像中闭合边缘线所围成的闭合区域内像素点的灰度值较一致,不会发生剧烈变化。若特征线段上像素点的灰度变化越剧烈,说明边缘像素点的灰度突变程度越大,待检测硅胶玩具越可能存在溢胶现象,因此,本实施例将根据特征线段上像素点的灰度变化情况确定每个边缘像素点对应的突变程度。
对于任一边缘像素点:
计算边缘像素点对应的特征线段上每两个相邻像素点的灰度值之间的差值绝对值,作为对应两个相邻像素点的灰度差异;计算边缘像素点对应的特征线段上所有每相邻两个像素点的灰度差异的平均值,将所述灰度差异的平均值的归一化结果确定为边缘像素点对应的突变程度。该边缘像素点对应的突变程度的具体计算公式为:
其中,G为该边缘像素点对应的突变程度,I为该边缘像素点对应的特征线段上像素点的数量,为该边缘像素点对应的特征线段上第i+1个像素点的灰度值,/>为该边缘像素点对应的特征线段上第i个像素点的灰度值,norm( )为归一化函数,| |为取绝对值符号。
表示该边缘像素点对应的特征线段上第i+1个像素点与第i个像素点的灰度差异,/>表示边缘像素点对应的特征线段上所有每相邻两个像素点的灰度差异的平均值。当该边缘像素点对应的特征线段上相邻像素点之间的灰度差异越大,说明该边缘像素点对应的特征线段上像素点的灰度分布越不规律,该边缘像素点对应的特征线段上像素点的灰度突变情况越严重,该位置在注塑过程中越可能出现溢胶现象,即该边缘像素点对应的突变程度越大;当该边缘像素点对应的特征线段上相邻像素点之间的灰度差异越小,说明该边缘像素点对应的特征线段上像素点的灰度分布越规则,该位置在注塑过程中越不可能出现溢胶现象,即该边缘像素点对应的突变程度越小。
采用上述方法,能够获得闭合边缘线上每个边缘像素点对应的突变程度。
步骤S3,基于闭合边缘线上各边缘像素点及其邻域内像素点的灰度信息获得各边缘像素点对应的灰度区域大小矩阵;根据闭合边缘线上各边缘像素点的邻域内边缘像素点的位置信息,得到各边缘像素点对应的方向指标和距离指标;基于所述突变程度、所述方向指标和所述距离指标对所述灰度区域大小矩阵进行修正,获得各边缘像素点对应的目标矩阵;根据所述目标矩阵获得各边缘像素点的灰度优势;基于闭合边缘线上边缘像素点的位置信息,获得闭合边缘线对应的边界特征向量。
如果硅胶玩具在注塑的过程中没有出现溢胶现象,那么注塑边缘轮廓线上的像素点周围轮廓大多是呈较大弧度的圆形;如果硅胶玩具在注塑的过程中出现溢胶现象,那么溢胶处的轮廓就会出现较小的弧形,且发生溢胶时边缘向规定的膜具外扩大,导致边缘像素点与原始中心点之间的距离变远。基于此特征,本实施例将构建注塑边缘轮廓线上每个像素点对应的灰度区域大小矩阵,用来表征每个边缘像素点周围的轮廓分布特征。
具体的,对于待检测硅胶玩具的灰度图像中的任一边缘像素点:本实施例将灰度值[0,255]映射到5个灰度区间中,根据该边缘像素点及其邻域内所有像素点的灰度值,构建灰度区域大小矩阵,并作为该边缘像素点对应的灰度区域大小矩阵;灰度区域大小矩阵的获取方法为现有技术,此处不再过多赘述。采用上述方法,能够获得待检测硅胶玩具的灰度图像中每个边缘像素点对应的灰度区域大小矩阵。本实施例中的邻域大小为,在具体应用中,实施者可根据具体情况进行设置。
对于闭合边缘线上的任一边缘像素点:在该边缘像素点的邻域内,获取闭合边缘线的两个端点,分别将各端点与闭合边缘线所围成的区域内的中心像素点进行连线获得各端点对应的直线段,获取两个端点对应的直线段之间的夹角,将所述夹角的归一化结果确定为该边缘像素点对应的方向指标。该边缘像素点对应的方向指标越小,说明该边缘像素点的边缘线拟合成圆弧形的对应位置的曲率越大,该边缘像素点所在位置越可能出现了溢胶现象。计算该边缘像素点的邻域内各边缘像素点与所述闭合边缘线所围成的区域内的中心像素点之间的距离,作为该边缘像素点的邻域内各边缘像素点对应的第一距离;计算该边缘像素点的邻域内所有边缘像素点对应的第一距离的平均值,将所述第一距离的平均值的归一化结果确定为该边缘像素点对应的距离指标。边缘像素点与其所在的闭合边缘线所围成的区域内的中心像素点之间的距离越远,说明该边缘像素点所在位置越可能出现了溢胶现象。采用上述方法,能够获得每个边缘像素点对应的方向指标和距离指标。
本实施例获得了闭合边缘线上每个边缘像素点对应的方向指标和距离指标,方向指标越小,说明对应边缘像素点所在位置越可能存在溢胶现象;距离指标越大,说明对应边缘像素点所在位置越可能存在溢胶现象。基于此,本实施例将结合突变程度、方向指标和距离指标对每个边缘像素点对应的灰度区域大小矩阵进行修正,具体的,对于任一边缘像素点:计算该边缘像素点对应的突变程度和该边缘像素点对应的距离指标的乘积,将该边缘像素点对应的方向指标与所述乘积的比值确定为该边缘像素点对应的特征指标;分别将所述特征指标与边缘像素点对应的灰度区域大小矩阵中的各元素相乘,获得该边缘像素点对应的灰度区域大小矩阵中各元素对应的修正值,用修正值替换原始值,将替换完成后获得的新矩阵记为该边缘像素点对应的目标矩阵。采用上述方法,对每个边缘像素点对应的灰度区域大小矩阵进行了修正,获得了每个边缘像素点对应的目标矩阵。
对于任一边缘像素点:根据该边缘像素点对应的目标矩阵,计算大区域高灰度值优势,将所述大区域高灰度值优势记为该边缘像素点的灰度优势;该边缘像素点的灰度优势的具体计算公式为:
其中,Q为该边缘像素点的灰度优势,J为该边缘像素点对应的目标矩阵的行数,K为该边缘像素点对应的目标矩阵的列数,为该边缘像素点对应的目标矩阵中第j行第k列的元素,/>表示图像中灰度级相同的像素“链接”的最大区域中所含像素点的个数,P为该边缘像素点对应的目标矩阵中所有元素之和。需要说明的是,大区域高灰度值优势的计算方法为现有技术。
J表征灰度级的数量,K表征该边缘像素点对应的邻域内灰度级相同的像素点“链接”的最大区域中所含像素点的个数,灰度优势用于表征边缘像素点与其所在轮廓周围边缘像素点的分布程度;当该边缘像素点与中心像素点之间的距离越近、该边缘像素点对应的方向指标越大时,说明该边缘像素点所在位置处越具有正常注塑胶体特征,即该边缘像素点的灰度优势越小;当该边缘像素点与中心像素点之间的距离越远、该边缘像素点对应的方向指标越小时,说明该边缘像素点所在位置处越具有溢胶特征,即该边缘像素点的灰度优势越小。
采用上述方法,能够获得待检测硅胶玩具的灰度图像中每个边缘像素点的灰度优势,标准图像中边缘像素点的灰度优势的计算方法与待检测硅胶玩具的灰度图像中边缘像素点的灰度优势的计算方法相同,此处不再赘述。至此,获得了待检测硅胶玩具的灰度图像中每个边缘像素点的灰度优势和标准图像中每个边缘像素点的灰度优势。
利用傅里叶描述子对闭合边缘线上边缘像素点的位置坐标进行计算,得到闭合边缘线对应的边界特征向量。利用傅里叶描述子获得边界特征向量为现有技术,此处不再过多赘述。采用本实施例提供的方法,能够获得待检测硅胶玩具的灰度图像中闭合边缘线对应的边界特征向量和标准图像中闭合边缘线对应的边界特征向量。
步骤S4,结合所述灰度图像中边缘像素点的灰度优势与标准图像中边缘像素点的灰度优势的相似度、所述灰度图像中闭合边缘线对应的边界特征向量与标准图像中闭合边缘线对应的边界特征向量的相似度,判断待检测硅胶玩具是否存在溢胶现象。
本实施例接下来将结合待检测硅胶玩具的灰度图像中边缘像素点的灰度优势与标准图像中边缘像素点的灰度优势的相似度、待检测硅胶玩具的灰度图像中闭合边缘线对应的边界特征向量与标准图像中闭合边缘线对应的边界特征向量的相似度,对待检测硅胶玩具是否存在溢胶现象进行评估。
具体的,基于所述灰度图像中各边缘像素点的灰度优势,构建第一灰度优势序列;基于标准图像中各边缘像素点的灰度优势,构建第二灰度优势序列;将所述第一灰度优势序列与所述第二灰度优势序列的相似度记为第一相似度;所述第一灰度优势序列与所述第二灰度优势序列的相似度的获取方法为:计算所述第一灰度优势序列与所述第二灰度优势序列的皮尔逊相关系数,将皮尔逊相关系数作为所述第一灰度优势序列与所述第二灰度优势序列的相似度,皮尔逊相关系数越大,说明这两个序列的相似程度越高;皮尔逊相关系数的计算方法为现有技术,此处不再过多赘述。将所述灰度图像中闭合边缘线对应的边界特征向量与标准图像中闭合边缘线对应的边界特征向量的相似度记为第二相似度;所述灰度图像中闭合边缘线对应的边界特征向量与标准图像中闭合边缘线对应的边界特征向量的相似度的获取方法为:计算所述灰度图像中闭合边缘线对应的边界特征向量与标准图像中闭合边缘线对应的边界特征向量的余弦相似度,将余弦相似度作为所述灰度图像中闭合边缘线对应的边界特征向量与标准图像中闭合边缘线对应的边界特征向量的相似度,余弦相似度越大,说明两个边界特征向量的相似程度越高;余弦相似度的计算方法为现有技术,此处不再过多赘述。根据所述第一相似度和所述第二相似度,得到所述灰度图像和标准图像的相似指标,所述第一相似度和所述第二相似度均与所述相似指标呈正相关关系。其中,正相关关系表示因变量会随着自变量的增大而增大,因变量会随着自变量的减小而减小,具体关系可以为相乘关系、相加关系、指数函数的幂等,由实际应用进行确定。作为一个具体实施方式,给出相似指标的具体计算过程,本实施例将所述第一相似度和所述第二相似度的乘积作为所述灰度图像和标准图像的相似指标,由于标准图像为不存在溢胶现象的硅胶玩具的灰度图像,因此当待检测硅胶玩具的灰度图像与标准图像的相似指标越大时,说明待检测硅胶玩具与标准硅胶玩具的相似度越高,即待检测硅胶玩具越不可能存在溢胶现象;当待检测硅胶玩具的灰度图像与标准图像的相似指标越小时,说明待检测硅胶玩具与标准硅胶玩具的相似度越低,即待检测硅胶玩具越可能存在溢胶现象。因此本实施例将基于待检测硅胶玩具的灰度图像与标准图像的相似指标和预设相似指标阈值的大小关系,对待检测硅胶玩具是否存在溢胶现象进行评估,具体的,若所述相似指标大于预设相似指标阈值,则判定待检测硅胶玩具不存在溢胶现象;若所述相似指标小于或等于预设相似指标阈值,则判定待检测硅胶玩具存在溢胶现象。本实施例中的预设相似指标阈值为0.8,在具体应用中,实施者可根据具体情况进行设置。需要说明的是,若待检测硅胶玩具的灰度图像或标准图像中存在多条闭合边缘线,则对于待检测硅胶玩具的灰度图像中任意一条闭合边缘线,分别计算该闭合边缘线与标准图像中每条闭合边缘线的相似指标,将最大的相似指标作为该闭合边缘线对应的相似指标;采用该方法,获得待检测硅胶玩具的灰度图像中每条闭合边缘线对应的相似指标,待检测硅胶玩具的灰度图像中一条闭合边缘线对应一个相似指标,计算待检测硅胶玩具的灰度图像中所有闭合边缘线对应的相似指标的和值,并将该和值作为待检测硅胶玩具的灰度图像和标准图像的相似指标,进而与预设相似指标阈值进行比较,判断待检测硅胶玩具是否存在溢胶现象。
至此,采用本实施例提供的方法完成了对待检测硅胶玩具的溢胶情况的检测。
本实施例考虑到胶体具有流动性,硅胶玩具在注塑过程中,溢出来的胶体呈光滑的曲线,且这些曲线与原来的边界线相交,相比没有溢出来的多出一些不规则的近似半圆状的区域,且溢出胶体部分的厚度大于正常注塑胶具内的胶体,对于这些溢出来的部分像素点的灰度值较大,因此本实施例首先根据每个边缘像素点对应的特征线段上像素点的灰度差异,得到了每个边缘像素点对应的突变程度,突变程度反映边缘像素点对应的特征线段上像素点的灰度变化情况,突变程度越大,说明边缘像素点对应的特征线段上像素点的灰度变化越剧烈,边缘像素点所在位置越可能存在溢胶现象;又由于当硅胶玩具存在溢胶现象时,闭合边缘线所围成的连通域的面积较大,因此本实施例又根据每个边缘像素点的邻域内边缘像素点的位置信息,确定了每个边缘像素点对应的方向指标和距离指标,进而对每个边缘像素点对应的灰度区域大小矩阵进行修正,获得了对应的目标矩阵,并基于闭合边缘线上边缘像素点的位置信息,获得了闭合边缘线对应的边界特征向量;结合待检测硅胶玩具的灰度图像中边缘像素点的灰度优势与标准图像中边缘像素点的灰度优势的相似度、待检测硅胶玩具的灰度图像中闭合边缘线对应的边界特征向量与标准图像中闭合边缘线对应的边界特征向量的相似度,对待检测硅胶玩具是否存在溢胶现象进行了判断,避免了单一特征评价边缘像素点的局限性,提高了溢胶现象检测结果的准确度。

Claims (9)

1.一种硅胶玩具注塑溢胶视觉检测方法,其特征在于,该方法包括以下步骤:
获取待检测硅胶玩具的灰度图像;
对所述灰度图像进行边缘检测获得闭合边缘线;基于闭合边缘线上各边缘像素点的位置分布获得各边缘像素点对应的特征线段;根据所述特征线段上像素点的灰度差异,得到各边缘像素点对应的突变程度;
基于闭合边缘线上各边缘像素点及其邻域内像素点的灰度信息获得各边缘像素点对应的灰度区域大小矩阵;根据闭合边缘线上各边缘像素点的邻域内边缘像素点的位置信息,得到各边缘像素点对应的方向指标和距离指标;基于所述突变程度、所述方向指标和所述距离指标对所述灰度区域大小矩阵进行修正,获得各边缘像素点对应的目标矩阵;根据所述目标矩阵获得各边缘像素点的灰度优势;基于闭合边缘线上边缘像素点的位置信息,获得闭合边缘线对应的边界特征向量;
结合所述灰度图像中边缘像素点的灰度优势与标准图像中边缘像素点的灰度优势的相似度、所述灰度图像中闭合边缘线对应的边界特征向量与标准图像中闭合边缘线对应的边界特征向量的相似度,判断待检测硅胶玩具是否存在溢胶现象。
2.根据权利要求1所述的一种硅胶玩具注塑溢胶视觉检测方法,其特征在于,所述基于闭合边缘线上各边缘像素点的位置分布获得各边缘像素点对应的特征线段,包括:
获取闭合边缘线所围成的区域内的中心像素点;
分别将闭合边缘线上各边缘像素点与所述中心像素点相连获得各直线段,将所述直线段作为对应边缘像素点对应的特征线段。
3.根据权利要求1所述的一种硅胶玩具注塑溢胶视觉检测方法,其特征在于,所述根据所述特征线段上像素点的灰度差异,得到各边缘像素点对应的突变程度,包括:
对于任一边缘像素点:
计算边缘像素点对应的特征线段上每两个相邻像素点的灰度值之间的差值绝对值,作为对应两个相邻像素点的灰度差异;计算边缘像素点对应的特征线段上所有每相邻两个像素点的灰度差异的平均值,将所述灰度差异的平均值的归一化结果确定为边缘像素点对应的突变程度。
4.根据权利要求1所述的一种硅胶玩具注塑溢胶视觉检测方法,其特征在于,根据闭合边缘线上各边缘像素点的邻域内边缘像素点的位置信息,得到各边缘像素点对应的方向指标,包括:
对于闭合边缘线上的任一边缘像素点:
在该边缘像素点的邻域内,获取闭合边缘线的两个端点,分别将各端点与闭合边缘线所围成的区域内的中心像素点进行连线获得各端点对应的直线段,获取两个端点对应的直线段之间的夹角,将所述夹角的归一化结果确定为该边缘像素点对应的方向指标。
5.根据权利要求1所述的一种硅胶玩具注塑溢胶视觉检测方法,其特征在于,根据闭合边缘线上各边缘像素点的邻域内边缘像素点的位置信息,得到各边缘像素点对应的距离指标,包括:
对于闭合边缘线上的任一边缘像素点:
计算该边缘像素点的邻域内各边缘像素点与闭合边缘线所围成的区域内的中心像素点之间的距离,作为该边缘像素点的邻域内各边缘像素点对应的第一距离;计算该边缘像素点的邻域内所有边缘像素点对应的第一距离的平均值,将所述第一距离的平均值的归一化结果确定为该边缘像素点对应的距离指标。
6.根据权利要求1所述的一种硅胶玩具注塑溢胶视觉检测方法,其特征在于,所述基于所述突变程度、所述方向指标和所述距离指标对所述灰度区域大小矩阵进行修正,获得各边缘像素点对应的目标矩阵,包括:
对于任一边缘像素点:
计算边缘像素点对应的突变程度和对应的距离指标的乘积,将边缘像素点对应的方向指标与所述乘积的比值确定为边缘像素点对应的特征指标;
分别将所述特征指标与边缘像素点对应的灰度区域大小矩阵中的各元素相乘,获得边缘像素点对应的目标矩阵。
7.根据权利要求1所述的一种硅胶玩具注塑溢胶视觉检测方法,其特征在于,所述根据所述目标矩阵获得各边缘像素点的灰度优势,包括:
对于任一边缘像素点:
根据该边缘像素点对应的目标矩阵,计算大区域高灰度值优势,将所述大区域高灰度值优势记为该边缘像素点的灰度优势。
8.根据权利要求1所述的一种硅胶玩具注塑溢胶视觉检测方法,其特征在于,结合所述灰度图像中边缘像素点的灰度优势与标准图像中边缘像素点的灰度优势的相似度、所述灰度图像中闭合边缘线对应的边界特征向量与标准图像中闭合边缘线对应的边界特征向量的相似度,判断待检测硅胶玩具是否存在溢胶现象,包括:
基于所述灰度图像中各边缘像素点的灰度优势,构建第一灰度优势序列;基于标准图像中各边缘像素点的灰度优势,构建第二灰度优势序列;将所述第一灰度优势序列与所述第二灰度优势序列的相似度记为第一相似度;
将所述灰度图像中闭合边缘线对应的边界特征向量与标准图像中闭合边缘线对应的边界特征向量的相似度记为第二相似度;
根据所述第一相似度和所述第二相似度,得到所述灰度图像和标准图像的相似指标,所述第一相似度和所述第二相似度均与所述相似指标呈正相关关系;
基于所述相似指标判断待检测硅胶玩具是否存在溢胶现象。
9.根据权利要求8所述的一种硅胶玩具注塑溢胶视觉检测方法,其特征在于,基于所述相似指标判断待检测硅胶玩具是否存在溢胶现象,包括:
若所述相似指标大于预设相似指标阈值,则判定待检测硅胶玩具不存在溢胶现象;
若所述相似指标小于或等于预设相似指标阈值,则判定待检测硅胶玩具存在溢胶现象。
CN202310728111.3A 2023-06-20 2023-06-20 一种硅胶玩具注塑溢胶视觉检测方法 Active CN116452596B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310728111.3A CN116452596B (zh) 2023-06-20 2023-06-20 一种硅胶玩具注塑溢胶视觉检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310728111.3A CN116452596B (zh) 2023-06-20 2023-06-20 一种硅胶玩具注塑溢胶视觉检测方法

Publications (2)

Publication Number Publication Date
CN116452596A true CN116452596A (zh) 2023-07-18
CN116452596B CN116452596B (zh) 2023-09-22

Family

ID=87132489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310728111.3A Active CN116452596B (zh) 2023-06-20 2023-06-20 一种硅胶玩具注塑溢胶视觉检测方法

Country Status (1)

Country Link
CN (1) CN116452596B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116703903A (zh) * 2023-08-04 2023-09-05 山东济宁运河煤矿有限责任公司 一种基于机器视觉的锚杆修复质量检测方法
CN116912277A (zh) * 2023-09-12 2023-10-20 山东鲁泰化学有限公司 一种循环水除垢效果评估方法及系统
CN117094916A (zh) * 2023-10-19 2023-11-21 江苏新路德建设有限公司 一种市政桥梁支座视觉检测方法
CN117115172A (zh) * 2023-10-25 2023-11-24 山东鲁润阿胶药业有限公司 一种基于机器视觉的阿胶品质检测方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0229878A (ja) * 1988-07-20 1990-01-31 Agency Of Ind Science & Technol 画像処理方法
US20140064580A1 (en) * 2011-01-11 2014-03-06 Rutgers, The State University Of New Jersey Method and apparatus for segmentation and registration of longitudinal images
CN106920245A (zh) * 2017-03-13 2017-07-04 深圳怡化电脑股份有限公司 一种边界检测的方法及装置
CN111179291A (zh) * 2019-12-27 2020-05-19 凌云光技术集团有限责任公司 一种基于邻域关系的边缘像素点提取方法及装置
CN114998355A (zh) * 2022-08-08 2022-09-02 江苏京德新材料有限公司 一种密封橡胶圈的生产缺陷识别方法及装置
CN116168039A (zh) * 2023-04-26 2023-05-26 济宁市新华电力特种材料有限公司 一种环保节能硅酸铝板质量检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0229878A (ja) * 1988-07-20 1990-01-31 Agency Of Ind Science & Technol 画像処理方法
US20140064580A1 (en) * 2011-01-11 2014-03-06 Rutgers, The State University Of New Jersey Method and apparatus for segmentation and registration of longitudinal images
CN106920245A (zh) * 2017-03-13 2017-07-04 深圳怡化电脑股份有限公司 一种边界检测的方法及装置
CN111179291A (zh) * 2019-12-27 2020-05-19 凌云光技术集团有限责任公司 一种基于邻域关系的边缘像素点提取方法及装置
CN114998355A (zh) * 2022-08-08 2022-09-02 江苏京德新材料有限公司 一种密封橡胶圈的生产缺陷识别方法及装置
CN116168039A (zh) * 2023-04-26 2023-05-26 济宁市新华电力特种材料有限公司 一种环保节能硅酸铝板质量检测方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116703903A (zh) * 2023-08-04 2023-09-05 山东济宁运河煤矿有限责任公司 一种基于机器视觉的锚杆修复质量检测方法
CN116703903B (zh) * 2023-08-04 2023-10-20 山东济宁运河煤矿有限责任公司 一种基于机器视觉的锚杆修复质量检测方法
CN116912277A (zh) * 2023-09-12 2023-10-20 山东鲁泰化学有限公司 一种循环水除垢效果评估方法及系统
CN116912277B (zh) * 2023-09-12 2023-12-12 山东鲁泰化学有限公司 一种循环水除垢效果评估方法及系统
CN117094916A (zh) * 2023-10-19 2023-11-21 江苏新路德建设有限公司 一种市政桥梁支座视觉检测方法
CN117094916B (zh) * 2023-10-19 2024-01-26 江苏新路德建设有限公司 一种市政桥梁支座视觉检测方法
CN117115172A (zh) * 2023-10-25 2023-11-24 山东鲁润阿胶药业有限公司 一种基于机器视觉的阿胶品质检测方法及系统
CN117115172B (zh) * 2023-10-25 2024-01-12 山东鲁润阿胶药业有限公司 一种基于机器视觉的阿胶品质检测方法及系统

Also Published As

Publication number Publication date
CN116452596B (zh) 2023-09-22

Similar Documents

Publication Publication Date Title
CN116452596B (zh) 一种硅胶玩具注塑溢胶视觉检测方法
US9070042B2 (en) Image processing apparatus, image processing method, and program thereof
CN115049653A (zh) 基于计算机视觉的集成电路板质量检测系统
CN106507199A (zh) 电视节目推荐方法及装置
CN112200056B (zh) 人脸活体检测方法、装置、电子设备及存储介质
CN114998198A (zh) 一种注塑件表面缺陷识别方法
CN116740070A (zh) 基于机器视觉的塑料管道外观缺陷检测方法
CN114494179A (zh) 一种基于图像识别的手机背部破损点检测方法及系统
CN117173158B (zh) 一种精密连接器质量智能检测方法及系统
CN116883408B (zh) 基于人工智能的积算仪壳体缺陷检测方法
CN115082450A (zh) 基于深度学习网络的路面裂缝检测方法和系统
CN116912261A (zh) 一种塑料模具注塑表面缺陷检测方法
CN111145205B (zh) 基于红外图像的多猪只场景下猪体温检测方法
CN111046893A (zh) 图像相似性确定方法和装置、图像处理方法和装置
CN117495849A (zh) 基于图像特征的电源适配器质量检测方法
CN116805316A (zh) 基于图像增强的可降解塑料加工质量检测方法
CN115239661A (zh) 基于图像处理的机械零件毛刺检测方法及系统
CN109615620B (zh) 图像压缩度识别方法、装置、设备及计算机可读存储介质
CN108053425B (zh) 一种基于多通道特征的高速相关滤波目标跟踪方法
CN110245575B (zh) 一种以人体轮廓线为基础的人体体型参数捕获方法
WO2023142753A1 (zh) 图像相似性度量方法及其装置
CN111311657A (zh) 一种基于改进角点主方向分配的红外图像同源配准方法
CN110533663B (zh) 一种图像视差确定方法、装置、设备及系统
Shi et al. The objective evaluation of image object segmentation quality
CN111784660A (zh) 一种用于人脸图像的正脸程度的分析方法和系统

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240103

Address after: 518000 1321, block B, Fenghui times technology center, Shijia community, Matian street, Guangming District, Shenzhen, Guangdong Province

Patentee after: Shenzhen Chengcheng High Tech Co.,Ltd.

Address before: No. 56 Xinli 1st Road, Bainikeng Community, Pinghu Street, Longgang District, Shenzhen City, Guangdong Province, 518129

Patentee before: SHENZHEN JIECHAOHANG MOULD CO.,LTD.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240310

Address after: No. 56, Xinli 1st Road, Bainikeng Community, Pinghu Street, Longgang District, Shenzhen, Guangdong 518000

Patentee after: SHENZHEN JIECHAOHANG MOULD CO.,LTD.

Country or region after: China

Address before: 518000 1321, block B, Fenghui times technology center, Shijia community, Matian street, Guangming District, Shenzhen, Guangdong Province

Patentee before: Shenzhen Chengcheng High Tech Co.,Ltd.

Country or region before: China