CN116485350A - 基于图像识别的中硼硅玻璃智能化生产系统 - Google Patents
基于图像识别的中硼硅玻璃智能化生产系统 Download PDFInfo
- Publication number
- CN116485350A CN116485350A CN202310729037.7A CN202310729037A CN116485350A CN 116485350 A CN116485350 A CN 116485350A CN 202310729037 A CN202310729037 A CN 202310729037A CN 116485350 A CN116485350 A CN 116485350A
- Authority
- CN
- China
- Prior art keywords
- transparency
- crack
- pixel point
- borosilicate glass
- glass
- 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
- 239000005388 borosilicate glass Substances 0.000 title claims abstract description 166
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 35
- 239000011521 glass Substances 0.000 claims abstract description 101
- 239000011159 matrix material Substances 0.000 claims abstract description 48
- 230000003321 amplification Effects 0.000 claims abstract description 47
- 230000033001 locomotion Effects 0.000 claims abstract description 47
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 47
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims description 39
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 50
- 230000007547 defect Effects 0.000 abstract description 8
- 238000003860 storage Methods 0.000 description 35
- 230000008569 process Effects 0.000 description 16
- 239000004973 liquid crystal related substance Substances 0.000 description 10
- 239000012535 impurity Substances 0.000 description 9
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000002994 raw material Substances 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000003708 ampul Substances 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229960005486 vaccine Drugs 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本说明书实施例公开了一种基于图像识别的中硼硅玻璃智能化生产系统,涉及图像处理技术领域。该系统包括:获取模块、玻璃透明度计算模块、透明度递变程度指数计算模块、透明度放大系数确定模块、透明度矩阵生成模块、透明度区域大小矩阵确定模块、裂纹存在性指数确定模块、裂纹运动模糊度计算模块、裂纹显著图生成模块以及裂纹区域确定模块。通过该系统,可以结合透明度递变程度指数、透明度放大系数以及裂纹存在性指数确定每一个像素点对应的裂纹运动模糊度,然后基于裂纹运动模糊度构造裂纹显著图,进而通过该裂纹显著图将裂纹区域分割出来,可以更准确地完成中硼硅玻璃智能化生产中的裂纹缺陷识别。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种基于图像识别的中硼硅玻璃智能化生产系统。
背景技术
中硼硅玻璃瓶在医疗行业有着大规模的应用,如输液瓶、安瓿瓶、疫苗瓶等玻璃容器。基于中硼硅玻璃材料高硬度、热膨胀系数低、具有比较好的耐水性等优点,对容器内所装内容物的保存和运输中起到了非常重要的作用。但是,目前国内对中硼硅玻璃的研发和生产过程中,不能完全解决气泡线、结瘤以及外径稳定性等问题。
对于中硼硅玻璃瓶而言,主要缺陷检测部位是瓶盖,瓶盖的完好与否决定了容器内所装内容物是否会发生泄露。瓶盖的缺口、断裂等较大的缺陷能够较容易地发现并剔除,但是,瓶盖上的裂纹缺陷通常较为微小且处于瓶盖的细小位置,其不仅通过人工检测难以发现,而且在生产和使用过程中存在一定的安全隐患。
基于此,有必要研究一种能够识别中硼硅玻璃瓶盖中的裂纹缺陷的方法和/或系统,以解决上述问题。
发明内容
本说明书实施例的一个方面提供一种基于图像识别的中硼硅玻璃智能化生产系统,该系统包括:获取模块、玻璃透明度计算模块、透明度递变程度指数计算模块、透明度放大系数确定模块、透明度矩阵生成模块、透明度区域大小矩阵确定模块、裂纹存在性指数确定模块、裂纹运动模糊度计算模块、裂纹显著图生成模块以及裂纹区域确定模块。其中,获取模块可以用于获取针对中硼硅玻璃瓶盖采集的中硼硅玻璃图像;玻璃透明度计算模块可以用于确定所述中硼硅玻璃图像中的中硼硅玻璃区域,并计算所述中硼硅玻璃区域中每一个像素点对应的玻璃透明度;透明度递变程度指数计算模块可以用于基于所述玻璃透明度计算每一个像素点对应的透明度递变程度指数;透明度放大系数确定模块可以用于对每一个像素点对应的玻璃透明度进行放大取整处理,得到每一个像素点对应的透明度放大系数;透明度矩阵生成模块可以用于根据每一个像素点对应的透明度放大系数,生成透明度矩阵;透明度区域大小矩阵确定模块可以用于基于所述透明度矩阵得到透明度区域大小矩阵;裂纹存在性指数确定模块可以用于基于所述透明度区域大小矩阵确定每一个像素点对应的裂纹存在性指数,其中,所述裂纹存在性指数用于表征每一个像素点处存在裂纹的可能性;裂纹运动模糊度计算模块可以用于基于所述透明度递变程度指数、所述透明度放大系数以及所述裂纹存在性指数,计算每一个像素点对应的裂纹运动模糊度;裂纹显著图生成模块可以用于基于所述裂纹运动模糊度,构造裂纹显著图;裂纹区域确定模块可以用于对所述裂纹显著图进行分割,得到所述中硼硅玻璃图像中的裂纹区域。
在一些实施例中,所述玻璃透明度计算模块具体用于:基于所述中硼硅玻璃图像在Lab空间的明度信息,利用大津阈值分割技术,得到所述中硼硅玻璃图像中的中硼硅玻璃区域;根据所述中硼硅玻璃区域中的像素点的灰度值以及所述中硼硅玻璃图像中背景像素点的平均灰度值,计算所述中硼硅玻璃区域中每一个像素点对应的玻璃透明度。
在一些实施例中,所述透明度递变程度指数计算模块具体用于:对于所述中硼硅玻璃区域中的每一个目标像素点,以所述目标像素点为中心建立N*N的滑动窗口,并获取所述滑动窗口中每一个像素点对应的玻璃透明度;基于所述滑动窗口中每一个像素点对应的玻璃透明度与所述目标像素点对应的玻璃透明度的差值的绝对值之和,以及所述滑动窗口对应的透明度变异系数,确定所述目标像素点对应的透明度递变程度指数。
在一些实施例中,所述透明度递变程度指数计算模块还具体用于:计算所述绝对值之和与第一权重的第一乘积,以及所述透明度变异系数与第二权重的第二乘积,其中,所述第一权重大于所述第二权重;基于所述第一乘积与所述第二乘积之和,得到所述目标像素点对应的透明度递变程度指数。
在一些实施例中,所述透明度放大系数确定模块具体用于:基于预设放大系数以及每一个像素点对应的玻璃透明度,得到第一参数;通过向上取整函数对所述第一参数进行放大取整处理,得到所述透明度放大系数。
在一些实施例中,所述透明度区域大小矩阵确定模块具体用于:确定所述透明度矩阵中每一个所述透明度放大系数形成的连通域的大小;将所述连通域的大小与所述透明度矩阵中的透明度放大系数对应,得到所述透明度区域大小矩阵。
在一些实施例中,所述裂纹存在性指数确定模块具体用于:确定每一个像素点对应的梯度幅值;根据所述梯度幅值以及对应的梯度阈值判断每一个像素点为正常点或异常点;在所述像素点为正常点时,基于所述像素点对应的梯度幅值得到所述像素点对应的裂纹存在性指数;在所述像素点为异常点时,基于所述像素点对应的梯度幅值、所述像素点对应的透明度放大系数形成的连通域的大小以及所述像素点对应的玻璃透明度,得到所述像素点对应的裂纹存在性指数。
在一些实施例中,所述裂纹运动模糊度计算模块具体用于:对于每一个目标像素点,基于所述目标像素点对应的透明度递变程度指数和透明度放大系数,得到第二参数;将第三权重与所述第二参数相乘,得到第三乘积;将第四权重与所述目标像素点对应的裂纹存在性指数相乘,得到第四乘积;通过取整函数对所述第三乘积与所述第四乘积之和取整,得到所述目标像素点对应的裂纹运动模糊度。
在一些实施例中,所述第四权重大于所述第三权重。
在一些实施例中,所述裂纹区域确定模块具体用于:利用大津阈值分割技术确定分割阈值;基于所述分割阈值以及所述裂纹显著图每一个像素点对应的裂纹运动模糊度,确定所述裂纹显著图中的裂纹像素点;根据所述裂纹像素点,得到所述中硼硅玻璃图像中的裂纹区域。
本说明书实施例所提供的基于图像识别的中硼硅玻璃智能化生产系统可能带来的有益效果至少包括:(1)通过结合玻璃透明度、透明度递变程度指数、裂纹存在性指数以及裂纹运动模糊度等特征来确定中硼硅玻璃图像中的裂纹区域,可以使得裂纹识别结果更加准确;(2)通过综合考虑像素点对应的梯度幅值、透明度放大系数形成的连通域的大小以及玻璃透明度来计算得到裂纹存在性指数,可以对裂纹和原料杂质引起的玻璃透明度异常进行更好的区别,从而更准确地识别出中硼硅玻璃瓶盖中的裂纹;(3)通过基于中硼硅玻璃产品自身的属性特征以及裂纹的现象特征来构造裂纹显著图,可以对中硼硅玻璃图像中的裂纹起到更好的分割效果。
附加的特征将在下面的描述中部分地阐述。对于本领域技术人员来说,通过查阅以下内容和附图将变得显而易见,或者可以通过实例的产生或操作来了解。本说明书的特征可以通过实践或使用以下详细实例中阐述的方法、工具和组合的各个方面来实现和获得。
附图说明
本说明书将以示例性实施例的方式进一步描述,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书的一些实施例所示的基于图像识别的中硼硅玻璃智能化生产系统的示例性应用场景示意图;
图2是根据本说明书的一些实施例所示的基于图像识别的中硼硅玻璃智能化生产系统的示例性模块图;
图3是根据本说明书一些实施例所示的基于图像识别的中硼硅玻璃智能化生产方法的示例性流程图;
图4是根据本说明书一些实施例所示的示例性中硼硅玻璃图像示意图;
图5是根据本说明书一些实施例所示的基于图像识别的中硼硅玻璃智能化生产方法的示例性子步骤流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例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说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本说明书中所使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
下面结合附图对本说明书实施例提供的基于图像识别的中硼硅玻璃智能化生产系统进行详细说明。
图1是根据本说明书一些实施例所示的基于图像识别的中硼硅玻璃智能化生产系统的示例性应用场景示意图。
参照图1,在一些实施例中,基于图像识别的中硼硅玻璃智能化生产系统的应用场景100可以包括图像采集装置110、存储设备120、处理设备130、终端设备140以及网络150。应用场景100中的各个部件可以以多种方式相连接。例如,图像采集装置110可以与存储设备120和/或处理设备130通过网络150连接,也可以与存储设备120和/或处理设备130直接连接。又例如,存储设备120可以与处理设备130直接连接或通过网络150连接。又例如,终端设备140可以与存储设备120和/或处理设备130通过网络150连接,也可以与存储设备120和/或处理设备130直接连接。
图像采集装置110可以用于获取针对中硼硅玻璃瓶盖采集的中硼硅玻璃图像,该中硼硅玻璃图像可以反映出中硼硅玻璃瓶盖的裂纹缺陷。在一些实施例中,图像采集装置110可以为CCD(Charge-Coupled Device)相机,该CCD相机可以用于对传送带上的中硼硅玻璃瓶盖进行俯视拍摄,得到中硼硅玻璃图像。该中硼硅玻璃图像可以为RGB图像。在一些实施例中,图像采集装置110可以具有独立的电源,其可以通过有线或无线(例如蓝牙、WiFi等)的方式将采集的中硼硅玻璃图像发送给应用场景100中的其他部件(例如,存储设备120、处理设备130、终端设备140)。
在一些实施例中,图像采集装置110可以通过网络150将其采集的中硼硅玻璃图像发送至存储设备120、处理设备130、终端设备140等。在一些实施例中,可以通过处理设备130对图像采集装置110所采集的中硼硅玻璃图像进行处理。例如,处理设备130可以基于该中硼硅玻璃图像确定中硼硅玻璃区域,以及该区域内每一个像素点对应的玻璃透明度、透明度递变程度指数、透明度放大系数、裂纹存在性指数、裂纹运动模糊度等。在一些实施例中,该中硼硅玻璃图像中的中硼硅玻璃区域图像,以及该区域内每一个像素点对应的玻璃透明度、透明度递变程度指数、透明度放大系数、裂纹存在性指数、裂纹运动模糊度等可以发送至存储设备120进行记录,或者发送至终端设备140以反馈给用户(例如生产线工作人员)。
网络150可以促进信息和/或数据的交换。网络150可以包括能够促进应用场景100的信息和/或数据交换的任何合适的网络。在一些实施例中,应用场景100的至少一个组件(例如,图像采集装置110、存储设备120、处理设备130、终端设备140)可以通过网络150与应用场景100中至少一个其他组件交换信息和/或数据。例如,处理设备130可以通过网络150从图像采集装置110和/或存储设备120获得针对中硼硅玻璃瓶盖采集的中硼硅玻璃图像。又例如,处理设备130可以通过网络150从终端设备140获得用户操作指令,示例性的操作指令可以包括但不限于调阅中硼硅玻璃图像,读取基于该中硼硅玻璃图像确定的中硼硅玻璃区域,以及该区域内每一个像素点对应的玻璃透明度、透明度递变程度指数、透明度放大系数、裂纹存在性指数、裂纹运动模糊度等。
在一些实施例中,网络150可以为任意形式的有线或无线网络,或其任意组合。仅作为示例,网络150可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共开关电话网络(PSTN)、蓝牙网络、ZigBee网络、近场通讯(NFC)网络等或其任意组合。在一些实施例中,网络150可以包括至少一个网络接入点,应用场景100的至少一个组件可以通过接入点连接到网络150以交换数据和/或信息。
存储设备120可以储存数据、指令和/或任何其他信息。在一些实施例中,存储设备120可以存储从图像采集装置110、处理设备130和/或终端设备140获得的数据。例如,存储设备120可以存储图像采集装置110采集的中硼硅玻璃图像;又例如,存储设备120可以存储处理设备130计算得到的中硼硅玻璃区域中每一个像素点对应的玻璃透明度、透明度递变程度指数、透明度放大系数、裂纹存在性指数、裂纹运动模糊度等。在一些实施例中,存储设备120可以存储处理设备130用来执行或使用来完成本说明书中描述的示例性方法的数据和/或指令。在一些实施例中,存储设备120可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。在一些实施例中,存储设备120可以在云平台上实现。仅作为示例,所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中,存储设备120可以连接到网络150以与应用场景100中的至少一个其他组件(例如,图像采集装置110、处理设备130、终端设备140)通信。应用场景100中的至少一个组件可以通过网络150访问存储设备120中存储的数据、指令或其他信息。在一些实施例中,存储设备120可以与应用场景100中的一个或以上组件(例如,图像采集装置110、终端设备140)直接连接或通信。在一些实施例中,存储设备120可以是图像采集装置110和/或处理设备130的一部分。
处理设备130可以处理从图像采集装置110、存储设备120、终端设备140和/或应用场景100的其他组件获得数据和/或信息。在一些实施例中,处理设备130可以从图像采集装置110、存储设备120或终端设备140中任意一个或多个获得中硼硅玻璃图像,通过对该中硼硅玻璃图像进行处理以确定该中硼硅玻璃图像中的中硼硅玻璃区域,以及该区域内每一个像素点对应的玻璃透明度、透明度递变程度指数、透明度放大系数、裂纹存在性指数、裂纹运动模糊度等。在一些实施例中,处理设备130可以从存储设备120获取预先存储的计算机指令,并执行该计算机指令以实现本说明书所描述的基于图像识别的中硼硅玻璃智能化生产方法。
在一些实施例中,处理设备130可以是单一服务器或服务器组。服务器组可以是集中式的或分布式的。在一些实施例中,处理设备130可以是本地或远程的。例如,处理设备130可以通过网络150从图像采集装置110、存储设备120和/或终端设备140访问信息和/或数据。又例如,处理设备130可以直接连接到图像采集装置110、存储设备120和/或终端设备140以访问信息和/或数据。在一些实施例中,处理设备130可以在云平台上实现。例如,云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等或其任意组合。
终端设备140可以接收、发送和/或显示数据。所述接收的数据可以包括图像采集装置110采集的数据、存储设备120存储的数据、处理设备130处理得到的中硼硅玻璃图像中的中硼硅玻璃区域,以及该区域内每一个像素点对应的玻璃透明度、透明度递变程度指数、透明度放大系数、裂纹存在性指数、裂纹运动模糊度等。所述发送的数据可以包括用户(例如生产线工作人员)的输入数据和指令等。例如,终端设备140可以将用户输入的操作指令通过网络150发送给图像采集装置110,以控制图像采集装置110进行相应的数据采集。又例如,终端设备140可以将用户输入的数据处理指令通过网络150发送给处理设备130。
在一些实施例中,终端设备140可以包括移动设备141、平板计算机142、膝上型计算机143等或其任意组合。例如,移动设备141可以包括移动电话、个人数字助理(PDA)、专用移动终端等或其任意组合。在一些实施例中,终端设备140可以包括输入设备(如键盘、触摸屏)、输出设备(如显示器、扬声器)等。在一些实施例中,处理设备130可以是终端设备140的一部分。
应当注意的是,上述有关应用场景100的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对应用场景100进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。例如,图像采集装置110的可以包括更多或更少的功能组件。
图2是根据本说明书一些实施例所示的基于图像识别的中硼硅玻璃智能化生产系统的模块示意图。在一些实施例中,图2所示的基于图像识别的中硼硅玻璃智能化生产系统200可以以软件和/或硬件的方式应用到图1所示的应用场景100,例如,可以以软件和/或硬件的形式配置到处理设备130和/或终端设备140,以用于对图像采集装置110所采集的中硼硅玻璃图像进行处理,并基于该中硼硅玻璃图像确定中硼硅玻璃图像中的中硼硅玻璃区域,以及该区域内每一个像素点对应的玻璃透明度、透明度递变程度指数、透明度放大系数、裂纹存在性指数、裂纹运动模糊度等。
参照图2,在一些实施例中,基于图像识别的中硼硅玻璃智能化生产系统200可以包括获取模块210、玻璃透明度计算模块220、透明度递变程度指数计算模块230、透明度放大系数确定模块240、透明度矩阵生成模块250、透明度区域大小矩阵确定模块260、裂纹存在性指数确定模块270、裂纹运动模糊度计算模块280、裂纹显著图生成模块290以及裂纹区域确定模块2100。
获取模块210可以用于获取针对中硼硅玻璃瓶盖采集的中硼硅玻璃图像。
玻璃透明度计算模块220可以用于确定所述中硼硅玻璃图像中的中硼硅玻璃区域,并计算所述中硼硅玻璃区域中每一个像素点对应的玻璃透明度。
透明度递变程度指数计算模块230可以用于基于所述玻璃透明度计算每一个像素点对应的透明度递变程度指数。
透明度放大系数确定模块240可以用于对每一个像素点对应的玻璃透明度进行放大取整处理,得到每一个像素点对应的透明度放大系数。
透明度矩阵生成模块250可以用于根据每一个像素点对应的透明度放大系数,生成透明度矩阵。
透明度区域大小矩阵确定模块260可以用于基于所述透明度矩阵得到透明度区域大小矩阵。
裂纹存在性指数确定模块270可以用于基于所述透明度区域大小矩阵确定每一个像素点对应的裂纹存在性指数,其中,所述裂纹存在性指数用于表征每一个像素点处存在裂纹的可能性。
裂纹运动模糊度计算模块280可以用于基于所述透明度递变程度指数、所述透明度放大系数以及所述裂纹存在性指数,计算每一个像素点对应的裂纹运动模糊度。
裂纹显著图生成模块290可以用于基于所述裂纹运动模糊度,构造裂纹显著图。
裂纹区域确定模块2100可以用于对所述裂纹显著图进行分割,得到所述中硼硅玻璃图像中的裂纹区域。
关于上述各个模块的更多细节可以参照本说明书的其他位置(例如图3~图5部分及其相关描述),此处不再赘述。
应当理解,图2所示的基于图像识别的中硼硅玻璃智能化生产系统200及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本说明书的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,上述关于基于图像识别的中硼硅玻璃智能化生产系统200的描述仅出于说明性目的而提供,并不旨在限制本说明书的范围。可以理解,对于本领域的技术人员来说,可以根据本说明书的描述,在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,图2中所述的获取模块210、玻璃透明度计算模块220、透明度递变程度指数计算模块230、透明度放大系数确定模块240、透明度矩阵生成模块250、透明度区域大小矩阵确定模块260、裂纹存在性指数确定模块270、裂纹运动模糊度计算模块280、裂纹显著图生成模块290以及裂纹区域确定模块2100可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。再例如,基于图像识别的中硼硅玻璃智能化生产系统200还可以包括预处理模块(图中未示出)和灰度处理模块(图中未示出),其中,预处理模块可以用于对前述中硼硅玻璃图像进行预处理,消除图像中的噪声和部分外界干扰造成的影响,增强后续分析的准确性;灰度处理模块可以用于将前述中硼硅玻璃图像从RGB空间转换到灰度空间。诸如此类的变形,均在本说明书的保护范围之内。在一些实施例中,前述各个模块可以是处理设备130和/或终端设备140的一部分。
图3是根据本说明书一些实施例所示的基于图像识别的中硼硅玻璃智能化生产方法的示例性流程图。在一些实施例中,方法300可以通过处理逻辑来执行,该处理逻辑可以包括硬件(例如,电路、专用逻辑、可编程逻辑、微代码等)、软件(运行在处理设备上以执行硬件模拟的指令)等或其任意组合。在一些实施例中,图3所示的基于图像识别的中硼硅玻璃智能化生产方法的示例性流程图300中的一个或多个操作可以通过图1所示的处理设备130和/或终端设备140实现。例如,方法300可以以指令的形式存储在存储设备120中,并由处理设备130和/或终端设备140调用和/或执行。下文以处理设备130为例描述方法300的执行过程。
参照图3,在一些实施例中,基于图像识别的中硼硅玻璃智能化生产方法的示例性流程图300可以包括:
步骤310,获取针对中硼硅玻璃瓶盖采集的中硼硅玻璃图像。在一些实施例中,步骤310可以由获取模块210执行。
在一些实施例中,为了识别中硼硅玻璃瓶盖中的裂纹缺陷,可以使用CCD相机对传送带上的中硼硅玻璃瓶盖进行俯视拍摄,得到中硼硅玻璃图像。在一些实施例中,该中硼硅玻璃图像可以为RGB图像。在一些实施例中,通过CCD相机拍摄得到的中硼硅玻璃图像可以存储在前述存储设备120中,获取模块210可以从存储设备120中获取针对中硼硅玻璃瓶盖采集的中硼硅玻璃图像。
在得到该中硼硅玻璃图像之后,可以对其进行预处理,从而消除噪声和部分外界干扰造成的影响,增强后续分析的准确性。在一些实施例中,该预处理可以包括但不限于滤波处理。示例性地,在一些实施例中,考虑到该中硼硅玻璃图像在后续过程中需从RGB空间转换到灰度空间,因此,可以采用非局部均值滤波对该中硼硅玻璃图像进行降噪,消除部分随机噪声的影响,同时将RGB空间的图像转化为灰度空间的图像。
需要说明的是,以上降噪方法仅为示例性说明,在一些其他的实施例中,可以采用其他的去噪方法对该中硼硅玻璃图像进行降噪处理。
步骤320,确定所述中硼硅玻璃图像中的中硼硅玻璃区域,并计算所述中硼硅玻璃区域中每一个像素点对应的玻璃透明度。在一些实施例中,步骤320可以由玻璃透明度计算模块220执行。
在一些实施例中,可以根据中硼硅玻璃区域与背景区域明度(或亮度)较大的特点,对中硼硅玻璃图像中的中硼硅玻璃区域进行识别。具体而言,即可以利用大津阈值分割技术确定中硼硅玻璃区域与背景区域对应的二分类阈值,然后基于中硼硅玻璃图像在Lab空间的明度信息(即L维度的信息,也可以称为亮度信息)以及该二分类阈值对该中硼硅玻璃图像中的像素点进行分类,从而确定出该中硼硅玻璃图像中的中硼硅玻璃区域与背景区域。
需要说明的是,大津阈值分割技术可以视为公知技术,因此,本说明书中不再进行赘述。
在一些实施例中,为了较好的保留中硼硅玻璃瓶盖的边缘信息,可以利用最小外接矩形技术对前述过程得到的中硼硅玻璃区域进行处理,从而得到中硼硅玻璃区域图像。换言之,即可以确定出中硼硅玻璃区域对应的最小外接矩形,然后该最小外接矩形所对应的区域作为中硼硅玻璃区域图像。
在一些实施例中,考虑到前述中硼硅玻璃图像是在传送带运输质检过程中拍摄得到的图像,因此,中硼硅玻璃的裂纹可能会由于运动而产生模糊现象。因此,为了提高后续分析的准确性,可以采用直方图均衡化算法,对该中硼硅玻璃区域图像进行图像增强处理。具体而言,即通过调整该中硼硅玻璃区域图像的像素值分布来增强图像的对比度。
进一步地,在确定出中硼硅玻璃图像中的中硼硅玻璃区域并对其进行增强处理之后,玻璃透明度计算模块220可以计算出该中硼硅玻璃区域中每一个像素点对应的玻璃透明度。
由于中硼硅玻璃瓶盖一般为圆形,在生产加工过程中容易发生外径不稳定的问题而出现裂纹,尤其是瓶盖边缘附近容易出现裂纹(但是不能排除加工过程的疏漏,中硼硅玻璃瓶盖中间区域也可能产生裂纹)。一般场景下,中硼硅玻璃是无色透明的,其放在传送台上,一定程度上可以看到传送台的颜色。但是,当中硼硅玻璃某部分区域产生裂纹时,产生裂纹处的像素点位置的透明效应会相对减弱,导致裂纹处像素点与局部像素点形成较大的差异。基于此,在一些实施例中,可以通过中硼硅玻璃区域中每一个像素点对应的玻璃透明度来对裂纹进行识别。
在一些实施例中,可以根据中硼硅玻璃区域中的像素点的灰度值以及该中硼硅玻璃图像中背景像素点的平均灰度值,计算出中硼硅玻璃区域中每一个像素点对应的玻璃透明度。具体地,在一些实施例中,每一个像素点对应的玻璃透明度可以根据如下公式(参照公式1)进行计算:
,(1)
其中,表示像素点x对应的玻璃透明度;/>表示像素点x的灰度值;集合U表示中硼硅玻璃图像中背景区域的像素点的集合;s表示背景区域的像素点(即背景像素点);表示背景像素点s的灰度值;/>表示背景区域的像素点的总数;/>表示误差项,其用于确保分母不为0,在一些实施例中,/>可以取值恒为1。
可以理解,通过上述公式1计算得到的每一个像素点的玻璃透明度可以反映其对应位置上的透明程度,背景区域中的背景像素点的平均灰度值可以表示传送带在图像中对应的灰度的一般水平。当中硼硅玻璃区域中某个像素点对应的玻璃透明度较高时,像素点的灰度值会无限接近背景区域的平均灰度值,使得公式1中的分母越小,玻璃透明度越大。相应地,由于中硼硅玻璃瓶盖的正常区域内透明度较大,因此,该玻璃透明度/>越大则说明其对应的像素点越有可能为没有裂纹的区域。相反,如图4中箭头410所指部位所示,当像素点对应的玻璃透明度较低时,则像素点表现的灰度值与背景区域的平均灰度值差异会较大,导致公式1中的分母越大,玻璃透明度/>就越小,说明其越有可能为裂纹区域的像素点。
但是,考虑到也有可能由于加工玻璃原料的杂质,使得中硼硅玻璃的某些像素点的透明效应减弱,致使玻璃透明度较小。因此,需要进行进一步地计算以提高裂纹识别的准确性。
步骤330,基于所述玻璃透明度计算每一个像素点对应的透明度递变程度指数。在一些实施例中,步骤330可以由透明度递变程度指数计算模块230执行。
一般情况下,由于杂质造成的中硼硅玻璃不透明的像素点较少,并且杂质为极小的微粒,致使某片区域中的一个像素点的透明效应减弱。而中硼硅玻璃上的裂纹,一般情况是狭长的。因此,由杂质引起的像素点透明度发生变化,则像素点与邻域像素点的透明度变化差异会较大;由裂纹引起像素点的透明度发生变化,则像素点与邻域像素点的透明度变化会相对较小。基于此,在一些实施例中,可以通过计算每一个像素点对应的透明度递变程度指数以后后续过程中涉及的裂纹存在性指数来进一步判断玻璃透明度异常是否由于裂纹导致。
具体地,在一些实施例中,为了计算中硼硅玻璃区域中每一个像素点对应的透明度递变程度指数,透明度递变程度指数计算模块230可以被配置为针对中硼硅玻璃区域中的每一个目标像素点,分别以该目标像素点为中心建立一个N*N的滑动窗口,并获取该滑动窗口中每一个像素点对应的玻璃透明度,然后基于滑动窗口中每一个像素点对应的玻璃透明度与该目标像素点对应的玻璃透明度的差值的绝对值之和,以及该滑动窗口对应的透明度变异系数,确定目标像素点对应的透明度递变程度指数。其中,N可以设定为(但不限于)5。
具体地,在一些实施例中,该透明度递变程度指数可以根据如下公式(参照公式2)进行计算:
,(2)
其中,表示滑动窗口内像素点的总个数;/>表示滑动窗口中目标像素点x的邻域内的第/>个像素点对应的玻璃透明度;/>表示目标像素点/>对应的玻璃透明度;表示以目标像素点x为中心建立的滑动窗口内的透明度变异系数;/>表示第一权重;/>表示第二权重。
具体地,在一些实施例中,透明度递变程度指数计算模块230可以具体用于计算滑动窗口中每一个像素点对应的玻璃透明度与该目标像素点对应的玻璃透明度的差值的绝对值之和()与第一权重(/>)的第一乘积,以及该滑动窗口对应的透明度变异系数(/>)与第二权重(/>)的第二乘积,最后,将该第一乘积与第二乘积相加,得到目标像素点对应的透明度递变程度指数。
需要说明的是,前述透明度变异系数可以指滑动窗口中各个像素点所对应的玻璃透明度的标准差与其平均值的比值。在一些实施例中,为了在计算过程中更加侧重目标像素点x与邻域像素点的玻璃透明度变化,可以使前述第一权重大于第二权重。示例性地,在一些实施例中,可以将第一权重设置为0.7,将第二权重/>设置为0.3。
根据上述内容可知,玻璃透明度异常的像素点可能包括裂纹上的像素点和杂质上的像素点。另外,根据公式2可以知道,前述滑动窗口中的邻域像素点与中心像素点(即目标像素点)的玻璃透明度变化越大,则目标像素点x对应的透明度递变程度指数/>越大。同时,目标像素点x对应的滑动窗口对应的透明度变异系数/>越大,则目标像素点x对应的透明度递变程度指数/>越大。
步骤340,对每一个像素点对应的玻璃透明度进行放大取整处理,得到每一个像素点对应的透明度放大系数。在一些实施例中,步骤340可以由透明度放大系数确定模块240执行。
由于中硼硅玻璃上的裂纹区域通常会形成狭长的连通域,因此,在一些实施例中,为了精确地提取裂纹的连通域,需要对每个像素点对应的玻璃透明度进行进一步处理。但是,由于前述过程计算的玻璃透明度的范围为,因此,需要对该玻璃透明度进行放大取整处理。
具体地,在一些实施例中该透明度放大系数可以根据如下公式(参照公式3)计算得到:
,(3)
其中,为向上取整函数;/>表示预设放大系数(本说明书实施例中k取值为20);/>表示像素点x对应的玻璃透明度。
具体而言,在一些实施例中,透明度放大系数确定模块240可以基于预设放大系数()以及每一个像素点对应的玻璃透明度(/>),得到第一参数(/>),然后,通过向上取整函数对该第一参数进行放大取整处理,从而得到像素点x对应的透明度放大系数。
步骤350,根据每一个像素点对应的透明度放大系数,生成透明度矩阵。在一些实施例中,步骤350可以由透明度矩阵生成模块250执行。
在得到每一个像素点对应的透明度放大系数之后,透明度矩阵生成模块250可以将每一个像素点对应的透明度放大系数作为一个元素,从而生成一个透明度矩阵。可以理解,该透明度矩阵中的每一个元素与中硼硅玻璃区域中的像素点具有对应关系,其表征的是中硼硅玻璃区域中对应像素点对应的透明度放大系数。
步骤360,基于所述透明度矩阵得到透明度区域大小矩阵。在一些实施例中,步骤360可以由透明度区域大小矩阵确定模块260执行。
在得到前述透明度矩阵之后,透明度区域大小矩阵确定模块260可以确定该透明度矩阵中每一个透明度放大系数形成的连通域的大小,然后将该连通域的大小与透明度矩阵中的透明度放大系数对应,从而得到透明度区域大小矩阵。可以理解,在本说明书中,每一个透明度放大系数形成的连通域的大小可以指具有相同透明度放大系数(或在一定差值范围内,例如差值小于任意一者的10%)的相邻像素点相互连通所形成的区域的大小。
步骤370,基于所述透明度区域大小矩阵确定每一个像素点对应的裂纹存在性指数。在一些实施例中,步骤370可以由裂纹存在性指数确定模块270执行。
裂纹存在性指数可以用于表征或度量每一个像素点处存在裂纹的可能性。在一些实施例中,该裂纹存在性指数可以根据如下公式(参照公式4和公式5)计算得到:
,(4)/>
,(5)
其中,表示像素点x处的梯度幅值;/>表示异常点的判断准则,其可以用于判断像素点为正常点或异常点;/>表示区分正常点和异常点的梯度阈值;/>表示像素点x对应的透明度放大系数所形成的连通域的大小;/>表示像素点x对应的玻璃透明度。
图5是根据本说明书一些实施例所示的基于图像识别的中硼硅玻璃智能化生产方法的示例性子步骤流程图。参照图5,在一些实施例中,步骤370可以包括如下子步骤:
子步骤371,确定每一个像素点对应的梯度幅值。
子步骤372,根据所述梯度幅值以及对应的梯度阈值判断每一个像素点为正常点或异常点。
在一些实施例中,为了确定每一个像素点对应的裂纹存在性指数,裂纹存在性指数确定模块270可以具体用于确定每一个像素点对应的梯度幅值,然后根据该梯度幅值以及对应的梯度阈值判断每一个像素点为正常点或异常点。其中,该梯度幅值可以理解为每个像素点处的梯度强度值,在本说明书中,该梯度可以指每一个像素点处对应的玻璃透明度的变化率。
由于无论何种情况导致像素点的玻璃透明度发生改变,该位置处的像素点的梯度均会大于正常区域的梯度。因此,基于每个像素点对应的玻璃透明度,利用Sobel算子,可以获取每个像素点处对应的梯度幅值。另外,根据异常点与正常点的梯度幅值差异较大的特点,可以利用大津阈值算法,获得梯度阈值P。由此,可以将大于或等于该梯度阈值P的像素点视为异常点,将小于该梯度阈值P的像素点视为正常点。
子步骤373,在所述像素点为正常点时,基于所述像素点对应的梯度幅值得到所述像素点对应的裂纹存在性指数。
参照上述公式4和公式5,当判定某一个像素点为正常点时,的值可以取0,此时,裂纹存在性指数确定模块270可以基于该像素点对应的梯度幅值/>得到对应的裂纹存在性指数/>。
子步骤374,在所述像素点为异常点时,基于所述像素点对应的梯度幅值、所述像素点对应的透明度放大系数形成的连通域的大小以及所述像素点对应的玻璃透明度,得到所述像素点对应的裂纹存在性指数。
继续参照上述公式4和公式5,当判定某一个像素点为异常点时,的值可以取1,此时,裂纹存在性指数确定模块270可以基于该像素点对应的梯度幅值/>、该像素点对应的透明度放大系数形成的连通域的大小(/>)以及该像素点对应的玻璃透明度(/>),得到对应的裂纹存在性指数/>。/>
由于中硼硅玻璃瓶盖上的裂纹会导致对应像素点处的梯度变大,因此,像素点x处的梯度幅值越大,像素点越有可能处于裂纹边缘,其对应的裂纹存在性指数也会越大。对于正常的像素点而言,像素点与周围像素点的玻璃透明度变化较小,且像素点处的梯度幅值较小,/>取值为0,同时,像素点对应的透明度递变程度指数/>也为0。对于异常像素点而言,/>取值为1时,异常点对应的透明度放大系数所形成连通域的大小/>越大,则裂纹存在性指数/>越大,像素点越有可能处于裂纹上。同时,由于异常点中裂纹点的透明度相对较小,像素点对应的玻璃透明度/>越小,则裂纹存在性指数越大,即像素点位于裂纹上的可能性就越大。
可以理解,在一些实施例中,通过考虑像素点对应的梯度幅值、该像素点对应的透明度放大系数形成的连通域的大小(/>)以及该像素点对应的玻璃透明度()来计算得到上述裂纹存在性指数/>,可以对裂纹和原料杂质引起的玻璃透明度异常进行更好的区别,从而更准确地识别出中硼硅玻璃瓶盖中的裂纹。
步骤380,基于所述透明度递变程度指数、所述透明度放大系数以及所述裂纹存在性指数,计算每一个像素点对应的裂纹运动模糊度。在一些实施例中,步骤380可以由裂纹运动模糊度计算模块280执行。
在一些实施例中,为了使裂纹的特征更加明显,便于在后续过程中利用显著性检测算法识别裂纹,从而更准确地对图像中的裂纹进行分割,可以基于前述透明度放大系数、透明度递变程度指数以及裂纹存在性指数,计算每一个像素点对应的裂纹运动模糊度。该裂纹运动模糊度可以理解为在图像采集过程中由于传送带运动而引起中硼硅玻璃瓶盖中的裂纹部位产生运动模糊的程度。
在一些实施例中,该裂纹运动模糊度可以通过如下公式(参照公式6)计算得到:
,(6)
其中,[*]为取整函数;/>表示像素点x对应的透明度放大系数;/>表示像素点x对应的透明度递变程度指数;/>表示像素点x对应的裂纹存在性指数;/>为常数,其用于确保公式6中的分母部分不为0(本说明书实施例中/>可以为常数1)1;/>为第三权重,/>为第四权重。/>
具体而言,在一些实施例中,为了确定每一个像素点对应的裂纹运动模糊度,裂纹运动模糊度计算模块280可以具体用于:对于每一个目标像素点,首先基于该目标像素点对应的透明度递变程度指数和透明度放大系数,得到第二参数();然后,将第三权重()与该第二参数相乘,得到第三乘积(/>);进一步地,将第四权重(/>)与目标像素点对应的裂纹存在性指数相乘,得到第四乘积(/>);最后,通过取整函数对该第三乘积与第四乘积的加和取整,得到目标像素点对应的裂纹运动模糊度。
可以理解,透明度放大系数越小,说明像素点对应的玻璃透明度越差,像素点对应的裂纹运动模糊度/>越大,即像素点位于裂纹区域的可能性就越大。透明度递变程度指数/>越大,说明像素点与邻域像素点的玻璃透明度变化差异越大,则像素点对应的裂纹运动模糊度/>越大,像素点位于裂纹区域的可能性就越大。在上述公式6中,裂纹存在性指数衡量的范围是异常点范围,与裂纹直接相关。裂纹存在性指数/>越大,裂纹的连通域特征越明显(杂质点无法形成连通域),则裂纹运动模糊度/>越大,表示像素点位于裂纹区域的可能性就越大。
在一些实施例中,考虑到裂纹存在性指数直接与裂纹相关联,而透明度放大系数以及透明度递变程度指数中含有部分杂质引起的误差,因此,可以在计算过程中使前述第四权重/>大于第三权重/>,从而更能体现裂纹在传送带上运动的模糊性。示例性地,在一些实施例中,第四权重/>可以为0.7,第三权重/>可以为0.3。
步骤390,基于所述裂纹运动模糊度,构造裂纹显著图。在一些实施例中,步骤390可以由裂纹显著图生成模块290执行。
该裂纹显著图可以指能够突出反映裂纹特征的图像。在一些实施例中,裂纹显著图生成模块290可以通过每一个像素点对应的裂纹运动模糊度确定显著像素点,从而得到该裂纹显著图,以便于后续过程中将裂纹区域与背景区域进行分割。
在一些实施例中,像素点对应的裂纹模糊度越低,像素点在该裂纹显著图中呈现的颜色越黑;反之,像素点对应的裂纹模糊度越高,像素点在该裂纹显著图中呈现的颜色越白。
步骤3100,对所述裂纹显著图进行分割,得到所述中硼硅玻璃图像中的裂纹区域。在一些实施例中,步骤3100可以由裂纹区域确定模块2100执行。
根据前述步骤构造得到的裂纹显著图,可以利用大津阈值分割技术,将该裂纹显著图大于阈值的像素点部分视为中硼硅玻璃瓶盖上的裂纹区域,进而将裂纹区域从中硼硅玻璃图像中分割出来。
在得到中硼硅玻璃图像中的裂纹区域之后,即可对中硼硅玻璃智能化生产的产品合格性进行评价。示例性地,例如,在一些实施例中,可以根据裂纹的数量来判断对应产品是否合格;又例如,在一些实施例中,可以根据裂纹的大小和/或分布位置来判断对应产品是否合格。
需要说明的是,以上关于产品合格性的评价方式仅为示例性说明,在一些其他的实施例中,可以采用其他方式进行评价。例如,当检测到中硼硅玻璃图像中存在裂纹区域时,即可以将该中硼硅玻璃图像所对应的产品视为不合格。
综上所述,本说明书实施例可能带来的有益效果包括但不限于:(1)在本说明书一些实施例所提供的基于图像识别的中硼硅玻璃智能化生产系统中,通过结合玻璃透明度、透明度递变程度指数、裂纹存在性指数以及裂纹运动模糊度等特征来确定中硼硅玻璃图像中的裂纹区域,可以使得裂纹识别结果更加准确;(2)在本说明书一些实施例所提供的基于图像识别的中硼硅玻璃智能化生产系统中,通过综合考虑像素点对应的梯度幅值、透明度放大系数形成的连通域的大小以及玻璃透明度来计算得到裂纹存在性指数,可以对裂纹和原料杂质引起的玻璃透明度异常进行更好的区别,从而更准确地识别出中硼硅玻璃瓶盖中的裂纹;(3)在本说明书一些实施例所提供的基于图像识别的中硼硅玻璃智能化生产系统中,通过基于中硼硅玻璃产品自身的属性特征以及裂纹的现象特征来构造裂纹显著图,可以对中硼硅玻璃图像中的裂纹起到更好的分割效果。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例中,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran2003、Perl、COBOL2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或处理设备上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的处理设备或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种基于图像识别的中硼硅玻璃智能化生产系统,其特征在于,包括:
获取模块,用于获取针对中硼硅玻璃瓶盖采集的中硼硅玻璃图像;
玻璃透明度计算模块,用于确定所述中硼硅玻璃图像中的中硼硅玻璃区域,并计算所述中硼硅玻璃区域中每一个像素点对应的玻璃透明度;
透明度递变程度指数计算模块,用于基于所述玻璃透明度计算每一个像素点对应的透明度递变程度指数;
透明度放大系数确定模块,用于对每一个像素点对应的玻璃透明度进行放大取整处理,得到每一个像素点对应的透明度放大系数;
透明度矩阵生成模块,用于根据每一个像素点对应的透明度放大系数,生成透明度矩阵;
透明度区域大小矩阵确定模块,用于基于所述透明度矩阵得到透明度区域大小矩阵;
裂纹存在性指数确定模块,用于基于所述透明度区域大小矩阵确定每一个像素点对应的裂纹存在性指数,其中,所述裂纹存在性指数用于表征每一个像素点处存在裂纹的可能性;
裂纹运动模糊度计算模块,用于基于所述透明度递变程度指数、所述透明度放大系数以及所述裂纹存在性指数,计算每一个像素点对应的裂纹运动模糊度;
裂纹显著图生成模块,用于基于所述裂纹运动模糊度,构造裂纹显著图;
裂纹区域确定模块,用于对所述裂纹显著图进行分割,得到所述中硼硅玻璃图像中的裂纹区域。
2.如权利要求1所述的系统,其特征在于,所述玻璃透明度计算模块具体用于:
基于所述中硼硅玻璃图像在Lab空间的明度信息,利用大津阈值分割技术,得到所述中硼硅玻璃图像中的中硼硅玻璃区域;
根据所述中硼硅玻璃区域中的像素点的灰度值以及所述中硼硅玻璃图像中背景像素点的平均灰度值,计算所述中硼硅玻璃区域中每一个像素点对应的玻璃透明度。
3.如权利要求1所述的系统,其特征在于,所述透明度递变程度指数计算模块具体用于:
对于所述中硼硅玻璃区域中的每一个目标像素点,
以所述目标像素点为中心建立N*N的滑动窗口,并获取所述滑动窗口中每一个像素点对应的玻璃透明度;
基于所述滑动窗口中每一个像素点对应的玻璃透明度与所述目标像素点对应的玻璃透明度的差值的绝对值之和,以及所述滑动窗口对应的透明度变异系数,确定所述目标像素点对应的透明度递变程度指数。
4.如权利要求3所述的系统,其特征在于,所述透明度递变程度指数计算模块还具体用于:
计算所述绝对值之和与第一权重的第一乘积,以及所述透明度变异系数与第二权重的第二乘积,其中,所述第一权重大于所述第二权重;
基于所述第一乘积与所述第二乘积之和,得到所述目标像素点对应的透明度递变程度指数。
5.如权利要求1所述的系统,其特征在于,所述透明度放大系数确定模块具体用于:
基于预设放大系数以及每一个像素点对应的玻璃透明度,得到第一参数;
通过向上取整函数对所述第一参数进行放大取整处理,得到所述透明度放大系数。
6.如权利要求1所述的系统,其特征在于,所述透明度区域大小矩阵确定模块具体用于:
确定所述透明度矩阵中每一个所述透明度放大系数形成的连通域的大小;
将所述连通域的大小与所述透明度矩阵中的透明度放大系数对应,得到所述透明度区域大小矩阵。
7.如权利要求1所述的系统,其特征在于,所述裂纹存在性指数确定模块具体用于:
确定每一个像素点对应的梯度幅值;
根据所述梯度幅值以及对应的梯度阈值判断每一个像素点为正常点或异常点;
在所述像素点为正常点时,基于所述像素点对应的梯度幅值得到所述像素点对应的裂纹存在性指数;
在所述像素点为异常点时,基于所述像素点对应的梯度幅值、所述像素点对应的透明度放大系数形成的连通域的大小以及所述像素点对应的玻璃透明度,得到所述像素点对应的裂纹存在性指数。
8.如权利要求1所述的系统,其特征在于,所述裂纹运动模糊度计算模块具体用于:
对于每一个目标像素点,
基于所述目标像素点对应的透明度递变程度指数和透明度放大系数,得到第二参数;
将第三权重与所述第二参数相乘,得到第三乘积;
将第四权重与所述目标像素点对应的裂纹存在性指数相乘,得到第四乘积;
通过取整函数对所述第三乘积与所述第四乘积之和取整,得到所述目标像素点对应的裂纹运动模糊度。
9.如权利要求8所述的系统,其特征在于,所述第四权重大于所述第三权重。
10.如权利要求1所述的系统,其特征在于,所述裂纹区域确定模块具体用于:
利用大津阈值分割技术确定分割阈值;
基于所述分割阈值以及所述裂纹显著图每一个像素点对应的裂纹运动模糊度,确定所述裂纹显著图中的裂纹像素点;
根据所述裂纹像素点,得到所述中硼硅玻璃图像中的裂纹区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310729037.7A CN116485350B (zh) | 2023-06-20 | 2023-06-20 | 基于图像识别的中硼硅玻璃智能化生产系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310729037.7A CN116485350B (zh) | 2023-06-20 | 2023-06-20 | 基于图像识别的中硼硅玻璃智能化生产系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116485350A true CN116485350A (zh) | 2023-07-25 |
CN116485350B CN116485350B (zh) | 2023-09-01 |
Family
ID=87219875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310729037.7A Active CN116485350B (zh) | 2023-06-20 | 2023-06-20 | 基于图像识别的中硼硅玻璃智能化生产系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116485350B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1151913A (ja) * | 1997-08-08 | 1999-02-26 | Nikon Corp | クラック検知方法およびクラック検知装置 |
CN103837551A (zh) * | 2014-02-21 | 2014-06-04 | 上海华力微电子有限公司 | 芯片按透明度分区进行缺陷检测的方法 |
CN107490582A (zh) * | 2017-09-20 | 2017-12-19 | 深圳市晟达机械设计有限公司 | 一种流水线工件检测系统 |
KR101867015B1 (ko) * | 2017-10-24 | 2018-06-14 | (주) 엠브이텍 | 글라스 결함 검사 장치, 검사 방법 및 검사 시스템 |
CN111260616A (zh) * | 2020-01-13 | 2020-06-09 | 三峡大学 | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 |
CN113109368A (zh) * | 2021-03-12 | 2021-07-13 | 浙江华睿科技有限公司 | 玻璃裂纹检测方法、装置、设备及介质 |
WO2022027949A1 (zh) * | 2020-08-04 | 2022-02-10 | 湖南大学 | 一种基于机器视觉的玻璃瓶底缺陷检测方法及系统 |
CN114219805A (zh) * | 2022-02-22 | 2022-03-22 | 武汉旺佳玻璃制品有限公司 | 一种玻璃缺陷智能检测方法 |
CN115272353A (zh) * | 2022-10-07 | 2022-11-01 | 山东盛世恒机械制造有限公司 | 适用于裂纹检测的图像处理方法 |
CN115375686A (zh) * | 2022-10-25 | 2022-11-22 | 山东鲁玻玻璃科技有限公司 | 一种基于图像处理的玻璃边缘瑕疵检测方法 |
CN115937212A (zh) * | 2023-02-08 | 2023-04-07 | 成都数之联科技股份有限公司 | 一种玻璃板裂纹检测方法、装置、设备及介质 |
CN218974203U (zh) * | 2022-12-01 | 2023-05-05 | 深圳市英视自动化科技有限公司 | 一种用于玻璃表面检测的视觉检测设备 |
-
2023
- 2023-06-20 CN CN202310729037.7A patent/CN116485350B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1151913A (ja) * | 1997-08-08 | 1999-02-26 | Nikon Corp | クラック検知方法およびクラック検知装置 |
CN103837551A (zh) * | 2014-02-21 | 2014-06-04 | 上海华力微电子有限公司 | 芯片按透明度分区进行缺陷检测的方法 |
CN107490582A (zh) * | 2017-09-20 | 2017-12-19 | 深圳市晟达机械设计有限公司 | 一种流水线工件检测系统 |
KR101867015B1 (ko) * | 2017-10-24 | 2018-06-14 | (주) 엠브이텍 | 글라스 결함 검사 장치, 검사 방법 및 검사 시스템 |
CN111260616A (zh) * | 2020-01-13 | 2020-06-09 | 三峡大学 | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 |
WO2022027949A1 (zh) * | 2020-08-04 | 2022-02-10 | 湖南大学 | 一种基于机器视觉的玻璃瓶底缺陷检测方法及系统 |
CN113109368A (zh) * | 2021-03-12 | 2021-07-13 | 浙江华睿科技有限公司 | 玻璃裂纹检测方法、装置、设备及介质 |
CN114219805A (zh) * | 2022-02-22 | 2022-03-22 | 武汉旺佳玻璃制品有限公司 | 一种玻璃缺陷智能检测方法 |
CN115272353A (zh) * | 2022-10-07 | 2022-11-01 | 山东盛世恒机械制造有限公司 | 适用于裂纹检测的图像处理方法 |
CN115375686A (zh) * | 2022-10-25 | 2022-11-22 | 山东鲁玻玻璃科技有限公司 | 一种基于图像处理的玻璃边缘瑕疵检测方法 |
CN218974203U (zh) * | 2022-12-01 | 2023-05-05 | 深圳市英视自动化科技有限公司 | 一种用于玻璃表面检测的视觉检测设备 |
CN115937212A (zh) * | 2023-02-08 | 2023-04-07 | 成都数之联科技股份有限公司 | 一种玻璃板裂纹检测方法、装置、设备及介质 |
Non-Patent Citations (1)
Title |
---|
张一杨;: "基于图像处理技术的玻璃裂纹检测系统设计", 唐山学院学报, no. 06 * |
Also Published As
Publication number | Publication date |
---|---|
CN116485350B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023077404A1 (zh) | 缺陷检测方法、装置和系统 | |
KR102166458B1 (ko) | 인공신경망 기반의 영상 분할을 이용한 불량 검출 방법 및 불량 검출 장치 | |
CN111340752A (zh) | 屏幕的检测方法、装置、电子设备及计算机可读存储介质 | |
CN109977191B (zh) | 问题地图检测方法、装置、电子设备和介质 | |
KR102141302B1 (ko) | 회귀 딥러닝 모델 기반의 영상 객체 검출 방법 및 영상처리장치 | |
CN108982522B (zh) | 用于检测管道缺陷的方法和装置 | |
CN107004265A (zh) | 信息处理装置、处理信息的方法、鉴别器生成装置、生成鉴别器的方法、以及程序 | |
US20220076404A1 (en) | Defect management apparatus, method and non-transitory computer readable medium | |
CN109283182A (zh) | 一种电池焊点缺陷的检测方法、装置及系统 | |
CN115661160B (zh) | 一种面板缺陷检测方法及系统及装置及介质 | |
CN116433669B (zh) | 基于机器视觉的抗震结构钢架焊缝质量检测方法 | |
Felipe et al. | Vision-based liquid level detection in amber glass bottles using OpenCV | |
KR101929669B1 (ko) | 엔트로피를 이용하여 이미지를 분석하는 방법 및 장치 | |
TW201512649A (zh) | 偵測晶片影像瑕疵方法及其系統與電腦程式產品 | |
CN112686896B (zh) | 基于分割网络的频域空间结合的玻璃缺陷检测方法 | |
CN112802022A (zh) | 智能检测缺陷玻璃图像的方法、电子设备以及存储介质 | |
CN116485350B (zh) | 基于图像识别的中硼硅玻璃智能化生产系统 | |
CN114937037B (zh) | 产品缺陷检测方法、装置、设备及可读存储介质 | |
JP2006170635A (ja) | 画像処理による欠陥の検出装置および検出方法 | |
CN112052727B (zh) | 一种基于大数据的人像识别分析系统及方法 | |
TW200842339A (en) | Mura detection method and system | |
CN114418951A (zh) | 一种焊盘检测方法、装置、计算机设备及存储介质 | |
TWI757590B (zh) | 輝度均勻檢測系統及輝度均勻檢測方法 | |
CN110874837B (zh) | 一种基于局部特征分布的缺陷自动检测方法 | |
CN112150434A (zh) | 一种轮胎缺陷的检测方法、装置、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 |