CN116645429B - 一种视觉辅助的涂料生产样品色彩分析检测方法 - Google Patents
一种视觉辅助的涂料生产样品色彩分析检测方法 Download PDFInfo
- Publication number
- CN116645429B CN116645429B CN202310912164.0A CN202310912164A CN116645429B CN 116645429 B CN116645429 B CN 116645429B CN 202310912164 A CN202310912164 A CN 202310912164A CN 116645429 B CN116645429 B CN 116645429B
- Authority
- CN
- China
- Prior art keywords
- area
- paint
- bubble
- grid window
- color
- 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
- 239000003973 paint Substances 0.000 title claims abstract description 105
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 238000004458 analytical method Methods 0.000 title abstract description 18
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 239000007888 film coating Substances 0.000 claims abstract description 5
- 238000009501 film coating Methods 0.000 claims abstract description 5
- 239000011248 coating agent Substances 0.000 claims description 89
- 238000000576 coating method Methods 0.000 claims description 89
- 230000037303 wrinkles Effects 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 24
- 241001270131 Agaricus moelleri Species 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
Abstract
本发明涉及用于图像数据处理技术领域,具体涉及一种视觉辅助的涂料生产样品色彩分析检测方法,包括:获取涂料图像中的气泡区域和褶皱区域,并分析获取栅格窗口中气泡区域对应的涂膜气泡覆盖率,以及褶皱区域对应的皱度流平不均性,并结合涂料RGB图像在不同色彩通道下对应角点,获得涂料色彩质量估计指数。本发明通过结合计算机视觉技术减少了色彩分析检测的成本,同时根据涂料色彩质量估计指数的大小,实现对涂料生产样本的色彩质量进行快速便捷的分析检测,通过考虑涂料中产生的气泡和褶皱对涂料色彩的影响,提高了对涂料的色彩分析检测的准确性。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种视觉辅助的涂料生产样品色彩分析检测方法。
背景技术
涂料作为一种重要的涂装材料,在家具、建筑等领域的应用十分广泛。而对于涂料的色彩质量的检测是十分重要的,当涂料表面存在气泡时,气泡内的空气会干扰光线传播,导致色彩不均匀分布或出现亮度和颜色的变化,较大的气泡可能会更明显地干扰光线,导致局部区域的颜色偏差;同时,涂料表面的褶皱可能会影响光线的反射和折射,从而破坏光的传播,也会导致光线在褶皱处发生散射,使得色彩看起来不均匀,失去原来的光泽度和亮度。
随着市场竞争以及人们对产品外观和质量的要求不断提高,生产涂料的厂家需要不断提高其质量和精度,保证产品的可靠性和稳定性,传统的涂料色彩质量检测方法需要使用色差仪等专业仪器,而这些仪器较为昂贵且需要对其进行维护,对于需要大批量检测其涂料的生产样品的色彩检测就显得十分困难。
本发明通过分析涂料生产样本的涂膜中,考虑涂膜产生气泡和褶皱对表面色彩的影响,利用对气泡和褶皱对表面色彩的影响的分析结果,来达到对涂料色彩质量的快速便捷的检测效果,提高了涂料色彩质量的检测准确性,同时,在提高生产效率的同时降低了检测成本,有助于提高企业的市场竞争力。
发明内容
本发明提供一种视觉辅助的涂料生产样品色彩分析检测方法,以解决现有的问题。
本发明的一种视觉辅助的涂料生产样品色彩分析检测方法采用如下技术方案:
本发明一个实施例提供了一种视觉辅助的涂料生产样品色彩分析检测方法,该方法包括以下步骤:
获取涂料RGB图像以及预处理后的涂料图像;
将涂料图像的边缘线记为闭合线,获取闭合线的圆形度;将闭合线内的区域记为闭合线区域,闭合线外的区域记为正常区域;对涂料RGB图像和涂料图像进行均等划分,获得若干个栅格窗口;根据栅格窗口内闭合线区域的灰度值获得气泡区域和褶皱区域;根据气泡区域不同位置的灰度,获得气泡区域的亮面区域和阴影区域,根据亮面区域、阴影区域以及正常区域之间的灰度差异获得气泡区域的气泡亮度指数;
根据栅格窗口内气泡区域的气泡亮度指数与圆形度,获得栅格窗口的涂膜气泡覆盖率;根据褶皱区域内像素点的数量与圆形度,获得栅格窗口的皱度流平不均一性;
根据涂膜气泡覆盖率和皱度流平不均一性,获得栅格窗口的涂膜形貌沟壑系数;获取栅格窗口内的角点数量,根据角点数量获得栅格窗口的权重特征;根据栅格窗口的权重特征以及涂膜形貌沟壑系数,获得涂料色彩质量估计指数,根据涂料色彩质量估计指数的大小,实现涂料生产样品色彩检测。
进一步的,所述涂料图像,获取方法如下:
首先,对涂料RGB图像进行灰度化处理,获得涂料灰度图像;
然后,利用直方图均衡化算法对涂料灰度图像进行增强处理,将增强处理后的图像记为涂料图像。
进一步的,所述根据栅格窗口内闭合线区域的灰度值获得气泡区域和褶皱区域,包括的具体步骤如下:
首先,根据涂料图像中闭合线区域内所有像素点的灰度值方差,获得任意闭合线区域的填充沟壑指数:
式中,表示闭合线区域中闭合线区域的填充沟壑指数;/>表示闭合线区域所在栅格窗口所包含闭合线的数量;/>表示闭合线区域内所有像素点的灰度值方差,/>表示栅格窗口中所有闭合线区域的灰度值方差均值;/>表示灰度值方差大于灰度值方差均值的闭合线区域的数量;
然后,将闭合线区域的灰度值方差,大于等于栅格窗口内所有闭合线区域的灰度值方差均值的闭合线区域,记为褶皱区域,获得个褶皱区域;将闭合线区域的灰度值方差,小于栅格窗口内所有闭合线区域的灰度值方差均值的闭合线区域,记为气泡区域,获得个气泡区域。
进一步的,所述根据气泡区域不同位置的灰度,获得气泡区域的亮面区域和阴影区域,包括的具体步骤如下:
首先,对闭合线区域进行霍夫圆检测,获取在涂料图像中任意一个气泡区域内,霍夫圆圆心与对应闭合线上每个点之间形成线段上,所有像素点的灰度均值,记为第一均值;将任意气泡区域内所有第一均值的平均值,记为第二均值;
然后,将第一均值小于第二均值的线段上所有像素点形成的区域,记为阴影区域;将气泡区域内除阴影区域以外的区域,记为亮面区域。
进一步的,所述气泡亮度指数,获取方法如下:
将气泡区域的亮面区域中所有像素点的平均灰度,与气泡区域所在栅格窗口内,正常区域中所有像素点的平均灰度之间的比值,记为第一比值;
将气泡区域所在栅格窗口内,正常区域中所有像素点的平均灰度,与气泡区域的阴影区域中所有像素点的平均灰度之间的比值,记为第二比值;
将第一比值和第二比值之间的差值,记为气泡亮度因子;将1加气泡亮度因子记为气泡区域的气泡亮度指数。
进一步的,所述涂膜气泡覆盖率,获取方法如下:
将栅格窗口内所有气泡区域的气泡亮度指数与对应的圆形度之间的乘积累加值,记为栅格窗口的涂膜气泡覆盖率。
进一步的,所述皱度流平不均一性,包括的具体步骤如下:
栅格窗口的皱度流平不均一性,具体计算方法为:
其中,表示栅格窗口的皱度流平不均一性;/>表示超参数;/>表示第/>个褶皱区域对应的圆形度;/>为第/>个褶皱区域内像素点的数量;/>表示第/>个褶皱区域内像素点的数量;/>表示栅格窗口内褶皱区域的数量;/>表示获取最大值。
进一步的,所述涂膜形貌沟壑系数,获取方法如下:
将栅格窗口内气泡区域的数量,与栅格窗口的涂膜气泡覆盖率的乘积结果,记为第一乘积;
将栅格窗口内褶皱区域的数量,与栅格窗口内的皱度流平不均一性的乘积结果,记为第二乘积;
将第一乘积与第二乘积的加和结果,记为栅格窗口的涂膜形貌沟壑系数。
进一步的,所述获取栅格窗口内的角点数量,根据角点数量获得栅格窗口的权重特征,包括的具体步骤如下:
首先,利用Harris角点检测算法获取涂料RGB图像在、/>以及/>三个色彩通道下,任意栅格窗口内角点的数量,记为角点数量;
然后,将任意一个色彩通道下的角点数量,与所有色彩通道下的角点数量的总和之间的比值,记为对应色彩通道下栅格窗口的权重特征。
进一步的,所述根据栅格窗口的权重特征以及涂膜形貌沟壑系数,获得涂料色彩质量估计指数,根据涂料色彩质量估计指数的大小,实现涂料生产样品色彩检测,包括的具体步骤如下:
首先,利用涂膜形貌沟壑系数的获取方法,获取任意栅格窗口在、/>以及/>三个色彩通道下的涂膜形貌沟壑系数的平均值;
然后,涂料色彩质量估计指数,具体获取方法为:
其中,表示涂料色彩质量估计指数;/>表示涂料RGB图像中栅格窗口的数量;/>表示第/>个栅格窗口在色彩通道/>下的权重特征;/>表示第/>个栅格窗口在色彩通道/>下的涂膜形貌沟壑系数,/>表示线性归一化函数;另外/>、/>以及/>分别表示涂料RGB图像的三个色彩通道;
最后,根据经验预设涂料色彩质量估计指数阈值,如果涂料色彩质量估计指数小于涂料色彩质量估计指数阈值,表示涂料的色彩质量良好;反之,涂料色彩质量估计指数大于涂料色彩质量估计指数阈值时,涂料的色彩质量差,不能出厂销售。
本发明的技术方案的有益效果是:通过采用图像处理技术,根据涂膜表面出现的气泡得到涂膜气泡覆盖率这一特征,再根据涂料表面出现的褶皱区域得到皱度流平不均一性特征,评估了每个窗口内涂膜表面的气泡和褶皱的程度,通过在三个色彩通道下计算其角点个数,作为权重影响每个窗口的涂料色彩质量估计指数,根据涂料色彩质量估计指数对涂料的色彩质量进行检测,实现了色彩分析的智能性和准确性,提升了检测效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种视觉辅助的涂料生产样品色彩分析检测方法的步骤流程图;
图2为涂料图像。
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应用于安全运维系统的数据管理方法一种视觉辅助的涂料生产样品色彩分析检测方法,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。
下面结合附图具体的说明本发明所提供的一种视觉辅助的涂料生产样品色彩分析检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种视觉辅助的涂料生产样品色彩分析检测方法的步骤流程图,该方法包括以下步骤:
步骤S001,利用相机获取涂料图像,并进行预处理。
首先,为了便于对涂料生产样品进行色彩检测分析过程,需要在无尘环境下将涂料均匀涂抹在标准的白色背景上;并利用CMOS相机获取在背景板上涂料涂膜的RGB图像,记为涂料RGB图像,并对涂料RGB图像进行灰度化处理,获得涂料灰度图像;
然后,由于涂料涂膜的表面会存在一些凸起的气泡和褶皱,有些区域不明显,需要采用图像增强技术对图像进行增强,便于在后续分析色彩质量,利用直方图均衡化算法对涂料灰度图像进行增强处理,将增强处理后的图像记为涂料图像,如图2所示。
步骤S002,根据涂料图像中的边缘线,获得气泡区域和褶皱区域,并获得气泡区域对应的气泡亮度指数。
步骤(1),首先,利用Canny算子获得涂料图像对应的边缘图像,并对边缘图像进行腐蚀和细化处理,将处理后的边缘图像中的边缘线,记为闭合线,获得若干个闭合线。
需要说明的是,在对涂料生产样品进行色彩分析时,在背景板上的涂料通常会产生气泡和褶皱,而气泡和褶皱的边缘线闭合的曲线。
然后,对若干个闭合线,采用霍夫圆变换,获取每个闭合线的圆形度以及霍夫圆的圆心在涂料图像中的位置;如果圆形度/>越接近1,说明对应的闭合线越接近圆形。
最后,将涂料图像和涂料RGB图像均等划分为若干个大小的窗口,记为栅格窗口,每个栅格内有/>个闭合线;
需要说明的是,对涂料图像进行划分时,栅格窗口的大小设置为经验值,可根据实际情况进行调节,本实施例不作具体限定。
由于涂料涂膜出现气泡时,其表面平滑,气泡表面对光线的反射或吸收程度相近,当存在闭合线内像素点的灰度值分布均匀,说明闭合线内可能为涂膜表面凸起的气泡;反之,涂料图像出现褶皱时,表面对光线的反射方向存在差异,导致灰度分布不均匀,因此当闭合线内灰度值分布不均匀,则说明闭合线内区域可能为涂膜表面出现的褶皱。
步骤(2),首先,根据闭合线在边缘图像中的位置,将在涂料图像中闭合线内部所包含的区域,记为闭合线区域;根据闭合线区域内所有像素点的灰度值方差,获得任意闭合线区域的填充沟壑指数:
式中,表示闭合线区域中闭合线区域的填充沟壑指数;/>表示闭合线区域所在栅格窗口所包含闭合线的数量;/>表示闭合线区域内所有像素点的灰度值方差,/>表示栅格窗口中所有闭合线区域的灰度值方差均值;/>表示灰度值方差大于灰度值方差均值的闭合线区域的数量;
当栅格窗口内闭合线区域的灰度值方差大于灰度值方差均值,表示闭合线区域的灰度分布,相较于所在栅格窗口内所有闭合线区域的灰度分布平均水平来说,更加混乱。
通过统计大于等于栅格窗口内所有闭合线区域的灰度值方差均值时,对应闭合线的数量,表示对应栅格窗口内包含/>个存在褶皱的闭合线区域,将存在褶皱的闭合线区域记为褶皱区域;
另外,统计小于栅格窗口内所有闭合线区域的灰度值方差均值时,对应闭合线的数量,表示对应栅格窗口内包含/>个存在气泡的闭合线区域,将存在气泡的闭合线区域记为气泡区域。
则表示任意栅格窗口内褶皱区域的数量;/>表示任意栅格窗口内气泡区域的数量,令/>。
需要说明的是,上述中闭合线区域为一个闭合线内部所包含的区域,即一个闭合线对应一个闭合线区域;另外,栅格窗口对涂料RGB图像和涂料图像进行均等划分时,且当闭合线区域同时在多个栅格窗口时,利用栅格窗口的窗口边界也将闭合线区域进行划分,本实施例对栅格窗口内的闭合线或闭合线区域进行分析时,对划分后的闭合线区域进行分析。
图2中气泡表面的阴影面和亮面之间存在明显对比,而阴影面和亮面与周围正常的区域存在差异。
然后,在涂料图像中任意一个气泡区域内,获取霍夫圆的圆心与对应闭合线上每个点之间形成线段上,所有像素点的灰度均值,记为第一均值;
需要说明的是,任意气泡区域对应若干个线段,一个线段对应一个第一均值。
将任意气泡区域内所有第一均值的平均值,记为第二均值;将第一均值小于第二均值的线段上所有像素点形成的区域,记为阴影区域,将阴影区域中所有像素点的平均灰度记为,将气泡区域内除阴影区域以外的区域,记为亮面区域,将亮面区域中所有像素点的平均灰度记为/>;
另外,将栅格窗口中闭合线以外的区域,记为正常区域;
需要说明的是,一个气泡区域对应一个阴影区域和一个亮面区域。
根据阴影区域和亮面区域的灰度,获得任意气泡区域的气泡亮度指数,具体计算方法为:
式中,表示气泡区域的气泡亮度指数;/>表示气泡区域所在栅格窗口内,正常区域中所有像素点的平均灰度;/>表示气泡区域的阴影区域中所有像素点的平均灰度,/>表示气泡区域的亮面区域中所有像素点的平均灰度;
通过将栅格区域中闭合线以外区域的灰度均值分别与亮面区域的灰度均值和阴影区域的灰度均值进行比值判断,得到亮面区域的灰度均值相较正常区域的灰度均值的倍数,记为第一比值,以及正常区域的灰度均值相较于阴影区域的灰度均值的倍数,记为第二比值,然后获取第一比值和第二比值之间的差值,记为气泡亮度因子,如果气泡亮度因子结果大于0,说明气泡区域的亮面区域亮度高,当气泡亮度因子结果小于0,则说明气泡区域的阴影区域的亮度暗;另外,通过对气泡亮度因子结果加1,避免气泡亮度指数为负数的情况。
步骤S003,根据气泡亮度指数以及气泡区域的圆形度,获得栅格窗口的涂膜气泡覆盖率;根据褶皱区域内像素点的数量与褶皱区域的圆形度,获得栅格窗口的皱度流平不均一性。
步骤(1),根据气泡亮度指数与气泡区域对应的圆形度,获得任意栅格窗口的涂膜气泡覆盖率。
其中,表示栅格窗口的涂膜气泡覆盖率;/>表示栅格窗口内第/>个气泡区域的圆形度;/>表示栅格窗口内第/>个气泡区域的气泡亮度指数;/>表示栅格窗口内气泡区域的数量;
如果气泡区域越接近圆形,圆形度越大,气泡区域越大,气泡区域的亮面区域越大越亮,气泡亮度指数越大且大于1;反之,气泡亮度指数小于1,气泡越暗,气泡越小。
用气泡亮度指数来表征涂膜产生的气泡大小和气泡高度,即气泡亮度指数大于1,即气泡越亮,表示气泡大且高度高,则栅格窗口内涂料涂膜的色彩质量受到气泡的影响程度越高,涂料涂膜的色彩质量越差。
步骤(2),除了气泡区域以外,涂膜表面还存在着一些褶皱区域,褶皱区域是由于涂料的流动性不强,导致涂料涂膜未成型,涂料不能均匀流平,在涂膜表面形成褶皱;
根据褶皱区域内像素点的数量,与褶皱区域对应圆形度,获得栅格窗口的皱度流平不均一性,具体计算方法为:
其中,表示栅格窗口的皱度流平不均一性;/>表示超参数,根据经验预设为0.01,目的是为了避免分母为0的情况,保证公式的完整性;/>表示第/>个褶皱区域对应的圆形度;为第/>个褶皱区域内像素点的数量;/>表示第/>个褶皱区域内像素点的数量;/>表示栅格窗口内褶皱区域的数量;/>表示获取最大值。
由于褶皱区域相较于气泡区域,不够接近圆形,因此对应的圆形度是接近0的,通过取其倒数,得到褶皱区域为褶皱的特征,圆形度越小,褶皱区域的轮廓越不规则。
表示获取栅格窗口内若干个褶皱区域中,包含像素点数量最多的褶皱区域,比值/>反映栅格窗口内第/>个褶皱区域较最大褶皱区域的褶皱程度,即栅格窗口内的相对褶皱大小,记为褶皱程度;通过褶皱程度与褶皱区域内像素点的数量进行乘积,表示褶皱区域相对于栅格窗口范围内的绝对褶皱大小,数值越大,表示褶皱区域对所在栅格窗口内涂料涂膜的色彩质量影响越大。
栅格窗口的皱度流平不均一性越大,则栅格窗口内褶皱区域越大且褶皱程度越高,说明对应栅格窗口内的褶皱对栅格窗口内涂料涂膜的色彩质量影响越大。
步骤S004,根据涂膜气泡覆盖率和皱度流平不均一性,获得涂膜形貌沟壑系数,并进一步实现涂料生产样本的色彩智能分析检测。
首先,根据涂膜气泡覆盖率和皱度流平不均一性/>,获得任意栅格窗口的涂膜形貌沟壑系数/>。
其中,表示栅格窗口的涂膜形貌沟壑系数;/>表示栅格窗口内气泡区域的数量;/>表示栅格窗口的涂膜气泡覆盖率;/>表示栅格窗口内褶皱区域的数量;/>表示栅格窗口的皱度流平不均一性;
通过将栅格窗口内气泡区域的数量,与栅格窗口的涂膜气泡覆盖率进行乘积,将乘积结果记为第一乘积,第一乘积数值越大,表示对应的栅格窗口内气泡区域越多,且气泡越大且气泡高度越高,对涂料涂膜的表面色彩质量的影响越大;
同样的,通过将任意栅格窗口内褶皱区域的数量,与栅格窗口内的皱度流平不均一性进行乘积,将乘积结果记为第二乘积,第二乘积数值越大,表示栅格窗口内褶皱区域的数量越多,且褶皱程度越大,对涂料涂膜的表面色彩质量的影响越大。
然后,在不同的色彩通道下栅格窗口内的褶皱可能分布不同,利用Harris角点检测算法获取涂料RGB图像在、/>、/>三个色彩通道下,任意栅格窗口内角点的数量,分别记为角点数量/>、/>和/>;
根据角点数量获得各色彩通道下任意栅格窗口的权重特征,具体获取方法为:
其中,表示在色彩通道/>下栅格窗口的图像权重占比;/>表示在色彩通道/>下栅格窗口内的角点数量;/>、/>、/>分别表示涂料RGB图像的三个色彩通道;
如果在任意一个色彩通道下,栅格窗口的权重特征越大,即角点数量越多,说明对应色彩通道下出现的气泡和褶皱越多。
其次,利用涂膜形貌沟壑系数的获取方法,获取任意栅格窗口在、/>、/>三个色彩通道下的涂膜形貌沟壑系数的平均值;
根据栅格窗口的权重特征以及涂膜形貌沟壑系数,获得涂料色彩质量估计指数,具体获取方法为:
其中,表示涂料色彩质量估计指数;/>表示涂料RGB图像中栅格窗口的数量;/>表示第/>个栅格窗口在色彩通道/>下的权重特征;/>表示第/>个栅格窗口在色彩通道/>下的涂膜形貌沟壑系数,/>表示线性归一化函数,/>、/>、/>分别表示涂料RGB图像的三个色彩通道。
涂料色彩质量估计指数的取值范围为,如果涂料色彩质量估计指数越接近1,表示涂料RGB图像中出现的气泡和褶皱越多,说明对应的涂料生产样本的色彩质量越差。
根据经验预设涂料色彩质量估计指数阈值为0.9,如果涂料色彩质量估计指数小于涂料色彩质量估计指数阈值,表示涂料的色彩质量良好;反之,涂料色彩质量估计指数大于涂料色彩质量估计指数阈值时,涂料的色彩质量差,不能出厂销售,实现对涂料生产样本的色彩质量智能分析。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种视觉辅助的涂料生产样品色彩分析检测方法,其特征在于,该方法包括以下步骤:
获取涂料RGB图像以及预处理后的涂料图像;
将涂料图像的图像边缘线记为闭合线,获取闭合线的圆形度;将闭合线内的区域记为闭合线区域,闭合线外的区域记为正常区域;对涂料RGB图像和涂料图像进行均等划分,获得若干个栅格窗口;根据栅格窗口内闭合线区域的灰度值获得气泡区域和褶皱区域;根据气泡区域不同位置的灰度,获得气泡区域的亮面区域和阴影区域,根据亮面区域、阴影区域以及正常区域之间的灰度差异获得气泡区域的气泡亮度指数;
根据栅格窗口内气泡区域的气泡亮度指数与圆形度,获得栅格窗口的涂膜气泡覆盖率;根据褶皱区域内像素点的数量与圆形度,获得栅格窗口的皱度流平不均一性;
根据涂膜气泡覆盖率和皱度流平不均一性,获得栅格窗口的涂膜形貌沟壑系数;获取栅格窗口内的角点数量,根据角点数量获得栅格窗口的权重特征;根据栅格窗口的权重特征以及涂膜形貌沟壑系数,获得涂料色彩质量估计指数,根据涂料色彩质量估计指数的大小,实现涂料生产样品色彩检测;
所述涂膜气泡覆盖率,获取方法如下:
将栅格窗口内所有气泡区域的气泡亮度指数与对应的圆形度之间的乘积累加值,记为栅格窗口的涂膜气泡覆盖率;
所述皱度流平不均一性,包括的具体步骤如下:
栅格窗口的皱度流平不均一性,具体计算方法为:
其中,表示栅格窗口的皱度流平不均一性;/>表示超参数;/>表示第/>个褶皱区域对应的圆形度;/>为第/>个褶皱区域内像素点的数量;/>表示第/>个褶皱区域内像素点的数量;/>表示栅格窗口内褶皱区域的数量;/>表示获取最大值;
所述涂膜形貌沟壑系数,获取方法如下:
将栅格窗口内气泡区域的数量,与栅格窗口的涂膜气泡覆盖率的乘积结果,记为第一乘积;
将栅格窗口内褶皱区域的数量,与栅格窗口内的皱度流平不均一性的乘积结果,记为第二乘积;
将第一乘积与第二乘积的加和结果,记为栅格窗口的涂膜形貌沟壑系数;
所述根据栅格窗口的权重特征以及涂膜形貌沟壑系数,获得涂料色彩质量估计指数,根据涂料色彩质量估计指数的大小,实现涂料生产样品色彩检测,包括的具体步骤如下:
首先,利用涂膜形貌沟壑系数的获取方法,获取任意栅格窗口在、/>以及/>三个色彩通道下的涂膜形貌沟壑系数的平均值;
然后,涂料色彩质量估计指数,具体获取方法为:
其中,表示涂料色彩质量估计指数;/>表示涂料RGB图像中栅格窗口的数量;/>表示第/>个栅格窗口在色彩通道/>下的权重特征;/>表示第/>个栅格窗口在色彩通道/>下的涂膜形貌沟壑系数,/>表示线性归一化函数;另外/>、/>以及/>分别表示涂料RGB图像的三个色彩通道;
预设涂料色彩质量估计指数阈值,如果涂料色彩质量估计指数小于涂料色彩质量估计指数阈值,涂料的色彩质量良好;反之,涂料色彩质量估计指数大于涂料色彩质量估计指数阈值时,涂料的色彩质量差。
2.根据权利要求1所述一种视觉辅助的涂料生产样品色彩分析检测方法,其特征在于,所述涂料图像,获取方法如下:
首先,对涂料RGB图像进行灰度化处理,获得涂料灰度图像;
然后,利用直方图均衡化算法对涂料灰度图像进行增强处理,将增强处理后的图像记为涂料图像。
3.根据权利要求1所述一种视觉辅助的涂料生产样品色彩分析检测方法,其特征在于,所述根据栅格窗口内闭合线区域的灰度值获得气泡区域和褶皱区域,包括的具体步骤如下:
首先,根据涂料图像中闭合线区域内所有像素点的灰度值方差,获得任意闭合线区域的填充沟壑指数:
式中,表示闭合线区域中闭合线区域的填充沟壑指数;/>表示闭合线区域所在栅格窗口所包含闭合线的数量;/>表示闭合线区域内所有像素点的灰度值方差,/>表示栅格窗口中所有闭合线区域的灰度值方差均值;/>表示灰度值方差大于灰度值方差均值的闭合线区域的数量;
然后,将闭合线区域的灰度值方差,大于等于栅格窗口内所有闭合线区域的灰度值方差均值的闭合线区域,记为褶皱区域,获得个褶皱区域;将闭合线区域的灰度值方差,小于栅格窗口内所有闭合线区域的灰度值方差均值的闭合线区域,记为气泡区域,获得/>个气泡区域。
4.根据权利要求1所述一种视觉辅助的涂料生产样品色彩分析检测方法,其特征在于,所述根据气泡区域不同位置的灰度,获得气泡区域的亮面区域和阴影区域,包括的具体步骤如下:
首先,对闭合线区域进行霍夫圆检测,获取在涂料图像中任意一个气泡区域内,霍夫圆圆心与对应闭合线上每个点之间形成线段上,所有像素点的灰度均值,记为第一均值;将任意气泡区域内所有第一均值的平均值,记为第二均值;
然后,将第一均值小于第二均值的线段上所有像素点形成的区域,记为阴影区域;将气泡区域内除阴影区域以外的区域,记为亮面区域。
5.根据权利要求1所述一种视觉辅助的涂料生产样品色彩分析检测方法,其特征在于,所述气泡亮度指数,获取方法如下:
将气泡区域的亮面区域中所有像素点的平均灰度,与气泡区域所在栅格窗口内,正常区域中所有像素点的平均灰度之间的比值,记为第一比值;
将气泡区域所在栅格窗口内,正常区域中所有像素点的平均灰度,与气泡区域的阴影区域中所有像素点的平均灰度之间的比值,记为第二比值;
将第一比值和第二比值之间的差值,记为气泡亮度因子;将1加气泡亮度因子记为气泡区域的气泡亮度指数。
6.根据权利要求1所述一种视觉辅助的涂料生产样品色彩分析检测方法,其特征在于,所述获取栅格窗口内的角点数量,根据角点数量获得栅格窗口的权重特征,包括的具体步骤如下:
首先,利用Harris角点检测算法获取涂料RGB图像在、/>以及/>三个色彩通道下,任意栅格窗口内角点的数量,记为角点数量;
然后,将任意一个色彩通道下的角点数量,与所有色彩通道下的角点数量的总和之间的比值,记为对应色彩通道下栅格窗口的权重特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310912164.0A CN116645429B (zh) | 2023-07-25 | 2023-07-25 | 一种视觉辅助的涂料生产样品色彩分析检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310912164.0A CN116645429B (zh) | 2023-07-25 | 2023-07-25 | 一种视觉辅助的涂料生产样品色彩分析检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116645429A CN116645429A (zh) | 2023-08-25 |
CN116645429B true CN116645429B (zh) | 2023-10-20 |
Family
ID=87623339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310912164.0A Active CN116645429B (zh) | 2023-07-25 | 2023-07-25 | 一种视觉辅助的涂料生产样品色彩分析检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116645429B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116912235B (zh) * | 2023-09-08 | 2023-11-24 | 金乡县金禧园食品有限公司 | 基于计算机视觉的脱水蒜状态智能检测方法 |
CN117115146B (zh) * | 2023-10-19 | 2024-03-19 | 深圳宝铭微电子有限公司 | 一种碳化硅材质半导体表面镀膜质量检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104655627A (zh) * | 2013-11-16 | 2015-05-27 | 西安交大京盛科技发展有限公司 | 一种工件镀膜缺陷检测方法 |
WO2020079694A1 (en) * | 2018-10-17 | 2020-04-23 | Inspekto A.M.V Ltd | Optimizing defect detection in an automatic visual inspection process |
CN114037645A (zh) * | 2020-07-20 | 2022-02-11 | 耿晋 | 极片的涂布缺陷检测方法、装置、电子设备及可读介质 |
CN114445707A (zh) * | 2022-01-25 | 2022-05-06 | 张弛 | 瓶装水标签缺陷智能化视觉精细检测方法 |
CN115311270A (zh) * | 2022-10-11 | 2022-11-08 | 南通至顺聚氨酯材料有限公司 | 一种塑料制品表面缺陷检测方法 |
CN116071387A (zh) * | 2023-03-06 | 2023-05-05 | 曲阜市巨力铁路轨道工程股份有限公司 | 基于机器视觉的枕轨生产质量检测方法 |
CN116091499A (zh) * | 2023-04-07 | 2023-05-09 | 山东中胜涂料有限公司 | 一种涂料生产异常识别系统 |
-
2023
- 2023-07-25 CN CN202310912164.0A patent/CN116645429B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104655627A (zh) * | 2013-11-16 | 2015-05-27 | 西安交大京盛科技发展有限公司 | 一种工件镀膜缺陷检测方法 |
WO2020079694A1 (en) * | 2018-10-17 | 2020-04-23 | Inspekto A.M.V Ltd | Optimizing defect detection in an automatic visual inspection process |
CN114037645A (zh) * | 2020-07-20 | 2022-02-11 | 耿晋 | 极片的涂布缺陷检测方法、装置、电子设备及可读介质 |
CN114445707A (zh) * | 2022-01-25 | 2022-05-06 | 张弛 | 瓶装水标签缺陷智能化视觉精细检测方法 |
CN115311270A (zh) * | 2022-10-11 | 2022-11-08 | 南通至顺聚氨酯材料有限公司 | 一种塑料制品表面缺陷检测方法 |
CN116071387A (zh) * | 2023-03-06 | 2023-05-05 | 曲阜市巨力铁路轨道工程股份有限公司 | 基于机器视觉的枕轨生产质量检测方法 |
CN116091499A (zh) * | 2023-04-07 | 2023-05-09 | 山东中胜涂料有限公司 | 一种涂料生产异常识别系统 |
Non-Patent Citations (3)
Title |
---|
Flotation Bubble Delineation Based on Harris Corner Detection and Local Gray Value Minima;Weixing Wang et.al;《MINERALS》;第5卷(第2期);第142-163页 * |
一种基于YUV色彩空间的阴影检测方法;刘远军;高俊杰;朱鸿鹏;朱奕辉;;邵阳学院学报(自然科学版)(04);第22-26页 * |
结合模糊聚类与色彩空间的遥感图像阴影检测;焦玮;杨学志;董张玉;盛佳佳;;地理与地理信息科学(05);第43-47页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116645429A (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116645429B (zh) | 一种视觉辅助的涂料生产样品色彩分析检测方法 | |
CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
CN108596849B (zh) | 一种基于天空区域分割的单幅图像去雾方法 | |
CN108181319B (zh) | 一种基于立体视觉的积尘检测装置及方法 | |
CN108876768B (zh) | 导光板暗影缺陷检测方法 | |
CN114494210B (zh) | 基于图像处理的塑料膜生产缺陷检测方法及系统 | |
CN111161222B (zh) | 一种基于视觉显著性的印刷辊筒缺陷检测方法 | |
CN116563799B (zh) | 基于视频监控的粉尘在线监测方法 | |
CN108765336A (zh) | 基于暗亮原色先验与自适应参数优化的图像去雾方法 | |
CN115797342B (zh) | 一种工业控制电容触摸lcd显示总成缺陷检测方法 | |
CN105488475B (zh) | 手机中人脸检测方法 | |
CN107451966A (zh) | 一种采用灰度图引导滤波实现的实时视频去雾方法 | |
CN115331119B (zh) | 一种固体废弃物识别方法 | |
CN116912261B (zh) | 一种塑料模具注塑表面缺陷检测方法 | |
CN107292834B (zh) | 红外图像细节增强方法 | |
CN107203980B (zh) | 自适应多尺度暗通道先验的水下目标探测图像增强方法 | |
CN115953409B (zh) | 基于图像处理的注塑件表面缺陷检测方法 | |
CN116958125B (zh) | 基于图像处理的电竞主机电源元件缺陷视觉检测方法 | |
CN116912248A (zh) | 基于计算机视觉的不规则五金件表面缺陷检测方法 | |
CN111738931B (zh) | 光伏阵列无人机航拍图像的阴影去除算法 | |
CN108257127A (zh) | 一种应用于急性中毒安全预评价的系统 | |
CN116645363B (zh) | 一种基于视觉的淀粉生产质量实时检测方法 | |
CN117218122A (zh) | 基于图像数据的手表外壳质量检测方法 | |
CN116883412A (zh) | 一种石墨烯远红外电热设备故障检测方法 | |
CN115131336B (zh) | 一种显示屏四色背景画面下的暗线缺陷检测方法 |
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 |