CN116758065A - 一种防火板表面缺陷快速检测方法 - Google Patents

一种防火板表面缺陷快速检测方法 Download PDF

Info

Publication number
CN116758065A
CN116758065A CN202311013244.9A CN202311013244A CN116758065A CN 116758065 A CN116758065 A CN 116758065A CN 202311013244 A CN202311013244 A CN 202311013244A CN 116758065 A CN116758065 A CN 116758065A
Authority
CN
China
Prior art keywords
edge line
straight line
independent edge
independent
line segment
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
CN202311013244.9A
Other languages
English (en)
Other versions
CN116758065B (zh
Inventor
曹金凤
颜春明
颜丙浩
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.)
Shandong Jialino New Material Technology Co ltd
Original Assignee
Shandong Jialino New Material Technology 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 Shandong Jialino New Material Technology Co ltd filed Critical Shandong Jialino New Material Technology Co ltd
Priority to CN202311013244.9A priority Critical patent/CN116758065B/zh
Publication of CN116758065A publication Critical patent/CN116758065A/zh
Application granted granted Critical
Publication of CN116758065B publication Critical patent/CN116758065B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Processing (AREA)

Abstract

本发明涉及图像处理技术领域,具体涉及一种防火板表面缺陷快速检测方法,包括:采集防火板表面图像,并对其进行预处理得到防火板边缘图像,量化边缘信息,将相关边缘像素点拟合成直线并得到边缘拟合成直线时的不规则度,利用边缘线段拟合直线并得到直线角度,量化相关纹理特征并将其与角度信息以及不规则度相结合得到拟合直线权重,根据独立边缘线段的拟合直线权重得到拟合直线灰度共生矩阵的步长,根据共生矩阵的步长得到灰度共生矩阵来对防火板进行表面质量快速检测。本发明通过量化防火板自身纹理特征以及划痕缺陷特征相关信息,通过二者综合分析得到相关权重,在构建灰度共生矩阵时根据权重来设置步长从而达到快速检测的目的。

Description

一种防火板表面缺陷快速检测方法
技术领域
本发明涉及图像处理技术领域,具体涉及一种防火板表面缺陷快速检测方法。
背景技术
在防火板的生产过程中,防火板的质量检测是重要的步骤,防火板表面质量快速检测背景技术主要是基于光学成像技术和计算机视觉技术的应用,通过对防火板表面图像进行处理和分析,实现对表面质量的检测。其中利用灰度共生矩阵对防火板表面划痕进行检测是主要的手段,但是灰度共生矩阵的计算量过大,会导致检测速度过慢,因此应该利用防火板本身的纹理特征以及划痕的一些特殊性来减少一些计算量从而达到对防火板表面质量快速检测的目的。
对全图无差别使用灰度共生矩阵的计算量过大,从而消耗大量的时间,无法达到快速检测的目的。如何通过量化防火板划痕特征以及自身纹理特征来生成自适应步长来减少相应的计算量是需要解决的技术问题。
发明内容
本发明提供一种防火板表面缺陷快速检测方法,以解决现有的问题。
本发明的一种防火板表面缺陷快速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防火板表面缺陷快速检测方法,该方法包括以下步骤:
获取防火板边缘图像中所有独立边缘线段,获取独立边缘线段的拟合直线;
获取独立边缘线段拟合成直线时不在拟合直线上的像素点数量,根据独立边缘线段拟合成直线时不在拟合直线上的像素点数量得到独立边缘线段的不规则度;
获取独立边缘线段的拟合直线角度和防火板边缘图像的纹理角度,根据独立边缘线段的拟合直线角度和防火板边缘图像的纹理角度得到独立边缘线段的拟合直线角度权重,设置滑窗,获取滑窗窗口包含其他拟合直线的像素点数量,根据滑窗窗口包含其他拟合直线的像素点数量得到独立边缘线段的拟合直线的综合丰富度,根据独立边缘线段的不规则度、独立边缘线段的拟合直线角度权重以及独立边缘线段的拟合直线的综合丰富度,得到独立边缘线段的拟合直线权重;
根据独立边缘线段的拟合直线权重得到独立边缘线段建立灰度共生矩阵的步长;
根据灰度共生矩阵的步长得到灰度共生矩阵,根据灰度共生矩阵得到独立边缘线段的对比度;
根据独立边缘线段的对比度来对防火板进行表面缺陷快速检测。
进一步地,所述获取防火板边缘图像中所有独立边缘线段的具体方法如下:
对防火板边缘图像利用边缘跟踪技术获取防火板边缘图像中所有独立边缘线段。
进一步地,所述获取独立边缘线段的拟合直线的具体方法如下:
获取任意一个独立边缘线段中像素点的数量以及坐标信息,通过坐标信息利用Hough直线检测映射到参数空间进行拟合,得到独立边缘线段的拟合直线。
进一步地,所述根据独立边缘线段拟合成直线时不在拟合直线上的像素点数量得到独立边缘线段的不规则度,包括的具体步骤如下:
其中,表示所有独立边缘线段中第i个独立边缘线段的不规则度,/>表示第i个独立边缘线段中像素点的数量,/>表示第i个独立边缘线段拟合成直线时不在拟合直线上的像素点数量。
进一步地,所述获取独立边缘线段的拟合直线角度和防火板边缘图像的纹理角度,具体获取方法如下:
将独立边缘线段的拟合直线时与水平面的夹角记为独立边缘线段的拟合直线角度,获取所有独立边缘线段的拟合直线角度,并依次记录,将角度相同数量最多的角度记为防火板边缘图像的纹理角度。
进一步地,所述根据独立边缘线段的拟合直线角度和防火板边缘图像的纹理角度得到独立边缘线段的拟合直线角度权重,包括的具体步骤如下:
其中,表示第i个独立边缘线段的拟合直线角度,/>表示防火板边缘图像的纹理角度,/>表示第i个独立边缘线段的拟合直线角度权重。
进一步地,所述根据滑窗窗口包含其他拟合直线的像素点数量得到独立边缘线段的拟合直线的综合丰富度,包括的具体步骤如下:
其中,表示第i个独立边缘线段的拟合直线的综合丰富度;/>表示第i个独立边缘线段的拟合直线上像素点的数量;/>表示滑窗的长度;
获取方法为:以第i个独立边缘线段的拟合直线上第j个像素点为中心建立滑窗,在该滑窗窗口内,获取其他拟合直线的像素点数量,将其他拟合直线的像素点数量记为/>
进一步地,所述根据独立边缘线段的不规则度、独立边缘线段的拟合直线角度权重以及独立边缘线段的拟合直线的综合丰富度,得到独立边缘线段的拟合直线权重,包括的具体步骤如下:
其中,表示第i个独立边缘线段的拟合直线权重,/>表示自然常数为底的指数函数,/>表示第i个独立边缘线段的拟合直线角度权重,/>表示第i个独立边缘线段的拟合直线的综合丰富度,/>表示所有独立边缘线段中第i个独立边缘线段的不规则度。
进一步地,所述根据独立边缘线段的拟合直线权重得到独立边缘线段建立灰度共生矩阵的步长,包括的具体步骤如下:
其中,表示第i个独立边缘线段建立灰度共生矩阵的步长,/>表示第i个独立边缘线段的拟合直线权重,/>表示独立边缘线段的拟合直线权重的最大值。
进一步地,所述根据灰度共生矩阵得到独立边缘线段的对比度,包括的具体步骤如下:
其中,表示第i个独立边缘线段的对比度,/>表示第i个独立边缘线段的灰度共生矩阵中横坐标的灰度值,/>表示第i个独立边缘线段的灰度共生矩阵中纵坐标的灰度值,/>表示灰度级组合/>在第i个独立边缘线段的灰度共生矩阵中的概率。
本发明的技术方案的有益效果是:传统的建立灰度共生矩阵需要将全图进行遍历,会产生大量的计算量从而浪费大量的时间,本发明通过结合防火板表面纹理特征以及划痕的特殊性针对边缘区域通过权重来设置步长,对于不重要的边缘区域收集更少的数据,从而大大减少了建立灰度共生矩阵所需要的计算量,节省了更多的时间达到快速检测的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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为本发明一个实施例所提供的一种防火板表面缺陷快速检测方法的步骤流程图。
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防火板表面缺陷快速检测方法,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,一个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防火板表面缺陷快速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防火板表面缺陷快速检测方法的步骤流程图,该方法包括以下步骤:
步骤S001、采集防火板表面图像,并对其进行预处理得到防火板边缘图像。
需要说明的是,本实施例主要是基于图像处理的防火板表面质量快速检测,因此首先需要获取防火板表面图像。
具体的,在防火板生产完成传输过程中利用工业相机拍摄防火板表面图像,对防火板表面图像进行高斯滤波去噪,对去噪之后的防火板表面图像进行灰度化得到防火板表面图像的灰度图像,利用canny算子提取灰度图像中的边缘信息得到防火板边缘图像。
至此,得到了防火板边缘图像。
需要说明的是,防火板在生产的过程中表面会有自身的纹理,并且没有受损的防火板表面纹理也比较规则,而因为一些原因在表面产生的划痕则可能产生各种特征。同时,一个区域的纹理特征越丰富,说明此区域图像包含的细节就越多。因此,提取图像的边缘信息来的得到防火板的纹理特征,通过量化纹理特征,其中越不符合整体纹理特征的边缘线段就越可能是划痕,则应该用更小的步长来收集更多的信息,同理,针对纹理密集的区域也应该收集更多的信息来防止误判。
步骤S002、量化边缘信息,将相关边缘像素点拟合成直线并得到边缘拟合成直线时的不规则度。
需要说明的是,为了得到防火板边缘图像中边缘的角度信息,需要将防火板边缘像素点拟合成直线,利用边缘跟踪技术,找到所有独立的边缘线段,记录各自边缘线段中像素点的数量以及坐标信息,通过坐标信息利用Hough直线检测映射到参数空间进行拟合,通过对参数空间中的累加值进行分析,可以找到对应于数据点最多的直线模型。
具体的,对防火板边缘图像利用边缘跟踪技术获取防火板边缘图像中所有独立边缘线段,获取任意一个独立边缘线段中像素点的数量以及坐标信息,通过坐标信息利用Hough直线检测映射到参数空间进行拟合,得到独立边缘线段的拟合直线,利用Hough直线检测得到独立边缘线段的拟合直线为现有方法,本实施例不再赘述。
进一步地,获取独立边缘线段拟合成直线时不在拟合直线上的像素点数量,根据独立边缘线段拟合成直线时不在拟合直线上的像素点数量得到独立边缘线段的不规则度,具体如下:
其中,表示所有独立边缘线段中第i个独立边缘线段的不规则度,/>表示第i个独立边缘线段中像素点的数量,/>表示第i个独立边缘线段拟合成直线时不在拟合直线上的像素点数量。
至此,得到了独立边缘线段的不规则度。
步骤S003、利用边缘线段拟合直线并得到直线角度,量化相关纹理特征并将其与角度信息以及不规则度相结合得到拟合直线权重。
需要说明的是,防火板自身的纹路比较规则完整,因此通过边缘图像表现出来的纹理特征也比较统一,防火板的纹理呈现出一个统一的方向并且线条比较完整,线条的规则度很高。而划痕缺陷是因为外界因素导致的,因此划痕的方向以及线条形状就具有多样性,由边缘图像中的边缘像素点拟合成的直线可能会与其余大部分直线的特征有所区别,某条直线的方向趋势与整体直线趋势相差越大,并且拟合时不规则度越高,说明此直线是划痕的可能性就越大。同时,对于边缘像素点密集的区域说明此区域细节丰富度高,因此在进行数据采集时应该采集更多的数据,防止产生误判。
具体的,获取独立边缘线段的拟合直线角度,将独立边缘线段的拟合直线时与水平面的夹角记为独立边缘线段的拟合直线角度,则独立边缘线段的拟合直线角度范围为[0,π],获取所有独立边缘线段的拟合直线角度,并依次记录,将角度相同数量最多的角度记为防火板边缘图像的纹理角度,将纹理角度记为,需要说明的是,独立边缘线段的拟合直线角度与纹理角度相差越大,独立边缘线段是防火板自身纹理的可能性就越低。
进一步地,根据独立边缘线段的拟合直线角度和纹理角度得到独立边缘线段的拟合直线角度权重,具体如下:
其中,表示第i个独立边缘线段的拟合直线角度,/>表示防火板边缘图像的纹理角度,/>表示第i个独立边缘线段的拟合直线角度权重。
具体的,设置一个K*K大小的滑窗,本实施例中以K=5为例进行叙述,将任意一个独立边缘线段的拟合直线记为目标拟合直线,以目标拟合直线上的像素点为滑窗中心,遍历滑动选取目标拟合直线上的所有像素点,每次滑动的步长为1,获取遍历滑动选取目标拟合直线上的所有像素点过程中滑窗窗口包含其他拟合直线的像素点数量,根据滑窗窗口包含其他拟合直线的像素点数量得到目标拟合直线的综合丰富度,具体如下:
其中,表示第i个独立边缘线段的拟合直线的综合丰富度;
第i个独立边缘线段的拟合直线上像素点的数量,需要说明的是,所述独立边缘线段的拟合直线上像素点的数量,具体为过独立边缘线段两个端点做拟合直线的垂线,将拟合直线上两个垂足点之间的像素点数量作为独立边缘线段的拟合直线上像素点的数量;
获取方法为:以第i个独立边缘线段的拟合直线上第j个像素点为中心建立滑窗,在该滑窗窗口内,获取其他拟合直线的像素点数量,将其他拟合直线的像素点数量记为/>
表示滑窗的长度。需要说明的是,得到的/>的值越大,说明此条直线周围的纹理综合丰富度越高。
需要说明的是,上述获得了独立边缘线段的拟合直线角度、独立边缘线段的不规则度以及独立边缘线段的拟合直线的综合丰富度,这些特征都可以从一定程度上反映独立边缘线段的拟合直线是否为划痕,因此需要结合这三个特征参数来生成独立边缘线段的拟合直线权重,后续可以根据独立边缘线段的拟合直线权重得到拟合直线灰度共生矩阵的步长。
具体的,根据独立边缘线段的拟合直线角度独立边缘线段的拟合直线角度权重、独立边缘线段的不规则度以及独立边缘线段的拟合直线的综合丰富度得到独立边缘线段的拟合直线权重,具体如下:
其中,表示第i个独立边缘线段的拟合直线权重,/>表示自然常数为底的指数函数,/>表示第i个独立边缘线段的拟合直线角度权重,/>表示第i个独立边缘线段的拟合直线的综合丰富度,/>表示所有独立边缘线段中第i个独立边缘线段的不规则度。需要说明的是,被计算直线的权重/>的大小影响后续步骤建立灰度共生矩阵,/>的值越大,则说明被计算直线是划痕的可能性越大。/>是角度的权重,通过利用划痕的不规则性计算与纹理角度的差距来反映直线是否为划痕的可能性,角度相差越大/>的值越小,说明是纹理边缘线段的可能性越低,因此当/>的变小时,权重/>的值增大。/>是拟合直线的不规则度,/>的值越大,则说明在拟合的过程中,原边缘线段上的像素点在拟合出的直线上占比越小,说明原线段越不规则,是划痕的可能性就越大,因此/>的值越大,权重就越大。/>表示此直线周围其他直线的数量关系,/>的值越大说明此直线区域还有很多其他的直线,纹理丰富度高,细节更多,因此需要通过增加权重来收集更多信息。
步骤S004、根据独立边缘线段的拟合直线权重得到拟合直线灰度共生矩阵的步长。
需要说明的是,步骤S003得到了独立边缘线段的拟合直线权重,利用独立边缘线段的拟合直线权重大小来得到拟合直线灰度共生矩阵的步长,独立边缘线段的拟合直线权重越大,则拟合直线灰度共生矩阵的步长越小,收集更多的信息来进行判定,独立边缘线段的拟合直线权重越小,则可以更大的拟合直线灰度共生矩阵的步长,来节省一定的计算量。
具体的,根据独立边缘线段的拟合直线权重得到灰度共生矩阵的步长,具体如下:
其中,表示第i个独立边缘线段建立灰度共生矩阵的步长,/>表示第i个独立边缘线段的拟合直线权重,/>表示独立边缘线段的拟合直线权重的最大值。需要说明的是,通过不同的独立边缘线段的拟合直线权重来选择不同的独立边缘线段建立灰度共生矩阵的步长,可以保证检测效率的同时节省更多的计算量。
步骤S005、根据共生矩阵的步长得到灰度共生矩阵来对防火板进行表面质量快速检测。
具体的,获取与独立边缘线段的拟合直线角度垂直方向上一侧与独立边缘线段最相邻的像素点灰度值和对应独立边缘线段的像素点灰度值,步骤S004获得了独立边缘线段建立灰度共生矩阵的步长,根据独立边缘线段建立灰度共生矩阵的步长在独立边缘线段上获取与独立边缘线段的拟合直线角度垂直方向上一侧与独立边缘线段最相邻的像素点灰度值和对应独立边缘线段的像素点灰度值,根据得到的像素点灰度值建立灰度共生矩阵,最终得到独立边缘线段的灰度共生矩阵。
需要说明的是,因为防火板表面图像的灰度图像中灰度变化不明显,因此以独立边缘线段上的像素低点建立的灰度共生矩阵计算得到的对比度较小,由于防火板表面会遭到划痕的破坏,因此得到的对比度会比较大,可以由此来进行防火板表面划痕的快速检测。
具体的,利用灰度共生矩阵来计算对比度,具体如下:
其中,表示第i个独立边缘线段的对比度,/>表示第i个独立边缘线段的灰度共生矩阵中横坐标的灰度值,/>表示第i个独立边缘线段的灰度共生矩阵中纵坐标的灰度值,/>表示灰度级组合/>在第i个独立边缘线段的灰度共生矩阵中的概率,需要说明的是,所述概率可以通过灰度级组合/>在灰度共生矩阵中的占比得到。如果所有独立边缘线段的对比度比较相近,则说明此防火板表面不存在划痕,如果所有独立边缘线段的对比度中存在独立边缘线段的对比度相较于所有独立边缘线段的对比度有明显差别,则说明防火板表面存在划痕,且差别明显的独立边缘线段很可能为划痕产生的边缘,通过上述处理,达到了防火板表面缺陷快速检测的目的。
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 (10)

1.一种防火板表面缺陷快速检测方法,其特征在于,该方法包括以下步骤:
获取防火板边缘图像中所有独立边缘线段,获取独立边缘线段的拟合直线;
获取独立边缘线段拟合成直线时不在拟合直线上的像素点数量,根据独立边缘线段拟合成直线时不在拟合直线上的像素点数量得到独立边缘线段的不规则度;
获取独立边缘线段的拟合直线角度和防火板边缘图像的纹理角度,根据独立边缘线段的拟合直线角度和防火板边缘图像的纹理角度得到独立边缘线段的拟合直线角度权重,设置滑窗,获取滑窗窗口包含其他拟合直线的像素点数量,根据滑窗窗口包含其他拟合直线的像素点数量得到独立边缘线段的拟合直线的综合丰富度,根据独立边缘线段的不规则度、独立边缘线段的拟合直线角度权重以及独立边缘线段的拟合直线的综合丰富度,得到独立边缘线段的拟合直线权重;
根据独立边缘线段的拟合直线权重得到独立边缘线段建立灰度共生矩阵的步长;
根据灰度共生矩阵的步长得到灰度共生矩阵,根据灰度共生矩阵得到独立边缘线段的对比度;
根据独立边缘线段的对比度来对防火板进行表面缺陷快速检测。
2.根据权利要求1所述一种防火板表面缺陷快速检测方法,其特征在于,所述获取防火板边缘图像中所有独立边缘线段的具体方法如下:
对防火板边缘图像利用边缘跟踪技术获取防火板边缘图像中所有独立边缘线段。
3.根据权利要求1所述一种防火板表面缺陷快速检测方法,其特征在于,所述获取独立边缘线段的拟合直线的具体方法如下:
获取任意一个独立边缘线段中像素点的数量以及坐标信息,通过坐标信息利用Hough直线检测映射到参数空间进行拟合,得到独立边缘线段的拟合直线。
4.根据权利要求1所述一种防火板表面缺陷快速检测方法,其特征在于,所述根据独立边缘线段拟合成直线时不在拟合直线上的像素点数量得到独立边缘线段的不规则度,包括的具体步骤如下:
其中,表示所有独立边缘线段中第i个独立边缘线段的不规则度,/>表示第i个独立边缘线段中像素点的数量,/>表示第i个独立边缘线段拟合成直线时不在拟合直线上的像素点数量。
5.根据权利要求1所述一种防火板表面缺陷快速检测方法,其特征在于,所述获取独立边缘线段的拟合直线角度和防火板边缘图像的纹理角度,具体获取方法如下:
将独立边缘线段的拟合直线时与水平面的夹角记为独立边缘线段的拟合直线角度,获取所有独立边缘线段的拟合直线角度,并依次记录,将角度相同数量最多的角度记为防火板边缘图像的纹理角度。
6.根据权利要求1所述一种防火板表面缺陷快速检测方法,其特征在于,所述根据独立边缘线段的拟合直线角度和防火板边缘图像的纹理角度得到独立边缘线段的拟合直线角度权重,包括的具体步骤如下:
其中,表示第i个独立边缘线段的拟合直线角度,/>表示防火板边缘图像的纹理角度,/>表示第i个独立边缘线段的拟合直线角度权重。
7.根据权利要求1所述一种防火板表面缺陷快速检测方法,其特征在于,所述根据滑窗窗口包含其他拟合直线的像素点数量得到独立边缘线段的拟合直线的综合丰富度,包括的具体步骤如下:
其中,表示第i个独立边缘线段的拟合直线的综合丰富度;/>表示第i个独立边缘线段的拟合直线上像素点的数量;/>表示滑窗的长度;
获取方法为:以第i个独立边缘线段的拟合直线上第j个像素点为中心建立滑窗,在该滑窗窗口内,获取其他拟合直线的像素点数量,将其他拟合直线的像素点数量记为/>
8.根据权利要求1所述一种防火板表面缺陷快速检测方法,其特征在于,所述根据独立边缘线段的不规则度、独立边缘线段的拟合直线角度权重以及独立边缘线段的拟合直线的综合丰富度,得到独立边缘线段的拟合直线权重,包括的具体步骤如下:
其中,表示第i个独立边缘线段的拟合直线权重,/>表示自然常数为底的指数函数,/>表示第i个独立边缘线段的拟合直线角度权重,/>表示第i个独立边缘线段的拟合直线的综合丰富度,/>表示所有独立边缘线段中第i个独立边缘线段的不规则度。
9.根据权利要求1所述一种防火板表面缺陷快速检测方法,其特征在于,所述根据独立边缘线段的拟合直线权重得到独立边缘线段建立灰度共生矩阵的步长,包括的具体步骤如下:
其中,表示第i个独立边缘线段建立灰度共生矩阵的步长,/>表示第i个独立边缘线段的拟合直线权重,/>表示独立边缘线段的拟合直线权重的最大值。
10.根据权利要求1所述一种防火板表面缺陷快速检测方法,其特征在于,所述根据灰度共生矩阵得到独立边缘线段的对比度,包括的具体步骤如下:
其中,表示第i个独立边缘线段的对比度,/>表示第i个独立边缘线段的灰度共生矩阵中横坐标的灰度值,/>表示第i个独立边缘线段的灰度共生矩阵中纵坐标的灰度值,表示灰度级组合/>在第i个独立边缘线段的灰度共生矩阵中的概率。
CN202311013244.9A 2023-08-14 2023-08-14 一种防火板表面缺陷快速检测方法 Active CN116758065B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311013244.9A CN116758065B (zh) 2023-08-14 2023-08-14 一种防火板表面缺陷快速检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311013244.9A CN116758065B (zh) 2023-08-14 2023-08-14 一种防火板表面缺陷快速检测方法

Publications (2)

Publication Number Publication Date
CN116758065A true CN116758065A (zh) 2023-09-15
CN116758065B CN116758065B (zh) 2023-10-20

Family

ID=87953573

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311013244.9A Active CN116758065B (zh) 2023-08-14 2023-08-14 一种防火板表面缺陷快速检测方法

Country Status (1)

Country Link
CN (1) CN116758065B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020063893A1 (en) * 2000-11-29 2002-05-30 Omron Corporation Image processing method and apparatus
US20140063244A1 (en) * 2012-08-28 2014-03-06 Palo Alto Research Center Incorporated Constrained parametric curve detection using clustering on hough curves over a sequence of images
CN106251332A (zh) * 2016-07-17 2016-12-21 西安电子科技大学 基于边缘特征的sar图像机场目标检测方法
US20170083762A1 (en) * 2015-06-22 2017-03-23 Photomyne Ltd. System and Method for Detecting Objects in an Image
CN114882044A (zh) * 2022-07-12 2022-08-09 山东汇通工业制造有限公司 金属管件表面质量检测方法
CN115457041A (zh) * 2022-11-14 2022-12-09 安徽乾劲企业管理有限公司 一种道路质量识别检测方法
CN115456956A (zh) * 2022-08-19 2022-12-09 浙江华周智能装备有限公司 一种液晶屏划痕检测方法、设备及存储介质
CN115601347A (zh) * 2022-11-01 2023-01-13 南通海驹钢结构有限公司(Cn) 基于灰度纹理分析的钢板表面缺陷检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020063893A1 (en) * 2000-11-29 2002-05-30 Omron Corporation Image processing method and apparatus
US20140063244A1 (en) * 2012-08-28 2014-03-06 Palo Alto Research Center Incorporated Constrained parametric curve detection using clustering on hough curves over a sequence of images
US20170083762A1 (en) * 2015-06-22 2017-03-23 Photomyne Ltd. System and Method for Detecting Objects in an Image
CN106251332A (zh) * 2016-07-17 2016-12-21 西安电子科技大学 基于边缘特征的sar图像机场目标检测方法
CN114882044A (zh) * 2022-07-12 2022-08-09 山东汇通工业制造有限公司 金属管件表面质量检测方法
CN115456956A (zh) * 2022-08-19 2022-12-09 浙江华周智能装备有限公司 一种液晶屏划痕检测方法、设备及存储介质
CN115601347A (zh) * 2022-11-01 2023-01-13 南通海驹钢结构有限公司(Cn) 基于灰度纹理分析的钢板表面缺陷检测方法
CN115457041A (zh) * 2022-11-14 2022-12-09 安徽乾劲企业管理有限公司 一种道路质量识别检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CARLOS G. SPINOLA: "Real-time image processing for edge inspection and defect detection in stainless steel production lines", 《2011 IEEE INTERNATIONAL CONFERENCE ON IMAGING SYSTEMS AND TECHNIQUES》 *
苗启广;翁文奇;许鹏飞;: "遥感图像中无水桥梁识别新算法", 电子学报, no. 07, pages 220 - 223 *
陈法法: "混合特征集与MK-SVM的带钢表面缺陷辨识", 《机械科学与技术》, vol. 42, no. 5, pages 785 - 792 *

Also Published As

Publication number Publication date
CN116758065B (zh) 2023-10-20

Similar Documents

Publication Publication Date Title
CN115170576B (zh) 基于机器视觉的铝管表面缺陷检测方法
CN115641329B (zh) 一种锂电池隔膜缺陷检测方法及系统
CN116109644B (zh) 用于铜铝转接排的表面缺陷检测方法
CN112651968B (zh) 一种基于深度信息的木板形变与凹坑检测方法
CN115294140B (zh) 一种五金零件缺陷检测方法及系统
CN114882044B (zh) 金属管件表面质量检测方法
CN115082451B (zh) 一种基于图像处理的不锈钢汤勺缺陷检测方法
CN116721107B (zh) 一种电缆生产质量智能监控系统
CN116862910B (zh) 基于自动化裁切生产的视觉检测方法
CN115274486B (zh) 一种半导体表面缺陷识别方法
CN114140384A (zh) 基于轮廓拟合与形心跟踪的提升钢丝绳横向振动图像识别算法
CN115330796A (zh) 一种铜线镀锡缺陷识别方法
CN117011292A (zh) 一种复合板表面质量快速检测方法
CN117392469B (zh) 基于机器视觉的钙钛矿电池表面涂膜检测方法及系统
CN117152129B (zh) 一种电池盖板的表面缺陷视觉检测方法及系统
CN116758065B (zh) 一种防火板表面缺陷快速检测方法
CN117745715A (zh) 基于人工智能的大口径望远镜镜片缺陷检测方法
CN115254674B (zh) 一种轴承缺陷分选方法
CN108010076B (zh) 一种面向密集工业棒材图像检测的端面外观建模方法
CN115222744A (zh) 基于深度估计的刀具磨损程度判定方法
CN114693652A (zh) 基于高斯混合模型的织物缺陷检测方法
CN112465850A (zh) 外围边界建模方法、智能监控方法及装置
CN116703930B (zh) 一种汽车后视镜模具成型检测方法
CN117078567B (zh) 基于图像处理的光伏板图像自适应增强方法
CN117974663B (zh) 基于图像特征的玻璃纤维套管质量检测方法

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