CN116805313B - 一种喷雾机喷头的缺陷检测方法 - Google Patents
一种喷雾机喷头的缺陷检测方法 Download PDFInfo
- Publication number
- CN116805313B CN116805313B CN202311047540.0A CN202311047540A CN116805313B CN 116805313 B CN116805313 B CN 116805313B CN 202311047540 A CN202311047540 A CN 202311047540A CN 116805313 B CN116805313 B CN 116805313B
- Authority
- CN
- China
- Prior art keywords
- pixel
- fog
- pixel point
- pixel block
- gray level
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 63
- 238000001514 detection method Methods 0.000 title abstract description 20
- 230000005540 biological transmission Effects 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 25
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 238000010606 normalization Methods 0.000 claims description 21
- 239000003595 mist Substances 0.000 claims description 20
- 238000005507 spraying Methods 0.000 claims description 10
- 239000007921 spray Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 239000007788 liquid Substances 0.000 description 6
- 239000003814 drug Substances 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 241000607479 Yersinia pestis Species 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008016 vaporization Effects 0.000 description 1
- 238000009834 vaporization Methods 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
本发明涉及图像处理技术领域，具体涉及一种喷雾机喷头的缺陷检测方法。该方法包括：根据雾气区域的RGB图像中各像素点以及其预设邻域内的像素点对应的色调、饱和度、亮度，得到各像素点的雾气颜色差异系数；对雾气区域的灰度图像进行超像素分割获得各像素块，基于各像素块中各像素点的雾气颜色差异系数获得雾气颜色特征点；根据各像素块中的雾气颜色特征点和几何中心的相对位置，得到各像素块对应的主方向角度，进而构建各像素块对应的灰度共生矩阵；根据灰度共生矩阵，得到各像素块的均匀透射指数进而判断喷雾机喷头是否存在缺陷。本发明提高了喷雾机喷头缺陷检测的准确精度。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种喷雾机喷头的缺陷检测方法。
背景技术
喷雾机是一种将液体经过内部加工处理后形成气雾状喷洒到周围环境中的机器，在实际应用过程中，根据不同的场景需求添加不同的液体以达到对应处理效果，比如，在农作物生产过程中，通过在喷雾机中添加农药液，并将其喷洒在农作物生长环境中，实现对农作物病害和虫害的有效预防和治疗。
喷雾机长时间工作于自然环境中或是喷雾机内部发生故障时都可能导致液体汽化不均匀，内部杂质颗粒堵塞喷头使得最终形成的雾气不均匀，不均匀的雾气不易达到理想的灭虫害等效果；稀薄位置处的雾气由于有效含药量较少，同时易受气流等因素影响导致药液不易附着从而无法有效灭杀害虫，而雾气厚重的位置容易导致药液含量过高，造成环境污染。鉴于此需要对喷雾机喷雾状态进行检测，判断是否存在缺陷，以提高药剂的有效利用率，同时避免环境的污染。传统的基于图像处理的喷雾机喷头的缺陷检测方法在确定主方向特征时，通常需要构建相应的变换矩阵，并根据变换矩阵计算得到对应的特征值，进而确定主方向特征，由于雾气表面灰度变化通常较小，因此通过传统算法难以较为准确地获取雾气区域不同位置处的差异情况，进而导致喷雾机喷头的缺陷检测精度较低。
发明内容
为了解决现有方法在对喷雾机喷头的缺陷检测时存在的检测精度较低的问题，本发明的目的在于提供一种喷雾机喷头的缺陷检测方法，所采用的技术方案具体如下：
本发明提供了一种喷雾机喷头的缺陷检测方法，该方法包括以下步骤：
获取待检测喷雾机喷头喷洒后的雾气区域的RGB图像以及对应的灰度图像；
根据所述RGB图像中各像素点以及其预设邻域内的像素点对应的色调、饱和度、亮度，得到所述灰度图像中各像素点的雾气颜色差异系数；对所述灰度图像进行超像素分割获得各像素块；基于各像素块中各像素点的雾气颜色差异系数获得各像素块中的雾气颜色特征点；根据各像素块中的雾气颜色特征点和几何中心的相对位置，得到各像素块对应的主方向角度；
基于所述主方向角度和各像素块中各像素点的灰度值，构建各像素块对应的灰度共生矩阵；根据所述灰度共生矩阵，得到各像素块的均匀透射指数；基于所述均匀透射指数判断待检测喷雾机喷头是否存在缺陷。
优选的，所述根据各像素块中的雾气颜色特征点和几何中心的相对位置，得到各像素块对应的主方向角度，包括：
获取各像素块中的雾气颜色特征点与对应几何中心之间的连线，计算所述连线与水平正方向之间的角度，将所述角度作为各像素块对应的主方向角度。
优选的，所述根据所述RGB图像中各像素点以及其预设邻域内的像素点对应的色调、饱和度、亮度，得到所述灰度图像中各像素点的雾气颜色差异系数，包括：
根据各像素点对应的色调、饱和度、亮度，得到各像素点的颜色特征指标；
根据各像素点的颜色特征指标和各像素点的预设邻域内的像素点的颜色特征指标，计算所述灰度图像中各像素点的雾气颜色差异系数。
优选的，采用如下公式计算所述灰度图像中各像素点的雾气颜色差异系数：
其中，为第i个像素点的雾气颜色差异系数，/>为第i个像素点的颜色特征指标，/>为第i个像素点的预设邻域内第t个像素点的颜色特征指标，/>为第i个像素点的预设邻域内像素点的数量，/>为以自然常数为底数的对数函数，/>为取绝对值，/>为预设调整参数，/>。
优选的，所述基于各像素块中各像素点的雾气颜色差异系数获得各像素块中的雾气颜色特征点，包括：以雾气颜色差异系数作为基础数据，获得各像素块的质心，将所述质心作为各像素块中的雾气颜色特征点。
优选的，所述根据所述灰度共生矩阵，得到各像素块的均匀透射指数，包括：根据各像素块对应的灰度共生矩阵，计算各像素块对应的对比度，将所述对比度作为各像素块的均匀透射指数。
优选的，所述基于所述均匀透射指数判断待检测喷雾机喷头是否存在缺陷，包括：
根据各像素块的均匀透射指数与所有像素块的均匀透射指数的均值的差异，得到所述灰度图像对应的差异指标，所述各像素块的均匀透射指数与所有像素块的均匀透射指数的均值的差异和所述差异指标呈正相关关系；
根据所述差异指标判断待检测喷雾机喷头是否存在缺陷。
优选的，所述差异指标的计算公式为：
其中，为雾气区域的灰度图像对应的差异指标，/>为雾气区域的灰度图像中第k个像素块的均匀透射指数，/>为雾气区域的灰度图像中像素块的总个数，/>为雾气区域的灰度图像中所有像素块的均匀透射指数的均值。
优选的，所述根据所述差异指标判断待检测喷雾机喷头是否存在缺陷，包括：
对所述差异指标进行归一化处理获得归一化处理后的差异指标，判断归一化处理后的差异指标是否大于差异指标阈值，若大于，则判定待检测喷雾机喷头存在缺陷，若小于等于，则判定待检测喷雾机喷头不存在缺陷。
优选的，根据各像素点对应的色调、饱和度、亮度，得到各像素点的颜色特征指标，包括：
分别对各像素点对应的色调、饱和度、亮度进行归一化处理，得到各像素点对应的色调的归一化值、饱和度的归一化值、亮度的归一化值；
计算各像素点对应的色调的归一化值、饱和度的归一化值以及亮度的归一化值的乘积，将所述乘积作各像素点的颜色特征指标。
本发明至少具有如下有益效果：
本发明根据待检测喷雾机喷洒后的雾气区域的RGB图像中不同像素点的颜色特征信息，得到了各像素点的雾气颜色差异系数，雾气颜色差异系数用于表征不同位置的像素点与其周围像素点的颜色特征的差异情况，若待检测喷雾机喷头不存在缺陷，则其喷洒的雾气应当较为均匀；本发明对待检测喷雾机喷头喷洒后的雾气区域的灰度图像进行了超像素分割获得多个像素块，每个像素块能够反映雾气的局部状态，因此结合雾气颜色差异系数分别对每个像素块进行单独分析，基于每个像素块中的雾气颜色特征点和几何中心的相对位置，确定每个像素块对应的主方向角度，主方向角度能够准确地描述对应雾气局部区域的方向，因此本发明根据主方向角度构建灰度共生矩阵，进而得到每个像素块的均匀透射指数，判断待检测喷雾机喷头是否存在缺陷，规避了传统灰度共生矩阵中人为设置角度的主观因素对最终缺陷检测精度带来的影响，提高了喷雾机喷头缺陷检测的准确精度。
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喷雾机喷头的缺陷检测方法的流程图。
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喷雾机喷头的缺陷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喷雾机喷头的缺陷检测方法的具体方案。
一种喷雾机喷头的缺陷检测方法实施例：
本实施例提出了一种喷雾机喷头的缺陷检测方法，如图1所示，本实施例的一种喷雾机喷头的缺陷检测方法包括以下步骤：
步骤S1，获取待检测喷雾机喷头喷洒后的雾气区域的RGB图像以及对应的灰度图像。
本实施例所针对的具体场景为：利用待检测的喷雾机喷头喷洒雾气，并布置相机采集雾气图像，基于采集到的雾气图像对待检测喷雾机喷出的雾气状态进行检测，以判断待检测喷雾机喷头是否存在缺陷。
为了避免图像采集设备在采集拍摄过程中图像呈像质量不高，从而影响最终待检测喷雾机喷头缺陷检测的准确性效果，本实施例使用呈像质量较高、细节特征保留清晰的CCD相机对待检测的喷雾机喷头喷洒雾气之后的雾气进行拍摄，得到RGB颜色空间下的初始雾气状态图像；为了避免图像采集过程中工作环境中的噪声对后续待检测喷雾机喷头缺陷检测准确精度的影响，本实施例使用高斯滤波算法对采集到的初始雾气状态图像进行去噪处理，获得去噪后的雾气状态图像，尽可能减弱甚至消除噪声对后续喷雾机喷头缺陷检测准确性的影响；对去噪后的雾气状态图像进行灰度化处理，获得雾气状态灰度图像。
通过上述步骤获得雾气状态灰度图像，但考虑到获取的雾气状态灰度图像中可能包含较多无用的背景信息，这些背景信息不仅会影响后续雾气状态判断的准确性，还会增加计算量，降低实时性效果，因此需要首先获取雾气状态灰度图像中雾气区域的图像。
由于喷雾机喷出的雾气在空气中特征不明显，因此使用传统阈值分割算法可能无法较好地提取雾气区域图像，为了避免雾气分割过程中分割误差较大的情况出现，本实施例根据大气散射模型和Retinex理论，采用含有色彩恢复的多尺度Retinex方法对雾气状态灰度图像进行处理，获得去除雾气后的灰度图像，利用雾气状态灰度图像减去除雾气后的灰度图像，将获得的图像记为雾气区域的灰度图像，并基于雾气区域的灰度图像从去噪后的雾气状态图像中获取雾气区域的RGB图像，雾气区域的灰度图像与雾气区域的RGB图像中的像素点一一对应；多尺度Retinex方法为现有技术，此处不再过多赘述。由于去雾后图像与原始图像在非雾气位置处差异不大，做差后得到雾气区域的灰度图像在非雾气位置处像素点的数值接近0，而在雾气位置存在较大的数值，根据这种差异，使用大津法能够分割得到雾气位置处的图像，避免背景位置像素点信息对后续缺陷检测的干扰。
至此，获得了待检测喷雾机喷头喷洒后的雾气区域的RGB图像以及对应的灰度图像，用于后续对待检测喷雾机喷头的缺陷检测。
步骤S2，根据所述RGB图像中各像素点以及其预设邻域内的像素点对应的色调、饱和度、亮度，得到所述灰度图像中各像素点的雾气颜色差异系数；对所述灰度图像进行超像素分割获得各像素块；基于各像素块中各像素点的雾气颜色差异系数获得各像素块中的雾气颜色特征点；根据各像素块中的雾气颜色特征点和几何中心的相对位置，得到各像素块对应的主方向角度。
为了便于后续获取雾气图像中不同像素点位置处的颜色特征信息，本实施例首先将雾气区域的RGB图像转化到对应的HSV颜色空间中，获取每个像素点在H、S、V三个通道对应的值，也即获取了每个像素点对应的色调、饱和度和亮度。当喷雾机喷头存在缺陷时，雾气区域不同位置处的雾气浓厚程度有所差异，其对应像素点的颜色会呈现出不同的差异。基于此，根据雾气区域的RGB图像中每个像素点对应的色调、饱和度和亮度，确定每个像素点的雾气颜色差异系数。
具体的，对于雾气区域的RGB图像中的第i个像素点，分别对第i个像素点对应的色调、饱和度、亮度进行归一化处理，获得第i个像素点对应的色调的归一化值、饱和度的归一化值、亮度的归一化值，归一化处理消除了不同通道中量纲不一致的影响，计算第i个像素点对应的色调的归一化值、饱和度的归一化值以及亮度的归一化值的乘积，并将该乘积作为第i个像素点的颜色特征指标，也即，其中，/>为第i个像素点的颜色特征指标，/>为第i个像素点对应的色调的归一化值，/>为第i个像素点对应的饱和度的归一化值，/>为第i个像素点对应的亮度的归一化值；采用上述方法，能够获得雾气区域的RGB图像中每个像素点的颜色特征指标，由于雾气区域的RGB图像中的像素点与雾气区域的灰度图像中的像素点存在一一对应的关系，因此相当于获取了雾气区域的灰度图像中每个像素点的颜色特征指标，颜色特征指标能够粗略地反映对应位置处像素点的颜色特征信息。当待检测喷雾机喷头不存在缺陷时，喷洒出来的雾气应当较均匀，因此需要根据图像中每个像素点的颜色特征指标来判断其与周围像素点的颜色差异情况，进而基于颜色差异情况进行进一步的分析。对于雾气区域的灰度图像中的第i个像素点：若该像素点与其预设邻域内的像素点的颜色特征指标差异越大，则说明该像素点处的雾气喷洒的效果越差，基于此，根据第i个像素点的颜色特征指标和第i个像素点的预设邻域内的像素点的颜色特征指标，确定第i个像素点的雾气颜色差异系数，即：
其中，为第i个像素点的雾气颜色差异系数，/>为第i个像素点的预设邻域内第t个像素点的颜色特征指标，/>为第i个像素点的预设邻域内像素点的数量，/>为以自然常数为底数的对数函数，/>为预设调整参数，/>为取绝对值。
表征第i个像素点与其预设邻域内的第t个像素点的颜色特征指标的差异，由于对数形式更加符合人眼亮度感知特性，并且将数据映射到对数空间后可以简化运算，降低计算成本，因此使用自然对数对像素点的雾气颜色差异系数进行计算；引入预设调整参数/>是为了保证对数函数的真数大于1，也即保证雾气颜色差异系数的值不为负数，其中/>的值大于1，本实施例中/>的值为1.01，在具体应用中，实施者可根据具体情况进行设置。当第i个像素点与其预设邻域内的所有像素点的颜色特征指标的差异越大时，说明第i个像素点处雾气喷洒的效果越差，即第i个像素点的雾气颜色差异系数越大；当第i个像素点与其预设邻域内的所有像素点的颜色特征指标的差异越小时，说明第i个像素点处雾气喷洒的效果越好，即第i个像素点的雾气颜色差异系数越小。
采用上述方法，能够获得雾气区域的灰度图像中每个像素点的雾气颜色差异系数。
为了便于后续对雾气区域不同位置处均匀程度进行分析，以判断待检测喷雾机喷头是否存在缺陷，本实施例对将雾气区域的灰度图像进行分块处理，考虑到雾气区域的灰度图像中不同位置可能存在不规则的几何外形，因此采用超像素分割算法对雾气区域的灰度图像进行划分，获得多个像素块，每个像素块为一个局部区域；超像素分割算法为公知技术，此处不再过多赘述。
对于雾气区域的灰度图像中的任一像素块：
获取该像素块中每个像素点的坐标信息，计算该像素块中所有像素点的横坐标的均值和纵坐标的均值/>，将坐标为/>的像素点作为该像素块的几何中心；由于OpenCV能够获得质心，因此本实施例基于该像素块中每个像素点的雾气颜色差异系数，采用获取质心的方法，利用OpenCV来获取该像素块中的一个像素点，并将该像素点记为该像素块中的雾气颜色特征点，也即以雾气颜色差异系数作为基础数据，利用OpenCV获得该像素块的质心，将获得的质心作为该像素块中的雾气颜色特征点，该雾气颜色特征点的坐标为/>，该特征点与整个雾气区域中像素点的雾气颜色差异系数的大小分布存在关联。利用OpenCV获取质心为现有技术，此处不再过多赘述。
采用上述方法，能够获得每个像素块的几何中心和雾气颜色特征点。
传统图像处理算法在确定主方向特征时，通常需要构建相应的变换矩阵，并根据变换矩阵计算得到对应的特征值，从而确定主方向特征。由于雾气表面灰度变化通常较小，因此通过传统算法难以较为准确地获取雾气区域不同位置处的差异情况，本实施例通过结合像素块的几何中心和对应雾气颜色特征点的相对位置，确定每个像素块对应的主方向角度，再基于主方向角度构建对应的灰度共生矩阵，更加贴合雾气区域的灰度图像中不同位置的特点。
对于雾气区域的灰度图像中的任一像素块：获取该像素块中的雾气颜色特征点与几何中心之间的连线，计算该连线与水平正方向之间的角度，将该角度作为该像素块对应的主方向角度；两条直线之间的角度的计算方法为现有技术，此处不再过多赘述。采用上述方法，能够获得雾气区域的灰度图像中每个像素块对应的主方向角度。
步骤S3，基于所述主方向角度和各像素块中各像素点的灰度值，构建各像素块对应的灰度共生矩阵；根据所述灰度共生矩阵，得到各像素块的均匀透射指数；基于所述均匀透射指数判断待检测喷雾机喷头是否存在缺陷。
本实施例在步骤S2中获得了雾气区域的灰度图像中每个像素块对应的主方向角度，当喷雾机喷头发生故障导致喷出的雾气不均匀时，采集到的雾气局部图像中不同像素点位置处雾气的稀薄程度有所不同；当喷雾机喷头无缺陷时，喷出的雾气应当呈现均匀分布的特点，雾气颜色特征点与几何中心应重叠，此时计算得到的角度与喷雾机存在缺陷时对应的角度有较大的差异。
对于雾气区域的灰度图像中的任一像素块：将该像素块作为输入，像素点之间计算间隔为1，统计该像素块中每个像素点的灰度值，在该像素块对应的主方向角度上，提取对应的灰度共生矩阵，根据该像素块对应的灰度共生矩阵，计算该像素块对应的对比度，并将对比度作为该像素块的均匀透射指数；灰度共生矩阵的构建过程以及对比度的计算过程均为图像处理过程中常见的公知技术，此处不再过多赘述。至此，采用上述方法，能够获得雾气区域的灰度图像中每个像素块的均匀透射指数，本实施例通过结合雾气区域的灰度图像中每个像素块对应的主方向特征角度，对待检测喷雾机喷出雾气的区域进行分析，计算雾气区域的灰度图像中每个像素块的均匀透射指数，当某一像素块中雾气分布越不均匀时，该像素块中雾气均匀性越差，待检测喷雾机碰头出现故障的可能性越高。通过上述计算分析，避免了传统灰度共生矩阵中固定特征角度可能对计算结果产生的影响，更好地贴合了雾气局部特征信息。
本实施例得到了雾气区域的灰度图像中每个像素块的均匀透射指数，若待检测喷雾机喷头不存在缺陷，则雾气区域的灰度图像中所有像素块的均匀透射指数应相差不大，具有一致性特点；基于此，本实施例根据雾气区域的灰度图像中每个像素块的均匀透射指数，判断待检测喷雾机喷头是否存在缺陷，具体的，根据雾气区域的灰度图像中每个像素块的均匀透射指数，计算雾气区域的灰度图像对应的差异指标，即：
其中，为雾气区域的灰度图像对应的差异指标，/>为雾气区域的灰度图像中第k个像素块的均匀透射指数，/>为雾气区域的灰度图像中像素块的总个数，/>为雾气区域的灰度图像中所有像素块的均匀透射指数的均值。
当雾气区域的灰度图像中所有像素块的均匀透射指数越接近时，说明待检测喷雾机喷头喷洒的雾气越均匀，待检测喷雾机喷头喷洒的雾气越不可能存在缺陷，雾气区域的灰度图像对应的差异指标越小；当雾气区域的灰度图像中所有像素块的均匀透射指数差异越大时，说明待检测喷雾机喷头喷洒的雾气越不均匀，待检测喷雾机喷头喷洒的雾气越可能存在缺陷，雾气区域的灰度图像对应的差异指标越大。
通过极差归一化算法对雾气区域的灰度图像对应的差异指标进行归一化处理，映射到区间/>上，获得归一化处理后的差异指标。归一化处理后的差异指标越大，说明待检测喷雾机喷头存在缺陷的可能性越大，设置差异指标阈值，判断归一化处理后的差异指标是否大于/>，若大于，则判定待检测喷雾机喷头存在缺陷，需要对待检测喷雾机进行检修或者更换喷头，若小于等于，则判定待检测喷雾机喷头不存在缺陷。本实施例中/>的值为0.7，在具体应用中，实施者可根据具体情况进行设置。
至此，采用本实施例提供的方法，完成对待检测喷雾机喷头的缺陷检测。
本实施例根据待检测喷雾机喷洒后的雾气区域的RGB图像中不同像素点的颜色特征信息，得到了各像素点的雾气颜色差异系数，雾气颜色差异系数用于表征不同位置的像素点与其周围像素点的颜色特征的差异情况，若待检测喷雾机喷头不存在缺陷，则其喷洒的雾气应当较为均匀；本实施例对待检测喷雾机喷头喷洒后的雾气区域的灰度图像进行了超像素分割获得多个像素块，每个像素块能够反映雾气的局部状态，因此结合雾气颜色差异系数分别对每个像素块进行单独分析，基于每个像素块中的雾气颜色特征点和几何中心的相对位置，确定每个像素块对应的主方向角度，主方向角度能够准确地描述对应雾气局部区域的方向，因此本实施例根据主方向角度构建灰度共生矩阵，进而得到每个像素块的均匀透射指数，判断待检测喷雾机喷头是否存在缺陷，规避了传统灰度共生矩阵中人为设置角度的主观因素对最终缺陷检测精度带来的影响，提高了喷雾机喷头缺陷检测的准确精度。
Claims (4)
1.一种喷雾机喷头的缺陷检测方法，其特征在于，该方法包括以下步骤：
获取待检测喷雾机喷头喷洒后的雾气区域的RGB图像以及对应的灰度图像；
根据所述RGB图像中各像素点以及其预设邻域内的像素点对应的色调、饱和度、亮度，得到所述灰度图像中各像素点的雾气颜色差异系数；对所述灰度图像进行超像素分割获得各像素块；基于各像素块中各像素点的雾气颜色差异系数获得各像素块中的雾气颜色特征点；根据各像素块中的雾气颜色特征点和几何中心的相对位置，得到各像素块对应的主方向角度；
基于所述主方向角度和各像素块中各像素点的灰度值，构建各像素块对应的灰度共生矩阵；根据所述灰度共生矩阵，得到各像素块的均匀透射指数；基于所述均匀透射指数判断待检测喷雾机喷头是否存在缺陷；
所述根据所述RGB图像中各像素点以及其预设邻域内的像素点对应的色调、饱和度、亮度，得到所述灰度图像中各像素点的雾气颜色差异系数，包括：
根据各像素点对应的色调、饱和度、亮度，得到各像素点的颜色特征指标；
根据各像素点的颜色特征指标和各像素点的预设邻域内的像素点的颜色特征指标，计算所述灰度图像中各像素点的雾气颜色差异系数；
采用如下公式计算所述灰度图像中各像素点的雾气颜色差异系数：
其中，为第i个像素点的雾气颜色差异系数，/>为第i个像素点的颜色特征指标，为第i个像素点的预设邻域内第t个像素点的颜色特征指标，/>为第i个像素点的预设邻域内像素点的数量，/>为以自然常数为底数的对数函数，/>为取绝对值，/>为预设调整参数，/>；
根据各像素点对应的色调、饱和度、亮度，得到各像素点的颜色特征指标，包括：
分别对各像素点对应的色调、饱和度、亮度进行归一化处理，得到各像素点对应的色调的归一化值、饱和度的归一化值、亮度的归一化值；
计算各像素点对应的色调的归一化值、饱和度的归一化值以及亮度的归一化值的乘积，将所述乘积作各像素点的颜色特征指标；
所述基于所述均匀透射指数判断待检测喷雾机喷头是否存在缺陷，包括：
根据各像素块的均匀透射指数与所有像素块的均匀透射指数的均值的差异，得到所述灰度图像对应的差异指标，所述各像素块的均匀透射指数与所有像素块的均匀透射指数的均值的差异和所述差异指标呈正相关关系；
根据所述差异指标判断待检测喷雾机喷头是否存在缺陷；
所述差异指标的计算公式为：
其中，为雾气区域的灰度图像对应的差异指标，/>为雾气区域的灰度图像中第k个像素块的均匀透射指数，/>为雾气区域的灰度图像中像素块的总个数，/>为雾气区域的灰度图像中所有像素块的均匀透射指数的均值；
所述根据所述差异指标判断待检测喷雾机喷头是否存在缺陷，包括：
对所述差异指标进行归一化处理获得归一化处理后的差异指标，判断归一化处理后的差异指标是否大于差异指标阈值，若大于，则判定待检测喷雾机喷头存在缺陷，若小于等于，则判定待检测喷雾机喷头不存在缺陷。
2.根据权利要求1所述的一种喷雾机喷头的缺陷检测方法，其特征在于，所述根据各像素块中的雾气颜色特征点和几何中心的相对位置，得到各像素块对应的主方向角度，包括：
获取各像素块中的雾气颜色特征点与对应几何中心之间的连线，计算所述连线与水平正方向之间的角度，将所述角度作为各像素块对应的主方向角度。
3.根据权利要求1所述的一种喷雾机喷头的缺陷检测方法，其特征在于，所述基于各像素块中各像素点的雾气颜色差异系数获得各像素块中的雾气颜色特征点，包括：以雾气颜色差异系数作为基础数据，获得各像素块的质心，将所述质心作为各像素块中的雾气颜色特征点。
4.根据权利要求1所述的一种喷雾机喷头的缺陷检测方法，其特征在于，所述根据所述灰度共生矩阵，得到各像素块的均匀透射指数，包括：根据各像素块对应的灰度共生矩阵，计算各像素块对应的对比度，将所述对比度作为各像素块的均匀透射指数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311047540.0A CN116805313B (zh) | 2023-08-21 | 2023-08-21 | 一种喷雾机喷头的缺陷检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311047540.0A CN116805313B (zh) | 2023-08-21 | 2023-08-21 | 一种喷雾机喷头的缺陷检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116805313A CN116805313A (zh) | 2023-09-26 |
| CN116805313B true CN116805313B (zh) | 2023-12-01 |
Family
ID=88079550
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311047540.0A Active CN116805313B (zh) | 2023-08-21 | 2023-08-21 | 一种喷雾机喷头的缺陷检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116805313B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117058142B (zh) * | 2023-10-11 | 2023-12-19 | 贵州省畜牧兽医研究所 | 基于机器视觉的鹅舍消杀喷液图像检测方法 |
| CN117095067B (zh) * | 2023-10-17 | 2024-02-02 | 山东虹纬纺织有限公司 | 基于人工智能的纺织品色差检测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019032268A (ja) * | 2017-08-09 | 2019-02-28 | 日立金属株式会社 | 表面欠陥判定方法および表面欠陥検査装置 |
| CN115294113A (zh) * | 2022-09-30 | 2022-11-04 | 南通佳木汇木制品有限公司 | 一种木饰面板质量检测方法 |
| CN115330796A (zh) * | 2022-10-13 | 2022-11-11 | 江苏昱恒电气有限公司 | 一种铜线镀锡缺陷识别方法 |
| CN115861721A (zh) * | 2023-02-28 | 2023-03-28 | 山东大佳机械有限公司 | 基于图像数据的畜禽养殖喷雾设备状态识别方法 |
| CN115937199A (zh) * | 2023-01-06 | 2023-04-07 | 山东济宁圣地电业集团有限公司 | 一种用于电力配电柜绝缘层的喷涂质量检测方法 |
| CN116029988A (zh) * | 2022-12-16 | 2023-04-28 | 江苏大学 | 一种燃油气泡喷嘴内外部雾化过程的检测系统及检测方法 |
| CN116596905A (zh) * | 2023-05-29 | 2023-08-15 | 杭州垣奕信息技术发展有限公司 | 一种集成电路芯片表面缺陷检测方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10656066B2 (en) * | 2015-03-09 | 2020-05-19 | Isp Investments Llc | Spray characterization by optical image analysis |
| EP3082102A1 (de) * | 2015-04-13 | 2016-10-19 | MTU Aero Engines GmbH | Verfahren zum evaluieren wenigstens einer mittels eines generativen pulverschichtverfahrens hergestellten bauteilschicht |
| CN108986119B (zh) * | 2018-07-25 | 2020-07-28 | 京东方科技集团股份有限公司 | 图像分割方法及装置、计算机设备及可读存储介质 |
| WO2020160839A1 (en) * | 2019-02-08 | 2020-08-13 | Carl Zeiss Meditec Ag | Segmentation and classification of geographic atrophy patterns in patients with age related macular degeneration in widefield autofluorescence images |
| US11505884B2 (en) * | 2019-03-18 | 2022-11-22 | The Procter & Gamble Company | Shaped nonwovens that exhibit high visual resolution |
| US20230177801A1 (en) * | 2021-11-30 | 2023-06-08 | Viettel Group | Method of salient object detection in images |
-
2023
- 2023-08-21 CN CN202311047540.0A patent/CN116805313B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019032268A (ja) * | 2017-08-09 | 2019-02-28 | 日立金属株式会社 | 表面欠陥判定方法および表面欠陥検査装置 |
| CN115294113A (zh) * | 2022-09-30 | 2022-11-04 | 南通佳木汇木制品有限公司 | 一种木饰面板质量检测方法 |
| CN115330796A (zh) * | 2022-10-13 | 2022-11-11 | 江苏昱恒电气有限公司 | 一种铜线镀锡缺陷识别方法 |
| CN116029988A (zh) * | 2022-12-16 | 2023-04-28 | 江苏大学 | 一种燃油气泡喷嘴内外部雾化过程的检测系统及检测方法 |
| CN115937199A (zh) * | 2023-01-06 | 2023-04-07 | 山东济宁圣地电业集团有限公司 | 一种用于电力配电柜绝缘层的喷涂质量检测方法 |
| CN115861721A (zh) * | 2023-02-28 | 2023-03-28 | 山东大佳机械有限公司 | 基于图像数据的畜禽养殖喷雾设备状态识别方法 |
| CN116596905A (zh) * | 2023-05-29 | 2023-08-15 | 杭州垣奕信息技术发展有限公司 | 一种集成电路芯片表面缺陷检测方法 |
Non-Patent Citations (5)
| Title |
|---|
| Automatic Spraying of Insulator Persistent Room Temperature Vulcanized Coating Based on Digital Image Processing;Yue Zuo;2023 IEEE 3rd International Conference on Power, Electronics and Computer Applications (ICPECA);全文 * |
| 基于HSI空间和引导滤波的焊缝图像伪彩色增强;阙禄松;王明泉;张俊生;李汉;;中国科技论文(第03期);全文 * |
| 基于图像分割和局部亮度调整的微光图像颜色传递算法;辛浪;刘钧;袁渊;;应用光学(第02期);全文 * |
| 基于颜色和纹理特征的输电线路锈蚀区域检测;戴玉静;吕东辉;郭松鸽;;工业控制计算机(第09期);全文 * |
| 基于高光谱图像信息融合的红提糖度无损检测;高升;王巧华;;发光学报(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116805313A (zh) | 2023-09-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116805313B (zh) | 一种喷雾机喷头的缺陷检测方法 | |
| CN110232389B (zh) | 一种基于绿色作物特征提取不变性的立体视觉导航方法 | |
| CN110427922A (zh) | 一种基于机器视觉和卷积神经网络病虫害识别系统和方法 | |
| CN108040997B (zh) | 一种基于机器视觉的虫害监测方法 | |
| US10729117B2 (en) | Pest monitoring method based on machine vision | |
| Tong et al. | Skewness correction and quality evaluation of plug seedling images based on Canny operator and Hough transform | |
| CN111598791B (zh) | 一种基于改进动态大气散射系数函数的图像去雾方法 | |
| CN116912250B (zh) | 基于机器视觉的菌包生产质量检测方法 | |
| CN115861721B (zh) | 基于图像数据的畜禽养殖喷雾设备状态识别方法 | |
| CN113706566B (zh) | 一种基于边缘检测的加香喷雾性能检测方法 | |
| CN117115210B (zh) | 基于物联网的智慧农业监控调节方法 | |
| CN114549441A (zh) | 基于图像处理的吸管缺陷检测方法 | |
| CN111325688B (zh) | 融合形态学聚类优化大气光的无人机图像去雾方法 | |
| CN115687850A (zh) | 一种农田的灌溉需水量计算方法及装置 | |
| CN111369497B (zh) | 一种行走式树上果实连续计数方法及装置 | |
| CN110796654A (zh) | 一种引导线检测方法、装置、设备、轮胎吊及介质 | |
| TWI383690B (zh) | 影像處理的方法 | |
| CN107330906A (zh) | 基于曲线拟合的改进细化算法 | |
| CN111882549B (zh) | 一种灰绿色细小异纤自动检测识别方法及检测识别系统 | |
| CN115661244A (zh) | 一种基于机器视觉的消毒门喷雾精准定位识别方法 | |
| CN109285141B (zh) | 一种植保无人机喷施效果的实时检测方法 | |
| CN111079530A (zh) | 一种成熟草莓识别的方法 | |
| CN113567058B (zh) | 基于人工智能和视觉感知的光源参数调节方法 | |
| CN112540635B (zh) | 一种基于人工智能的中药生产智能质量控制系统 | |
| CN115409793A (zh) | 一种基于机器视觉的雾滴检测方法及系统 |
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 |