CN116823820B - 一种铝碳质整体塞棒轮廓弯曲检测方法 - Google Patents
一种铝碳质整体塞棒轮廓弯曲检测方法 Download PDFInfo
- Publication number
- CN116823820B CN116823820B CN202311090817.8A CN202311090817A CN116823820B CN 116823820 B CN116823820 B CN 116823820B CN 202311090817 A CN202311090817 A CN 202311090817A CN 116823820 B CN116823820 B CN 116823820B
- Authority
- CN
- China
- Prior art keywords
- stopper
- edge
- point
- pixel
- pixel point
- 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
- 238000005452 bending Methods 0.000 title claims abstract description 34
- RQMIWLMVTCKXAQ-UHFFFAOYSA-N [AlH3].[C] Chemical compound [AlH3].[C] RQMIWLMVTCKXAQ-UHFFFAOYSA-N 0.000 title claims abstract description 32
- 238000001514 detection method Methods 0.000 title claims abstract description 23
- 238000009826 distribution Methods 0.000 claims abstract description 19
- 238000003708 edge detection Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 50
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000005266 casting Methods 0.000 description 3
- 238000009749 continuous casting Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000764238 Isis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000010586 diagram 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
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30116—Casting
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (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,提出了一种铝碳质整体塞棒轮廓弯曲检测方法,获取整体塞棒灰度图像;根据灰度分布得到塞棒亮度,根据像素点的塞棒亮度得到光强界限,利用光强界限获取区域内的光弱敏像点,根据像素点邻域窗口内光弱敏像点的分布情况得到各个像素点的塞棒哑光指数,分析塞棒哑光指数得到疑似塞棒边缘点,根据塞棒哑光指数计算疑似塞棒边缘点的塞棒边缘置信度,根据塞棒边缘置信度得到塞棒边缘显著值,对像素点的塞棒边缘显著值进行边缘检测获取边缘像素点,计算边缘像素点曲率,实现对整体塞棒轮廓的弯曲检测。本发明旨在提高塞棒轮廓边缘检测的精度,实现塞棒轮廓弯曲程度的精确检测。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种铝碳质整体塞棒轮廓弯曲检测方法。
背景技术
整体塞棒是一种连续铸钢的设备,连铸三大件之一,是中间包内主要的控流装置,安装在中间包内,与内装浸入式水口或中间包水口配合使用。在整体塞棒的制造过程中,可能会由于制造时材料密度分布不均匀、冷却速率过快等问题,都有可能导致成品弯曲。而整体塞棒在连铸过程中承担着重要的控流作用,如果弯曲程度过大,可能会导致钢水流动受阻或不均匀,影响钢水流量的控制,进而影响浇铸速度和铸坯的形状,最终可能导致铸坯质量不稳定。而且整体塞棒在工作过程中,如果弯曲严重,可能导致整体塞棒松动或断裂,造成连铸过程后续一系列的故障,甚至可能对设备和生产人员造成安全隐患。
传统的边缘检测算法大多直接采用像素点的梯度值实现边缘检测,而整体塞棒由于批量放置,轮廓边缘之间极易重叠遮挡,从而导致边缘检测误差较大的现象。
综上所述,本发明提出一种铝碳质整体塞棒轮廓弯曲检测方法,通过获取整体塞棒灰度图,根据灰度分布情况得到各个像素点的塞棒边缘显著值,替换传统边缘检测中的梯度值,提高边缘检测的准确率。
发明内容
为了解决上述技术问题,本发明提供一种铝碳质整体塞棒轮廓弯曲检测方法,以解决现有的问题。
本发明的一种铝碳质整体塞棒轮廓弯曲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铝碳质整体塞棒轮廓弯曲检测方法,该方法包括以下步骤:
采集整体塞棒图像;
将整体塞棒灰度图进行阈值分割获取整体塞棒区域;根据整体塞棒区域内像素点的灰度分布得到各个像素点的塞棒亮度,根据塞棒亮度的变化幅度得到光强界限,将塞棒亮度小于光强界限的像素点记为光弱敏像点;根据各像素点邻域窗口内光弱敏像点的分布情况得到各像素点的密点偏移因子;根据各像素点的密点偏移因子以及像素点邻域窗口内光弱敏像点的数量得到各个像素点的塞棒哑光指数;
将塞棒哑光指数大于阈值的像素点作为疑似塞棒边缘点,根据各疑似塞棒边缘点邻域窗口内行列间的关系得到各疑似塞棒边缘点的塞棒哑光指数相关性,根据疑似塞棒边缘点的塞棒哑光指数相关性及塞棒亮度得到疑似塞棒边缘点的塞棒哑光一致性;
根据各像素点的塞棒哑光指数以及疑似塞棒边缘点的塞棒哑光一致性得到各像素点的塞棒边缘置信度,结合各像素点的塞棒边缘置信度及梯度得到各像素点的塞棒边缘显著值,根据各像素点的塞棒边缘显著值进行边缘检测获取各边缘像素点;根据各边缘像素点的曲率完成铝碳质整体塞棒轮廓弯曲检测。
优选的,所述根据整体塞棒区域内像素点的灰度分布得到各个像素点的塞棒亮度,表达式为:
式中,为整体塞棒区域内像素点/>的塞棒亮度,/>为像素点/>的灰度值,/>为整体塞棒区域内灰度最小值,/>为整体塞棒区域内灰度最大值。
优选的,所述根据塞棒亮度的变化幅度得到光强界限,包括:
计算整体塞棒区域内像素点的塞棒亮度最大值与最小值的差值,将二分之一所述差值与调节系数的乘积作为光强界限。
优选的,所述根据各像素点邻域窗口内光弱敏像点的分布情况得到各像素点的密点偏移因子,表达式为:
式中,为像素点的密点偏移因子,/>为像素点邻域窗口内光弱敏像点的个数,像素点邻域窗口内第j个光弱敏像点与邻域窗口中心像素点的欧式距离,/>为像素点邻域窗口内第k个光弱敏像点与指定像素点的欧式距离;其中,所述指定像素点为像素点邻域窗口内与各个光弱敏像点欧式距离之和最小的像素点。
优选的,所述根据各像素点的密点偏移因子以及像素点邻域窗口内光弱敏像点的数量得到各个像素点的塞棒哑光指数,包括:
统计各个像素点邻域窗口内光弱敏像点的个数,将光弱敏像点的个数与密点偏移因子的比值作为以自然常数e为底的指数函数的幂,将所述指数函数作为各像素点的塞棒哑光指数。
优选的,所述根据各疑似塞棒边缘点邻域窗口内行列间的关系得到各疑似塞棒边缘点的塞棒哑光指数相关性,包括:
针对各疑似塞棒边缘点,计算邻域窗口内不同行之间的皮尔逊相关系数与不同列之间的皮尔逊相关系数的和值,记为第一和值,并计算邻域窗口内行之间排列组合数与列之间排列组合数的和值,记为第二和值,将第一和值与第二和值的比值作为疑似塞棒边缘点的塞棒哑光指数相关性。
优选的,所述根据疑似塞棒边缘点的塞棒哑光指数相关性及塞棒亮度得到疑似塞棒边缘点的塞棒哑光一致性,具体包括:计算疑似塞棒边缘点的塞棒哑光指数相关性与疑似塞棒边缘点邻域窗口内的亮度标准差的乘积,将所述乘积作为疑似塞棒边缘点的塞棒哑光一致性。
优选的,所述根据各像素点的塞棒哑光指数以及疑似塞棒边缘点的塞棒哑光一致性得到各像素点的塞棒边缘置信度,具体步骤包括:
对于各疑似塞棒边缘点,将塞棒哑光指数与塞棒哑光一致性的比值作为疑似塞棒边缘点的塞棒边缘置信度,对于各非疑似塞棒边缘点,将塞棒哑光指数作为非疑似塞棒边缘点的塞棒边缘置信度。
优选的,所述结合各像素点的塞棒边缘置信度及梯度得到各像素点的塞棒边缘显著值,具体步骤包括:
将各像素点塞棒边缘置信度与梯度的乘积作为各像素点的塞棒边缘显著值。
优选的,所述根据各边缘像素点的曲率完成铝碳质整体塞棒轮廓弯曲检测,具体步骤包括:
当边缘像素点的曲率处于标准范围内时,整体塞棒轮廓弯曲检测为正常,当边缘像素点的曲率处于标准范围之外时,整体塞棒轮廓弯曲检测为异常。
本发明至少具有如下有益效果:
本发明主要通过整体塞棒图像的灰度特征、边缘轮廓特征对整体塞棒的边缘进行检测,得到塞棒的边缘像素点,对边缘像素点进行曲率计算,实现整体塞棒轮廓的弯曲检测,提高了整体塞棒弯曲检测的准确率。本发明结合整体塞棒图像区域内的塞棒哑光指数及特殊像素点的塞棒哑光一致性进行综合分析,提高了整体塞棒边缘检测的完整度及精度;
进一步,本发明将像素点进行划分为光弱敏像点和光强敏像点,对像素点进行自适应分析,结合塞棒哑光一致性及塞棒哑光指数得到各个像素点的塞棒边缘置信度,进而获取各像素点的塞棒边缘显著值,实现整体塞棒轮廓弯曲检测,解决了整体塞棒由于批量堆砌在一起,导致边缘存在遮挡、不清晰的问题,传统边缘检测算法边缘提取准确率低的问题。本发明具有边缘提取完整度高、准确率高、整体塞棒轮廓弯曲检测效果更好等有益效果。
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为本发明一个实施例提供的一种铝碳质整体塞棒轮廓弯曲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铝碳质整体塞棒轮廓弯曲检测方法,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铝碳质整体塞棒轮廓弯曲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铝碳质整体塞棒轮廓弯曲检测方法的步骤流程图,该方法包括以下步骤:
步骤S001,通过图像采集装置获取铝碳质整体塞棒图像,并进行预处理。
具体的,首先本实施例将通过使用CMOS相机在均匀的光线条件下正面获取铝碳质整体塞棒的表面RGB图像,作为铝碳质整体塞棒轮廓弯曲检测的数据来源,需要说明的是,铝碳质整体塞棒图像的获取方法有很多,具体的图像获取方法可通过现有技术实现,不在本实施例保护范围内,不做相关详细阐述;
然后,将铝碳质整体塞棒图像转化为灰度图像,具体方法为平均值法,其次,对铝碳质整体塞棒灰度图像使用导向滤波去噪算法进行去噪,去除噪声干扰,由于平均值法、导向滤波去噪算法均为现有公知技术,在此不做详细陈述。
至此,即可根据本实施例上述方法获取铝碳质整体塞棒表面去噪灰度图像,作为后续铝碳质整体塞棒轮廓弯曲检测的数据基础。
步骤S002,基于预处理后的铝碳质整体塞棒灰度图像进行阈值分割,获取整体塞棒区域,根据整体塞棒区域内各个像素点的灰度分布情况以及边缘轮廓特征得到各个像素点的塞棒边缘显著值。
具体的,本实施例将根据铝碳质整体塞棒图像的灰度分布特征进行阈值分割,获取整体塞棒区域,根据整体塞棒区域内的灰度特征、亮度特征以及像素点之间的相关性,得到各像素点的塞棒边缘显著值,由于整体塞棒大多是成排摆放,形成塞棒堆,塞棒之间相互粘连、遮挡,导致边缘轮廓没有较大的梯度,传统的Canny边缘检测算法利用梯度无法准确完整的提取边缘,因此本实施例将对塞棒的边缘特征进行分析,构建塞棒边缘显著值,替换Canny边缘检测算法中的梯度值,提高了铝碳质整体塞棒边缘检测的准确率,实现整体塞棒轮廓的弯曲检测。铝碳质整体塞棒各像素点的塞棒边缘显著值的构建过程具体为:
首先,对预处理后的铝碳质整体塞棒图像使用OTSU大津法进行分割,得到整体塞棒区域,将该区域记为A,根据区域A内灰度的最值分布得到塞棒亮度,OTSU大津法为现有公知技术,不在本实施例保护范围内,在此不做相关详细阐述,所述塞棒亮度具体表达式为:
式中,为区域A中第i个像素点的塞棒亮度,/>为该区域A中第i个像素点的塞棒灰度值,/>为区域A中的灰度最大值,/>为区域A中的灰度最小值,当该像素点的灰度值/>越大,该点的塞棒亮度就越大。
此时区域A中每个像素点都具有一个塞棒亮度值,且值域为[0,1],统计区域A中所有像素点的塞棒亮度值,可得该区域塞棒亮度最大值为,塞棒亮度最小值为/>。根据塞棒亮度的最大值和最小值构建光强界限,所述光强界限具体表达式为:
式中,为光强界限,/>为塞棒亮度最大值,/>为塞棒亮度最小值,/>为调节系数,可对光强界限进行一定程度的调整,本实施例中/>,具体操作过程中可根据实际情况进行调整。
根据计算得到的光强界限值,将区域A中的塞棒亮度大于光强界限的像素点定义为光强敏像点,将区域A中塞棒亮度小于光强界限的像素点定义为光弱敏像点。
在区域A中,以每个像素点为中心,构建一个L*L的邻域滑动窗口,步长为d,其中窗口尺寸以及滑动步长的取值实施者可自行设定,本实施例对此不做限制,本实施例中L=5,d=1。获取该邻域窗口中各个光弱敏像点的个数与分布情况,获取距离各个光弱敏像点欧式距离之和最小的像素点,将该像素点记为,通过计算/>像素点距离邻域窗口中心像素点之间的距离得到密点偏移因子,所述密点偏移因子具体表达式为:
式中,为密点偏移因子,/>为像素点邻域窗口中第j个光弱敏像点与邻域窗口中心像素点的欧式距离,/>为像素点邻域窗口中第k个光弱敏像点与像素点/>间的欧式距离,/>为像素点邻域窗口内光弱敏像点的个数。
根据各个像素点邻域窗口内所求的密点偏移因子得到各像素点的塞棒哑光指数,所述塞棒哑光指数具体表达式为:
式中,为各个像素点的塞棒哑光指数,/>为像素点邻域窗口内光弱敏像点的个数,/>为密点偏移因子,像素点邻域窗口的密点偏移因子/>越小,说明该邻域窗口中心点与光弱敏像点分布的密度中心点之间的偏移距离越小,该邻域窗口的光弱敏像点分布的越密集、越集中,同时该邻域窗口光弱敏像点越多,说明该邻域窗口亮度低、越呈现哑光,则该像素点的塞棒哑光指数/>便越大,对各像素点的塞棒哑光指数进行归一化,值域为,记为/>。
至此,可得所有整体塞棒区域A中每个像素点的塞棒哑光指数,在单个塞棒中,一个水平上存在一个亮度最大的像素点,而且亮度从该点的两侧逐渐减弱,对单个塞棒而言,塞棒哑光指数由于两侧亮度逐渐减弱,水平上亮度最大的点,光弱敏像点少、稀疏,点的塞棒哑光指数较小,而两侧光弱敏像点逐渐增多、密集,塞棒哑光指数逐渐增加,塞棒边缘点的塞棒哑光指数/>较大,两侧中间像素点的塞棒哑光指数/>大多在两值之间,小于边缘点,大于亮度最大点。
针对实际拍摄的整体塞棒图像,由于塞棒可能存在弯曲、破损等异常情况,导致塞棒与塞棒之间存在间隙,前排塞棒边缘点与后排塞棒棒体像素点之间存在相互干扰,仅使用塞棒哑光指数无法准确实现塞棒边缘像素点的提取,基于此,根据整体塞棒区域的塞棒哑光指数分布情况设定阈值,将塞棒哑光指数大于或等于阈值的像素点记为疑似塞棒边缘点,将塞棒哑光指数小于阈值的像素点记为非疑似塞棒边缘点,针对各个疑似塞棒边缘点,构建5*5的邻域窗口,通过计算邻域窗口内行与行之间、列与列之间的相关性,得到塞棒哑光指数相关性,所述塞棒哑光指数相关性具体表达式为:
式中,为塞棒哑光指数相关性,/>疑似塞棒边缘点邻域窗口内的行坐标,/>为/>的行坐标加1,/>为疑似塞棒边缘点邻域窗口内的纵坐标,/>为/>的纵坐标加1,为/>与/>行坐标之间的皮尔逊相关系数,/>为/>与/>纵坐标之间的皮尔逊相关系数,/>表示行和列之间的序列组合总数,将塞棒哑光指数相关性表达式中的记为第一和值,将塞棒哑光指数相关性表达式中的/>记为第二和值。
通过计算疑似塞棒边缘点邻域窗口内的塞棒亮度标准差,结合塞棒哑光指数相关性,得到塞棒哑光一致性,所述塞棒哑光一致性具体表达式为:
式中,为塞棒哑光一致性,/>为塞棒哑光指数相关性,/>为邻域窗口内的塞棒亮度标准差,疑似塞棒边缘点邻域窗口内各行、各列的塞棒哑光指数序列之间相关性越大,即/>越大,同时该邻域窗口各点亮度越均匀,表明该疑似塞棒边缘点的哑光一致性/>越大,该疑似塞棒边缘点越有可能是后排塞棒点,是该列塞棒边缘点的可能性越低。对塞棒哑光一致性/>进行归一化,值域为(0,1],记为/>。
将疑似塞棒边缘点与非疑似塞棒边缘点进行区分,根据塞棒哑光指数与塞棒哑光一致性,构建整体塞棒区域内各个像素点的塞棒边缘置信度,所述塞棒边缘置信度具体表达式为:
式中,为塞棒边缘置信度,/>为塞棒哑光指数,/>为塞棒哑光一致性,当整体塞棒区域内像素点的塞棒哑光指数小于规定阈值时,该像素点的塞棒边缘置信度等于塞棒哑光指数,当像素点的塞棒哑光指数大于规定阈值时,该像素点的塞棒边缘置信度为塞棒哑光指数与塞棒哑光一致性的比值,本实施例中阈值取值为0.7,具体操作过程中可根据实际情况进行调整。将塞棒边缘置信度/>进行归一化,值域为(0,1],记为/>。
在整体塞棒区域A中,每个像素点都具有一个梯度和边缘塞棒边缘置信度,将二者结合构建综合塞棒边缘显著值,所述塞棒边缘显著值具体表达式为:
式中,为塞棒边缘显著值,/>为像素点梯度值,/>为归一化后的塞棒边缘置信度。
步骤S003,针对各像素点构建的塞棒边缘显著值,使用边缘检测算法获取边缘,计算边缘像素点的曲率,根据边缘像素点的曲率对整体塞棒轮廓的弯曲程度进行检测。
得到区域A中每个像素点的塞棒边缘显著值后,利用Canny边缘检测算法,将计算得到的塞棒边缘显著值替换原算法的梯度值,最终得到整体塞棒的边缘轮廓,Canny边缘检测算法为现有公知技术,不在本实施例保护范围内,故在此不再做详细陈述。
针对得到的整体塞棒边缘轮廓像素点进行曲率计算,若边缘像素点的曲率处于标准范围内时,则认为整体塞棒轮廓未发生弯曲,若边缘像素点的曲率处于标准范围之外时,则认为整体塞棒轮廓出现弯曲,从而实现对整体塞棒轮廓弯曲检测,其中标准范围可根据先验知识自行确定,不在本实施例保护范围内,故在此不做详细陈述。
综上所述,本发明实施例解决了传统Canny算法仅利用像素点梯度信息进行边缘检测,导致边缘检测精度低的问题,结合整体塞棒轮廓的边缘特征,提高了整体塞棒边缘检测的准确率,实现整体塞棒轮廓弯曲检测。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,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 (4)
1.一种铝碳质整体塞棒轮廓弯曲检测方法,其特征在于,该方法包括以下步骤:
采集整体塞棒图像;
将整体塞棒灰度图进行阈值分割获取整体塞棒区域;根据整体塞棒区域内像素点的灰度分布得到各个像素点的塞棒亮度,根据塞棒亮度的变化幅度得到光强界限,将塞棒亮度小于光强界限的像素点记为光弱敏像点;根据各像素点邻域窗口内光弱敏像点的分布情况得到各像素点的密点偏移因子;根据各像素点的密点偏移因子以及像素点邻域窗口内光弱敏像点的数量得到各个像素点的塞棒哑光指数;
将塞棒哑光指数大于阈值的像素点作为疑似塞棒边缘点,根据各疑似塞棒边缘点邻域窗口内行列间的关系得到各疑似塞棒边缘点的塞棒哑光指数相关性,根据疑似塞棒边缘点的塞棒哑光指数相关性及塞棒亮度得到疑似塞棒边缘点的塞棒哑光一致性;
根据各像素点的塞棒哑光指数以及疑似塞棒边缘点的塞棒哑光一致性得到各像素点的塞棒边缘置信度,结合各像素点的塞棒边缘置信度及梯度得到各像素点的塞棒边缘显著值,根据各像素点的塞棒边缘显著值进行边缘检测获取各边缘像素点;根据各边缘像素点的曲率完成铝碳质整体塞棒轮廓弯曲检测;
所述根据各像素点邻域窗口内光弱敏像点的分布情况得到各像素点的密点偏移因子,表达式为:
式中,为像素点的密点偏移因子,/>为像素点邻域窗口内光弱敏像点的个数,/>像素点邻域窗口内第j个光弱敏像点与邻域窗口中心像素点的欧式距离,/>为像素点邻域窗口内第k个光弱敏像点与指定像素点的欧式距离;其中,所述指定像素点为像素点的邻域窗口内与各个光弱敏像点欧式距离之和最小的像素点;
所述根据各像素点的密点偏移因子以及像素点邻域窗口内光弱敏像点的数量得到各个像素点的塞棒哑光指数,包括:
统计各个像素点邻域窗口内光弱敏像点的个数,将光弱敏像点的个数与密点偏移因子的比值作为以自然常数e为底的指数函数的幂,将所述指数函数作为各像素点的塞棒哑光指数;
所述根据各疑似塞棒边缘点邻域窗口内行列间的关系得到各疑似塞棒边缘点的塞棒哑光指数相关性,包括:
针对各疑似塞棒边缘点,计算邻域窗口内不同行之间的皮尔逊相关系数与不同列之间的皮尔逊相关系数的和值,记为第一和值,并计算邻域窗口内行之间排列组合数与列之间排列组合数的和值,记为第二和值,将第一和值与第二和值的比值作为疑似塞棒边缘点的塞棒哑光指数相关性;
所述根据疑似塞棒边缘点的塞棒哑光指数相关性及塞棒亮度得到疑似塞棒边缘点的塞棒哑光一致性,包括:
计算疑似塞棒边缘点的塞棒哑光指数相关性与疑似塞棒边缘点邻域窗口内的亮度标准差的乘积,将所述乘积作为疑似塞棒边缘点的塞棒哑光一致性;
所述根据各像素点的塞棒哑光指数以及疑似塞棒边缘点的塞棒哑光一致性得到各像素点的塞棒边缘置信度,包括的具体方法为:
对于各疑似塞棒边缘点,将塞棒哑光指数与塞棒哑光一致性的比值作为疑似塞棒边缘点的塞棒边缘置信度,对于各非疑似塞棒边缘点,将塞棒哑光指数作为非疑似塞棒边缘点的塞棒边缘置信度;
所述结合各像素点的塞棒边缘置信度及梯度得到各像素点的塞棒边缘显著值,包括:
将各像素点塞棒边缘置信度与梯度的乘积作为各像素点的塞棒边缘显著值。
2.根据权利要求1所述的一种铝碳质整体塞棒轮廓弯曲检测方法,其特征在于,所述根据整体塞棒区域内像素点的灰度分布得到各个像素点的塞棒亮度,表达式为:
式中,为整体塞棒区域内像素点/>的塞棒亮度,/>为像素点/>的灰度值,/>为整体塞棒区域内灰度最小值,/>为整体塞棒区域内灰度最大值。
3.根据权利要求1所述的一种铝碳质整体塞棒轮廓弯曲检测方法,其特征在于,所述根据塞棒亮度的变化幅度得到光强界限,包括的具体方法为:
计算整体塞棒区域内像素点的塞棒亮度最大值与最小值的差值,将二分之一所述差值与调节系数的乘积作为光强界限。
4.根据权利要求1所述的一种铝碳质整体塞棒轮廓弯曲检测方法,其特征在于,所述根据各边缘像素点的曲率完成铝碳质整体塞棒轮廓弯曲检测,包括的具体方法为:
当边缘像素点的曲率处于标准范围内时,整体塞棒轮廓弯曲检测为正常,当边缘像素点的曲率处于标准范围之外时,整体塞棒轮廓弯曲检测为异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311090817.8A CN116823820B (zh) | 2023-08-29 | 2023-08-29 | 一种铝碳质整体塞棒轮廓弯曲检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311090817.8A CN116823820B (zh) | 2023-08-29 | 2023-08-29 | 一种铝碳质整体塞棒轮廓弯曲检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116823820A CN116823820A (zh) | 2023-09-29 |
CN116823820B true CN116823820B (zh) | 2023-11-07 |
Family
ID=88141477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311090817.8A Active CN116823820B (zh) | 2023-08-29 | 2023-08-29 | 一种铝碳质整体塞棒轮廓弯曲检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116823820B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117372422B (zh) * | 2023-12-04 | 2024-02-13 | 青岛宜霖赛瑞智能科技有限公司 | 用于零件生产的材料折弯程度检测方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101050104A (zh) * | 2007-04-30 | 2007-10-10 | 山东中齐耐火材料有限公司 | 组合式塞棒棒头的配方及制作方法 |
CN102774539A (zh) * | 2012-06-19 | 2012-11-14 | 武汉科技大学 | 基于改进梯度Hough圆变换的棒材在线自动计数方法 |
FR3003448A1 (fr) * | 2013-03-25 | 2014-09-26 | Oreal | Dipositif comprenant une composition de rouge a levres liquide sous forme d'une emulsion inverse et un organe d'application poreux |
CN105195699A (zh) * | 2015-10-12 | 2015-12-30 | 无锡市惠山合力传热设备厂 | 一种控温连铸机装置 |
CN205957875U (zh) * | 2016-07-29 | 2017-02-15 | 本钢板材股份有限公司 | 一种检查塞棒弯曲的装置 |
CN107586447A (zh) * | 2017-08-29 | 2018-01-16 | 合肥会通新材料有限公司 | 一种哑光pc/pbt合金材料及其制备方法 |
CN109620233A (zh) * | 2019-02-22 | 2019-04-16 | 北京知几未来医疗科技有限公司 | 一种便携式呼气检测装置 |
CN109676106A (zh) * | 2019-02-13 | 2019-04-26 | 衡阳镭目科技有限责任公司 | 一种控制连铸结晶器液面波动的方法及装置 |
CN115018850A (zh) * | 2022-08-09 | 2022-09-06 | 深圳市领拓实业有限公司 | 基于图像处理的精密电子零部件冲压孔毛刺检测方法 |
CN218487213U (zh) * | 2022-10-21 | 2023-02-17 | 青岛东冶耐火材料有限公司 | 一种抗弯矩断裂的塞棒 |
CN116030061A (zh) * | 2023-03-29 | 2023-04-28 | 深圳市捷超行模具有限公司 | 一种基于视觉的硅胶成型效果检测方法 |
WO2023134793A2 (zh) * | 2022-12-13 | 2023-07-20 | 苏州迈创信息技术有限公司 | 基于机器视觉机床零件在线检测方法 |
-
2023
- 2023-08-29 CN CN202311090817.8A patent/CN116823820B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101050104A (zh) * | 2007-04-30 | 2007-10-10 | 山东中齐耐火材料有限公司 | 组合式塞棒棒头的配方及制作方法 |
CN102774539A (zh) * | 2012-06-19 | 2012-11-14 | 武汉科技大学 | 基于改进梯度Hough圆变换的棒材在线自动计数方法 |
FR3003448A1 (fr) * | 2013-03-25 | 2014-09-26 | Oreal | Dipositif comprenant une composition de rouge a levres liquide sous forme d'une emulsion inverse et un organe d'application poreux |
CN105195699A (zh) * | 2015-10-12 | 2015-12-30 | 无锡市惠山合力传热设备厂 | 一种控温连铸机装置 |
CN205957875U (zh) * | 2016-07-29 | 2017-02-15 | 本钢板材股份有限公司 | 一种检查塞棒弯曲的装置 |
CN107586447A (zh) * | 2017-08-29 | 2018-01-16 | 合肥会通新材料有限公司 | 一种哑光pc/pbt合金材料及其制备方法 |
CN109676106A (zh) * | 2019-02-13 | 2019-04-26 | 衡阳镭目科技有限责任公司 | 一种控制连铸结晶器液面波动的方法及装置 |
CN109620233A (zh) * | 2019-02-22 | 2019-04-16 | 北京知几未来医疗科技有限公司 | 一种便携式呼气检测装置 |
CN115018850A (zh) * | 2022-08-09 | 2022-09-06 | 深圳市领拓实业有限公司 | 基于图像处理的精密电子零部件冲压孔毛刺检测方法 |
CN218487213U (zh) * | 2022-10-21 | 2023-02-17 | 青岛东冶耐火材料有限公司 | 一种抗弯矩断裂的塞棒 |
WO2023134793A2 (zh) * | 2022-12-13 | 2023-07-20 | 苏州迈创信息技术有限公司 | 基于机器视觉机床零件在线检测方法 |
CN116030061A (zh) * | 2023-03-29 | 2023-04-28 | 深圳市捷超行模具有限公司 | 一种基于视觉的硅胶成型效果检测方法 |
Non-Patent Citations (4)
Title |
---|
Beam-based RF Station Fault Identification at the Linac Coherent Light Source;Ryan Humble等;arxIV;第1-14页 * |
一种快速鲁棒的红外图像分割方法;杨如林;丑修建;李庆;梁艳菊;;电视技术(第03期);全文 * |
一种连铸机结晶器的液位控制系统;刘国平;机 械 工 程 与 自 动 化;第56-58页 * |
铸流凝固的创新性监视技术;T Lamp;H Köchner;S Schiewe;D Kirsch;T Schramm;N R Puvvada;P JanBen;谭妍;;世界钢铁(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116823820A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117078672B (zh) | 基于计算机视觉的手机屏幕缺陷智能检测方法 | |
CN114862862A (zh) | 一种基于图像处理的泵体冷隔缺陷识别方法与系统 | |
CN100550037C (zh) | 利用改进Hausdorff距离提取识别人耳特征的方法 | |
CN112819845B (zh) | 柔性封装基板轮廓、线宽线距缺陷检测方法及介质和设备 | |
CN116823820B (zh) | 一种铝碳质整体塞棒轮廓弯曲检测方法 | |
CN110472479B (zh) | 一种基于surf特征点提取和局部lbp编码的指静脉识别方法 | |
CN116993731B (zh) | 基于图像的盾构机刀头缺陷检测方法 | |
CN116977329B (zh) | 一种基于机器视觉的光伏板栅线检测方法 | |
CN117197140B (zh) | 基于机器视觉的不规则金属扣成型检测方法 | |
CN114359190B (zh) | 一种基于图像处理的塑料制品成型控制方法 | |
CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
CN117315289B (zh) | 基于图像处理的航空发动机叶片轮廓边缘检测方法 | |
CN117689655B (zh) | 基于计算机视觉的金属钮扣表面缺陷检测方法 | |
CN114118144A (zh) | 抗干扰的航空遥感图像阴影精准检测方法 | |
CN109584253B (zh) | 油液磨粒图像分割方法 | |
CN117058137B (zh) | 一种夹胶玻璃生产质量视觉检测方法 | |
CN110232680B (zh) | 一种图像模糊度评价方法及装置 | |
CN117218122A (zh) | 基于图像数据的手表外壳质量检测方法 | |
CN116110053A (zh) | 基于图像识别的集装箱表面信息检测方法 | |
CN117557820B (zh) | 一种基于机器视觉的量子点光学膜损伤检测方法及系统 | |
CN115223211B (zh) | 一种将静脉图像转化为指纹图像的识别方法 | |
CN104680553A (zh) | 基于双边滤波的可变核函数目标跟踪方法 | |
CN117437228B (zh) | 基于图像特征的光伏钢结构组件断裂检测方法 | |
CN116703903B (zh) | 一种基于机器视觉的锚杆修复质量检测方法 | |
CN115311288B (zh) | 一种汽车贴膜破损检测方法 |
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 |