CN116977358A - 一种瓦楞纸生产品质视觉辅助检测方法 - Google Patents
一种瓦楞纸生产品质视觉辅助检测方法 Download PDFInfo
- Publication number
- CN116977358A CN116977358A CN202311225932.1A CN202311225932A CN116977358A CN 116977358 A CN116977358 A CN 116977358A CN 202311225932 A CN202311225932 A CN 202311225932A CN 116977358 A CN116977358 A CN 116977358A
- Authority
- CN
- China
- Prior art keywords
- washboard
- defect
- suspected
- edge
- connected domain
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 25
- 230000000007 visual effect Effects 0.000 title claims abstract description 18
- 230000007547 defect Effects 0.000 claims abstract description 257
- 241000510097 Megalonaias nervosa Species 0.000 claims abstract description 233
- 230000008859 change Effects 0.000 claims abstract description 39
- 238000003708 edge detection Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000000877 morphologic effect Effects 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 abstract description 15
- 238000012545 processing Methods 0.000 abstract description 4
- 238000005452 bending Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005187 foaming Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000037303 wrinkles 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及图像数据处理技术领域,具体涉及一种瓦楞纸生产品质视觉辅助检测方法,包括:对瓦楞纸表面图像进行边缘检测,得到瓦楞纸表面图像内的边缘线,根据边缘线上所有相邻像素点连线的斜率之间的差异,得到边缘线的直线相似程度,从而检测出边缘线中的疑似搓板缺陷边缘线,进而得到瓦楞纸表面图像内的疑似搓板缺陷连通域,根据疑似搓板缺陷连通域内像素点灰度值之间的差异,确定其灰度变化规律程度,再结合其内的像素点灰度值以及对应的疑似搓板缺陷边缘线的直线相似程度,确定其为搓板缺陷的可能性,由此检测出搓板缺陷连通域。本发明通过分析瓦楞纸表面的搓板现象与不均匀光照现象所具有的不同特征,准确的检测出搓板缺陷。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种瓦楞纸生产品质视觉辅助检测方法。
背景技术
在瓦楞纸的生产过程中,由于生产工艺的影响,瓦楞纸表面会产生一些缺陷,比如起泡、起皱、搓板现象等,所谓搓板现象是指制成后的瓦楞纸板,在其表面面纸上沿楞峰与楞峰的脊背之间产生内凹现象,形状如同家用搓衣板一般,故称之为搓板现象。纸板表面的不平整会造成无法正常印刷,操作者常常会依靠增加印刷压力来完成印刷。这就有可能压扁纸板,从而降低了纸板的物理性能,特别是它的边压强度和平压强度。为了提高瓦楞纸板的检测效率,工业上通常采用机器视觉的方法对瓦楞纸板进行采集检测。它主要通过采集瓦楞纸板图像进行预处理,对数据进行分析后完成目标缺陷的识别与提取。但是在一些特定情况,如搓板现象的检测会存在检测偏差,导致缺陷漏检,达不到理想效果。
现有的问题:传统的检测方法是对图像进行预处理操作,并通过阈值分割得到与背景灰度差异较大的高亮区域,进而判断当前瓦楞纸是否存在搓板缺陷。但由于在检测过程中,工业相机下采集得到的待检测图像中可能存在不均匀光照干扰造成的非搓板缺陷的高亮区域,该区域会对传统方式下的缺陷检测带来较为严重的干扰。
发明内容
本发明提供一种瓦楞纸生产品质视觉辅助检测方法,以解决现有的问题。
本发明的一种瓦楞纸生产品质视觉辅助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瓦楞纸生产品质视觉辅助检测方法,该方法包括以下步骤:
使用工业相机采集瓦楞纸表面图像,对瓦楞纸表面图像进行Canny边缘检测,得到瓦楞纸表面图像内若干条边缘线;根据边缘线上所有相邻像素点连线的斜率之间的差异,得到边缘线的直线相似程度;
根据边缘线的直线相似程度,检测出边缘线中的疑似搓板缺陷边缘线;根据疑似搓板缺陷边缘线,对瓦楞纸表面图像进行二值化处理,得到边缘二值图像;对边缘二值图像进行形态学运算,得到边缘膨胀二值图像;
根据边缘膨胀二值图像和瓦楞纸表面图像内像素点的对应关系,得到瓦楞纸表面图像内的疑似搓板缺陷连通域;根据疑似搓板缺陷连通域内像素点灰度值之间的差异,确定疑似搓板缺陷连通域的灰度变化规律程度;根据疑似搓板缺陷连通域的灰度变化规律程度和像素点灰度值以及对应的疑似搓板缺陷边缘线的直线相似程度,确定疑似搓板缺陷连通域为搓板缺陷的可能性;
根据疑似搓板缺陷连通域为搓板缺陷的可能性,检测出搓板缺陷连通域和正常连通域。
进一步地,所述根据边缘线上所有相邻像素点连线的斜率之间的差异,得到边缘线的直线相似程度,包括的具体步骤如下:
取瓦楞纸表面图像内任意一条边缘线,以所述边缘线上的交叉点为分割点,将所述边缘线分割成若干条边缘线段;
依次统计每一条边缘线段上相邻两个像素点连线的斜率,得到每一条边缘线段对应的斜率序列;
根据所有边缘线段对应的斜率序列中所有相邻数据的差值的绝对值,确定所述边缘线的直线相似程度。
进一步地,所述根据所有边缘线段对应的斜率序列中所有相邻数据的差值的绝对值,确定所述边缘线的直线相似程度对应的具体计算公式为:
其中D为所述边缘线的直线相似程度,和分别为所述边缘线分割的第x条边
缘线段对应的斜率序列中第i+1个数据值和第i个数据值,为所述边缘线分割的第x条
边缘线段对应的斜率序列中的数据数量,y为所述边缘线分割的边缘线段的数量,为
线性归一化函数。
进一步地,所述根据边缘线的直线相似程度,检测出边缘线中的疑似搓板缺陷边缘线;根据疑似搓板缺陷边缘线,对瓦楞纸表面图像进行二值化处理,得到边缘二值图像;对边缘二值图像进行形态学运算,得到边缘膨胀二值图像,包括的具体步骤如下:
将直线相似程度大于预设的程度阈值的边缘线,记为疑似搓板缺陷边缘线;
若瓦楞纸表面图像内不存在疑似搓板缺陷边缘线,判断瓦楞纸表面无搓板缺陷;
若瓦楞纸表面图像内存在疑似搓板缺陷边缘线,令瓦楞纸表面图像内疑似搓板缺陷边缘线上的像素点灰度值为1,其它像素点灰度值为0,得到边缘二值图像;
使用预设的结构元素对边缘二值图像进行形态学膨胀运算,得到边缘膨胀二值图像。
进一步地,所述根据边缘膨胀二值图像和瓦楞纸表面图像内像素点的对应关系,得到瓦楞纸表面图像内的疑似搓板缺陷连通域,包括的具体步骤如下:
根据边缘膨胀二值图像和瓦楞纸表面图像内像素点一一对应的关系,将瓦楞纸表面图像内对应在边缘膨胀二值图像内灰度值为1的像素点,记为疑似搓板缺陷区域;
将瓦楞纸表面图像内疑似搓板缺陷区域内连续相邻的像素点构成的连通域,记为疑似搓板缺陷连通域。
进一步地,所述根据疑似搓板缺陷连通域内像素点灰度值之间的差异,确定疑似搓板缺陷连通域的灰度变化规律程度,包括的具体步骤如下:
从疑似搓板缺陷连通域内的中心像素点开始,沿所述中心像素点的灰度梯度方向逐像素点遍历至疑似搓板缺陷连通域的边界上,依次统计遍历到的像素点灰度值,得到灰度值序列;
根据灰度值序列中所有相邻数据的差异,确定疑似搓板缺陷连通域的灰度变化规律程度。
进一步地,所述根据灰度值序列中所有相邻数据的差异,确定疑似搓板缺陷连通域的灰度变化规律程度对应的具体计算公式为:
其中s为疑似搓板缺陷连通域的灰度变化规律程度,和分别为灰度值序列
中第j个数据值和第j+1个数据值,M为灰度值序列中的数据数量,为线性归一化函
数。
进一步地,所述根据疑似搓板缺陷连通域的灰度变化规律程度和像素点灰度值以及对应的疑似搓板缺陷边缘线的直线相似程度,确定疑似搓板缺陷连通域为搓板缺陷的可能性,包括的具体步骤如下:
根据疑似搓板缺陷连通域的灰度变化规律程度与预设的第一权值的乘积、疑似搓板缺陷连通域内的像素点灰度均值与预设的第二权值的乘积,确定疑似搓板缺陷连通域的缺陷校正系数;
根据疑似搓板缺陷连通域的缺陷校正系数、疑似搓板缺陷连通域对应的所有疑似搓板缺陷边缘线的直线相似程度的均值,确定疑似搓板缺陷连通域为搓板缺陷的可能性。
进一步地,所述根据疑似搓板缺陷连通域的缺陷校正系数、疑似搓板缺陷连通域对应的所有疑似搓板缺陷边缘线的直线相似程度的均值,确定疑似搓板缺陷连通域为搓板缺陷的可能性对应的具体计算公式为:
其中P为疑似搓板缺陷连通域为搓板缺陷的可能性,疑似搓板缺陷连通域对应
的所有疑似搓板缺陷边缘线的直线相似程度的均值,s为疑似搓板缺陷连通域的灰度变化
规律程度,t为疑似搓板缺陷连通域内的像素点灰度均值,为预设的第一权值,为预设
的第二权值,a为预设的常数,为疑似搓板缺陷连通域的缺陷校正系数,为线性归一化函数。
进一步地,所述根据疑似搓板缺陷连通域为搓板缺陷的可能性,检测出搓板缺陷连通域和正常连通域,包括的具体步骤如下:
将为搓板缺陷的可能性大于预设的缺陷阈值的疑似搓板缺陷连通域,记为搓板缺陷连通域;
将为搓板缺陷的可能性小于等于预设的缺陷阈值的疑似搓板缺陷连通域,记为正常连通域。
本发明的技术方案的有益效果是:
本发明实施例中,对瓦楞纸表面图像进行Canny边缘检测,得到瓦楞纸表面图像内的边缘线,根据边缘线上所有相邻像素点连线的斜率之间的差异,得到边缘线的直线相似程度,从而检测出边缘线中的疑似搓板缺陷边缘线,由于不均匀光照造成的高亮区域可能存在弯曲程度较低的边缘,影响搓板缺陷的识别,因此再对瓦楞纸表面图像进行二值化处理,得到边缘二值图像,对边缘二值图像进行形态学运算,得到边缘膨胀二值图像。根据边缘膨胀二值图像和瓦楞纸表面图像内像素点的对应关系,得到瓦楞纸表面图像内的疑似搓板缺陷连通域,根据疑似搓板缺陷连通域内像素点灰度值之间的差异,确定疑似搓板缺陷连通域的灰度变化规律程度,根据疑似搓板缺陷连通域的灰度变化规律程度和像素点灰度值以及对应的疑似搓板缺陷边缘线的直线相似程度,确定疑似搓板缺陷连通域为搓板缺陷的可能性,由此检测出搓板缺陷连通域。其通过瓦楞纸表面的搓板现象与不均匀光照现象所具有的不同特征,准确的提取瓦楞纸表面的搓板缺陷,并排除了光照形成的色差与纸面不规则纹路引起的干扰。
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为本发明一种瓦楞纸生产品质视觉辅助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瓦楞纸生产品质视觉辅助检测方法,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瓦楞纸生产品质视觉辅助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瓦楞纸生产品质视觉辅助检测方法的步骤流程图,该方法包括以下步骤:
步骤S001:使用工业相机采集瓦楞纸表面图像,对瓦楞纸表面图像进行Canny边缘检测,得到瓦楞纸表面图像内若干条边缘线;根据边缘线上所有相邻像素点连线的斜率之间的差异,得到边缘线的直线相似程度。
使用工业相机俯视拍摄生产线上的瓦楞纸,得到瓦楞纸表面图像,对瓦楞纸表面图像进行灰度化处理,再使用Canny边缘检测算法,得到瓦楞纸表面图像内若干条边缘线。其中,Canny边缘检测算法为公知技术,具体方法在此不做介绍。
已知瓦楞纸搓板现象的成型基于整齐排布的瓦楞,所以瓦楞纸表面搓板缺陷的形状特征边缘也呈现类直线的整齐排列分布,其边缘的形状应该是弯曲程度较低的类直线分布形状,而不是弯曲明显的形状。由于光源带来的色差,会在瓦楞纸板上光源周围造成边缘缓和且同样弯曲程度较低的边缘,对缺陷的判断带来干扰,因此同样结合瓦楞的形态分布特征,光源照射到搓板缺陷区域灰度为亮暗交替规律分布,而无缺陷的,由于光照强度较大造成的高亮域灰度值变化为由中心向四周逐渐降低,根据这一特征,对搓板缺陷区域进行选择,可以排除光源干扰。
因为搓板缺陷的边缘分布轨迹是近似一条直线的,所以边缘像素点的分布,一定呈现离散分布在对应的一条直线周围。通过对相邻边缘像素点的连线斜率变化的累加可以得到这些边缘像素点对应的直线的离散情况。
取瓦楞纸表面图像内任意一条边缘线为例,以该边缘线上的交叉点为分割点,将
该边缘线分割成若干条边缘线段。再取该边缘线分割的任意一条边缘线段为例,依次统计
该边缘线段上相邻两个像素点连线的斜率,得到斜率序列,其中N为该边
缘线段上的像素点数量,N-1为该边缘线段对应的斜率序列中的数据数量,为该边缘
线段上第N-1个小像素点和第N个像素点连线的斜率。所需说明的是,当该边缘线上的无交
叉点时,该边缘线就是其边缘线段。
按照上述方式,得到该边缘线分割的每一条边缘线段对应的斜率序列。
再对边缘线上像素之间的斜率差异进行累加计算,边缘线上像素点的离散还是回归完全取决于斜率的正负变化以及变化量。所以直接对斜率的变化,也就是斜率的差异进行累加。再计算累加值的均值得到边缘线的直线相似程度,直线相似程度较高的属于搓板缺陷的概率较大,从而对属于搓板缺陷的概率较大的边缘线进行标记。
由此可知该边缘线的直线相似程度D的计算公式为:
其中D为该边缘线的直线相似程度,和分别为该边缘线分割的第x条边缘线
段对应的斜率序列中第i+1个数据值和第i个数据值,为该边缘线分割的第x条边缘线
段对应的斜率序列中的数据数量,y为该边缘线分割的边缘线段的数量。为线性归一
化函数,将数据值归一化至[0,1]区间内。
所需说明的是:边缘线上所有相邻像素点的斜率差异的累加越小,为直线的可能
性越大,即直线相似程度越大,为搓板缺陷边缘的可能性越大。为该边缘线分割的
第x条边缘线段对应的斜率序列中第i+1个数据值和第i个数据值的差值的绝对值,表示相
邻像素点的斜率差异,为该边缘线分割的第x条边缘线段对应的斜率序列中
所有相同数据的差值绝对值之和,即为该边缘线分割的第x个边缘线段上的所有相邻像素
点的斜率差异之和,则为该边缘线分割的所有边缘线段对应的的和值,即为该边缘线上所有相邻像素点的斜率差异之和,为该
边缘线分割的所有边缘线段对应的斜率序列中的数据数量的和值。因此为该边缘线上所有相邻像素点的斜率差异的均值。
按照上述方式,得到瓦楞纸表面图像内的每条边缘线的直线相似程度。
步骤S002:根据边缘线的直线相似程度,检测出边缘线中的疑似搓板缺陷边缘线;根据疑似搓板缺陷边缘线,对瓦楞纸表面图像进行二值化处理,得到边缘二值图像;对边缘二值图像进行形态学运算,得到边缘膨胀二值图像;
本实施例设定的程度阈值等于0.54,以此为例进行叙述,其它实施方式中可设置为其它值,本实施例不进行限定。将直线相似程度大于设定的程度阈值的边缘线,记为疑似搓板缺陷边缘线。当瓦楞纸表面图像内不存在疑似搓板缺陷边缘线时,判断瓦楞纸表面无搓板缺陷。
当瓦楞纸表面图像内存在疑似搓板缺陷边缘线时,由于不均匀光照造成的高亮区域可能存在弯曲程度较低的边缘,影响搓板缺陷的识别,因此需要进一步判断疑似搓板缺陷边缘线为不均匀光照造成的高亮区域边缘线,还是搓板缺陷边缘线。
令瓦楞纸表面图像内疑似搓板缺陷边缘线上的像素点灰度值为1、其它像素点灰
度值为0,得到边缘二值图像。本实施例以的正方形结构元素为例进行叙述,其它实
施方式中可设置为其它值,本实施例不进行限定。再使用设定的结构元素对边缘二值图像
进行形态学膨胀运算,得到边缘膨胀二值图像。其中,形态学膨胀运算为公知技术,具体方
法在此不做介绍。所需说明的是,形态学膨胀运算是为了得到较为完整的搓板缺陷区域,方
便后续灰度变化规律的分析。
分析不均匀光照造成的高亮区域与搓板缺陷区域内的灰度变化特征,搓板缺陷区域内存在褶皱的凹凸现象,因此搓板缺陷区域内的亮度会呈亮暗亮暗的波动变化,而不均匀光照造成的高亮区域内的灰度值变化由中心向四周逐渐降低,并且不均匀光照造成的高亮区域内的亮度更高。
因此不均匀光照造成的高亮区域内的灰度值变化为从中心向四周由高到低,而搓板缺陷区域内灰度值变化为高、低、高、低的规律性变化,同时梯度方向的灰度变化是最快最明显的。由高亮区域向暗区域灰度值的差都是正值,那么累加和也是正值;由灰暗区域向高亮区域灰度值的差都是负值,所以灰度值的差累加和也是负值,故如果是搓板缺陷区域,累加和中会出现正负相消,因此搓板缺陷区域内灰度梯度方向的累加灰度变化程度将会比高亮区域低。在相同步长下,随着计算步长的增加,即使出现了搓板缺陷区域中的亮暗变化为奇数的情况,如亮、暗、亮的情况,但是由于有相消的产生,搓板缺陷区域相对于整体步长的灰度差值的累加和还是会比不均匀光照造成的高亮区域低很多。
步骤S003:根据边缘膨胀二值图像和瓦楞纸表面图像内像素点的对应关系,得到瓦楞纸表面图像内的疑似搓板缺陷连通域;根据疑似搓板缺陷连通域内像素点灰度值之间的差异,确定疑似搓板缺陷连通域的灰度变化规律程度;根据疑似搓板缺陷连通域的灰度变化规律程度和像素点灰度值以及对应的疑似搓板缺陷边缘线的直线相似程度,确定疑似搓板缺陷连通域为搓板缺陷的可能性。
根据边缘膨胀二值图像和瓦楞纸表面图像内像素点一一对应的关系,将瓦楞纸表面图像内对应在边缘膨胀二值图像内的灰度值为1的像素点,记为疑似搓板缺陷区域。将疑似搓板缺陷区域内连续相邻的像素点构成的连通域,记为疑似搓板缺陷连通域。所需说明的是,瓦楞纸表面图像内的疑似搓板缺陷区域是根据疑似搓板缺陷边缘线进行形态学膨胀获取的,因此每个疑似搓板缺陷区域会对应一个或者多个疑似搓板缺陷边缘线。
在瓦楞纸表面图像内任意取一个疑似搓板缺陷连通域为例,计算该疑似搓板缺陷
连通域的质心坐标,将该疑似搓板缺陷连通域的质心坐标上的像素点,记为该疑似搓板缺
陷连通域内的中心像素点。从该疑似搓板缺陷连通域内的中心像素点开始,沿该中心像素
点的灰度梯度方向逐像素点遍历至该疑似搓板缺陷连通域的边界上,依次统计遍历到的像
素点灰度值,得到灰度值序列,其中M为遍历到的像素点数据,并且M也为灰
度值序列中的数据数量,为遍历到的第M个像素点灰度值。其中,计算连通域的质心坐标
为公知技术,具体方法在此不做介绍。
由此可知该疑似搓板缺陷连通域为搓板缺陷的可能性P的计算公式为:
其中P为该疑似搓板缺陷连通域为搓板缺陷的可能性,该疑似搓板缺陷连通域
对应的所有疑似搓板缺陷边缘线的直线相似程度的均值,s为该疑似搓板缺陷连通域的灰
度变化规律程度,t为该疑似搓板缺陷连通域内的像素点灰度均值,为设定的第一权值,为设定的第二权值,a为设定的常数,和分别为灰度值序列中第j个数据值和第j+1
个数据值,M为灰度值序列中的数据数量。为线性归一化函数,将数据值归一化至
[0,1]区间内。本实施例设定,,为例进行叙述,其它实施方式中可设
置为其它值,本实施例不进行限定。
所需说明点是:根据搓板缺陷区域内点灰度变化特征,依次遍历到点相邻像素点
灰度值之差点累加和点均值较小,其符合搓板缺陷区域内亮暗交替变化点规律,
故灰度变化规律程度s越小,该疑似搓板缺陷连通域为搓板缺陷的可能性越大。该疑似搓板
缺陷连通域内的像素点灰度均值t越小,越可能是缺陷。由此对归一化的和进行加权求和,
再取其反比例值,表示该疑似搓板缺陷连通域的缺陷校正系数,其值越
大,该疑似搓板缺陷连通域为搓板缺陷的可能性越大。而越大,说明该疑似搓板缺陷连
通域对应的疑似搓板缺陷边缘线为搓板缺陷边缘的可能性越大,因此根据和的乘积的归一化值,为该疑似搓板缺陷连通域为搓板缺陷的可能
性。
步骤S004:根据疑似搓板缺陷连通域为搓板缺陷的可能性,检测出搓板缺陷连通域和正常连通域。
按照上述方式,得到瓦楞纸表面图像内每一个疑似搓板缺陷连通域为搓板缺陷的可能性。本实施例设定的缺陷阈值等于0.5,以此为例进行叙述,其它实施方式中可设置为其它值,本实施例不进行限定。将为搓板缺陷的可能性大于设定的缺陷阈值的疑似搓板缺陷连通域,判断为搓板缺陷连通域,将为搓板缺陷的可能性小于等于设定的缺陷阈值的疑似搓板缺陷连通域,判断为正常连通域。
由此完成瓦楞纸表面图像内的搓板缺陷检测,实现了瓦楞纸生产品质视觉辅助检测。
至此,本发明完成。
综上所述,在本发明实施例中,对瓦楞纸表面图像进行Canny边缘检测,得到瓦楞纸表面图像内的边缘线,根据边缘线上所有相邻像素点连线的斜率之间的差异,得到边缘线的直线相似程度,从而检测出边缘线中的疑似搓板缺陷边缘线,再对瓦楞纸表面图像进行二值化处理,得到边缘二值图像,对边缘二值图像进行形态学运算,得到边缘膨胀二值图像。根据边缘膨胀二值图像和瓦楞纸表面图像内像素点的对应关系,得到瓦楞纸表面图像内的疑似搓板缺陷连通域,根据疑似搓板缺陷连通域内像素点灰度值之间的差异,确定疑似搓板缺陷连通域的灰度变化规律程度,根据疑似搓板缺陷连通域的灰度变化规律程度和像素点灰度值以及对应的疑似搓板缺陷边缘线的直线相似程度,确定疑似搓板缺陷连通域为搓板缺陷的可能性,由此检测出搓板缺陷连通域。其瓦楞纸表面的通过搓板现象与不均匀光照现象所具有的不同特征,准确的提取瓦楞纸表面的搓板缺陷,并排除了光照形成的色差与纸面不规则纹路引起的干扰。
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)
1.一种瓦楞纸生产品质视觉辅助检测方法,其特征在于,该方法包括以下步骤:
使用工业相机采集瓦楞纸表面图像,对瓦楞纸表面图像进行Canny边缘检测,得到瓦楞纸表面图像内若干条边缘线;根据边缘线上所有相邻像素点连线的斜率之间的差异,得到边缘线的直线相似程度;
根据边缘线的直线相似程度,检测出边缘线中的疑似搓板缺陷边缘线;根据疑似搓板缺陷边缘线,对瓦楞纸表面图像进行二值化处理,得到边缘二值图像;对边缘二值图像进行形态学运算,得到边缘膨胀二值图像;
根据边缘膨胀二值图像和瓦楞纸表面图像内像素点的对应关系,得到瓦楞纸表面图像内的疑似搓板缺陷连通域;根据疑似搓板缺陷连通域内像素点灰度值之间的差异,确定疑似搓板缺陷连通域的灰度变化规律程度;根据疑似搓板缺陷连通域的灰度变化规律程度和像素点灰度值以及对应的疑似搓板缺陷边缘线的直线相似程度,确定疑似搓板缺陷连通域为搓板缺陷的可能性;
根据疑似搓板缺陷连通域为搓板缺陷的可能性,检测出搓板缺陷连通域和正常连通域。
2.根据权利要求1所述一种瓦楞纸生产品质视觉辅助检测方法,其特征在于,所述根据边缘线上所有相邻像素点连线的斜率之间的差异,得到边缘线的直线相似程度,包括的具体步骤如下:
取瓦楞纸表面图像内任意一条边缘线,以所述边缘线上的交叉点为分割点,将所述边缘线分割成若干条边缘线段;
依次统计每一条边缘线段上相邻两个像素点连线的斜率,得到每一条边缘线段对应的斜率序列;
根据所有边缘线段对应的斜率序列中所有相邻数据的差值的绝对值,确定所述边缘线的直线相似程度。
3.根据权利要求2所述一种瓦楞纸生产品质视觉辅助检测方法,其特征在于,所述根据所有边缘线段对应的斜率序列中所有相邻数据的差值的绝对值,确定所述边缘线的直线相似程度对应的具体计算公式为:
其中D为所述边缘线的直线相似程度,和/>分别为所述边缘线分割的第x条边缘线段对应的斜率序列中第i+1个数据值和第i个数据值,/>为所述边缘线分割的第x条边缘线段对应的斜率序列中的数据数量,y为所述边缘线分割的边缘线段的数量,/>为线性归一化函数。
4.根据权利要求1所述一种瓦楞纸生产品质视觉辅助检测方法,其特征在于,所述根据边缘线的直线相似程度,检测出边缘线中的疑似搓板缺陷边缘线;根据疑似搓板缺陷边缘线,对瓦楞纸表面图像进行二值化处理,得到边缘二值图像;对边缘二值图像进行形态学运算,得到边缘膨胀二值图像,包括的具体步骤如下:
将直线相似程度大于预设的程度阈值的边缘线,记为疑似搓板缺陷边缘线;
若瓦楞纸表面图像内不存在疑似搓板缺陷边缘线,判断瓦楞纸表面无搓板缺陷;
若瓦楞纸表面图像内存在疑似搓板缺陷边缘线,令瓦楞纸表面图像内疑似搓板缺陷边缘线上的像素点灰度值为1,其它像素点灰度值为0,得到边缘二值图像;
使用预设的结构元素对边缘二值图像进行形态学膨胀运算,得到边缘膨胀二值图像。
5.根据权利要求1所述一种瓦楞纸生产品质视觉辅助检测方法,其特征在于,所述根据边缘膨胀二值图像和瓦楞纸表面图像内像素点的对应关系,得到瓦楞纸表面图像内的疑似搓板缺陷连通域,包括的具体步骤如下:
根据边缘膨胀二值图像和瓦楞纸表面图像内像素点一一对应的关系,将瓦楞纸表面图像内对应在边缘膨胀二值图像内灰度值为1的像素点,记为疑似搓板缺陷区域;
将瓦楞纸表面图像内疑似搓板缺陷区域内连续相邻的像素点构成的连通域,记为疑似搓板缺陷连通域。
6.根据权利要求1所述一种瓦楞纸生产品质视觉辅助检测方法,其特征在于,所述根据疑似搓板缺陷连通域内像素点灰度值之间的差异,确定疑似搓板缺陷连通域的灰度变化规律程度,包括的具体步骤如下:
从疑似搓板缺陷连通域内的中心像素点开始,沿所述中心像素点的灰度梯度方向逐像素点遍历至疑似搓板缺陷连通域的边界上,依次统计遍历到的像素点灰度值,得到灰度值序列;
根据灰度值序列中所有相邻数据的差异,确定疑似搓板缺陷连通域的灰度变化规律程度。
7.根据权利要求6所述一种瓦楞纸生产品质视觉辅助检测方法,其特征在于,所述根据灰度值序列中所有相邻数据的差异,确定疑似搓板缺陷连通域的灰度变化规律程度对应的具体计算公式为:
其中s为疑似搓板缺陷连通域的灰度变化规律程度,和/>分别为灰度值序列/>中第j个数据值和第j+1个数据值,M为灰度值序列/>中的数据数量,/>为线性归一化函数。
8.根据权利要求1所述一种瓦楞纸生产品质视觉辅助检测方法,其特征在于,所述根据疑似搓板缺陷连通域的灰度变化规律程度和像素点灰度值以及对应的疑似搓板缺陷边缘线的直线相似程度,确定疑似搓板缺陷连通域为搓板缺陷的可能性,包括的具体步骤如下:
根据疑似搓板缺陷连通域的灰度变化规律程度与预设的第一权值的乘积、疑似搓板缺陷连通域内的像素点灰度均值与预设的第二权值的乘积,确定疑似搓板缺陷连通域的缺陷校正系数;
根据疑似搓板缺陷连通域的缺陷校正系数、疑似搓板缺陷连通域对应的所有疑似搓板缺陷边缘线的直线相似程度的均值,确定疑似搓板缺陷连通域为搓板缺陷的可能性。
9.根据权利要求8所述一种瓦楞纸生产品质视觉辅助检测方法,其特征在于,所述根据疑似搓板缺陷连通域的缺陷校正系数、疑似搓板缺陷连通域对应的所有疑似搓板缺陷边缘线的直线相似程度的均值,确定疑似搓板缺陷连通域为搓板缺陷的可能性对应的具体计算公式为:
其中P为疑似搓板缺陷连通域为搓板缺陷的可能性,疑似搓板缺陷连通域对应的所有疑似搓板缺陷边缘线的直线相似程度的均值,s为疑似搓板缺陷连通域的灰度变化规律程度,t为疑似搓板缺陷连通域内的像素点灰度均值,/>为预设的第一权值,/>为预设的第二权值,a为预设的常数,/>为疑似搓板缺陷连通域的缺陷校正系数,为线性归一化函数。
10.根据权利要求1所述一种瓦楞纸生产品质视觉辅助检测方法,其特征在于,所述根据疑似搓板缺陷连通域为搓板缺陷的可能性,检测出搓板缺陷连通域和正常连通域,包括的具体步骤如下:
将为搓板缺陷的可能性大于预设的缺陷阈值的疑似搓板缺陷连通域,记为搓板缺陷连通域;
将为搓板缺陷的可能性小于等于预设的缺陷阈值的疑似搓板缺陷连通域,记为正常连通域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311225932.1A CN116977358B (zh) | 2023-09-22 | 2023-09-22 | 一种瓦楞纸生产品质视觉辅助检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311225932.1A CN116977358B (zh) | 2023-09-22 | 2023-09-22 | 一种瓦楞纸生产品质视觉辅助检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116977358A true CN116977358A (zh) | 2023-10-31 |
CN116977358B CN116977358B (zh) | 2023-12-12 |
Family
ID=88473292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311225932.1A Active CN116977358B (zh) | 2023-09-22 | 2023-09-22 | 一种瓦楞纸生产品质视觉辅助检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116977358B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117314925A (zh) * | 2023-11-30 | 2023-12-29 | 东莞市旺佳五金制品有限公司 | 基于计算机视觉的金属工件表面缺陷检测方法 |
CN117351021A (zh) * | 2023-12-06 | 2024-01-05 | 东莞市南谷第电子有限公司 | 一种光伏连接线生产质量智能检测方法 |
CN117372422A (zh) * | 2023-12-04 | 2024-01-09 | 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 |
CN117388263A (zh) * | 2023-11-27 | 2024-01-12 | 东莞市羿通实业有限公司 | 用于充电枪的五金端子质量检测方法 |
CN117689659A (zh) * | 2024-02-02 | 2024-03-12 | 深圳市未尔科技有限公司 | 一种基于平板电子产品的生产质量监控方法 |
CN118628493A (zh) * | 2024-08-13 | 2024-09-10 | 宝鸡拓普达钛业有限公司 | 基于图像特征的钛棒生产质量检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021162364A (ja) * | 2020-03-30 | 2021-10-11 | 広島県 | 段ボールシートの欠陥検出装置および段ボールシートの欠陥検出方法 |
CN113850808A (zh) * | 2021-12-01 | 2021-12-28 | 武汉泰盛包装材料有限公司 | 基于图像处理的多层瓦楞纸排列缺陷检测方法及装置 |
CN114757949A (zh) * | 2022-06-15 | 2022-07-15 | 济宁市海富电子科技有限公司 | 基于计算机视觉的电线电缆缺陷检测方法及系统 |
CN114782475A (zh) * | 2022-06-16 | 2022-07-22 | 南通金石包装印刷有限公司 | 基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法 |
CN114972357A (zh) * | 2022-08-03 | 2022-08-30 | 南通恒立机械设备有限公司 | 一种基于图像处理的轧辊表面缺陷检测方法及系统 |
CN115861291A (zh) * | 2023-01-06 | 2023-03-28 | 曲阜天博汽车电器有限公司 | 基于机器视觉的贴片电路板生产缺陷检测方法 |
CN116758061A (zh) * | 2023-08-11 | 2023-09-15 | 山东优奭趸泵业科技有限公司 | 基于计算机视觉的铸件表面缺陷检测方法 |
-
2023
- 2023-09-22 CN CN202311225932.1A patent/CN116977358B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021162364A (ja) * | 2020-03-30 | 2021-10-11 | 広島県 | 段ボールシートの欠陥検出装置および段ボールシートの欠陥検出方法 |
CN113850808A (zh) * | 2021-12-01 | 2021-12-28 | 武汉泰盛包装材料有限公司 | 基于图像处理的多层瓦楞纸排列缺陷检测方法及装置 |
CN114757949A (zh) * | 2022-06-15 | 2022-07-15 | 济宁市海富电子科技有限公司 | 基于计算机视觉的电线电缆缺陷检测方法及系统 |
CN114782475A (zh) * | 2022-06-16 | 2022-07-22 | 南通金石包装印刷有限公司 | 基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法 |
CN114972357A (zh) * | 2022-08-03 | 2022-08-30 | 南通恒立机械设备有限公司 | 一种基于图像处理的轧辊表面缺陷检测方法及系统 |
CN115861291A (zh) * | 2023-01-06 | 2023-03-28 | 曲阜天博汽车电器有限公司 | 基于机器视觉的贴片电路板生产缺陷检测方法 |
CN116758061A (zh) * | 2023-08-11 | 2023-09-15 | 山东优奭趸泵业科技有限公司 | 基于计算机视觉的铸件表面缺陷检测方法 |
Non-Patent Citations (1)
Title |
---|
姜旭辉: "基于机器视觉的纸板缺陷检测控制系统研究及应用", 硕士电子期刊, no. 01 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117388263A (zh) * | 2023-11-27 | 2024-01-12 | 东莞市羿通实业有限公司 | 用于充电枪的五金端子质量检测方法 |
CN117388263B (zh) * | 2023-11-27 | 2024-04-02 | 东莞市羿通实业有限公司 | 用于充电枪的五金端子质量检测方法 |
CN117314925A (zh) * | 2023-11-30 | 2023-12-29 | 东莞市旺佳五金制品有限公司 | 基于计算机视觉的金属工件表面缺陷检测方法 |
CN117314925B (zh) * | 2023-11-30 | 2024-02-20 | 东莞市旺佳五金制品有限公司 | 基于计算机视觉的金属工件表面缺陷检测方法 |
CN117372422A (zh) * | 2023-12-04 | 2024-01-09 | 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 |
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 |
CN117351021A (zh) * | 2023-12-06 | 2024-01-05 | 东莞市南谷第电子有限公司 | 一种光伏连接线生产质量智能检测方法 |
CN117351021B (zh) * | 2023-12-06 | 2024-03-26 | 东莞市南谷第电子有限公司 | 一种光伏连接线生产质量智能检测方法 |
CN117689659A (zh) * | 2024-02-02 | 2024-03-12 | 深圳市未尔科技有限公司 | 一种基于平板电子产品的生产质量监控方法 |
CN117689659B (zh) * | 2024-02-02 | 2024-04-19 | 深圳市未尔科技有限公司 | 一种基于平板电子产品的生产质量监控方法 |
CN118628493A (zh) * | 2024-08-13 | 2024-09-10 | 宝鸡拓普达钛业有限公司 | 基于图像特征的钛棒生产质量检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116977358B (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116977358B (zh) | 一种瓦楞纸生产品质视觉辅助检测方法 | |
CN114937055B (zh) | 基于人工智能的图像自适应分割方法与系统 | |
US11221107B2 (en) | Method for leakage detection of underground pipeline corridor based on dynamic infrared thermal image processing | |
CN116611748B (zh) | 一种钛合金家具生产质量监控系统 | |
CN116168026B (zh) | 基于计算机视觉的水质检测方法及系统 | |
CN114419025A (zh) | 一种基于图像处理的纤维板质量评估方法 | |
CN115359053B (zh) | 一种金属板材缺陷智能检测方法及系统 | |
CN116309600B (zh) | 基于图像处理的环保纺织品质量检测方法 | |
CN114972326A (zh) | 热收缩管扩管工艺的次品识别方法 | |
CN109816645B (zh) | 一种钢卷松卷的自动检测方法 | |
CN116385450B (zh) | 基于图像处理的ps片材抗耐磨性检测方法 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN115311267B (zh) | 一种格纹织物异常检测方法 | |
CN116977342B (zh) | 基于图像分割的pcb板线路检测方法 | |
CN114841938A (zh) | 一种织物勾丝缺陷检测方法 | |
CN116152242B (zh) | 一种篮球用天然皮革缺陷可视化检测系统 | |
CN116452589B (zh) | 基于图像处理的人造板表面缺陷智能检测方法 | |
CN116091504A (zh) | 基于图像处理的连接管连接头质量检测方法 | |
CN115311507B (zh) | 基于数据处理的建筑板材分类方法 | |
CN116523923B (zh) | 一种电池外壳缺陷识别方法 | |
CN115272347A (zh) | 一种轴承缺陷识别方法 | |
CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
CN114821284A (zh) | 一种纺织品生产用码布机智能调节方法 | |
CN115294097A (zh) | 基于机器视觉的纺织品表面疵点检测方法 | |
CN114881960A (zh) | 基于特征增强的布匹直线型缺陷检测方法和系统 |
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 |