CN117058137B - 一种夹胶玻璃生产质量视觉检测方法 - Google Patents
一种夹胶玻璃生产质量视觉检测方法 Download PDFInfo
- Publication number
- CN117058137B CN117058137B CN202311309513.6A CN202311309513A CN117058137B CN 117058137 B CN117058137 B CN 117058137B CN 202311309513 A CN202311309513 A CN 202311309513A CN 117058137 B CN117058137 B CN 117058137B
- Authority
- CN
- China
- Prior art keywords
- pixel point
- gray
- laminated glass
- pixel
- gradient
- 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
- 239000005340 laminated glass Substances 0.000 title claims abstract description 102
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 35
- 238000011179 visual inspection Methods 0.000 title claims description 18
- 230000011218 segmentation Effects 0.000 claims abstract description 104
- 230000008859 change Effects 0.000 claims abstract description 20
- 238000003708 edge detection Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 42
- 230000008569 process Effects 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 2
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000003672 processing method Methods 0.000 abstract 1
- 238000005286 illumination Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 6
- 239000011521 glass Substances 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000006750 UV protection Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06T7/13—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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理领域，具体涉及一种夹胶玻璃生产质量视觉检测方法，包括：采集夹胶玻璃灰度图像；得到夹胶玻璃边缘检测图像，根据夹胶玻璃边缘检测图像得到每个像素点对应的窗口梯度序列，得到每个像素点的初始梯度分割阈值；根据每个像素点滑窗窗口内的所有像素点的灰度值得到每个像素点的剔除程度，得到夹胶灰度图像；根据每个像素点在每个方向上的灰度序列中的灰度值得到每个像素点在每个方向上灰度序列的变化程度，得到每个像素点的梯度方向；得到每个像素点梯度分割阈值的差异程度；得到每个像素点修正后的梯度分割阈值，完成夹胶玻璃生产质量的检测。本发明用图像处理方法，提高了夹胶玻璃质量检测结果。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种夹胶玻璃生产质量视觉检测方法。
背景技术
夹胶玻璃是一种由玻璃和玻璃间的夹层构成的特殊类型的玻璃，由于其较传统玻璃所具有的优良的安全性能、抗紫外线等优势，在建筑领域如幕墙和车窗等场景具有广泛的应用。但夹胶玻璃由于生产过程中环境湿度因素和胶水成分等导致生产出来的玻璃含有气泡或其他杂质，对玻璃的强度和外观等有较大影响。由于气泡本身存在一定的大小关系，且分布有可能密集也有可能稀疏，所以在常规使用单一阈值的边缘检测结果难以对有光照影响的夹胶玻璃中气泡本身进行分割，且由于气泡的密集导致边缘检测结果产生非同一气泡连接现象。
发明内容
本发明提供一种夹胶玻璃生产质量视觉检测方法，以解决现有的问题。
本发明的一种夹胶玻璃生产质量视觉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夹胶玻璃生产质量视觉检测方法，该方法包括以下步骤：
采集夹胶玻璃灰度图像；
对夹胶玻璃灰度图像进行边缘检测得到夹胶玻璃边缘检测图像，根据夹胶玻璃边缘检测图像得到每个像素点对应的窗口梯度序列，根据每个像素点对应的窗口梯度序列得到每个像素点的初始梯度分割阈值；
根据每个像素点滑窗窗口内的所有像素点的灰度值得到每个像素点的剔除程度，根据每个像素点的剔除程度得到剔除点，根据剔除点得到夹胶灰度图像；
根据夹胶灰度图像中每个像素点的滑窗窗口内的所有像素点得到每个像素点在每个方向上的灰度序列，根据每个像素点在每个方向上的灰度序列中的灰度值得到每个像素点在每个方向上灰度序列的变化程度，根据每个像素点在每个方向上灰度序列的变化程度得到每个像素点的梯度方向；
根据每个像素点与对应梯度方向上相邻像素点的初始梯度分割阈值和灰度值得到每个像素点梯度分割阈值的差异程度；根据每个像素点梯度分割阈值的差异程度对每个像素点的初始梯度分割阈值进行修正得到每个像素点修正后的梯度分割阈值；
根据每个像素点修正后的梯度分割阈值得到图像中所有的气泡边缘像素点，并完成夹胶玻璃生产质量的检测。
进一步地，所述根据夹胶玻璃边缘检测图像得到每个像素点对应的窗口梯度序列，包括的具体步骤如下：
以夹胶玻璃边缘检测图像中的每一个像素点为滑窗中心像素点，获取每个像素点的滑窗窗口，将滑窗窗口内的所有像素点按照梯度幅值从小到大的顺序进行排序，将排序后的结果记为每个像素点的窗口梯度序列。
进一步地，所述根据每个像素点对应的窗口梯度序列得到每个像素点的初始梯度分割阈值，包括的具体步骤如下：
获取每个像素点对应的窗口梯度序列中的中位数，将每个像素点对应的窗口梯度序列中的中位数记为每个像素点的初始梯度分割阈值。
进一步地，所述每个像素点的剔除程度的具体获取步骤如下：
每个像素点的剔除程度的公式为：
式中，表示夹胶灰度图像中第i个像素点的灰度值，/>表示以夹胶玻璃灰度图像中第i个像素点为中心点的滑窗窗口内的第j个像素点的灰度值，n表示以夹胶玻璃灰度图像中第i个像素点为中心点的滑窗窗口内的所有像素点的个数，/>表示夹胶玻璃灰度图像中第i个像素点的剔除程度，/>表示线性归一化函数。
进一步地，所述根据每个像素点的剔除程度得到剔除点，根据剔除点得到夹胶灰度图像，包括的具体步骤如下：
将夹胶玻璃灰度图像中剔除程度大于预设阈值A的像素点记为剔除点；
将夹胶玻璃灰度图像中每个剔除点的八邻域像素点的灰度均值作为剔除点的新灰度值，根据所有剔除点的新灰度值对夹胶玻璃灰度图像进行处理，得到夹胶灰度图像。
进一步地，所述根据夹胶灰度图像中每个像素点的滑窗窗口内的所有像素点得到每个像素点在每个方向上的灰度序列，包括的具体步骤如下：
以夹胶灰度图像中每个像素点的滑窗窗口内的中心像素点为起始点，将每个像素点的滑窗窗口内在八邻域方向的每个方向上的所有的像素点的灰度值组成的序列，记为每个像素点在每个方向上的灰度序列。
进一步地，所述根据每个像素点在每个方向上的灰度序列中的灰度值得到每个像素点在每个方向上灰度序列的变化程度，根据每个像素点在每个方向上灰度序列的变化程度得到每个像素点的梯度方向，包括的具体步骤如下：
每个像素点在每个方向上灰度序列的变化程度的公式为：
式中，表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内第c个方向上灰度序列中的最大灰度值，/>表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内第c个方向上灰度序列中的最小灰度值，/>表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内第c个方向上灰度序列中的最大灰度值对应像素点位置坐标，/>表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内第c个方向上灰度序列中的最小灰度值对应像素点位置坐标，/>表示夹胶灰度图像中的第i个像素点在第c个方向上灰度序列的变化程度，/>表示两个位置坐标的欧式距离，/>表示绝对值函数；
选取每个像素点所有方向上灰度序列的变化程度最大的方向作为每个像素点的梯度方向。
进一步地，所述每个像素点梯度分割阈值的差异程度的具体获取步骤如下：
每个像素点梯度分割阈值的差异程度的公式为：
式中，表示夹胶灰度图像中第i个像素点的灰度值，/>表示夹胶灰度图像中第i个像素点的初始梯度分割阈值，/>表示夹胶灰度图像中在第i个像素点的梯度方向上相邻的一个像素点的灰度值，/>表示夹胶灰度图像中在第i个像素点的梯度方向上相邻的一个像素点的初始梯度分割阈值，/>表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内梯度幅值大于第i个像素点的初始梯度分割阈值的像素点的个数，/>表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内所有像素点的个数，/>表示夹胶灰度图像中第i个像素点梯度分割阈值的差异程度，/>表示线性归一化函数，/>表示绝对值函数。
进一步地，所述每个像素点修正后的梯度分割阈值的具体获取步骤如下：
每个像素点修正后的梯度分割阈值的公式为：
式中，表示第i个像素点梯度分割阈值的差异程度，/>表示第i个像素点初始梯度分割阈值，/>表示第i个像素点修正后的梯度分割阈值。
进一步地，所述根据每个像素点修正后的梯度分割阈值得到图像中所有的气泡边缘像素点，并完成夹胶玻璃生产质量的检测，包括的具体步骤如下：
将梯度幅值大于修正后的梯度分割阈值对应的像素点记为气泡边缘像素点，得到所有的气泡边缘像素点，计算气泡边缘像素点在夹胶玻璃灰度图像中的占比，即是气泡边缘像素点个数与夹胶玻璃灰度图像中所有的像素点总个数之间的比值；
当气泡边缘像素点在夹胶玻璃灰度图像中的占比小于预设阈值B时，则判定夹胶玻璃生产质量合格；当气泡边缘像素点在夹胶玻璃灰度图像中的占比大于等于预设阈值B时，则判定夹胶玻璃生产质量不合格。
本发明的技术方案的有益效果是：本方案对夹胶玻璃可能存在气泡的现象进行分析，基于夹胶气泡本身的分布特征以及形状特征，首先根据设定的滑窗窗口大小得到每个像素点的初始梯度分割阈值。基于图像中存在光照不均的现象，以及存在的光照对窗口像素点的影响，获得每个像素点梯度分割阈值的差异程度，每个像素点梯度分割阈值的差异程度对光照的适应能力强，提高对初始梯度分割阈值修正效果；根据每个像素点梯度分割阈值的差异程度对每个像素点的初始梯度分割阈值进行修正得到每个像素点修正后的梯度分割阈值，通过每个像素点修正后的梯度分割阈值进行对图像进行生产质量的检测，提高了夹胶玻璃质量检测结果。
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，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为本发明一种夹胶玻璃生产质量视觉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夹胶玻璃生产质量视觉检测方法，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夹胶玻璃生产质量视觉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夹胶玻璃生产质量视觉检测方法的步骤流程图，该方法包括以下步骤：
步骤S001：采集夹胶玻璃灰度图像。
需要说明的是，为了分析单一阈值的边缘检测结果难以对气泡本身进行分割，所以本实施例获取夹胶玻璃图像，通过夹胶玻璃图像进行夹胶玻璃的生产质量的检测。
具体地，采集夹胶玻璃图像，对夹胶玻璃图像进行预处理，得到夹胶玻璃灰度图像。
至此，得到夹胶玻璃灰度图像。
步骤S002：根据每个像素点的滑窗窗口内所有像素点的梯度幅值得到每个像素点的初始梯度分割阈值，根据每个像素点滑窗窗口内的所有像素点的灰度值得到每个像素点的剔除程度，根据每个像素点的剔除程度进行处理得到夹胶灰度图像，根据夹胶灰度图像中每个像素点的滑窗窗口内的所有像素点得到每个像素点在每个方向上的灰度序列，根据每个像素点在每个方向上的灰度序列中的灰度值得到每个像素点在每个方向上灰度序列的变化程度，根据每个像素点在每个方向上灰度序列的变化程度得到每个像素点的梯度方向。
需要说明的是，图像在进行采集的过程中会受到光照的影响，导致不同区域的灰度表现不同，对分割的结果产生一定的影响，但光照存在一定的方向，可以利用这个特征，对不同区域的像素点的分割阈值进行修正。
（1）根据每个像素点的滑窗窗口内所有像素点的梯度幅值得到每个像素点的初始梯度分割阈值。
需要说明的是，不同图像的特征不同，因此对图像进行自适应阈值分割时，自适应窗口的大小不同，窗口内每个像素点的梯度分割阈值也不同，因此需要根据图像特征预先设定窗口的参数。
进一步需要说明的是，本实施例中主要是针对气泡进行分割，窗口大小的设定需要基于此特征进行；窗口设定的过大，会存在窗口内存在多个气泡，对气泡像素点的分割产生影响，而窗口设定的较小，则会在滑动遍历的过程中受到噪声像素点的干扰较大以及难以对气泡的分割不够完整。由于气泡的不同区域分布密集程度不同，在气泡分布稀疏的位置，对气泡的滑动方向以及滑动步长也应进行相应的调整。
具体地，预设一个滑窗窗口的大小为，本实施例不进行具体限定，其中滑窗窗口的大小可根据具体实施情况而定。对夹胶玻璃灰度图像使用canny边缘检测得到夹胶玻璃边缘检测图像。以夹胶玻璃边缘检测图像中的每一个像素点为滑窗中心像素点，以预设滑窗窗口的大小以步长为1在夹胶玻璃边缘检测图像中进行从左到右从上到下进行滑动，依次获取每个像素点的滑窗窗口。获取每个像素点的滑窗窗口内的所有像素点，将窗口内的所有像素点按照梯度幅值从小到大的顺序进行排序，将排序后的结果记为窗口梯度序列。获取每个像素点对应的窗口梯度序列中的中位数，将每个像素点对应的窗口梯度序列中的中位数记为每个像素点的初始梯度分割阈值。
至此，得到每个像素点的初始梯度分割阈值。
（2）根据每个像素点滑窗窗口内的所有像素点的灰度值得到每个像素点的剔除程度，根据每个像素点的剔除程度进行处理得到夹胶灰度图像。
需要说明的是，由于在图像中存在不同光照强度下气泡的阴影，导致在进行边缘检测时气泡的阴影和气泡进行重叠；此气泡阴影的离群像素点会对光照的判断造成影响，因此基于和周围像素点的灰度差异进行离群像素点的去除。
进一步需要说明的是，由于图像中的正常区域占主要部分，存在气泡的区域较少，且光照对气泡阴影的表现存在影响，阴影出现在光照的方向上，且灰度值较小，对每一行像素点来说，离群点仅存在于局部，和周围像素点差异较大。
具体地，以夹胶玻璃灰度图像中的每一个像素点为滑窗中心像素点，以预设滑窗窗口的大小以步长为1在夹胶玻璃灰度图像中进行从左到右从上到下进行滑动，依次获取每个像素点的滑窗窗口。根据每个像素点的滑窗窗口内中心像素点灰度值与所有像素点的灰度均值之间的差异得到每个像素点的剔除程度，其中差异表示差值的绝对值。每个像素点的剔除程度用公式表示为：
式中，表示夹胶灰度图像中第i个像素点的灰度值，/>表示以夹胶玻璃灰度图像中第i个像素点为中心点的滑窗窗口内的第j个像素点的灰度值，n表示以夹胶玻璃灰度图像中第i个像素点为中心点的滑窗窗口内的所有像素点的个数，/>表示夹胶玻璃灰度图像中第i个像素点的剔除程度，/>表示线性归一化函数。
预设一个阈值A，其中本实施例以A=0.8为例进行叙述，本实施例不进行具体限定，其中A可根据具体实施情况而定。当夹胶玻璃灰度图像中第i个像素点的剔除程度大于预设阈值A时，需要将第i个像素点进行处理；当夹胶玻璃灰度图像中第i个像素点的剔除程度小于等于预设阈值A时，则第i个像素点不进行处理；将需要处理的点记为剔除点。
将夹胶玻璃灰度图像中剔除点的灰度值使用八邻域像素点的灰度均值作为剔除点的新灰度值，同理，得到所有剔除点的新灰度值。将处理后的图像记为夹胶灰度图像。
（3）根据夹胶灰度图像中每个像素点的滑窗窗口内的所有像素点得到每个像素点在每个方向上的灰度序列，根据每个像素点在每个方向上的灰度序列中的灰度值得到每个像素点在每个方向上灰度序列的变化程度，根据每个像素点在每个方向上灰度序列的变化程度得到每个像素点的梯度方向。
需要说明的是，不同区域的光照影响程度不同，玻璃由于其结构特性，存在一定的反光效果，且气泡存在的特性，中心为气体，边缘位置仍为夹胶玻璃，因此在光照较为强烈的区域，得到的气泡边缘灰度小于气泡中心气体的灰度，同理在光照较弱的区域气泡的上述特性表现得并不明显，基于此特征可以获得不同光照方向的变化关系。
具体地，以夹胶灰度图像中每个像素点的滑窗窗口内的中心像素点为起始点，将每个像素点的滑窗窗口内在八邻域方向的每个方向上的所有的像素点的灰度值组成的序列，记为每个像素点在每个方向上的灰度序列。将水平向右的方向规定为第一个方向，以逆时针方向，依次获取所有的方向。
根据所有方向上的灰度序列上最大灰度值和最小灰度值的差异得到每个方向上灰度序列的变化程度。用公式表示为：
式中，表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内第c个方向上灰度序列中的最大灰度值，/>表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内第c个方向上灰度序列中的最小灰度值，/>表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内第c个方向上灰度序列中的最大灰度值对应像素点位置坐标，/>表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内第c个方向上灰度序列中的最小灰度值对应像素点位置坐标，/>表示夹胶灰度图像中的第i个像素点在第c个方向上灰度序列的变化程度，/>表示两个位置坐标的欧式距离，/>表示绝对值函数。
其中，当每个方向上的最大灰度值与最小灰度值的差异越大时，表示该方向最有可能成为中心像素点的梯度方向。
选取每个像素点所有方向上灰度序列的变化程度最大的方向作为每个像素点的梯度方向。
至此，得到每个像素点的梯度方向。
步骤S003：根据每个像素点的初始梯度分割阈值和同一方向上相邻像素点的灰度差值得到每个像素点梯度分割阈值的差异程度，根据每个像素点梯度分割阈值的差异程度对每个像素点的初始梯度分割阈值进行修正得到每个像素点修正后的梯度分割阈值。
（1）根据每个像素点的初始梯度分割阈值和同一方向上相邻像素点的灰度差值得到每个像素点梯度分割阈值的差异程度。
需要说明的是，为了确定出一个最佳的梯度分割阈值，需要对每个像素点的初始梯度分割阈值进行修正，根据每个像素点与梯度方向相邻像素点的初始梯度分割阈值和灰度值得到每个像素点梯度分割阈值的差异程度，根据每个像素点梯度分割阈值的差异程度对初始梯度分割阈值进行修正，依次来达到最佳的分割效果。
具体地，根据每个像素点与对应梯度方向上相邻像素点的初始梯度分割阈值和灰度值得到每个像素点梯度分割阈值的差异程度，用公式表示为：
式中，表示夹胶灰度图像中第i个像素点的灰度值，/>表示夹胶灰度图像中第i个像素点的初始梯度分割阈值，/>表示夹胶灰度图像中在第i个像素点的梯度方向上相邻的一个像素点的灰度值，/>表示夹胶灰度图像中在第i个像素点的梯度方向上相邻的一个像素点的初始梯度分割阈值，/>表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内梯度幅值大于第i个像素点的初始梯度分割阈值的像素点的个数，/>表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内所有像素点的个数，/>表示夹胶灰度图像中第i个像素点梯度分割阈值的差异程度，/>表示绝对值函数，/>表示线性归一化函数。
其中，当差异越大，/>越小时，表示中心像素点梯度分割阈值的差异程度越大；当窗口内梯度幅值大于初始梯度分割阈值的像素点的个数越多，表示中心像素点梯度分割阈值的差异程度越大。
（2）根据每个像素点梯度分割阈值的差异程度对每个像素点的初始梯度分割阈值进行修正得到每个像素点修正后的梯度分割阈值。
需要说明的是，不同区域的光照强度不同，因此像素点的初始梯度分割阈值不同，且由于光照的方向以及强度的影响，因此不同窗口内像素点初始梯度分割阈值的修正量也不同，基于上述获得的初始梯度分割阈值和修正量完成对初始梯度分割阈值的修正。
具体地，根据每个像素点梯度分割阈值的差异程度对每个像素点的初始梯度分割阈值进行修正得到每个像素点修正后的梯度分割阈值。用公式表示为：
式中，表示第i个像素点梯度分割阈值的差异程度，/>表示第i个像素点初始梯度分割阈值，/>表示第i个像素点修正后的梯度分割阈值。
至此，得到每个像素点修正后的梯度分割阈值。
步骤S004：根据每个像素点修正后的梯度分割阈值得到图像中所有的气泡边缘像素点，并完成夹胶玻璃生产质量的检测。
将梯度幅值大于修正后的梯度分割阈值对应的像素点记为气泡边缘像素点，得到所有的气泡边缘像素点，计算气泡边缘像素点在夹胶玻璃灰度图像中的占比，即是气泡边缘像素点个数与夹胶玻璃灰度图像中所有的像素点总个数之间的比值。
预设一个阈值B，其中本实施例以B=0.2为例进行叙述，本实施例不进行具体限定，其中B可根据具体实施情况而定。当气泡边缘像素点在夹胶玻璃灰度图像中的占比小于预设阈值B时，则判定夹胶玻璃生产质量合格；当气泡边缘像素点在夹胶玻璃灰度图像中的占比大于等于预设阈值B时，则判定夹胶玻璃生产质量不合格。
至此，本实施例完成。
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)
1.一种夹胶玻璃生产质量视觉检测方法，其特征在于，该方法包括以下步骤：
采集夹胶玻璃灰度图像；
对夹胶玻璃灰度图像进行边缘检测得到夹胶玻璃边缘检测图像，根据夹胶玻璃边缘检测图像得到每个像素点对应的窗口梯度序列，根据每个像素点对应的窗口梯度序列得到每个像素点的初始梯度分割阈值；
根据每个像素点滑窗窗口内的所有像素点的灰度值得到每个像素点的剔除程度，根据每个像素点的剔除程度得到剔除点，根据剔除点得到夹胶灰度图像；
根据夹胶灰度图像中每个像素点的滑窗窗口内的所有像素点得到每个像素点在每个方向上的灰度序列，根据每个像素点在每个方向上的灰度序列中的灰度值得到每个像素点在每个方向上灰度序列的变化程度，根据每个像素点在每个方向上灰度序列的变化程度得到每个像素点的梯度方向；
根据每个像素点与对应梯度方向上相邻像素点的初始梯度分割阈值和灰度值得到每个像素点梯度分割阈值的差异程度；根据每个像素点梯度分割阈值的差异程度对每个像素点的初始梯度分割阈值进行修正得到每个像素点修正后的梯度分割阈值；
根据每个像素点修正后的梯度分割阈值得到图像中所有的气泡边缘像素点，并完成夹胶玻璃生产质量的检测。
2.根据权利要求1所述一种夹胶玻璃生产质量视觉检测方法，其特征在于，所述根据夹胶玻璃边缘检测图像得到每个像素点对应的窗口梯度序列，包括的具体步骤如下：
以夹胶玻璃边缘检测图像中的每一个像素点为滑窗中心像素点，获取每个像素点的滑窗窗口，将滑窗窗口内的所有像素点按照梯度幅值从小到大的顺序进行排序，将排序后的结果记为每个像素点的窗口梯度序列。
3.根据权利要求1所述一种夹胶玻璃生产质量视觉检测方法，其特征在于，所述根据每个像素点对应的窗口梯度序列得到每个像素点的初始梯度分割阈值，包括的具体步骤如下：
获取每个像素点对应的窗口梯度序列中的中位数，将每个像素点对应的窗口梯度序列中的中位数记为每个像素点的初始梯度分割阈值。
4.根据权利要求1所述一种夹胶玻璃生产质量视觉检测方法，其特征在于，所述每个像素点的剔除程度的具体获取步骤如下：
每个像素点的剔除程度的公式为：
式中，表示夹胶灰度图像中第i个像素点的灰度值，/>表示以夹胶玻璃灰度图像中第i个像素点为中心点的滑窗窗口内的第j个像素点的灰度值，n表示以夹胶玻璃灰度图像中第i个像素点为中心点的滑窗窗口内的所有像素点的个数，/>表示夹胶玻璃灰度图像中第i个像素点的剔除程度，/>表示线性归一化函数。
5.根据权利要求1所述一种夹胶玻璃生产质量视觉检测方法，其特征在于，所述根据每个像素点的剔除程度得到剔除点，根据剔除点得到夹胶灰度图像，包括的具体步骤如下：
将夹胶玻璃灰度图像中剔除程度大于预设阈值A的像素点记为剔除点；
将夹胶玻璃灰度图像中每个剔除点的八邻域像素点的灰度均值作为剔除点的新灰度值，根据所有剔除点的新灰度值对夹胶玻璃灰度图像进行处理，得到夹胶灰度图像。
6.根据权利要求1所述一种夹胶玻璃生产质量视觉检测方法，其特征在于，所述根据夹胶灰度图像中每个像素点的滑窗窗口内的所有像素点得到每个像素点在每个方向上的灰度序列，包括的具体步骤如下：
以夹胶灰度图像中每个像素点的滑窗窗口内的中心像素点为起始点，将每个像素点的滑窗窗口内在八邻域方向的每个方向上的所有的像素点的灰度值组成的序列，记为每个像素点在每个方向上的灰度序列。
7.根据权利要求1所述一种夹胶玻璃生产质量视觉检测方法，其特征在于，所述根据每个像素点在每个方向上的灰度序列中的灰度值得到每个像素点在每个方向上灰度序列的变化程度，根据每个像素点在每个方向上灰度序列的变化程度得到每个像素点的梯度方向，包括的具体步骤如下：
每个像素点在每个方向上灰度序列的变化程度的公式为：
式中，表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内第c个方向上灰度序列中的最大灰度值，/>表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内第c个方向上灰度序列中的最小灰度值，/>表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内第c个方向上灰度序列中的最大灰度值对应像素点位置坐标，/>表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内第c个方向上灰度序列中的最小灰度值对应像素点位置坐标，/>表示夹胶灰度图像中的第i个像素点在第c个方向上灰度序列的变化程度，/>表示两个位置坐标的欧式距离，/>表示绝对值函数；
选取每个像素点所有方向上灰度序列的变化程度最大的方向作为每个像素点的梯度方向。
8.根据权利要求1所述一种夹胶玻璃生产质量视觉检测方法，其特征在于，所述每个像素点梯度分割阈值的差异程度的具体获取步骤如下：
每个像素点梯度分割阈值的差异程度的公式为：
式中，表示夹胶灰度图像中第i个像素点的灰度值，/>表示夹胶灰度图像中第i个像素点的初始梯度分割阈值，/>表示夹胶灰度图像中在第i个像素点的梯度方向上相邻的一个像素点的灰度值，/>表示夹胶灰度图像中在第i个像素点的梯度方向上相邻的一个像素点的初始梯度分割阈值，/>表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内梯度幅值大于第i个像素点的初始梯度分割阈值的像素点的个数，/>表示以夹胶灰度图像中的第i个像素点为中心点的滑窗窗口内所有像素点的个数，/>表示夹胶灰度图像中第i个像素点梯度分割阈值的差异程度，/>表示线性归一化函数，/>表示绝对值函数。
9.根据权利要求1所述一种夹胶玻璃生产质量视觉检测方法，其特征在于，所述每个像素点修正后的梯度分割阈值的具体获取步骤如下：
每个像素点修正后的梯度分割阈值的公式为：
式中，表示第i个像素点梯度分割阈值的差异程度，/>表示第i个像素点初始梯度分割阈值，/>表示第i个像素点修正后的梯度分割阈值。
10.根据权利要求1所述一种夹胶玻璃生产质量视觉检测方法，其特征在于，所述根据每个像素点修正后的梯度分割阈值得到图像中所有的气泡边缘像素点，并完成夹胶玻璃生产质量的检测，包括的具体步骤如下：
将梯度幅值大于修正后的梯度分割阈值对应的像素点记为气泡边缘像素点，得到所有的气泡边缘像素点，计算气泡边缘像素点在夹胶玻璃灰度图像中的占比，即是气泡边缘像素点个数与夹胶玻璃灰度图像中所有的像素点总个数之间的比值；
当气泡边缘像素点在夹胶玻璃灰度图像中的占比小于预设阈值B时，则判定夹胶玻璃生产质量合格；当气泡边缘像素点在夹胶玻璃灰度图像中的占比大于等于预设阈值B时，则判定夹胶玻璃生产质量不合格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311309513.6A CN117058137B (zh) | 2023-10-11 | 2023-10-11 | 一种夹胶玻璃生产质量视觉检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311309513.6A CN117058137B (zh) | 2023-10-11 | 2023-10-11 | 一种夹胶玻璃生产质量视觉检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117058137A CN117058137A (zh) | 2023-11-14 |
| CN117058137B true CN117058137B (zh) | 2023-12-12 |
Family
ID=88655751
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311309513.6A Active CN117058137B (zh) | 2023-10-11 | 2023-10-11 | 一种夹胶玻璃生产质量视觉检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117058137B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117291919B (zh) * | 2023-11-27 | 2024-03-01 | 山东华盛中天工程机械有限责任公司 | 一种钢轨螺栓表面润滑脂视觉检测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3961477A1 (en) * | 2020-08-24 | 2022-03-02 | Saint-Gobain Glass France | Method for detecting and reading a matrix code marked on a glass substrate |
| CN115311301A (zh) * | 2022-10-12 | 2022-11-08 | 江苏银生新能源科技有限公司 | 一种pcb板焊点缺陷检测方法 |
| CN116168039A (zh) * | 2023-04-26 | 2023-05-26 | 济宁市新华电力特种材料有限公司 | 一种环保节能硅酸铝板质量检测方法 |
| CN116577351A (zh) * | 2023-07-14 | 2023-08-11 | 深圳市深卓越光电有限公司 | 基于图像数据的液晶玻璃基板偏光片质量检测方法 |
-
2023
- 2023-10-11 CN CN202311309513.6A patent/CN117058137B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3961477A1 (en) * | 2020-08-24 | 2022-03-02 | Saint-Gobain Glass France | Method for detecting and reading a matrix code marked on a glass substrate |
| CN115311301A (zh) * | 2022-10-12 | 2022-11-08 | 江苏银生新能源科技有限公司 | 一种pcb板焊点缺陷检测方法 |
| CN116168039A (zh) * | 2023-04-26 | 2023-05-26 | 济宁市新华电力特种材料有限公司 | 一种环保节能硅酸铝板质量检测方法 |
| CN116577351A (zh) * | 2023-07-14 | 2023-08-11 | 深圳市深卓越光电有限公司 | 基于图像数据的液晶玻璃基板偏光片质量检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| 一种基于边缘检测的局部阈值分割算法;张爱华, 余胜生, 周敬利;小型微型计算机系统(04);全文 * |
| 基于机器视觉的玻璃缺陷检测;亓宁宁;常敏;刘雨翰;;光学仪器(01);全文 * |
| 基于机器视觉的玻璃缺陷检测技术;苗永菲;游洋;李赵松;黎红军;宋康;侯朝云;;电子设计工程(08);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117058137A (zh) | 2023-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115829883B (zh) | 一种异性金属结构件表面图像去噪方法 | |
| CN117058137B (zh) | 一种夹胶玻璃生产质量视觉检测方法 | |
| CN116977329B (zh) | 一种基于机器视觉的光伏板栅线检测方法 | |
| CN117095009B (zh) | 一种基于图像处理的pvc装饰板缺陷检测方法 | |
| CN116309600B (zh) | 基于图像处理的环保纺织品质量检测方法 | |
| CN115082470B (zh) | 一种基于图像识别的防水布性能检测方法及系统 | |
| CN112651968A (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
| CN109359604B (zh) | 面向巡检机器人的阴影干扰下仪表识别方法 | |
| CN107038444A (zh) | 一种指针式表盘的图像识别方法 | |
| CN111754422A (zh) | 一种基于EDLines和LSM的视觉巡边方法 | |
| CN110889874B (zh) | 一种双目相机标定结果的误差评估方法 | |
| 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 | |
| CN117011292A (zh) | 一种复合板表面质量快速检测方法 | |
| CN114140416A (zh) | 一种基于机器视觉的玻璃边缘检测方法和系统 | |
| CN111126371B (zh) | 一种基于图像处理的粗指针表盘示数读取方法 | |
| CN117078678A (zh) | 基于图像识别的废硅片形状检测方法 | |
| CN108898080A (zh) | 一种基于山脊线邻域评价模型的裂缝连接方法 | |
| CN113505811A (zh) | 一种轮毂生产用机器视觉成像方法 | |
| CN109063689B (zh) | 人脸图像发型检测方法 | |
| CN117437228B (zh) | 基于图像特征的光伏钢结构组件断裂检测方法 | |
| CN117541582B (zh) | 一种高频变频器igbt绝缘质量检测方法 | |
| CN116703930B (zh) | 一种汽车后视镜模具成型检测方法 | |
| CN117541605B (zh) | 一种钢结构锈蚀图像区域快速分割方法 | |
| CN117437223B (zh) | 一种高速板对板连接器缺陷智能检测方法 |
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 |