CN117058147B - 基于计算机视觉的环保塑料制品缺陷检测方法 - Google Patents
基于计算机视觉的环保塑料制品缺陷检测方法 Download PDFInfo
- Publication number
- CN117058147B CN117058147B CN202311317175.0A CN202311317175A CN117058147B CN 117058147 B CN117058147 B CN 117058147B CN 202311317175 A CN202311317175 A CN 202311317175A CN 117058147 B CN117058147 B CN 117058147B
- Authority
- CN
- China
- Prior art keywords
- point
- difference coefficient
- points
- gray
- pixel
- 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 56
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 239000004033 plastic Substances 0.000 title claims abstract description 18
- 238000012937 correction Methods 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000002776 aggregation Effects 0.000 claims abstract description 37
- 238000004220 aggregation Methods 0.000 claims abstract description 37
- 238000012216 screening Methods 0.000 claims abstract description 8
- 230000011218 segmentation Effects 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims 3
- 238000006243 chemical reaction Methods 0.000 abstract description 9
- 238000005286 illumination Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000002985 plastic film Substances 0.000 description 1
- 229920006255 plastic film Polymers 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
- G06T7/10—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 Processing (AREA)
Abstract
本发明涉及图像数据处理技术领域,提出了基于计算机视觉的环保塑料制品缺陷检测方法,包括:采集土工膜表面图像,获取灰度图像;根据灰度图像中像素点的灰度值获取每个像素点的差异系数,根据差异系数获取高差异系数点及低差异系数点,对高差异系数点筛选获取噪声点,并得到每个噪声点的第一权值;获取每个高差异系数点的周围其他高差异系数点的聚集程度,结合灰度值及差异系数,获取每个像素点的第二权值,通过每个像素点邻域的灰度值及第二权值分布,获取每个像素点的修正权值;根据每个像素点的修正权值对灰度图像进行灰度变换,通过变换灰度图像完成土工膜的缺陷检测。本发明旨在解决土工膜受光照影响导致缺陷检测结果不准确的问题。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及基于计算机视觉的环保塑料制品缺陷检测方法。
背景技术
土工膜作为一种环保塑料制品,其主要作用是以塑料薄膜的不透水性隔断土坝漏水通道,以其较大的抗拉强度和延伸率承受水压和适应坝体变形;土工膜由于承担坝体防水作用,因此需要对土工膜进行及时的缺陷检测,避免土工膜较小的缺陷导致坝体破损而出现更大的损失。
现有方法中通常利用阈值分割来对土工膜的缺陷进行检测,然而土工膜中缺陷部位与正常部位的灰度存在差异但差异较小,同时由于反光原因以及不可避免的采集图像时产生的噪声,其都会导致土工膜的缺陷检测结果不准确,因此需要通过灰度变换使得反光及噪声不会对缺陷检测造成影响,进而得到准确的缺陷检测结果。
发明内容
本发明提供基于计算机视觉的环保塑料制品缺陷检测方法,以解决现有的土工膜受光照影响导致缺陷检测结果不准确的问题,所采用的技术方案具体如下:
本发明一个实施例提供了基于计算机视觉的环保塑料制品缺陷检测方法,该方法包括以下步骤:
获取土工膜表面的灰度图像;
根据灰度图像中像素点的灰度值获取每个像素点的差异系数,根据差异系数得到若干高差异系数点及低差异系数点;
对高差异系数点筛选获取噪声点并得到噪声点的第一权值;
根据聚集程度、差异系数及灰度图像中的灰度最大值,以及灰度值的值域,获取除噪声点外每个像素点的第二权值;
根据高差异系数点及邻域像素点的灰度值,获取反光边界点及修正权值;
根据非噪声点且非反光边界点的高差异系数点的第二权值,对低差异系数点获取修正权值;对每个像素点获取修正权值;
根据每个像素点的修正权值对灰度图像进行灰度变换,得到变换灰度图像,对变换灰度图像进行阈值分割,完成土工膜的缺陷检测。
可选的,所述根据灰度图像中像素点的灰度值获取每个像素点的差异系数,包括的具体方法为:
以任意一个像素点为目标像素点,获取目标像素点的灰度值及四邻域像素点的灰度值,获取目标像素点与每个邻域像素点的灰度值之间的差值绝对值,将四个差值绝对值的均值作为目标像素点的差异系数;
获取每个像素点的差异系数。
可选的,所述根据差异系数得到若干高差异系数点及低差异系数点,包括的具体方法为:
对所有像素点的差异系数进行阈值分割,获取差异系数分割阈值,将差异系数大于差异系数分割阈值的像素点记为高差异系数点,差异系数小于等于差异系数分割阈值的像素点记为低差异系数点。
可选的,所述对高差异系数点筛选获取噪声点并得到噪声点的第一权值,包括的具体方法为:
获取每个像素点的噪声系数,将噪声系数大于预设第一阈值的高差异系数点记为噪声点;以任意一个噪声点为目标噪声点,将目标噪声点的四邻域像素点的灰度值均值记为目标噪声点的邻域灰度均值,将目标噪声点的邻域灰度均值与目标噪声点的灰度值的比值,作为目标噪声点的第一权值;
获取每个噪声点的第一权值。
可选的,所述获取每个像素点的噪声系数,包括的具体方法为:
以任意一个像素点为目标像素点,获取目标像素点的灰度值及四邻域像素点的灰度值,将目标像素点的四邻域像素点的灰度值标准差,记为目标像素点的邻域标准差,将目标像素点与四邻域像素点的灰度值标准差,记为目标像素点的分布标准差,将目标像素点的分布标准差减去邻域标准差得到的差值,记为目标像素点的噪声系数;
获取每个像素点的噪声系数。
可选的,所述获取除噪声点外每个像素点的第二权值,包括的具体方法为:
获取每个像素点的聚集程度,除噪声点外的第个像素点的第二权值/>的计算方法为:
其中,表示第/>个像素点的聚集程度,/>表示第/>个像素点的差异系数,/>表示灰度图像中的灰度最大值,/>表示差异系数最大值,/>为灰度值的值域最大值;获取除噪声点外每个像素点的第二权值。
可选的,所述获取每个像素点的聚集程度,包括的具体方法为:
以任意一个非噪声点的高差异系数点为目标高差异系数点,获取目标高差异系数点的周围范围,获取目标高差异系数点周围范围内其他高差异系数点的数量,若其他高差异系数点的数量小于等于预设聚集阈值,则设置目标高差异系数点的周围其他高差异系数点的聚集程度为1;若其他高差异系数点的数量大于预设聚集阈值/>,则设置目标高差异系数点的周围其他高差异系数点的聚集程度为/>;
获取每个非噪声点的高差异系数点的聚集程度,将低差异系数点的聚集程度设置为1。
可选的,所述获取反光边界点及修正权值,包括的具体方法为:
以任意一个除噪声点的高差异系数点为目标高差异系数点,获取目标高差异系数点的灰度值以及四邻域像素点的灰度值,获取目标高差异系数点的邻域标准差,对两个小于目标高差异系数点的灰度值计算标准差,记为目标高差异系数点的第一标准差;对两个大于目标高差异系数点的灰度值计算标准差,记为目标高差异系数点的第二标准差;将邻域标准差减去第一标准差与第二标准差的均值得到的差值,记为目标高差异系数点的反光系数,若反光系数大于预设第二阈值,将目标高差异系数点记为反光边界点;获取除噪声点的若干高差异系数点中的反光边界点;
以任意一个反光边界点为目标反光边界点,获取目标反光边界点与四邻域像素点灰度值的差值绝对值最小值,设置目标反光边界点的修正系数为,其中/>表示第二权值计算过程中指数函数采用的底数,/>表示目标反光边界点与四邻域像素点灰度值的差值绝对值最小值,将修正系数与第二权值的乘积作为该反光边界点的修正权值;
获取每个反光边界点的修正权值。
可选的,所述对低差异系数点获取修正权值,包括的具体方法为:
将非噪声点且非反光边界点的高差异系数点记为高异常点,以任意一个低差异系数点为目标低差异系数点,若其四邻域像素点存在三个或以上高异常点,则将这些高异常点的第二权值均值作为目标低差异系数点的修正权值,并将目标低差异系数点归类为高异常点;
逐次对低差异系数点进行修正权值获取,迭代判断,直到不再有低差异系数点归类为高异常点,迭代结束。
本发明的有益效果是:本发明通过对土工膜表面获取灰度图像,根据灰度图像中像素点与邻域像素点的灰度值差异获取差异系数,通过差异系数筛选高差异系数点,结合邻域像素点灰度值的标准差进行噪声点筛选,避免噪声点由于较大差异系数在后续获取较高权值从而被误判为缺陷;对于高差异系数点根据周围其他高差异系数点的聚集程度,结合差异系数以及灰度变换的值域限制,获取每个像素点的第二权值;同时根据反光边界部分的灰度剧烈变化形成的过渡区域导致的邻域像素点的灰度值差异,获取反光边界点及其修正权值,使得反光边界点的权值较小从而在灰度变换后不会对缺陷检测造成干扰;同时对于可能的缺陷内部的低差异系数点,通过非噪声点且非反光边界点的第二权值进行修正,使得可能的缺陷区域整体权值都较大,进而实现灰度变换的增强,提高缺陷检测结果的准确性。
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性的前提下,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基于计算机视觉的环保塑料制品缺陷检测方法流程示意图;
图2为土工膜缺陷示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明一个实施例所提供的基于计算机视觉的环保塑料制品缺陷检测方法流程图,该方法包括以下步骤:
步骤S001、采集土工膜表面图像,获取灰度图像。
本实施例的目的是对土工膜进行缺陷检测,因此首先需要获取土工膜图像,土工膜作为一层环保塑料制品的膜,土工膜厚度可以忽略,因此土工膜的缺陷都分布在表面,则通过获取土工膜表面图像,即可进行后续土工膜的缺陷检测;通过相机采集土工膜表面图像,并对得到的图像进行灰度化处理,记为灰度图像,用于后续缺陷检测分析;请参阅图2,其示出了土工膜表面的灰度图像,同时图2中呈现了土工膜表面的缺陷,即图2中灰度值较大的部分。
至此,获取到了土工膜表面的灰度图像。
步骤S002、根据灰度图像中像素点的灰度值获取每个像素点的差异系数,根据差异系数获取高差异系数点及低差异系数点,对高差异系数点筛选获取噪声点,并得到每个噪声点的第一权值。
需要说明的是,土工膜表面整体灰度值偏低,而划痕等缺陷边缘往往存在较高梯度变化,并且相对于大部分土工膜正常区域,缺陷区域灰度值往往偏高;根据像素点灰度值与周围邻域的灰度值差异情况获取像素点的差异系数,以差异系数作为像素点权值的计算标准,差异系数越大,说明像素点越可能是缺陷边缘,便为该像素点赋予越大的权值,使得实现对可能的缺陷区域的灰度增强;同时对于噪声点,其与邻域像素点灰度差异较大,同样可能被误认为缺陷区域,结合邻域像素点灰度值的标准差对噪声点进行分析,由于噪声随机出现,因此通过像素点及其邻域像素点的灰度值标准差的差异来进行噪声点判断,并获取对于噪声点的第一权值。
具体的,以灰度图像中任意一个像素点为例,首先获取该像素点的灰度值及四邻域像素点的灰度值,获取该像素点与每个邻域像素点的灰度值之间的差值绝对值,将四个差值绝对值的均值作为该像素点的差异系数,将四邻域像素点的灰度值均值记为该像素点的邻域灰度均值,将四邻域像素点的灰度值标准差记为该像素点的邻域标准差;按照上述方法获取每个像素点的差异系数、邻域灰度均值及邻域标准差,需要说明的是,对于灰度图像中边界部分的像素点,其无法完全获取四邻域像素点,则通过二次线性插值的方法进行填充,使得每个像素点都可以得到四邻域像素点。
进一步的,获取到所有像素点的差异系数后,对所有像素点的差异系数进行OTSU阈值分割,获取差异系数分割阈值,将差异系数大于差异系数分割阈值的像素点记为高差异系数点,差异系数小于等于差异系数分割阈值的像素点记为低差异系数点;对每个像素点获取其分布标准差,分布标准差即为每个像素点及其四邻域像素点的灰度值标准差,引入预设第一阈值用于判断噪声点,本实施例预设第一阈值采用10进行计算,将每个像素点的分布标准差减去邻域标准差得到的差值记为每个像素点的噪声系数,将噪声系数大于预设第一阈值的高差异系数点记为噪声点,噪声系数小于等于预设第一预设阈值的高差异系数点,以及其他低差异系数点不作处理;将每个噪声点的邻域灰度均值与噪声点的灰度值的比值,作为每个噪声点的第一权值;由于噪声随机出现且会与邻域像素点形成较大灰度差异,因此会导致分布标准差与邻域标准差出现较大差异,同时噪声点的差异系数也较大,则从高差异系数点中进行噪声点筛选。
至此,获取到了若干噪声点,以及每个噪声点的第一权值;同时得到了高差异系数点及低差异系数点。
步骤S003、获取每个高差异系数点的周围其他高差异系数点的聚集程度,结合灰度值及差异系数,获取每个像素点的第二权值,通过每个像素点邻域的灰度值及第二权值分布,获取每个像素点的修正权值。
需要说明的是,除开噪声点,差异系数越大的像素点应赋予越大的权值,从而保证灰度变换过程中保证差异系数较大的像素点能够被分割出来;随着差异系数的变大,赋予权值的变化也应更加剧烈以保证高差异系数点一定能被缝合出来,选取指数函数刚好可以满足这一要求;考虑到指数函数是无极限的单调递增函数,应保证函数在根据差异系数对灰度值进行灰度变换后不超过图像的灰度最大值。
进一步需要说明的是,土工膜由于表面较为光滑容易发生发光,因此灰度图像中存在反光区域,反光区域的边界部分灰度值变化剧烈,会导致边界部分像素点差异系数较大,同时四邻域像素点会形成两个灰度值小于该像素点而两个灰度值大于该像素点,即边界部分像素点处于剧烈变化的过渡区域,同时小于的部分与大于的部分的灰度值存在较大差异,则可以通过这种差异进行权值的修正,来筛选掉反光区域的边界部分;而对于反光区域内部,其差异系数较小,第二权值的获取基于差异系数,同时灰度值不参与计算,则反光区域的第二权值较小会使得反光区域内部像素点不会增强;而对于可能的缺陷区域内部像素点,得到的第二权值同样较小,但可以通过可能的缺陷边缘的高权值来修正,从而得到较大的权值。
具体的,对于任意一个非噪声点的高差异系数点,以该高差异系数点为中心,将的窗口中的其他像素点作为该高差异系数点的周围范围,本实施例采用/>进行叙述,其中/>设置需保证为大于1的整数,若无法在灰度图像内获取完整的周围范围,则通过二次线性插值进行填充补全;获取该高差异系数点周围范围内其他高差异系数点的数量,引入预设聚集阈值/>,本实施例采用/>进行叙述,若其他高差异系数点的数量小于等于预设聚集阈值,则设置该高差异系数点的周围其他高差异系数点的聚集程度为1,若其他高差异系数点的数量大于预设聚集阈值,则设置该高差异系数点的周期为他高差异系数点的聚集程度为/>;通过对高差异系数点周围范围进行其他高差异系数点的分析,过多高差异系数点的出现可能为未排除的噪声点造成的干扰,因此通过聚集程度进行筛选;按照上述方法获取每个非噪声点的高差异系数点的聚集程度,对于低差异系数点,则不需要进行聚集程度分析,因此将这些像素点的聚集程度设置为1。
进一步的,基于指数函数构建第二权值,同时引入聚集程度进行限制,则除噪声点外的第个像素点的第二权值/>的计算方法为:
其中,表示第/>个像素点的聚集程度,/>表示第/>个像素点的差异系数,/>则表示指数函数的底数;需要保证灰度变换后灰度值不会超过灰度最大值,即灰度变换后的灰度最大值要小于等于255,则需要保证灰度图像中灰度最大值与第二权值最大值相乘后小于等于255,同时由于聚集程度均为1的情况下,第二权值随差异系数增大而增大,则底数/>需要满足聚集程度为1,且差异系数最大,灰度图像的灰度最大值经第二权值变换后不会超过255,则有:
其中,表示灰度图像中的灰度最大值,/>表示差异系数最大值,/>为灰度值的值域最大值,/>为正数则可以保证指数函数递增,则有:
本实施例取的最大值来使得第二权值较大从而保证灰度变换后的增强效果,则除噪声点外的第/>个像素点的第二权值/>的获取方法为:
其中,表示第/>个像素点的聚集程度,/>表示第/>个像素点的差异系数,/>表示灰度图像中的灰度最大值,/>表示差异系数最大值,/>为灰度值的值域最大值;按照上述方法获取除噪声点外每个像素点的第二权值。
进一步的,对于任意一个除噪声点的高差异系数点,获取该高差异系数点的灰度值以及四邻域像素点的灰度值,若存在两个邻域像素点的灰度值小于该高差异系数点的灰度值,同时两个邻域像素点的灰度值大于该高差异系数点的灰度值,则该高差异系数点可能为反光边界部分,需要对第二权值进行修正;获取该高差异系数点的邻域标准差,对两个小于该高差异系数点的灰度值计算标准差,记为该高差异系数点的第一标准差;对两个大于该高差异系数点的灰度值计算标准差,记为该高差异系数点的第二标准差;将邻域标准差减去第一标准差与第二标准差的均值得到的差值,记为该高差异系数点的反光系数,给出预设第二阈值用于判断反光边界部分,本实施例预设第二阈值采用40进行叙述,若反光系数大于预设第二阈值,则该高差异系数点记为反光边界点,需要对第二权值进行修正;若反光系数小于等于预设第二阈值,则该高差异系数点的第二权值不需要修正;按照上述方法获取除噪声点的若干高差异系数点中的反光边界点。
进一步的,对于任意一个反光边界点,获取该反光边界点与四邻域像素点灰度值的差值绝对值最小值,设置该反光边界点的修正系数为,其中/>表示第二权值计算过程中指数函数采用的底数,/>表示该反光边界点与四邻域像素点灰度值的差值绝对值最小值,将修正系数与第二权值的乘积作为该反光边界点的修正权值;由于是正数,则越大会导致修正系数越小,即反光呈现灰度突变越剧烈,该反光边界点的修正权值就会越小;按照上述方法获取每个反光边界点的修正权值。
进一步的,将非噪声点且非反光边界点的高差异系数点记为高异常点,对于任意一个低差异系数点,若其四邻域像素点存在三个或以上高异常点,则将这些高异常点的第二权值均值作为该低差异系数点的修正权值,并将该低差异系数点归类为高异常点;按照上述方法逐次对低差异系数点进行修正权值获取,同时由于低差异系数点会归类为高异常点,则需要迭代判断,直到不再有低差异系数点归类为高异常点,迭代结束;此时,将噪声点的第一权值、非噪声点且非反光边界点的高差异系数点的第二权值,以及为归类到高异常点的低差异系数点的第二权值,都记为对应像素点的修正权值,则对每个像素点都获取到了修正权值。
至此,获取到了每个像素点的修正权值。
步骤S004、根据每个像素点的修正权值对灰度图像进行灰度变换,得到变换灰度图像,对变换灰度图像进行阈值分割,完成土工膜的缺陷检测。
需要说明的是,获取到每个像素点的修正权值后,则可以基于修正权值对每个像素点的灰度值进行灰度变换,对于噪声点,通过修正权值使其与邻域像素点灰度值相近,去除噪声影响;对于反光区域,通过修正权值来降低光照区域的异常表现;同时通过修正权值使得可能为缺陷区域的灰度值增强,增大可能的缺陷区域与正常区域的灰度差异,进而通过阈值分割完成缺陷检测。
具体的,根据每个像素点的修正权值,对每个像素点的灰度值进行加权灰度变换,得到新的灰度图像,记为变换灰度图像;对变换灰度图像进行OTSU阈值分割,得到缺陷分割阈值,将变换灰度图像中灰度值大于缺陷分割阈值的像素点组成的区域,记为缺陷区域,则完成了土工膜的缺陷检测。
至此,完成了对于土工膜的缺陷检测,并减少了噪声以及反光因素对缺陷检测造成的干扰。
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 (8)
1.基于计算机视觉的环保塑料制品缺陷检测方法,其特征在于,该方法包括以下步骤:
获取土工膜表面的灰度图像;
根据灰度图像中像素点的灰度值获取每个像素点的差异系数,根据差异系数得到若干高差异系数点及低差异系数点;
对高差异系数点筛选获取噪声点并得到噪声点的第一权值;
根据聚集程度、差异系数、灰度图像中的灰度最大值、差异系数最大值以及灰度值的值域最大值,获取除噪声点外每个像素点的第二权值;
根据高差异系数点及邻域像素点的灰度值,获取反光边界点及反光边界点的修正权值;
根据非噪声点且非反光边界点的高差异系数点的第二权值,对低差异系数点获取修正权值;所述对低差异系数点获取修正权值,包括的具体方法为:
将非噪声点且非反光边界点的高差异系数点记为高异常点,以任意一个低差异系数点为目标低差异系数点,若其四邻域像素点存在三个或以上高异常点,则将这些高异常点的第二权值均值作为目标低差异系数点的修正权值,并将目标低差异系数点归类为高异常点;
逐次对低差异系数点进行修正权值获取,迭代判断,直到不再有低差异系数点归类为高异常点,迭代结束;
将噪声点的第一权值、非噪声点且非反光边界点的高差异系数点的第二权值、反光边界点的修正权值,以及未归类到高异常点的低差异系数点对应的第二权值均值,都记为对应像素点的修正权值,从而得到每个像素点的修正权值;
根据每个像素点的修正权值对灰度图像进行灰度变换,得到变换灰度图像,对变换灰度图像进行阈值分割,完成土工膜的缺陷检测。
2.根据权利要求1所述的基于计算机视觉的环保塑料制品缺陷检测方法,其特征在于,所述根据灰度图像中像素点的灰度值获取每个像素点的差异系数,包括的具体方法为:
以任意一个像素点为目标像素点,获取目标像素点的灰度值及四邻域像素点的灰度值,获取目标像素点与每个邻域像素点的灰度值之间的差值绝对值,将四个差值绝对值的均值作为目标像素点的差异系数。
3.根据权利要求1所述的基于计算机视觉的环保塑料制品缺陷检测方法,其特征在于,所述根据差异系数得到若干高差异系数点及低差异系数点,包括的具体方法为:
对所有像素点的差异系数进行阈值分割,获取差异系数分割阈值,将差异系数大于差异系数分割阈值的像素点记为高差异系数点,差异系数小于等于差异系数分割阈值的像素点记为低差异系数点。
4.根据权利要求1所述的基于计算机视觉的环保塑料制品缺陷检测方法,其特征在于,所述对高差异系数点筛选获取噪声点并得到噪声点的第一权值,包括的具体方法为:
获取每个像素点的噪声系数,将噪声系数大于预设第一阈值的高差异系数点记为噪声点;以任意一个噪声点为目标噪声点,将目标噪声点的四邻域像素点的灰度值均值记为目标噪声点的邻域灰度均值,将目标噪声点的邻域灰度均值与目标噪声点的灰度值的比值,作为目标噪声点的第一权值。
5.根据权利要求4所述的基于计算机视觉的环保塑料制品缺陷检测方法,其特征在于,所述获取每个像素点的噪声系数,包括的具体方法为:
以任意一个像素点为目标像素点,获取目标像素点的灰度值及四邻域像素点的灰度值,将目标像素点的四邻域像素点的灰度值标准差,记为目标像素点的邻域标准差,将目标像素点与四邻域像素点的灰度值标准差,记为目标像素点的分布标准差,将目标像素点的分布标准差减去邻域标准差得到的差值,记为目标像素点的噪声系数。
6.根据权利要求1所述的基于计算机视觉的环保塑料制品缺陷检测方法,其特征在于,所述获取除噪声点外每个像素点的第二权值,包括的具体方法为:
获取每个像素点的聚集程度,除噪声点外的第个像素点的第二权值/>的计算方法为:
其中,表示第/>个像素点的聚集程度,/>表示第/>个像素点的差异系数,/>表示灰度图像中的灰度最大值,/>表示差异系数最大值,/>为灰度值的值域最大值。
7.根据权利要求6所述的基于计算机视觉的环保塑料制品缺陷检测方法,其特征在于,所述获取每个像素点的聚集程度,包括的具体方法为:
以任意一个非噪声点的高差异系数点为目标高差异系数点,获取目标高差异系数点的周围范围,获取目标高差异系数点周围范围内其他高差异系数点的数量,若其他高差异系数点的数量小于等于预设聚集阈值,则设置目标高差异系数点的周围其他高差异系数点的聚集程度为1;若其他高差异系数点的数量大于预设聚集阈值/>,则设置目标高差异系数点的周围其他高差异系数点的聚集程度为/>,/>表示窗口的边长;
获取每个非噪声点的高差异系数点的聚集程度,将低差异系数点的聚集程度设置为1。
8.根据权利要求5所述的基于计算机视觉的环保塑料制品缺陷检测方法,其特征在于,所述获取反光边界点及反光边界点的修正权值,包括的具体方法为:
以任意一个除噪声点的高差异系数点为目标高差异系数点,获取目标高差异系数点的灰度值以及四邻域像素点的灰度值,获取目标高差异系数点的邻域标准差,对两个小于目标高差异系数点的灰度值计算标准差,记为目标高差异系数点的第一标准差;对两个大于目标高差异系数点的灰度值计算标准差,记为目标高差异系数点的第二标准差;将邻域标准差减去第一标准差与第二标准差的均值得到的差值,记为目标高差异系数点的反光系数,若反光系数大于预设第二阈值,将目标高差异系数点记为反光边界点;获取除噪声点的若干高差异系数点中的反光边界点;
以任意一个反光边界点为目标反光边界点,获取目标反光边界点与四邻域像素点灰度值的差值绝对值最小值,设置目标反光边界点的修正系数为,其中/>表示第二权值计算过程中指数函数采用的底数,/>表示目标反光边界点与四邻域像素点灰度值的差值绝对值最小值,将修正系数与第二权值的乘积作为该反光边界点的修正权值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311317175.0A CN117058147B (zh) | 2023-10-12 | 2023-10-12 | 基于计算机视觉的环保塑料制品缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311317175.0A CN117058147B (zh) | 2023-10-12 | 2023-10-12 | 基于计算机视觉的环保塑料制品缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117058147A CN117058147A (zh) | 2023-11-14 |
CN117058147B true CN117058147B (zh) | 2023-12-26 |
Family
ID=88663106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311317175.0A Active CN117058147B (zh) | 2023-10-12 | 2023-10-12 | 基于计算机视觉的环保塑料制品缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117058147B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117237355B (zh) * | 2023-11-15 | 2024-02-02 | 宁波快马加鞭科技有限公司 | 基于图像特征的保温杯表面缺陷检测方法 |
CN117764981B (zh) * | 2024-01-11 | 2024-05-10 | 东莞市中钢模具有限公司 | 基于机器视觉的注塑模具质量在线检测系统 |
CN117789132B (zh) * | 2024-02-27 | 2024-05-07 | 深圳市深创高科电子有限公司 | 基于计算机视觉的电子产品外壳缺陷监测方法及系统 |
CN117934474A (zh) * | 2024-03-22 | 2024-04-26 | 自贡市第一人民医院 | 一种肠胃镜检影像增强处理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008272202A (ja) * | 2007-04-27 | 2008-11-13 | Toshiba Corp | 画像処理装置、画像処理プログラムおよびx線撮影装置 |
CN101727662A (zh) * | 2009-11-27 | 2010-06-09 | 西安电子科技大学 | Sar图像非局部均值去斑方法 |
CN102622729A (zh) * | 2012-03-08 | 2012-08-01 | 北京邮电大学 | 基于模糊集合理论的空间自适应块匹配图像去噪方法 |
CN116309600A (zh) * | 2023-05-24 | 2023-06-23 | 山东金佳成工程材料有限公司 | 基于图像处理的环保纺织品质量检测方法 |
CN116740070A (zh) * | 2023-08-15 | 2023-09-12 | 青岛宇通管业有限公司 | 基于机器视觉的塑料管道外观缺陷检测方法 |
-
2023
- 2023-10-12 CN CN202311317175.0A patent/CN117058147B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008272202A (ja) * | 2007-04-27 | 2008-11-13 | Toshiba Corp | 画像処理装置、画像処理プログラムおよびx線撮影装置 |
CN101727662A (zh) * | 2009-11-27 | 2010-06-09 | 西安电子科技大学 | Sar图像非局部均值去斑方法 |
CN102622729A (zh) * | 2012-03-08 | 2012-08-01 | 北京邮电大学 | 基于模糊集合理论的空间自适应块匹配图像去噪方法 |
CN116309600A (zh) * | 2023-05-24 | 2023-06-23 | 山东金佳成工程材料有限公司 | 基于图像处理的环保纺织品质量检测方法 |
CN116740070A (zh) * | 2023-08-15 | 2023-09-12 | 青岛宇通管业有限公司 | 基于机器视觉的塑料管道外观缺陷检测方法 |
Non-Patent Citations (1)
Title |
---|
基于灰度空间特征的模糊C 均值聚类图像分割;李云松 等;计算机工程与设计;第28卷(第6期);第1358-1363页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117058147A (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117058147B (zh) | 基于计算机视觉的环保塑料制品缺陷检测方法 | |
CN102156996B (zh) | 一种图像边缘检测的方法 | |
CN116740070B (zh) | 基于机器视觉的塑料管道外观缺陷检测方法 | |
CN116309600B (zh) | 基于图像处理的环保纺织品质量检测方法 | |
CN109146860B (zh) | 全自动机械设备安装泄露检测方法及装置 | |
CN116109663B (zh) | 基于多阈值分割的胃部ct影像分割方法 | |
CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
CN115330628B (zh) | 基于图像处理的视频逐帧去噪方法 | |
CN115578389A (zh) | 一种沟槽mos器件的缺陷检测方法 | |
CN115984148B (zh) | 一种高通量基因测序数据的去噪增强方法 | |
CN114782329A (zh) | 一种基于图像处理的轴承缺陷损伤程度评估方法及系统 | |
CN116416252B (zh) | 一种勃姆石生产工艺废水沉降图像检测方法 | |
CN112907460B (zh) | 一种遥感图像增强方法 | |
CN111612773B (zh) | 一种红外热像仪及实时自动盲元检测处理方法 | |
CN116030060A (zh) | 一种塑料颗粒质量检测方法 | |
CN115511907B (zh) | 一种用于led屏幕的划痕检测方法 | |
CN115359053A (zh) | 一种金属板材缺陷智能检测方法及系统 | |
CN114549441A (zh) | 基于图像处理的吸管缺陷检测方法 | |
CN111709964B (zh) | 一种pcba目标边缘检测方法 | |
CN116245880A (zh) | 基于红外识别的电动车充电桩火灾风险检测方法 | |
CN116934761B (zh) | 一种乳胶手套缺陷自适应检测方法 | |
CN117274113B (zh) | 基于图像增强的碎硅片清洗效果视觉检测方法 | |
CN117011291B (zh) | 一种手表外壳质量视觉检测方法 | |
CN109934817A (zh) | 一种果体外部轮廓畸形检测方法 | |
CN116703930B (zh) | 一种汽车后视镜模具成型检测方法 |
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 |