CN117095003B - 一种双金属复合板材碳钢原材料清洁度检测方法及装置 - Google Patents
一种双金属复合板材碳钢原材料清洁度检测方法及装置 Download PDFInfo
- Publication number
- CN117095003B CN117095003B CN202311359314.6A CN202311359314A CN117095003B CN 117095003 B CN117095003 B CN 117095003B CN 202311359314 A CN202311359314 A CN 202311359314A CN 117095003 B CN117095003 B CN 117095003B
- Authority
- CN
- China
- Prior art keywords
- dirt
- characteristic
- carbon steel
- pixel
- steel raw
- 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
- 229910000975 Carbon steel Inorganic materials 0.000 title claims abstract description 200
- 239000010962 carbon steel Substances 0.000 title claims abstract description 200
- 230000003749 cleanliness Effects 0.000 title claims abstract description 72
- 239000002994 raw material Substances 0.000 title claims description 196
- 238000000034 method Methods 0.000 title claims description 46
- 239000002131 composite material Substances 0.000 title claims description 44
- 238000009826 distribution Methods 0.000 claims abstract description 50
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 239000002905 metal composite material Substances 0.000 claims abstract description 16
- 230000008602 contraction Effects 0.000 claims description 47
- 230000004044 response Effects 0.000 claims description 46
- 238000012545 processing Methods 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 17
- 239000002689 soil Substances 0.000 claims description 17
- 230000001186 cumulative effect Effects 0.000 claims description 14
- 238000005315 distribution function Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005097 cold rolling Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000005098 hot rolling Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 238000003466 welding 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
- G06T7/10—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
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
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
本申请提供了一种双金属复合板材碳钢原材料清洁度检测方法及装置,通过将碳钢原材料表面图像转换为碳钢原材料表面平滑图像,进而确定像素判断特征值,根据所述像素判断特征值确定污垢特征像素点集和背景特征像素点集,进而确定扩充内核和收缩内核,根据所述扩充内核和所述收缩内核,得到污垢特征区块和背景特征区块,根据所述污垢特征区块和所述背景特征区块,得到污垢边缘点集和背景边缘点集,根据所述污垢边缘点集和所述背景边缘点集,确定污垢区域分布模态值,依据所述污垢区域分布模态值与预设污垢清洁度特征阈值进行对比确定是否向管控中心发送报警信息,避免了现有技术中人为主观进行清洁度检测容易导致误判的问题。
Description
技术领域
本申请涉及材料清洁技术领域,更具体的说,本申请涉及一种双金属复合板材碳钢原材料清洁度检测方法及装置。
背景技术
双金属复合板材是由两种不同金属层通过冷轧、热轧或爆炸焊接等工业制成的复合结构材料,它具有优异的力学性能、耐腐蚀性和导热性能,因此双金属复合材料在船舶、化工、能源等领域得到广泛应用,然而在制造过程中会导致碳钢表面出现污垢或杂质,这些杂质会影响产品的质量和性能。
为了确保双金属复合板材的质量和可靠性,需要对碳钢原材料的清洁度进行检测,传统的清洁度检测方法主要依赖于监测人员的目视检查和手工采样分析,这些方法对双金属复合板材碳钢原材料的污垢区域的检测时间过长,并且由于依赖检测人员的经验判断,容易出现人为主观误判的情况。
发明内容
本申请提供一种双金属复合板材碳钢原材料清洁度检测方法及装置,以解决对双金属复合板材碳钢原材料的污垢区域进行检测时容易出现人为主观误判的技术问题。
为解决上述技术问题,本申请采用如下技术方案:
第一方面,本申请提供一种双金属复合板材碳钢原材料清洁度检测方法,包括如下步骤:
启动双金属复合板材碳钢原材料清洁度检测,采集待检测的双金属复合板材碳钢原材料的表面图像数据,得到碳钢原材料表面图像,将所述碳钢原材料表面图像转换为碳钢原材料表面平滑图像;
确定碳钢原材料平滑图像的像素判断特征值,根据所述像素判断特征值确定污垢特征像素点集和背景特征像素点集,根据所述污垢特征像素点集确定扩充内核,根据所述背景特征像素点集确定收缩内核;
将所述扩充内核的中心点分别与所述污垢特征点集中的污垢特征点进行重叠对比,得到污垢特征区块,将所述收缩内核的中心点分别与所述背景特征点集中的背景特征点进行重叠对比,得到背景特征区块;
确定所述污垢特征区块中各个强度标记系数并进行污垢标记处理,得到污垢边缘点集,获取所述背景特征区块中各个强度标记系数并进行背景标记处理,得到背景边缘点集,根据所述污垢边缘点集和所述背景边缘点集,确定污垢区域分布模态值;
将所述污垢区域分布模态值与预设污垢清洁度特征阈值进行对比,当所述污垢边界特征的值超过所述预设污垢清洁度特征阈值时,向管控中心发送所述污垢区域边界特征信息并报警。
在一些实施例中,将所述碳钢原材料表面图像转换为碳钢原材料表面平滑图像具体包括:
将所述碳钢原材料表面图像转换为灰度图像,得到碳钢原材料表面灰度原始图像;
将所述碳钢原材料表面灰度原始图像进行归一化,得到归一化碳钢原材料表面灰度图像;
计算所述归一化碳钢原材料表面灰度图像的累积分布函数;
遍历所述碳钢原材料表面灰度原始图像中的每个像素,根据所述累积分布函数将每个像素的灰度值分别进行灰度级转换,得到碳钢原材料表面匹配图像;
根据预设的滤波窗口尺寸,获取滤波窗口;
获取所述碳钢原材料表面匹配图像中所有像素点的坐标信息;
根据所述碳钢原材料表面匹配图像中所有像素点的坐标信息和所述滤波窗口对所述碳钢原材料表面匹配图像进行滤波处理,得到碳钢原材料表面平滑图像,该碳钢原材料表面平滑图像中各个像素点的灰度值根据下述公式确定:;
其中表示碳钢原材料表面匹配图像中/>坐标处像素点的灰度值,表示为滤波后/>坐标处像素点的灰度值,A表示滤波窗口,/>表示在以坐标为中心点的滤波窗口内所有像素点灰度值的中值。
在一些实施例中,确定碳钢原材料平滑图像的像素判断特征值具体包括:
获取碳钢原材料表面平滑图像灰度级的数量;
获取碳钢原材料表面平滑图像中每个像素点的灰度值;
根据所述碳钢原材料表面平滑图像灰度级的数量和所述碳钢原材料表面平滑图像中每个像素点的灰度值得到像素判断特征值,该像素判断特征值采用下述公式确定:;
其中表示像素判断特征值,/>表示取表达式中最大值时的参数值,/>表示碳钢原材料表面平滑图像中像素点的灰度值,/>表示阈值为/>时的判断性能值,/>表示碳钢原材料表面平滑图像灰度级的数量。
在一些实施例中,将所述扩充内核的中心点分别与所述污垢特征点集中的污垢特征点进行重叠对比,得到污垢特征区块具体包括:
获取扩充内核的中心点;
将所述扩充内核的中心点与所述污垢特征点集中的第一个污垢特征点进行对齐重叠;
检测扩充内核与污垢特征点的重叠部分,当在该重叠部分的污垢特征点中存在像素点的灰度值与扩充内核中像素点的灰度值相同时,则将在重叠部分的污垢特征点中的所有像素点的灰度值转换为扩充内核中像素点的灰度值,否则保持不变;
将该扩充内核的中心点继续与所述污垢特征点集中的第二个污垢特征点进行对齐重叠;
检测扩充内核与污垢特征点的重叠部分,当在该重叠部分的污垢特征点中存在像素点的灰度值与扩充内核中像素点的灰度值相同,则将在重叠部分的污垢特征点中的所有像素点的灰度值转换为扩充内核中像素点的灰度值,否则保持不变;
重复上述步骤,直到将污垢特征点集中的所有污垢特征点按照行排列优先顺序进行遍历,进而得到污垢特征区块。
在一些实施例中,将所述收缩内核的中心点分别与所述背景特征点集中的背景特征点进行重叠对比,得到背景特征区块具体包括:
获取所述收缩内核的中心点;
将所述收缩内核的中心点与所述背景特征点集中的第一个背景特征点进行对齐重叠;
检测收缩内核与背景特征点的重叠部分,当在该重叠部分的背景特征点中存在像素点的灰度值有小于收缩内核中像素点的灰度值时,则将在重叠部分的背景特征点中的所有像素点的灰度值转换为收缩内核的灰度值,否则保持不变;
将所述收缩内核的中心点继续与所述背景特征点集中的第二个背景特征点进行对齐重叠;
检测收缩内核与背景特征点的重叠部分,当在该重叠部分的背景特征点中存在像素点的灰度值小于收缩内核中像素点的灰度值时,则将在重叠部分的背景特征点中的所有像素点的灰度值转换为收缩内核中像素点的灰度值,否则保持不变;
重复上述步骤,直到将背景特征点集中的所有背景特征点按照行排列优先顺序都进行遍历,进而得到背景特征区块。
在一些实施例中,确定所述污垢特征区块中各个强度标记系数具体包括:
确定所述污垢特征区块中每个像素点在水平方向的水平响应值;
确定所述污垢特征区块中每个像素点在垂直方向的垂直响应值;
根据所述污垢特征区块中每个像素点的所述水平响应值和所述垂直响应值,确定污垢特征区块中各个强度标记系数,该污垢特征区块中各个强度标记系数根据下述公式确定:;
其中表示在污垢特征区块中第/>个像素点的强度标记系数,/>表示在污垢特征区块中第/>个像素点的幅值,/>表示在污垢特征区块中水平方向上第/>个像素点的水平响应值,/>表示在污垢特征区块中垂直方向上第/>个像素点的垂直响应值,/>是平方根函数,/>表示逆切函数,/>表示在污垢特征区块中第/>个像素点的方向,/>表示污垢特征区块中像素点的数量。
在一些实施例中,根据所述污垢边缘点集和所述背景边缘点集,确定污垢区域分布模态值具体包括:
确定所述污垢边缘点集与所述背景边缘点集的重叠像素点;
将重叠像素点进行连接,得到污垢梯度下降边界;
根据所述污垢梯度下降边界,确定污垢区域分布模态值。
第二方面,本申请提供一种双金属复合板材碳钢原材料清洁度检测装置,其包括:
碳钢原材料表面平滑图像确定模块,用于启动双金属复合板材碳钢原材料清洁度检测,采集待检测的双金属复合板材碳钢原材料的表面图像数据,得到碳钢原材料表面图像,将所述碳钢原材料表面图像转换为碳钢原材料表面平滑图像;
内核确定模块,用于确定碳钢原材料平滑图像的像素判断特征值,根据所述像素判断特征值确定污垢特征像素点集和背景特征像素点集,根据所述污垢特征像素点集确定扩充内核,根据所述背景特征像素点集确定收缩内核;
区块确定模块,用于将所述扩充内核的中心点分别与所述污垢特征点集中的污垢特征点进行重叠对比,得到污垢特征区块,将所述收缩内核的中心点分别与所述背景特征点集中的背景特征点进行重叠对比,得到背景特征区块;
污垢区域分布模态值确定模块,用于确定所述污垢特征区块中各个强度标记系数并进行污垢标记处理,得到污垢边缘点集,获取所述背景特征区块中各个强度标记系数并进行背景标记处理,得到背景边缘点集,根据所述污垢边缘点集和所述背景边缘点集,确定污垢区域分布模态值;
报警处理模块,用于将所述污垢区域分布模态值与预设污垢清洁度特征阈值进行对比,当所述污垢区域分布模态值超过所述预设污垢清洁度特征阈值时,向管控中心发送所述污垢区域边界特征信息并报警。
第三方面,本申请提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有代码,所述处理器被配置为获取所述代码,并执行上述的双金属复合板材碳钢原材料清洁度检测方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的双金属复合板材碳钢原材料清洁度检测方法。
本申请公开的实施例提供的技术方案具有以下有益效果:
本申请提供的双金属复合板材碳钢原材料清洁度检测方法及装置中,首先,通过图像转换,可以去除碳钢原材料表面图像中的噪声和不规则性,提高了后续的图像分析和计算机视觉算法的性能,其次,通过像素判断值来确定污垢特征像素点集和背景特征像素点集,可以提高污垢特征和背景特征的分离准确性,同时这些特征点集的确定更易于图像处理算法进行和像素值的分析,而不受主观判断的干扰,然后,通过重叠对比,可以更准确地定位污垢的位置信息,同时还将污垢特征点与周围的背景特征点进行了明确区分,从而增强了对污垢区域的显示,基于图像处理技术,消除了人为主观误判的可能性,进而,根据强度标记系数确定污垢区域分布模态值,可以更准确地确定污垢的边界位置和背景边缘点的突出,有助于提高污垢边界的检测准确性,最后,根据污垢区域分布模态值与预设污垢清洁度特征阈值的对比,可以检测出碳钢原材料上的污垢区域,系统将自动向管控中心发送污垢区域边界特征信息并触发报警,综上所述,本申请中通过确定双金属复合板材碳钢原材料的污垢区域分布模态值,并依据该污垢区域分布模态值进行清洁度检测,并在清洁度过低时向管控中心发送报警信息,从而避免了现有技术中人为主观对双金属复合板材碳钢原材料进行清洁度检测容易导致误判的问题。
附图说明
图1是根据本申请一些实施例所示的双金属复合板材碳钢原材料清洁度检测方法的示例性流程图;
图2是根据本申请一些实施例所示的双金属复合板材碳钢原材料清洁度检测装置的示例性硬件和/或软件的示意图;
图3是根据本申请一些实施例所示的实现双金属复合板材碳钢原材料清洁度检测方法的计算机设备的结构示意图。
具体实施方式
本申请核心是通过获取碳钢原材料表面图像,将所述碳钢原材料表面图像转换为碳钢原材料表面平滑图像,确定碳钢原材料平滑图像的像素判断特征值,根据所述像素判断特征值确定污垢特征像素点集和背景特征像素点集,进而确定扩充内核和收缩内核,根据所述扩充内核和所述收缩内核,得到污垢特征区块和背景特征区块,根据所述污垢特征区块和所述背景特征区块,得到污垢边缘点集和背景边缘点集,根据所述污垢边缘点集和所述背景边缘点集,确定污垢区域分布模态值,根据所述污垢区域分布模态值与预设污垢清洁度特征阈值进行对比,当所述污垢边界特征超过所述预设污垢清洁度特征阈值时,向管控中心发送所述污垢区域边界特征信息并报警,综上所述,本申请通过确定双金属复合板材碳钢原材料的污垢区域分布模态值,并依据该污垢区域分布模态值进行清洁度检测,从而避免了现有技术中人为主观对双金属复合板材碳钢原材料进行清洁度检测容易导致误判的问题。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。参考图1,该图是根据本申请一些实施例所示的双金属复合板材碳钢原材料清洁度检测方法的示例性流程图,该双金属复合板材碳钢原材料清洁度检测方法100主要包括如下步骤:
在步骤101,启动双金属复合板材碳钢原材料清洁度检测,获取待检测的双金属复合板材碳钢原材料的表面图像数据,得到碳钢原材料表面图像,将所述碳钢原材料表面图像转换为碳钢原材料表面平滑图像。
在一些实施例中,启动双金属复合板材碳钢原材料清洁度检测,获取待检测的双金属复合板材碳钢原材料的表面图像数据,得到碳钢原材料表面图像,具体实现时可以使用相机或摄像机等可捕捉静止图像或动态视频的设备作为图像采集设备,采集双金属复合板材的碳钢原材料表面图像数据,得到碳钢原材料表面图像,在实际应用中,也可以选择其他合适的图像采集设备,例如光学相机、X射线和热红外成像等来对所述双金属复合板材的碳钢原材料的表面图像进行采集,这里不做限定。
在一些实施例中,将所述碳钢原材料表面图像转换为碳钢原材料表面平滑图像具体可采用下述方式,即:
将所述碳钢原材料表面图像转换为灰度图像,得到碳钢原材料表面灰度原始图像;
将所述碳钢原材料表面灰度原始图像进行归一化,得到归一化碳钢原材料表面灰度图像;
计算所述归一化碳钢原材料表面灰度图像的累积分布函数;
遍历所述碳钢原材料表面灰度原始图像中的每个像素,根据所述累积分布函数将每个像素的灰度值分别进行灰度级转换,得到碳钢原材料表面匹配图像;
根据预设的滤波窗口尺寸,获取滤波窗口;
获取所述碳钢原材料表面匹配图像中所有像素点的坐标信息;
根据所述碳钢原材料表面匹配图像中所有像素点的坐标信息和所述滤波窗口对所述碳钢原材料表面匹配图像进行滤波处理,得到碳钢原材料表面平滑图像,具体实现时,该碳钢原材料表面平滑图像中各个像素点的灰度值可根据下述公式确定:;
其中表示碳钢原材料表面匹配图像中/>坐标处像素点的灰度值,表示为滤波后/>坐标处像素点的灰度值,A表示滤波窗口,/>表示在以坐标为中心点的滤波窗口内所有像素点灰度值的中值。
需要说明的是,上述将所述碳钢原材料表面图像转换为灰度图像,便于在单一通道上操作,得到碳钢原材料表面灰度原始图像,同时创建一个包含256个灰度级别的直方图,遍历灰度图像中的每个像素,将每个像素的灰度值分配到相对应的灰度级别中,并记录每个灰度级别中的像素数量,对直方图中的每个灰度级别进行归一化,即,将每个灰度级别里面的像素数量除以总像素数量,可得到每个灰度级别的像素占比,创建一个累积分布函数的数组,该累积分布函数的数组的数量和灰度级别的数量相同,迭代遍历归一化灰度图像,从第一个灰度级别开始,本申请中累积分布函数是用于描述图像灰度级别分布的函数,每个累积分布函数等于前面所有的累积分布函数之和再加上当前的灰度级别,进而得到新的累积分布函数,本申请中可以根据累积分布函数确定新的灰度级别:
新灰度级别=round(总灰度级别数-1)*累积分布函数[原灰度级别]
遍历灰度原始图像中的每个像素,使用上述公式计算得到的新灰度级别来设置像素的新值,进而得到碳钢原材料表面匹配图像。
需要说明的是,通过确定碳钢原材料表面匹配图像,使得碳钢原材料表面图像中的灰度值分布更加均匀,从而增强了碳钢原材料表面图像的对比度和细节,在具体实现时,因为采集到的图像可能具有不同的灰度级范围,所以在进行上述步骤前需将该碳钢原材料表面图像映射到灰度级范围为,可以采用灰度级归一化将碳钢原材料表面图像进行映射到灰度级范围为/>,这里不再赘述。
需要说明的是,根据所述碳钢原材料表面匹配图像中所有像素点的坐标信息和所述滤波窗口对所述碳钢原材料表面匹配图像进行滤波处理,具体实现可通过滤波窗口在碳钢原材料表面匹配图像中进行滑动,所述滤波窗口尺寸和形状根据不同滤波需求预设,将该滤波窗口内包含的所有像素点的灰度值替换为该滤波窗口内所有像素点的灰度值的中值。
需要说明的是,本申请中通过滤波处理得到碳钢原材料表面平滑图像,可以去除碳钢原材料表面匹配图像中的离散噪声,从而改善碳钢原材料表面匹配图像的质量,这里不再赘述。
在步骤102,确定碳钢原材料平滑图像的像素判断特征值,根据所述像素判断特征值确定污垢特征像素点集和背景特征像素点集,根据所述污垢特征像素点集确定扩充内核,根据所述背景特征像素点集确定收缩内核。
在一些实施例中,确定碳钢原材料平滑图像的像素判断特征值具体可采用下述方式,即:
获取碳钢原材料表面平滑图像灰度级的数量;
获取碳钢原材料表面平滑图像中每个像素点的灰度值;
根据所述碳钢原材料表面平滑图像灰度级的数量和所述碳钢原材料表面平滑图像中每个像素点的灰度值得到像素判断特征值,本申请中像素判断特征值是用于对碳钢原材料表面平滑图像进行分割的判断值,具体实现时,该像素判断特征值可采用下述公式确定:;
其中表示像素判断特征值,/>表示取表达式中最大值时的参数值,/>表示碳钢原材料表面平滑图像中像素点的灰度值,/>表示阈值为/>时的判断性能值,/>表示碳钢原材料表面平滑图像灰度级的数量。
需要说明的是,本申请中上述判断性能值的确定可以根据该阈值判断后的碳钢原材料平滑图像中的像素点的像素值之间的最大类间方差确定,即分别计算出碳钢原材料表面平滑图像中的像素点的像素值之间的类内方差和类间方差,根据该类内方差和该内间方差之比确定最大类间方差,将所述最大类间方差作为该阈值/>的判断性能值,这里不再赘述。
另外需要说明的是,所述像素判断特征值是用于区分碳钢原材料平滑图像中的像素点的灰度值大小的,即可以将碳钢原材料平滑图像中像素点不同灰度值进行分割出来。
在一些实施例中,根据所述像素判断特征值确定污垢特征像素点集和背景特征像素点集具体可采用下述方式,即:
根据所述像素判断特征值,将碳钢原材料表面平滑图像中灰度值大于像素判断特征值的像素点标记为污垢特征像素点,将灰度值小于等于像素判断特征值的像素点标记为背景特征像素点,在对碳钢原材料表面平滑图像中的所有像素点按照像素判断特征值进行对比大小标记后,得到的所有污垢特征像素点进行集合得到所述污垢特征像素点集,得到的所有背景特征像素点进行集合得到背景特征像素点集。
在一些实施例中,根据所述污垢特征像素点集确定扩充内核具体可采用下述方式,即:
根据污垢特征像素点集确定扩充内核具体包括:将污垢特征像素点集中的最大灰度值作为扩充内核中每个像素点的灰度值,该扩充内核的大小需要根据碳钢原材料平滑图像中的污垢区域大小来确定,较大的扩充内核会导致对污垢点进行连接时产生更多的污垢点,较小的扩充内核会导致对污垢点的连接不充分,因此需要多次试验确定扩充内核大小,因为污垢的形状一般为不规则的圆形,所以本实施例中选择椭圆形的扩充内核,这里不做限定。
需要说明的是,本申请中扩充内核是对污垢区域进行扩充的具有像素尺寸和空间位置形状的像素点集合,用于在碳钢原材料平滑图像上滑动,连接碳钢原材料平滑图像中的各个较小污垢点。
在一些实施例中,根据所述背景特征像素点集确定收缩内核具体可采用下述方式,即:
根据背景特征像素点集确定收缩内核具体包括:背景特征像素点集中的最小灰度值作为收缩内核中每个像素点的灰度值,该收缩内核的大小需要根据碳钢原材料平滑图像中的污垢区域大小来确定,较大的收缩内核会导致过度去除污垢点,较小的收缩内核会对碳钢原材料平滑图像中所包含的污垢点去除不干净,因此需要多次试验确定收缩内核大小,因为收缩内核是去除碳钢原材料平滑图像中的较小污垢点,所以本实施例中选择矩形的收缩内核,这里不做限定。
需要说明的是,本申请中收缩内核是对背景区域进行收缩的具有像素尺寸和空间位置形状的像素点集合,用于在碳钢原材料平滑图像上滑动,去除碳钢原材料平滑图像中较小的污垢点。
需要说明的是,通过碳钢原材料平滑图像的像素判断特征值,确定污垢特征像素点集和背景特征像素点集,即根据像素判断特征值对污垢特征与背景特征进行区分,提高了污垢特征和背景特征的分离准确性,并且由于这种方式减少了对污垢特征误判的可能性,因而降低了扩充内核和收缩内核确定过程的复杂度,更易于对碳钢原材料平滑图像中的污垢特征可视化,有助于后续的分析对比。
在步骤103,将所述扩充内核的中心点分别与所述污垢特征点集中的污垢特征点进行重叠对比,得到污垢特征区块,将所述收缩内核的中心点分别与所述背景特征点集中的背景特征点进行重叠对比,得到背景特征区块。
在一些实施例中,将所述扩充内核的中心点分别与所述污垢特征点集中的污垢特征点进行重叠对比,得到污垢特征区块具体可采用下述方式,即:
获取扩充内核的中心点;
将该扩充内核以所述扩充内核的中心点与所述污垢特征点集中的第一个污垢特征点进行对齐重叠;
检测扩充内核与污垢特征点的重叠部分,当在该重叠部分的污垢特征点中存在像素点的灰度值与扩充内核中像素点的灰度值相同,则将在重叠部分的污垢特征点中的所有像素点的灰度值转换为扩充内核中像素点的灰度值,否则保持不变;
将所述扩充内核的中心点继续与所述污垢特征点集中的第二个污垢特征点进行对齐重叠;
检测扩充内核与污垢特征点的重叠部分,当在该重叠部分的污垢特征点中存在像素点的灰度值与扩充内核中像素点的灰度值相同时,则将在重叠部分的污垢特征点中的所有像素点的灰度值转换为扩充内核中像素点的灰度值,否则保持不变;
重复上述步骤,直到将污垢特征点集中的所有污垢特征点按照行排列优先顺序进行遍历,进而得到污垢特征区块。
需要说明的是,污垢特征点是由污垢像素点组成的,根据扩充内核对污垢特征点集中像素点的灰度值进行变换,将灰度值变换后的像素点集所组合成的区域标记为污垢特征区块,进而使得污垢特征区块更加突出明显,同时将比较相邻的污垢特征区块进行连接成整个污垢特征区块,方便后续进行污垢处理。
在一些实施例中,将所述收缩内核的中心点分别与所述背景特征点集中的背景特征点进行重叠对比,得到背景特征区块具体可采用下述方式,即:
获取所述收缩内核的中心点;
将所述收缩内核的中心点与所述背景特征点集中的第一个背景特征点进行对齐重叠;
检测收缩内核与背景特征点的重叠部分,当在该重叠部分的背景特征点中存在像素点的灰度值小于收缩内核中像素点的灰度值时,则将在重叠部分的背景特征点中的所有像素点的灰度值转换为收缩内核中像素点的灰度值,否则保持不变;
将所述收缩内核的中心点继续与所述背景特征点集中的第二个背景特征点进行对齐重叠;
检测收缩内核与背景特征点的重叠部分,当在该重叠部分的背景特征点中存在像素点的灰度值小于收缩内核中像素点的灰度值时,则将在重叠部分的背景特征点中的所有像素点的灰度值转换为收缩内核中像素点的灰度值,否则保持不变;
重复上述步骤,直到将背景特征点集中的所有背景特征点按照行排列优先顺序都进行遍历,进而得到背景特征区块。
需要说明的是,背景特征点是由背景像素点组成的,根据收缩内核对背景特征点集中像素点的灰度值进行变换,将灰度值变换后的背景特征点集中像素点集所组合成的区域标记为背景特征区块,进而使得背景特征区块得到更加突出明显,同时将背景特征区块中比较较小的污垢点进行去除,进而更加方便后续进行污垢处理。
需要说明的是,通过扩充内核的中心点分别与污垢特征点集中的污垢特征点进行重叠对比,得到污垢特征区块的方式,可以更准确地定位污垢的位置信息,同时还将污垢特征点与周围的背景特征点进行了明确区分,从而消除在污垢特征点集中的背景特征点噪声,并且在本申请中通过收缩内核的中心点分别与所述背景特征点集中的背景特征点进行重叠对比,得到背景特征区块的方式,可以更准确地分割碳钢原材料平滑图像中的背景区域,使其与背景区域中镶嵌的污垢区域相分离,从而排除不必要的背景特征点,增强对污垢区域显示。
在步骤104,确定所述污垢特征区块中各个强度标记系数并进行污垢标记处理,得到污垢边缘点集,获取所述背景特征区块中各个强度标记系数并进行背景标记处理,得到背景边缘点集,根据所述污垢边缘点集和所述背景边缘点集,确定污垢区域分布模态值。
在一些实施例中,确定所述污垢特征区块中各个强度标记系数具体可采用下述方式,即:
确定所述污垢特征区块中每个像素点在水平方向的水平响应值;
确定所述污垢特征区块中每个像素点在垂直方向的垂直响应值;
根据所述污垢特征区块中每个像素点的所述水平响应值和所述垂直响应值,确定污垢特征区块中各个强度标记系数,具体实现时,该污垢特征区块中各个强度标记系数可根据下述公式确定:;
其中表示在污垢特征区块中第/>个像素点的强度标记系数,/>表示在污垢特征区块中第/>个像素点的幅值,/>表示在污垢特征区块中水平方向上第/>个像素点的水平响应值,/>表示在污垢特征区块中垂直方向上第/>个像素点的垂直响应值,/>是平方根函数,/>表示逆切函数,/>表示在污垢特征区块中第/>个像素点的边缘方向,/>表示污垢特征区块中像素点的数量。
需要说明的是,污垢特征区块中每个像素点对应一个强度标记系数,强度标记系数包含每个像素点的幅值和方向,用于表征污垢特征区块中每个像素点在水平方向的水平响应值和污垢特征区块中每个像素点在垂直方向的垂直响应值,具体实现时,可以根据一个预设卷积核通过对所述污垢特征区块进行卷积操作,得到所述水平响应值和所述垂直响应值,例如,将该预设卷积核与所述污垢特征区块中的每个像素点进行卷积操作,得到的卷积结果则是所述污垢特征区块中每个像素点的边缘响应,同时该边缘响应都有水平方向的响应和垂直方向的响应,进而将水平方向的响应作为所述污垢特征区块中像素点的水平响应值,将垂直方向的响应作为所述污垢特征区块中像素点的垂直响应值,这里不再赘述。
在一些实施例中,根据所述污垢特征区块中各个强度标记系数进行污垢标记处理,得到污垢边缘点集具体可采用下述方式,即:
获取所述污垢特征区块的强度标记系数;
将所述污垢特征区块中各个像素点的强度标记系数与预设强度阈值进行对比;
当所述污垢特征区块的强度标记系数与预设强度阈值相等时,则将该污垢特征区块的强度标记系数所对应的像素点作为标记像素点,得到各个标记像素点;
根据所述强度标记系数,确定各个标记像素点中的污垢边缘像素点,得到污垢边缘像素点集。
需要说明的是,将所述污垢特征区块中各个像素点的强度标记系数与预设强度阈值进行对比,是根据强度标记系数中的幅值与预设强度阈值进行对比的,本申请中预设强度阈值是用于区分所述污垢特征区块与所述背景特征区块的像素点的灰度值,实际应用中,该强度阈值的取值可以根据污垢特征区块中像素点的灰度值作为参考值,根据该参考值进行多次试验,选取最佳的强度阈值,通过该最佳的强度阈值能更好的将污垢特征区块与背景特征区块进行区分,这里不再赘述。
需要说明的是,根据所述强度标记系数,确定各个标记像素点中的污垢边缘像素点,得到污垢边缘像素点集,是根据强度标记系数中的方向,确定所述污垢区块最外围的所有边缘像素点,根据每个像素点的强度标记系数中的方向,寻找到污垢区块中最外围的像素点,例如,获取选定像素点的强度标记系数中的方向后,判断该选定像素点强度标记系数中的方向上的最邻近像素点是否为污垢特征区块的像素点,若该最邻近像素点不是污垢特征区块的像素点,则该选定像素点为污垢边缘像素点,若该最邻近像素点是污垢特征区块的像素点,将所述最邻近像素点作为选定像素点并获取其强度标记系数中的方向重复上述步骤,直到最终确定污垢边缘像素点,在一些实施例中,可以将全部标记像素点分别作为选定像素点,重复上述步骤,得到全部污垢边缘像素点作为污垢边缘像素点集,需要说明的是,本申请中该污垢边缘像素点指的是污垢特征区块的边缘像素点,同时该像素点的像素值与污垢特征区块的像素值相同。
在一些实施例中,获取所述背景特征区块中各个强度标记系数具体可采用下述方式,即:
确定所述背景特征区块中每个像素点在水平方向的水平响应值;
确定所述背景特征区块中每个像素点在垂直方向的垂直响应值;
根据所述背景特征区块中每个像素点的所述水平响应值和所述垂直响应值,确定背景特征区块中各个强度标记系数,具体实现时,该背景特征区块中各个强度标记系数可根据下述公式确定:;
其中表示在背景特征区块中第/>个像素点的强度标记系数,/>表示在背景特征区块中第/>个像素点的幅值,/>表示在背景特征区块中水平方向上第/>个像素点的水平响应值,/>表示在背景特征区块中垂直方向上第/>个像素点的垂直响应值,/>是平方根函数,/>表示逆切函数,/>表示在背景特征区块中第/>个像素点的边缘方向,/>表示背景特征区块中像素点的数量。
需要说明的是,背景特征区块中每个像素点对应一个强度标记系数,强度标记系数包含像素点的幅值和方向,确定背景特征区块中每个像素点在水平方向的水平响应值和背景特征区块中每个像素点在垂直方向的垂直响应值,具体实现时,可以根据一个预设卷积核通过对所述背景特征区块进行卷积操作,得到所述水平响应值和所述垂直响应值,例如,将该预设卷积核与所述背景特征区块中的每个像素点进行卷积操作,得到的卷积结果则是所述背景特征区块中每个像素点的边缘响应,同时该边缘响应都有水平方向的响应和垂直方向的响应,进而将水平方向的响应作为所述背景特征区块中像素点的水平响应值,将垂直方向的响应作为所述背景特征区块中像素点的垂直响应值,这里不再赘述。
在一些实施例中,根据所述背景特征区块中各个强度标记系数进行背景标记处理,得到背景边缘点集具体可采用下述方式,即:
获取所述背景特征区块的强度标记系数;
将所述背景特征区块中各个像素点的强度标记系数与预设强度阈值进行对比;
当所述背景特征区块的强度标记系数与预设强度阈值相等时,则将该背景特征区块的强度标记系数所对应的像素点作为标记像素点,得到各个标记像素点;
根据所述强度标记系数,确定各个标记像素点中的背景边缘像素点,得到背景边缘像素点集。
需要说明的是,将所述背景特征区块中各个像素点的强度标记系数与预设强度阈值进行对比,是根据强度标记系数中的幅值与预设强度阈值进行对比的,本申请中预设强度阈值是用于区分所述背景特征区块与所述污垢特征区块的像素点的灰度值,实际应用中,该强度阈值的取值可以根据背景特征区块中像素点的灰度值作为参考值,根据该参考值进行多次试验,选取最佳的强度阈值,通过该最佳的强度阈值能更好的将背景特征区块与污垢特征区块进行区分,这里不再赘述。
需要说明的是,根据所述强度标记系数,确定各个标记像素点中的背景边缘像素点,得到背景边缘像素点集,是根据强度标记系数中的方向,确定所述背景特征区块最外围的所有边缘像素点,根据每个像素点的强度标记系数中的方向,寻找到背景特征区块中最外围的像素点,例如,获取选定像素点的强度标记系数中的方向后,判断该选定像素点强度标记系数中的方向上的最邻近像素点是否为背景特征区块的像素点,若该最邻近像素点不是背景特征区块的像素点,则该选定像素点为背景边缘像素点,若该最邻近像素点是背景特征区块的像素点,将所述最邻近像素点作为选定像素点并获取其强度标记系数中的方向重复上述步骤,直到最终确定背景边缘像素点,在一些实施例中,可以将全部标记像素点分别作为选定像素点,重复上述步骤,得到全部背景边缘像素点作为背景边缘像素点集,需要说明的是,本申请中该背景边缘像素点指的是背景特征区块的边缘像素点,同时该像素点的像素值与背景特征区块的像素值相同。
在一些实施例中,根据所述污垢边缘点集和所述背景边缘点集,确定污垢区域分布模态值具体可采用下述方式,即:
确定所述污垢边缘点集与所述背景边缘点集的重叠像素点;
将重叠像素点进行连接,得到污垢梯度下降边界;
根据所述污垢梯度下降边界,确定污垢区域分布模态值。
需要说明的是,本申请中重叠像素点组成污垢边缘的连通区域,因此,将所有重叠像素点按照最近邻原则进行连接后,可以得到所述双金属复合板材的碳钢原材料表面图像梯度下降特征最明显的污垢特征区块连通区域边界,所述污垢特征区块连通区域边界即为污垢梯度下降边界,所述污垢区域分布模态值用于表征污垢区域的边缘分布特征值,本申请中在所述双金属复合板材的碳钢原材料表面上的污垢的形状是不一样的,在提取到所述边缘梯度信息后,在一些实施例中,为了方便排查出需要报警的污垢区域,可以将所述污垢梯度下降边界的边界长度之和作为所述污垢区域分布模态值,这里不做限定。
需要说明的是,本申请中通过强度标记系数对污垢区块进行污垢标记处理,得到污垢边缘点集的方式,可以更准确地确定污垢的位置和边界,提高污垢边界的检测准确性,进而通过强度标记系数对背景区块进行背景标记处理,得到背景边缘点集,可以使得背景边缘点更加突出,改善碳钢原材料表面平滑图像中对污垢区域的可视化效果,便于后续对双金属复合板材中污垢形状和大小的确定。
在步骤105,将所述污垢区域分布模态值与预设污垢清洁度特征阈值进行对比,当所述污垢区域分布模态值超过所述预设污垢清洁度特征阈值时,向管控中心发送所述污垢区域边界特征信息并报警。
在一些实施例中,根据所述污垢区域分布模态值与预设污垢清洁度特征阈值进行对比,当所述污垢区域分布模态值超过所述预设污垢清洁度特征阈值时,用户界面显示所述污垢区域边界特征信息并报警,即,获取预设污垢清洁度特征阈值,将所述污垢区域分布模态值与所述污垢特征阈值进行对比从而实现清洁度检测,例如,确定污垢区域分布模态值是否超过预设污垢清洁度特征阈值,如果该污垢区域的污垢区域特征超过了预设污垢清洁度特征阈值,表明所述双金属复合板材碳钢原材料的表面清洁度过低,此时需要向管控中心发送该污垢区域的边界特征信息与所在的位置,并且向管理员发送报警,通知管理员及时进行清洁处理,当所述污垢区域分布模态值低于所述预设污垢清洁度特征阈值时,表明所述表明所述双金属复合板材碳钢原材料的表面清洁度达到要求,此时可以对该双金属复合板材碳钢原材料进行后续的工艺处理。
需要说明的是,所述污垢区域分布模态值可为污垢梯度下降边界的边界长度,本申请中预设污垢清洁度特征阈值可以根据实际应用中,可根据需要对多大的污垢进行清洗而预设污垢清洁度特征阈值,计算出需要进行清洗的污垢区域周长大小,将该周长大小作为预设污垢清洁度特征阈值的具体值,这里不做具体限定。
本申请中,首先,通过图像转换,可以去除碳钢原材料表面图像中的噪声和不规则性,提高了后续的图像分析和计算机视觉算法的性能,其次,通过像素判断值来确定扩充内核和收缩内核,可以提高污垢特征和背景特征的分离准确性,减少了对污垢特征误判的可能性,然后,通过重叠对比,可以更准确地定位污垢的位置信息,同时还将污垢特征点与周围的背景特征点进行了明确区分,从而增强了对污垢区域的显示,进而,根据强度标记系数确定污垢区域分布模态值,可以更准确地确定污垢的边界位置和背景边缘点的突出,有助于提高污垢边界的检测准确性,最后,根据污垢区域分布模态值与预设污垢清洁度特征阈值的对比,可以检测出碳钢原材料上的污垢点并进行报警,综上所述,本申请中通过确定双金属复合板材碳钢原材料的污垢区域分布模态值,并依据该污垢区域分布模态值进行清洁度检测,并在清洁度过低时向管控中心发送报警信息,从而避免了现有技术中人为主观对双金属复合板材碳钢原材料进行清洁度检测容易导致误判的问题。
另外,本申请的另一方面,在一些实施例中,本申请提供一种双金属复合板材碳钢原材料清洁度检测装置,参考图2,该图是根据本申请一些实施例所示的双金属复合板材碳钢原材料清洁度检测装置的示例性硬件和/或软件的示意图,该双金属复合板材碳钢原材料清洁度检测装置200包括:碳钢原材料表面平滑图像确定模块201、内核确定模块202、区块确定模块203、污垢区域分布模态值确定模块204和报警处理模块205,分别说明如下:
碳钢原材料表面平滑图像确定模块201,本申请中碳钢原材料表面平滑图像确定模块201主要用于启动双金属复合板材碳钢原材料清洁度检测,采集待检测的双金属复合板材碳钢原材料的表面图像数据,得到碳钢原材料表面图像,将所述碳钢原材料表面图像转换为碳钢原材料表面平滑图像;
内核确定模块202,本申请中内核确定模块202主要用于确定碳钢原材料平滑图像的像素判断特征值,根据所述像素判断特征值确定污垢特征像素点集和背景特征像素点集,根据所述污垢特征像素点集确定扩充内核,根据所述背景特征像素点集确定收缩内核;
区块确定模块203,本申请中区块确定模块203主要用于将所述扩充内核的中心点分别与所述污垢特征点集中的污垢特征点进行重叠对比,得到污垢特征区块,将所述收缩内核的中心点分别与所述背景特征点集中的背景特征点进行重叠对比,得到背景特征区块;
污垢区域分布模态值确定模块204,本申请中污垢区域分布模态值确定模块204主要用于确定所述污垢特征区块中各个强度标记系数并进行污垢标记处理,得到污垢边缘点集,获取所述背景特征区块中各个强度标记系数并进行背景标记处理,得到背景边缘点集,根据所述污垢边缘点集和所述背景边缘点集,确定污垢区域分布模态值;
报警处理模块205,本申请中报警处理模块205主要用于将所述污垢区域分布模态值与预设污垢清洁度特征阈值进行对比,当所述污垢边界特征的值超过所述预设污垢清洁度特征阈值时,向管控中心发送所述污垢区域边界特征信息并报警。
另外,本申请还提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有代码,所述处理器被配置为获取所述代码,并执行上述的双金属复合板材碳钢原材料清洁度检测方法。
在一些实施例中,参考图3,该图是根据本申请一些实施例所示的应用双金属复合板材碳钢原材料清洁度检测方法的计算机设备的结构示意图。上述实施例中的双金属复合板材碳钢原材料清洁度检测方法可以通过图3所示的计算机设备来实现,该计算机设备包括至少一个处理器301、通信总线302、存储器303以及至少一个通信接口304。
处理器301可以是一个通用中央处理器(central processing unit,CPU)、特定应用集成电路(application-specific integrated circuit,ASIC)或一个或多个用于控制本申请中的双金属复合板材碳钢原材料清洁度检测方法的执行。
通信总线302可包括一通路,在上述组件之间传送信息。
存储器303可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其它类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其它类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、只读光盘(compact disc read-only Memory,CD-ROM)或其它光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘或者其它磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其它介质,但不限于此。存储器303可以是独立存在,通过通信总线302与处理器301相连接。存储器303也可以和处理器301集成在一起。
其中,存储器303用于存储执行本申请方案的程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的程序代码。程序代码中可以包括一个或多个软件模块。上述实施例中收缩内核的确定可以通过处理器301以及存储器303中的程序代码中的一个或多个软件模块实现。
通信接口304,使用任何收发器一类的装置,用于与其它设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN)等。
在具体实现中,作为一种实施例,计算机设备可以包括多个处理器,这些处理器中的每一个可以是一个单核(single-CPU)处理器,也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
上述的计算机设备可以是一个通用计算机设备或者是一个专用计算机设备。在具体实现中,计算机设备可以是台式机、便携式电脑、网络服务器、掌上电脑(personaldigital assistant,PDA)、移动手机、平板电脑、无线终端设备、通信设备或者嵌入式设备。本申请实施例不限定计算机设备的类型。
另外,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的双金属复合板材碳钢原材料清洁度检测方法。
综上,本申请实施例公开的双金属复合板材碳钢原材料清洁度检测方法及装置中,首先获取碳钢原材料表面图像,将所述碳钢原材料表面图像转换为碳钢原材料表面平滑图像,确定碳钢原材料平滑图像的像素判断特征值,根据所述像素判断特征值确定污垢特征像素点集和背景特征像素点集,进而确定扩充内核和收缩内核,根据所述扩充内核和所述收缩内核,得到污垢特征区块和背景特征区块,根据所述污垢特征区块和所述背景特征区块,得到污垢边缘点集和背景边缘点集,根据所述污垢边缘点集和所述背景边缘点集,确定污垢区域分布模态值,根据所述污垢区域分布模态值与预设污垢清洁度特征阈值进行对比,当所述污垢边界特征超过所述预设污垢清洁度特征阈值时,向管控中心发送所述污垢区域边界特征信息并报警,综上所述,本申请通过确定双金属复合板材碳钢原材料的污垢区域分布模态值,并依据该污垢区域分布模态值进行清洁度检测,从而避免了现有技术中人为主观对双金属复合板材碳钢原材料进行清洁度检测容易导致误判的问题。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (7)
1.一种双金属复合板材碳钢原材料清洁度检测方法,其特征在于,包括如下步骤:
启动双金属复合板材碳钢原材料清洁度检测,采集待检测的双金属复合板材碳钢原材料的表面图像数据,得到碳钢原材料表面图像,将所述碳钢原材料表面图像转换为碳钢原材料表面平滑图像;
确定碳钢原材料平滑图像的像素判断特征值,根据所述像素判断特征值确定污垢特征像素点集和背景特征像素点集,根据所述污垢特征像素点集确定扩充内核,根据所述背景特征像素点集确定收缩内核;
将所述扩充内核的中心点分别与所述污垢特征点集中的污垢特征点进行重叠对比,得到污垢特征区块,将所述收缩内核的中心点分别与所述背景特征点集中的背景特征点进行重叠对比,得到背景特征区块;
确定所述污垢特征区块中各个强度标记系数并进行污垢标记处理,得到污垢边缘点集,获取所述背景特征区块中各个强度标记系数并进行背景标记处理,得到背景边缘点集,根据所述污垢边缘点集和所述背景边缘点集,确定污垢区域分布模态值;
将所述污垢区域分布模态值与预设污垢清洁度特征阈值进行对比,当所述污垢区域分布模态值超过所述预设污垢清洁度特征阈值时,向管控中心发送污垢区域边界特征信息并报警;
其中,确定碳钢原材料平滑图像的像素判断特征值包括:
获取碳钢原材料表面平滑图像灰度级的数量;
获取碳钢原材料表面平滑图像中每个像素点的灰度值;
根据所述碳钢原材料表面平滑图像灰度级的数量和所述碳钢原材料表面平滑图像中每个像素点的灰度值得到像素判断特征值,其中该像素判断特征值采用下述公式确定:
x*=arg max η(x),x∈[0,N-1]
其中x*表示像素判断特征值,arg max表示取表达式中最大值时的参数值,x表示碳钢原材料表面平滑图像中像素点的灰度值,η(x)表示阈值为x时的判断性能值,N表示碳钢原材料表面平滑图像灰度级的数量;
其中,确定所述污垢特征区块中各个强度标记系数包括:
确定所述污垢特征区块中每个像素点在水平方向的水平响应值;
确定所述污垢特征区块中每个像素点在垂直方向的垂直响应值;
根据所述污垢特征区块中每个像素点的所述水平响应值和所述垂直响应值,确定污垢特征区块中各个强度标记系数,该污垢特征区块中各个强度标记系数根据下述公式确定:
其中Ri表示在污垢特征区块中第i个像素点的强度标记系数,Ki表示在污垢特征区块中第i个像素点的幅值,Kxi表示在污垢特征区块中水平方向上第i个像素点的水平响应值,Kyi表示在污垢特征区块中垂直方向上第i个像素点的垂直响应值,sqrt是平方根函数,arctan表示逆切函数,Fi表示在污垢特征区块中第i个像素点的方向,N表示污垢特征区块中像素点的数量;
其中,根据所述污垢边缘点集和所述背景边缘点集,确定污垢区域分布模态值包括:
确定所述污垢边缘点集与所述背景边缘点集的重叠像素点;
将重叠像素点进行连接,得到污垢梯度下降边界;
根据所述污垢梯度下降边界,确定污垢区域分布模态值。
2.如权利要求1所述的方法,其特征在于,将所述碳钢原材料表面图像转换为碳钢原材料表面平滑图像具体包括:
将所述碳钢原材料表面图像转换为灰度图像,得到碳钢原材料表面灰度原始图像;
将所述碳钢原材料表面灰度原始图像进行归一化,得到归一化碳钢原材料表面灰度图像;
计算所述归一化碳钢原材料表面灰度图像的累积分布函数;
遍历所述碳钢原材料表面灰度原始图像中的每个像素,根据所述累积分布函数将每个像素的灰度值分别进行灰度级转换,得到碳钢原材料表面匹配图像;
根据预设的滤波窗口尺寸,获取滤波窗口;
获取所述碳钢原材料表面匹配图像中所有像素点的坐标信息;
根据所述碳钢原材料表面匹配图像中所有像素点的坐标信息和所述滤波窗口对所述碳钢原材料表面匹配图像进行滤波处理,得到碳钢原材料表面平滑图像,其中该碳钢原材料表面平滑图像中各个像素点的灰度值根据下述公式确定:
其中h(x,y)表示碳钢原材料表面匹配图像中(x,y)坐标处像素点的灰度值,H(x,y)表示为滤波后(x,y)坐标处像素点的灰度值,A表示滤波窗口,Med表示在以(x,y)坐标为中心点的滤波窗口内所有像素点灰度值的中值。
3.如权利要求1所述的方法,其特征在于,将所述扩充内核的中心点分别与所述污垢特征点集中的污垢特征点进行重叠对比,得到污垢特征区块具体包括:
获取扩充内核的中心点;
将所述扩充内核的中心点与所述污垢特征点集中的第一个污垢特征点进行对齐重叠;
检测扩充内核与污垢特征点的重叠部分,当在该重叠部分的污垢特征点中存在像素点的灰度值与扩充内核中像素点的灰度值相同时,则将在重叠部分的污垢特征点中的所有像素点的灰度值转换为扩充内核中像素点的灰度值,否则保持不变;
将所述扩充内核的中心点继续与所述污垢特征点集中的第二个污垢特征点进行对齐重叠;
检测扩充内核与污垢特征点的重叠部分,当在该重叠部分的污垢特征点中存在像素点的灰度值与扩充内核中像素点的灰度值相同时,则将在重叠部分的污垢特征点中的所有像素点的灰度值转换为扩充内核中像素点的灰度值,否则保持不变;
重复上述步骤,直到将污垢特征点集中的所有污垢特征点按照行排列优先顺序进行遍历,进而得到污垢特征区块。
4.如权利要求1所述的方法,其特征在于,将所述收缩内核的中心点分别与所述背景特征点集中的背景特征点进行重叠对比,得到背景特征区块具体包括:
获取所述收缩内核的中心点;
将所述收缩内核的中心点与所述背景特征点集中的第一个背景特征点进行对齐重叠;
检测收缩内核与背景特征点的重叠部分,当在该重叠部分的背景特征点中存在像素点的灰度值小于收缩内核中像素点的灰度值时,则将在重叠部分的背景特征点中的所有像素点的灰度值转换为收缩内核中像素点的灰度值,否则保持不变;
将所述收缩内核的中心点继续与所述背景特征点集中的第二个背景特征点进行对齐重叠;
检测收缩内核与背景特征点的重叠部分,当在该重叠部分的背景特征点中存在像素点的灰度值小于收缩内核中像素点的灰度值时,则将在重叠部分的背景特征点中的所有像素点的灰度值转换为收缩内核中像素点的灰度值,否则保持不变;
重复上述步骤,直到将背景特征点集中的所有背景特征点按照行排列优先顺序都进行遍历,进而得到背景特征区块。
5.一种双金属复合板材碳钢原材料清洁度检测装置,其采用权利要求1所述的方法进行检测,其特征在于,所述双金属复合板材碳钢原材料清洁度检测装置包括有:
碳钢原材料表面平滑图像确定模块,用于启动双金属复合板材碳钢原材料清洁度检测,采集待检测的双金属复合板材碳钢原材料的表面图像数据,得到碳钢原材料表面图像,将所述碳钢原材料表面图像转换为碳钢原材料表面平滑图像;
内核确定模块,用于确定碳钢原材料平滑图像的像素判断特征值,根据所述像素判断特征值确定污垢特征像素点集和背景特征像素点集,根据所述污垢特征像素点集确定扩充内核,根据所述背景特征像素点集确定收缩内核;
区块确定模块,用于将所述扩充内核的中心点分别与所述污垢特征点集中的污垢特征点进行重叠对比,得到污垢特征区块,将所述收缩内核的中心点分别与所述背景特征点集中的背景特征点进行重叠对比,得到背景特征区块;
污垢区域分布模态值确定模块,用于确定所述污垢特征区块中各个强度标记系数并进行污垢标记处理,得到污垢边缘点集,获取所述背景特征区块中各个强度标记系数并进行背景标记处理,得到背景边缘点集,根据所述污垢边缘点集和所述背景边缘点集,确定污垢区域分布模态值;
报警处理模块,用于将所述污垢区域分布模态值与预设污垢清洁度特征阈值进行对比,当所述污垢区域分布模态值超过所述预设污垢清洁度特征阈值时,向管控中心发送所述污垢区域边界特征信息并报警。
6.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有代码,所述处理器被配置为获取所述代码,并执行如权利要求1至4任一项所述的双金属复合板材碳钢原材料清洁度检测方法。
7.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的双金属复合板材碳钢原材料清洁度检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311359314.6A CN117095003B (zh) | 2023-10-20 | 2023-10-20 | 一种双金属复合板材碳钢原材料清洁度检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311359314.6A CN117095003B (zh) | 2023-10-20 | 2023-10-20 | 一种双金属复合板材碳钢原材料清洁度检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117095003A CN117095003A (zh) | 2023-11-21 |
CN117095003B true CN117095003B (zh) | 2024-01-26 |
Family
ID=88777320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311359314.6A Active CN117095003B (zh) | 2023-10-20 | 2023-10-20 | 一种双金属复合板材碳钢原材料清洁度检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117095003B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108010042A (zh) * | 2017-11-29 | 2018-05-08 | 合肥赑歌数据科技有限公司 | 一种基于形态分析的图像轮廓信息提取方法 |
CN109598328A (zh) * | 2018-11-21 | 2019-04-09 | 山东农业大学 | 一种散布式千粒计数方法、系统、装置及终端 |
CN113724257A (zh) * | 2021-11-01 | 2021-11-30 | 常州市宏发纵横新材料科技股份有限公司 | 一种碳板灰色污点检测方法、计算机设备及存储介质 |
WO2022170706A1 (zh) * | 2021-02-09 | 2022-08-18 | 广东拓斯达科技股份有限公司 | 用于模具监视的缺陷检测方法、装置、设备及介质 |
CN115780337A (zh) * | 2023-02-08 | 2023-03-14 | 山东亿盟源新材料科技有限公司 | 一种焊接双金属不锈钢板坯的清洁装置 |
CN116309510A (zh) * | 2023-03-29 | 2023-06-23 | 清华大学 | 数控加工表面缺陷定位方法及装置 |
CN116309570A (zh) * | 2023-05-18 | 2023-06-23 | 山东亮马新材料科技有限公司 | 一种钛合金棒材质量检测方法及系统 |
-
2023
- 2023-10-20 CN CN202311359314.6A patent/CN117095003B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108010042A (zh) * | 2017-11-29 | 2018-05-08 | 合肥赑歌数据科技有限公司 | 一种基于形态分析的图像轮廓信息提取方法 |
CN109598328A (zh) * | 2018-11-21 | 2019-04-09 | 山东农业大学 | 一种散布式千粒计数方法、系统、装置及终端 |
WO2022170706A1 (zh) * | 2021-02-09 | 2022-08-18 | 广东拓斯达科技股份有限公司 | 用于模具监视的缺陷检测方法、装置、设备及介质 |
CN113724257A (zh) * | 2021-11-01 | 2021-11-30 | 常州市宏发纵横新材料科技股份有限公司 | 一种碳板灰色污点检测方法、计算机设备及存储介质 |
CN115780337A (zh) * | 2023-02-08 | 2023-03-14 | 山东亿盟源新材料科技有限公司 | 一种焊接双金属不锈钢板坯的清洁装置 |
CN116309510A (zh) * | 2023-03-29 | 2023-06-23 | 清华大学 | 数控加工表面缺陷定位方法及装置 |
CN116309570A (zh) * | 2023-05-18 | 2023-06-23 | 山东亮马新材料科技有限公司 | 一种钛合金棒材质量检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
Study on quantitative detection of fruit tree branch bending effect based on SURF algorithm;Wang Jinxing et al.;《2019 14th IEEE International Conference on Electronic Measurement & Instruments》;第413-424页 * |
基于Otsu阈值的MSI不连续破损边缘提取;李德新;《计算机仿真》;第37卷(第09期);第358-362页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117095003A (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110458839B (zh) | 一种有效的电线电缆监测系统 | |
EP2819091B1 (en) | Method and apparatus for processing a gray image | |
CN109743879A (zh) | 一种基于动态红外热像图处理的地下管廊渗漏检测方法 | |
CN109410192B (zh) | 一种多纹理分级融合的织物缺陷检测方法及其装置 | |
CN111199544A (zh) | 一种变电站红外监测方法、装置和计算机可读存储介质 | |
CN110555819A (zh) | 基于红外和可见光图像融合的设备监测方法、装置及设备 | |
CN113609901A (zh) | 一种输变电设备故障监测方法及系统 | |
CN117274722B (zh) | 基于红外图像的配电箱智能检测方法 | |
CN112669287A (zh) | 基于图像识别的电气设备温度监测方法 | |
KR101874968B1 (ko) | 이미지 정보 기반의 시정거리 측정 시스템 및 이를 이용한 시정거리 측정 방법 | |
CN111160305A (zh) | 一种变压器套管异常监测方法及计算机可读介质 | |
CN116797977A (zh) | 巡检机器人动态目标识别与测温方法、装置和存储介质 | |
CN117095003B (zh) | 一种双金属复合板材碳钢原材料清洁度检测方法及装置 | |
CN112419243B (zh) | 一种基于红外图像分析的配电房设备故障识别方法 | |
CN116883412A (zh) | 一种石墨烯远红外电热设备故障检测方法 | |
CN114581440B (zh) | 一种基于图像识别快速定位泄漏点的方法 | |
CN114943720A (zh) | 一种电力图像处理方法及装置 | |
CN111553910B (zh) | 一种基于红外图像的大型实验装置电器设备热故障检测方法 | |
CN113763359A (zh) | 一种金属近表面缺陷检测用智能检测与感知系统 | |
CN108986175B (zh) | 示温漆区域温度判读方法 | |
CN112184645A (zh) | 风机叶片检测方法、系统及其计算机可存储介质 | |
CN112381799A (zh) | 一种导线断股确认方法、装置、电子设备和计算机可读存储介质 | |
CN117613822B (zh) | 变频器快速停机方法、装置、设备及存储介质 | |
CN117474918B (zh) | 异常检测方法和装置、电子设备以及存储介质 | |
CN115861210B (zh) | 一种基于孪生网络的变电站设备异常检测方法和系统 |
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 |