CN117152052B - 一种面向工业图像质量的智能反馈控制方法与系统 - Google Patents
一种面向工业图像质量的智能反馈控制方法与系统 Download PDFInfo
- Publication number
- CN117152052B CN117152052B CN202310643591.3A CN202310643591A CN117152052B CN 117152052 B CN117152052 B CN 117152052B CN 202310643591 A CN202310643591 A CN 202310643591A CN 117152052 B CN117152052 B CN 117152052B
- Authority
- CN
- China
- Prior art keywords
- image
- module
- unqualified
- feedback
- image quality
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000013441 quality evaluation Methods 0.000 claims abstract description 33
- 238000013500 data storage Methods 0.000 claims abstract description 19
- 238000003384 imaging method Methods 0.000 claims description 43
- 230000008569 process Effects 0.000 claims description 8
- 230000009123 feedback regulation Effects 0.000 claims description 7
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 230000001276 controlling effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 9
- 238000001514 detection method Methods 0.000 abstract description 7
- 230000000007 visual effect Effects 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 description 7
- 238000003672 processing method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005286 illumination Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012216 screening 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
- G06T1/00—General purpose image data processing
- G06T1/0007—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/60—Memory management
-
- 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
- G06T2207/30168—Image quality 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Robotics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种面向工业图像质量的智能反馈控制方法与系统，该系统包括以下模块：图像质量评价模块、图像处理模块、数据储存模块、计数重置模块、反馈调节模块；涉及的方法包括：对所有输入图像采用图像质量评价模块进行快速评估，若存在不合格的情况，尤其是图像中目标存在难可视/不可视，将总结图像信息并由图像处理模块和反馈调节模块进行软件和硬件优化调整。本发明以解决工业环境下极易出现的目标难可视/不可视问题而严重影响检测性能的难题，通过集成化的图像处理系统，调用软硬件进行优化的方式可灵活适应复杂多变的应用场景。
Description
技术领域
本发明属于工业图像处理技术领域，具体涉及一种面向工业图像质量的智能反馈控制方法与系统。
背景技术
在工业检测过程中，工件表面的图像质量对检测结果非常关键。然而，在实际的复杂多变且苛刻的工业环境中，烟雾粉尘的存在，水珠的存在，光照不足或过曝，物体高度变化明显导致未聚焦，物体和相机相对速度过大导致运动模糊等影响下，不仅图像质量过差，更是连图像中的目标可视性都难以保证。这意味着要直接获得边缘锐化、无块状模糊的高分辨率图像，离不开高性能采集相机和附件等良好的内部条件，以及干净的环境和适当的拍摄光强及角度等合适的外部条件。然而，这样的话，图像采集的难度和成本将显着提高，不利于先进、经济的图像检测系统的部署。因此，开发具有较高图像处理能力的算法，并集成足够的自主调节功能是提高工业图像质量的一种经济有效的方法。
近年来，采用智能图像处理方法和系统进行图像质量改善的方案已得到了成功的应用，但整体还存在一些问题。
申请号202211686606.6名称为一种智能图像处理系统，公开了一种智能图像处理系统。该系统主要用于对输入图像尺寸进行智能化处理，期间还包括对图像进行色彩，对比度，清晰度的处理与优化，具备了较好的图像处理能力。但是，上述公开的技术方案仍然存在如下技术问题：(1)该方法是对图像的显示效果进行了调整，而无法改变图像的显示能力。修复也仅限于对调整后的图像进行降噪处理。即，原始图片已具备良好的目标可视性，而该方法只是强化人眼的认知感受。无法处理工业环境下的各种成像条件不佳导致的可视性较差的情况。(2)该方法未涉及采集设备反馈调节策略与技术，无法自适应工业环境下的复杂成像条件。
申请号202210487677.7名称为一种自适应曝光驱动相机摄影水下图像处理系统，公开了一种自适应曝光驱动相机摄影水下图像处理系统。该系统主要用于对输入图像的光照和特性信息进行分析，并基于分析结果一方面调整相机参数，另一方面采用特征修复算法进行特征增强，最终实现更优质的图像显示。但是，上述公开的技术方案仍然存在如下技术问题：(1)该方法中基于每一副输入的图像调用自适应曝光模块进行分析和调整时，首先分析图像的光照值，随后采用动作-价值算法框架的强化学习智能体分析得到所对应的最佳相机参数，最后，基于所分析得到的相机参数进行调整，以实现最佳的光照成像条件。但是这样的物理优化方式十分耗费时间。并且，很多时候对光照值的调节并不是很重要。每一帧的图像采集都采用这种调节方式将严重影响图像采集效率和实时监控作业的实现；(2)该系统中的图像复原模块仅采用单一图像修复算法，对于工业环境下复杂多变的难可视情景，单一算法的修复能力有限，这意味着该算法的工业应用能力有限。
因此，由于工业环境的复杂多变，一般的图像处理方法及系统难以高效解决工业图像的可视化问题。急需开发一种功能集成度高，充分考虑效率的高度智能的图像处理方法和系统，尽可能的保证快速高效的工业图像质量优化调整，以契合实时工业检测作业，提高工业环境下作业的效率和准确度。
发明内容
本发明目的在于提供一种面向工业图像质量的智能反馈控制方法与系统，用于复杂多变环境。在工业情景下，由于环境复杂多变，多种外部干扰将会严重影响图像质量，甚至影响目标可视性。一方面，对难可视或不可视图像目标进行修复，使其具备可视性的难度显著高于常规的图像质量修复。另一方面这些外部干扰的干扰机制并不相同，单一算法无法解决不同干扰机制带来的影响。集成多种算法，并尽可能的采用高效的调用/调节策略，将是一种可行的方式。本发明提出的方法以如何高效保证复杂多变环境下的图像目标高质量可视为目标，采用机器视觉及深度学习技术，设计高效的模块集成和调用方案，在保证了检测效率的前提下，解决了当下复杂多变环境下图像质量差且可视化程度不高而严重影响检测判断的问题，适宜于工业环境部署。
本发明解决其技术问题所采用的技术方案是：
一种面向工业图像质量的智能反馈控制方法与系统，其特征在于包括以下模块：图像质量评价模块、图像处理模块、数据储存模块、计数重置模块、反馈调节模块；
所述图像质量评价模块用于对输入图像进行成像质量评估，该模块从两个方面来对图像进行评估，一种是评估成像的质量是否合格，一种是对不合格图像判断其成像不佳的原因类别；
所述图像处理模块用于对图像质量评价模块中判定为不合格的工件图像根据其成像不佳的原因，调用对应的图像智能优化方法进行处理；
所述数据储存模块用于对图像质量评价模块运算后的图像信息进行储存，包含合格图像信息储存区和不合格图像信息储存区，储存形式可为图片格式也可为矩阵数列等其他格式，其中不合格图像信息除了图像还有其对应的不合格类别的文本判定信息；
所述计数重置模块用于对一定时间内图像处理模块处理后的仍然不合格的图片进行计数，以调控图像反馈调节模块；
所述反馈调节模块用于根据计数重置模块判定结果触发对应调整装置，包含采集设备调整装置和报警装置，其中采集设备调整装置将依据所判定的不合格图像成像不佳的原因类别按照指定调整原则调整相机及光源参数，而当无法调整得到合格图片时，将触发报警装置，引入人工干预；
一种面向工业图像质量的智能反馈控制方法，包括以下步骤：
S11：基于特定工业环境，根据图像采集设备的采集帧率和成像范围及物体移动速度确定需反馈调节的不合格图片数临界值N和计数模块的每次计数时间间隔t；
S12：开启图像采集设备，将采集到的实时图像流按一定标记规则顺序命名后输入至图像质量评价模块用于成像质量评估；
S13：图像质量评价模块先评价图像质量是否合格，若合格则将该图片投入至数据储存模块中的合格图片储存区用于储存，并继续对下一帧图像进行检测，若不合格则进一步判断导致其成像不佳的原因类别,并投入至图像处理模块，同时继续对下一帧图像进行检测；
S14：图像处理模块根据图像质量评价模块所传递的成像不佳原因的判别信息，对投入的图像调用针对性的图像处理算法进行优化处理；
S15：图像处理完成后，将所处理后的图像继续投入至图像质量评价模块，若判断为合格，则将其按命名顺序插入至数据储存模块中的合格图片储存区的对应位置，若判断为不合格则开启计数重置模块统计t时间内不同类别的不合格图片数，并将根据所统计的不同类别的不合格图片数调控反馈调节模块；
S16：反馈调节模块根据计数重置模块所分析得到的需要处理的成像不佳的类别，调用针对性的采集设备调整策略对采集设备进行调整，改善成像环境，调节过程重复步骤S12-S15；
S17：计数重置模块在每个t时间到后，自动将所统计的所有不合格图片数清零，并将所有不合格图片按原有命名顺序投入至数据储存模块中的不合格图片储存区；(老师，这一条要不要单独放一条权利要求呢？)
进一步地，权利要求1中步骤S15涉及到的计数重置模块调控反馈调节模块的方法为：
S21：若在t时间内任意类别的不合格图片数均小于临界值N，则核对反馈调节模块中采集设备调整装置是否启动，若已启动，则不论是否运行均关闭反馈调节模块；
S22：若在t时间内某一类别的不合格图片数大于或等于临界值N，则核对反馈调节模块中采集设备调整装置是否启动并运行，若已启动但并未运行，则启动报警装置，并关闭采集设备调整装置，若已启动并正在运行，则不予处理，若未启动，则启动反馈调节模块中采集设备调整装置。
本发明的有益效果为：
1.不同于传统的采用固定的图像质量优化处理流程的系统，本发明通过灵活调用物理优化和特征优化方法，能自适应复杂多变的工业环境，保证了系统的智能化。
2.不同于传统的以提升画面质感为目的的图像质量优化处理方法与系统，本发明通过集成多种针对性的图像修复算法，不仅可提升图像质量，更可有效改善工件图像中的目标难可视/不可视问题，避免了使用昂贵的采集设备或者苛刻的采集条件，在实现更强功能的同时有效保证了经济性。
3.不同于传统的基于输入生成并执行相关控制指令的串联逻辑的视觉伺服系统，本发明通过设置图像质量评估模块进行持续不断的前端筛选，仅对部分出现问题的输入通过判别才执行对应的反馈调节，主线控制逻辑为近T型的分支型，可有效保证视觉伺服系统的高效性和准确性。
综上，所提出的一种面向工业图像质量的智能反馈控制方法与系统在保证经济性的同时实现了实时，高效，智能的工件图像修复，有效解决了复杂环境下的图像目标难可视/不可视问题。为工业图像处理方法和系统的升级提供了新思路。
附图说明
图1是本发明系统的逻辑关系简图；
图2是本发明方法的控制流程简图；
图3是本发明系统中图像评价模块对实时图像流进行评估的结构原理框图；
图4是本发明系统中图像处理模块处理的结构原理框图；
图5是本发明系统中图像评价模块对图像处理后图像流进行评估的结构原理框图；
图6是本发明系统中计数重置模块与反馈调节模块的结构原理框图。
具体实施方式
下面结合附图对本发明作进一步描述。
如图1所示，本实施例中面向工业图像质量的智能反馈控制系统，包括用于进行图像质量评估的图像质量评价模块、对不合格图像进行针对性优化处理的图像处理模块、储存所有图像信息的数据储存模块、对不同类别的不合格图片进行统计并联动反馈调节模块的计数重置模块、对图像采集设备进行针对性调整的反馈调节模块；所述图像质量评价模块由两个部分组成，用于对输入图像进行成像质量检测并划分多个级别用于成像质量评价，首先以信噪比(PSNR)和相似度指数(SSIM)评价成像的质量失真情况(即，是否合格)，其次是对不合格图像通过判断其暗通道值(jdark)，雨纹R和模糊核k等判断其成像不佳的原因类别是否属于烟雾影响，水珠影响或不匹配的相对速度影响等，值得注意的是，如表1所示，对于图像评价模块存在两个输入，一个是图像采集设备的实时图像流，一个是图像处理后的图像流；所述图像处理模块集成了多个图像智能优化方法，用于接受图像质量评价模块传递的图像及成像不佳的原因类别信息，并对这些判定为成像不合格的图片根据其成像不佳的原因，调用对应的图像智能优化方法进行处理；所述数据储存模块用于对图像质量评价模块运算后的图像信息进行储存，包含合格图像信息储存区和不合格图像信息储存区，储存形式可为图片格式也可为矩阵数列等其他格式，其中不合格图像信息除了图像还有其对应的不合格类别的文本判定信息，值得注意的是，如表1所示，数据储存模块也存在三个输入，分别是图像评价模块对实时图像流评价后的合格图像，图像评价模块对图像处理后的图像流评价后的合格图像和图像评价模块对图像处理后的图像流评价后的不合格图像；所述计数重置模块用于对一定时间内图像处理模块处理后的仍然不合格的图片进行计数，以判断是否需要调用图像反馈调节模块或启动报警装置；所述反馈调节模块用于根据计数重置模块判定结果触发对应调整装置，包含采集设备调整装置和报警装置，其中采集设备调整装置将依据所判定的不合格图像成像不佳的原因类别按照指定调整原则调整相机及光源参数，而当无法调整得到合格图片时，将触发报警装置，引入人工干预；
如图2所示，本实施例中面向工业图像质量的智能反馈控制方法可简要概括为，对于图像采集设备采集到的图像流，图像评价模块先进行评价处理，合格图像储存至数据储存模块，不合格图像将传递其图像及不合格原因的类别信息至图像处理模块，图像处理模块进行针对性处理后，这些不合格图像将再次由图像评价模块判断是否合格，若合格，则储存至数据储存模块，若不合格则启动计数重置模块统计各个类别的不合格图片数，若达到临界值，则启动反馈调节模块用与对图像采集设备进行调整和进行其他处理。具体流程如下：
S11：基于工业轧制板材检测环境，已知板材移动速度为60m/min，相机固有采集帧率为10fps(该帧率可随曝光时间等参数而出现左右波动)，初始视野范围为50cm×50cm，初始工作距离为50cm,初始光源照度为150Klux，且由光源控制器控制，则可知，板材上任意一点移动进入和离开相机视野的时间间隔为0.5s，则可确定N＝10×0.5＝5，而以20％为比例来确定最大容忍不合格图片比例的话，可确定
S12：开启含相机和光源在内的图像采集设备，将采集到的实时图像流按时间顺序命名后输入至图像质量评价模块用于成像质量评估；
S13：图像质量评价模块首先以信噪比(PSNR)和相似度指数(SSIM)评价成像的质量失真情况(即，是否合格)，若合格则将该图片投入至数据储存模块中的合格图片储存区用于储存，并继续对下一帧图像进行检测，若不合格则进一步对不合格图像通过判断其暗通道值(jdark)，雨纹R和模糊核k等判断其成像不佳的原因类别是否属于烟雾影响，水珠影响或不匹配的相对速度影响等，并投入至图像处理模块，同时继续对下一帧图像进行检测，如图3所示；
S14：图像处理模块根据图像质量评价模块所传递的成像不佳原因的判别信息，对投入的图像调用如图像去雾化，图像去雨，图像去模糊等针对性图像处理算法进行优化处理，如图4所示；
S15：图像处理完成后，将所处理后的图像继续投入至图像质量评价模块，若判断为合格，则将其按命名顺序插入至数据储存模块中的合格图片储存区的对应位置，如图5所示，而若判断为不合格则开启计数重置模块统计2.5s内不同类别的不合格图片数，并将根据所统计的不同类别的不合格图片数调控反馈调节模块；
S16：反馈调节模块根据计数重置模块所分析得到的需要处理的成像不佳的类别，调用针对性的采集设备调整策略对采集设备进行调整，改善成像环境，调节过程重复步骤S12-S15；
S17：计数重置模块在每2.5s后，自动将所统计的所有不合格图片数清零，并将所有不合格图片按原有命名顺序投入至数据储存模块中的不合格图片储存区；
图6为计数重置模块与反馈调节模块的联动控制逻辑，具体控制流程如下：
S21：若在2.5s内任意类别的不合格图片数均小于临界值5，则核对反馈调节模块中采集设备调整装置是否启动，若已启动，则不论是否运行均关闭反馈调节模块；
S22：若在2.5s内模糊的不合格图片数大于或等于临界值5，则核对反馈调节模块中采集设备调整装置是否启动并运行，若已启动但并未运行，则启动报警装置，并关闭采集设备调整装置，若已启动并正在运行,运行内容包含针对图像模糊的调整策略，如增加采集设备防抖能力，增加图像的采集速度等来改善采集环境，则不予处理，若未启动，则启动反馈调节模块中采集设备调整装置；
本发明所述的一种面向工业图像质量的智能反馈控制方法与系统，一方面，通过自适应的物理优化和特征优化两种方案能对各种复杂多变工业环境有很好的适应能力，能高效应用于不同的复杂工业场景。另一方面，其是针对工业图像的难/不可视问题进行了集成开发，其包含的多类图像优化处理方法能很好的解决复杂工业环境下的图像难/不可视问题，功能性上强于当前中以提高图像人眼感官为目标的图像处理系统，并且其还可以避免使用昂贵的设备或苛刻的采集条件进行图像采集，具备了很好的经济性。
综上，所提出的一种面向工业图像质量的智能反馈控制方法与系统在保证经济性的同时实现了实时，高效，智能的工件图像修复，有效解决了复杂环境下的图像目标难可视/不可视问题。为工业图像处理方法和系统的升级提供了新思路。上面结合附图对本发明的实例进行了描述，但本发明不局限于上述具体的实施方式，上述的具体实施方式仅是示例性的，不是局限性的，任何不超过本发明权利要求的发明创造，均在本发明的保护之内。
表1.含两个及以上输入的模块类别及对应输入类别
Claims (2)
1.一种面向工业图像质量的智能反馈控制方法，其特征在于，包括以下步骤：
S11：基于特定工业环境，根据图像采集设备的采集帧率和成像范围及物体移动速度确定需反馈调节的不合格图像数临界值N和计数模块的每次计数时间间隔t；
S12：开启图像采集设备，将采集到的实时图像流按一定标记规则顺序命名后输入至图像质量评价模块用于成像质量评估；
S13：图像质量评价模块先评价图像质量是否合格，若合格则将该图像投入至数据储存模块中的合格图片储存区用于储存，并继续对下一帧图像进行检测，若不合格则进一步判断导致其成像不佳的原因类别,并投入至图像处理模块，同时继续对下一帧图像进行检测；
S14：图像处理模块根据图像质量评价模块所传递的成像不佳原因的判别信息，对投入的图像调用针对性的图像处理算法进行优化处理；
S15：图像处理完成后，将所处理后的图像继续投入至图像质量评价模块，若判断为合格，则将其按命名顺序插入至数据储存模块中的合格图片储存区的对应位置，若判断为不合格则开启计数重置模块统计t时间内不同类别的不合格图片数，并将根据所统计的不同类别的不合格图片数调控反馈调节模块；
S16：反馈调节模块根据计数重置模块所分析得到的需要处理的成像不佳的类别，调用针对性的采集设备调整策略对采集设备进行调整，改善成像环境，调节过程重复步骤S12-S15；
S17：计数重置模块在每个t时间到后，自动将所统计的所有不合格图像数清零，并将所有不合格图片按原有命名顺序投入至数据储存模块中的不合格图像储存区；
其中所述根据所统计的不同类别的不合格图片数调控反馈调节模块具体包括：
S21：若在t时间内任意类别的不合格图像数均小于临界值N，则核对反馈调节模块中采集设备调整装置是否启动，若已启动，则不论是否运行均关闭反馈调节模块；
S22：若在t时间内某一类别的不合格图像数大于或等于临界值N，则核对反馈调节模块中采集设备调整装置是否启动并运行，若已启动但并未运行，则启动报警装置，并关闭采集设备调整装置，若已启动并正在运行，则不予处理，若未启动，则启动反馈调节模块中采集设备调整装置。
2.一种面向工业图像质量的智能反馈控制系统，执行如权利要求1所述的方法，其特征在于所述系统包括以下模块：图像质量评价模块、图像处理模块、数据储存模块、计数重置模块、反馈调节模块；
所述图像质量评价模块用于对输入图像进行成像质量评估，该图像质量评价模块从两个方面来对图像进行评估，一种是评估成像的质量是否合格，一种是对不合格图像判断其成像不佳的原因类别；
所述图像处理模块用于对图像质量评价模块中判定为不合格的工件图像根据其成像不佳的原因，调用对应的图像智能优化方法进行处理；
所述数据储存模块用于对图像质量评价模块运算后的图像信息进行储存，包含合格图像信息储存区和不合格图像信息储存区，储存形式为图片格式或矩阵数列格式，其中不合格图像信息除了图像还有其对应的不合格类别的文本判定信息；
所述计数重置模块用于对一定时间内图像处理模块处理后的仍然不合格的图片进行计数，以调控图像反馈调节模块；
所述反馈调节模块用于根据计数重置模块判定结果触发对应调整装置，包含采集设备调整装置和报警装置，其中采集设备调整装置将依据所判定的不合格图像成像不佳的原因类别按照指定调整原则调整相机及光源参数，而当无法调整得到合格图片时，将触发报警装置，引入人工干预。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310643591.3A CN117152052B (zh) | 2023-06-01 | 2023-06-01 | 一种面向工业图像质量的智能反馈控制方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310643591.3A CN117152052B (zh) | 2023-06-01 | 2023-06-01 | 一种面向工业图像质量的智能反馈控制方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117152052A CN117152052A (zh) | 2023-12-01 |
| CN117152052B true CN117152052B (zh) | 2024-02-20 |
Family
ID=88901474
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310643591.3A Active CN117152052B (zh) | 2023-06-01 | 2023-06-01 | 一种面向工业图像质量的智能反馈控制方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117152052B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114037674A (zh) * | 2021-11-04 | 2022-02-11 | 天津大学 | 一种基于语义上下文的工业缺陷图像分割检测方法及装置 |
| CN115184361A (zh) * | 2022-06-30 | 2022-10-14 | 中南大学 | 基于机器视觉的实时工件表面缺陷检测评价系统及方法 |
| CN115249245A (zh) * | 2022-09-22 | 2022-10-28 | 深圳华声医疗技术股份有限公司 | 超声成像参数优化方法、装置、计算机设备及存储介质 |
| CN115272184A (zh) * | 2022-06-24 | 2022-11-01 | 沈阳智谷科技有限公司 | 基于优化工业图像质量的缺陷识别方法 |
-
2023
- 2023-06-01 CN CN202310643591.3A patent/CN117152052B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114037674A (zh) * | 2021-11-04 | 2022-02-11 | 天津大学 | 一种基于语义上下文的工业缺陷图像分割检测方法及装置 |
| CN115272184A (zh) * | 2022-06-24 | 2022-11-01 | 沈阳智谷科技有限公司 | 基于优化工业图像质量的缺陷识别方法 |
| CN115184361A (zh) * | 2022-06-30 | 2022-10-14 | 中南大学 | 基于机器视觉的实时工件表面缺陷检测评价系统及方法 |
| CN115249245A (zh) * | 2022-09-22 | 2022-10-28 | 深圳华声医疗技术股份有限公司 | 超声成像参数优化方法、装置、计算机设备及存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| A No-Reference Image Quality Assessment Metric for Wood Images;Heshalini Rajagopal等;《Journal of Robotics, Networking and Artificial Life》;20210101;第8卷(第2期);127-133 * |
| GH4169合金锻造混晶组织的均匀细化机制与工艺;王冠强等;《精密成形工程》;20210110;第13卷(第01期);78-83 * |
| 双通道立体图像质量评价方法的研究;王杨等;《科学技术与工程》;20230208;第23卷(第04期);1589-1597 * |
| 图像失真检测与质量评价方法及其应用;梁栋;《中国博士学位论文全文数据库 (信息科技辑)》;20230215(第02期);I138-149 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117152052A (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101127835B (zh) | 一种提高数字摄像设备视频图像质量的前处理方法和装置 | |
| CN101582991B (zh) | 图像处理方法及装置 | |
| US11700457B2 (en) | Flicker mitigation via image signal processing | |
| CN111770285B (zh) | 一种曝光亮度控制方法、装置、电子设备和存储介质 | |
| CN101442617B (zh) | 一种分块曝光的方法及其装置 | |
| CN202190327U (zh) | 低照度摄像机成像控制装置及摄像系统 | |
| CN105100632A (zh) | 成像设备自动曝光的调整方法及装置、成像设备 | |
| CN103079034A (zh) | 一种感知拍摄方法及系统 | |
| CN104813649A (zh) | 视频帧处理方法 | |
| CN101232583A (zh) | 一种摄像机光圈自适应调节装置及方法 | |
| CN103327219A (zh) | 一种视频图像对比度调整方法及装置 | |
| CN111131693A (zh) | 一种基于多曝光人脸检测的人脸图像增强方法 | |
| CN105847708A (zh) | 基于图像直方图分析的线阵相机自动曝光调整方法及系统 | |
| CN110717871A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| CN117152052B (zh) | 一种面向工业图像质量的智能反馈控制方法与系统 | |
| CN114885074A (zh) | 一种基于时空密度的事件相机去噪方法 | |
| CN112884805A (zh) | 一种跨尺度自适应映射的光场成像方法 | |
| CN112911160B (zh) | 图像拍摄方法、装置、设备及存储介质 | |
| US11631183B2 (en) | Method and system for motion segmentation | |
| CN108259819B (zh) | 动态影像特征加强方法与系统 | |
| CN117529929A (zh) | 使用屏下相机捕获媒体的方法和电子装置 | |
| DE102018201909A1 (de) | Verfahren und Vorrichtung zur Objekterkennung | |
| CN111556245A (zh) | 一种基于周围场景自适应调整的智能车载成像系统及方法 | |
| TW201824864A (zh) | 動態影像特徵加強方法與系統 | |
| CN1547075A (zh) | 一种低照度条件下改进自动曝光的方法 |
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 |