CN117237355B - 基于图像特征的保温杯表面缺陷检测方法 - Google Patents
基于图像特征的保温杯表面缺陷检测方法 Download PDFInfo
- Publication number
- CN117237355B CN117237355B CN202311514648.6A CN202311514648A CN117237355B CN 117237355 B CN117237355 B CN 117237355B CN 202311514648 A CN202311514648 A CN 202311514648A CN 117237355 B CN117237355 B CN 117237355B
- Authority
- CN
- China
- Prior art keywords
- thermos cup
- pixel point
- area
- gray
- cup area
- 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 83
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 230000006378 damage Effects 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims description 48
- 238000003708 edge detection Methods 0.000 claims description 19
- 230000002950 deficient Effects 0.000 claims description 18
- 101100441424 Dictyostelium discoideum cupA gene Proteins 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 101100061744 Dictyostelium discoideum cupD gene Proteins 0.000 claims description 2
- 238000005507 spraying Methods 0.000 abstract description 19
- 239000002245 particle Substances 0.000 abstract description 18
- 239000003973 paint Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- 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
- Image Processing (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及基于图像特征的保温杯表面缺陷检测方法,包括:获取保温杯表面灰度图像;获取保温杯表面灰度图像的保温杯区域内每个像素点的理论灰度值;根据保温杯表面灰度图像的保温杯区域内每个像素点的破坏程度和D邻域熵值,获取保温杯区域内每个像素点的缺陷;根据保温杯区域内每个像素点的缺陷概率,完成保温杯表面的缺陷检测。本发明使得保温杯表面的喷涂颗粒缺陷检测的结果更准确。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及基于图像特征的保温杯表面缺陷检测方法。
背景技术
在现代制造业中,质量控制和缺陷检测是至关重要的环节。保温杯作为常见的日常用品,其外观质量直接影响消费者的购买决策和产品形象。而产品表面的缺陷会对外观质量造成直接影响,因此对保温杯表面进行缺陷检测是十分必要的。
由于保温杯表面光滑程度较高,因此在光源下不可避免会出现反光区域,而保温杯表面的喷涂颗粒缺陷的外观表现通常较弱,因此喷涂颗粒缺陷的表现往往会被反光区域造成的灰度变化所影响,导致喷涂颗粒缺陷的灰度变化会低于反光引起的灰度变化,这就使得保温杯表面的喷涂颗粒缺陷的识别难以实现。
发明内容
为了解决上述问题,本发明提供基于图像特征的保温杯表面缺陷检测方法,所述方法包括:
获取保温杯表面灰度图像;
获取保温杯表面灰度图像的保温杯区域;根据保温杯区域内每个像素点与保温杯区域的中轴线之间的距离,获取保温杯表面灰度图像的保温杯区域内每个像素点的理论灰度值;
获取保温杯区域内所有像素点的灰度值与理论灰度值的差值绝对值,将差值绝对值最大的像素点记为第一像素点;根据第一像素点的灰度值与理论灰度值的差异和保温杯区域内每个像素点的灰度值与理论灰度值的差异,获取保温杯表面灰度图像的保温杯区域内每个像素点的破坏权重;根据保温杯区域内每个像素点的理论灰度值和破坏权重,获取保温杯区域内每个像素点的破坏程度;根据保温杯区域内每个像素点的D邻域,获取保温杯区域内每个像素点的D邻域熵值;根据保温杯区域内每个像素点的破坏程度和D邻域熵值,获取保温杯区域内每个像素点的缺陷概率;
根据保温杯区域内每个像素点的缺陷概率,获取保温杯区域内所有缺陷连通域。
优选的,所述获取保温杯表面灰度图像的保温杯区域,包括的具体方法为:
对保温杯表面灰度图像进行边缘检测,得到保温杯表面边缘检测结果图;对保温杯表面边缘检测结果图进行形态学闭操作,获得保温杯表面边缘检测结果图的若干个闭合边缘区域;将保温杯表面边缘检测结果图中面积最大的闭合边缘区域,对应至保温杯表面灰度图像的区域,作为保温杯表面灰度图像的保温杯区域。
优选的,所述根据保温杯区域内每个像素点与保温杯区域的中轴线之间的距离,获取保温杯表面灰度图像的保温杯区域内每个像素点的理论灰度值,包括的具体方法为:
对保温杯区域进行边缘检测,获取保温杯区域的所有边缘线,将保温杯区域的两条最长的边缘线的中心像素点相连作为保温杯区域的中轴线;则保温杯表面灰度图像的保温杯区域内第个像素点的理论灰度值的计算表达式为:
式中,表示保温杯表面灰度图像的保温杯区域内第/>个像素点的理论灰度值;/>表示保温杯区域内所有像素点的最大灰度值;/>表示保温杯区域内第/>个像素点与保温杯区域的中轴线之间的距离;/>为自然常数;/>为预设参数。
优选的,所述根据第一像素点的灰度值与理论灰度值的差异和保温杯区域内每个像素点的灰度值与理论灰度值的差异,获取保温杯表面灰度图像的保温杯区域内每个像素点的破坏权重的具体公式为:
式中,表示保温杯表面灰度图像的保温杯区域内第/>个像素点的破坏权重;/>表示保温杯区域内第/>个像素点的灰度值;/>表示保温杯区域内第/>个像素点的理论灰度值;/>表示保温杯区域内第一像素点的灰度值;/>表示保温杯区域内第一像素点的理论灰度值;/>表示取绝对值。
优选的,所述根据保温杯区域内每个像素点的理论灰度值和破坏权重,获取保温杯区域内每个像素点的破坏程度的具体公式为:
式中,表示保温杯表面灰度图像的保温杯区域内第/>个像素点的破坏程度;/>表示保温杯区域内第/>个像素点的破坏权重;/>表示保温杯区域内第/>个像素点的左相邻像素点的破坏权重;/>表示保温杯区域内第/>个像素点的右相邻像素点的破坏权重;/>表示保温杯区域内第/>个像素点的灰度值;/>表示保温杯区域内第/>个像素点的上相邻像素点的灰度值;/>表示保温杯区域内第/>个像素点的下相邻像素点的灰度值;/>为预设参数;/>表示取绝对值。
优选的,所述根据保温杯区域内每个像素点的D邻域,获取保温杯区域内每个像素点的D邻域熵值,包括的具体方法为:
获取保温杯区域内第个像素点的D邻域,则保温杯表面灰度图像的保温杯区域内第/>个像素点的D邻域熵值计算表达式为:
式中,表示保温杯表面灰度图像的保温杯区域内第/>个像素点的D邻域熵值;/>表示保温杯区域内第/>个像素点的D邻域中所有像素点的总数量;/>表示保温杯区域内第/>个像素点的D邻域中第/>个像素点的破坏程度;/>表示保温杯区域内第/>个像素点的灰度值;/>表示保温杯区域内第/>个像素点的D邻域中第/>个像素点的灰度值;/>表示保温杯区域内第/>个像素点的理论灰度值;/>表示保温杯区域内第/>个像素点的D邻域中第/>个像素点的理论灰度值;/>为预设参数;/>表示取绝对值。
优选的,所述获取保温杯区域内第个像素点的D邻域的具体方法为:
对于保温杯表面灰度图像的保温杯区域内第个像素点,以第/>个像素点作为窗口中心,获取窗口大小为预设参数/>的窗口,并将所述窗口记为第/>个像素点的D邻域。
优选的,所述根据保温杯区域内每个像素点的破坏程度和D邻域熵值,获取保温杯区域内每个像素点的缺陷概率,包括的具体方法为:
将保温杯表面灰度图像的保温杯区域内第个像素点的D邻域熵值与保温杯表面灰度图像的保温杯区域内第/>个像素点的破坏程度的乘积,记为第一乘积;将线性归一化后的第一乘积,作为保温杯表面灰度图像的保温杯区域内第/>个像素点的缺陷概率。
优选的,所述根据保温杯区域内每个像素点的缺陷概率,获取保温杯区域内所有缺陷连通域,包括的具体方法为:
根据保温杯区域内每个像素点的缺陷概率,获取保温杯区域内所有缺陷像素点,对于保温杯区域内由缺陷像素点构成的任意一个连通域,若所述连通域的缺陷像素点的数量大于预设参数,则将所述连通域记为保温杯区域内的缺陷连通域;进而获取保温杯区域内所有缺陷连通域。
优选的,所述根据保温杯区域内每个像素点的缺陷概率,获取保温杯区域内所有缺陷像素点,包括的具体方法为:
对于保温杯表面灰度图像的保温杯区域内任意一个像素点,若所述像素点的缺陷概率大于预设阈值,则将所述像素点记为缺陷像素点,进而获取保温杯区域内所有缺陷像素点。
本发明的技术方案的有益效果是:本发明根据保温杯区域内每个像素点的理论灰度值和破坏权重,获取保温杯区域内每个像素点的破坏程度,从而达到放大保温杯表面的喷涂颗粒缺陷的灰度变化与反光区域的灰度变化之间的差异的目的,根据保温杯表面灰度图像的保温杯区域内每个像素点的破坏程度和D邻域熵值,获取保温杯区域内每个像素点的缺陷概率;从而达到识别保温杯表面的喷涂颗粒缺陷像素点的目的;以此使得保温杯表面的喷涂颗粒缺陷检测的结果更准确。
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为本发明基于图像特征的保温杯表面缺陷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基于图像特征的保温杯表面缺陷检测方法,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基于图像特征的保温杯表面缺陷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基于图像特征的保温杯表面缺陷检测方法的步骤流程图,该方法包括以下步骤:
步骤S001:获取保温杯表面灰度图像。
需要说明的是,由于保温杯表面光滑程度较高,因此在光源下不可避免会出现反光区域,而保温杯表面的喷涂颗粒缺陷的外观表现通常较弱,因此喷涂颗粒缺陷的表现往往会被反光区域造成的灰度变化所影响,导致喷涂颗粒缺陷的灰度变化会低于反光引起的灰度变化,这就使得保温杯表面的喷涂颗粒缺陷的识别难以实现。
具体的,为了实现本实施例提出的基于图像特征的保温杯表面缺陷检测方法,首先需要采集保温杯表面灰度图像,具体过程为:
由于本实施例主要识别保温杯的侧面杯壁的缺陷,因此将保温杯横向放置,并在其正上方放置工业相机对其进行图像采集,获得保温杯表面图像;对保温杯表面图像进行中值滤波去噪和灰度化操作得到保温杯表面灰度图像。其中,中值滤波和灰度化操作为现有技术,此处不做过多赘述。
至此,通过上述方法得到保温杯表面灰度图像。
步骤S002:获取保温杯表面灰度图像的保温杯区域内每个像素点的理论灰度值。
需要说明的是,保温杯表面灰度图像的保温杯区域内,如果不存在光照差异,那么保温杯表面的每个像素点的灰度值相同。由于保温杯表面喷漆区域有一个自身的灰度值,而由于保温杯表面的弧度变化,导致光照程度的不同,对于保温杯表面喷漆区域的原本的灰度值的表现程度不同。其中保温杯的弧度变化是以保温杯的中轴线为基准,越靠近保温杯的两侧,那么保温杯表面的弧度变化越快,和光线的夹角越大,反光程度越弱,在图像中的亮度越小,即灰度值越靠近保温杯原本的灰度值,且这个变化是指数级变化。因此可以通过保温杯表面的弧度变化对保温杯表面灰度图像的保温杯区域内每个像素点的灰度值进行预测。
预设一个参数,其中本实施例以/>为例进行叙述,本实施例不进行具体限定,其中/>根据具体实施情况而定。
具体的,对保温杯表面灰度图像进行边缘检测,得到保温杯表面边缘检测结果图;对保温杯表面边缘检测结果图进行形态学闭操作,获得保温杯表面边缘检测结果图的若干个闭合边缘区域;将保温杯表面边缘检测结果图中面积最大的闭合边缘区域,对应至保温杯表面灰度图像的区域,作为保温杯表面灰度图像的保温杯区域。
进一步,对保温杯区域进行边缘检测,获取保温杯区域的所有边缘线,将保温杯区域的两条最长的边缘线的中心像素点相连作为保温杯区域的中轴线;则保温杯表面灰度图像的保温杯区域内第个像素点的理论灰度值的计算表达式为:
式中,表示保温杯表面灰度图像的保温杯区域内第/>个像素点的理论灰度值;/>表示保温杯区域内所有像素点的最大灰度值;/>表示保温杯区域内第/>个像素点与保温杯区域的中轴线之间的距离;/>为自然常数;/>为预设参数。
需要说明的是,为常规保温杯区域的灰度值,根据经验值而设置,/>表示保温杯区域由于反光造成的亮度变化范围,保温杯区域的反光引起的灰度变化是指数级衰减的,每个像素点与保温杯区域的中轴线之间的欧氏距离越远,说明像素点的反光夹角越大,反光程度越小,则像素点的理论灰度值越低;边缘检测为现有技术,此处不做过多赘述。
至此,通过上述方法得到保温杯表面灰度图像的保温杯区域内每个像素点的理论灰度值。
步骤S003:根据保温杯表面灰度图像的保温杯区域内每个像素点的破坏程度和D邻域熵值,获取保温杯区域内每个像素点的缺陷。
1.获取保温杯表面灰度图像的保温杯区域内每个像素点的破坏程度。
需要说明的是,若保温杯表面存在喷涂颗粒缺陷,那么喷涂颗粒缺陷区域内像素点由于缺陷区域表面和喷漆的不均匀,必然会影响此处的灰度值分布规律,缺陷的程度越大,对保温杯表面的灰度值分布规律的破坏程度越大。
进一步需要说明的是,对于保温杯区域内每个像素点,若像素点的灰度值与其理论灰度值的差异越大,则像素点对保温杯表面的灰度值分布规律的破坏程度越大;同时需要考虑像素点上下左右相邻像素点灰度值与其理论灰度值的差异越大,则像素点对保温杯表面的灰度值分布规律的破坏程度越大。
具体的,获取保温杯区域内所有像素点的灰度值与理论灰度值的差值绝对值,将差值绝对值最大的像素点记为第一像素点;则保温杯表面灰度图像的保温杯区域内第个像素点的破坏权重的计算表达式为:
式中,表示保温杯表面灰度图像的保温杯区域内第/>个像素点的破坏权重;/>表示保温杯区域内第/>个像素点的灰度值;/>表示保温杯区域内第/>个像素点的理论灰度值;/>表示保温杯区域内第一像素点的灰度值;/>表示保温杯区域内第一像素点的理论灰度值;/>表示取绝对值。
预设一个阈值,其中本实施例以/>为例进行叙述,本实施例不进行具体限定,其中/>根据具体实施情况而定。
需要说明的是,由于保温杯区域的像素点在水平方向上的灰度值是相似的,因此可直接使用像素点的破坏权重差异表征像素点的破坏程度,而在保温杯区域的像素点在垂直方向上的灰度值的分布是变化的,进而使用像素点的灰度值差异表征像素点的破坏程度。
具体的,保温杯表面灰度图像的保温杯区域内第个像素点的破坏程度的计算表达式为:
式中,表示保温杯表面灰度图像的保温杯区域内第/>个像素点的破坏程度;/>表示保温杯区域内第/>个像素点的破坏权重;/>表示保温杯区域内第/>个像素点的左相邻像素点的破坏权重;/>表示保温杯区域内第/>个像素点的右相邻像素点的破坏权重;/>表示保温杯区域内第/>个像素点的灰度值;/>表示保温杯区域内第/>个像素点的上相邻像素点的灰度值;/>表示保温杯区域内第/>个像素点的下相邻像素点的灰度值;/>为预设阈值;/>表示取绝对值。
需要注意的是,由于保温杯区域不会处于保温杯表面灰度图像的边侧区域,则保温杯区域内每个像素点均存在上下左右相邻像素点。
至此,获得保温杯表面灰度图像的保温杯区域内每个像素点的破坏程度。
2.获取保温杯表面灰度图像的保温杯区域内每个像素点的D邻域熵值。
需要说明的是,由于保温杯表面的喷涂颗粒缺陷往往是连续出现的,且缺陷表面的对于图像的灰度值影响较为复杂,会出现多个像素级的灰度值,因此对于缺陷区域,它表面的图像像素级较为复杂,像素值的分布较为杂乱,因此图像的熵值相对于正常区域而言更高;同时保温杯表面因为反光也会导致灰度值具有一定程度的变化,因此直接使用传统方法计算的熵值会将保温杯表面反光导致的灰度变化也包含在内,因此需要结合保温杯表面的理论灰度值,在熵值计算时将保温杯表面反光导致的灰度变化排除掉,因此计算出的熵值更可靠,更能表现由于缺陷导致的灰度变化。
进一步需要说明的是,对于保温杯区域内缺陷区域的像素点其周围的像素灰度值的分布较为杂乱,相邻像素点的灰度值之间灰度差值较大,同时对保温杯表面的灰度分布规律的破坏程度也越大;对于保温杯区域内每个像素点,根据其破坏程度和灰度值与理论灰度值的差值,获取其D邻域熵值;破坏程度和灰度值与理论灰度值的差值越大,其D邻域熵值越大,说明像素点周围的像素点分布越杂乱、不合理,像素点属于缺陷区域的概率越大。
预设一个参数,其中本实施例以/>为例进行叙述,本实施例不进行具体限定,其中/>根据具体实施情况而定。
具体的,对于保温杯表面灰度图像的保温杯区域内第个像素点,以第/>个像素点作为窗口中心,获取窗口大小为预设参数/>的窗口,并将所述窗口记为第/>个像素点的D邻域;则保温杯表面灰度图像的保温杯区域内第/>个像素点的D邻域熵值的计算表达式为:
式中,表示保温杯表面灰度图像的保温杯区域内第/>个像素点的D邻域熵值;/>表示保温杯区域内第/>个像素点的D邻域中所有像素点的总数量;/>表示保温杯区域内第/>个像素点的D邻域中第/>个像素点的破坏程度;/>表示保温杯区域内第/>个像素点的灰度值;/>表示保温杯区域内第/>个像素点的D邻域中第/>个像素点的灰度值;/>表示保温杯区域内第/>个像素点的理论灰度值;/>表示保温杯区域内第/>个像素点的D邻域中第/>个像素点的理论灰度值;/>为预设参数;/>表示取绝对值。
至此,获得保温杯表面灰度图像的保温杯区域内每个像素点的D邻域熵值。
3.获取保温杯表面灰度图像的保温杯区域内每个像素点的缺陷概率。
需要说明的是,由于保温杯表面的放光区域在保温杯上延保温杯的放置方向直线分布,同时光源位置在上方,因此在延保温杯的放置方向上认为灰度分布基本不变,而在垂直于保温杯防放置方向的横向方向上,由于保温杯表面的弧度变化,灰度呈现规律变化。而保温杯表面的喷涂颗粒缺陷因为造成保温杯表面弧度变化,会破坏这个分布规律,同时由于喷涂颗粒缺陷区域的涂料以及表面不均匀,因此会产生较为复杂的灰度变化。反映在图像中即为,温杯表面的喷涂颗粒缺陷区域会破坏保温杯原有的灰度分布,同时缺陷区域的图像灰度变化较为频繁,图像熵值较大;则对于保温杯表面灰度图像的保温杯区域内每个像素点,若像素点的破坏程度和D邻域熵值越大,则像素点为缺陷的概率也越大。
具体的,保温杯表面灰度图像的保温杯区域内第个像素点的缺陷概率的计算表达式为:
式中,表示保温杯表面灰度图像的保温杯区域内第/>个像素点的缺陷概率;/>表示保温杯表面灰度图像的保温杯区域内第/>个像素点的D邻域熵值;/>表示保温杯表面灰度图像的保温杯区域内第/>个像素点的破坏程度;/>表示线性归一化函数。
至此,通过上述方法得到保温杯表面灰度图像的保温杯区域内每个像素点的缺陷概率。
步骤S004:根据保温杯区域内每个像素点的缺陷概率,完成保温杯表面的缺陷检测。
预设一个阈值和参数/>,其中本实施例以/>为例进行叙述,本实施例不进行具体限定,其中/>根据具体实施情况而定。
具体的,对于保温杯表面灰度图像的保温杯区域内任意一个像素点,若所述像素点的缺陷概率大于预设阈值,则将所述像素点记为缺陷像素点,进而获取保温杯区域内所有缺陷像素点;对于保温杯区域内由缺陷像素点构成的任意一个连通域,若所述连通域的缺陷像素点的数量大于预设参数/>,则将所述连通域记为保温杯区域内的缺陷连通域;进而获取保温杯区域内所有缺陷连通域。
进一步,将保温杯区域内所有缺陷连通域进行标记,然后反馈给控制系统,由控制系统发出警告,从而完成保温杯表面的缺陷检测。
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 (4)
1.基于图像特征的保温杯表面缺陷检测方法,其特征在于,该方法包括以下步骤:
获取保温杯表面灰度图像;
获取保温杯表面灰度图像的保温杯区域;根据保温杯区域内每个像素点与保温杯区域的中轴线之间的距离,获取保温杯表面灰度图像的保温杯区域内每个像素点的理论灰度值;
获取保温杯区域内所有像素点的灰度值与理论灰度值的差值绝对值,将差值绝对值最大的像素点记为第一像素点;根据第一像素点的灰度值与理论灰度值的差异和保温杯区域内每个像素点的灰度值与理论灰度值的差异,获取保温杯表面灰度图像的保温杯区域内每个像素点的破坏权重;根据保温杯区域内每个像素点的理论灰度值和破坏权重,获取保温杯区域内每个像素点的破坏程度;根据保温杯区域内每个像素点的D邻域,获取保温杯区域内每个像素点的D邻域熵值;根据保温杯区域内每个像素点的破坏程度和D邻域熵值,获取保温杯区域内每个像素点的缺陷概率;
根据保温杯区域内每个像素点的缺陷概率,获取保温杯区域内所有缺陷连通域;
所述根据保温杯区域内每个像素点与保温杯区域的中轴线之间的距离,获取保温杯表面灰度图像的保温杯区域内每个像素点的理论灰度值,包括的具体方法为:
对保温杯区域进行边缘检测,获取保温杯区域的所有边缘线,将保温杯区域的两条最长的边缘线的中心像素点相连,将过中心像素点相连构成的线段的中点的垂线,作为保温杯区域的中轴线;则保温杯表面灰度图像的保温杯区域内第个像素点的理论灰度值的计算表达式为:
式中,表示保温杯表面灰度图像的保温杯区域内第/>个像素点的理论灰度值;/>表示保温杯区域内所有像素点的最大灰度值;/>表示保温杯区域内第/>个像素点与保温杯区域的中轴线之间的距离;/>为自然常数;/>为预设参数;
所述根据第一像素点的灰度值与理论灰度值的差异和保温杯区域内每个像素点的灰度值与理论灰度值的差异,获取保温杯表面灰度图像的保温杯区域内每个像素点的破坏权重的具体公式为:
式中,表示保温杯表面灰度图像的保温杯区域内第/>个像素点的破坏权重;/>表示保温杯区域内第/>个像素点的灰度值;/>表示保温杯区域内第/>个像素点的理论灰度值;/>表示保温杯区域内第一像素点的灰度值;/>表示保温杯区域内第一像素点的理论灰度值;/>表示取绝对值;
所述根据保温杯区域内每个像素点的理论灰度值和破坏权重,获取保温杯区域内每个像素点的破坏程度的具体公式为:
式中,表示保温杯表面灰度图像的保温杯区域内第/>个像素点的破坏程度;/>表示保温杯区域内第/>个像素点的破坏权重;/>表示保温杯区域内第/>个像素点的左相邻像素点的破坏权重;/>表示保温杯区域内第/>个像素点的右相邻像素点的破坏权重;/>表示保温杯区域内第/>个像素点的灰度值;/>表示保温杯区域内第/>个像素点的上相邻像素点的灰度值;表示保温杯区域内第/>个像素点的下相邻像素点的灰度值;/>为预设参数;/>表示取绝对值;
所述根据保温杯区域内每个像素点的D邻域,获取保温杯区域内每个像素点的D邻域熵值,包括的具体方法为:
获取保温杯区域内第个像素点的D邻域,则保温杯表面灰度图像的保温杯区域内第/>个像素点的D邻域熵值计算表达式为:
式中,表示保温杯表面灰度图像的保温杯区域内第/>个像素点的D邻域熵值;/>表示保温杯区域内第/>个像素点的D邻域中所有像素点的总数量;/>表示保温杯区域内第/>个像素点的D邻域中第/>个像素点的破坏程度;/>表示保温杯区域内第/>个像素点的灰度值;/>表示保温杯区域内第/>个像素点的D邻域中第/>个像素点的灰度值;/>表示保温杯区域内第/>个像素点的理论灰度值;/>表示保温杯区域内第/>个像素点的D邻域中第/>个像素点的理论灰度值;/>为预设参数;/>表示取绝对值;
所述获取保温杯区域内第个像素点的D邻域的具体方法为:
对于保温杯表面灰度图像的保温杯区域内第个像素点,以第/>个像素点作为窗口中心,获取窗口大小为预设参数/>的窗口,并将所述窗口记为第/>个像素点的D邻域;
所述根据保温杯区域内每个像素点的破坏程度和D邻域熵值,获取保温杯区域内每个像素点的缺陷概率,包括的具体方法为:
将保温杯表面灰度图像的保温杯区域内第个像素点的D邻域熵值与保温杯表面灰度图像的保温杯区域内第/>个像素点的破坏程度的乘积,记为第一乘积;将线性归一化后的第一乘积,作为保温杯表面灰度图像的保温杯区域内第/>个像素点的缺陷概率。
2.根据权利要求1所述基于图像特征的保温杯表面缺陷检测方法,其特征在于,所述获取保温杯表面灰度图像的保温杯区域,包括的具体方法为:
对保温杯表面灰度图像进行边缘检测,得到保温杯表面边缘检测结果图;对保温杯表面边缘检测结果图进行形态学闭操作,获得保温杯表面边缘检测结果图的若干个闭合边缘区域;将保温杯表面边缘检测结果图中面积最大的闭合边缘区域,对应至保温杯表面灰度图像的区域,作为保温杯表面灰度图像的保温杯区域。
3.根据权利要求1所述基于图像特征的保温杯表面缺陷检测方法,其特征在于,所述根据保温杯区域内每个像素点的缺陷概率,获取保温杯区域内所有缺陷连通域,包括的具体方法为:
根据保温杯区域内每个像素点的缺陷概率,获取保温杯区域内所有缺陷像素点,对于保温杯区域内由缺陷像素点构成的任意一个连通域,若所述连通域的缺陷像素点的数量大于预设参数,则将所述连通域记为保温杯区域内的缺陷连通域;进而获取保温杯区域内所有缺陷连通域。
4.根据权利要求3所述基于图像特征的保温杯表面缺陷检测方法,其特征在于,所述根据保温杯区域内每个像素点的缺陷概率,获取保温杯区域内所有缺陷像素点,包括的具体方法为:
对于保温杯表面灰度图像的保温杯区域内任意一个像素点,若所述像素点的缺陷概率大于预设阈值,则将所述像素点记为缺陷像素点,进而获取保温杯区域内所有缺陷像素点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311514648.6A CN117237355B (zh) | 2023-11-15 | 2023-11-15 | 基于图像特征的保温杯表面缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311514648.6A CN117237355B (zh) | 2023-11-15 | 2023-11-15 | 基于图像特征的保温杯表面缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117237355A CN117237355A (zh) | 2023-12-15 |
CN117237355B true CN117237355B (zh) | 2024-02-02 |
Family
ID=89093369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311514648.6A Active CN117237355B (zh) | 2023-11-15 | 2023-11-15 | 基于图像特征的保温杯表面缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117237355B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010073453A1 (ja) * | 2008-12-25 | 2010-07-01 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及びその装置 |
WO2020051779A1 (zh) * | 2018-09-11 | 2020-03-19 | 合刃科技(深圳)有限公司 | 曲面物体的缺陷检测方法及检测系统 |
CN114359270A (zh) * | 2022-03-09 | 2022-04-15 | 山东华硕汽车配件科技有限公司 | 基于计算机视觉的汽车发动机油路铜套缺陷检测方法 |
CN115222735A (zh) * | 2022-09-20 | 2022-10-21 | 左成(江苏)新材料技术有限公司 | 一种基于麻点缺陷的金属模具质量检测方法 |
CN115351598A (zh) * | 2022-10-17 | 2022-11-18 | 南通钜德智能科技有限公司 | 一种数控机床轴承检测方法 |
CN116721106A (zh) * | 2023-08-11 | 2023-09-08 | 山东明达圣昌铝业集团有限公司 | 一种基于图像处理的型材瑕疵视觉检测方法 |
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 |
CN117058147A (zh) * | 2023-10-12 | 2023-11-14 | 深圳市卓昕精密科技有限公司 | 基于计算机视觉的环保塑料制品缺陷检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109872304B (zh) * | 2019-01-17 | 2022-12-02 | 京东方科技集团股份有限公司 | 图像缺陷检测方法及装置、电子设备、存储介质 |
-
2023
- 2023-11-15 CN CN202311514648.6A patent/CN117237355B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010073453A1 (ja) * | 2008-12-25 | 2010-07-01 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及びその装置 |
WO2020051779A1 (zh) * | 2018-09-11 | 2020-03-19 | 合刃科技(深圳)有限公司 | 曲面物体的缺陷检测方法及检测系统 |
CN114359270A (zh) * | 2022-03-09 | 2022-04-15 | 山东华硕汽车配件科技有限公司 | 基于计算机视觉的汽车发动机油路铜套缺陷检测方法 |
CN115222735A (zh) * | 2022-09-20 | 2022-10-21 | 左成(江苏)新材料技术有限公司 | 一种基于麻点缺陷的金属模具质量检测方法 |
CN115351598A (zh) * | 2022-10-17 | 2022-11-18 | 南通钜德智能科技有限公司 | 一种数控机床轴承检测方法 |
CN116721106A (zh) * | 2023-08-11 | 2023-09-08 | 山东明达圣昌铝业集团有限公司 | 一种基于图像处理的型材瑕疵视觉检测方法 |
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 |
CN117058147A (zh) * | 2023-10-12 | 2023-11-14 | 深圳市卓昕精密科技有限公司 | 基于计算机视觉的环保塑料制品缺陷检测方法 |
Non-Patent Citations (2)
Title |
---|
A Surface Defect Detection Method based on Information Entropy;Guoqing Zhang et al.;《2023 26th International Conference on Computer Supported Cooperative Work in Design (CSCWD)》;第219-224页 * |
啤酒空瓶检测机器人的瓶身缺陷检测算法研究及应用;黄森林;《中国优秀硕士学位论文全文数据库信息科技辑》(第2期);第I138-1284页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117237355A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109001212A (zh) | 一种基于机器视觉的不锈钢汤勺缺陷检测方法 | |
CN115170853B (zh) | 一种玻璃瓶表面喷涂质量检测方法 | |
CN115115612B (zh) | 一种用于机械配件的表面缺陷检测方法及系统 | |
CN115222743B (zh) | 基于视觉的家具表面喷漆缺陷检测方法 | |
CN104680519A (zh) | 基于轮廓和颜色的七巧板识别方法 | |
CN117011292B (zh) | 一种复合板表面质量快速检测方法 | |
CN110288618B (zh) | 一种光照不均图像的多目标分割方法 | |
CN117058137B (zh) | 一种夹胶玻璃生产质量视觉检测方法 | |
CN109064479B (zh) | 一种基于邻近视频帧灰度动态特征的海天线检测方法 | |
CN107392095A (zh) | 一种基于掩码图像的红外弱小目标检测算法 | |
CN114581428B (zh) | 一种基于光学手段的粉末涂料粘合度检测方法 | |
CN116485787B (zh) | 一种数据线成型外模外观缺陷检测方法 | |
CN117764989B (zh) | 一种视觉辅助的显示屏缺陷检测方法 | |
CN117252868B (zh) | 基于机器视觉的直流屏缺陷检测方法 | |
CN115311265B (zh) | 基于纺织质量的织布机智能控制系统 | |
CN117522864B (zh) | 基于机器视觉的欧松板表面瑕疵检测方法 | |
CN117237355B (zh) | 基于图像特征的保温杯表面缺陷检测方法 | |
CN118014994A (zh) | 一种稻壳可降解餐盒裂缝检测方法 | |
CN116703921B (zh) | 一种柔性线路板表面镀层质量检测方法 | |
CN108805854A (zh) | 一种复杂环境下药片快速计数与完整性检测方法 | |
CN112184619A (zh) | 一种基于深度学习的金属部件表面缺陷检测方法 | |
CN109242819B (zh) | 一种基于图像处理的表面擦伤缺陷联通的算法 | |
CN112991326B (zh) | 一种清洗质量评价方法 | |
CN105701807B (zh) | 一种基于投票策略的图像分割方法 | |
CN210773933U (zh) | 一种产品外观在线检测装置 |
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 |