CN117237646B - 基于图像分割的pet高温阻燃胶带瑕疵提取方法及系统 - Google Patents
基于图像分割的pet高温阻燃胶带瑕疵提取方法及系统 Download PDFInfo
- Publication number
- CN117237646B CN117237646B CN202311516880.3A CN202311516880A CN117237646B CN 117237646 B CN117237646 B CN 117237646B CN 202311516880 A CN202311516880 A CN 202311516880A CN 117237646 B CN117237646 B CN 117237646B
- Authority
- CN
- China
- Prior art keywords
- flaw
- point
- heterogeneity
- suspected
- 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
- 239000002390 adhesive tape Substances 0.000 title claims abstract description 70
- RNFJDJUURJAICM-UHFFFAOYSA-N 2,2,4,4,6,6-hexaphenoxy-1,3,5-triaza-2$l^{5},4$l^{5},6$l^{5}-triphosphacyclohexa-1,3,5-triene Chemical compound N=1P(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP=1(OC=1C=CC=CC=1)OC1=CC=CC=C1 RNFJDJUURJAICM-UHFFFAOYSA-N 0.000 title claims abstract description 60
- 239000003063 flame retardant Substances 0.000 title claims abstract description 60
- 238000003709 image segmentation Methods 0.000 title claims abstract description 35
- 238000000605 extraction Methods 0.000 title claims abstract description 31
- 238000009826 distribution Methods 0.000 claims abstract description 14
- 238000003708 edge detection Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 60
- 230000007547 defect Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 19
- 230000002950 deficient Effects 0.000 claims description 15
- 230000014509 gene expression Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 208000034699 Vitreous floaters Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 229920006267 polyester film Polymers 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000004804 winding Methods 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
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及图像分割技术领域,提出了基于图像分割的PET高温阻燃胶带瑕疵提取方法及系统,获取PET高温阻燃胶带图像中的ROI区域;在ROI区域内进行边缘检测获取疑似瑕疵区域,根据疑似瑕疵区域内像素点的灰度分布得到内部陡峭指数,获取疑似瑕疵区域内的第一瑕疵轮廓与第二瑕疵轮廓,根据疑似瑕疵区域的内部陡峭系数得到第一瑕疵轮廓上各像素点的间隙异质性指数,结合第二瑕疵轮廓获取高异质性点对序列及低异质性点对序列,最终得到瑕疵轮廓间隙波动水平,结合密度峰值聚类算法实现PET高温阻燃胶带的瑕疵提取。本发明旨在提高PET高温阻燃胶带瑕疵提取的准确率,实现PET高温阻燃胶带瑕疵的精确提取。
Description
技术领域
本发明涉及图像分割领域,具体涉及基于图像分割的PET高温阻燃胶带瑕疵提取方法及系统。
背景技术
PET高温阻燃胶带是一种由聚酯薄膜制成的特殊类型胶带,具有高温阻燃性能。在高温环境下具有出色的耐受性,可以防止火势蔓延和材料燃烧,在电子电器、高温加工工业及航空航天等领域有广泛应用。在生产过程中,可能出现一些瑕疵,例如胶带层之间存在气泡,会降低胶带的阻燃性和粘附性;此外可能会有灰尘、颗粒或其他污染物进入胶带中,从而影响胶带质量。对PET胶带的瑕疵检测对于提高生产效率,降低成本具有重要意义。
对于胶带的瑕疵区域,使用图像分割算法进行提取,现有的密度峰值聚类算法可以对多种数据形状的图像进行分割,进而对瑕疵进行识别。然而,该算法存在对截断距离敏感的缺陷,不同的数据内部稀疏程度不一致,若依靠原始算法统一的设置标准选取截断距离,势必导致错误归类,截断距离过大容易将本不属于同一簇类的像素点合并,截断距离过小又易将本属于同一簇类的像素点分成多个簇类。该值的准确获取过度依赖人为的多次测试结果,导致短时间内难以精准的识别目标。
综上所述,本发明提出基于图像分割的PET高温阻燃胶带瑕疵提取方法及系统,通过提取PET胶带中异物瑕疵区域的特征,改进密度峰值聚类算法中的截断距离参数,对PET高温阻燃胶带图像进行分割,实现PET高温阻燃胶带的瑕疵提取,提高了瑕疵提取的准确率。
发明内容
为了解决上述技术问题,本发明的目的在于提供基于图像分割的PET高温阻燃胶带瑕疵提取方法及系统,所采用的技术方案具体如下:
第一方面,本发明实施例提供了基于图像分割的PET高温阻燃胶带瑕疵提取方法,该方法包括以下步骤:
人为将PET高温阻燃胶带图像中的胶带区域作为ROI区域;
对ROI区域进行边缘检测得到各疑似瑕疵区域;根据各疑似瑕疵区域的灰度分布得到各疑似瑕疵区域的内部陡峭指数;根据边缘检测结果获取各疑似瑕疵区域的第一瑕疵轮廓与第二瑕疵轮廓;结合疑似瑕疵区域的内部陡峭指数与第一瑕疵轮廓上的各像素点获取第一点集与第二点集;结合第一点集、第二点集及第二瑕疵轮廓内像素点的分布得到疑似瑕疵区域内的第一交点与第二交点;
根据疑似瑕疵区域内的第一交点与第二交点得到疑似瑕疵区域内的高异质性点对序列与低异质性点对序列;根据疑似瑕疵区域内的高异质性点对序列与低异质性点对序列内部各像素点对的距离分布得到疑似瑕疵区域的高异质性点对间距序列和低异质性点对间距序列;
结合疑似瑕疵区域的高异质性点对间距序列和低异质性点对间距序列得到各疑似瑕疵区域的瑕疵轮廓间隙波动水平;结合各疑似瑕疵区域的瑕疵轮廓间隙波动水平与密度峰值聚类算法完成PET高温阻燃胶带瑕疵提取。
优选的,所述根据各疑似瑕疵区域的灰度分布得到各疑似瑕疵区域的内部陡峭指数,表达式为:
式中,为疑似瑕疵区域的内部陡峭指数,/>为疑似瑕疵区域的像素点总个数,表示疑似瑕疵区域中第i个像素点的灰度值,/>表示疑似瑕疵区域内部的像素点灰度值的均值,/>表示疑似瑕疵区域内部的像素点灰度值的方差。
优选的,所述根据边缘检测结果获取各疑似瑕疵区域的第一瑕疵轮廓与第二瑕疵轮廓,包括:
在各疑似瑕疵区域中,将异物瑕疵自身的边缘轮廓作为第一瑕疵轮廓,将包围整个瑕疵区域的边缘轮廓作为第二瑕疵轮廓。
优选的,所述结合疑似瑕疵区域的内部陡峭指数与第一瑕疵轮廓上的各像素点获取第一点集与第二点集,表达式为:
式中,表示第一瑕疵轮廓上的第j个像素点的间隙异质性指数,/>为第一瑕疵轮廓的像素点总数,/>表示第一瑕疵轮廓上第j个像素点邻域窗口内的局部陡峭指数,表示第二瑕疵轮廓内所有像素点的内部陡峭指数;
将第一瑕疵轮廓上各像素点的间隙异质性指数降序排列,将前部分的间隙异质性指数对应的像素点集确定为第一点集,将后/>部分的间隙异质性指数对应的像素点集确定为第二点集,其中/>预设阈值。
优选的,所述结合第一点集、第二点集及第二瑕疵轮廓内像素点的分布得到疑似瑕疵区域内的第一交点与第二交点,包括:
将第一瑕疵轮廓上第一点集与第二点集包含的所有像素点确定为第一交点,获取疑似瑕疵区域的中心像素点,将中心像素点与各个第一交点进行连续并延伸到与第二瑕疵轮廓相交,将第二瑕疵轮廓上相交的各像素点确定为第二交点。
优选的,所述根据疑似瑕疵区域内的第一交点与第二交点得到疑似瑕疵区域内的高异质性点对序列与低异质性点对序列,包括:
将第一点集中的第一交点、与第一交点在同一条直线上的第二交点作为一个点对,将第一点集中的所有点对作为高异质性点对序列;将第二点集中的第一交点、与第一交点在同一条直线上的第二交点作为一个点对,将第二点集中的所有点对作为低异质性点对序列。
优选的,所述根据疑似瑕疵区域内的高异质性点对序列与低异质性点对序列内部各像素点对的距离分布得到疑似瑕疵区域的高异质性点对间距序列和低异质性点对间距序列,包括:
针对各疑似瑕疵区域,计算中心像素点与各个第一交点的曼哈顿距离,确定为第一间距,计算高异质性点对序列与低异质性点对序列中各点对的曼哈顿距离,确定为第二间距,高异质性点对间距序列为第一点集中各第一间距与各第二间距的比值,低异质性点对间距序列为第二点集中各第一间距与各第二间距的比值。
优选的,所述结合疑似瑕疵区域的高异质性点对间距序列和低异质性点对间距序列得到各疑似瑕疵区域的瑕疵轮廓间隙波动水平,表达式为:
式中,为第一点集中像素点的个数,/>表示高异质性点对间距序列中的第/>个值,/>表示低异质性点对间距序列中的第/>个值,/>表示高异质性点对间距序列中的最大值,/>表示高异质性点对间距序列中的最小值,/>表示低异质性点对间距序列中的最大值,/>表示低异质性点对间距序列中的最小值。
优选的,所述结合各疑似瑕疵区域的瑕疵轮廓间隙波动水平与密度峰值聚类算法完成PET高温阻燃胶带瑕疵提取,包括:
设定第一阈值,选取瑕疵轮廓间隙波动水平大于第一阈值的疑似瑕疵区域,计算各个所述疑似瑕疵区域内第二间距的均值,将所有所述均值的均值作为密度峰值聚类算法的截断距离参数完成图像分割,设定第二阈值,将图像分割后灰度值小于第二阈值的聚类簇区域标记为PET高温阻燃胶带瑕疵区域。
第二方面,本发明实施例还提供了基于图像分割的PET高温阻燃胶带瑕疵提取系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明至少具有如下有益效果:
本发明通过对PET胶带中异物瑕疵区域的特征进行分析,根据异物瑕疵区域的边缘轮廓获取密度峰值聚类算法中的截断距离参数,进行图像分割,实现PET高温阻燃胶带的瑕疵提取。本发明结合高异质性点对间距序列与低异质性点对间距序列,提高了PET高温阻燃胶带图像分割及瑕疵提取的准确率;
进一步,本发明构建间隙异质性指数用于衡量局部区域的像素变化幅度;定义轮廓和交点等级,通过第一轮廓上间隙异质性指数的取值范围构建不同等级的异质性点对序列,计算异质性点对序列中的第一间距和第二间距,通过分析其波动程度有利于提高识别异物瑕疵区的精确度;最后根据异物瑕疵区的第二间距作为密度峰值聚类算法的截断距离参数,进行图像分割。本发明解决了现有的聚类算法在同一规则模式下设置截断距离导致图像分割过程中出现误分割的问题,本发明具有科学、准确、高效的有益效果。
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和优点,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的介绍,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它附图。
图1为本发明一个实施例提供的基于图像分割的PET高温阻燃胶带瑕疵提取方法的步骤流程图;
图2为PET高温阻燃胶带瑕疵提取各指标获取流程图;
图3为瑕疵轮廓等级示意图。
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分割的PET高温阻燃胶带瑕疵提取方法及系统,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,一个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分割的PET高温阻燃胶带瑕疵提取方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于图像分割的PET高温阻燃胶带瑕疵提取方法的步骤流程图,该方法包括以下步骤:
步骤S001,通过图像采集装置获取PET高温阻燃胶带的表面图像,并进行预处理。
具体的,首先本实施例将通过使用CCD相机在均匀的光线条件下获取PET高温阻燃胶带的表面RGB图像,作为PET高温阻燃胶带瑕疵提取的数据来源,需要说明的是,PET高温阻燃胶带图像的获取方法有很多,具体的图像获取方法可通过现有技术实现,不在本实施例保护范围内,不做相关详细阐述;
然后,将PET高温阻燃胶带图像转化为灰度图像,具体方法为平均值法,其次,对PET高温阻燃胶带图像灰度图像使用高斯滤波去噪算法进行去噪,去除噪声干扰,再用直方图均衡化算法对去噪后的PET高温阻燃胶带图像灰度图像进行图像增强,增大图像的对比度,由于平均值法、高斯滤波去噪算法、直方图均衡化算法均为现有公知技术,在此不做详细陈述。
采集过程中,会拍摄到胶带之外的背景区域,想要只对胶带上的瑕疵进行检测,人为将胶带区域从整幅图像中提取出来,作为本发明实施例中的感兴趣区域,即ROI区域。预先提取PET高温阻燃胶带图像中的ROI区域不仅能降低计算量,还能减少后续图像分割的误差。
至此,即可根据本实施例上述方法获取PET高温阻燃胶带图像中的ROI区域,作为后续PET高温阻燃胶带瑕疵提取的数据基础。
步骤S002,根据疑似瑕疵区域的内部特征获取各疑似瑕疵区域的内部陡峭指数,获取第一瑕疵轮廓与第二瑕疵轮廓,进而得到第一瑕疵轮廓上各像素点的间隙异质性指数,根据间隙异质性指数得到高异质性点对序列与低异质性点对序列,从而得到高异质性点对间距序列和低异质性点对间距序列,最终获取各疑似瑕疵区域的瑕疵轮廓间隙波动水平。
具体的,本实施例首先在ROI区域内进行边缘检测获取疑似瑕疵区域,根据疑似瑕疵区域内像素点的灰度分布得到内部陡峭指数,获取疑似瑕疵区域内的第一瑕疵轮廓与第二瑕疵轮廓,根据疑似瑕疵区域的内部陡峭系数得到第一瑕疵轮廓上各像素点的间隙异质性指数,结合第二瑕疵轮廓获取高异质性点对序列及低异质性点对序列,进而得到高异质性点对间距序列和低异质性点对间距序列表达式,最终得到瑕疵轮廓间隙波动水平,结合密度峰值聚类算法实现PET高温阻燃胶带的瑕疵提取,具体PET高温阻燃胶带瑕疵提取各指标获取流程图如图2所示。各疑似瑕疵区域的瑕疵轮廓间隙波动水平的构建过程具体为:
本发明在预处理过得图像上主要针对胶带的气泡瑕疵进行检测,采用密度峰值聚类(DPC)算法来进行图像分割。这是一种无监督的聚类算法,能够在发现具有不同密度的数据时表现良好。
在该算法中,截断距离是密度峰值聚类算法的一个重要参数,直接影响到最后分割结果。过小的/>值可能导致过多的聚类中心,将本属于同一簇类的像素点分成多个簇类,而过大的/>可能将不同簇的数据点合并在一起。并且确定参数/>后,DPC算法在执行过程中需要循环计算每个数据点间的距离,算法复杂度高,难以直接通过改变截断距离来选择更优的分割效果,所以/>的确定尤为关键。以下是本发明实施例设计截断距离的具体方法:
在PET高温阻燃胶带的生产过程中,可能出现漂浮物,颗粒等异物卷入胶带之中,可称之为异物瑕疵。因此在ROI区域中采用Canny边缘检测算法进行边缘检测,针对ROI区域的边缘检测结果,利用形态学操作中的膨胀、腐蚀算法采用圆形结构单元对断开的边缘段进行连接,填充边缘间的空隙,然后再用连通组件标记算法识别闭合的边缘,至此可获取ROI区域的各闭合边缘,将各闭合边缘作为瑕疵轮廓,瑕疵轮廓的内部即为疑似瑕疵区域。其中,Canny边缘检测算法、膨胀、腐蚀算法、连通组件标记算法均为现有公知技术,本实施例在此不做赘述。
PET高温阻燃胶带表面是光滑,具有一定的透明度,在灯光下会出现局部的反光区域,该反光区域具有亮度较高且内部无其他瑕疵的特征,即无瑕疵的反光区内像素值无明显变化。而疑似瑕疵区域内部会因为异物的存在导致像素值出现浮动。由此,构建各疑似瑕疵区域的内部陡峭指数,所述内部陡峭指数具体表达式为:
式中,为疑似瑕疵区域的内部陡峭指数,/>为疑似瑕疵区域的像素点总个数,表示疑似瑕疵区域中第i个像素点的灰度值,/>表示疑似瑕疵区域内部的像素点灰度值的均值,/>表示疑似瑕疵区域内部的像素点灰度值的方差。
若疑似瑕疵区域的像素值变化幅度较大,其各点的值越远离均值,使得的值越大,计算出的内部陡峭指数越大。/>越大,表明该区域越可能属于瑕疵区域,而不是反光区。
当异物被卷入透明PET高温阻燃胶带后,得到的瑕疵区域呈现为两个部分。由于异物存在一定厚度,导致异物上方的透明PET胶带不能紧贴下方的胶带,使得异物周围存在空缺,将该空缺部分称之为间隙区域,而间隙区包围的异物部分即为异物区。
将异物自身的轮廓记作第一瑕疵轮廓,由于异物凸起会造成胶带中存在空隙,将扩大后的胶带的轮廓记作第二瑕疵轮廓,瑕疵轮廓等级示意图如图3所示。PET胶带也可能出现气泡缺陷,该缺陷是由于在卷绕的过程中将空气裹入了胶带之间导致的,形成的一个鼓包,在气泡区域中部存在局部的反光区,其亮度更高。而气泡瑕疵与异物瑕疵具有相同的特征,即都存在两个等级的轮廓,区别在于气泡瑕疵的第一轮廓内部是反光导致的,像素值变化平缓,而第一瑕疵轮廓内部是杂质等异物,像素值变化剧烈。
针对第一瑕疵轮廓上的各像素点,构建尺寸为的邻域窗口,本实施例中,实施者可根据实际情况自行设定,各像素点的邻域窗口被第一轮廓划分为间隙区和异物区两部分,而不同区域中的内部陡峭指数则不相同,根据上述特征,计算第一瑕疵轮廓上各像素点的间隙异质性指数,所述间隙异质性指数具体表达式为:
式中,表示第一瑕疵轮廓上的第j个像素点的间隙异质性指数,/>为第一瑕疵轮廓的像素点总数,/>表示第一瑕疵轮廓上第j个像素点邻域窗口内的局部陡峭指数,/>表示第二瑕疵轮廓内所有像素点的内部陡峭指数。
若第一瑕疵轮廓上各像素点邻域窗口内的内部陡峭指数与第二瑕疵轮廓内部所有像素点的内部陡峭指数的差异越大,计算的值越大,对应像素点的间隙异质性指数越大,说明该像素点越可能属于像素值变化幅度更大的异物区。
至此,第一瑕疵轮廓上的每一个像素点都计算出了间隙异质性指数值。在一定程度上反应了邻域窗口内像素点灰度值的丰富程度,像素点的间隙异质性指数越高,说明该像素点的邻域窗口内像素值丰富度越高。在异物区边缘,由于异物的不同,其第一瑕疵轮廓的形状是不规则的,使得不同位置像素点的间隙异质性指数存在波动。表现为若第一瑕疵轮廓中像素点的曲率较大处,其间隙异质性指数也较大,而在第一瑕疵轮廓平缓处像素点的间隙异质性指数值则相对偏小。
将疑似瑕疵区域中第一瑕疵轮廓上各像素点的间隙异质性指数按降序排列,取前部分的值对应的像素点集确定为第一点集/>,取后/>部分的值对应的像素点集确定为第二点集/>,本实施例中/>,实施者可根据实际情况自行设定,本实施例对此不做限制。使用质心法计算第一轮廓包围区域内的中心像素点,将中心像素点记为/>。连接中心像素点与第一轮廓上的所有第一点集和第二点集内的像素点,并将第一点集和第二点集中的所有像素点记为第一交点。以中心像素点为起点,做中心像素点与第一交点的延长线,每一条延长线与第二瑕疵轮廓的交点记为第二交点。其中质心法为现有公知技术,本实施例在此不做赘述。
由此,根据第一瑕疵轮廓上各像素点的间隙异质性指数的取值范围分别构建不同等级的高异质性点对序列,高异质性点对序列具体表达式为:
式中,表示各疑似瑕疵区域的高异质性点对序列,/>为第一点集中的第个像素点,/>为第一点集中的第/>个像素点的第二交点,/>为第一点集中像素点的个数。
以此类推,构建低异质性点对序列表示为:
式中,表示各疑似瑕疵区域低异质性点对序列,/>为第二点集中的第/>个像素点,/>为第二点集中的第/>个像素点的第二交点,/>为第一点集中像素点的个数,需要说明的是第二点集中的像素点个数与第一点集中的像素点个数相同。
在疑似瑕疵区域中,第一瑕疵轮廓上间隙异质性指数值越高的位置,其轮廓越曲折,且该位置与第二瑕疵轮廓的间距越小,在间隙异质性指数值较低的位置,其轮廓越平缓,且该位置与第二瑕疵轮廓的间距越大。因此,可通过计算第一瑕疵轮廓和第二瑕疵轮廓的间距,对异物瑕疵进行识别。
在各个疑似瑕疵区域中,根据中心像素点与第一交点的距离及第一交点与第二交点的距离构建高异质性点对间距序列和低异质性点对间距序列,并将中心像素点与第一交点的距离确定为第一间距,将第一交点与第二交点的距离确定为第二间距,所述高异质性点对间距序列和低异质性点对间距序列表达式分别为:
式中,表示各疑似瑕疵区域的高异质性点对间距序列,/>表示第一点集中第/>个像素点与第/>个像素点对应的第二交点间的曼哈顿距离,表示疑似瑕疵区域内中心像素点与第一点集中第/>个像素点的曼哈顿距离,/>表示各疑似瑕疵区域的低异质性点对间距序列,/>表示第二点集中第个像素点与第/>个像素点对应的第二交点间的曼哈顿距离,/>表示疑似瑕疵区域内中心像素点与第二点集中第/>个像素点的曼哈顿距离,/>为第一点集中像素点的个数。
在疑似瑕疵区域中,第一点集和第二点集内像素点的第一间距和对应的第二间距存在一定变化,而通过高异质性点对间距序列和低异质性点对间距序列的差异可判断瑕疵轮廓的波动程度,构建各疑似瑕疵区域的瑕疵轮廓间隙波动水平,所述瑕疵轮廓间隙波动水平具体表达式为:
式中,为第一点集中像素点的个数,/>表示高异质性点对间距序列中的第个值,/>表示低异质性点对间距序列中的第/>个值,/>表示高异质性点对间距序列中的最大值,/>表示高异质性点对间距序列中的最小值,/>表示低异质性点对间距序列中的最大值,/>表示低异质性点对间距序列中的最小值。
若疑似瑕疵区域越不规则,则疑似瑕疵区域内第一间距和第二间距比值差异越大,计算得的值越大,同时,高异质性点对间距序列与低异质性点对间距序列内的最值差越大/>和/>的值也越大,且二者乘积为负,使得指数函数单调递减,所以分母值越小。最后计算的瑕疵轮廓间隙波动水平越大,说明疑似瑕疵区域越可能为瑕疵区域。
步骤S003,利用各疑似瑕疵区域的瑕疵轮廓间隙波动水平改进密度峰值聚类算法中的截断距离参数,实现PET高温阻燃胶带瑕疵提取。
计算出各个疑似瑕疵区域的瑕疵轮廓间隙波动水平值后,对瑕疵轮廓间隙波动水平值进行归一化,选取瑕疵轮廓间隙波动水平大于第一阈值的疑似瑕疵区域,计算所述疑似瑕疵区域内所有第二间距的均值,将所有所述均值的均值作为截断距离,该方法有利于将胶带中的异物瑕疵精确识别,本实施例中/>实施者可根据实际情况自行设定,本实施例对此不做限制。根据计算得到的截断距离,使用密度峰值聚类算法(DPC)对采集图像进行图像分割,输入为ROI区域内的各像素点,输出为具有相同特征的各个聚类簇,设定第二阈值/>,计算各个聚类簇的灰度均值,将灰度均值小于第二阈值/>的聚类簇所在区域标记为PET高温阻燃胶带瑕疵区域,实现基于图像分割的PET高温阻燃胶带瑕疵提取,本实施例中第二阈值/>,实施者可根据实际情况自行设定,本实施例对此不做限制。
基于与上述方法相同的发明构思,本发明实施例还提供了基于图像分割的PET高温阻燃胶带瑕疵提取系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于图像分割的PET高温阻燃胶带瑕疵提取方法中任意一项所述方法的步骤。
综上所述,本发明实施例解决了现有的聚类算法在同一规则模式下设置截断距离导致图像分割过程中出现误分割的问题,通过分析PET高温阻燃胶带的瑕疵区域特征,提高了PET高温阻燃胶带瑕疵提取的准确性。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,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 (6)
1.基于图像分割的PET高温阻燃胶带瑕疵提取方法,其特征在于,该方法包括以下步骤:
人为将PET高温阻燃胶带图像中的胶带区域作为ROI区域;
对ROI区域进行边缘检测得到各疑似瑕疵区域;根据各疑似瑕疵区域的灰度分布得到各疑似瑕疵区域的内部陡峭指数;根据边缘检测结果获取各疑似瑕疵区域的第一瑕疵轮廓与第二瑕疵轮廓;结合疑似瑕疵区域的内部陡峭指数与第一瑕疵轮廓上的各像素点获取第一点集与第二点集;结合第一点集、第二点集及第二瑕疵轮廓内像素点的分布得到疑似瑕疵区域内的第一交点与第二交点;
根据疑似瑕疵区域内的第一交点与第二交点得到疑似瑕疵区域内的高异质性点对序列与低异质性点对序列;根据疑似瑕疵区域内的高异质性点对序列与低异质性点对序列内部各像素点对的距离分布得到疑似瑕疵区域的高异质性点对间距序列和低异质性点对间距序列;
结合疑似瑕疵区域的高异质性点对间距序列和低异质性点对间距序列得到各疑似瑕疵区域的瑕疵轮廓间隙波动水平;结合各疑似瑕疵区域的瑕疵轮廓间隙波动水平与密度峰值聚类算法完成PET高温阻燃胶带瑕疵提取;
所述根据边缘检测结果获取各疑似瑕疵区域的第一瑕疵轮廓与第二瑕疵轮廓,包括:
在各疑似瑕疵区域中,将异物瑕疵自身的边缘轮廓作为第一瑕疵轮廓,将包围整个瑕疵区域的边缘轮廓作为第二瑕疵轮廓;
所述结合疑似瑕疵区域的内部陡峭指数与第一瑕疵轮廓上的各像素点获取第一点集与第二点集,表达式为:
式中,表示第一瑕疵轮廓上的第j个像素点的间隙异质性指数,/>为第一瑕疵轮廓的像素点总数,/>表示第一瑕疵轮廓上第j个像素点邻域窗口内的局部陡峭指数,/>表示第二瑕疵轮廓内所有像素点的内部陡峭指数;
将第一瑕疵轮廓上各像素点的间隙异质性指数降序排列,将前部分的间隙异质性指数对应的像素点集确定为第一点集,将后/>部分的间隙异质性指数对应的像素点集确定为第二点集,其中/>表示预设阈值;
所述结合第一点集、第二点集及第二瑕疵轮廓内像素点的分布得到疑似瑕疵区域内的第一交点与第二交点,包括:
将第一瑕疵轮廓上第一点集与第二点集包含的所有像素点确定为第一交点,获取疑似瑕疵区域的中心像素点,将中心像素点与各个第一交点进行连续并延伸到与第二瑕疵轮廓相交,将第二瑕疵轮廓上相交的各像素点确定为第二交点;
所述结合疑似瑕疵区域的高异质性点对间距序列和低异质性点对间距序列得到各疑似瑕疵区域的瑕疵轮廓间隙波动水平,表达式为:
式中,为第一点集中像素点的个数,/>表示高异质性点对间距序列中的第/>个值,/>表示低异质性点对间距序列中的第/>个值,/>表示高异质性点对间距序列中的最大值,/>表示高异质性点对间距序列中的最小值,/>表示低异质性点对间距序列中的最大值,/>表示低异质性点对间距序列中的最小值。
2.根据权利要求1所述的基于图像分割的PET高温阻燃胶带瑕疵提取方法,其特征在于,所述根据各疑似瑕疵区域的灰度分布得到各疑似瑕疵区域的内部陡峭指数,表达式为:
式中,为疑似瑕疵区域的内部陡峭指数,/>为疑似瑕疵区域的像素点总个数,/>表示疑似瑕疵区域中第i个像素点的灰度值,/>表示疑似瑕疵区域内部的像素点灰度值的均值,/>表示疑似瑕疵区域内部的像素点灰度值的方差。
3.根据权利要求1所述的基于图像分割的PET高温阻燃胶带瑕疵提取方法,其特征在于,所述根据疑似瑕疵区域内的第一交点与第二交点得到疑似瑕疵区域内的高异质性点对序列与低异质性点对序列,包括:
将第一点集中的第一交点、与第一交点在同一条直线上的第二交点作为一个点对,将第一点集中的所有点对作为高异质性点对序列;将第二点集中的第一交点、与第一交点在同一条直线上的第二交点作为一个点对,将第二点集中的所有点对作为低异质性点对序列。
4.根据权利要求3所述的基于图像分割的PET高温阻燃胶带瑕疵提取方法,其特征在于,所述根据疑似瑕疵区域内的高异质性点对序列与低异质性点对序列内部各像素点对的距离分布得到疑似瑕疵区域的高异质性点对间距序列和低异质性点对间距序列,包括:
针对各疑似瑕疵区域,计算中心像素点与各个第一交点的曼哈顿距离,确定为第一间距,计算高异质性点对序列与低异质性点对序列中各点对的曼哈顿距离,确定为第二间距,高异质性点对间距序列为第一点集中各第一间距与各第二间距的比值,低异质性点对间距序列为第二点集中各第一间距与各第二间距的比值。
5.根据权利要求4所述的基于图像分割的PET高温阻燃胶带瑕疵提取方法,其特征在于,所述结合各疑似瑕疵区域的瑕疵轮廓间隙波动水平与密度峰值聚类算法完成PET高温阻燃胶带瑕疵提取,包括:
设定第一阈值,选取瑕疵轮廓间隙波动水平大于第一阈值的疑似瑕疵区域,计算各个所述疑似瑕疵区域内第二间距的均值,将所有所述均值的均值作为密度峰值聚类算法的截断距离参数完成图像分割,设定第二阈值,将图像分割后灰度值小于第二阈值的聚类簇区域标记为PET高温阻燃胶带瑕疵区域。
6.基于图像分割的PET高温阻燃胶带瑕疵提取系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-5任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311516880.3A CN117237646B (zh) | 2023-11-15 | 2023-11-15 | 基于图像分割的pet高温阻燃胶带瑕疵提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311516880.3A CN117237646B (zh) | 2023-11-15 | 2023-11-15 | 基于图像分割的pet高温阻燃胶带瑕疵提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117237646A CN117237646A (zh) | 2023-12-15 |
CN117237646B true CN117237646B (zh) | 2024-01-30 |
Family
ID=89084691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311516880.3A Active CN117237646B (zh) | 2023-11-15 | 2023-11-15 | 基于图像分割的pet高温阻燃胶带瑕疵提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117237646B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117522864B (zh) * | 2024-01-02 | 2024-03-19 | 山东旭美尚诺装饰材料有限公司 | 基于机器视觉的欧松板表面瑕疵检测方法 |
CN117541583B (zh) * | 2024-01-09 | 2024-04-09 | 陕西东泽瑞科技开发有限公司 | 一种用于防爆监控系统的钻杆腐蚀监测方法及系统 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07280746A (ja) * | 1994-04-11 | 1995-10-27 | Kawasaki Steel Corp | 金属板表面疵抽出装置 |
JP2000221143A (ja) * | 1999-02-01 | 2000-08-11 | Nkk Corp | 表面検査装置 |
CN108764145A (zh) * | 2018-04-25 | 2018-11-06 | 哈尔滨工程大学 | 一种面向扎龙湿地遥感图像密度峰值聚类方法 |
CN110827306A (zh) * | 2019-10-18 | 2020-02-21 | 重庆师范大学 | 基于自适应密度峰值聚类的紫色土图像分割提取方法 |
CN113570628A (zh) * | 2021-07-30 | 2021-10-29 | 西安科技大学 | 一种基于活动轮廓模型的白细胞分割方法 |
WO2022042579A1 (zh) * | 2020-08-28 | 2022-03-03 | 歌尔股份有限公司 | 一种用于lcd屏幕的缺陷检测方法、装置 |
CN114854319A (zh) * | 2022-05-24 | 2022-08-05 | 深圳市润海电子有限公司 | 一种基于锂电池缝隙的溶胀胶带及其溶胀方法 |
CN115131566A (zh) * | 2022-07-25 | 2022-09-30 | 北京帝测科技股份有限公司 | 基于超像素和改进模糊c均值聚类的自动图像分割方法 |
CN115294123A (zh) * | 2022-10-08 | 2022-11-04 | 淄博永丰环保科技有限公司 | 一种基于图像视觉的瓦楞纸板质量检测方法 |
CN115375686A (zh) * | 2022-10-25 | 2022-11-22 | 山东鲁玻玻璃科技有限公司 | 一种基于图像处理的玻璃边缘瑕疵检测方法 |
CN115965623A (zh) * | 2023-03-16 | 2023-04-14 | 深圳市岑科实业有限公司 | 一种变压器生产中表面瑕疵检测方法及系统 |
WO2023102952A1 (zh) * | 2021-12-06 | 2023-06-15 | 浙江大学台州研究院 | 一种实时检测的卷材检测装置、系统及方法 |
CN116385445A (zh) * | 2023-06-06 | 2023-07-04 | 东莞市希锐自动化科技股份有限公司 | 一种基于视觉技术的电镀五金件瑕疵检测方法 |
CN116468689A (zh) * | 2023-04-14 | 2023-07-21 | 苏州瀚微智能科技有限公司 | 一种基于灰度特征的瑕疵识别方法 |
CN116630309A (zh) * | 2023-07-21 | 2023-08-22 | 微山县天阔纺织有限公司 | 一种布匹断纬瑕疵检测方法 |
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 |
CN116912277A (zh) * | 2023-09-12 | 2023-10-20 | 山东鲁泰化学有限公司 | 一种循环水除垢效果评估方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329281B (zh) * | 2007-06-20 | 2011-08-10 | 佛山普立华科技有限公司 | 影像感测晶片污点检测系统及其检测方法 |
-
2023
- 2023-11-15 CN CN202311516880.3A patent/CN117237646B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07280746A (ja) * | 1994-04-11 | 1995-10-27 | Kawasaki Steel Corp | 金属板表面疵抽出装置 |
JP2000221143A (ja) * | 1999-02-01 | 2000-08-11 | Nkk Corp | 表面検査装置 |
CN108764145A (zh) * | 2018-04-25 | 2018-11-06 | 哈尔滨工程大学 | 一种面向扎龙湿地遥感图像密度峰值聚类方法 |
CN110827306A (zh) * | 2019-10-18 | 2020-02-21 | 重庆师范大学 | 基于自适应密度峰值聚类的紫色土图像分割提取方法 |
WO2022042579A1 (zh) * | 2020-08-28 | 2022-03-03 | 歌尔股份有限公司 | 一种用于lcd屏幕的缺陷检测方法、装置 |
CN113570628A (zh) * | 2021-07-30 | 2021-10-29 | 西安科技大学 | 一种基于活动轮廓模型的白细胞分割方法 |
WO2023102952A1 (zh) * | 2021-12-06 | 2023-06-15 | 浙江大学台州研究院 | 一种实时检测的卷材检测装置、系统及方法 |
CN114854319A (zh) * | 2022-05-24 | 2022-08-05 | 深圳市润海电子有限公司 | 一种基于锂电池缝隙的溶胀胶带及其溶胀方法 |
CN115131566A (zh) * | 2022-07-25 | 2022-09-30 | 北京帝测科技股份有限公司 | 基于超像素和改进模糊c均值聚类的自动图像分割方法 |
CN115294123A (zh) * | 2022-10-08 | 2022-11-04 | 淄博永丰环保科技有限公司 | 一种基于图像视觉的瓦楞纸板质量检测方法 |
CN115375686A (zh) * | 2022-10-25 | 2022-11-22 | 山东鲁玻玻璃科技有限公司 | 一种基于图像处理的玻璃边缘瑕疵检测方法 |
CN115965623A (zh) * | 2023-03-16 | 2023-04-14 | 深圳市岑科实业有限公司 | 一种变压器生产中表面瑕疵检测方法及系统 |
CN116468689A (zh) * | 2023-04-14 | 2023-07-21 | 苏州瀚微智能科技有限公司 | 一种基于灰度特征的瑕疵识别方法 |
CN116385445A (zh) * | 2023-06-06 | 2023-07-04 | 东莞市希锐自动化科技股份有限公司 | 一种基于视觉技术的电镀五金件瑕疵检测方法 |
CN116630309A (zh) * | 2023-07-21 | 2023-08-22 | 微山县天阔纺织有限公司 | 一种布匹断纬瑕疵检测方法 |
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 |
CN116912277A (zh) * | 2023-09-12 | 2023-10-20 | 山东鲁泰化学有限公司 | 一种循环水除垢效果评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117237646A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117237646B (zh) | 基于图像分割的pet高温阻燃胶带瑕疵提取方法及系统 | |
CN115311292B (zh) | 基于图像处理的带钢表面缺陷检测方法及系统 | |
CN111862064B (zh) | 一种基于深度学习的银质丝材表面瑕疵识别方法 | |
CN116758061B (zh) | 基于计算机视觉的铸件表面缺陷检测方法 | |
CN109934811B (zh) | 一种基于深度学习的光学元件表面缺陷检测方法 | |
CN114219805B (zh) | 一种玻璃缺陷智能检测方法 | |
CN116740070B (zh) | 基于机器视觉的塑料管道外观缺陷检测方法 | |
CN115861291B (zh) | 基于机器视觉的贴片电路板生产缺陷检测方法 | |
CN113205063A (zh) | 一种输电导线缺陷的视觉识别及定位方法 | |
CN117095009B (zh) | 一种基于图像处理的pvc装饰板缺陷检测方法 | |
CN116990323B (zh) | 一种高精密印刷版视觉检测系统 | |
CN116152242B (zh) | 一种篮球用天然皮革缺陷可视化检测系统 | |
CN116664565A (zh) | 一种光伏太阳能电池片的隐裂检测方法及系统 | |
CN115496692A (zh) | 一种润滑油磨粒图像增强方法 | |
CN116030060A (zh) | 一种塑料颗粒质量检测方法 | |
Selamet et al. | Automatic detection and classification of defective areas on metal parts by using adaptive fusion of faster R-CNN and shape from shading | |
CN113781419A (zh) | 一种柔性pcb板缺陷检测方法、视觉系统、装置及介质 | |
CN116432052B (zh) | 一种新能源汽车模具用夹具质量检测方法 | |
CN113673396A (zh) | 一种孢子发芽率计算方法、装置及存储介质 | |
CN116758045A (zh) | 一种半导体发光二极管的表面缺陷检测方法及系统 | |
CN111192261A (zh) | 一种镜片疵病类型识别的方法 | |
Li et al. | Surface defect detection of seals based on K-means clustering algorithm and particle swarm optimization | |
CN113344823A (zh) | 一种银线型触头烧蚀区域形貌三维粗糙度表征方法 | |
CN111860519B (zh) | 一种航空发动机管路图像分割方法及系统 | |
CN117611583B (zh) | 基于人工智能的铝复合板缺陷检测方法及系统 |
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 |