CN117495798A - 一种阻燃玻璃纤维网格布的疵点检测方法 - Google Patents

一种阻燃玻璃纤维网格布的疵点检测方法 Download PDF

Info

Publication number
CN117495798A
CN117495798A CN202311444552.7A CN202311444552A CN117495798A CN 117495798 A CN117495798 A CN 117495798A CN 202311444552 A CN202311444552 A CN 202311444552A CN 117495798 A CN117495798 A CN 117495798A
Authority
CN
China
Prior art keywords
pixel point
gray
target pixel
value
target
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.)
Granted
Application number
CN202311444552.7A
Other languages
English (en)
Other versions
CN117495798B (zh
Inventor
宋丙玉
卜令芳
钟红生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Weishan Brother Glass Products Co ltd
Original Assignee
Weishan Brother Glass Products Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Weishan Brother Glass Products Co ltd filed Critical Weishan Brother Glass Products Co ltd
Priority to CN202311444552.7A priority Critical patent/CN117495798B/zh
Publication of CN117495798A publication Critical patent/CN117495798A/zh
Application granted granted Critical
Publication of CN117495798B publication Critical patent/CN117495798B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
    • G01N21/898—Irregularities in textured or patterned surfaces, e.g. textiles, wood
    • G01N21/8983—Irregularities in textured or patterned surfaces, e.g. textiles, wood for testing textile webs, i.e. woven material
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/77—Determining position or orientation of objects or cameras using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Textile Engineering (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Geometry (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Wood Science & Technology (AREA)
  • Treatment Of Fiber Materials (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及疵点检测技术领域，具体涉及一种阻燃玻璃纤维网格布的疵点检测方法。该方法利用光学特征，通过附带有可见光光源的相机采集玻璃纤维网格布的光学图像。根据图像中反映出的光学特征分析待处理的目标信息。结合目标信息在可见光光源下的像素值信息和梯度信息获得光学特征明显的得到目标阻燃玻璃纤维网格布灰度图像；进而得到缺陷区域。本发明能够准确的获取阻燃玻璃纤维网格布上的缺陷区域。

Description

一种阻燃玻璃纤维网格布的疵点检测方法
技术领域
本发明涉及阻燃玻璃纤维网格布疵点检测技术领域，具体涉及一种阻燃玻璃纤维网格布的疵点检测方法。
背景技术
由阻燃玻璃纤维织成的网格布为基布表面涂覆高分子耐碱涂层制成的玻璃纤维网格布正在大量被采用将其埋入抹面层用于提高防护层的机械强度和抗裂性。但是在阻燃玻璃纤维网格布的生产过程中，会使得阻燃玻璃纤维网格布上产生疵点缺陷，由于阻燃玻璃纤维网格布上的疵点缺陷会影响其质量和使用效果，因此对阻燃玻璃纤维网格布上的疵点缺陷进行检测至关重要，具有十分重要的社会意义和经济价值。
由于在阻燃玻璃纤维网格布的生产过程中，通常情况下为了其流水线检测的效率或者生产效率传输带的传送速度一般都较高，因此阻燃玻璃纤维网格布处于高速运动状态，这样会导致采集的图像产生移动模糊，使原本图像中经纬线所表现出来的线性特征丢失，进一步导致其中产生的缺陷区域，因模糊区域的覆盖而变得不明显，从而导致边缘检测和分割不能较准确识别缺陷区域，从而使得检测结果不准，甚至产生误判。
发明内容
本发明提供一种阻燃玻璃纤维网格布的疵点检测方法，用于解决现有方法对阻燃玻璃纤维网格布进行缺陷检测时准确度较低的问题，所采用的技术方案具体如下：
本发明实施例提供了一种阻燃玻璃纤维网格布的疵点检测方法包括以下步骤：
根据附带有可见光光源的相机获取生产阻燃玻璃纤维网格布流水线上的阻燃玻璃纤维网格布灰度图像；
根据阻燃玻璃纤维网格布灰度图像对应的灰度直方图上的波峰，对所述灰度直方图上的灰度值进行划分，得到目标灰度值范围；
根据预设的滑窗，得到所述目标灰度范围中的各像素点对应的窗口；根据目标灰度范围中的各像素点对应的窗口中各像素点的灰度值，对所述目标灰度范围中的各像素点进行筛选，得到各目标像素点；
根据各目标像素点的像素值，得到各目标像素点对应的第一权重值；根据各目标像素点的梯度方向，得到各目标像素点对应的第二权重值；
根据各目标像素点对应的第一权重值和第二权重值，得到各目标像素点在结构元中的权重；根据目标像素点在结构元中的权重，得到目标阻燃玻璃纤维网格布灰度图像；根据目标阻燃玻璃纤维网格布灰度图像，得到缺陷区域。
优选的，根据所述阻燃玻璃纤维网格布灰度图像对应的灰度直方图上的波峰，对所述灰度直方图上的灰度值进行划分，得到目标灰度值范围的方法，包括：
根据所述灰度直方图，得到灰度直方图上的两个波峰位置对应的灰度值和一个波谷位置对应的灰度值；将两个波峰位置的灰度值分别记为a1和a3，将波谷位置的灰度值记为a2，且a1>a2>a3；
对灰度直方图进行拟合，得到拟合曲线；
计算拟合曲线上每个灰度值对应的斜率值；
在0到a3范围内，选取斜率值最大的灰度值，并记为a4；在a1与a2范围内，选取斜率值最大的灰度值，记为a5；
根据a1、a2、a3、a4、a5对灰度直方图上的灰度值进行划分，得到第一灰度值范围b1、第二灰度值范围b2和第三灰度值范围b3，b1＝(0,a4]，b2＝(a4,a5]，b3＝(a5,255]；
将第二灰度值范围b2记为目标灰度范围。
优选的，根据目标灰度范围中的各像素点对应的窗口中各像素点灰度值，对所述目标灰度范围中的各像素点进行筛选，得到各目标像素点，包括：
对于目标灰度范围中的任一像素点：
判断该像素点对应的窗口中各像素点灰度值是否均在目标灰度范围内，若是，则将该像素点记为目标像素点。
优选的，根据各目标像素点，得到各目标像素点对应的第一权重值的方法，包括：
对于任一目标像素点：
获取该目标像素点所在列上纵坐标值最大的目标像素点和纵坐标值最小的目标像素点；
根据该目标像素点所在行上的所有目标像素点，得到该目标像素点所在行上的目标像素点集合；
计算该目标像素点所在行上的目标像素点集合中的各目标像素点对应的八邻域像素点的灰度均值；
选取该目标像素点所在行上的目标像素点集合中的各目标像素点对应的八邻域像素点的灰度均值中的最大灰度均值和最小灰度均值；
根据该目标像素点所在列上纵坐标值最大的目标像素点和纵坐标值最小的目标像素点，以及该目标像素点所在行上的目标像素点集合中的各目标像素点对应的八邻域像素点的灰度均值中的最大灰度均值和最小灰度均值，得到该目标像素点对应的第一权重值。
优选的，根据如下公式计算该目标像素点对应的第一权重值：
其中，w1为该目标像素点对应的第一权重值，Yeu为该目标像素点所在列上纵坐标值最大的目标像素点对应的纵坐标值，Yed为该目标像素点所在列上纵坐标值最小的目标像素点对应的纵坐标值，Ye为该目标像素点对应的纵坐标值，为该目标像素点所在行上的目标像素点集合中的各目标像素点对应的八邻域像素点的灰度均值中的最大灰度均值，/>为该目标像素点所在行上的目标像素点集合中的各目标像素点对应的八邻域像素点的灰度均值中的最小灰度均值，/>为目标像素点对应的八邻域像素点的灰度均值。
优选的，对于任一目标像素点，如下公式计算该目标像素点对应的第二权重值：
其中，w2为该目标像素点对应的第二权重值，θ为该目标像素点的梯度方向，表示传送带的传输方向的反方向，cos为余弦相似度计算函数。
优选的，根据各目标像素点对应的第一权重值和第二权重值，得到各目标像素点在结构元中的权重的方法，包括：
将各目标像素点对应的第一权重值和对应的第二权重值的乘积，作为各目标像素点在结构元中的权重。
优选的，根据目标像素点在结构元中的权重，得到目标阻燃玻璃纤维网格布灰度图像的方法，包括：
将各目标像素点的灰度值与对应目标像素点在结构元中的权重的乘积记为各目标像素点的调整灰度值；
将阻燃玻璃纤维网格布灰度图像上除目标像素点之外的各像素点的灰度值和阻燃玻璃纤维网格布灰度图像上各目标像素点的调整灰度值构成的图像记为重构图像；
对重构图像进行灰度形态学的腐蚀操作，将腐蚀操作后的图像记为目标阻燃玻璃纤维网格布灰度图像。
优选的，根据目标阻燃玻璃纤维网格布灰度图像，得到缺陷区域的方法，包括：
对目标阻燃玻璃纤维网格布灰度图像进行边缘检测，得到缺陷区域。
有益效果：本发明基于阻燃玻璃纤维网格布在可见光光源下表征的光学特征进行分析，根据阻燃玻璃纤维网格布灰度图像对应的灰度直方图上的波峰，对所述灰度直方图上的灰度值进行划分，得到目标灰度值范围；根据预设的滑窗，得到所述目标灰度范围中的各像素点对应的窗口；根据目标灰度范围中的各像素点对应的窗口中各像素点的灰度值，对所述目标灰度范围中的各像素点进行筛选，得到各目标像素点；根据各目标像素点，得到各目标像素点对应的第一权重值；根据各目标像素点的梯度方向，得到各目标像素点对应的第二权重值；根据各目标像素点对应的第一权重值和第二权重值，得到各目标像素点在结构元中的权重；根据目标像素点在结构元中的权重，得到特征明显的目标阻燃玻璃纤维网格布灰度图像；根据光学特征明显的目标阻燃玻璃纤维网格布灰度图像，得到缺陷区域。本发明能够准确的获取阻燃玻璃纤维网格布上的缺陷区域。
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为本发明一种阻燃玻璃纤维网格布的疵点检测方法的流程图；
图2为本发明的灰度直方图的灰度值划分示意图；
图3为本发明的像素点位置分布示意图。
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、完整的描述，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，基于本发明实施例，本领域普通技术人员所获得的所有其它实施例，都属于本发明实施例保护的范围。
除非另有定义，本文所使用的所有的技术和科学技术术语与属于本发明的技术人员通常理解的含义相同。
本实施例提供了一种阻燃玻璃纤维网格布的疵点检测方法，详细说明如下：
如图1所示，该一种阻燃玻璃纤维网格布的疵点检测方法，包括以下步骤：
步骤S001，获取生产阻燃玻璃纤维网格布流水线上的阻燃玻璃纤维网格布灰度图像。
本实施例主要是对阻燃玻璃纤维网格布上的断纬进行识别检测，由于在阻燃玻璃纤维网格布的生产过程中，通常情况下为了其流水线的生产效率，会对传输带设置较高的传送速度，此时此阻燃玻璃纤维网格布也处于高速运动状态，这样会导致采集的图像产生移动模糊，使原本图像中经纬线所表现出来的线性特征丢失，进一步导致阻燃玻璃纤维网格布产生的断纬缺陷因模糊区域的覆盖而变得不明显，从而导致使用边缘检测和图像分割不能较准确的识别断纬缺陷区域，因此本实施例主要集合采集的阻燃玻璃纤维网格布模糊图像内的灰度分布信息和其经纬线交错的织布特征，对产生模糊的区域进行结构元内部权重的自适应调整，进行灰度形态学操作以消除因移动产生的模糊问题，以此来提高对阻燃玻璃纤维网格布进行缺陷区域检测或者识别的精度，即能够较准确的检测高速流水线上的阻燃玻璃纤维网格布。
首先本实施例利用附带有可见光光源的工业相机采集生产阻燃玻璃纤维网格布流水线上的阻燃玻璃纤维网格布图像，并且相机采集图像时的采集方向垂直于传输带上的阻燃玻璃纤维网格布表面，采集的每一帧的阻燃玻璃纤维网格布图像，阻燃玻璃纤维网格布经纬线为相互垂直结构，其中，经线的线性方向与传送带的传输方向相同。然后对采集的生产阻燃玻璃纤维网格布流水线上的阻燃玻璃纤维网格布图像进行灰度化处理，得到阻燃玻璃纤维网格布灰度图像。
步骤S002，根据所述阻燃玻璃纤维网格布灰度图像对应的灰度直方图上的波峰，对所述灰度直方图上的灰度值进行划分，得到目标灰度值范围。
阻燃玻璃纤维网格布在传输过程中，会由于高速移动导致采集图像模糊。阻燃玻璃纤维网格布的经纬线排列结构较为规整，其中经线，即竖直方向的纱线与传送带的传输方向相同。因此因竖直方向移动所产生的模糊影响，对于经线的干扰较小，而纬线则受到较大的影响，表现出的现象为由线条变为一段模糊区域。这一模糊效应对于横向产生的断纬疵点的检测影响极大，而对于断经的影响极小，甚至还会更加明显，因此本发明在这一场景下主要针对的是断纬；并且阻燃玻璃纤维网格布灰度图像上竖直方向的线为经线，阻燃玻璃纤维网格布灰度图像上横向的线为纬线表示。
阻燃玻璃纤维网格布所采集的模糊图像中，由于竖直方向的移动，导致纬线受到的影响要远大于经线，而模糊区域的模糊范围是基于传送带的传输方向与经纬线的相对方向。所表现出来的视觉效果为，保持其本身经纬线所交错形成的方形结构的同时，其纬线所构成的边缘变为较宽的模糊区域，而经线受影响较小，其保留了中心的较亮区域，同时边缘有较微弱的模糊现象；由于采集的阻燃玻璃纤维网格布灰度图像中，经纬线本身的灰度值较高，而由这部分区域所产生的模糊区域，其灰度值不会过低。因其经线并未受到过多影响，保留了其主体的高灰度部分，只在边缘产生了较小程度的模糊。而纬线则丢失了其本身主体的高灰度部分，全部变为模糊部分；同时导致经纬线所组成的低灰度的网孔区域被模糊部分造成一部分遮盖。
因此接下来本实施例将利用预设的滑窗对图像进行遍历，以判定滑窗内像素点的灰度分布信息，而滑窗内像素点的灰度分布信息可以反应出该滑窗所在位置信息，并且具体应用中滑窗的尺寸可根据成像设备的具体分辨率以及网格布的网格孔径大小等参数进行设置，本实施例设置滑窗的大小为3*3；因此本实施例首先获取阻燃玻璃纤维网格布灰度图像对应的灰度直方图，根据灰度直方图，得到波峰位置对应的灰度值和波谷位置对应的灰度值；获得的波峰位置为两个，波谷位置为一个，将两个波峰位置的灰度值分别记为a1和a3，并且波谷位置位于两个波峰中间，将波谷位置的灰度值记为a2，并且a1>a2>a3，后续基于波峰和波谷对灰度直方图上的灰度值进行划分。
然后对所获得灰度直方图中的灰度值分布拟合区域，得到拟合曲线，拟合曲线的横坐标为灰度值，纵坐标为灰度值再图像上出现的频数，并计算拟合曲线各位置处的斜率值，即计算拟合曲线上每个灰度值对应的斜率值；结合模糊效果的产生原因，并不是边缘产生渐变的原因，其对应的只是一块灰度接近的区域，因此图像中对应的区域大致分为三部分区域，即阻燃玻璃纤维网格布网孔区域像素点，模糊区域像素点以及经线主体区域像素点。这三部分区域灰度值区分较大，因此，以波峰a3左侧范围内，选取斜率值最大的灰度值，并记为a4；在波峰a1与波谷a2之间，选取斜率值最大的灰度值，记为a5；后续依据a1、a2、a3、a4、a5对灰度直方图上的灰度值进行划分。
本实施例将灰度直方图上的灰度值划分为三个灰度值范围；分别为第一灰度值范围b1，且b1＝(0,a4]；第二灰度值范围b2，且b2＝(a4,a5]；第三灰度值范围b3，且b3＝(a5,255]；其中b1＝(0,a4)表示灰度范围b1为灰度级0与灰度级a4之间的所有灰度级所组成的灰度级范围，其余同理。因此本实施例中对灰度直方图上的灰度值划分区域如图2所示；并且灰度范围b1＝(0,a4)对应的为阻燃玻璃纤维网格布网孔区域像素点，灰度范围b2＝(a4,a5)对应的为模糊区域像素点(包括经线所产生的边缘模糊区域以及纬线整体模糊区域)，灰度范围b3＝(a5,255)对应的为经线主体区域像素点。
至此，得到各灰度值范围；由于灰度范围b2＝(a4,a5)对应的为模糊区域像素点，后续只对灰度范围b2＝(a4,a5)进行分析，因此将第二灰度值范围b2记为目标灰度范围。
步骤S003，根据预设的滑窗，得到所述目标灰度范围中的各像素点对应的窗口；根据目标灰度范围中的各像素点对应的窗口中各像素点的灰度值，对所述目标灰度范围中的各像素点进行筛选，得到各目标像素点。
对于划分后的区域灰度范围，其中较为明显的为b1和b3，对应的像素点表现为灰度较高与灰度较低区域，只需要判定结构元内是否出现这两灰度范围内的像素点，便可以通过选取结构元内属于灰度范围b1和b3的为变换后的灰度值即可；但模糊区域包括经线的边缘模糊区域以及纬线整体模糊区域，如果对这部分区域直接进行去模糊，会导致去掉经线边缘模糊的同时，将纬线形成的模糊部分全部去掉，因此我们需要对模糊区域进行单独的划分；具体为：
本实施例首先用预设的滑窗大小对阻燃玻璃纤维网格布灰度图像进行遍历，获取阻燃玻璃纤维网格布灰度图像上各像素点对应的窗口；并且本实施例主要对以下三种情况窗口进行处理：第一种为窗口中的各像素点灰度值既有属于b1的，也有属于b2的，符合这种现象的窗口内的像素点位置为阻燃玻璃纤维网格布网孔中剩余的网孔区域与经纬线所产生的模糊区域；第二种为窗口中的各像素点灰度值既有属于b2的，也有属于b3的，符合这种现象的窗口内的像素点位置为经线主体部分与经线边缘模糊的交界区域；第三种为窗口中的各像素点灰度值全部属于b2，符合这种现象的窗口内的像素点全为模糊区域像素点；具体的如图3所示，图3中虚线弧线内部方向区域为，b3表示经线主体区域及高灰度范围，剩余的为b2即模糊区域，且wz1对应第一种情况，wz2对应第二种情况，wz3对应第三种情况。
并且除了上述三种情况以外，还有两种情况即滑窗内像素点全为b1或者全为b3，对于这两种情况，因为灰度范围较特殊，在图像中可以确定其为图中的主体部分，即经线主体部分或网孔中的黑色区域，因此对于这两种情况不需要对中心像素点进行调整。
步骤S004，根据各目标像素点对应的灰度值，得到各目标像素点对应的第一权重值；根据各目标像素点的梯度方向，得到各目标像素点对应的第二权重值。
当窗口中的各像素点灰度值全部属于b2时，表明窗口内的像素点全为模糊区域像素点，此时窗口所在位置为全模糊区域，其中模糊区域的组成分为两种，一种为经线的边缘造成的少量模糊区域，一种为纬线丢失其主体结构特征后形成的范围较大的模糊区域。因此如果对于处于模糊区域灰度范围的像素点直接进行变换或消除，会导致纬线区域全部丢失；同时经纬线在模糊中产生的效应不同，传送带的传输方向与经线相同，因此其经线所产生的模糊方向是因其产生的左右晃动所产生，因此其模糊方向为横向，而纬线的线性方向与传送带的传输方向相垂直，因此对于纬线所产生的模糊方向为明显的竖直方向上的模糊(模糊方向所表示的为其模糊区域所产生的灰度渐变方向)。
对于任一目标像素点：
若该目标像素点在竖直方向上方存在与该目标像素点相邻的目标像素点，则判定它们处于同一模糊范围内；对于处于同一模糊范围内的该目标像素点，记为Ue；获取该目标像素点所在列上纵坐标值最大的目标像素点和纵坐标值最小的目标像素点，分别记为Ueu和Ued，即Ued为下边缘像素点，Ueu为上边缘像素点。即此时像素点Ue所在这一列上，模糊范围的长度为Yeu-Yed，其中Yeu和Yed分别为目标像素点Ueu和Ued的纵坐标。
然后根据该目标像素点所在行上的所有目标像素点，得到该目标像素点所在行上的目标像素点集合；然后计算该目标像素点所在行上的目标像素点集合中的各目标像素点对应的八邻域像素点的灰度均值；选取该目标像素点所在行上的目标像素点集合中的各目标像素点对应的八邻域像素点的灰度均值中的最大灰度均值和最小灰度均值；根据如下公式计算该目标像素点对应的第一权重值：
其中，w1为该目标像素点对应的第一权重值，Yeu为该目标像素点所在列上纵坐标值最大的目标像素点对应的纵坐标值，Yed为该目标像素点所在列上纵坐标值最小的目标像素点对应的纵坐标值，Ye为该目标像素点对应的纵坐标值，为该目标像素点所在行上的目标像素点集合中的各目标像素点对应的八邻域像素点的灰度均值中的最大灰度均值，/>为该目标像素点所在行上的目标像素点集合中的各目标像素点对应的八邻域像素点的灰度均值中的最小灰度均值，/>为目标像素点对应的八邻域像素点的灰度均值。/>越大，则表示这一点的位置越靠近所在纬线模糊区域的主体；/>越大，表示这一像素点经纬线模糊区域的重叠程度越大。
因纬线产生的模糊为单方向移动所引起的，所以其产生的模糊效应为沿移动方向的，从主体区域向模糊区域的单方向的灰度渐变，因此其在模糊范围内的竖直方向上的位置信息，即距下边缘的位置，反映了其接近纬线原本主体区域的概率。但是其模糊区域除纬线外，还有经线所引起的，而两个模糊区域的叠加比起纬线单一模糊，会使其整体灰度值都要增加。因此还需要像素点在其所在行上的一个通过灰度信息所反映的位置信息来调整；但考虑到经纬线因不同程度的震动所形成的额外的模糊，会使其产生一定程度的影响，所以还需要根据这一点实际梯度方向进行调整；具体为：
对于任一目标像素点：
根据该目标像素点对应的八邻域像素点，得到该目标像素点的梯度方向θ；所述梯度方向的计算过程为公知，因此不做详细描述。并且该目标像素点的梯度方向θ表示的是这一梯度方向与水平线所形成的锐角，且θ∈(0°-90°)；然后根据该目标像素点的梯度方向，得到该目标像素点对应的第二权重值；根据如下公式计算该目标像素点对应的第二权重值：
其中，w2为该目标像素点对应的第二权重值，θ为该目标像素点的梯度方向，表示传送带的传输方向的反方向，cos为余弦相似度计算函数。即为由于运动产生的较大的模糊方向角度，所述的方向角度即为与图像坐标系x轴方向的夹角，w2也可表示根据像素点与邻域像素点的梯度方向所对应的权重值。w2越大，则表示这一像素点所在模糊区域更趋近于纬线的模糊区域，第二权重值取值范围为0到1。
步骤S005，根据各目标像素点对应的第一权重值和第二权重值，得到各目标像素点在结构元中的权重；根据目标像素点在结构元中的权重，得到目标阻燃玻璃纤维网格布灰度图像；根据目标阻燃玻璃纤维网格布灰度图像，得到缺陷区域。
经线边缘所产生的模糊区域其灰度的变化程度是要高于纬线所产生的模糊区域，同时纬线所产生的模糊效应，在横向上的变换是很小的，其灰度的变化反应在竖直方向上，因此对于中心像素点的梯度方向的影响上，经线模糊区域主要反映在横向上，纬线模糊区域主要反映在竖向上，因此对于第二权重，其梯度方向越近竖直方向，则其越接近纬线区域的概率越大，相对的其对应的权重值越大。
本实施例将各目标像素点对应的第一权重值和对应的第二权重值的乘积，作为各目标像素点在结构元中的权重，即作为在灰度形态学结构元中的权重值。至此对于模糊区域中的像素点都已根据自身位置信息以及与邻域像素点的关系得到自身在结构元中的权重值。
每一个目标像素点都基于其自身所在模糊区域的位置信息，以及其自身实际模糊方向的差异程度得到了自身在结构元中的权重信息；将各目标像素点的灰度值与对应目标像素点在结构元中的权重的乘积记为各目标像素点的调整灰度值；将阻燃玻璃纤维网格布灰度图像上除目标像素点之外的各像素点的灰度值和阻燃玻璃纤维网格布灰度图像上各目标像素点的调整灰度值构成的图像记为重构图像；然后对重构图像进行灰度形态学的腐蚀操作，将腐蚀操作后的图像记为目标阻燃玻璃纤维网格布灰度图像。
至此，去除了图像中的模糊区域，极大程度恢复了经纬线的主体区域。然后通过常规缺陷检测手段对目标阻燃玻璃纤维网格布灰度图像进行缺陷检测，本实施例使用边缘检测对目标阻燃玻璃纤维网格布灰度图像进行缺陷检测，得到缺陷区域；本实施例使用灰度形态学操作，对因高速移动而导致采集图像出现图像模糊的视觉缺陷。通过分析其图像中像素点灰度信息的分布特征，结合阻燃玻璃纤维网格布经纬线的排列结构特征，对模糊区域进行消除，以此来解决因模糊问题而导致断纬，跳纬等疵点所表现出来的视觉特征被干扰，并通过对灰度形态学的结构元内部权重进行自适应调整，通过对模糊图像进行区域范围划分，解决因常规形态学时，结构元的单一所导致严重模糊的纬线区域被去除掉所带来的进一步问题；然后结合前期获取到的传输带的传输方向，以及模糊图像自身的灰度信息进行分析，就可以对灰度形态学所需要的结构元进行权重的自适应调整，因此所需要的设备配置要求较低，运算内容较少。
本实施例首先获取生产阻燃玻璃纤维网格布流水线上的阻燃玻璃纤维网格布灰度图像；根据阻燃玻璃纤维网格布灰度图像对应的灰度直方图上的波峰，对所述灰度直方图上的灰度值进行划分，得到目标灰度值范围；根据预设的滑窗，得到所述目标灰度范围中的各像素点对应的窗口；根据目标灰度范围中的各像素点对应的窗口中各像素点的灰度值，对所述目标灰度范围中的各像素点进行筛选，得到各目标像素点；根据各目标像素点，得到各目标像素点对应的第一权重值；根据各目标像素点的梯度方向，得到各目标像素点对应的第二权重值；根据各目标像素点对应的第一权重值和第二权重值，得到各目标像素点在结构元中的权重；根据目标像素点在结构元中的权重，得到目标阻燃玻璃纤维网格布灰度图像；根据目标阻燃玻璃纤维网格布灰度图像，得到缺陷区域。本发明实施例能够较准确的获取阻燃玻璃纤维网格布上的缺陷区域。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (9)

1.一种阻燃玻璃纤维网格布的疵点检测方法，其特征在于，该方法包括如下步骤：
根据附带有可见光光源的相机获取生产阻燃玻璃纤维网格布流水线上的阻燃玻璃纤维网格布灰度图像；
根据阻燃玻璃纤维网格布灰度图像对应的灰度直方图上的波峰，对所述灰度直方图上的灰度值进行划分，得到目标灰度值范围；
根据预设的滑窗，得到所述目标灰度范围中的各像素点对应的窗口；根据目标灰度范围中的各像素点对应的窗口中各像素点的灰度值，对所述目标灰度范围中的各像素点进行筛选，得到各目标像素点；
根据各目标像素点的像素值，得到各目标像素点对应的第一权重值；根据各目标像素点的梯度方向，得到各目标像素点对应的第二权重值；
根据各目标像素点对应的第一权重值和第二权重值，得到各目标像素点在结构元中的权重；根据目标像素点在结构元中的权重，得到目标阻燃玻璃纤维网格布灰度图像；根据目标阻燃玻璃纤维网格布灰度图像，得到缺陷区域。
2.如权利要求1所述的一种阻燃玻璃纤维网格布的疵点检测方法，其特征在于，根据所述阻燃玻璃纤维网格布灰度图像对应的灰度直方图上的波峰，对所述灰度直方图上的灰度值进行划分，得到目标灰度值范围的方法，包括：
根据所述灰度直方图，得到灰度直方图上的两个波峰位置对应的灰度值和一个波谷位置对应的灰度值；将两个波峰位置的灰度值分别记为a1和a3，将波谷位置的灰度值记为a2，且a1>a2>a3；
对灰度直方图进行拟合，得到拟合曲线；
计算拟合曲线上每个灰度值对应的斜率值；
在0到a3范围内，选取斜率值最大的灰度值，并记为a4；在a1与a2范围内，选取斜率值最大的灰度值，记为a5；
根据a1、a2、a3、a4、a5对灰度直方图上的灰度值进行划分，得到第一灰度值范围b1、第二灰度值范围b2和第三灰度值范围b3，b1＝(0,a4]，b2＝(a4,a5]，b3＝(a5,255]；
将第二灰度值范围b2记为目标灰度范围。
3.如权利要求1所述的一种阻燃玻璃纤维网格布的疵点检测方法，其特征在于，根据目标灰度范围中的各像素点对应的窗口中各像素点灰度值，对所述目标灰度范围中的各像素点进行筛选，得到各目标像素点，包括：
对于目标灰度范围中的任一像素点：
判断该像素点对应的窗口中各像素点灰度值是否均在目标灰度范围内，若是，则将该像素点记为目标像素点。
4.如权利要求1所述的一种阻燃玻璃纤维网格布的疵点检测方法，其特征在于，根据各目标像素点，得到各目标像素点对应的第一权重值的方法，包括：
对于任一目标像素点：
获取该目标像素点所在列上纵坐标值最大的目标像素点和纵坐标值最小的目标像素点；
根据该目标像素点所在行上的所有目标像素点，得到该目标像素点所在行上的目标像素点集合；
计算该目标像素点所在行上的目标像素点集合中的各目标像素点对应的八邻域像素点的灰度均值；
选取该目标像素点所在行上的目标像素点集合中的各目标像素点对应的八邻域像素点的灰度均值中的最大灰度均值和最小灰度均值；
根据该目标像素点所在列上纵坐标值最大的目标像素点和纵坐标值最小的目标像素点，以及该目标像素点所在行上的目标像素点集合中的各目标像素点对应的八邻域像素点的灰度均值中的最大灰度均值和最小灰度均值，得到该目标像素点对应的第一权重值。
5.如权利要求4所述的一种阻燃玻璃纤维网格布的疵点检测方法，其特征在于，根据如下公式计算该目标像素点对应的第一权重值：
其中，w1为该目标像素点对应的第一权重值，Yeu为该目标像素点所在列上纵坐标值最大的目标像素点对应的纵坐标值，Yed为该目标像素点所在列上纵坐标值最小的目标像素点对应的纵坐标值，Ye为该目标像素点对应的纵坐标值，为该目标像素点所在行上的目标像素点集合中的各目标像素点对应的八邻域像素点的灰度均值中的最大灰度均值，为该目标像素点所在行上的目标像素点集合中的各目标像素点对应的八邻域像素点的灰度均值中的最小灰度均值，/>为目标像素点对应的八邻域像素点的灰度均值。
6.如权利要求1所述的一种阻燃玻璃纤维网格布的疵点检测方法，其特征在于，对于任一目标像素点，如下公式计算该目标像素点对应的第二权重值：
其中，w2为该目标像素点对应的第二权重值，θ为该目标像素点的梯度方向，表示传送带的传输方向的反方向，cos为余弦相似度计算函数。
7.如权利要求1所述的一种阻燃玻璃纤维网格布的疵点检测方法，其特征在于，根据各目标像素点对应的第一权重值和第二权重值，得到各目标像素点在结构元中的权重的方法，包括：
将各目标像素点对应的第一权重值和对应的第二权重值的乘积，作为各目标像素点在结构元中的权重。
8.如权利要求1所述的一种阻燃玻璃纤维网格布的疵点检测方法，其特征在于，根据目标像素点在结构元中的权重，得到目标阻燃玻璃纤维网格布灰度图像的方法，包括：
将各目标像素点的灰度值与对应目标像素点在结构元中的权重的乘积记为各目标像素点的调整灰度值；
将阻燃玻璃纤维网格布灰度图像上除目标像素点之外的各像素点的灰度值和阻燃玻璃纤维网格布灰度图像上各目标像素点的调整灰度值构成的图像记为重构图像；
对重构图像进行灰度形态学的腐蚀操作，将腐蚀操作后的图像记为目标阻燃玻璃纤维网格布灰度图像。
9.如权利要求1所述的一种阻燃玻璃纤维网格布的疵点检测方法，其特征在于，根据目标阻燃玻璃纤维网格布灰度图像，得到缺陷区域的方法，包括：
对目标阻燃玻璃纤维网格布灰度图像进行边缘检测，得到缺陷区域。
CN202311444552.7A 2023-11-02 2023-11-02 一种阻燃玻璃纤维网格布的疵点检测方法 Active CN117495798B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311444552.7A CN117495798B (zh) 2023-11-02 2023-11-02 一种阻燃玻璃纤维网格布的疵点检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311444552.7A CN117495798B (zh) 2023-11-02 2023-11-02 一种阻燃玻璃纤维网格布的疵点检测方法

Publications (2)

Publication Number Publication Date
CN117495798A true CN117495798A (zh) 2024-02-02
CN117495798B CN117495798B (zh) 2024-05-03

Family

ID=89673836

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311444552.7A Active CN117495798B (zh) 2023-11-02 2023-11-02 一种阻燃玻璃纤维网格布的疵点检测方法

Country Status (1)

Country Link
CN (1) CN117495798B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114445387A (zh) * 2022-01-29 2022-05-06 泗阳富艺木业股份有限公司 一种基于机器视觉的纤维板质量分类方法
US20220198634A1 (en) * 2020-12-22 2022-06-23 Hon Hai Precision Industry Co., Ltd. Method for selecting a light source for illuminating defects, electronic device, and non-transitory storage medium
CN115100201A (zh) * 2022-08-25 2022-09-23 淄博齐华制衣有限公司 一种阻燃纤维材料的混纺缺陷检测方法
CN115222741A (zh) * 2022-09-20 2022-10-21 江苏昱恒电气有限公司 一种电缆表面缺陷检测方法
CN115409833A (zh) * 2022-10-28 2022-11-29 一道新能源科技(衢州)有限公司 基于反锐化掩模算法的光伏板的热斑缺陷检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220198634A1 (en) * 2020-12-22 2022-06-23 Hon Hai Precision Industry Co., Ltd. Method for selecting a light source for illuminating defects, electronic device, and non-transitory storage medium
CN114445387A (zh) * 2022-01-29 2022-05-06 泗阳富艺木业股份有限公司 一种基于机器视觉的纤维板质量分类方法
CN115100201A (zh) * 2022-08-25 2022-09-23 淄博齐华制衣有限公司 一种阻燃纤维材料的混纺缺陷检测方法
CN115222741A (zh) * 2022-09-20 2022-10-21 江苏昱恒电气有限公司 一种电缆表面缺陷检测方法
CN115409833A (zh) * 2022-10-28 2022-11-29 一道新能源科技(衢州)有限公司 基于反锐化掩模算法的光伏板的热斑缺陷检测方法

Also Published As

Publication number Publication date
CN117495798B (zh) 2024-05-03

Similar Documents

Publication Publication Date Title
US6753965B2 (en) Defect detection system for quality assurance using automated visual inspection
US6804381B2 (en) Method of and device for inspecting images to detect defects
Jeon et al. Automatic recognition of woven fabric patterns by an artificial neural network
CN115311303B (zh) 一种纺织品经纬缺陷检测方法
CN115330784B (zh) 一种布匹表面缺陷检测方法
CN113724241B (zh) 一种碳纤维经编织物的毛丝检测方法、装置和存储介质
CN103759662A (zh) 一种纺织纱线直径动态快速测量装置与方法
CN111861996A (zh) 一种印花织物疵点检测方法
CN114998321B (zh) 一种基于光学手段的纺织材料表面毛羽程度识别方法
CN109211918B (zh) 一种基于纬纱走向的织物弓纬检测方法
CN114913178A (zh) 一种熔喷布缺陷检测方法及系统
CN115100206B (zh) 用于具有周期图案纺织物的印花缺陷识别方法
CN115311265B (zh) 基于纺织质量的织布机智能控制系统
CN115082458B (zh) 一种基于灰度游程矩阵的纺织材料疵点分析方法
CN116309671B (zh) 一种土工合成织物质量检测系统
CN110097538A (zh) 一种织机在线验布装置及疵点识别方法
CN112330673A (zh) 一种基于图像处理的机织物密度检测方法
CN113781447A (zh) 一种基于碳纤维的纬纱间隙检测方法、设备及存储介质
CN117495798B (zh) 一种阻燃玻璃纤维网格布的疵点检测方法
CN111402225B (zh) 一种布匹折叠误检疵点判别方法
CN113706521A (zh) 碳纤维表面毛团检测方法、装置、存储介质和电子设备
CN110186929A (zh) 一种实时的产品瑕疵定位方法
CN113610843A (zh) 一种光纤编织层的实时缺陷识别系统及其方法
CN114913180A (zh) 一种棉布筘痕缺陷的智能检测方法
CN114782426A (zh) 基于人工智能系统的针织布料断纱缺陷检测方法

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