CN117670877B - 应用于铝单板加工下的表面处理方法及系统 - Google Patents

应用于铝单板加工下的表面处理方法及系统 Download PDF

Info

Publication number
CN117670877B
CN117670877B CN202410130200.2A CN202410130200A CN117670877B CN 117670877 B CN117670877 B CN 117670877B CN 202410130200 A CN202410130200 A CN 202410130200A CN 117670877 B CN117670877 B CN 117670877B
Authority
CN
China
Prior art keywords
image
coating
quality
aluminum veneer
surface treatment
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
Application number
CN202410130200.2A
Other languages
English (en)
Other versions
CN117670877A (zh
Inventor
李宝平
李红卫
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.)
Shaanxi Nobel Aluminum Co ltd
Original Assignee
Shaanxi Nobel Aluminum 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 Shaanxi Nobel Aluminum Co ltd filed Critical Shaanxi Nobel Aluminum Co ltd
Priority to CN202410130200.2A priority Critical patent/CN117670877B/zh
Publication of CN117670877A publication Critical patent/CN117670877A/zh
Application granted granted Critical
Publication of CN117670877B publication Critical patent/CN117670877B/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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
    • B05B12/00—Arrangements for controlling delivery; Arrangements for controlling the spray area
    • B05B12/08—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means
    • B05B12/084—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means responsive to condition of liquid or other fluent material already sprayed on the target, e.g. coating thickness, weight or pattern
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05D—PROCESSES FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05D1/00—Processes for applying liquids or other fluent materials
    • B05D1/02—Processes for applying liquids or other fluent materials performed by spraying
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05D—PROCESSES FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05D7/00—Processes, other than flocking, specially adapted for applying liquids or other fluent materials to particular surfaces or for applying particular liquids or other fluent materials
    • B05D7/14—Processes, other than flocking, specially adapted for applying liquids or other fluent materials to particular surfaces or for applying particular liquids or other fluent materials to metal, e.g. car bodies
    • 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
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Wood Science & Technology (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及人工智能技术，揭露了一种应用于铝单板加工下的表面处理方法及系统，包括：获取实时铝单板加工图像数据，根据加工图像数据进行图像去噪处理，得到去噪图像；根据去噪图像进行表面涂层状态提取，得到涂层特征；根据涂层特征进行涂层质量判断，得到质量结果；根据质量结果进行涂层纠正，得到铝单板表面处理策略。本发明可以解决进行生产过程中铝单板质量差的问题。

Description

应用于铝单板加工下的表面处理方法及系统
技术领域
本发明涉及人工智能技术领域，尤其涉及一种应用于铝单板加工下的表面处理方法及系统。
背景技术
铝单板是一种广泛应用的建筑装饰材料，其外观美观、耐用、易于安装和维护，为了提高铝单板的装饰效果和使用寿命，表面处理方法及系统在铝单板加工中扮演着重要的角色。
目前的铝单板加工通常是利用喷漆来实现的，但喷漆在实际的生产过程中，由于设备精度限制、工艺控制不严或操作不当等原因，往往会出现涂层厚度不均衡的问题，过厚的局部涂层容易出现起皮、剥落现象，影响其使用寿命；过薄的局部涂层则无法提供足够的防护，会降低铝单板的耐候性能，因此，目前的铝单板加工仍存在生产的铝单板质量差的问题。
发明内容
本发明提供一种应用于铝单板加工下的表面处理方法及系统，其主要目的在于解决进行生产过程中铝单板质量差的问题。
为实现上述目的，本发明提供的一种应用于铝单板加工下的表面处理方法，包括：
获取实时铝单板加工图像数据，根据所述加工图像数据进行图像去噪处理，得到去噪图像，包括：对所述加工图像数据进行灰度化处理，得到灰度化图像；对所述灰度化图像进行局部小波分解，得到小波系数矩阵；根据所述小波系数矩阵进行阈值更新，得到更新系数；对所述更新系数进行图像重构，得到去噪图像；
根据所述去噪图像进行表面涂层状态提取，得到涂层特征，包括：对所述去噪图像进行边缘检测，得到检测结果；对所述检测结果进行区域分割，得到分割图像；对所述分割图像进行纹理提取，得到涂层特征；
根据所述涂层特征进行涂层质量判断，得到质量结果，包括：根据所述涂层特征构建灰度共生矩阵；根据所述灰度共生矩阵进行直方图均衡统计，得到纹理特征参数；根据所述纹理特征参数进行一致性评判，得到质量结果；
根据所述质量结果进行涂层纠正，得到铝单板表面处理策略，包括：根据所述质量结果筛选出对应的待纠正部位；对所述待纠正部位进行目标定位，得到纠正坐标；根据所述纠正坐标以及所述质量结果生成铝单板表面处理策略。
可选地，所述对所述去噪图像进行边缘检测，得到检测结果，包括：
计算所述去噪图像在水平方向和垂直方向的梯度强度以及梯度方向，利用如下公式来计算梯度强度：
；
其中，为像素点的梯度强度，/>为像素点在垂直方向的梯度幅值，/>为像素点在水平方向的梯度幅值；
利用如下公式来计算梯度方向：
；
其中，为像素点在垂直方向的梯度幅值，/>为像素点在水平方向的梯度幅值，/>为梯度方向，/>为反正切函数运算符；
在梯度方向上比较每个像素的梯度强度，得到强度点；
利用预设的高阈值以及低阈值对所述强度点进行筛选，得到边缘点；
连接所述边缘点，得到检测结果。
可选地，所述对所述检测结果进行区域分割，得到分割图像，包括：
根据所述检测结果进行连通域分析，得到涂层区域；
根据所述涂层区域进行多尺度分析，得到分割图像。
可选地，所述对所述分割图像进行纹理提取，得到涂层特征，包括：
逐个对所述分割图像进行空洞卷积，得到卷积特征；
对所述卷积特征进行下采样操作，得到特征表示；
对所述特征表示进行纹理连接，得到涂层特征。
可选地，所述根据所述纹理特征参数进行一致性评判，得到质量结果，包括：
根据所述纹理特征参数中的能量参数确定出纹理的均匀性结果；
根据所述均匀性结果以及对所述涂层特征进行多方向分析，得到凹陷关系；
根据所述凹陷关系以及所述纹理特征参数进行质量映射，得到质量结果。
为了解决上述问题，本发明还提供一种应用于铝单板加工下的表面处理装置，所述装置包括：
图像处理模块，用于获取实时铝单板加工图像数据，根据所述加工图像数据进行图像去噪处理，得到去噪图像，包括：对所述加工图像数据进行灰度化处理，得到灰度化图像；对所述灰度化图像进行局部小波分解，得到小波系数矩阵；根据所述小波系数矩阵进行阈值更新，得到更新系数；对所述更新系数进行图像重构，得到去噪图像；
状态提取模块，用于根据所述去噪图像进行表面涂层状态提取，得到涂层特征，包括：对所述去噪图像进行边缘检测，得到检测结果；对所述检测结果进行区域分割，得到分割图像；对所述分割图像进行纹理提取，得到涂层特征；
质量判断模块，用于根据所述涂层特征进行涂层质量判断，得到质量结果，包括：根据所述涂层特征构建灰度共生矩阵；根据所述灰度共生矩阵进行直方图均衡统计，得到纹理特征参数；根据所述纹理特征参数进行一致性评判，得到质量结果；
涂层纠正模块，用于根据所述质量结果进行涂层纠正，得到铝单板表面处理策略，包括：根据所述质量结果筛选出对应的待纠正部位；对所述待纠正部位进行目标定位，得到纠正坐标；根据所述纠正坐标以及所述质量结果生成铝单板表面处理策略。
本发明实施例通过根据提取的涂层特征量化涂层的质量参数，并对照设定的标准阈值来判断涂层质量是否存在问题，可以检测出局部过厚或过薄的区域，进而实现问题的快速响应和自动校正显著减少不良品产出；通过对发现存在质量问题的涂层进行涂层纠正，使得严格的对涂层质量进行把控，确保最终得到的铝单板具有均衡一致的涂层厚度，进而可以提高铝单板的生产质量。因此本发明提出的应用于铝单板加工下的表面处理方法及系统，可以解决进行生产过程中铝单板质量差的问题。
附图说明
图1为本发明一实施例提供的应用于铝单板加工下的表面处理方法的流程示意图；
图2为本发明一实施例提供的涂层状态提取的流程示意图；
图3为本发明一实施例提供的涂层质量判断的流程示意图；
图4为本发明一实施例提供的应用于铝单板加工下的表面处理装置的功能模块图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种应用于铝单板加工下的表面处理方法。所述应用于铝单板加工下的表面处理方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述应用于铝单板加工下的表面处理方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的应用于铝单板加工下的表面处理方法的流程示意图。在本实施例中，所述应用于铝单板加工下的表面处理方法包括：
S1、获取实时铝单板加工图像数据，根据所述加工图像数据进行图像去噪处理，得到去噪图像。
本发明实施例中，通过对所述加工图像数据进行图像去噪处理，可以去除图像中的噪声信息，提高图像分析的准确性。
本发明实施例中，所述根据所述加工图像数据进行图像去噪处理，得到去噪图像，包括：
对所述加工图像数据进行灰度化处理，得到灰度化图像；
对所述灰度化图像进行局部小波分解，得到小波系数矩阵；
根据所述小波系数矩阵进行阈值更新，得到更新系数；
对所述更新系数进行图像重构，得到去噪图像。
本发明实施例中，通过筛选出所述加工图像数据中每个像素点的红、绿、蓝三个分量中的最大值，将所述最大值作为对应像素点的灰度值，实现加工图像数据的灰度化。
本发明实施例中，可以利用低通滤波器对所述灰度化图像进行局部小波分解，低通滤波器是通过对所述灰度化图像分别进行水平方向、垂直方向以及对角方向进行小波分解，得到小波系数矩阵的。
本发明实施例中，所述根据所述小波系数矩阵进行阈值更新，得到更新系数，包括：
计算所述小波系数矩阵中小波系数的均值以及标准差；
根据所述小波系数的均值以及标准差进行阈值筛选，得到小波阈值；
根据所述小波阈值对所述小波系数矩阵进行阈值处理，得到更新系数。
本发明实施例中，所述阈值筛选是将所述标准差或者是均值乘以一个常数因子，进而可以得到小波阈值。
本发明实施例中，所述阈值处理指的是逐个从小波系数矩阵中筛选出一个小波系数，将所述小波系数的绝对值与对应的小波阈值进行对比，如果对比结果小于对应的小波阈值，则将所述小波系数设为0，如果对比结果大于对应的小波系数，则小波系数值不变。
本发明实施例中，对所述更新系数进行系数拼接，得到更新系数矩阵，利用所述更新系数矩阵以及与分解时相同的低通滤波器进行逆小波变换，得到更新加工图像数据，将所述更新加工图像数据转换为图像格式，得到去噪图像。
本发明实施例中，通过对所述加工图像数据进行灰度化处理以及图像去噪可以使得在去除噪声的同时，保持原始图像的质量和视觉效果，提高图像处理的精度。
S2、根据所述去噪图像进行表面涂层状态提取，得到涂层特征。
本发明实施例中， 通过对去噪图像的分析，可以准确提取出涂层的厚度、均匀性、有无瑕疵等特征，进而提高了工作效率，并保证了质量的一致性，避免了人为因素导致的误判或遗漏。
如图2所示，所述根据所述去噪图像进行表面涂层状态提取，得到涂层特征，包括：
S21、对所述去噪图像进行边缘检测，得到检测结果；
S22、对所述检测结果进行区域分割，得到分割图像；
S23、对所述分割图像进行纹理提取，得到涂层特征。
本发明实施例中，所述对所述去噪图像进行边缘检测，得到检测结果，包括：
计算所述去噪图像在水平方向和垂直方向的梯度强度以及梯度方向；
在梯度方向上比较每个像素的梯度强度，得到强度点；
利用预设的高阈值以及低阈值对所述强度点进行筛选，得到边缘点；
连接所述边缘点，得到检测结果。
详细地，通过利用微分算子对所述去噪图像进行水平方向以及垂直方向的卷积运算，得到水平方向以及垂直方向的梯度幅值，根据所述梯度幅值与水平方向以及垂直方向进行反正切函数计算，得到梯度角度，根据梯度角度以及梯度幅值可以得到梯度方向。
详细地，可以利用如下公式来计算梯度强度：
；
其中，为像素点的梯度强度，/>为像素点在垂直方向的梯度幅值，/>为像素点在水平方向的梯度幅值。
详细地，可以利用如下公式来计算梯度方向：
；
其中，为像素点在垂直方向的梯度幅值，/>为像素点在水平方向的梯度幅值，/>为梯度方向，/>为反正切函数运算符。
具体的，所述边缘点是通过判断强度点的梯度强度与所述高阈值以及所述低阈值的关系得到的，如果强度点的梯度强度大于等于高阈值，则将所述强度点作为边缘点；如果强度点的梯度强度小于高阈值但大于等于低阈值，则检查所述强度点是否为梯度方向上邻域内的极大值，如果是则保留为边缘点，否则剔除所述强度点，对下一个强度点进行筛选。
本发明实施例中，所述对所述检测结果进行区域分割，得到分割图像，包括：
根据所述检测结果进行连通域分析，得到涂层区域；
根据所述涂层区域进行多尺度分析，得到分割图像。
详细地，对所述检测结果利用深度优先算法遍历每个像素，将具有相同像素值，且在空间上相邻的像素点标记相同的标签，形成多个连通组件，计算所述连通组件的面积，利用预设的面积值从所述连通组件中筛选出涂层区域。
详细地，通过对所述涂层区域进行连续的下采样以及重复多次下采样过程，可以得到多个不同尺度的分割图像。
本发明实施例中，所述对所述分割图像进行纹理提取，得到涂层特征，包括：
逐个对所述分割图像进行空洞卷积，得到卷积特征；
对所述卷积特征进行下采样操作，得到特征表示；
对所述特征表示进行纹理连接，得到涂层特征。
详细地，利用不同的空洞率的卷积层对所述分割图像进行空洞卷积，在每个像素位置，所述卷积层中的卷积核与所述分割图像的区域进行卷积运算，生成对应的卷积特征，得到卷积特征。
详细地，可以利用平均池化的方法对所述卷积特征进行下采样，得到特征表示，平均池化的方法是通过它将所述卷积特征划分为不重叠的区域，并取每个区域内像素的平均值作为下采样后的特征值，进而得到特征表示。
详细地，可以利用跳跃连接的方式将不同的所述特征表示按照某种方式连接在一起，其中，所述连接的方式可以是简单的堆叠或者是根据通道进行拼接，得到涂层特征。
本发明实施例中，通过边缘检测、区域分割和纹理提取的方式，实现了从图像中自动、准确且全面地提取出铝单板表面涂层的关键特征，进而可以提高产品质量和生产效率。
S3、根据所述涂层特征进行涂层质量判断，得到质量结果。
本发明实施例中，通过对提取的涂层特征进行质量分析，可以快速得到出铝单板的涂层质量等级，提前发现潜在的质量问题，优化铝单板质量。
如图3所示，所述根据所述涂层特征进行涂层质量判断，得到质量结果，包括：
S31、根据所述涂层特征构建灰度共生矩阵；
S32、根据所述灰度共生矩阵进行直方图均衡统计，得到纹理特征参数；
S33、根据所述纹理特征参数进行一致性评判，得到质量结果。
详细地，所述灰度共生矩阵是将所述涂层特征中的一个像素点（i，j）作为参考点，并利用预设的距离、方向，计算在该方向上与参考点像素差值为d且灰度值为g的所有像素出现的次数，构建一个(d,g)的二维矩阵，这就是灰度共生矩阵。
详细地，通过计算整个灰度图像的直方图，即统计图像中各个灰度级出现的频率，再应用直方图均衡化处理，得到纹理特征参数，其中，所述纹理特征参数包括如能量、熵、逆差矩、相关性。
本发明实施例中，所述根据所述纹理特征参数进行一致性评判，得到质量结果，包括：
根据所述纹理特征参数中的能量参数确定出纹理的均匀性结果；
根据所述均匀性结果以及对所述涂层特征进行多方向分析，得到凹陷关系；
根据所述凹陷关系以及所述纹理特征参数进行质量映射，得到质量结果。
详细地，将所述纹理均匀性结果与预设的能量阈值进行对比，当能量高于此阈值时，判定涂层质量为均匀优良；若低于阈值，则存在不均匀现象。
详细地，通过对所述均匀性结果中的存在不均匀现象的涂层特征进行灰度共生矩阵的再构建，得到再构建结果，根据再构建结果以及纹理特征参数进行对比，得到涂层再所述涂层特征中的凹陷关系。
详细地，根据所述凹陷关系进行质量映射，若凹陷结果为涂层中存在凹陷，则将所述凹陷映射为涂层过薄；若凹陷结果为涂层中存在凸起，则将所述凸起映射为涂层过厚，得到质量关系。
本发明实施例中，通过根据涂层特征对涂层进行质量分析，可以得到对涂层质量的定量评估，提供了质量评价标准，进而可以提高工艺控制效率。
S4、根据所述质量结果进行涂层纠正，得到铝单板表面处理策略。
本发明实施例中，对于发现的不合格涂层，可以根据质量结果生成涂层纠正策略，确保最终出厂的铝单板具有良好的涂层质量，进而提高铝单板的生产质量。
本发明实施例中，所述根据所述质量结果进行涂层纠正，得到铝单板表面处理策略，包括：
根据所述质量结果筛选出对应的待纠正部位；
对所述待纠正部位进行目标定位，得到纠正坐标；
根据所述纠正坐标以及所述质量结果生成铝单板表面处理策略。
本发明实施例中，根据所述质量结果筛选出对应的涂层特征图像，得到待纠正部位。
本发明实施例中，根据所述待纠正部位遍历所述加工图像数据，根据所述加工图像数据进行部位匹配，并生成匹配结果坐标。
进一步地，实际操作中根据所述铝单板表面处理策略可以为对所述过薄部位，控制喷涂机器对过薄部位进行喷涂，对于质量结果为涂层过厚的部位，所述铝单板表面处理策略可以为控制预设的剥落仪器对所述过厚的部位进行剥落，对剥落后的结果进行重新喷涂。
例如，现已经获得一张长为720宽为1500的铝单板加工图像，且所述加工图像中在图像坐标为（710，1233）的位置处，存在涂层过薄现象，（120，120）的位置处，存在涂层过厚现象，对所述加工图像进行区域涂层分割，得到若干块图像，对若干块图像进行特征提取，得到多个涂层特征，分别对多个涂层特征进行统一尺度的灰度共生矩阵构建，根据构建结果，得到不均匀现象，根据不均匀现象对应的图像特征，再次构建不同尺度的灰度共生矩阵，对比灰度共生矩阵的结果，判断出1处的质量结果为涂层过薄，2处的质量结果为涂层过厚，根据所述1处与2处的对应的涂层特征进行特征匹配，匹配出1处与2处对应的特征区域，得到纠正部位，根据所述纠正部位进行定位，得到纠正坐标，根据纠正坐标以及质量结果进行对铝单板进行纠正，得到铝单板表面处理策略。
本发明实施例中，通过根据质量结果以及质量结果对比得到的部位生成铝单板表面处理策略，进而根据铝单板表面处理策略对铝单板进行纠正，可以提高铝单板的成产质量。
如图4所示，是本发明一实施例提供的应用于铝单板加工下的表面处理装置的功能模块图。
本发明所述应用于铝单板加工下的表面处理装置100可以安装于电子设备中。根据实现的功能，所述应用于铝单板加工下的表面处理装置100可以包括图像处理模块101、状态提取模块102、质量判断模块103及涂层纠正模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述图像处理模块101，用于获取实时铝单板加工图像数据，根据所述加工图像数据进行图像去噪处理，得到去噪图像，包括：对所述加工图像数据进行灰度化处理，得到灰度化图像；对所述灰度化图像进行局部小波分解，得到小波系数矩阵；根据所述小波系数矩阵进行阈值更新，得到更新系数；对所述更新系数进行图像重构，得到去噪图像；
所述状态提取模块102，用于根据所述去噪图像进行表面涂层状态提取，得到涂层特征，包括：对所述去噪图像进行边缘检测，得到检测结果；对所述检测结果进行区域分割，得到分割图像；对所述分割图像进行纹理提取，得到涂层特征；
所述质量判断模块103，用于根据所述涂层特征进行涂层质量判断，得到质量结果，包括：根据所述涂层特征构建灰度共生矩阵；根据所述灰度共生矩阵进行直方图均衡统计，得到纹理特征参数；根据所述纹理特征参数进行一致性评判，得到质量结果；
所述涂层纠正模块104，用于根据所述质量结果进行涂层纠正，得到铝单板表面处理策略，包括：根据所述质量结果筛选出对应的待纠正部位；对所述待纠正部位进行目标定位，得到纠正坐标；根据所述纠正坐标以及所述质量结果生成铝单板表面处理策略。
详细地，本发明实施例中所述应用于铝单板加工下的表面处理装置100中所述的各模块在使用时采用与上述图1至图3中所述的应用于铝单板加工下的表面处理方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围并不仅依据上述说明进行限定，因此旨在将落在保护范围内的等同要件的含义和范围内的所有变化涵括在本发明内。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (5)

1.一种应用于铝单板加工下的表面处理方法，其特征在于，所述方法包括：
获取实时铝单板加工图像数据，根据所述加工图像数据进行图像去噪处理，得到去噪图像，包括：对所述加工图像数据进行灰度化处理，得到灰度化图像；对所述灰度化图像进行局部小波分解，得到小波系数矩阵；根据所述小波系数矩阵进行阈值更新，得到更新系数；对所述更新系数进行图像重构，得到去噪图像；
根据所述去噪图像进行表面涂层状态提取，得到涂层特征，包括：对所述去噪图像进行边缘检测，得到检测结果；对所述检测结果进行区域分割，得到分割图像；对所述分割图像进行纹理提取，得到涂层特征；
根据所述涂层特征进行涂层质量判断，得到质量结果，包括：根据所述涂层特征构建灰度共生矩阵；根据所述灰度共生矩阵进行直方图均衡统计，得到纹理特征参数；根据所述纹理特征参数进行一致性评判，得到质量结果；
根据所述质量结果进行涂层纠正，得到铝单板表面处理策略，包括：根据所述质量结果筛选出对应的待纠正部位；对所述待纠正部位进行目标定位，得到纠正坐标；根据所述纠正坐标以及所述质量结果生成铝单板表面处理策略;
所述对所述去噪图像进行边缘检测，得到检测结果，包括：
计算所述去噪图像在水平方向和垂直方向的梯度强度以及梯度方向，利用如下公式来计算梯度强度：
G=√(G_x^2+G_y^2 )
其中，G为像素点的梯度强度，G_y为像素点在垂直方向的梯度幅值，G_x为像素点在水平方向的梯度幅值；
利用如下公式来计算梯度方向：
θ=arctan(G_y/G_x )
其中，G_y为像素点在垂直方向的梯度幅值，G_x为像素点在水平方向的梯度幅值，θ为梯度方向，arctan为反正切函数运算符；
在梯度方向上比较每个像素的梯度强度，得到强度点；
利用预设的高阈值以及低阈值对所述强度点进行筛选，得到边缘点；
连接所述边缘点，得到检测结果。
2.如权利要求1所述的应用于铝单板加工下的表面处理方法，其特征在于，所述对所述检测结果进行区域分割，得到分割图像，包括：
根据所述检测结果进行连通域分析，得到涂层区域；
根据所述涂层区域进行多尺度分析，得到分割图像。
3.如权利要求1中所述的应用于铝单板加工下的表面处理方法，其特征在于，所述对所述分割图像进行纹理提取，得到涂层特征，包括：
逐个对所述分割图像进行空洞卷积，得到卷积特征；
对所述卷积特征进行下采样操作，得到特征表示；
对所述特征表示进行纹理连接，得到涂层特征。
4.如权利要求1所述的应用于铝单板加工下的表面处理方法，其特征在于，所述根据所述纹理特征参数进行一致性评判，得到质量结果，包括：
根据所述纹理特征参数中的能量参数确定出纹理的均匀性结果；
根据所述均匀性结果以及对所述涂层特征进行多方向分析，得到凹陷关系；
根据所述凹陷关系以及所述纹理特征参数进行质量映射，得到质量结果。
5.一种应用于铝单板加工下的表面处理装置，用于实现权利要求1所述的应用于铝单板加工下的表面处理方法，其特征在于，所述装置包括：
图像处理模块，用于获取实时铝单板加工图像数据，根据所述加工图像数据进行图像去噪处理，得到去噪图像，包括：对所述加工图像数据进行灰度化处理，得到灰度化图像；对所述灰度化图像进行局部小波分解，得到小波系数矩阵；根据所述小波系数矩阵进行阈值更新，得到更新系数；对所述更新系数进行图像重构，得到去噪图像；
状态提取模块，用于根据所述去噪图像进行表面涂层状态提取，得到涂层特征，包括：对所述去噪图像进行边缘检测，得到检测结果；对所述检测结果进行区域分割，得到分割图像；对所述分割图像进行纹理提取，得到涂层特征；
质量判断模块，用于根据所述涂层特征进行涂层质量判断，得到质量结果，包括：根据所述涂层特征构建灰度共生矩阵；根据所述灰度共生矩阵进行直方图均衡统计，得到纹理特征参数；根据所述纹理特征参数进行一致性评判，得到质量结果；
涂层纠正模块，用于根据所述质量结果进行涂层纠正，得到铝单板表面处理策略，包括：根据所述质量结果筛选出对应的待纠正部位；对所述待纠正部位进行目标定位，得到纠正坐标；根据所述纠正坐标以及所述质量结果生成铝单板表面处理策略。
CN202410130200.2A 2024-01-31 2024-01-31 应用于铝单板加工下的表面处理方法及系统 Active CN117670877B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410130200.2A CN117670877B (zh) 2024-01-31 2024-01-31 应用于铝单板加工下的表面处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410130200.2A CN117670877B (zh) 2024-01-31 2024-01-31 应用于铝单板加工下的表面处理方法及系统

Publications (2)

Publication Number Publication Date
CN117670877A CN117670877A (zh) 2024-03-08
CN117670877B true CN117670877B (zh) 2024-05-10

Family

ID=90079204

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410130200.2A Active CN117670877B (zh) 2024-01-31 2024-01-31 应用于铝单板加工下的表面处理方法及系统

Country Status (1)

Country Link
CN (1) CN117670877B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118447025A (zh) * 2024-07-08 2024-08-06 江西鑫隆泰建材工业有限公司 铝单板加工质量评价方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919929A (zh) * 2019-03-06 2019-06-21 电子科技大学 一种基于小波变换的舌裂纹特征提取方法
CN111028229A (zh) * 2019-12-19 2020-04-17 中国特种飞行器研究所 一种基于图像处理技术的金属或涂层腐蚀检测方法
CN113850022A (zh) * 2021-09-26 2021-12-28 中国人民解放军陆军装甲兵学院 一种基于声热信号的喷涂层接触疲劳寿命预测方法
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3961477B1 (en) * 2020-08-24 2023-06-07 Saint-Gobain Glass France Method for detecting and reading a matrix code marked on a glass substrate

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919929A (zh) * 2019-03-06 2019-06-21 电子科技大学 一种基于小波变换的舌裂纹特征提取方法
CN111028229A (zh) * 2019-12-19 2020-04-17 中国特种飞行器研究所 一种基于图像处理技术的金属或涂层腐蚀检测方法
CN113850022A (zh) * 2021-09-26 2021-12-28 中国人民解放军陆军装甲兵学院 一种基于声热信号的喷涂层接触疲劳寿命预测方法
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

Also Published As

Publication number Publication date
CN117670877A (zh) 2024-03-08

Similar Documents

Publication Publication Date Title
CN117670877B (zh) 应用于铝单板加工下的表面处理方法及系统
CN110443778B (zh) 一种检测工业品不规则缺陷的方法
CN112307901A (zh) 一种面向滑坡检测的sar与光学影像融合方法及系统
CN113222836A (zh) 一种高光谱与多光谱遥感信息融合方法及系统
CN108038856B (zh) 基于改进多尺度分形增强的红外小目标检测方法
CN117575953B (zh) 一种高分辨率林业遥感图像细节增强方法
CN115294035B (zh) 亮点定位方法、亮点定位装置、电子设备及存储介质
CN112116568A (zh) 一种图像质量评价方法、装置及存储介质
CN111047618B (zh) 基于多尺度的无参考屏幕内容图像质量评估方法
CN118096761B (zh) 一种基于图像处理的电池箱生产缺陷检测方法
CN117974989A (zh) 一种园林植物病虫害区域快速检测方法
CN115731166A (zh) 一种基于深度学习的高压电缆接头打磨缺陷检测方法
CN117635615B (zh) 基于深度学习实现冲孔模具的缺陷检测方法及系统
CN108986083B (zh) 基于阈值优化的sar图像变化检测方法
CN108629771B (zh) 一种具有尺度鲁棒性的图像质量盲评价方法
Kumar et al. No-reference metric optimization-based perceptually invisible image enhancement
CN116703744B (zh) 一种基于卷积神经网络的遥感影像匀光匀色方法和装置
CN117611540A (zh) 一种锂电池极片涂布缺陷检测方法及相关设备
CN113077452A (zh) 基于dnn网络和斑点检测算法的苹果树病虫害检测方法
CN112784922A (zh) 智能云端医疗影像的提取和分类方法
Javadi et al. Adjustable contrast enhancement using fast piecewise linear histogram equalization
Maksimovic et al. Experimental analysis of wavelet decomposition on edge detection.
CN112785589A (zh) 通过云端网络获取数字医疗异常影像的方法
CN112116580B (zh) 用于摄像头支架的检测方法、系统及设备
CN117808809B (zh) 晶圆表面缺陷的视觉检测方法及系统

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