首页 / 专利库 / 视听技术与设备 / 均值漂移过程 / 一种融合颜色、形状和纹理特征的蚕茧表面缺陷检测方法

一种融合颜色、形状和纹理特征的蚕茧表面缺陷检测方法

阅读:393发布:2020-05-13

专利汇可以提供一种融合颜色、形状和纹理特征的蚕茧表面缺陷检测方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种融合 颜色 、形状和纹理特征的蚕茧表面 缺陷 检测方法,该检测方法结合 图像处理 与 机器视觉 技术,依次对采集到的蚕茧进行预处理、颜色特征提取、形状特征提取、面积判断、纹理特征提取,分层次的对不同缺陷的蚕茧进行检测,利用颜色特征提取,将黄茧和烂茧检测出来;利用形状特征,将畸形茧检测出来;利用面积 阈值 将体积较大的双宫茧检测出来;利用纹理特征提取,将具有明显纹理的薄茧和印头茧检测出来,解决了目前人工检测效率低下的问题,能够大幅度减少缫丝企业的用工成本。,下面是一种融合颜色、形状和纹理特征的蚕茧表面缺陷检测方法专利的具体信息内容。

1.一种融合颜色、形状和纹理特征的蚕茧表面缺陷检测方法,其特征在于,包括:
(1)采集蚕茧的样本图像,对采集到的蚕茧样本图像进行预处理,得到预处理后的图像;
(2)对步骤(1)预处理后的图像进行颜色特征提取,将RGB颜色空间的图像转换至HSV颜色空间,提取HSV分量,判定图像中蚕茧的颜色,检测出黄茧和烂茧;
(3)对步骤(2)处理后的图像进行形状判断,对蚕茧进行椭圆拟合操作,检测出形状异常的畸形茧;
(4)对步骤(3)处理后的图像进行面积判断,设定面积阈值,检测出体积相对较大的双宫茧;
(5)对步骤(4)处理后的图像进行纹理特征的提取,采用LBP算法检测出有明显纹理特征异常的薄茧和印头茧,如果没有纹理特征异常,即为上车茧。
2.如权利要求1所述的一种融合颜色、形状和纹理特征的蚕茧表面缺陷检测方法,其特征在于,所述步骤(1)中预处理过程包括对采集到的蚕茧样本图像进行中值滤波、均值漂移、直方图均衡化操作。
3.如权利要求1所述的一种融合颜色、形状和纹理特征的蚕茧表面缺陷检测方法,其特征在于,所述步骤(2)包括:
(2-1)将RGB颜色空间的蚕茧图像转换至HSV颜色空间,RGB颜色空间的三个分量分别为R、G、B,
R'=R/255,G'=G/255,B'=B/255
Cmax=max(R',G',B')
Cmin=min(R',G',B')
Δ=Cmax-Cmin
求出其三个分量的最大值Cmax和最小值Cmin,并求出最大值和最小值的差Δ,HSV的三个分量分别是H、S、V,将得到的最大值、最小值、以及差代入到下式,求出相应的H、S、V分量的值;
V=Cmax
(2-2)根据转换公式,将RGB颜色空间下的蚕茧图像转换至HSV颜色空间下,提取蚕茧图像的H、S、V三个分量的值,根据颜色空间转换表以及黄色和黑色对应的HSV三个分量范围,设定相应的阈值范围,检测蚕茧图像中HSV三个分量的值,并判断是否在设定的范围内,黄茧表面为黄色,烂茧表面为黑色,根据检测到的三个分量的值判定为相应的缺陷蚕茧。
4.如权利要求1所述的一种融合颜色、形状和纹理特征的蚕茧表面缺陷检测方法,其特征在于,所述步骤(3)包括:
(3-1)提取图像中蚕茧的形状信息,通过对蚕茧轮廓进行椭圆拟合操作,计算其与椭圆的相似度来判断是否是畸形茧,利用坐标变换公式将坐标系xoy转换至坐标系x′o′y′:
其中(x2,y2)、(x2,y2)是长轴的两个端点,(x0,y0)是中心,(x,y)是任意一点,检测图像中的蚕茧轮廓,确定感兴趣区域ROI,获得边缘坐标,假设ROI边缘是椭圆,依次对任意的两个边缘坐标求欧式距离,得到最大的欧式距离dmax,认为此时的两个边缘坐标即为长轴端点(x1,y1)、(x2,y2);
(3-2)计算椭圆的参数
x0=(x1+x2)/2
y0=(y2+y2)/2
a=d max/2
(x,y)和(x0,y0)转换到坐标系x'o'y'的坐标为(x',y')、(x0',y0'),则:
将b取整存放在A中,A中最大的值就是b值。因为实际获取标志的边缘坐标点在椭圆曲线的周围,这导致b在一个小范围浮动,计算累加器A(b-2:b+2)的和得到椭圆相似度:
相似度S低于80%则判定为畸形茧。
5.如权利要求1所述的一种融合颜色、形状和纹理特征的蚕茧表面缺陷检测方法,其特征在于,所述步骤(4)中计算检测到的蚕茧的面积,在检测之前设定一个面积阈值1.5S,S为正常单宫茧的面积,将检测到蚕茧的面积与阈值1.5S比较,如果面积大于阈值1.5S,则认定为双宫茧。
6.如权利要求1所述的一种融合颜色、形状和纹理特征的蚕茧表面缺陷检测方法,其特征在于,所述步骤(5)包括:
(5-1)首先将检测窗口划分为16×16的小区域,对于每个小区域中的一个像素,将其环形邻域内的8个点进行逆时针或者顺时针的比较,如果中心像素值比该邻域点大,则将邻点赋值为1,否则赋值为0,这样每个点都会获得一个八位二进制数,转换为十进制数;
(5-2)计算每个小区域的直方图,即每个数字出现的频率,也就是对区域内每一个像素点是否比邻域内点大的一个二进制序列进行统计,然后对该直方图进行归一化处理。最后将得到的每个小区域的统计直方图进行连接,就得到了整幅图像的LBP纹理特征,基于纹理特征能够检测出表面具有明显纹理异常的薄茧和印头茧,没有检测出纹理特征异常的就是表面均匀的上车茧。

说明书全文

一种融合颜色、形状和纹理特征的蚕茧表面缺陷检测方法

技术领域

[0001] 本发明涉及蚕茧表面缺陷检测技术领域,具体涉及一种融合颜色、形状和纹理特征的蚕茧表面缺陷检测方法。

背景技术

[0002] 在生长过程中,蚕由于养殖环境和养殖方法的原因,导致最后结成的蚕茧的品质有较大差异。缫丝企业在生产过程中,需要生产出较高质量的蚕丝,就需要高品质的蚕茧,在原料的选取上需要根据品质的高低对采集到的蚕茧进行检测,高品质的蚕茧生产高质量的蚕丝,有缺陷的蚕茧就生产其他相应等级的蚕丝。蚕茧数目多、种类繁多,传统的人工检测方法,需要对每一粒蚕茧进行检测,这种方法不仅耗时耗、效率低,而且由于长时间的工作容易造成视觉疲劳,导致检测出错。随着计算机图像处理技术的快速发展,结合图像处理、机器视觉以及人工智能技术,设计一种对蚕茧表面进行快速检测的方法,不仅能够提高生产效率、节约企业成本,而且能够避免人工检测带来的检测失误。

发明内容

[0003] 针对现有人工检测方法的不足,本发明提供了一种融合颜色、形状和纹理特征的蚕茧表面缺陷检测方法。
[0004] (1)采集蚕茧的样本图像,对采集到的蚕茧样本图像进行预处理,得到预处理后的图像;
[0005] (2)对步骤(1)预处理后的图像进行颜色特征提取,将RGB颜色空间的图像转换至HSV颜色空间,提取HSV分量,判定图像中蚕茧的颜色,检测出黄茧和烂茧;
[0006] (3)对步骤(2)处理后的图像进行形状判断,对蚕茧进行椭圆拟合操作,检测出形状异常的畸形茧;
[0007] (4)对步骤(3)处理后的图像进行面积判断,设定面积阈值,检测出体积相对较大的双宫茧;
[0008] (5)对步骤(4)处理后的图像进行纹理特征的提取,采用LBP算法检测出有明显纹理特征异常的薄茧和印头茧,如果没有纹理特征异常,即为上车茧。
[0009] 与现有的基于人工的蚕茧表面缺陷检测方法相比,本发明利用了图像处理与机器视觉技术,能够对拍摄到的蚕茧进行快速检测,针对不同种类的缺陷蚕茧,采取了相应的检测方法,利用颜色特征提取,将黄茧和黑色的烂茧检测出来;利用形状特征,将养殖过程中造成畸形的茧给检测出来;利用面积的方法将体积较大的双宫茧检测出来;利用蚕茧表面的纹理特征,将具有明显纹理的薄茧和印头茧检测出来。本发明的检测方法能够大大提高蚕茧品质检测过程中的检测效率,效率高,速度快,准确率高,能够大大提高缫丝企业的生产效率。
[0010] 所述步骤(1)中预处理过程包括依次对采集到的多种类蚕茧样本图像进行中值滤波、均值漂移、直方图均衡化。
[0011] 中值滤波对椒盐噪声的去除有很好的效果;均值漂移算法能够增加蚕茧中心、蚕茧边缘和背景之间的对比度,能为后续处理提供较好效果,边界处的端点一般是伪端点,均值漂移增加了蚕茧中心与边缘的对比度,能加快图像的处理速度和精度;直方图均衡化能增强图像对比度亮度,提高图像质量,减少外部环境带来的光照影响。
[0012] 所述步骤(2)包括:
[0013] (2-1)将RGB颜色空间的蚕茧图像转换至HSV颜色空间,RGB颜色空间的三个分量分别为R、G、B,
[0014] R'=R/255,G'=G/255,B'=B/255
[0015] Cmax=max(R',G',B')
[0016] Cmin=min(R',G',B')
[0017] Δ=Cmax-Cmin
[0018] 求出其三个分量的最大值Cmax和最小值Cmin,并求出最大值和最小值的差Δ。HSV的三个分量分别是H、S、V,将得到的最大值、最小值、以及差代入到下式,求出相应的H、S、V分量的值,
[0019]
[0020]
[0021] V=Cmax
[0022] (2-2)根据转换公式,将RGB颜色空间下的蚕茧图像转换至HSV颜色空间下,提取蚕茧图像的H、S、V三个分量的值,根据颜色空间转换表以及黄色和黑色对应的HSV三个分量范围,设定相应的阈值范围,检测蚕茧图像中HSV三个分量的值,并判断是否在设定的范围内,黄茧表面为黄色,烂茧表面为黑色,根据检测到的三个分量的值判定为相应的缺陷蚕茧。
[0023] 所述步骤(3)包括:
[0024] (3-1)提取图像中蚕茧的形状信息,通过对蚕茧轮廓进行椭圆拟合操作,计算其与椭圆的相似度来判断是否是畸形茧,利用坐标变换公式将坐标系xoy转换至坐标系x'o'y':
[0025]
[0026]
[0027] 其中(x2,y2)、(x2,y2)是长轴的两个端点,(x0,y0)是中心,(x,y)是任意一点,检测图像中的蚕茧轮廓,确定感兴趣区域ROI,获得边缘坐标,假设ROI边缘是椭圆,依次对任意的两个边缘坐标求欧式距离,得到最大的欧式距离dmax,认为此时的两个边缘坐标即为长轴端点(x1,y1)、(x2,y2);
[0028] (3-2)计算椭圆的参数
[0029] x0=(x1+x2)/2
[0030] y0=(y2+y2)/2
[0031] a=d max/2
[0032]
[0033] (x,y)和(x0,y0)转换到坐标系x'o'y'的坐标为(x',y')、(x0',y0'),则:
[0034]
[0035] 将b取整存放在A中,A中最大的值就是b值。因为实际获取标志的边缘坐标点在椭圆曲线的周围,这导致b在一个小范围浮动,计算累加器A(b-2:b+2)的和得到椭圆相似度:
[0036]
[0037] 相似度S低于80%则判定为畸形茧。
[0038] 所述步骤(4)包括:
[0039] 计算检测到的蚕茧的面积,在检测之前设定一个面积阈值1.5S,S为正常单宫茧的面积,将检测到蚕茧的面积与阈值1.5S比较,如果面积大于阈值1.5S,则认定为双宫茧。
[0040] 所述步骤(5)包括:
[0041] (5-1)首先将检测窗口划分为16×16的小区域,对于每个小区域中的一个像素,将其环形邻域内的8个点进行逆时针或者顺时针的比较,如果中心像素值比该邻域点大,则将邻点赋值为1,否则赋值为0,这样每个点都会获得一个八位二进制数,转换为十进制数;
[0042] (5-2)计算每个小区域的直方图,即每个数字出现的频率,也就是对区域内每一个像素点是否比邻域内点大的一个二进制序列进行统计,然后对该直方图进行归一化处理,最后将得到的每个小区域的统计直方图进行连接,就得到了整幅图像的LBP纹理特征,基于纹理特征能够检测出表面具有明显纹理异常的薄茧和印头茧,没有检测出纹理特征异常的就是表面均匀的上车茧。
[0043] 本发明对采集到的蚕茧图像进行预处理,结合图像处理与机器视觉技术,利用合理的分层次设计,对不同的缺陷蚕茧采用不同的检测方法进行检测,首先利用颜色特征对具有黄色和黑色特征的黄茧和烂茧进行检测,再根据形状特征对不是椭圆形状的畸形茧进行判断,再接着设定面积阈值,对双宫茧进行进行判定,最后利用纹理特征对具有明显纹理的薄茧和印头茧进行检测,最后没有纹理的即为上车茧。整个检测过程采用分层设计,使得检测的效果大大提高,解决了目前人工检测效率低下的问题,能够大幅度减少缫丝企业的用工成本。附图说明
[0044] 图1为本发明多种类混合蚕茧计数的算法流程图
[0045] 图2为本发明蚕茧原图;
[0046] 图3为本发明HSV颜色空间蚕茧图;
[0047] 图4为本发明HSV颜色空间H分量图;
[0048] 图5为本发明HSV颜色空间S分量图;
[0049] 图6为本发明HSV颜色空间V分量图;
[0050] 图7为本发明蚕茧纹理图;

具体实施方式

[0051] 下面将结合具体实施例对本发明进行详细说明。根据图1所示,一种面向多种类混合蚕茧的计数方法,主要包括以下步骤:
[0052] 所述步骤(1)中预处理过程包括依次对采集到的多种类蚕茧样本图像进行中值滤波、均值漂移、直方图均衡化。
[0053] 本实施例中,通过CCD采集蚕茧样本图像,蚕茧原图如图2所示,首先对图像进行预处理,中值滤波对椒盐噪声的去除有很好的效果;均值漂移算法能够增加蚕茧中心、蚕茧边缘和背景之间的对比度,能为后续处理提供较好效果,边界处的端点一般是伪端点,均值漂移增加了蚕茧中心与边缘的对比度,能加快图像的处理速度和精度;直方图均衡化能增强图像对比度和亮度,提高图像质量,减少外部环境带来的光照影响。
[0054] 所述步骤(2)包括:
[0055] (2-1)将RGB颜色空间的蚕茧图像转换至HSV颜色空间,RGB颜色空间的三个分量分别为R、G、B,
[0056] R'=R/255,G'=G/255,B'=B/255
[0057] Cmax=max(R',G',B')
[0058] Cmin=min(R',G',B')
[0059] Δ=Cmax-Cmin
[0060] 求出其三个分量的最大值Cmax和最小值Cmin,并求出最大值和最小值的差Δ。HSV的三个分量分别是H、S、V,将得到的最大值、最小值、以及差代入到下式,求出相应的H、S、V分量的值;
[0061]
[0062]
[0063] V=Cmax
[0064] (2-2)根据转换公式,将RGB颜色空间下的蚕茧图像转换至HSV颜色空间下,提取蚕茧图像的H、S、V三个分量的值,根据颜色空间转换表以及黄色和黑色对应的HSV三个分量范围,设定相应的阈值范围,检测蚕茧图像中HSV三个分量的值,并判断是否在设定的范围内,黄茧表面为黄色,烂茧表面为黑色,根据检测到的三个分量的值判定为相应的缺陷蚕茧。
[0065] 本实施例中,通过颜色空间转换公式,将原RGB彩色图像转换至HSV颜色空间,HSV颜色图如图3所示,提取HSV颜色空间中的H、S、V三个分量的值,三个分量的颜色直方图如图4、5、6所示,将三个分量的值与设定的颜色范围进行比较,看是否在设定的范围内,如果三个分量的值在设定的范围内,那么认定其为对应的带有颜色的蚕茧,如果不在设定的颜色范围内,则判断为不是黄茧或者烂茧。
[0066] 所述步骤(3)包括:
[0067] (3-1)提取图像中蚕茧的形状信息,通过对蚕茧轮廓进行椭圆拟合操作,计算其与椭圆的相似度来判断是否是畸形茧,利用坐标变换公式将坐标系xoy转换至坐标系x′o′y′:
[0068]
[0069]
[0070] 其中(x2,y2)、(x2,y2)是长轴的两个端点,(x0,y0)是中心,(x,y)是任意一点,检测图像中的蚕茧轮廓,确定感兴趣区域ROI,获得边缘坐标,假设ROI边缘是椭圆,依次对任意的两个边缘坐标求欧式距离,得到最大的欧式距离dmax,认为此时的两个边缘坐标即为长轴端点(x1,y1)、(x2,y2);
[0071] (3-2)计算椭圆的参数
[0072] x0=(x1+x2)/2
[0073] y0=(y2+y2)/2
[0074] a=d max/2
[0075]
[0076] (x,y)和(x0,y0)转换到坐标系x'o'y'的坐标为(x',y')、(x0',y0'),则:
[0077]
[0078] 将b取整存放在A中,A中最大的值就是b值。因为实际获取标志的边缘坐标点在椭圆曲线的周围,这导致b在一个小范围浮动,计算累加器A(b-2:b+2)的和得到椭圆相似度:
[0079]
[0080] 相似度S低于80%则判定为畸形茧。
[0081] 本实施例中,通过检测蚕茧轮廓,对蚕茧轮廓进行拟合操作,将拟合后的蚕茧与椭圆进行比较,比较两者间的相似度,通过上面的椭圆相似度计算公式,计算出对应的相似度。
[0082] 所述步骤(4)包括:
[0083] 计算检测到的蚕茧的面积,在检测之前设定一个面积阈值1.5S,S为正常单宫茧的面积,将检测到蚕茧的面积与阈值1.5S比较,如果面积大于阈值1.5S,则认定为双宫茧。
[0084] 本实施例中,在设定阈值之前,先测量正常的单宫茧的面积,求单宫茧面积的平均值为S,设定面积阈值为1.5S,如果检测出蚕茧的面积大于阈值,那么判定其为双宫茧,如果检测的蚕茧的面积小于阈值,则判定为单宫茧。
[0085] 所述步骤(5)包括:
[0086] (5-1)首先将检测窗口划分为16×16的小区域,对于每个小区域中的一个像素,将其环形邻域内的8个点进行逆时针或者顺时针的比较,如果中心像素值比该邻域点大,则将邻点赋值为1,否则赋值为0,这样每个点都会获得一个八位二进制数,转换为十进制数;
[0087] (5-2)计算每个小区域的直方图,即每个数字出现的频率,也就是对区域内每一个像素点是否比邻域内点大的一个二进制序列进行统计,然后对该直方图进行归一化处理,最后将得到的每个小区域的统计直方图进行连接,就得到了整幅图像的LBP纹理特征,基于纹理特征能够检测出表面具有明显纹理异常的薄茧和印头茧,没有检测出纹理特征异常的就是表面均匀的上车茧。
[0088] 本实施例中,采用LBP算法提取图像中的纹理特征,蚕茧的纹理特征图如图7所示,由于薄茧和印头茧表面具有明显的纹理特征,所以通过纹理特征提取的方法能够较容易的检测出这两种蚕茧。
[0089] 以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的计数人员在本发明揭露的技术范围内,可轻易想到的变化或替代,都应涵盖在本发明的保护范围内。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈