一种基于计算机视觉的竹条表面缺陷检测方法
专利汇可以提供一种基于计算机视觉的竹条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 为一种基于 计算机视觉 的竹条表面 缺陷 检测方法,摄取竹条图像归一化、滤波处理及 小波变换 处理；最大类间方差法对图像 阈值 分割，闭操作填充竹条图像孔洞，再用 腐蚀 操作去除闭操作的负影响，差影法分割出竹条图像中的 虫洞 和/或霉斑缺陷，若缺陷连通域面积小于缺陷域面积阈值A，则认为无霉斑或虫洞缺陷，进入裂缝检测；否则计算缺陷连通域图像灰度均值Gm，Gm与竹条图像灰度均值G0的差大于阈值G则有霉斑或虫洞，判断为缺陷竹条；否则检测边缘和裂缝，去除图像的竹条边缘，非零 像素 点总个数或最大连通域长度大于对应阈值，且裂缝灰度均值大于G0，判定有裂缝缺陷，否则合格。本法检测效率高，抗噪性强， 稳定性 高，正确识别率达95％以上。，下面是一种基于计算机视觉的竹条表面缺陷检测方法专利的具体信息内容。
1.一种基于计算机视觉的竹条表面缺陷检测方法,包括以下步骤：
Ⅰ、摄取竹条图像
摄取竹条表面灰度图像f；
Ⅱ、归一化
采用伽玛校正法对图像f进行归一化，得到图像fg；
Ⅲ、滤波
对图像fg进行中值滤波以及高斯滤波获得图像f1；
Ⅳ、小波变换处理
小波变换处理得到图像f2；
Ⅴ、最大类间方差法的阈值分割
用最大类间方差法对图像f2进行阈值分割，获得图像f3；
以竹条图像为前景，前景点面积占图像总面积比例为w0，前景点灰度均值为u0；背景点面积占图像总面积比例为w1，背景点灰度均值为u1；整个图像的灰度均值为u＝w0×u0+w1×u1；
目标函数g(t)＝w0×(u0-u)2+w1×(u1-u)2，g(t)为分割阈值t的类间方差表达式；遍历图像f2所有的灰度值，取t从0到255，当g(t)取得最大值时、所对应的t＝t0为图像f2前景与背景的分割灰度阈值；
Ⅵ、孔洞填充
对图像f3上的竹条图像的虫洞和/或霉斑区域进行孔洞填充，得到图像f4；图像中孔洞缺陷水平方向最大长度为T个像素，取长度大于T的水平线型结构元素对图像f3闭操作，完成孔洞填充；
Ⅶ、霉斑和/或虫洞缺陷判断
用差影法、即用图像f4-f3得到分割图像f5，f5显示竹条图像中被分割出的虫洞和/或霉斑缺陷的图像；
Ⅶ-1、若图像f5中显示的缺陷无连通域或者缺陷连通域面积小于缺陷域面积阈值A，则认为没有霉斑和/或虫洞缺陷，并进入步骤Ⅷ；所述缺陷域面积阈值A为要求检测的最小缺陷面积或者通过预先实验设定阈值A；
Ⅶ-2、若图像f5中显示的缺陷连通域面积等于或大于缺陷域面积阈值A，则计算缺陷连通域所对应图像的平均灰度值Gm与图像f5中竹条图像的平均灰度值G0的差Tm，若Tm大于孔洞灰度差阈值G则认为存在霉斑和/或虫洞缺陷，判断此为缺陷竹条；若仍有未检测的竹条，返回步骤Ⅰ，进行下一根竹条的检测；
所述孔洞灰度差阈值G小于竹条平均灰度值50～70；
若Tm不大于孔洞灰度差阈值G则认为不存在霉斑或虫洞缺陷，进入步骤Ⅷ；
Ⅷ、边缘和裂缝检测
用canny算子对图像f2进行检测，获得竹条边缘和裂缝缺陷的图像f6；
Ⅸ、去除竹条边缘
图像f6各列从上端到下端、及从下端到上端检索、获得的第一个非零像素点置零，去除图像f6上的竹条上、下边缘，得到竹条的裂缝缺陷图像f7；
Ⅹ、裂缝缺陷判断
计算f7中非零像素点总个数Se和最大连通域长度Me以及非零像素点所对应的平均灰度值；
设定非零像素点总个数阈值T1，T1设定为最小裂缝缺陷长度像素值两倍，或者通过预先实验设定阈值；
设定最大连通域长度阈值T2，T2设定为裂缝缺陷长度像素值，或者通过预先实验设定阈值；
若Se＞T1或者Me＞T2，同时非零像素点平均灰度Hm与竹条平均灰度G0的差大于裂缝灰度差阈值H，则判定为有裂缝缺陷的竹条；若仍有未检测的竹条，返回步骤Ⅰ，进行下一根竹条的检测；若无未检测的竹条，检测完成；
若Se＞T1或者Me＞T2均不成立，认为是合格竹条；若Se＞T1或者Me＞T2，但非零像素点平均灰度与竹条平均灰度G0的差不大于裂缝灰度差阈值H，认为是合格竹条；若仍有未检测的竹条，返回步骤Ⅰ，进行下一根竹条的检测；若无未检测的竹条，检测完成；
所述裂缝灰度差阈值H小于步骤Ⅶ的孔洞灰度差阈值G，通过预先实验设定。
2.根据权利要求1所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：
所述步骤Ⅰ摄取竹条图像时采用无反光的黑色背景。
3.根据权利要求1所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：
所述步骤Ⅳ采用sym4小波对图像f1进行四级小波变换，再对图像f1基于小波去除竖直方向和对角方向的第四级细节系数，并去除水平方向第一级细节系数。
4.根据权利要求1所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：
所述步骤Ⅵ对处于竹条图像边缘的虫洞和/或霉斑缺陷进行闭操作时，水平线性结构元素的长度像素值为T～(T+10)。
5.根据权利要求4所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：
所述步骤Ⅵ的闭操作之后，再用长度等于或大于2～5像素与水平线交角为90度的线型结构元素对图像f3执行腐蚀操作。
6.根据权利要求1所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：
所述步骤Ⅶ中缺陷域面积阈值A取值为2～5个像素。
7.根据权利要求1所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：
所述步骤Ⅶ-2中的孔洞灰度差阈值G设定为70～90。
8.根据权利要求1所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：
所述步骤X中的裂缝灰度差阈值H设定为40～60。
9.根据权利要求1所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：
所述步骤Ⅹ中非零像素点总个数阈值T1设为50～70个；最大连通域长度阈值T2设为20～40个像素值。
10.根据权利要求1所述的基于计算机视觉的竹条表面缺陷检测方法，其特征在于：
所述步骤Ⅶ-2中所检测竹条缺陷连通域的平均灰度值Gm的求取方法如下：图像f5缺陷区域的灰度值为1，背景区域的灰度值为0；图像f5与f2的各个点的灰度值相乘，相乘后f2背景区域灰度值为0，f2缺陷区域的灰度值保持不变，其平均灰度为Gm；
所述步骤Ⅹ中所检测竹条非零像素点平均灰度Hm的求取方法如下：图像f7的非零像素点灰度值为1，背景区域的灰度值为0；图像f7与f2的各个点的灰度值相乘，相乘后f2背景区域灰度值为0，f2非零像素点的灰度值保持不变，其平均灰度为Hm。
一种基于计算机视觉的竹条表面缺陷检测方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种桃树的杀虫方法 | 2020-05-20 | 488 |
| 基于多维尺度变换的虫洞拓扑识别方法 | 2020-05-14 | 732 |
| 无线Mesh网络中基于监视节点的虫洞攻击检测方法 | 2020-05-17 | 904 |
| 虚粒子等离子发电装置 | 2020-05-22 | 745 |
| 防治蛀杆害虫的药物组合物及其制备方法和用途、防治蛀杆害虫的方法 | 2020-05-20 | 1016 |
| 虫洞攻击定位方法 | 2020-05-11 | 956 |
| 一种树干查虫注药装置及其使用方法 | 2020-05-19 | 242 |
| 人造虫洞 | 2020-05-11 | 720 |
| 一种多晶硅片制绒方法 | 2020-05-25 | 45 |
| 双面湿法黑硅硅片 | 2020-05-22 | 735 |
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。
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。
