一种皮革表面显著性缺陷的检测方法、系统及装置制造方法及图纸

本发明专利技术公开了一种皮革表面显著性缺陷的检测方法、系统及装置，该系统包括第一获取模块、第一处理模块、第二处理模块、第三处理模块、第四处理模块、第五处理模块及第六处理模块。该方法包括：从Gabor滤波器输出的滤波图像中选出最优方向尺度的滤波图像；对最优方向尺度的滤波图像依次进行显著性目标检测处理、自适应阈值图像分割处理后得到第一二值图像；利用第一二值图像对SVM进行训练；利用SVM对待测皮革所对应的二值图像进行处理。该装置包括存储器和处理器。通过使用本发明专利技术，能达到提高处理效率的同时，也提高皮革缺陷检测方法的通用性和实用性。本发明专利技术作为一种皮革表面显著性缺陷的检测方法、系统及装置可广泛应用于皮革检测领域中。

A method, system and device for the detection of apparent defects on the surface of leather

【技术实现步骤摘要】
一种皮革表面显著性缺陷的检测方法、系统及装置
本专利技术涉及缺陷检测技术，尤其涉及一种皮革表面显著性缺陷的检测方法、系统及装置。
技术介绍
技术词解释：Gabor滤波器：指的是利用Gabor函数形成的二维Gabor滤波器，一个用于边缘提取的线性滤波器。SVM：指的是支持向量机。在皮包、汽车座椅、衣服等皮质产品生产过程中，质量监控尤为重要，因此，皮革作为这些皮质产品的原材料，其缺陷检测与定位就是质量监控的重要工作。目前，行业内对于皮革的缺陷检测主要依靠人眼，然而，嘈杂的工厂环境、大量的检测工作以及皮革缺陷种类的繁杂，这些都使得单纯依靠人眼的检测方式难以满足质控需求。因此为了解决这些问题，人们提出了利用机器视觉技术来实现皮革的缺陷检测。所述机器视觉技术具有提高生产柔性和自动化程度的优点，因此，利用机器视觉技术来实现皮革的缺陷检测，能够应用在一些不适用于人工作业的危险工作环境或人工视觉难以满足质控要求的场合，适用性光；同时在大批量工业生产过程中，利用机器视觉技术来实现皮革的缺陷检测，可以大大提高生产效率和生产的自动化程度，并且可提高检测的精准度。然而，对于目前常用的基于机器视觉的皮革缺陷检测技术，其仍存有一些缺点，例如：1、对于传统基于机器视觉的皮革缺陷检测技术，其所采用的图像预处理算法的通用性较差；2、对于传统基于机器视觉的皮革缺陷检测技术，其计算量庞大，导致缺陷识别检测无法高效进行。
技术实现思路
为了解决上述技术问题，本专利技术的第一目的是提供一种皮革表面显著性缺陷的检测方法，可提高皮革缺陷检测技术的通用性和处理效率。本专利技术的第二目的是提供一种皮革表面显著性缺陷的检测系统，可提高皮革缺陷检测技术的通用性和处理效率。本专利技术的第三目的是提供一种皮革表面显著性缺陷的检测装置，可提高皮革缺陷检测技术的通用性和处理效率。本专利技术所采用的第一技术方案是：一种皮革表面显著性缺陷的检测方法，该方法包括以下步骤：获取第一图像，其中，所述第一图像指的是皮革缺陷检测样本的图像；利用Gabor滤波器对第一图像进行滤波处理后，输出多个不同方向尺度的滤波图像；从多个不同方向尺度的滤波图像中选取出最优方向尺度的滤波图像；对最优方向尺度的滤波图像进行显著性目标检测处理后，输出最优方向尺度的滤波图像对应的显著性目标图像；对显著性目标图像进行自适应阈值图像分割处理后，输出第一二值图像；利用第一二值图像以及从第一二值图像中提取出来的图像特征对支持向量机进行训练；利用训练好的支持向量机对待测皮革所对应的二值图像进行处理，输出待测皮革的检测结果。进一步，所述从多个不同方向尺度的滤波图像中选取出最优方向尺度的滤波图像这一步骤，其包括以下步骤：采用形态学处理方式，对多个不同方向尺度的滤波图像进行去噪处理；计算每一个去噪处理后的滤波图像的灰度值总和，其中，所述滤波图像的灰度值总和指的是滤波图像中所有像素点的灰度值的总和；计算每一个去噪处理后的滤波图像的前景区域面积；当去噪处理后的滤波图像的灰度值总和大于预设灰度值，且去噪处理后的滤波图像的前景区域面积大于预设面积值时，则设该方向尺度的滤波图像的表征常量为1；反之，则设该方向尺度的滤波图像的表征常量为0；当存在一个方向尺度的滤波图像的表征常量为1时，则将该方向尺度的滤波图像作为最优方向尺度的滤波图像；当存在至少两个方向尺度的滤波图像的表征常量为1时，则对表征常量为1的至少两个方向尺度的滤波图像进行熵值计算，然后，选取熵值为最大的滤波图像作为最优方向尺度的滤波图像。进一步，所述计算每一个去噪处理后的滤波图像的前景区域面积这一步骤，其包括以下步骤：对每一个去噪处理后的滤波图像进行二值化处理后，得到每一个去噪处理后的滤波图像所对应的第二二值图像；计算每一个第二二值图像的前景区域面积。进一步，所述对显著性目标图像进行自适应阈值图像分割处理后，输出第一二值图像这一步骤，其采用的自适应阈值图像分割表达式如下所示：threshold＝E(S(x))×3其中，O(x)表示为输出的第一二值图像，S(x)表示为显著性目标图像中像素点的像素值，threshold表示为阈值，E(S(x))表示为显著性目标图像的期望值。进一步，所述利用第一二值图像以及从第一二值图像中提取出来的图像特征对支持向量机进行训练这一步骤，其包括以下步骤：将第一二值图像作为训练输入数据；将从第一二值图像中提取出来的图像特征作为训练输出数据；利用训练输入数据和训练输出数据对支持向量机进行训练。进一步，所述从第一二值图像中提取出来的图像特征包括有形状、边缘和/或面积。本专利技术所采用的第二技术方案是：一种皮革表面显著性缺陷的检测系统，该系统包括：第一获取模块，用于获取第一图像，其中，所述第一图像指的是皮革缺陷检测样本的图像；第一处理模块，用于利用Gabor滤波器对第一图像进行滤波处理后，输出多个不同方向尺度的滤波图像；第二处理模块，用于从多个不同方向尺度的滤波图像中选取出最优方向尺度的滤波图像；第三处理模块，用于对最优方向尺度的滤波图像进行显著性目标检测处理后，输出最优方向尺度的滤波图像对应的显著性目标图像；第四处理模块，用于对显著性目标图像进行自适应阈值图像分割处理后，输出第一二值图像；第五处理模块，用于利用第一二值图像以及从第一二值图像中提取出来的图像特征对支持向量机进行训练；第六处理模块，用于利用训练好的支持向量机对待测皮革所对应的二值图像进行处理，输出待测皮革的检测结果。进一步，所述第二处理模块包括：第一处理子模块，用于采用形态学处理方式，对多个不同方向尺度的滤波图像进行去噪处理；第一计算子模块，用于计算每一个去噪处理后的滤波图像的灰度值总和，其中，所述滤波图像的灰度值总和指的是滤波图像中所有像素点的灰度值的总和；第二计算子模块，用于计算每一个去噪处理后的滤波图像的前景区域面积；第一判断子模块，用于当去噪处理后的滤波图像的灰度值总和大于预设灰度值，且去噪处理后的滤波图像的前景区域面积大于预设面积值时，则设该方向尺度的滤波图像的表征常量为1；反之，则设该方向尺度的滤波图像的表征常量为0；第二判断子模块，用于当存在一个方向尺度的滤波图像的表征常量为1时，则将该方向尺度的滤波图像作为最优方向尺度的滤波图像；第三判断子模块，用于当存在至少两个方向尺度的滤波图像的表征常量为1时，则对表征常量为1的至少两个方向尺度的滤波图像进行熵值计算，然后，选取熵值为最大的滤波图像作为最优方向尺度的滤波图像。进一步，所述第二计算子模块具体用于对每一个去噪处理后的滤波图像进行二值化处理后，得到每一个去噪处理后的滤波图像所对应的第二二值图像；计算每一个第二二值图像的前景区域面积。本专利技术所采用的第三技术方案是：一种皮革表面显著性缺陷的检测装置，该装置包括：存储器，用于存储至少一个程序；处理器，用于加载至少一个程序并执行上述第一技术方案的皮革表面显著性缺陷的检测方法。本专利技术方法、系统及装置的有益效果是：本专利技术采用Gabor滤波器对皮革缺陷检测样本的图像进行滤波处理，然后从滤波处理后得到的多个不同方向尺度的滤波图像中选取出最优方向尺度的滤波图像来进行后续图像处理，这样能够大大减少运算量和算法运行时间，提供工作处理效率；同时，本专利技术对最优方向尺度的滤波图像进行显著性目标检测处理后，利用输出本文档来自技高网...

【技术保护点】
一种皮革表面显著性缺陷的检测方法，其特征在于：该方法包括以下步骤：获取第一图像，其中，所述第一图像指的是皮革缺陷检测样本的图像；利用Gabor滤波器对第一图像进行滤波处理后，输出多个不同方向尺度的滤波图像；从多个不同方向尺度的滤波图像中选取出最优方向尺度的滤波图像；对最优方向尺度的滤波图像进行显著性目标检测处理后，输出最优方向尺度的滤波图像对应的显著性目标图像；对显著性目标图像进行自适应阈值图像分割处理后，输出第一二值图像；利用第一二值图像以及从第一二值图像中提取出来的图像特征对支持向量机进行训练；利用训练好的支持向量机对待测皮革所对应的二值图像进行处理，输出待测皮革的检测结果。

【技术特征摘要】
1.一种皮革表面显著性缺陷的检测方法，其特征在于：该方法包括以下步骤：获取第一图像，其中，所述第一图像指的是皮革缺陷检测样本的图像；利用Gabor滤波器对第一图像进行滤波处理后，输出多个不同方向尺度的滤波图像；从多个不同方向尺度的滤波图像中选取出最优方向尺度的滤波图像；对最优方向尺度的滤波图像进行显著性目标检测处理后，输出最优方向尺度的滤波图像对应的显著性目标图像；对显著性目标图像进行自适应阈值图像分割处理后，输出第一二值图像；利用第一二值图像以及从第一二值图像中提取出来的图像特征对支持向量机进行训练；利用训练好的支持向量机对待测皮革所对应的二值图像进行处理，输出待测皮革的检测结果。2.根据权利要求1所述一种皮革表面显著性缺陷的检测方法，其特征在于：所述从多个不同方向尺度的滤波图像中选取出最优方向尺度的滤波图像这一步骤，其包括以下步骤：采用形态学处理方式，对多个不同方向尺度的滤波图像进行去噪处理；计算每一个去噪处理后的滤波图像的灰度值总和，其中，所述滤波图像的灰度值总和指的是滤波图像中所有像素点的灰度值的总和；计算每一个去噪处理后的滤波图像的前景区域面积；当去噪处理后的滤波图像的灰度值总和大于预设灰度值，且去噪处理后的滤波图像的前景区域面积大于预设面积值时，则设该方向尺度的滤波图像的表征常量为1；反之，则设该方向尺度的滤波图像的表征常量为0；当存在一个方向尺度的滤波图像的表征常量为1时，则将该方向尺度的滤波图像作为最优方向尺度的滤波图像；当存在至少两个方向尺度的滤波图像的表征常量为1时，则对表征常量为1的至少两个方向尺度的滤波图像进行熵值计算，然后，选取熵值为最大的滤波图像作为最优方向尺度的滤波图像。3.根据权利要求2所述一种皮革表面显著性缺陷的检测方法，其特征在于：所述计算每一个去噪处理后的滤波图像的前景区域面积这一步骤，其包括以下步骤：对每一个去噪处理后的滤波图像进行二值化处理后，得到每一个去噪处理后的滤波图像所对应的第二二值图像；计算每一个第二二值图像的前景区域面积。4.根据权利要求1-3任一项所述一种皮革表面显著性缺陷的检测方法，其特征在于：所述对显著性目标图像进行自适应阈值图像分割处理后，输出第一二值图像这一步骤，其采用的自适应阈值图像分割表达式如下所示：threshold＝E(S(x))×3其中，O(x)表示为输出的第一二值图像，S(x)表示为显著性目标图像中像素点的像素值，threshold表示为阈值，E(S(x))表示为显著性目标图像的期望值。5.根据权利要求1-3任一项所述一种皮革表面显著性缺陷的检测方法，其特征在于：所述利用第一二值图像以及从第一二值图像中提取出来的图像...

【专利技术属性】
技术研发人员：林健发，刘根，肖盼，黄冠成，
申请(专利权)人：佛山缔乐视觉科技有限公司，
类型：发明
国别省市：广东,44