一种基于图像处理的方便面黑点瑕疵分析方法技术

本发明专利技术公开了智能检测中方便面瑕疵检测技术领域的一种基于图像处理的方便面黑点瑕疵分析方法，该方法包括以下步骤：第一步：在生产之前按照生产环境，调整光源位置，相机位置，根据此方法调试阈值参数，即可开始自动化检测，本发明专利技术中通过背光加条光的打光方案将方便面的缺陷体现的更清晰，获取到足够多的图像样本，基于图像处理，并通过浅层特征，设置阈值，预处理，色差等参数，达到实时检测的目的，只需要简单的调试人员，节省大量的人力成本，实时识别性能极快，毫秒级，机器只需要供电即可，一致性和可靠性极高，优质的质检结果，减少质量问题的纠纷。问题的纠纷。问题的纠纷。

【技术实现步骤摘要】
一种基于图像处理的方便面黑点瑕疵分析方法


[0001]本专利技术涉及智能检测中方便面瑕疵检测
，具体为一种基于图像处理的方便面黑点瑕疵分析方法。

技术介绍

[0002]方便面在生产的过程中，需要对方便面黑点瑕疵进行检测，传统的检测方式需要耗费大量的人力，识别瑕疵速度慢，传送带速度快人眼反应不过来，导致质检效率慢，易疲劳，缺乏一致性和可靠性，容易引起下游渠道商家产生纠纷，为此，我们提出一种基于图像处理的方便面黑点瑕疵分析方法。

技术实现思路

[0003]本专利技术的目的在于提供一种基于图像处理的方便面黑点瑕疵分析方法，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种基于图像处理的方便面黑点瑕疵分析方法，该方法包括以下步骤：
[0005]第一步：在生产之前按照生产环境，调整光源位置，相机位置，根据此方法调试阈值参数，即可开始自动化检测；
[0006]第二步：通过工业相机在产线或样品使用背光加上条光的打光方案拍摄方便面图片并分类，这些图片包含符合要求的方便面以及具有瑕疵的方便面；
[0007]第三步：通过旋转、平移、错切等图像增强方案模拟畸变；
[0008]第四步：对采集的图像进行预处理：
[0009](1)归一化；
[0010](2)预补偿；
[0011](3)反归一化；
[0012](4)邻域降噪；
[0013](5)邻域图像增强；
[0014](6)二值化；/>[0015]第五步：检测：
[0016](1)边缘检测；
[0017](2)面积过滤；
[0018](3)通过TCP发送剔除信号；
[0019](4)气枪收到剔除信号时，做出剔除指令，将该瑕疵方便面从传送带中剔除；
[0020]第六步：残渣处理，通过吹气嘴间隔时间吹气，清理方便面在传送和剔除过程中会产生残渣。
[0021]与现有技术相比，本专利技术的有益效果是：本专利技术中通过背光加条光的打光方案将方便面的缺陷体现的更清晰，获取到足够多的图像样本，基于图像处理，并通过浅层特征，
设置阈值，预处理，色差等参数，达到实时检测的目的，只需要简单的调试人员，节省大量的人力成本，实时识别性能极快，毫秒级，机器只需要供电即可，一致性和可靠性极高，优质的质检结果，减少质量问题的纠纷。
附图说明
[0022]图1为本专利技术方法原理图。
具体实施方式
[0023]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0024]请参阅图1，本专利技术提供一种技术方案：一种基于图像处理的方便面黑点瑕疵分析方法，该方法包括以下步骤：
[0025]第一步：在生产之前按照生产环境，调整光源位置，相机位置，根据此方法调试阈值参数，即可开始自动化检测，生产过程中无需人工参与；
[0026]第二步：通过工业相机在产线或样品使用背光加上条光的打光方案拍摄方便面图片并分类，这些图片包含符合要求的方便面以及具有瑕疵的方便面；
[0027]第三步：通过旋转、平移、错切等图像增强方案模拟畸变；
[0028]第四步：对采集的图像进行预处理：
[0029](1)归一化，图像深度为8，那么最大灰度值为
[0030]28
‑
1＝255
[0031]最小值为0，将像素按照如下公式转换为0～1之间的实数
[0032]S＝p/225
[0033]其中p为像素实际的灰度值，S则为归一化后的处理结果；
[0034](2)预补偿，根据归一化的结果以如下公式进行运算，其中B为预补偿结果，S为归一化结果，G为Gamma值。
[0035]B＝S1/G；
[0036](3)反归一化，依靠如下公式进行计算，得到反归一化结果，其中B为预补偿结果，R为反归一化结果。
[0037]R＝B*256
‑
0.5；
[0038]根据以上公式即可计算出来每个像素点Gamma校正的结果，但是由于其中有指数计算，过程较为耗时，所以需要生成Gamma校正表用于快速计算，生成方式为分别计算0～255共256个像素值对应的反归一化结果，整合公式如下
[0039][0040]将生成的字典保存，对所有像素进行字典查询即可完成Gamma校准；
[0041](4)邻域降噪，因为方便面合格的颜色一般为白色或黄色等颜色偏淡的色，并且瑕疵为较深的颜色，所以可以通过8邻域对图片噪点进行处理，将Gamma校正的结果进行8邻域
降噪，8邻域的含义为4邻域+D邻域，
[0042]设当前像素点为p(x,y)
[0043]那么它的4邻域像素点分别为(x+1,y)；(x
‑
1,y)；(x,y+1)；(x,y
‑
1)
[0044]它的D邻域像素点分别为(x+1,y+1)；(x+1,y
‑
1)；(x
‑
1,y+1)；(x
‑
1,y
‑
1)图片中越接近白色的点的像素值越接近255，反之则越接近于0，通过计算8邻域中非白色点的个数，当数量小于某个值，那么这个点则为噪点，根据实际生产环境的光照强度对打光效果的影响，这个值一般设置的偏大，识别出噪点后不进行进一步的处理，具体处理方式见下一步；(5)邻域图像增强，在降噪处理的同时，通过灰度值阈值同时进行局部图像增强处理，其原理为8邻域的平均值小于灰度值阈值时，则认为该点为瑕疵点，对其灰度值进行负增益(灰度变小，布局变黑)处理，反之对其灰度值进行增益(灰度变大，局部变白)处理，通过此处理方式得到的图像瑕疵被放大，并且打光不均匀部分会变得更亮(白)。矩阵如下：
[0045]x
‑
1，y
‑
1 x，y
‑
1 x+1，y
‑1[0046]x
‑
1，y x，y x+1，y
[0047]x
‑
1，y+1 x，y+1 x+1，y+1
[0048]点x，y位置的灰度值为p(x,y)，当8邻域排除噪点之外所有点的灰度平均值大于预设的最大灰度值阈值时，点p(x,y)的值为其他点平均值加上增益值，当8邻域排除噪点之外所有点的灰度平均值小于预设最小灰度值阈值时，点p(x,y)的值为其他点平均值减去增益值，即可完成降噪，扩大瑕疵表现，提升部分亮度，隐藏图片无用细节的目的。并在此过程中可以计算出最小的灰度值，加上已知的最小灰度值阈值，即可得到瑕疵的灰度区间；
[0049](6)二值化，根据邻域增强处理后的结果，依赖于最小灰度值和最小灰度阈值，设置一个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的方便面黑点瑕疵分析方法，其特征在于：该方法包括以下步骤：第一步：在生产之前按照生产环境，调整光源位置，相机位置，根据此方法调试阈值参数，即可开始自动化检测；第二步：通过工业相机在产线或样品使用背光加上条光的打光方案拍摄方便面图片并分类，这些图片包含符合要求的方便面以及具有瑕疵的方便面；第三步：通过旋转、平移、错切等图像增强方案模拟畸变；第四...

【专利技术属性】
技术研发人员：刘湘，曹东进，
申请(专利权)人：苏州北境人工智能科技有限公司，
类型：发明
国别省市：