【技术实现步骤摘要】
基于特征点邻域颜色分析的陶瓷砖色差检测与分级方法
[0001]本专利技术涉及陶瓷砖检测
,更具体地说,涉及一种基于特征点邻域颜色分析的陶瓷砖色差检测与分级方法。
技术介绍
[0002]陶瓷产品自动化智能化检测已成为制约陶瓷制造产业升级的重大难题。传统的劳动密集型的陶瓷产业在智能制造、绿色发展的大潮下,机器人打磨抛光、施釉等工序已逐渐替代人工,甚至智能制造工厂亦不断涌现。目前瓷砖生产线各类设备已基本实现自动化生产,但瓷砖的检测工作仍未突破技术瓶颈,需依靠人工进行主观检测判断。
[0003]以智能化检测设备代替人工进行瓷砖分级分色检测是行业发展的必然。随着人民生活水平的提高,产品多样化、花色多样化、纹理复杂化等成为瓷砖产品发展方向,而且消费者对产品质量的要求也不断提高。人工瓷砖检测是一个高劳动强度、易于出错的环节,漏检现象不可避免发生,批次产品的一致性无法有效保证,同时招工困难的问题也日益凸显。
[0004]基于视觉的检测方法,是目前最火热的方法,大致可分两种,首先是基于视觉的图像处理传统方法,该方法主要是通过一些传统的图像处理方法来达到检测的目的,优点是适用的范围比较广,效果也比较好,但是在面对纹理复杂的瓷砖色差检测,采用传统图像处理的方法的效果就比较差。另一种是基于深度学习的方法,这种方法是近几年的研究热点,在各行各业中现已经能够看到它的身影,由于神经网络的特性,该方法能够完成比较复杂情况下的检测任务,不过该方法太过于依赖设备的性能,而且需要大量的训练数据来支撑起整个网络的性能,网络训练时间长, ...
【技术保护点】
【技术特征摘要】
1.一种基于特征点邻域颜色分析的陶瓷砖色差检测与分级方法,其特征在于:包括以下步骤:第一步,分别将m个颜色等级的模板瓷砖图像以及待测瓷砖图像进行图像预处理;第二步,采用Canny边缘检测算子分别对预处理后的模板瓷砖图像以及待测瓷砖图像中的图像与背景进行分割,并去除背景;第三步,将第二步分割后的模板瓷砖图像以及待测瓷砖图像输入训练好的U
‑
net3+网络,实现分别对模板瓷砖图像以及待测瓷砖图像中复杂纹理与瓷砖本体进行分割;第四步,分别对分割好的模板瓷砖图像和待测瓷砖图像中的瓷砖本体进行特征点检测;分别统计模板瓷砖图像的瓷砖本体以及待测瓷砖图像的瓷砖本体中所有特征点及以特征点为中心3*3的网格中,所有像素点的RGB颜色特征;第五步,分别将统计得到的模板瓷砖和待测瓷砖的RGB颜色特征转换到CIELAB颜色空间,并分别计算各模板瓷砖和待测瓷砖在CIELAB颜色空间的均值;第六步,设定阈值T
h
,利用CIEDE2000色差公式计算待检测瓷砖与各等级模板瓷砖的色差值ΔEi,并进行分类:计算色差值的最小值ΔE=min
0<i≤m
ΔE
i
,若最小值ΔE小于或等于阈值T
h
时,则将待检测瓷砖的颜色分类归为求出最小值ΔE对应的模板瓷砖的颜色等级,否则将待测瓷砖归为次品。2.根据权利要求1所述的基于特征点邻域颜色分析的陶瓷砖色差检测与分级方法,其特征在于:第一步中,所述分别将m个颜色等级的模板瓷砖图像以及待测瓷砖图像进行图像预处理是指:分别对m个颜色等级的模板瓷砖图像以及待测瓷砖图像进行滤波操作,采用中值滤波方法滤除图像中的椒盐噪声,采用高斯滤波滤除摄像机温度升高引起的高斯噪声。3.根据权利要求1所述的基于特征点邻域颜色分析的陶瓷砖色差检测与分级方法,其特征在于:第三步中,所述U
‑
net3+网络的训练步骤包括以下步骤:步骤一,利用工业SSD相机采集各种种类的瓷砖数据集;步骤二,使用labelme对采集到的瓷砖数据集进行标注,并进行数据增强,扩充数据集,以提高模型的鲁棒性和泛化能力;步骤三,将第二步处理的数据集输入构建好的U
‑
net3+网络进行训练,并更新优化网络中的参数;步骤四,检测U
‑
net3+网络性能是否达到要求:如果U
‑
net3+网络性能已经达到要求,则停止训练,得到模板瓷砖图像以及待测瓷砖图像中复杂纹理与瓷砖本体分割的网络;否则增加训练数据和训练的世代,继续对U
‑
net3+网络进行训练。4.根据权利要求1所述的基于特征点邻域颜色分析的陶瓷砖色差检测与分级方法,其特征在于:第四步中,采用FAST算法分别对分割好的模板瓷砖图像和待测瓷砖图像中的瓷砖本体进行特征点检测,包括以下步骤:步骤1,分别将分割好的模板瓷砖图像和待测瓷砖图像中的瓷砖本体转为灰度图;步骤2,在灰度图中,以候选像素点P为中心,在半径为3个像素的圆上一共经过了16个像素点,按顺时针方向编号为1到16;步骤3,设定一个阈值t,如果16个像素点中有N个像素点与中心像素点P的灰度差的...
【专利技术属性】
技术研发人员:卢清华,林俊檬,罗陆锋,朱文博,
申请(专利权)人:佛山科学技术学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。