一种瓷砖分级分色检测方法、装置、介质及设备制造方法及图纸

本发明专利技术提供了一种瓷砖分级分色检测方法、装置、介质及设备；其中方法为：获取待识别的瓷砖图像；对瓷砖图像进行预处理；将预处理后的瓷砖图像输入到瓷砖分级分色检测网络模型中，瓷砖分级分色检测网络模型输出瓷砖等级类型；所述瓷砖分级分色检测网络模型是指对初始卷积神经网络模型进行训练和测试处理得到的瓷砖分级分色检测网络模型。该方法基于卷积神经网络模型对瓷砖进行分级分色检测，对瓷砖品质进行等级类型划分；可节省人力资源和提高检测效率；运算速度快，可满足高速生产线的响应需求；分类准确度高，可避免人工分类存在误差和失误。失误。失误。

【技术实现步骤摘要】
一种瓷砖分级分色检测方法、装置、介质及设备


[0001]本专利技术涉及瓷砖检测
，更具体地说，涉及一种瓷砖分级分色检测方法、装置、介质及设备。

技术介绍

[0002]随着装修行业的发展，对瓷砖需求量日渐增加，对瓷砖的品质要求也越来越高。在瓷砖生产的过程中，由于制作工艺的不当与搬运过程引发的碰撞，导致瓷砖出现裂纹、污点、划痕、针孔、空洞和色彩不均匀等表面缺陷与尺寸不合格、表面不平整、崩边等几何缺陷。对生产的瓷砖在线进行分级分色检测，以确保瓷砖几何尺寸的标准、外形的完整和同批瓷砖表面颜色的均衡性，是瓷砖制造过程的重要环节，但目前主要依赖人工完成。
[0003]瓷砖分级分色目前是依靠人工感官进行主观判断，而人的视觉感官会受自身的其他因素影响，存在较大不确定性；每位检测人员劳动时间长，面对多品种瓷砖30pcs/min甚至更快速的高速生产线，不断比对生产线上瓷砖与标准样品砖，将有表面缺陷或几何缺陷的瓷砖挑选出来，工作强度高、易疲劳，久之会降低人眼敏感度，导致准确率下降。
[0004]近年来人工智能技术发展突飞猛进，成为科技领域最热点。在目标检测、智能机器人、显著性检测等领域取得了较大进展。基于深度学习在大量数据中的强大学习能力和特征提取能力，已被应用于工业产品检测中。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，以人工智能技术代替传统机器视觉技术是瓷砖分级分色检测发展的必然。
[0005]卷积神经网络模型是近年来深度学习能够在计算机视觉领域取得突破性成果的基石，其在图像识别的问题上有着很高的准确率，目前也已经有应用在瓷砖表面检测领域的方法。例如，中国专利技术专利《一种基于卷积神经网络模型和主动学习的瓷砖表面缺陷识别方法》(公开号：CN108038853A)，包括以下步骤：获取含缺陷的瓷砖表面图像并预处理；建立训练集；卷积神经网络模型的建立与训练；主动学习；模型迭代；在线检测。该方法基于卷积神经网络模型和主动学习，通过卷积神经网络模型避免了人工选择特征，并结合了主动学习降低样本的人工标注量，实现瓷砖表面缺陷类型的识别。但是该方法只是对瓷砖表面缺陷类型的识别，并未对瓷砖品质进行等级划分，未对瓷砖进行分级分色检测，并不能解决瓷砖分级分色检测自动化的技术问题。

技术实现思路

[0006]为克服现有技术中的缺点与不足，本专利技术的目的在于提供一种瓷砖分级分色检测方法、装置、介质及设备；该方法基于卷积神经网络模型对瓷砖进行分级分色检测，对瓷砖品质进行等级类型划分；可节省人力资源和提高检测效率；运算速度快，可满足高速生产线的响应需求；分类准确度高，可避免人工分类存在误差和失误。
[0007]为了达到上述目的，本专利技术通过下述技术方案予以实现：一种瓷砖分级分色检测方法，其特征在于：包括如下步骤：
[0008]获取待识别的瓷砖图像；对瓷砖图像进行预处理；
[0009]将预处理后的瓷砖图像输入到瓷砖分级分色检测网络模型中，瓷砖分级分色检测网络模型输出瓷砖等级类型；所述瓷砖分级分色检测网络模型是指对初始卷积神经网络模型进行训练和测试处理得到的瓷砖分级分色检测网络模型；
[0010]所述对瓷砖图像进行预处理，包括如下步骤：
[0011]将瓷砖图像进行灰度变换得到初始灰度图像；
[0012]将初始灰度图像进行中值滤波处理得到滤波灰度图像，以去除噪声；
[0013]将滤波灰度图像进行直方图均衡化处理得到均衡化图像，以提高对比度，从而增加灰度分布的均匀程度、增加缺陷轮廓与瓷砖背景的对比清晰度和加大瓷砖花纹与瓷砖背景的反差；
[0014]将均衡化图像采用多尺度形态学边缘检测算法，以使瓷砖花纹和缺陷轮廓与瓷砖背景分离，得到瓷砖花纹和缺陷轮廓完整的边缘图像。
[0015]本专利技术基于卷积神经网络模型对瓷砖进行分级分色检测，对瓷砖品质进行等级类型划分；可节省人力资源和提高检测效率；运算速度快，可满足高速生产线的响应需求；分类准确度高，可避免人工分类存在误差和失误。
[0016]对瓷砖图像预处理有利于消除或降低噪声、提高对比度、图像的平滑或锐化等。其中，瓷砖图像进行灰度变换得到的初始灰度图像具有占用内存少、运算速度快、处理更方便等优点。中值滤波是将范围内的像素值排序，用中间值代替噪声点的像素值，对去除噪声有良好的效果。利用直方图均衡化对图像进行均衡化处理，以此提高图像对比度，使灰度分布更加均匀，缺陷轮廓与背景对比更加清晰，花纹与背景的反差变大。
[0017]优选地，所述对瓷砖图像进行预处理中，直方图均衡化处理是指：
[0018]将滤波灰度图像设置成0～255个原始灰度级；
[0019]计算原始灰度级i的直方图分布概率P(i)：
[0020][0021]其中，N为滤波灰度图像的像素总数，n
i
为滤波灰度图像中原始灰度级i的像素总数；
[0022]计算原始灰度级i的直方图概率累加值S(i)：
[0023][0024]计算原始灰度级i对应的均衡化图像中的均衡化灰度级SS(i)：
[0025]SS(i)＝int{[max(pix)
‑
min(pix)]*S(i)+0.5}；
[0026]其中，pix指滤波灰度图像中的灰度值；
[0027]根据均衡化灰度级SS(i)与原始灰度级i上一步找到的灰度图像和均衡化图像灰度的的对应关系，将均衡化灰度级SS(i)一一映射到均衡化图像当中，完成均衡化图像的像素映射。
[0028]优选地，所述多尺度形态学边缘检测算法中，采用形态学膨胀边缘检测算子E
d
(x，y)和形态学腐蚀边缘检测算子E
e
(x，y)：
[0029]E
d
(x，y)＝(f
·
g)(x，y)
‑
f(x，y)；
[0030]E
e
(x，y)＝f(x，y)
‑
(fog)(x，y)；
[0031]其中，x和y分别表示像素点的横坐标和纵坐标；(f
·
g)(x，y)表示图像形态学闭运算；(fog)(x，y)表示图像形态学开运算；f(x，y)表示输入图像；
[0032]取一正方形结构元素{g
i
|i＝1，2，...5}，g
i
的大小为(2i+1)
×
(2i+1)像素；将形态学膨胀边缘检测算子E
d
(x，y)和形态学腐蚀边缘检测算子E
e
(x，y)相结合得到多尺度边缘检测算子：
[0033][0034]优选地，所述瓷砖分级分色检测网络模型包括依次连接的第一模块、第二模块、第三模块和第四模块；
[0035]第一模块包括卷积层C1和最大池化层F1；
[0036]第二模块包括卷积层C21、卷积层C22和最大池化层F2；
[0037]第三模块包括四条并行路线，分别为：线路一、线路二、线路三和线路四；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种瓷砖分级分色检测方法，其特征在于：包括如下步骤：获取待识别的瓷砖图像；对瓷砖图像进行预处理；将预处理后的瓷砖图像输入到瓷砖分级分色检测网络模型中，瓷砖分级分色检测网络模型输出瓷砖等级类型；所述瓷砖分级分色检测网络模型是指对初始卷积神经网络模型进行训练和测试处理得到的瓷砖分级分色检测网络模型；所述对瓷砖图像进行预处理，包括如下步骤：将瓷砖图像进行灰度变换得到初始灰度图像；将初始灰度图像进行中值滤波处理得到滤波灰度图像，以去除噪声；将滤波灰度图像进行直方图均衡化处理得到均衡化图像，以提高对比度，从而增加灰度分布的均匀程度、增加缺陷轮廓与瓷砖背景的对比清晰度和加大瓷砖花纹与瓷砖背景的反差；将均衡化图像采用多尺度形态学边缘检测算法，以使瓷砖花纹和缺陷轮廓与瓷砖背景分离，得到瓷砖花纹和缺陷轮廓完整的边缘图像。2.根据权利要求1所述的瓷砖分级分色检测方法，其特征在于：所述对瓷砖图像进行预处理中，直方图均衡化处理是指：将滤波灰度图像设置成0～255个原始灰度级；计算原始灰度级i的直方图分布概率P(i)：其中，N为滤波灰度图像的像素总数，n
i
为滤波灰度图像中原始灰度级i的像素总数；计算原始灰度级i的直方图概率累加值S(i)：计算原始灰度级i对应的均衡化图像中的均衡化灰度级SS(i)：SS(i)＝int{[max(pix)
‑
min(pix)]*S(i)+0.5}；其中，pix指滤波灰度图像中的灰度值；根据均衡化灰度级SS(i)与原始灰度级i的对应关系，将均衡化灰度级SS(i)一一映射到均衡化图像当中，完成均衡化图像的像素映射。3.根据权利要求1所述的瓷砖分级分色检测方法，其特征在于：所述多尺度形态学边缘检测算法中，采用形态学膨胀边缘检测算子E
d
(x，y)和形态学腐蚀边缘检测算子E
e
(x，y)：E
d
(x，y)＝(f
·
g)(x，y)
‑
f(x，y)；E
e
(x，y)＝f(x，y)
‑
(fog)(x，y)；其中，x和y分别表示像素点的横坐标和纵坐标；(f
·
g)(x，y)表示图像形态学闭运算；(fog)(x，y)表示图像形态学开运算；f(x，y)表示输入图像；取一正方形结构元素{g
i
|i＝1，2，...5}，gi的大小为(2i+1)
×
(2i+1)像素；将形态学膨胀边缘检测算子E
d
(x，y)和形态学腐蚀边缘检测算子E
e
(x，y)相结合得到多尺度边缘检测算子：
4.根据权利要求1所述的瓷砖分级分色检测方法，其特征在于：所述瓷砖分级分色检测网络模型包括依次连接的第一模块、第二模块、第三模块和第四模块；第一模块包括卷积层C1和最大池化层F1；第二模块包括卷积层C21、卷积层C22和最大池化层F2；第三模块包括四条并行路线，分别为：线路一、线路二、线路三和线路四；线路一包括卷积层C31；线路二包括卷积层C32和卷积层C33；线路三包括卷积层C34和卷积层C35；线路四包括最大池化层F31和卷积层C36；将四条并行线路在通道维上连结，并输入到最大池化层F32；第四模块包括卷积层C41、卷积层C42、全局平均池化层F4和全连接层；全局平均池化层F4使每个通道的高宽变成1以将输出变成二维数组；全连接层输出为瓷砖等级类型，记为{y1，y2，...，y
d
}，d为瓷砖等级类型数量；利用softmax函数...

【专利技术属性】
技术研发人员：罗陆锋，黄翱松，刘文涛，卢清华，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：