一种基于图像处理的家具组件喷漆缺陷修复方法及系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于图像处理的家具组件喷漆缺陷修复方法及系统。该方法通过像素点邻域范围内的排列熵表示该邻域范围的风格信息。通过灰度直方图获得背景灰度级，利用像素点与背景灰度级的灰度级差异和风格信息获得每个像素点的缺陷概率。根据设置的滑窗内像素点的缺陷概率的离散程度判断滑窗区域是否为缺陷区域，最终获得漆面图像内的整体缺陷区域。本发明专利技术通过风格信息确定像素点的缺陷概率，通过缺陷概率的波动性判断缺陷位置，实现了橘皮缺陷定位，便于对缺陷进行针对性的修复。进行针对性的修复。进行针对性的修复。

【技术实现步骤摘要】
一种基于图像处理的家具组件喷漆缺陷修复方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于图像处理的家具组件喷漆缺陷修复方法及系统。

技术介绍

[0002]喷漆为家具生产过程中重要的环节，喷漆的质量决定了家具成品的的质量。在喷漆过程中，由于环境和工艺的影响，会导致家具表面出现各种的喷漆缺陷。常见的明显缺陷如流挂、波浪纹、针孔、橘皮等。
[0003]在常规的漆面缺陷检测过程中，为了提高检测效率，会利用图像处理方法提取漆面图像的特征，根据特征对缺陷进行判断或分类。但是对于橘皮缺陷而言，漆面呈现凹凸不平状，形似橘子的外皮，缺陷特征分布均匀，无法提取出有效的明显特征进行缺陷检测，且由于光源等影响导致漆面颜色出现变化，直接对提取的缺陷特征进行分类容易造成误检，无法对橘皮缺陷进行有效识别及针对性的修复。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于图像处理的家具组件喷漆缺陷修复方法及系统，所采用的技术方案具体如下：
[0005]本专利技术提出了一种基于图像处理的家具组件喷漆缺陷修复方法，所述方法包括：
[0006]获取漆面图像；获取所述漆面图像中每个像素点的预设邻域范围内的像素差异序列；获得每个像素点的所述像素差异序列的排列熵；
[0007]获得所述漆面图像的灰度直方图；根据所述灰度直方图中每个灰度级的出现频率获得每个像素点的背景概率；根据所述背景概率获得背景灰度级；
[0008]获得每个像素点对应的灰度级与所述背景灰度级的灰度级差异；根据所述灰度级差异和所述排列熵获得每个像素点的缺陷概率；
[0009]在所述漆面图像上设置滑窗；获得所述滑窗内像素点所述缺陷概率的离散程度；若所述离散程度大于等于预设离散阈值，则以所述滑窗区域作为缺陷区域；根据所述滑窗遍历整个所述漆面图像，获得整体缺陷区域；
[0010]根据所述整体缺陷区域对漆面进行修复。
[0011]进一步地，所述根据所述灰度直方图中每个灰度级的出现频率获得每个像素点的背景概率包括：
[0012]根据所述出现频率进行高斯拟合，获得背景概率高斯模型；根据所述背景概率高斯模型获得每个像素点的灰度级对应的所述背景概率。
[0013]进一步地，所述根据所述背景概率获得背景灰度级包括：
[0014]获得所有灰度级对应的所述背景概率；以最大的所述背景概率对应的灰度级作为所述背景灰度级。
[0015]进一步地，所述根据所述灰度级差异和所述排列熵获得每个像素点的缺陷概率包
括：
[0016]根据缺陷概率公式获得所述缺陷概率；所述缺陷概率公式包括：
[0017][0018]其中，P为所述缺陷概率，H(m)
′
为第m个像素点的所述排列熵，I
m
为第m个像素点对应的灰度级，I
m
为所述背景灰度级。
[0019]进一步地，所述获得所述滑窗内像素点所述缺陷概率的离散程度包括：
[0020]以所述滑窗内所述缺陷概率的方差作为所述离散程度。
[0021]进一步地，所述根据所述滑窗遍历整个所述漆面图像，获得整体缺陷区域包括：
[0022]根据所述滑窗遍历整个所述漆面图像；保留所有所述缺陷区域，将其他区域去除，获得整体缺陷区域。
[0023]进一步地，所述根据所述整体缺陷区域对漆面进行修复包括：
[0024]根据所述整体缺陷区域中每个像素点对应的所述滑窗的所述离散程度构建缺陷热图；所述缺陷热图中每个像素点的像素值为以该像素点为中心点的所述滑窗的所述离散程度；
[0025]若所述缺陷热图中像素点的像素值大于预设判定阈值，则认为对应位置为严重缺陷区域；反之则认为对应位置为轻度缺陷区域；
[0026]获得所述严重缺陷区域在所述漆面图像中的面积占比；若所述面积占比大于预设比例阈值，则对整个所述整体缺陷区域进行修复处理；否则，对所述严重缺陷区域和所述轻度缺陷区域分别进行不同程度的修复处理。
[0027]本专利技术还提出了一种基于图像处理的家具组件喷漆缺陷修复系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任意一项所述一种基于图像处理的家具组件喷漆缺陷修复方法的步骤。
[0028]本专利技术具有如下有益效果：
[0029]本专利技术实施例通过像素点邻域范围内的排列熵表示该范围内的风格信息。即排列熵越混乱说明缺陷点越多，相比其他正常像素点差异越大。进一步通过对图像的灰度级进行分析确定背景灰度级。根据像素点的灰度级和背景灰度级的差异与对应的排列熵获得缺陷概率。因为橘皮缺陷的缺陷点分布均匀，因此排列熵表示的风格信息越混乱，像素级与背景像素级的差异越大，表示橘皮缺陷的概率越大。通过滑窗处理整张漆面图像，因为其他孤立噪点和光照影响的像素差异特征相比橘皮缺陷的混乱程度并不高，因此设定有效的离散阈值，可保证最终缺陷区域都为橘皮缺陷区域。
附图说明
[0030]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0031]图1为本专利技术一个实施例所提供的一种基于图像处理的家具组件喷漆缺陷修复方
法流程图；
[0032]图2为本专利技术一个实施例所提供的一个橘皮缺陷示意图；
[0033]图3为本专利技术一个实施例所提供的一个光源不均匀状态下的橘皮缺陷示意图。
具体实施方式
[0034]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于图像处理的家具组件喷漆缺陷修复方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0035]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0036]下面结合附图具体的说明本专利技术所提供的一种基于图像处理的家具组件喷漆缺陷修复方法及系统的具体方案。
[0037]请参阅图1，其示出了本专利技术一个实施例提供的一种基于图像处理的家具组件喷漆缺陷修复方法流程图，该方法包括：
[0038]步骤S1：获取漆面图像；获取漆面图像中每个像素点的预设邻域范围内的像素差异序列；获得每个像素点的像素差异序列的排列熵。
[0039]在家具组件通过喷漆设备执行喷漆完成后需要进行干燥处理。为了实现自动化缺陷检测，在本专利技术实施例中，将干燥完毕的家具组件放置在车间传送带上，在传送带上部署灰度相机，使得可以采集到每个家具组件不同视角的漆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的家具组件喷漆缺陷修复方法，其特征在于，所述方法包括：获取漆面图像；获取所述漆面图像中每个像素点的预设邻域范围内的像素差异序列；获得每个像素点的所述像素差异序列的排列熵；获得所述漆面图像的灰度直方图；根据所述灰度直方图中每个灰度级的出现频率获得每个像素点的背景概率；根据所述背景概率获得背景灰度级；获得每个像素点对应的灰度级与所述背景灰度级的灰度级差异；根据所述灰度级差异和所述排列熵获得每个像素点的缺陷概率；在所述漆面图像上设置滑窗；获得所述滑窗内像素点所述缺陷概率的离散程度；若所述离散程度大于等于预设离散阈值，则以所述滑窗区域作为缺陷区域；根据所述滑窗遍历整个所述漆面图像，获得整体缺陷区域；根据所述整体缺陷区域对漆面进行修复。2.根据权利要求1所述的一种基于图像处理的家具组件喷漆缺陷修复方法，其特征在于，所述根据所述灰度直方图中每个灰度级的出现频率获得每个像素点的背景概率包括：根据所述出现频率进行高斯拟合，获得背景概率高斯模型；根据所述背景概率高斯模型获得每个像素点的灰度级对应的所述背景概率。3.根据权利要求1所述的一种基于图像处理的家具组件喷漆缺陷修复方法，其特征在于，所述根据所述背景概率获得背景灰度级包括：获得所有灰度级对应的所述背景概率；以最大的所述背景概率对应的灰度级作为所述背景灰度级。4.根据权利要求1所述的一种基于图像处理的家具组件喷漆缺陷修复方法，其特征在于，所述根据所述灰度级差异和所述排列熵获得每个像素点的缺陷概率包括：根据缺陷概率公式获得所述缺陷概率；所述缺陷概率公式包括：其中，P为所述缺陷概率，H(m)
...

【专利技术属性】
技术研发人员：李康，
申请(专利权)人：沭阳安宏木制品厂，
类型：发明
国别省市：