【技术实现步骤摘要】
一种清晰度自适应的卷材检测方法及装置、系统
[0001]本专利技术涉及图像检测领域，特别是涉及一种清晰度自适应的卷材检测算法及装置、系统。
技术介绍
[0002]目前卷材在生产加工的过程中，都会采用滚筒流水线进行传输，卷材在滚筒流水线上保持展开的状态，平铺前行。为了能够及时发现卷材的瑕疵，往往会在卷材的流水线传输过程中，进行卷材瑕疵检测。其中不同类型的卷材包含不同的瑕疵，比如PVB材料的卷材，主要包括晶点、虫斑、黑点和气泡等瑕疵，而合成革材料的卷材，则主要包括划痕、气泡、毛边、涂胶不均等瑕疵。卷材的瑕疵检测主要包括相机采集图像以及处理器分析图像两步。
[0003]对于相机采集图像，在目前的瑕疵检测设备中，大多采用线扫描相机，其中线扫描相机固定安装设置于支架上，使相机的镜头正对流水线，配合固定光源，完成卷材图像的采集。在传统的设备中，相机的位置、角度以及曝光参数等都需要事先完成调节，而且通常是人为进行调节，极为不便；另一方面，一旦流水线开始运作，操作人员就难以接触到相机，无法实现瑕疵检测设备对卷材流水线的动态适应调节，影响相机采集的图像质量。
[0004]对于处理器分析图像，在目前的瑕疵检测方法中，由于检测方法效率低，使得图像的瑕疵检测往往存在滞后，继而会导致瑕疵的报警速度慢，错过了瑕疵的位置或者位置判断不准确，需要对卷材进行人工复查，费时费力，还降低卷材的生产效率。另外由于相机采集流水线运作时的图像，会导致图像模糊的问题，影响对图像的分析结果，因此需要先对图像进行滤波处理。在现有的图像分析方法中，往往...
【技术保护点】
【技术特征摘要】
1.一种卷材检测装置，其特征在于，包括操作台、支撑架、滑架、滑杆、相机模块以及光源模块；其中支撑架共两个，两个支撑架对称设置于流水线的两侧；滑架滑动设置于支撑架上，滑架能够沿着支撑架上下滑动；滑杆铰接设置于两个支撑架的滑架上；相机模块通过水平调节装置滑动设置于滑杆上；光源模块设置于支撑架上，并且分别位于流水线上的卷材的上方和下方；操作台设置于地面，操作台与相机模块以及光源模块通信连接；操作台包括显示器和处理器。2.一种清晰度自适应的卷材检测方法，其特征在于，包括如下步骤：步骤S1：操作台获取所有线扫相机采集的图像，并统计图像数量；步骤S2：判断采集的图像是否为多通道图像；若为多通道图像则转换为灰度图像，进入步骤S3；否则直接进入步骤S3；步骤S3：依次选取图像，计算图像尺寸，并根据左右不检测区域，完成每组图像的裁切并获取图像灰度值；其中每组图像表示同一时刻，不同线扫相机采集的图像；步骤S4：根据全图背景评估，计算是否存在周期性条纹；若存在周期性纹理，则为有纹理的材质，需要进行去纹理步骤，完成去纹理后进入下一步骤；否则，直接进入下一步骤；步骤S5：根据图像的灰度值，完成图像的清晰度自适应流程，判断对应的滤波级数，完成图像滤波，并获得图像中的总瑕疵区域；步骤S6：基于聚类方法对总瑕疵区域进行临域多瑕疵处理，将满足要求的瑕疵区域进行连通；步骤S7：根据瑕疵区域或瑕疵连通区域面积获得瑕疵输出优先级；将瑕疵根据瑕疵输出优先级进行排序；步骤S8：获取瑕疵信息，并按照瑕疵输出优先级顺序，依次判断瑕疵信息是否满足设定阈值范围要求；若瑕疵信息满足设定阈值要求，则将瑕疵信息依次放入输出队列；步骤S9：判断输出队列中的瑕疵信息是否超过瑕疵信息的设定输出数量上限；若超过了瑕疵信息的设定输出数量上限，则根据瑕疵输出优先级顺序输出设定输出数量的瑕疵信息，结束步骤；否则输出队列中的全部瑕疵信息，结束步骤。3.根据权利要求2所述的一种清晰度自适应的卷材检测方法，其特征在于，所述步骤S3中完成图像的裁剪并获取灰度值的过程包括如下步骤：步骤S31：获取一组图像，并判断该组图像中的图像数量大于或者等于一张；若图像的数量为一张，则进入步骤S32；若图像的数量大于一张，否则进入步骤S33；步骤S32：该组图像中仅包含一张图像，则判断左裁剪区域和右裁剪区域的宽度和与图像宽度的关系，其中左裁剪区域和右裁剪区域通过左右不检测区域获得；若左裁剪区域和右裁剪区域的宽度和大于图像宽度，则进入步骤S35；若左裁剪区域和右裁剪区域的宽度和小于等于图像宽度，则进入步骤S36；步骤S33：该组图像中包含的图像数量大于一张，则判断第一张图像的宽度与左裁剪区域的宽度的关系；若第一张图像的宽度小于左裁剪区域的宽度，则进入步骤S35；否者进入步骤S34；步骤S34：判断最后一张图像的宽度与右裁剪区域的宽度的关系；若最后一张图像的宽度小于右裁剪区域的宽度，则进入步骤S35；否者进入步骤S36；步骤S35：图像裁剪区域过大，判断为图像检测异常，结束步骤，并结束检测算法；
步骤S36：依次获取该组图像中的一张图像，并判断该图像是否为该组图像的第一张图像；若为该组图像的第一张图像，则进入步骤S37；若不是该组图像的第一张图像，则进入步骤S38；步骤S37：该图像为该组图像的第一张图像，则判断该组图像是否仅有一张图像；若只有一张图像，则根据左右不检测区域获取图像的左右裁剪区域，并完成图像的裁剪，进入步骤S310；若不为一张图像，则计算图像的左侧裁剪区域，并完成图像的裁剪，进入步骤S310；步骤S38：该图像不是该组图像的第一张图像，则判断该图像是否为该组图像的最后一张图像；若为该组图像的最后一张图像，则进入步骤S39；若不是该组图像的最后一张图像，则直接进入步骤S310；步骤S39：该图像为该组图像的最后一张图像，并且不是第一张图像，则计算图像的右侧裁剪区域，并完成图像的裁剪，进入步骤S310；步骤S310：计算获得的图像的灰度值，结束步骤。4.根据权利要求2所述的一种清晰度自适应的卷材检测方法，其特征在于，所述步骤S4中的去纹理步骤，包括：步骤S41：获取裁剪后的图像，并计算图像的宽Width和高Height；步骤S42：在图像中的随机区域，提取1/2Width*1/2Height区域的子图像；步骤S43：在子图像中的随机位置设置相互垂直的两条直线L1、L2；步骤S44：对子图像进行双边滤波去除尖锐噪声且保存边缘不被模糊后，并进行边缘增强，分别计算子图像在宽方向和高方向的二次导函数图像；步骤S45：根据子图像在宽方向和高方向的二次导函数图像，获取二次导函数图像中的直线区域；步骤S46：根据直线区域，在二次导函数图像中根据从亮到暗的极性变化提取直线区域骨架，并转化线性对象，获得条纹；步骤S47：计算提取的所有直线的霍夫变换值；步骤S48：合并同一直线区域骨架内并且同一角度的低于设定像素点长度L3的条纹；步骤S49：条纹合并后，清除低于设定像素点长度L4的条纹；步骤S410：获取剩余条纹，并筛选出与直线L1或直线L2相交的条纹；步骤S411：根据条纹与直线L1的交点，提取交点间距和夹角重复的条纹；根据条纹与直线L2的交点，提取交点间距和夹角重复的条纹；步骤S412：判断步骤S411提取出的条纹与直线L1及直线L2是否均存在夹角；若与直线L1及直线L2中的某条直线不存在夹角，则认为条纹与直线L1或直线L2平行，进入步骤S414；若均存在夹角，则认为条纹与直线L1和直线L2均不平行，进入步骤S413；步骤S413：根据条纹与直线L1和L2的夹角与交点间距，获取交点间距在条纹上的投影，包括投影长度和投影位置，该投影长度就是周期性条纹的间距；步骤S414：获取条纹的周期性信息，包括投影长度和投影位置包括交点间距在条纹上的投影、条纹在直线L1或L2上的交点、条纹与直线L1和L2的角度；步骤S415：根据条纹的周期线信息，生成周期函数，并通过傅里叶级数延拓展开，获得条纹的周期性频率；步骤S416：根据傅里叶级数前n项周期性频率获得特定的空间滤波器；
步骤S417：通过特定空间滤波器对步骤S41中获得的裁剪子图像进行卷积计算，实现图像去纹理操作，结束步骤。5.根据权利要求2所述的一种清晰度自适应的卷材检测方法，其特征在于，所述步骤S5中对图像的清晰度自适应流程，包括对图像根据灰度值分布进行裁剪，并获得每块裁剪子图像的灰度方差D(x)、对比度cont、灰度能量ASM、逆差距Homo以及相关性Corr；其中对比度cont表示图像的清晰度和纹理的沟纹深浅，对比度越大，表示图像越清晰，反之对比度越小，表示图像模糊；灰度能量ASM反映了图像的灰度分布均匀程度，当图像模糊时，灰度分布较均匀，能量值较大；当图像清晰时，能量值较小；逆差距Homo反映了图像纹理局部变化程度；当图像模糊时，灰度分布较均匀，逆差距值较大；当图像清晰时，逆差距值较小；相关性Corr反映了裁剪子图像的整体...
【专利技术属性】
技术研发人员：余建安，陈浙泊，潘凌锋，陈镇元，叶雪旺，张一航，林建宇，陈一信，陈龙威，吴荻苇，
申请(专利权)人：浙江大学台州研究院，
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。