基于激光束的金属丝网缺陷检测方法及人工智能系统技术方案

本发明专利技术涉及材料分析或测试技术领域，具体涉及一种基于激光束的金属丝网缺陷检测方法及人工智能系统，利用可见光手段采集待检测的金属丝网的表面可见光图像，并基于该表面可见光图像进行材料分析或测试，具体为对表面可见光图像的灰度图像进行修正，并基于高度分布图像和修正后的灰度图像，确定金属丝网的单个网孔的各个位置的像素点对应的高斯模型，并利用该高斯模型确定金属丝网的各个真实缺陷像素点。本发明专利技术基于待检测的金属丝网的表面可见光图像进行材料分析或测试，可以准确确定金属丝网的各个真实缺陷像素点，有效提高了金属丝网缺陷检测的可靠性，可用于实现新材料检测、计量、相关标准化等。量、相关标准化等。量、相关标准化等。

【技术实现步骤摘要】
基于激光束的金属丝网缺陷检测方法及人工智能系统


[0001]本专利技术涉及材料分析或测试
，具体涉及一种基于激光束的金属丝网缺陷检测方法及人工智能系统。

技术介绍

[0002]金属丝网具有耐酸、耐碱、耐高温、拉力和耐磨性强等特点，常应用于酸碱环境条件下物体的筛分及过滤，可应用在如石油化工、航空航天、液压、汽车、新能源发电、食品医药等领域。在高密度金属网编制过程中，金属丝会出现各种类型的网病，影响金属丝网的使用质量，因此对金属丝网的缺陷进行检测是非常重要的。
[0003]专利申请号为202111062683.X的专利文件中提出了一种金属丝网生产用缺陷检测装置及检测方法，即将若干个均匀排列的点状激光束垂直照射在金属丝网上同时使用CCD相机进行抓拍，并将图像信息发送给人机交互界面，由人机交互界面通过图像的明暗变化判断金属丝网是否存在缺陷，当存在缺陷时，人机交互界面通过控制器将信号发送给标记机构，从而实现缺陷自动标记。
[0004]在上述的专利文件中，通过利用CCD相机按照一定频率抓拍金属丝网图像，这种方式存在一定的局限性：（1）对于不同规格的金属丝网，需要不断修改相机的采样频率；（2）金属丝网种类具有多样性，上述方法不适合不同类型的金属丝网，适用范围较小；（3）对缺陷的检测依靠图像的明暗变化，对于明暗变化不明显缺陷无法检测，如网面不平、双线、跳线等，存在漏检现象，检测结果不可靠；（4）需要分别对金属丝网的经线和纬线进行检测，检测难度大。

技术实现思路

[0005]为了解决现有对金属丝网进行缺陷检测时检测结果不可靠的问题，本专利技术的目的在于提供一种基于激光束的金属丝网缺陷检测方法及人工智能系统。
[0006]本专利技术提供了一种基于激光束的金属丝网缺陷检测方法 ，包括以下步骤：获取待检测的金属丝网的高度分布图像和表面可见光图像，进而获取表面可见光图像的灰度图像；根据灰度图像中各个像素点的灰度值及其相对于中心像素点的距离，并结合与待检测的金属丝网同类型的正常金属丝网对应的距离与灰度衰减曲线，对灰度图像中各个像素点的灰度值进行修正，得到修正后的灰度图像；根据修正后的灰度图像中一个网孔的宽度或长度，对高度分布图像和修正后的灰度图像进行网孔区域划分，得到高度分布图像上的各个网孔区域和修正后的灰度图像上的各个网孔区域；根据高度分布图像上的任意一个网孔区域中的各个像素点的高度值以及修正后的灰度图像上对应的网孔区域的各个像素点的灰度值，确定金属丝网的单个网孔的各个位置的像素点对应的初始高斯模型；
根据高度分布图像上的其他各个网孔区域中的各个像素点的高度值以及修正后的灰度图像上对应的网孔区域的各个像素点的灰度值，对金属丝网的单个网孔的各个位置的像素点对应的初始高斯模型进行更新和修正，得到金属丝网的单个网孔的各个位置的像素点对应的最终的高斯模型；根据高度分布图像上的各个网孔区域中单个网孔的各个位置的像素点的高度值以及金属丝网的单个网孔的各个位置的像素点对应的最终的高斯模型，确定高度分布图像上的各个网孔区域中的各个像素点的缺陷指标值，进而确定金属丝网的各个疑似缺陷像素点；确定金属丝网的各个疑似缺陷像素点的邻域疑似缺陷像素点，根据各个疑似缺陷像素点及其邻域疑似缺陷像素点的高度值以及各个疑似缺陷像素点到其对应的邻域疑似缺陷像素点的距离，确定金属丝网的各个疑似缺陷像素点的缺陷概率值，进而确定金属丝网的各个真实缺陷像素点。
[0007]进一步的，所述对灰度图像中各个像素点的灰度值进行修正对应的计算公式为：其中，为修正后的灰度图像中各个像素点的灰度值，为灰度图像中各个像素点的灰度值，为灰度图像中各个像素点相对中心像素点的距离，为与待检测的金属丝网同类型的正常金属丝网对应的距离与灰度衰减曲线在处的函数值。
[0008]进一步的，所述确定金属丝网的单个网孔的各个位置的像素点对应的初始高斯模型，包括：根据修正后的灰度图像上任意一个网孔区域的各个像素点的灰度值，确定修正后的灰度图像上任意一个网孔区域的灰度直方图，计算修正后的灰度图像上任意一个网孔区域的灰度直方图上的各个灰度级之间的方差，进而确定修正后的灰度图像上任意一个网孔区域的光照均匀程度；初始化金属丝网的单个网孔的每个位置的像素点对应的初始高斯模型的模型参数，并将高度分布图像上对应的任意一个网孔区域中的单个网孔的每个位置的第一个像素点的高度值代入到对应的初始高斯模型，从而得到第一个像素点对应的概率值；计算第一个像素点对应的概率值与修正后的灰度图像上任意一个网孔区域的光照均匀程的乘积，从而得到第一个像素点对应的修正后的概率值；根据第一个像素点对应的修正后的概率值，对对应的初始高斯模型的模型参数进行更新，从而得到更新后的初始高斯模型，并将高度分布图像上的任意一个网孔区域中的单个网孔的每个位置的第二个像素点的高度值代入到更新后的初始高斯模型，从而得到第二个像素点对应的概率值，进而得到第二个像素点对应的修正后的概率值，并根据第二个像素点对应的修正后的概率值，继续对对应的初始高斯模型的模型参数进行更新，重复上述过程，直至满足初始高斯模型终止条件。
[0009]进一步的，所述对金属丝网的单个网孔的各个位置的像素点对应的初始高斯模型进行更新和修正，得到金属丝网的单个网孔的各个位置的像素点对应的最终的高斯模型，
包括：根据高度分布图像上的其他各个网孔区域中单个网孔的各个位置的像素点的高度值以及金属丝网的单个网孔的各个位置的像素点对应的初始高斯模型，确定高度分布图像上的其他各个网孔区域中单个网孔的各个位置的目标像素点；根据高度分布图像上的其他各个网孔区域中单个网孔的各个位置的目标像素点的高度值以及修正后的灰度图像上对应的网孔区域的各个像素点的灰度值，对金属丝网的单个网孔的各个位置的像素点对应的初始高斯模型进行更新，得到金属丝网的单个网孔的各个位置的像素点对应的更新高斯模型；对金属丝网的单个网孔的各个位置的像素点对应的更新高斯模型的模型参数进行修正，并根据高度分布图像上的其他各个网孔区域中单个网孔的各个位置的目标像素点的高度值以及修正后的灰度图像上对应的网孔区域的各个像素点的灰度值，对金属丝网的单个网孔的各个位置的像素点对应的模型参数修正后的更新高斯模型进行第一次修正，从而得到金属丝网的单个网孔的各个位置的像素点对应的第一次修正后的高斯模型；根据高度分布图像上的其他各个网孔区域中单个网孔的各个位置的像素点的高度值以及修正后的灰度图像上对应的网孔区域的各个像素点的灰度值，对金属丝网的单个网孔的各个位置的像素点对应的第一次修正后的高斯模型进行第二次修正，从而得到金属丝网的单个网孔的各个位置的像素点对应的最终的高斯模型。
[0010]进一步的，所述确定高度分布图像上的其他各个网孔区域中单个网孔的各个位置的目标像素点，包括：根据金属丝网的单个网孔的各个位置的像素点对应的初始高斯模型，确定金属丝网的单个网孔的各个位置的像素点对应的高度值集中取值范围；根据高度分布图像上的其他各个网孔区域中单个网孔的各个位置的像素点的高度值以及金属丝网的单个网孔的各个位置的像素点对应的高度值集中取值范围，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于激光束的金属丝网缺陷检测方法 ，其特征在于，包括以下步骤：获取待检测的金属丝网的高度分布图像和表面可见光图像，进而获取表面可见光图像的灰度图像；根据灰度图像中各个像素点的灰度值及其相对于中心像素点的距离，并结合与待检测的金属丝网同类型的正常金属丝网对应的距离与灰度衰减曲线，对灰度图像中各个像素点的灰度值进行修正，得到修正后的灰度图像；根据修正后的灰度图像中一个网孔的宽度或长度，对高度分布图像和修正后的灰度图像进行网孔区域划分，得到高度分布图像上的各个网孔区域和修正后的灰度图像上的各个网孔区域；根据高度分布图像上的任意一个网孔区域中的各个像素点的高度值以及修正后的灰度图像上对应的网孔区域的各个像素点的灰度值，确定金属丝网的单个网孔的各个位置的像素点对应的初始高斯模型；根据高度分布图像上的其他各个网孔区域中的各个像素点的高度值以及修正后的灰度图像上对应的网孔区域的各个像素点的灰度值，对金属丝网的单个网孔的各个位置的像素点对应的初始高斯模型进行更新和修正，得到金属丝网的单个网孔的各个位置的像素点对应的最终的高斯模型；根据高度分布图像上的各个网孔区域中单个网孔的各个位置的像素点的高度值以及金属丝网的单个网孔的各个位置的像素点对应的最终的高斯模型，确定高度分布图像上的各个网孔区域中的各个像素点的缺陷指标值，进而确定金属丝网的各个疑似缺陷像素点；确定金属丝网的各个疑似缺陷像素点的邻域疑似缺陷像素点，根据各个疑似缺陷像素点及其邻域疑似缺陷像素点的高度值以及各个疑似缺陷像素点到其对应的邻域疑似缺陷像素点的距离，确定金属丝网的各个疑似缺陷像素点的缺陷概率值，进而确定金属丝网的各个真实缺陷像素点。2.根据权利要求1所述的基于激光束的金属丝网缺陷检测方法，其特征在于，所述对灰度图像中各个像素点的灰度值进行修正对应的计算公式为：其中，为修正后的灰度图像中各个像素点的灰度值，为灰度图像中各个像素点的灰度值，为灰度图像中各个像素点相对中心像素点的距离，为与待检测的金属丝网同类型的正常金属丝网对应的距离与灰度衰减曲线在处的函数值。3.根据权利要求1所述的基于激光束的金属丝网缺陷检测方法，其特征在于，所述确定金属丝网的单个网孔的各个位置的像素点对应的初始高斯模型，包括：根据修正后的灰度图像上任意一个网孔区域的各个像素点的灰度值，确定修正后的灰度图像上任意一个网孔区域的灰度直方图，计算修正后的灰度图像上任意一个网孔区域的灰度直方图上的各个灰度级之间的方差，进而确定修正后的灰度图像上任意一个网孔区域的光照均匀程度；初始化金属丝网的单个网孔的每个位置的像素点对应的初始高斯模型的模型参数，并
将高度分布图像上对应的任意一个网孔区域中的单个网孔的每个位置的第一个像素点的高度值代入到对应的初始高斯模型，从而得到第一个像素点对应的概率值；计算第一个像素点对应的概率值与修正后的灰度图像上任意一个网孔区域的光照均匀程的乘积，从而得到第一个像素点对应的修正后的概率值；根据第一个像素点对应的修正后的概率值，对对应的初始高斯模型的模型参数进行更新，从而得到更新后的初始高斯模型，并将高度分布图像上的任意一个网孔区域中的单个网孔的每个位置的第二个像素点的高度值代入到更新后的初始高斯模型，从而得到第二个像素点对应的概率值，进而得到第二个像素点对应的修正后的概率值，并根据第二个像素点对应的修正后的概率值，继续对对应的初始高斯模型的模型参数进行更新，重复上述过程，直至满足初始高斯模型终止条件。4.根据权利要求3所述的基于激光束的金属丝网缺陷检测方法，其特征在于，所述对金属丝网的单个网孔的各个位置的像素点对应的初始高斯模型进行更新和修正，得到金属丝网的单个网孔的各个位置的像素点对应的最终的高斯模型，包括：根据高度分布图像上的其他各个网孔区域中单个网孔的各个位置的像素点的高度值以及金属丝网的单个网孔的各个位置的像素点对应的初始高斯模型，确定高度分布图像上的其他各个网孔区域中单个网孔的各个位置的目标像素点；根据高度分布图像上的其他各个网孔区域中单个网孔的各个位置的目标像素点的高度值以及修正后的灰度图像上对应的网孔区域的各个像素点的灰度值，对金属丝网的单个网孔的各个位置的像素点对应的初始高斯模型进行更新，得到金属丝网的单个网孔的各个位置的像素点对应的更新高斯模型；对金属丝网的单个网孔的各个位置的像素点对应的更新高斯模型的模型参数进行修正，并根据高度分布图像上的其他各个网孔区域中单个网孔的各个位置的目标像素点的高度值以及修正后的灰度图像上对应的网孔区域的各个像素点的灰度值，对金属丝网的单个网孔的各个位置的像素点对应的模型参数修正后的更新高斯模型进行第一次修正，从而得到金属丝网的单个网孔的各个位置的像素点对应的第一次修正后的高斯模型；根据高度分布图像上的其他各个网孔区域中单个网孔的各个位置的像素点的高度值以及修正后的灰度图像上对应的网孔区域的各个像素点的灰度值，对金属丝网的单个网孔的各个位置的像素点对应的第一次修正后的高斯模型进行第二次修正，从而得到金属丝网的单个网孔的各个位置的像素点对应的最终的高斯模型。5.根据权利要求4所述的基于激光束的金属丝网缺陷检测方法，其特征在于，所述确定高度分布图像上的其他各个网孔区域中单个网孔的各个位置的目标像素点，包括：根...

【专利技术属性】
技术研发人员：丁炜，
申请(专利权)人：南通永卓金属制品有限公司，
类型：发明
国别省市：