一种基于计算机视觉的消防水带缺陷检测方法及系统技术方案

本发明专利技术涉及织物缺陷检测技术领域，具体涉及一种基于计算机视觉的消防水带缺陷检测方法及系统。该方法通过光流信息确定异常区域。将异常区域中的纹理边缘转换至霍夫空间中，获得纹理边缘的形态信息。根据霍夫空间中的霍夫曲线形态进行聚类，获得第一聚类簇。根据第一聚类簇中的异常样本数量获得第一缺陷区域。根据第一聚类簇对应平行的纹理边缘之间的异常距离确定第二缺陷区域。本发明专利技术通过霍夫空间转换获得纹理边缘的形态信息，根据边缘之间的状态精确的进行缺陷检测。态精确的进行缺陷检测。态精确的进行缺陷检测。

【技术实现步骤摘要】
一种基于计算机视觉的消防水带缺陷检测方法及系统


[0001]本专利技术涉及织物缺陷检测
，具体涉及一种基于计算机视觉的消防水带缺陷检测方法及系统。

技术介绍

[0002]传统的消防水带以橡胶为内衬，外表面包裹亚麻编织物。目前，消防水带缺陷主要存在于水带织物层，要求织物层应编织的均匀，表面整洁，无跳双经，断双经、跳纬及划伤。
[0003]通过人工完成外表面水带织物层的缺陷检测费时费力，且效率低下，因此在现有技术中可通过计算机视觉技术通过检测织物图片中的像素差异判断缺陷。但是因为消防水带织物层纹理过于密集，在根据像素差异检测缺陷时会受到大量纹理信息的影响，导致误判漏判，从而影响整体消防水带的缺陷检测效率和精度。

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计算机视觉的消防水带缺陷检测方法及系统，所采用的技术方案具体如下：本专利技术提出了一种基于计算机视觉的消防水带缺陷检测方法，所述方法包括：获取连续多帧的消防水带图像；对所述消防水带图像进行稠密光流法检测，获得异常帧图像；获得所述异常帧图像中的异常区域；获取所述异常区域的纹理边缘；将所述纹理边缘的像素点映射至霍夫空间中，获得多条霍夫曲线；将所述霍夫空间中大于等于预设投票阈值的投票点作为高亮点；根据所述霍夫曲线的形态特征对所述高亮点对应的所述霍夫曲线进行聚类，获得多个第一聚类簇；将簇内样本数量大于预设样本数量阈值的所述第一聚类簇作为异常簇；根据所述异常簇对应的所述纹理边缘的位置获得第一缺陷区域；若所述第一聚类簇对应平行的所述纹理边缘之间的距离与预设标准边缘距离相比出现异常，则将对应的所述纹理边缘作为异常纹理边缘；根据所述异常纹理边缘的位置获得异常区域；将相邻的所述异常区域合并，获得第二缺陷区域。
[0005]进一步地，所述获取所述异常区域的纹理边缘包括：利用Sobel算子处理所述异常区域，获得多个所述纹理边缘。
[0006]进一步地，所述将所述纹理边缘的像素点映射至霍夫空间中，获得多条霍夫曲线包括：将图像坐标系中的所述纹理边缘的像素点转换至极坐标系下，将极坐标系中的像素点映射至霍夫空间，获得多条所述霍夫曲线。
[0007]进一步地，所述根据所述霍夫曲线的形态特征对所述高亮点对应的所述霍夫曲线进行聚类，获得多个第一聚类簇包括：以所述霍夫曲线的最大幅值点作为形态特征点；根据所述形态特征点的位置和预
设第一聚类间距对所述霍夫曲线进行聚类，获得多个第一聚类簇。
[0008]进一步地，所述根据所述异常簇对应的所述纹理边缘获得第一缺陷区域包括：根据所述异常簇对应的所述高亮点获得与所述异常簇共线的正常纹理边缘；根据所述异常簇对应的所述纹理边缘与所述正常纹理边缘的相对位置获得所述第一缺陷区域的位置；根据所述异常簇与所述样本数量阈值的差异获得所述第一缺陷区域的范围大小。
[0009]进一步地，所述若所述第一聚类簇对应平行的所述纹理边缘之间的距离与预设标准边缘距离相比出现异常，则将对应的所述纹理边缘作为异常纹理边缘包括：根据所述形态特征点的位置和预设第二聚类间距对所述霍夫曲线进行二次聚类，获得多个第二聚类簇；所述第二聚类间距比所述第一聚类间距大；以所述第二聚类簇对应的平行的所述纹理边缘之间的距离作为判断距离；若所述判断距离不等于所述预设标准距离或所述预设标准距离的整数倍，则将对应的所述纹理边缘作为异常纹理边缘。
[0010]进一步地，所述根据所述异常纹理边缘的位置获得异常区域包括：若所述纹理边缘之间平行且距离等于所述标准距离，则两个所述纹理边缘为平行相邻纹理边缘；以所述异常纹理边缘与对应的所述平行相邻纹理边缘之间的区域作为所述异常区域。
[0011]进一步地，所述获得第二缺陷区域后还包括：以所述第一缺陷区域和所述第二缺陷区域的面积之和作为所述消防水带图像的区域缺陷评估值；以消防水带对应的所述消防水带图像的所有所述区域缺陷评估值之和作为所述消防水带的整体缺陷评估值；根据所述整体缺陷评估值判断所述消防水带的质量。
[0012]本专利技术还提出了一种基于计算机视觉的消防水带缺陷检测系统，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计算机视觉的消防水带缺陷检测方法的步骤。
[0013]本专利技术具有如下有益效果：1.本专利技术实施例通过将图像中的边缘信息转换至霍夫空间，避免了因为复杂的纹理信息的影响直接分析图像造成误判漏判。通过霍夫空间中的霍夫曲线和高亮点的位置信息对纹理边缘进行分类识别，使得每个第一聚类簇代表一段纹理边缘，因为消防水带织物层规律分布，即每段纹理边缘的长度应一致，因此可通过第一聚类簇的样本数量筛选出第一缺陷区域。进一步考虑到异常纹理边缘对平行相邻纹理边缘的影响，获得第二缺陷区域。第二缺陷区域表示了属于不同直线的纹理边缘之间的缺陷，第一缺陷区域表示共线的纹理边缘上的缺陷，通过两个缺陷区域的检测提高了对消防水带的缺陷检测效率和检测精度。
[0014]2.本专利技术实施例利用稠密光流法分析连续多帧的消防水带图像，以异常帧的图像信息进行缺陷定位，能够缩短缺陷检测的时间，实现自动化缺陷检测，提高检测效率。
附图说明
[0015]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。
[0016]图1为本专利技术一个实施例所提供的一种基于计算机视觉的消防水带缺陷检测方法流程图；图2为本专利技术一个实施例所提供的一个消防水带示意图。
具体实施方式
[0017]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计算机视觉的消防水带缺陷检测方法及系统，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。
[0018]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。
[0019]下面结合附图具体的说明本专利技术所提供的一种基于计算机视觉的消防水带缺陷检测方法及系统的具体方案。
[0020]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计算机视觉的消防水带缺陷检测方法流程图，该方法包括：步骤S1：获取连续多帧的消防水带图像；对所述消防水带图像进行稠密光流法检测，获得异常帧图像；获得所述异常帧图像中的异常区域。
[0021]消防水带具有一定的长度，因此为了实现自动化缺陷检测和增加检测效率，缩短检测时间，在本专利技术实施例中，将消防水带放置在传送带上，使消防水带沿纹理一致的方向进行匀速运动。在传送带上方设置相机，相机的位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉的消防水带缺陷检测方法，其特征在于，所述方法包括：获取连续多帧的消防水带图像；对所述消防水带图像进行稠密光流法检测，获得异常帧图像；获得所述异常帧图像中的异常区域；获取所述异常区域的纹理边缘；将所述纹理边缘的像素点映射至霍夫空间中，获得多条霍夫曲线；将所述霍夫空间中大于等于预设投票阈值的投票点作为高亮点；根据所述霍夫曲线的形态特征对所述高亮点对应的所述霍夫曲线进行聚类，获得多个第一聚类簇；将簇内样本数量大于预设样本数量阈值的所述第一聚类簇作为异常簇；根据所述异常簇对应的所述纹理边缘的位置获得第一缺陷区域，具体包括：根据所述异常簇对应的所述高亮点获得与所述异常簇共线的正常纹理边缘；根据所述异常簇对应的所述纹理边缘与所述正常纹理边缘的相对位置获得所述第一缺陷区域的位置；根据所述异常簇与所述样本数量阈值的差异获得所述第一缺陷区域的范围大小；若所述第一聚类簇对应平行的所述纹理边缘之间的距离与预设标准边缘距离相比出现异常，则将对应的所述纹理边缘作为异常纹理边缘；根据所述异常纹理边缘的位置获得异常区域；将相邻的所述异常区域合并，获得第二缺陷区域。2.根据权利要求1所述的一种基于计算机视觉的消防水带缺陷检测方法，其特征在于，所述获取所述异常区域的纹理边缘包括：利用Sobel算子处理所述异常区域，获得多个所述纹理边缘。3.根据权利要求1所述的一种基于计算机视觉的消防水带缺陷检测方法，其特征在于，所述将所述纹理边缘的像素点映射至霍夫空间中，获得多条霍夫曲线包括：将图像坐标系中的所述纹理边缘的像素点转换至极坐标系下，将极坐标系中的像素点映射至霍夫空间，获得多条所述霍夫曲线。4.根据权利要求3所述的一种基于计算机视觉的消防水带缺陷检测方法，其特征在于，所述根据所述霍夫曲线的形态特征对所述高亮点对应的所...

【专利技术属性】
技术研发人员：郑尔娟，
申请(专利权)人：南通森田消防装备有限公司，
类型：发明
国别省市：