基于图像理解的深海渔网生产过程缺陷检测方法技术

本发明专利技术涉及图像处理技术领域，具体涉及一种基于图像理解的深海渔网生产过程缺陷检测方法，该方法获取深海渔网的每个渔网区域的渔网图像，得到对应的灰度图像；获取灰度图像中的扭转间隔区，基于倾斜角度和质心得到同向扭转间隔区，由同向扭转间隔区确认网结区；将网结区划分为多个同行网结区，获取每个同行网结区的网结离散度和同行距离均衡度，以得到每个同行网结区的网结分布均衡度；结合网结离散度和网结分布均衡度获取每张灰度图像的网结质量指数，根据网结质量指数对深海渔网进行质量评价。利用网结的分布均匀性和大小均匀性，间接体现渔网网目的排布情况，使得深海渔网的质量检测结果更加准确便捷。量检测结果更加准确便捷。量检测结果更加准确便捷。

【技术实现步骤摘要】
基于图像理解的深海渔网生产过程缺陷检测方法


[0001]本专利技术涉及图像处理
，具体涉及一种基于图像理解的深海渔网生产过程缺陷检测方法。

技术介绍

[0002]中国渔网的消费量每年超过700千吨，且消费量逐年增长，其中，渔网消费量占比最高的地区为近海地区，这些渔网消费主要用于商业和鱼类产品，也有部分出口到国外。在渔网需求火爆的同时，其下游应用也丰富而广泛，市场潜力巨大。目前，深海渔网依靠高强度的材料、新颖合理的结构以及可降低劳动成本的优势成为渔网中的黑马，深受市场的欢迎。但深海渔网的生产技术壁垒较高，需要品质更高的新型高强度材料作为原材料，辅以专业技术进行生产，以保证深海渔网在强度较好的基础上实现更合理的结构。虽然深海渔网的生产过程采用了更加完善的方法，但在深海渔网售出之前也需要进行专业的质量检测。
[0003]深海渔网为保证达到使用需求，一般尺寸较大，仅网口尺寸可达120米*80米，为保证使用强度，渔网整体质量也较大，所以进行质量检测也较为复杂。现有渔网质量检测方法是利用渔网图像训练神经网络，通过训练好的神经网络确认渔网质量，但训练神经网络需要大量的渔网图像，因此基于不同质量程度的渔网图像的限制，导致神经网络确认的渔网质量存在误差。

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理解的深海渔网生产过程缺陷检测方法，所采用的技术方案具体如下：将深海渔网划分为多个渔网区域，得到每个渔网区域的渔网图像；获取每张渔网图像的灰度图像；获取当前灰度图像中麻花状纹理的单个纹理所对应的扭转间隔区；获取每个扭转间隔区的倾斜角度和质心，计算任意两个扭转间隔区的质心距离，基于质心距离和所述倾斜角度得到多个同向扭转间隔区，其中所述同向扭转间隔区至少包括两个扭转间隔区；基于所述同向扭转间隔区获取目标扭转间隔区，对目标扭转间隔区进行聚类得到多个簇，获取每个簇的凸包，凸包的位置为网结区；基于网结区的纵坐标范围将网结区划分为多个同行网结区，所述同行网结区至少包括两个网结区；根据每个网结区中的像素点数量获取每个同行网结区的网结离散度；根据同行网结区中相邻网结区的纵坐标范围计算每个网结区的相邻重叠度，由每个网结区的相邻重叠度计算所属同行网结区的同行重叠度；根据同行网结区中每个网结区与其左右相邻网结区的最小距离计算对应网结区的相邻距离均衡度，结合每个网结区的相邻距离均衡度得到所属同行网结区的同行距离均衡度；将同行重叠度与同行距离均衡度的比值作为对应同行网结区的网结分布均衡度；获取当前灰度图像中每个同行网结区的网结分布均衡度，结合每个同行网结区的
网结离散度和网结分布均衡度获取当前灰度图像的网结质量指数；根据每张灰度图像的网结质量指数对深海渔网进行质量评价。
[0005]进一步的，所述获取当前灰度图像中麻花状纹理的单个纹理所对应的扭转间隔区的方法，包括：使用OTSU大津法获取当前灰度图像中渔网网绳对应的区域；将麻花状纹理中单个纹理间的缝隙所对应的像素点的灰度值标记为1，其余像素点的灰度值标记为0，得到渔网网绳对应的区域的二值图像，对二值图像中灰度值为0的像素点进行连通域分析，每个连通域即为一个扭转间隔区。
[0006]进一步的，所述倾斜角度的获取方法，包括：对扭转间隔区的像素点进行直线拟合，得到拟合直线，拟合直线与水平方向的夹角为扭转间隔区的倾斜角度。
[0007]进一步的，所述基于质心距离和倾斜角度得到多个同向扭转间隔区的方法，包括：基于质心距离，分别获取每个扭转间隔区的质心距离的最小值所对应的扭转间隔区作为相邻扭转间隔区；当每个扭转间隔区与其相邻扭转间隔区的倾斜角度的差值绝对值小于差值阈值时，确认对应的这两个扭转间隔区是同向的，并将这两个扭转间隔区作为一个同向扭转间隔区，当其他扭转间隔区与这两个同向的扭转间隔区是同向时，将其他扭转间隔区并入这两个扭转间隔区对应的同向扭转间隔区中，进而得到多个同向扭转间隔区。
[0008]进一步的，所述同行网结区的获取方法，包括：基于每个像素点的纵坐标获取每个网结区的纵坐标范围，将存在至少二分之一的重叠的纵坐标范围的网结区组成同行网结区。
[0009]进一步的，所述网结离散度的获取方法，包括：对以第一常数系数为分母、网结区中的像素点数量为分子的比值取整，作为每个网结区的网结规模度，获取平均网结规模度，将每个网结规模度与平均网结规模度的差值绝对值进行相加得到网结离散度。
[0010]进一步的，所述同行重叠度的方法，包括：获取当前网结区与其所在同行网结区中左右相邻的网结区的纵坐标范围的重叠长度，并取这三个网结区的纵坐标范围对应的最大长度，以最大长度为分母、重叠长度为分子的比值即为当前网结区的相邻重叠度；获取同行网结区中每个网结区的相邻重叠度，并计算相邻重叠度的标准差以及相邻重叠度总和；获取标准差与相邻重叠度总和的比值，将比值与同行网结区所包含的网结区数量的倒数的乘积作为对应同行网结区的同行重叠度。
[0011]进一步的，所述同行距离均衡度的获取方法，包括：分别计算当前网结区中的每个像素点与其左相邻网结区中的每个像素点之间的距离，将距离的最小值作为当前网结区与其左相邻网结区的最小左距离；获取当前网结区与其右相邻网结区的最小右距离；对以第二常数系数为分母、最小左距离为分子的比值取整，作为优化左距离；对以第二常数系数为分母、最小右距离为分子的比值取整，作为优化右距离；将优化左距离和优化右距离的比值作为当前网结区的相邻距离均衡度；获取同行网结区中每个网结区的相邻距离均衡度，利用调节系数对每个相邻距离
均衡度进行调节，将调节后的相邻距离均衡度的均值作为同行网结区的同行距离均衡度。
[0012]进一步的，所述结合每个同行网结区的网结离散度和网结分布均衡度获取当前灰度图像的网结质量指数的方法，包括：根据每个同行网结区的网结离散度计算平均网结离散度；根据每个同行网结区的网结分布均衡度计算平均网结分布均衡度；将以平均网结离散度为分母、平均网结分布均衡度为分子的比值作为网结质量指数。
[0013]进一步的，所述根据每张灰度图像的网结质量指数对深海渔网进行质量评价的方法，包括：设定网结质量阈值，当任意一张灰度图像的网结质量指数小于网结质量阈值时，确认深海渔网存在质量缺陷。
[0014]本专利技术实施例至少具有如下有益效果：将深海渔网分为多个渔网区域，采集每个渔网区域的渔网图像，基于渔网图像中渔网网绳的麻花状纹理特征，获取渔网图像中单个纹理对应的扭转间隔区，以方便后续更加清楚的确定网结位置；基于扭转间隔区的纹理方向一致性和近距离特征，确定渔网图像中的所有网结区，根据网结区的纵坐标范围确认处于同行的网结区，称为同行网结区，借助网结区的分布均匀性和大小均匀性，分析每个同行网结区的同行重叠度与同行距离均衡度，用于间接体现渔网网目的排布情况，进而结合同行重叠度与同行距离均衡度计算每个同行网结区的网结分布均衡度，根据渔网图像中所有同行网结区的网结分布均衡度确认渔网图像对应渔网区域的网结质量指数，减少了渔网网目的各个边缘对深海渔网的质量检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像理解的深海渔网生产过程缺陷检测方法，其特征在于，该方法包括以下步骤：将深海渔网划分为多个渔网区域，得到每个渔网区域的渔网图像；获取每张渔网图像的灰度图像；获取当前灰度图像中麻花状纹理的单个纹理所对应的扭转间隔区；获取每个扭转间隔区的倾斜角度和质心，计算任意两个扭转间隔区的质心距离，基于质心距离和所述倾斜角度得到多个同向扭转间隔区，其中所述同向扭转间隔区至少包括两个扭转间隔区；基于所述同向扭转间隔区获取目标扭转间隔区，对目标扭转间隔区进行聚类得到多个簇，获取每个簇的凸包，凸包的位置为网结区；基于网结区的纵坐标范围将网结区划分为多个同行网结区，所述同行网结区至少包括两个网结区；根据每个网结区中的像素点数量获取每个同行网结区的网结离散度；根据同行网结区中相邻网结区的纵坐标范围计算每个网结区的相邻重叠度，由每个网结区的相邻重叠度计算所属同行网结区的同行重叠度；根据同行网结区中每个网结区与其左右相邻网结区的最小距离计算对应网结区的相邻距离均衡度，结合每个网结区的相邻距离均衡度得到所属同行网结区的同行距离均衡度；将同行重叠度与同行距离均衡度的比值作为对应同行网结区的网结分布均衡度；获取当前灰度图像中每个同行网结区的网结分布均衡度，结合每个同行网结区的网结离散度和网结分布均衡度获取当前灰度图像的网结质量指数；根据每张灰度图像的网结质量指数对深海渔网进行质量评价。2.如权利要求1所述的基于图像理解的深海渔网生产过程缺陷检测方法，其特征在于，所述获取当前灰度图像中麻花状纹理的单个纹理所对应的扭转间隔区的方法，包括：使用OTSU大津法获取当前灰度图像中渔网网绳对应的区域；将麻花状纹理中单个纹理间的缝隙所对应的像素点的灰度值标记为1，其余像素点的灰度值标记为0，得到渔网网绳对应的区域的二值图像，对二值图像中灰度值为0的像素点进行连通域分析，每个连通域即为一个扭转间隔区。3.如权利要求1所述的基于图像理解的深海渔网生产过程缺陷检测方法，其特征在于，所述倾斜角度的获取方法，包括：对扭转间隔区的像素点进行直线拟合，得到拟合直线，拟合直线与水平方向的夹角为扭转间隔区的倾斜角度。4.如权利要求1所述的基于图像理解的深海渔网生产过程缺陷检测方法，其特征在于，所述基于质心距离和倾斜角度得到多个同向扭转间隔区的方法，包括：基于质心距离，分别获取每个扭转间隔区的质心距离的最小值所对应的扭转间隔区作为相邻扭转间隔区；当每个扭转间隔区与其相邻扭转间隔区的倾斜角度的差值绝对值小于差值阈值时，确认对应的这两个扭转间隔区是同向的，并将这两个扭转间隔区作为一个同向扭转间隔区，当其他扭转间隔区与这两个同向的扭转间隔区是同向时，将其他扭转间隔区并入这两个扭转间隔区对应的同向扭转间隔区中，进...

【专利技术属性】
技术研发人员：李宁，
申请(专利权)人：山东滨州八匹马塑料化纤制品有限公司，
类型：发明
国别省市：