用于墙板模具自动清理机的污渍识别方法技术

本发明专利技术涉及图像识别领域，具体涉及一种用于墙板模具自动清理机的污渍识别方法，包括：根据最小可达范围和同类数量获得异常像素点的密度，根据密度获得所有种子像素点以及对应的超像素块；计算超像素块的空间结构参数和灰度结构参数，根据聚类标签获得两个超像素块的合并必要度；对所有超像素块进行合并获得所有可信区域；根据所有噪声像素点的所有方向噪声点获得中值滤波核的尺寸；根据中值滤波核对墙板模具图像滤波去噪，根据污渍像素点的附着度获得喷洗点并进行清洗。本发明专利技术准确地去除料浆分散区域中的噪声像素点而保留属于料浆的像素点，保留细节信息同时提高后续污渍区域识别的准确度，避免了反复清洗和全局清洗而造成的资源浪费。资源浪费。资源浪费。

【技术实现步骤摘要】
用于墙板模具自动清理机的污渍识别方法


[0001]本专利技术涉及图像识别领域，具体涉及一种用于墙板模具自动清理机的污渍识别方法。

技术介绍

[0002]新型高分子材料轻质墙板成型需要使用金属模具进行浇筑，尽管在浇筑前模具上涂有脱模剂，但浇筑后难免有料浆残留形成污渍，若清洗不完全会影响下批浇筑墙板的质量。由于纯人工清洗的效率低下，通常采用设备进行自动清洗，自动清洗需要借助厂房正上方的监控系统来辅助自动清洗设备完成清理作业，监控系统搭载的图像传感器会自动将墙板模具上残留的料浆识别为污渍区域，然后控制清洗设备对污渍区域进行冲水、擦洗。识别污渍区域的目的是为了精准的定位污渍位置，控制水枪喷头对污渍区域进行冲洗，避免了反复清洗和全局清洗造成的资源浪费。
[0003]监控系统运行时间较长产生白噪声是普遍发生的问题，因此大部分监控系统都包含图像预处理的功能。通过常规的降噪、去噪算法对监控图像进行预处理，只是提高了监控图像在人眼视觉的辨识度，只适用于监控系统辅助人工清洗作业时；在基于监控系统进行自动清洗时，通过常规滤波、去噪算法对监控图像进行预处理时，会将监控图像中的部分细节信息一并去除，极大影响了后续污渍区域识别的准确度。
[0004]如何对监控图像进行滤波，保证去除噪声的同时，保留监控图像中的细节信息，提高后续污渍区域识别的准确度，精准的定位污渍位置，避免了反复清洗和全局清洗造成的资源浪费。

技术实现思路

[0005]为了解决上述问题，本专利技术提供用于墙板模具自动清理机的污渍识别方法，所述方法包括：获取墙板模具图像所有异常像素点；对于任意一个异常像素点，根据异常像素点的局部可达范围半径获得异常像素点的最小可达范围和同类数量，根据异常像素点的最小可达范围和同类数量获得异常像素点的密度，将密度大于密度阈值的异常像素点作为种子像素点；获得所有种子像素点，根据所有种子像素点的最小可达范围获得所有超像素块；对于任意一个超像素块，计算超像素块的空间结构参数和灰度结构参数，将超像素块的空间结构参数和灰度结构参数作为超像素块的聚类标签；获得所有超像素块的聚类标签；对于任意两个超像素块，根据两个超像素块的聚类标签获得两个超像素块的合并必要度；将合并必要度大于合并阈值的两个超像素块进行合并，根据任意两个超像素块的合并必要度对所有种子像素点对应的超像素块进行合并，将合并后的每个超像素块对应的区域记为可信区域，获得墙板模具图像上的所有可信区域；
将所有可信区域中梯度幅值大于梯度阈值的像素点记为噪声像素点，获取噪声像素点在所有邻域方向上的方向噪声点，根据所有噪声像素点的所有方向噪声点获得中值滤波核的尺寸；根据所述尺寸的中值滤波核对墙板模具图像进行滤波去噪，获得去噪后的墙板模具图像上的所有污渍像素点；计算所有污渍像素点的附着度，将附着度大于附着阈值的污渍像素点作为喷洗点，并利用水枪喷头进行清洗。
[0006]进一步地，所述根据异常像素点的局部可达范围半径获得异常像素点的最小可达范围和同类数量的步骤包括：将灰度值的差值不大于5的两个像素点为同类像素点；将异常像素点的8个邻域方向分别记为1邻域方向到8邻域方向，对异常像素点按照邻域方向进行搜索，获得在邻域方向上距离该异常像素点距离最近且和该异常像素点属于同类像素点的异常像素点，记为该异常像素点的方向同类点；获得该异常像素点在8个邻域方向上的方向同类点；将8个方向同类点与该异常像素点的所有欧式距离中的最大值作为该异常像素点的局部可达范围半径，将以像素点为中心且以该像素点的局部可达范围半径为半径的圆形区域，作为该异常像素点的最小可达范围；统计获得在该异常像素点的最小可达范围内且和该异常像素点属于同类像素点的所有异常像素点的数量，记为该异常像素点的同类数量。
[0007]进一步地，所述根据异常像素点的最小可达范围和同类数量获得异常像素点的密度的步骤包括：第个异常像素点的密度的计算公式为：式中，表示第个异常像素点的密度，表示第个异常像素点的同类数量，表示第个异常像素点的最小可达范围的面积，表示第个异常像素点的局部可达范围半径。
[0008]进一步地，所述计算超像素块的空间结构参数的步骤包括：第个种子像素点对应的超像素块的空间结构参数的计算公式为：式中，表示第个种子像素点对应的超像素块的空间结构参数，表示在超像素块内，第个种子像素点的邻域方向上的和第个种子像素点属于同类像素点的第个异常像素点，，表示异常像素点的坐标，，为第个种子像素点的坐标，表示第个种子像素点的邻域方向上的和第个种子像素点属于同类像素点的异常像素点的数量。
[0009]进一步地，所述计算超像素块的灰度结构参数的步骤包括：
第个种子像素点对应的超像素块的灰度结构参数的计算公式为：式中，表示第个种子像素点对应的超像素块的灰度结构参数，表示超像素块内所有灰度值的数量，表示灰度值等于灰度值的所有像素点的数量，表示第个灰度值，表示第个种子像素点的局部可达范围半径。
[0010]进一步地，所述根据两个超像素块的聚类标签获得两个超像素块的合并必要度的步骤包括：对于第个种子像素点对应的超像素块和第个种子像素点对应的超像素块，计算超像素块和超像素块的合并必要度的计算公式为：式中，表示超像素块和超像素块的合并必要度，表示第个种子像素点对应的超像素块的空间结构参数，表示第个种子像素点对应的超像素块的空间结构参数，表示第个种子像素点对应的超像素块的灰度结构参数，表示第个种子像素点对应的超像素块的灰度结构参数，表示第个种子像素点与第个种子像素点的欧式距离，表示双曲正切函数，表示L2范数。
[0011]进一步地，所述根据所有噪声像素点的所有方向噪声点获得中值滤波核的尺寸的步骤包括：中值滤波核的尺寸的计算公式为：式中，表示中值滤波核的尺寸，表示所有可信区域中的所有噪声像素点的数量，表示第个噪声像素点与该噪声像素点的方向噪声点的欧式距离。
[0012]进一步地，所述计算所有污渍像素点的附着度的步骤包括：获得以污渍像素点为中心以喷水半径为半径的圆形区域，统计获得该圆形区域中所有污渍像素点的数量，将圆形区域中所有污渍像素点的数量与圆形区域的面积的比值作为污渍像素点的附着度。
[0013]本专利技术实施例至少具有如下有益效果：1、由于受到噪声干扰，常规方法如超像素分割算法无法将料浆密集区域从墙板模具图像上完整地分割出来，本专利技术根据异常像素点的密度从所有异常像素点中筛选种子像素点，保证了所有种子像素点都属于墙板模具图像中料浆密集区域中属于料浆的像素点，
则基于种子像素点获得超像素块属于料浆密集区域，能够将料浆密集区域从墙板模具图像上完整地分割出来，进而保证能够准确地获得噪声像素点在料浆密集区域的分布特性。
[0014]2、由于料浆分散区域中属于料浆的像素点与噪声像素点的分布都比较分散，现有方法如阈值分割等对料浆分散区域中属于料浆的像素点与噪声像素点难以区分，本专利技术结合噪声像素点在料浆密集区域和料浆分散区域具有相同的分布特性，以及噪声像素点在料浆密集区域容易与噪声像素点进行区分的特点，根据噪声像素点在料浆密集区本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于墙板模具自动清理机的污渍识别方法，其特征在于，所述方法包括：获取墙板模具图像所有异常像素点；对于任意一个异常像素点，根据异常像素点的局部可达范围半径获得异常像素点的最小可达范围和同类数量，根据异常像素点的最小可达范围和同类数量获得异常像素点的密度，将密度大于密度阈值的异常像素点作为种子像素点；获得所有种子像素点，根据所有种子像素点的最小可达范围获得所有超像素块；对于任意一个超像素块，计算超像素块的空间结构参数和灰度结构参数，将超像素块的空间结构参数和灰度结构参数作为超像素块的聚类标签；获得所有超像素块的聚类标签；对于任意两个超像素块，根据两个超像素块的聚类标签获得两个超像素块的合并必要度；将合并必要度大于合并阈值的两个超像素块进行合并，根据任意两个超像素块的合并必要度对所有种子像素点对应的超像素块进行合并，将合并后的每个超像素块对应的区域记为可信区域，获得墙板模具图像上的所有可信区域；将所有可信区域中梯度幅值大于梯度阈值的像素点记为噪声像素点，获取噪声像素点在所有邻域方向上的方向噪声点，根据所有噪声像素点的所有方向噪声点获得中值滤波核的尺寸；根据所述尺寸的中值滤波核对墙板模具图像进行滤波去噪，获得去噪后的墙板模具图像上的所有污渍像素点；计算所有污渍像素点的附着度，将附着度大于附着阈值的污渍像素点作为喷洗点，并利用水枪喷头进行清洗。2.根据权利要求1所述的用于墙板模具自动清理机的污渍识别方法，其特征在于，所述根据异常像素点的局部可达范围半径获得异常像素点的最小可达范围和同类数量的步骤包括：将灰度值的差值不大于灰度阈值的两个像素点为同类像素点；将异常像素点的8个邻域方向分别记为1邻域方向到8邻域方向，对异常像素点按照邻域方向进行搜索，获得在邻域方向上距离该异常像素点距离最近且和该异常像素点属于同类像素点的异常像素点，记为该异常像素点的方向同类点；获得该异常像素点在8个邻域方向上的方向同类点；将8个方向同类点与该异常像素点的所有欧式距离中的最大值作为该异常像素点的局部可达范围半径，将以像素点为中心且以该像素点的局部可达范围半径为半径的圆形区域，作为该异常像素点的最小可达范围；统计获得在该异常像素点的最小可达范围内且和该异常像素点属于同类像素点的所有异常像素点的数量，记为该异常像素点的同类数量。3.根据权利要求1所述的用于墙板模具自动清理机的污渍识别方法，其特征在于，所述根据异常像素点的最小可达范围和同类数量获得异常像素点的密度的步骤包括：第个异常像素点的密度的计算公式为：式中，表示第个...

【专利技术属性】
技术研发人员：陈德鹏，刘洪彬，刘革，
申请(专利权)人：山东天意装配式建筑装备研究院有限公司，
类型：发明
国别省市：