基于有限元方法的小件玻璃制品的视觉检测方法及系统技术方案

本发明专利技术涉及图像处理技术领域，尤其涉及基于有限元方法的小件玻璃制品的视觉检测方法及系统，包括采集带有瑕疵的玻璃制品图像；构建DLHPDE模型，并通过DLHPDE模型计算权重值；利用有限元方法改进DLHPDE模型，并根据不同的权重值求解偏微分方程；输出降噪后的图像。本发明专利技术利用偏微分方程图像处理中DLHPDE模型，通过有限元方法求解模型数值解，解决现有技术在玻璃制品图像检测去噪处理过程中的弱边缘化问题，有限元方法的计算精度高，能逼近几何形状复杂的区域边界，有效提高有限元前处理的效率。率。率。

【技术实现步骤摘要】
基于有限元方法的小件玻璃制品的视觉检测方法及系统


[0001]本专利技术涉及图像处理
，尤其涉及基于有限元方法的小件玻璃制品的视觉检测方法及系统。

技术介绍

[0002]小件玻璃制品的瑕疵检测是把控手机质量的关键步骤，目前多数实践中采用人眼检测小件玻璃制品的瑕疵，但人眼检测的精确度和产量均不及工业自动化视觉检测。
[0003]对于玻璃制品，在一般环境光下玻璃为透明、半透明状态，如果在图像处理过程中对原始图像进行过多的图像处理，比如弱边缘化，很容易导致真实数值出现失真，导致检测不准确或者错误。
[0004]在视觉检测过程中，对成像的图像通常需要去噪处理以保证瑕疵检测的实现，而通常的去噪算法会导致弱边缘化，利用偏微分方程图像处理可以有效缓解弱边缘化的影响。
[0005]现有技术中的方法如有限差分法，是偏微分方程图像处理中求解方程的主要工具，而有限差分法实现的精度是有限的且对几何区域的要求较高。

技术实现思路

[0006]针对现有算法的不足，本专利技术利用偏微分方程图像处理中DLHPDE模型，通过有限元方法求解模型数值解，解决现有技术在玻璃制品图像检测去噪处理过程中的弱边缘化问题，有限元方法的计算精度高，能逼近几何形状复杂的区域边界，有效提高有限元前处理的效率。
[0007]本专利技术所采用的技术方案是：一种基于有限元方法的小件玻璃制品的视觉检测方法包括以下步骤：
[0008]步骤一、采集带有瑕疵的玻璃制品图像；
[0009]进一步的，瑕疵包括：划伤、崩边、凹凸点、缺墨、漏光、溢墨、白点、发白、棱镜伤、点伤、浮尘、棱镜脏污、点子。
[0010]步骤二、构建DLHPDE模型，并通过DLHPDE模型计算权重值；
[0011]进一步的，权重值公式为：
[0012][0013]其中，P
x,y
和P
x',y'
为以像素点u
x,y
为中心和以像素点u
x',y'
为中心的图像块，δ表示图像块P
x,y
的邻域块集合。
[0014]步骤三、利用有限元方法改进DLHPDE模型，并根据不同的权重值求解偏微分方程；
[0015]进一步的，具体包括：
[0016]步骤31、定义有限元空间；
[0017]进一步的，具体包括：
[0018]设图像的四个网格节点的坐标分别是A1(x1,y1),A2(x2,y2),A3(x3,y3),A4(x4,y4)，基函数分别为：
[0019][0020][0021][0022][0023]令多项式空间S
h
满足：
[0024][0025]其中，为完备的Hilbert空间，P2(τ)表示τ上的二次多项式，V
h
为有限元空间；
[0026]令有限元空间V
h
满足：
[0027][0028]其中，T是T
h
的任意元素，p
j
(x,y)为基函数，a
j
(t)为任意与t有关的连续函数，E是时间截点；
[0029]则有限元空间的任意元素表示为
[0030]步骤32、利用变分原理将偏微分方程转换为逼近问题，并将逼近问题离散获得离散问题；
[0031]进一步的，具体包括：
[0032]对时间区间[0,E]离散，设0＝t0＜t1＜...＜t
N
＝E,I
n
＝(t
n
,t
n+1
]，时间步长Δt＝t
n+1
‑
t
n
，n＝0,1,2,...,N
‑
1；定义时空区域X＝Ω
×
[0,E]，其中，Ω为图像对应区域，在时刻t
n
，
[0033]当h
→
0时，将扩散模型变分得到：
[0034][0035]其中，u、
[0036]利用向后Euler法进行时间离散得到：
[0037][0038]设图像大小为M*N，求解PM模型部分的解变为：
[0039]已知求解
[0040]其中，N
’
＝M*N；
[0041]步骤33、利用有限元方法将离散问题转为线性方程组，并求解线性方程组；
[0042]进一步的，具体包括：
[0043]当h趋于0时，将迭代格式离散为矩阵形式，有：
[0044][0045]设N
’
＝M*N，A
’
为N
’
*N
’
矩阵，B为N
’
*1矩阵，F为N
’
*1矩阵，则离散问题的矩阵形式为：
[0046]A
’
*B＝F
[0047]其中，A'
i,j
为矩阵A
’
中第i行，第j列的元素；B
j
为矩阵B中第j行的元素，F
j
为矩阵F中第j行的元素；
[0048]从而问题转化为求：
[0049]B＝A'
‑1F
[0050]进一步的，还包括：
[0051]当h不趋于0时，像素点为降噪点，扩散模型迭代问题可以转变为：
[0052][0053]将迭代问题离散为矩阵形式有：
[0054]设W为N
’
*N
’
矩阵，B为N
’
*1矩阵，Q为N
’
*1矩阵，则离散问题的矩阵形式为：
[0055]WB＝Q，
[0056]其中，
[0057][0058]其中，B
j
为矩阵B中第j行的元素，Q
j
为矩阵Q中第j行的元素；
[0059]从而问题转化为求：
[0060]B＝W
‑1Q。
[0061]步骤四、输出降噪后的图像。
[0062]基于有限元方法的小件玻璃制品的视觉检测方法的系统，包括：
[0063]采集模块，用于采集带有瑕疵的玻璃制品图像；
[0064]第一计算模块，用于构建DLHPDE模型，并通过DLHPDE模型计算权重值；
[0065]第二计算模块，利用有限元方法改进DLHPDE模型，并根据不同的权重值求解偏微分方程；
[0066]输出模块、用于输出降噪后的图像。
[0067]本专利技术的有益效果：
[0068]1、对受噪声影响的玻璃制品图像分别进行ID模型、PM模型和DLHPDE模型的去噪处
理，DLHPDE模型更好的保护边缘信息；
[0069]2、在DLHPDE模型基础上利用FDM、FEM对图像进行去噪，FEM对应的信噪比为37.14，FDM对应的信噪比为11.21，FEM方法较FDM方法有更好的去噪效果。
附图说明
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于有限元方法的小件玻璃制品的视觉检测方法，其特征在于，包括以下步骤：步骤一、采集带有瑕疵的玻璃制品图像；步骤二、构建DLHPDE模型，并通过DLHPDE模型计算权重值；步骤三、利用有限元方法改进DLHPDE模型，并根据不同的权重值求解偏微分方程；步骤四、输出降噪后的图像。2.根据权利要求1所述的基于有限元方法的小件玻璃制品的视觉检测方法，其特征在于，步骤一种的瑕疵包括：划伤、崩边、凹凸点、缺墨、漏光、溢墨、白点、发白、棱镜伤、点伤、浮尘、棱镜脏污、点子。3.根据权利要求1所述的基于有限元方法的小件玻璃制品的视觉检测方法，其特征在于，步骤二中的权重值计算公式为：其中，P
x,y
和P
x',y'
为以像素点u
x,y
为中心和以像素点u
x',y'
为中心的图像块，δ表示图像块P
x,y
的邻域块集合。4.根据权利要求1所述的基于有限元方法的小件玻璃制品的视觉检测方法，其特征在于，步骤三具体包括：步骤31、定义有限元空间；步骤32、利用变分原理将偏微分方程转换为逼近问题，并将逼近问题离散获得离散问题；步骤33、利用有限元方法将离散问题转为线性方程组，并求解线性方程组。5.根据权利要求4所述的基于有限元方法的小件玻璃制品的视觉检测方法，其特征在于，步骤31具体包括：设图像的四个网格节点的坐标分别是A1(x1,y1),A2(x2,y2),A3(x3,y3),A4(x4,y4)，基函数分别为：数分别为：数分别为：数分别为：令多项式空间S
h
满足：其中，为完备的Hilbert空间，P2(τ)表示τ上的二次多项式，V
h
为有限元空间；令有限元空间V
h
满足：
其中，T是T
h
的任意元素，p
j
(x,y)为基函数，a
j
(t)为任意与t有关的连续函数，E是时间截点；则有限元空间的任意元素表示为6.根据权利要求4所述的基于有限元方法的小件玻璃制品的视觉检测方法，其特征在于，步骤32具体包括：对时间区间[0,E]离散，设0＝t0＜t1＜...＜t
N
＝E,I
n
＝(t

【专利技术属性】
技术研发人员：郝婷婷，巢雁楠，钱荣盛，
申请(专利权)人：江苏省中以产业技术研究院，
类型：发明
国别省市：