基于人工智能的涂料色差快速检测方法技术

本发明专利技术涉及图像处理技术领域，具体涉及基于人工智能的涂料色差快速检测方法，包括：通过迭代分割阈值分割图像得到最佳分割阈值；对图像进行阈值分割并分析分割结果；计算异常连通域与正常区域的区分程度，再通过反光区域与异常连通域之间的距离，计算异常连通域受到光照的影响程度，结合二者，计算去除光照影响后异常连通域的区分程度；通过各个通道去除反光后异常连通域的区分程度，计算去除光照影响后各通道对图像异常连通域区分的贡献度，以此作为RGB图像灰度化的权值，将汽车喷漆图像进行灰度化处理。本发明专利技术避免了传统方法灰度化时，色差不明显导致阈值分割后的连通域不完整的情况。情况。情况。

【技术实现步骤摘要】
基于人工智能的涂料色差快速检测方法


[0001]本专利技术涉及图像处理
，具体涉及基于人工智能的涂料色差快速检测方法。

技术介绍

[0002]在汽车制造产业中，汽车销售的首先被观察到的是汽车的外观，汽车外观包括车型和颜色。颜色的好坏对汽车的销售具有重大影响。汽车在喷漆时对其喷漆效果的检测，喷漆时可能由于喷漆搅拌不均匀或者喷涂不均匀造成车漆颜色有色差。产品存在色差会严重的产品的销售，对产品出厂前的质量检测至关重要。
[0003]通过机器视觉去对汽车喷漆色差进行检测相对比通过人眼感官来说更加精准，识别的效率更高。当汽车喷漆存在色差时其灰度会存在差异采用阈值分割时存在色差的汽车分割结果出斑块状，分析其斑块状出现情况可以判断是否存在色差，但是图像中存在色差时灰度波动较小一般检测不出来同时反光区域的存在也会影响斑块状连通域情况的分析。
[0004]本专利技术采用阈值分割不同通道下图像，分析其连通域在不同通道下的表现能力，分析连通域内窗口的像素值的分布情况，降低反光区域带来的影响程度，通过每个连通域在不同通道下的表现能力，确定每个通道对图像区分的贡献度，根据贡献度获得每个通道的灰度化权值，根据权值进行灰度化获得色差区分明显的灰度图像。

技术实现思路

[0005]本专利技术提供基于人工智能的涂料色差快速检测方法，以解决现有的问题。
[0006]本专利技术的基于人工智能的涂料色差快速检测方法采用如下技术方案：本专利技术一个实施例提供了基于人工智能的涂料色差快速检测方法，该方法包括以下步骤：采集汽车图像；通过迭代分割阈值对汽车图像的灰度图像进行阈值分割，结合每个分割阈值对应的异常连通域的数量与异常连通域的面积，获取最佳分割阈值和异常连通域；通过异常连通域中边缘像素点的分布情况，计算异常连通域中各个边缘像素点对异常连通域形状的贡献程度；根据异常连通域中各个边缘像素点对异常连通域形状的贡献程度、异常连通域边界区域和正常区域的差异和异常连通域内像素点的像素值分布情况，计算异常连通域与正常区域的区分程度；通过图像中各个异常连通域与反光区域之间的距离，计算图像中各个异常连通域受到反光区域的影响程度；结合图像中各个异常连通域受到反光区域的影响程度与异常连通域与正常区域的区分程度，计算去除反光后异常连通域的区分程度；通过每个通道去除反光后异常连通域的区分程度，计算去除光照影响后各通道对
异常连通域的区分程度；通过去除光照影响后各通道对异常连通域的贡献程度,计算去除光照影响后各通道对图像异常连通域区分的贡献度；将每个通道对图像异常连通域区分的贡献度作为灰度化时每个通道的权值，对汽车图像进行灰度化处理；根据灰度化处理后的汽车图像的连通域的分布位置信息，判断汽车喷漆是否存在色差。
[0007]优选的，所述获取最佳分割阈值和异常连通域，包括的具体步骤如下：以分割阈值所分割出的连通域数量与连通域的面积的乘积达到最大时的分割阈值，作为分割汽车图像的最优分割阈值；根据最优分割阈值对汽车图像的灰度图像进行阈值分割，得到所有异常连通域。
[0008]优选的，所述计算异常连通域中各个边缘像素点对异常连通域形状的贡献程度，包括的具体步骤如下：通过设置一个3
×
3的滑动窗口，以异常连通域的边缘像素点为滑动窗口的中心点，沿异常连通域的边缘滑动，记录所有滑窗内异常边缘像素点的分布位置，根据相邻的两个滑窗内异常边缘像素点的分布位置，记录相邻的两个滑窗内异常边缘像素点的分布位置的差异数量，以此为依据计算这个两个窗口对异常域形状的贡献程度；式中，表示第个边缘像素点上的窗口与第个窗口之间的连通域形状的贡献程度；表示第个窗口内异常边缘像素点的分布位置；表示第个窗口内异常边缘像素点的分布位置的分布位置；为异或运算符号；表示第个窗口内与第个窗口内异常边缘像素点分布位置的差异数量；为Softmax归一化函数。
[0009]优选的，所述异常连通域与正常区域的区分程度的具体计算公式如下：式中，表示在通道中的第个异常连通域内像素点的像素值的方差，表示在通道中以第个异常连通域上的第个边缘像素点为中心点的3
×
3窗口中所有像素点的像素值均值，表示在通道中的汽车图像内正常像素点的像素值的均值，表
示在通道中第个异常连通域的第个边缘像素点上的窗口与第个窗口之间的连通域形状的贡献程度，表示在通道中第个异常连通域的边缘点数量，所计算的表示在通道中第个异常连通域与正常区域的区分程度，为Softmax归一化函数；同理，获得在通道中第个异常连通域与正常区域的区分程度和在通道中第个异常连通域与正常区域的区分程度。
[0010]优选的，所述图像中各个位置受到反光区域的影响程度的具体计算公式如下：式中，和和分别表示通道、通道和通的第个异常连通域的区分程度，、和分别表示在通道、通道和通道中第个异常连通域内像素点的像素值的方差，表示窗口内像素点像素值的平均值，表示窗口中心像素点到反光区域中心的距离，所计算的表示在通道中第个异常连通域内窗口受到反光影响程度；同理，获得在通道中第个异常连通域内窗口受到反光影响程度和在通道中第个异常连通域内窗口受到反光影响程度。
[0011]优选的，所述窗口中心像素点到反光区域中心的距离，包括的具体步骤如下：反光区域即为汽车图像中像素值最大的像素点所组成的区域，通过反光区域中的中心点的坐标与所选定的窗口的中心点的坐标，结合勾股定理，计算得窗口中心像素点到反光区域中心的距离。
[0012]优选的，所述去除反光后异常连通域的区分程度的具体计算公式如下：式中,表示在通道中的第个异常连通域内像素点的像素值的方差，表
示在通道中以第个异常连通域上的第个边缘像素点为中心点的3
×
3窗口中所有像素点的像素值均值，表示在通道中的汽车图像内正常像素点的像素值的均值，表示在通道中第个异常连通域的第个边缘像素点上的窗口与第个窗口之间的连通域形状的贡献程度，表示在通道中第个异常连通域的边缘点数量，表示在通道中第个连通域受到光照的影响程度，所计算的表示在通道中第个异常连通域去除光照影响后与正常区域的区分程度，为Softmax归一化函数；同理，获得在通道中第个异常连通域去除光照影响后与正常区域的区分程度和在通道中第个异常连通域去除光照影响后与正常区域的区分程度。
[0013]优选的，所述计算去除光照影响后各通道对异常连通域的区分程度，包括的具体步骤如下：将在各个通道中异常连通域去除光照影响后与正常区域的区分程度与所有通道中异常连通域去除光照影响后与正常区域的区分程度之和的比值，记为去除光照影响后各个通道对异常连通域的区分程度。
[0014]优选的，所述计算去除光照影响后各通道对图像异常连通域区分的贡献度，包括的具体步骤如下：将去除光照影响后各个通道对所有异常连通域的区分程度的均值，记为去除光照影响后各个通道对图像异常连通域区分的贡献度。
[0015]本专利技术的技术方案的有益效果是：通过采用阈值分割不同通道下图像，分析其连通域在不同通道下的表现能力，分析连通域内窗口的像素值的分布情况，降本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的涂料色差快速检测方法，其特征在于，该方法包括以下步骤：采集汽车图像；通过迭代分割阈值对汽车图像的灰度图像进行阈值分割，结合每个分割阈值对应的异常连通域的数量与异常连通域的面积，获取最佳分割阈值和异常连通域；通过异常连通域中边缘像素点的分布情况，计算异常连通域中各个边缘像素点对异常连通域形状的贡献程度；根据异常连通域中各个边缘像素点对异常连通域形状的贡献程度、异常连通域边界区域和正常区域的差异和异常连通域内像素点的像素值分布情况，计算异常连通域与正常区域的区分程度；通过图像中各个异常连通域与反光区域之间的距离，计算图像中各个异常连通域受到反光区域的影响程度；结合图像中各个异常连通域受到反光区域的影响程度与异常连通域与正常区域的区分程度，计算去除反光后异常连通域的区分程度；通过每个通道去除反光后异常连通域的区分程度，计算去除光照影响后各通道对异常连通域的区分程度；通过去除光照影响后各通道对异常连通域的贡献程度,计算去除光照影响后各通道对图像异常连通域区分的贡献度；将每个通道对图像异常连通域区分的贡献度作为灰度化时每个通道的权值，对汽车图像进行灰度化处理；根据灰度化处理后的汽车图像的连通域的分布位置信息，判断汽车喷漆是否存在色差。2.根据权利要求1所述基于人工智能的涂料色差快速检测方法，其特征在于，所述获取最佳分割阈值和异常连通域，包括的具体步骤如下：以分割阈值所分割出的连通域数量与连通域的面积的乘积达到最大时的分割阈值，作为分割汽车图像的最优分割阈值；根据最优分割阈值对汽车图像的灰度图像进行阈值分割，得到所有异常连通域。3.根据权利要求1所述基于人工智能的涂料色差快速检测方法，其特征在于，所述计算异常连通域中各个边缘像素点对异常连通域形状的贡献程度，包括的具体步骤如下：通过设置一个3
×
3的滑动窗口，以异常连通域的边缘像素点为滑动窗口的中心点，沿异常连通域的边缘滑动，记录所有滑窗内异常边缘像素点的分布位置，根据相邻的两个滑窗内异常边缘像素点的分布位置，记录相邻的两个滑窗内异常边缘像素点的分布位置的差异数量，以此为依据计算这个两个窗口对异常域形状的贡献程度；；式中，表示第个边缘像素点上的窗口与第个窗口之间的连通域形状的贡献程度；表示第个窗口内异常边缘像素点的分布位置；表示第个窗口内异常边
缘像素点的分布位置的分布位置；为异或运算符号；表示第个窗口内与第个窗口内异常边缘像素点分布位置的差异数量；为Softmax归一化函数。4.根据权利要求1所述基于人工智能的涂料色差快速检测方法，其特征在于，所述异常连通域与正常区域的区分程度的具体计算公式如下：；式中，表示在通道中的第个异常连通域内像素点的像素值的方差，表示在通道中以第个异常连通域上的第个边缘像素点为中心点的3
×
3窗口中所有像素点的像素值均值，表示在通道中的汽车图像内正常像素点的像素值的均值，表示在...

【专利技术属性】
技术研发人员：陈高峰，张凯，
申请(专利权)人：潍坊亚贝涂料有限公司，
类型：发明
国别省市：