System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及图像处理,具体涉及基于计算机视觉的金属钮扣表面缺陷检测方法。
技术介绍
1、随着金属制造业的发展,金属钮扣逐渐成为一种常见的服装辅料,不仅可以用于衣物的扣合,而且能点缀衣物。由于生产过程等原因,金属钮扣存在裂纹、刮痕、缺损等缺陷,为保证金属钮扣生产的高标准和高质量,需要对金属钮扣的表面缺陷进行检测。
2、在缺陷检测之前进行显著性检测可以帮助识别出图像中的重要区域或者目标,从而聚焦于这些区域或目标进行缺陷检测,提高缺陷检测任务的准确性和效率,目前应用较为广泛的显著性检测算法是hc算法。
3、然而hc算法作为一种基于颜色直方图的颜色对比度算法,仅基于颜色特征定义像素点的显著值,容易导致与正常区域颜色相似的缺陷像素点显著程度较低,影响后续缺陷检测结果的准确性。
技术实现思路
1、为了解决上述技术问题,本专利技术提供基于计算机视觉的金属钮扣表面缺陷检测方法,以解决现有的问题。
2、本专利技术的基于计算机视觉的金属钮扣表面缺陷检测方法采用如下技术方案:
3、本专利技术一个实施例提供了基于计算机视觉的金属钮扣表面缺陷检测方法,该方法包括以下步骤:
4、获取金属纽扣表面图像,并进行预处理;
5、采用大津阈值法获取剔除背景的金属纽扣表面图像灰度图;以各像素点为中心构建方形窗口,根据各方形窗口内像素点的灰度分布得到各方形窗口中心像素点的灰度波动因子;根据灰度波动因子与预设灰度波动因子阈值的差异提取疑似边界像素点及疑似缺
6、结合各像素点的自适应显著值利用语义分割神经网络实现对金属纽扣的表面缺陷检测。
7、进一步地,所述根据各方形窗口内像素点的灰度分布得到各方形窗口中心像素点的灰度波动因子,包括:
8、对于各像素点的方形窗口,计算窗口内各像素点灰度值与窗口内所有像素点的灰度值均值的差值,计算窗口内所有像素点的所述差值的平方的均值,将所述均值的归一化值作为窗口中心像素点的灰度波动因子。
9、进一步地,所述根据灰度波动因子与预设灰度波动因子阈值的差异提取疑似边界像素点及疑似缺陷像素点,记为待分析像素点,包括:
10、将灰度波动因子大于预设灰度波动因子阈值的像素点作为疑似边界像素点及疑似缺陷像素点,记为待分析像素点。
11、进一步地,所述根据各待分析像素点的所述方形窗口内像素点的梯度幅值的变化情况构建各待分析像素点的梯度变化系数,包括:
12、对于各待分析像素点的方形窗口,统计窗口内所有像素点的梯度幅值的最大值和最小值,计算所述最大值和所述最小值的差值,计算窗口内所有像素点的梯度幅值的标准差,将所述标准差与所述差值的乘积作为待分析像素点的梯度变化系数。
13、进一步地,所述根据待分析像素点与相邻像素点的梯度方向的差异及边界像素点与相邻像素点的梯度方向的差异构建待分析像素点的方向一致因子,包括:
14、计算待分析像素点与左相邻像素点的梯度方向的余弦相似度,记为第一余弦相似度,计算待分析像素点与右相邻像素点的梯度方向的余弦相似度,记为第二余弦相似度;
15、将圆心作为金属纽扣的圆心,对于各待分析像素点,从金属纽扣的圆心作一条朝向所述待分析像素点的射线,射线与边界有交点,计算所述待分析像素点与所有所述交点的欧式距离,获取欧式距离最小值对应交点所在的边界,将所述欧式距离最小值对应交点记为各待分析像素点的最优交点,将所述最优交点所在的边界记为最优边界;计算最优交点与最优边界上所述最优交点的左相邻像素点的梯度方向的余弦相似度,记为第三余弦相似度,计算最优交点与最优边界上所述最优交点的右相邻像素点的梯度方向的余弦相似度,记为第四余弦相似度,计算所述第一余弦相似度与所述第二余弦相似度的和值,记为第一和值,计算所述第三余弦相似度与所述第四余弦相似度的和值,记为第二和值,将所述第一和值与所述第二和值的比值作为所述待分析像素点的方向一致因子。
16、进一步地,所述根据待分析像素点的梯度方向与边界像素点的梯度方向的相似程度构建待分析像素点的方向相似因子,包括:
17、计算所述待分析像素点的左相邻像素点与最优交点在最优边界上的左相邻像素点的梯度方向的余弦相似度,记为第五余弦相似度,计算所述待分析像素点与最优交点的梯度方向的余弦相似度,记为第六余弦相似度,计算所述待分析像素点的右相邻像素点与最优交点在最优边界上的右相邻像素点的梯度方向的余弦相似度,记为第七余弦相似度,计算所述第五余弦相似度、所述第六余弦相似度和所述第七余弦相似度的均值,将所述均值作为所述待分析像素点的方向相似因子。
18、进一步地,所述根据待分析像素点的所述方向一致因子和所述方向相似因子构建待分析像素点的方向一致性系数,包括:
19、将待分析像素点的方向一致因子作为以自然常数为底的指数函数的指数,记为第一指数函数,将所述待分析像素点的方向相似因子作为以自然常数为底的指数函数的指数,记为第二指数函数,将所述第一指数函数与所述第二指数函数的和值作为所述待分析像素点的方向一致性系数。
20、进一步地,所述根据待分析像素点的所述梯度变化系数、所述方向一致性系数及所述灰度波动因子构建待分析像素点的缺陷置信度,包括:
21、将待分析像素点的梯度变化系数作为以自然常数为底的指数函数的指数,记为第一指数函数,将所述待分析像素点的方向一致性系数作为以自然常数为底的指数函数的指数,记为第二指数函数,获取所述第二指数函数与预设数值的和值,计算所述第一指数函数与所述和值的比值,将所述比值与所述待分析像素点的灰度波动因子的乘积作为所述待分析像素点的缺陷置信度。
22、进一步地,所述根据缺陷置信度以及结合hc算法所获取的各像素点的显著值构建各像素点的自适应显著值,包括:
23、当像素点为待分析像素点时,将像素点的缺陷置信度作为以自然常数为底的对数函数的真数,根据hc算法对金属纽扣表面图像的lab图进行显著分析得到各像素点的初始显著值,计算所述初始显著值与所述对数函数的和值,将所述和值作为像素点的自适应显著值;
24、当像素点为除待分本文档来自技高网...
【技术保护点】
1.基于计算机视觉的金属钮扣表面缺陷检测方法,其特征在于,该方法包括以下步骤:
2.如权利要求1所述的基于计算机视觉的金属钮扣表面缺陷检测方法,其特征在于,所述根据各方形窗口内像素点的灰度分布得到各方形窗口中心像素点的灰度波动因子,包括:
3.如权利要求1所述的基于计算机视觉的金属钮扣表面缺陷检测方法,其特征在于,所述根据灰度波动因子与预设灰度波动因子阈值的差异提取疑似边界像素点及疑似缺陷像素点,记为待分析像素点,包括:
4.如权利要求1所述的基于计算机视觉的金属钮扣表面缺陷检测方法,其特征在于,所述根据各待分析像素点的所述方形窗口内像素点的梯度幅值的变化情况构建各待分析像素点的梯度变化系数,包括:
5.如权利要求1所述的基于计算机视觉的金属钮扣表面缺陷检测方法,其特征在于,所述根据待分析像素点与相邻像素点的梯度方向的差异及边界像素点与相邻像素点的梯度方向的差异构建待分析像素点的方向一致因子,包括:
6.如权利要求5所述的基于计算机视觉的金属钮扣表面缺陷检测方法,其特征在于,所述根据待分析像素点的梯度方向与边界像素点的梯
7.如权利要求1所述的基于计算机视觉的金属钮扣表面缺陷检测方法,其特征在于,所述根据待分析像素点的所述方向一致因子和所述方向相似因子构建待分析像素点的方向一致性系数,包括:
8.如权利要求1所述的基于计算机视觉的金属钮扣表面缺陷检测方法,其特征在于,所述根据待分析像素点的所述梯度变化系数、所述方向一致性系数及所述灰度波动因子构建待分析像素点的缺陷置信度,包括:
9.如权利要求1所述的基于计算机视觉的金属钮扣表面缺陷检测方法,其特征在于,所述根据缺陷置信度以及结合HC算法所获取的各像素点的显著值构建各像素点的自适应显著值,包括:
10.如权利要求1所述的基于计算机视觉的金属钮扣表面缺陷检测方法,其特征在于,所述结合各像素点的自适应显著值利用语义分割神经网络实现对金属纽扣的表面缺陷检测,包括:
...【技术特征摘要】
1.基于计算机视觉的金属钮扣表面缺陷检测方法,其特征在于,该方法包括以下步骤:
2.如权利要求1所述的基于计算机视觉的金属钮扣表面缺陷检测方法,其特征在于,所述根据各方形窗口内像素点的灰度分布得到各方形窗口中心像素点的灰度波动因子,包括:
3.如权利要求1所述的基于计算机视觉的金属钮扣表面缺陷检测方法,其特征在于,所述根据灰度波动因子与预设灰度波动因子阈值的差异提取疑似边界像素点及疑似缺陷像素点,记为待分析像素点,包括:
4.如权利要求1所述的基于计算机视觉的金属钮扣表面缺陷检测方法,其特征在于,所述根据各待分析像素点的所述方形窗口内像素点的梯度幅值的变化情况构建各待分析像素点的梯度变化系数,包括:
5.如权利要求1所述的基于计算机视觉的金属钮扣表面缺陷检测方法,其特征在于,所述根据待分析像素点与相邻像素点的梯度方向的差异及边界像素点与相邻像素点的梯度方向的差异构建待分析像素点的方向一致因子,包括:
6.如权利要求5所述的基于...
【专利技术属性】
技术研发人员:金荣正,
申请(专利权)人:东莞市恒兴隆实业有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。