【技术实现步骤摘要】
本专利技术涉及图像数据处理，具体涉及一种双皮墙自动化生产线智能视觉监控方法。
技术介绍
1、在建筑材料生产过程中，智能视觉监控系统已经得到广泛应用，在识别和分类墙体缺陷上取得了显著的进展，可以提高墙体生产质量；而在双皮墙生产过程中，可能会由于墙体中的混凝土在固化过程中的膨胀与收缩，导致墙体结构不牢固的现象，故利用边缘检测的方式，对墙体表面的裂缝进行检测，使得系统能够在出现裂缝问题时采取及时的处理措施，避免缺陷范围的进一步扩大。
2、利用canny边缘检测进行墙体表面的缺陷检测时，传统的canny边缘检测仅考虑全局的梯度大小，由于墙体可能采用不同的混凝土浇筑方式，会在墙体表面形成不同的纹理效果，这些纹理像素点的梯度值相对较大，在进行裂缝区域的检测时，会导致纹理与裂缝之间的区分性不佳，无法选取合适的阈值以获取的精确的纹理区域，使得双皮墙自动化生产线监控结果不准确。
技术实现思路
1、本专利技术提供一种双皮墙自动化生产线智能视觉监控方法，以解决现有的问题。
2、本专利技术的一种双皮墙自动化生产线智能视觉监控方法采用如下技术方案：
3、本专利技术一个实施例提供了一种双皮墙自动化生产线智能视觉监控方法，该方法包括以下步骤：
4、获取双皮墙图像；构建双皮墙图像中每个像素点对应的正方形窗口以及正方形窗口内的子块；根据子块内的像素点的梯度，得到每个像素点的特征向量；
5、在双皮墙图像中，将任意一个像素点记为目标像素点；将目标像素点对应的正
6、根据目标像素点的特征向量，筛选出目标窗口内每个子块的特征向量；根据目标窗口内每个子块的特征向量，得到目标窗口内每个子块的对称相似度；根据目标窗口内每个子块的对称相似度以及混乱程度，得到目标像素点的梯度规律性；
7、根据双皮墙图像中每个像素点对应的正方形窗口内像素点的梯度规律性，得到每个像素点的抑制程度；
8、根据双皮墙图像中每个像素点的抑制程度，得到每个像素点的梯度修正幅值；基于双皮墙图像中每个像素点的梯度修正幅值，利用边缘检测算法，得到裂缝像素点；根据裂缝像素点的数量，得到双皮墙自动化生产线的视觉检测结果。
9、进一步地，所述构建双皮墙图像中每个像素点对应的正方形窗口以及正方形窗口内的子块，包括的具体步骤如下：
10、在双皮墙图像中，以任意一个像素点为中心，构建一个n×n的正方形窗口，n表示预设的边长；将正方形窗口等分为大小为m×m的若干个子块；m表示预设的子块边长。
11、进一步地，所述根据子块内的像素点的梯度，得到每个像素点的特征向量，包括的具体步骤如下：
12、根据每个子块内像素点的灰度值，利用sobel算子计算每个像素点的梯度向量；根据每个子块内每个像素点的梯度向量，构建每个子块的hd个bin方向的梯度直方图，所述hd表示预设的bin方向个数；所述梯度直方图的横坐标是bin方向；纵坐标是子块内所有像素点的梯度值加在各自角度对应的bin方向的累加值，记作响应值；
13、在双皮墙图像中，任意一个像素点的特征向量为：
14、
15、式中，为像素点的特征向量；、以及分别表示像素点对应的正方形窗口内第1个子块内的第1个、第2个以及第hd个bin方向上的响应值；和分别表示像素点对应的正方形窗口内第2个子块内的第1个bin方向上的响应值和第2个bin方向上的响应值；表示像素点对应的正方形窗口内第zk个子块内的第hd个bin方向上的响应值。
16、进一步地，所述根据目标窗口内的每个子块内所有像素点的梯度，得到目标窗口内每个子块的混乱程度，包括的具体计算方法如下：
17、
18、式中，为目标窗口内的第p个子块的混乱程度；为目标窗口内的第p个子块内包含的像素点的个数；为线性归一化函数；为目标窗口内的第p个子块内第z个像素点的梯度向量；为目标窗口内的第p个子块内第z个像素点的梯度向量的模长；为目标窗口内的第p个子块内第z个像素点的梯度向量；为目标窗口内的第p个子块内所有像素点梯度向量的平均梯度向量；为和的夹角的正弦值；为绝对值函数。
19、进一步地，所述根据目标像素点的特征向量，筛选出目标窗口内每个子块的特征向量，包括的具体步骤如下：
20、在目标像素点的特征向量中，将目标窗口中每个子块对应的所有bin方向上的响应值组成的序列，记为每个子块的特征向量。
21、进一步地，所述根据目标窗口内每个子块的特征向量，得到目标窗口内每个子块的对称相似度，包括的具体步骤如下：
22、将目标窗口内的任意一个子块记为目标子块；将目标子块关于目标窗口的中心子块对称的子块记为参考子块；
23、s1：将目标子块的特征向量减去目标窗口的中心子块的特征向量，得到目标子块的差值向量；将目标窗口的中心子块的特征向量减去参考子块的特征向量，得到参考子块的差值向量；
24、s2：计算目标子块的差值向量与参考子块的差值向量的余弦相似度；
25、s3：将目标子块的特征向量中的所有响应值的位置向后移动一位，将目标子块的特征向量的最后一个响应值移动到目标子块的特征向量的第一个响应值位置，得到新的目标子块的特征向量；
26、s4：重复s1到s3，直到重复次数等于hd-1次，则停止重复；
27、将s1到s4中得到的最大的余弦相似度记为目标子块的对称相似度。
28、进一步地，所述根据目标窗口内每个子块的对称相似度以及混乱程度，得到目标像素点的梯度规律性，包括的具体计算方式如下：
29、
30、式中，表示目标像素点的梯度规律性；表示目标窗口内除去中心子块后的子块的个数；表示目标窗口内除去中心子块后的第q个子块的混乱程度；表示目标窗口的中心子块的混乱程度；表示目标窗口内除去中心子块后的第q个子块的对称相似度。
31、进一步地，所述根据双皮墙图像中每个像素点对应的正方形窗口内像素点的梯度规律性，得到每个像素点的抑制程度，包括的具体步骤如下：
32、
33、式中，为第i个像素点的抑制程度；为线性归一化函数；为第i个像素点对应的正方形窗口内，梯度规律性大于第i个像素点的梯度规律性的像素点的个数；为第i个像素点对应的正方形窗口内像素点的个数；为第i个像素点的梯度规律性；为第i个像素点对应的正方形窗口内，除第i个像素点外的第j个像素点的梯度规律性。
34、进一步地，所述根据双皮墙图像中每个像素点的抑制程度，得到每个像素点的梯度修正幅值，包括的具体步骤如下：
35、计算1减去第i个像素点的抑制程度的差值，将所述差值与第i个像素点的梯度幅值的乘积，记为第i个像素点的梯度修正幅值。
36、进一步地，所述根据裂缝像素点的数量，得到双皮墙自动化生产线的视觉检测结果本文档来自技高网...
【技术保护点】
1.一种双皮墙自动化生产线智能视觉监控方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种双皮墙自动化生产线智能视觉监控方法，其特征在于，所述构建双皮墙图像中每个像素点对应的正方形窗口以及正方形窗口内的子块，包括的具体步骤如下：
3.根据权利要求1所述一种双皮墙自动化生产线智能视觉监控方法，其特征在于，所述根据子块内的像素点的梯度，得到每个像素点的特征向量，包括的具体步骤如下：
4.根据权利要求1所述一种双皮墙自动化生产线智能视觉监控方法，其特征在于，所述根据目标窗口内的每个子块内所有像素点的梯度，得到目标窗口内每个子块的混乱程度，包括的具体计算方法如下：
5.根据权利要求3所述一种双皮墙自动化生产线智能视觉监控方法，其特征在于，所述根据目标像素点的特征向量，筛选出目标窗口内每个子块的特征向量，包括的具体步骤如下：
6.根据权利要求3所述一种双皮墙自动化生产线智能视觉监控方法，其特征在于，所述根据目标窗口内每个子块的特征向量，得到目标窗口内每个子块的对称相似度，包括的具体步骤如下：
7.根据权利
8.根据权利要求1所述一种双皮墙自动化生产线智能视觉监控方法，其特征在于，所述根据双皮墙图像中每个像素点对应的正方形窗口内像素点的梯度规律性，得到每个像素点的抑制程度，包括的具体步骤如下：
9.根据权利要求1所述一种双皮墙自动化生产线智能视觉监控方法，其特征在于，所述根据双皮墙图像中每个像素点的抑制程度，得到每个像素点的梯度修正幅值，包括的具体步骤如下：
10.根据权利要求1所述一种双皮墙自动化生产线智能视觉监控方法，其特征在于，所述根据裂缝像素点的数量，得到双皮墙自动化生产线的视觉检测结果，包括的具体步骤如下：
...【技术特征摘要】
1.一种双皮墙自动化生产线智能视觉监控方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种双皮墙自动化生产线智能视觉监控方法，其特征在于，所述构建双皮墙图像中每个像素点对应的正方形窗口以及正方形窗口内的子块，包括的具体步骤如下：
3.根据权利要求1所述一种双皮墙自动化生产线智能视觉监控方法，其特征在于，所述根据子块内的像素点的梯度，得到每个像素点的特征向量，包括的具体步骤如下：
4.根据权利要求1所述一种双皮墙自动化生产线智能视觉监控方法，其特征在于，所述根据目标窗口内的每个子块内所有像素点的梯度，得到目标窗口内每个子块的混乱程度，包括的具体计算方法如下：
5.根据权利要求3所述一种双皮墙自动化生产线智能视觉监控方法，其特征在于，所述根据目标像素点的特征向量，筛选出目标窗口内每个子块的特征向量，包括的具体步骤如下：
6.根据权利要求3所述一种双皮墙自动化生产线智能视觉监控方...
【专利技术属性】
技术研发人员：刘浩然，刘洪彬，刘海龙，戚可文，卓令军，郭富，姬帅，
申请(专利权)人：山东天意机械股份有限公司，
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。