【技术实现步骤摘要】
本专利技术涉及数字图像处理及视觉检测领域，具体涉及一种针对回形针颜色和弯折形态的合格性检测方法。
技术介绍
1、回形针在人们日常办公中起到了十分重要的作用，其中彩色回形针还可以用作diy的原材料，可以用以制作各种各样的工艺品。彩色回形针在厂家生产或者日常使用中往往需要对其颜色是否合格进行检测，以及对回形针金属针弯折形态是否达到要求进行检测。对回形针颜色进行分类有利于厂家对盒装回形针产品种类进行有效的配比，同时检测回形针金属针弯折形态是否合格，可以有效的避免出现次品对产品的影响。
2、现有技术中，存在利用his色彩空间图像或rgb三通道对图像进行处理和识别的检测方法，通过将灰值化的图像进行分类对图像进行处理，但由于回形针的金属针相对比较细小，颜色受光线影响较大，且仅通过对比h通道和s通道难以准确、高效地对颜色进行分类，并且难以同时对颜色和形状同时进行检测。
技术实现思路
1、本专利技术旨在解决上述
技术介绍
中存在的问题之一。
2、为此，本专利技术提供一种针对回形针颜色和弯折形态的合格性检测方法。
3、本专利技术解决其技术问题所采用的技术方案是：
4、一种针对回形针颜色和弯折形态的合格性检测方法，包括以下步骤：
5、图像采集以及图像预处理；
6、通过霍夫直线检测获取回形针的直线形态特征；
7、设置不同的rgb范围，准确提取回形针的颜色特征；
8、将样本的形态特征、颜色特征组成的特征集和样本形态
9、利用训练好的神经网络模型对回形针图像的颜色种类及颜色、形态合格性进行判断并输出结果。
10、进一步地，在图像预处理中，将彩色图像转换为灰度图，根据人眼对r,g,b三种颜色的敏感度，使用加权平均法进行处理，具体处理公式为：
11、i(x,y)＝0.3*ir(x,y)+0.59*ig(x,y)+0.11*ib(x,y)；
12、其中，ir(x,y)、ig(x,y)、ib(x,y)分别为图像r、g、b三通道图像每个像素点的灰度值，经过计算得到色彩图像对应的灰度图。
13、进一步地，使用霍夫直线检测算法检测图像中的所有直线，通过设置直线与直线间夹角及每条直线段端点到另一直线段端点距离阈值条件将识别的直线划分为4组不同的直线，选取其阈值条件为：直线与直线间夹角θ在θ1和θ2之间，即θ1<θ<θ2；每条直线段端点到另一直线段距离d在d1和d2之间，即d1<d<d2。
14、进一步地，在霍夫直线检测形态特征中，使用霍夫检测直线检测算法检测图像中的所有可能包含的直线，通过设置直线与直线间夹角及每条直线段端点到另一直线段端点距离阈值条件将识别的直线划分为4组不同的直线，选取其阈值条件为：直线与直线间夹角θ在θ1和θ2之间，即θ1<θ<θ2；每条直线段端点到另一条直线段距离d在d1和d2之间，即d1<d<d2。。
15、在自然坐标系中，将每组直线的平均倾角分别记为α1，α2，α3，α4，再对其进行由大到小的排序，最后计算相邻倾角之间的角度差值，分别为记为β1，β2，β3，利用各组直线之间的角度差值β1，β2，β3作为判定回形针弯折形态合格性的依据。进一步地，通过设置rgb三通道不同的阈值条件，筛选出可能为相应颜色种类的像素点，统计不同颜色的rgb三通道值及像素点数量，计算各颜色rgb三通道的平均值，再根据各颜色占比权重，计算回形针的rgb三通道颜色特征，具体计算公式为：
16、
17、其中w1～w6为同一幅图像中各颜色像素点数量在总颜色像素点数量中所占百分比权重，为各颜色的r通道平均值，为各颜色的g通道平均值，为各颜色的b通道平均值。
18、进一步地，在提取回形针颜色特征中，在各颜色rgb标准值的基础上，分别设置各颜色r像素值、g像素值、b像素值的变化范围。
19、进一步地，rgb三通道的分类阈值条件为：
20、
21、进一步地，在训练bp神经网络中，将经过初步分类的图像中的主颜色三通道值进行按占比计算最终rgb颜色特征，将形态特征和颜色特征作为bp神经网络的输入特征参数，单个训练集示例为：d＝{(x1,x2)(y1,y2)}，其中输入的x1、x2分别为rgb三通道颜色特征r1，g1，b1和直线形态特征(θ1，θ2，θ3为4条直线之间的三个夹角)，y1为人为判定的回形针颜色标签及颜色的合格与否，y2为人为判定的弯折形态是否合格与否。
22、进一步地，在对待检测图像进行检测中，待检测图像经过图像预处理、形态和颜色特征的提取，将提取的形态及颜色特征输入训练好的bp神经网络模型，对回形针颜色种类及颜色和形态合格性进行检测，检测结果输出回形针的颜色种类标签以及颜色和形态是否合格的标签，检测完成后进入下一幅回形针图像的检测。
23、本专利技术的有益效果是，本专利技术提供了一种针对回形针颜色和弯折形态的合格性检测方法，包括采集回形针图像，获取图像训练数据集；获取训练数据图像，对感兴趣区域进行裁剪得到回形针感兴趣区域图像，将回形针图像进行rgb通道分离，并调整rgb通道的对比度和亮度；通过霍夫直线检测搜索图像包含直线，设置直线峰值数、直线长度等对直线进行筛选，得到直线间角度特征参量；设置不同的rgb范围并计算rgb颜色特征，对回形针的颜色特征进行提取，将所得形态和颜色特征输入bp神经网络进行训练得到回形针合格性判断模型；最后通过形态和颜色特征对单个回形针的合格性进行判断。本专利技术能够实现回形针形态和颜色的有效检测，模型简洁且训练过程简单，检测效率高的同时提高了检测的抗干扰能力。
本文档来自技高网...【技术保护点】
1.一种针对回形针颜色和弯折形态的合格性检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的针对回形针颜色和弯折形态的合格性检测方法，其特征在于，在图像预处理中，将彩色图像转换为灰度图，根据人眼对R,G,B三种颜色的敏感度，使用加权平均法进行处理，具体处理公式为：
3.根据权利要求1所述的针对回形针颜色和弯折形态的合格性检测方法，其特征在于，使用霍夫直线检测算法检测图像中的所有直线，通过设置直线与直线间夹角及每条直线段端点到另一直线段端点距离阈值条件将识别的直线划分为4组不同的直线，选取其阈值条件为：直线与直线间夹角θ在θ1和θ2之间，即θ1<θ<θ2；每条直线段端点到另一直线段距离d在d1和d2之间，即d1<d<d2。
4.根据权利要求3所述的针对回形针颜色和弯折形态的合格性检测方法，其特征在于，在直角坐标系中，将每组直线的平均倾角分别记为α1，α2，α3，α4，再对其进行由大到小的排序，计算相邻倾角之间的角度差值，分别为记为β1，β2，β3，利用各组直线之间的角度差值β1，β2，β3作为判定回形针弯折形态合
5.根据权利要求1所述的针对回形针颜色和弯折形态的合格性检测方法，其特征在于，通过设置RGB三通道不同的阈值条件，筛选出可能为相应颜色种类的像素点，统计不同颜色的RGB三通道值及像素点数量，计算各颜色RGB三通道的平均值，再根据各颜色占比权重，计算回形针的RGB三通道颜色特征，具体计算公式为：
6.根据权利要求5所述的针对回形针颜色和弯折形态的合格性检测方法，其特征在于，在各颜色RGB标准值的基础上，分别设置各颜色R像素值、G像素值、B像素值的变化范围。
7.根据权利要求6所述的针对回形针颜色和弯折形态的合格性检测方法，其特征在于，RGB三通道的分类阈值条件为：
8.根据权利要求7所述的针对回形针颜色和弯折形态的合格性检测方法，其特征在于，在训练BP神经网络中，将经过初步分类的图像中的主颜色三通道值进行按占比计算最终RGB颜色特征，将形态特征和颜色特征作为BP神经网络的输入特征参数，单个训练集示例为：D＝{(x1,x2)(y1,y2)}，其中输入的x1、x2分别为RGB三通道颜色特征R1，G1，B1和直线形态特征(θ1，θ2，θ3为4条直线之间的三个夹角)，y1为人为判定的回形针颜色标签及颜色的合格与否，y2为人为判定的弯折形态是否合格与否。
9.根据权利要求1所述的针对回形针颜色和弯折形态的合格性检测方法，其特征在于，在对待检测图像进行检测中，待检测图像经过图像预处理、形态和颜色特征的提取，将提取的形态及颜色特征输入训练好的BP神经网络模型，对回形针颜色种类及颜色和形态合格性进行检测，检测结果输出回形针的颜色种类标签以及颜色和形态是否合格的标签，检测完成后进入下一幅回形针图像的检测。
...【技术特征摘要】
1.一种针对回形针颜色和弯折形态的合格性检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的针对回形针颜色和弯折形态的合格性检测方法，其特征在于，在图像预处理中，将彩色图像转换为灰度图，根据人眼对r,g,b三种颜色的敏感度，使用加权平均法进行处理，具体处理公式为：
3.根据权利要求1所述的针对回形针颜色和弯折形态的合格性检测方法，其特征在于，使用霍夫直线检测算法检测图像中的所有直线，通过设置直线与直线间夹角及每条直线段端点到另一直线段端点距离阈值条件将识别的直线划分为4组不同的直线，选取其阈值条件为：直线与直线间夹角θ在θ1和θ2之间，即θ1<θ<θ2；每条直线段端点到另一直线段距离d在d1和d2之间，即d1<d<d2。
4.根据权利要求3所述的针对回形针颜色和弯折形态的合格性检测方法，其特征在于，在直角坐标系中，将每组直线的平均倾角分别记为α1，α2，α3，α4，再对其进行由大到小的排序，计算相邻倾角之间的角度差值，分别为记为β1，β2，β3，利用各组直线之间的角度差值β1，β2，β3作为判定回形针弯折形态合格性的依据。
5.根据权利要求1所述的针对回形针颜色和弯折形态的合格性检测方法，其特征在于，通过设置rgb三通道不同的阈值条件，筛选出可能为相应颜色种类的像素点，统计不同颜色的rgb三通道值及像素点数量，计算各颜色rgb三通道的平均...
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。