權利要求
1.鋁箔表面缺陷識別方法,其特征在于,包括以下步驟: 獲取待檢測鋁箔的表面可見光圖像和樣本鋁箔的樣本表面可見光圖像,對所述表面可見光圖像和所述樣本表面可見光圖像進行預處理,得到目標鋁箔圖像和樣本鋁箔圖像,其中,所述預處理包括:灰度化; 對所述目標鋁箔圖像和所述樣本鋁箔圖像進行特征對比分析,得到灰度差異度和表面外觀差異度; 根據所述灰度差異度和所述表面外觀差異度,確定所述待檢測鋁箔對應的目標缺陷概率; 根據所述目標缺陷概率和預先設置的缺陷概率閾值,生成所述待檢測鋁箔對應的目標缺陷信息; 所述對所述目標鋁箔圖像和所述樣本鋁箔圖像進行特征對比分析,得到灰度差異度和表面外觀差異度,包括: 將目標均值與樣本均值的差值的絕對值,確定為差異系數,其中,所述目標均值是所述目標鋁箔圖像中的像素點對應的灰度值的均值,樣本均值是所述樣本鋁箔圖像中的像素點對應的灰度值的均值; 將所述目標鋁箔圖像和所述樣本鋁箔圖像中的各個像素點對應的灰度值,分別組合為目標灰度值序列和樣本灰度值序列; 分別對所述目標灰度值序列和所述樣本灰度值序列進行標準化處理,得到目標標準值序列和樣本標準值序列; 確定所述目標標準值序列中的任意一個目標標準值和所述樣本標準值序列中的任意一個樣本標準值之間的目標距離差異,生成目標距離差異矩陣; 對所述目標距離差異矩陣進行調整遍歷搜索分析,得到目標路徑信息; 根據所述目標路徑信息和所述差異系數,確定所述灰度差異度; 對所述目標鋁箔圖像和所述樣本鋁箔圖像進行表面外觀分析,得到所述表面外觀差異度。2.根據權利要求1所述的鋁箔表面缺陷識別方法,其特征在于,所述對所述目標距離差異矩陣進行調整遍歷搜索分析,得到目標路徑信息,包括: 對所述目標距離差異矩陣中的元素進行調整,得到差異調整矩陣; 將所述差異調整矩陣中的左下角元素,確定為搜索初始點; 根據所述搜索初始點和預先設置的多個目標方向,對所述差異調整矩陣進行遍歷搜索,得到路徑信息集合,其中,所述路徑信息集合中的路徑信息包括:多個差異調整值和差異調整數量,差異調整值是所述差異調整矩陣中通過遍歷搜索所形成的路徑上的元素,差異調整數量是路徑信息包括的差異調整值的數量; 對于所述路徑信息集合中的每個路徑信息,將所述路徑信息包括的多個差異調整值的和,確定為所述路徑信息對應的目標路徑距離; 對于所述路徑信息集合中的每個路徑信息,對所述路徑信息對應的目標路徑距離進行開根號,將得到的根號值,確定為所述路徑信息對應的目標根號值; 對于所述路徑信息集合中的每個路徑信息,將所述路徑信息對應的目標根號值與所述路徑信息包括的差異調整數量的比值,確定為所述路徑信息對應的目標比值; 從所述路徑信息集合中篩選出最小的目標比值對應的路徑信息,作為目標路徑信息。 3.根據權利要求2所述的鋁箔表面缺陷識別方法,其特征在于,所述根據所述目標路徑信息和所述差異系數,確定所述灰度差異度,包括: 將所述目標路徑信息對應的目標比值與所述差異系數的乘積,確定為所述灰度差異度。 4.根據權利要求1所述的鋁箔表面缺陷識別方法,其特征在于,所述對所述目標鋁箔圖像和所述樣本鋁箔圖像進行表面外觀分析,得到所述表面外觀差異度,包括: 對于所述目標鋁箔圖像中的每個目標鋁箔像素點,將所述目標鋁箔像素點對應的預先設置的預設鄰域中的像素點對應的灰度值的和,確定為所述目標鋁箔像素點對應的目標鄰域灰度值; 根據所述目標鋁箔圖像中的每個目標鋁箔像素點對應的目標鄰域灰度值、灰度值和橫坐標值、所述目標鋁箔像素點對應的預設鄰域中的各個像素點對應的灰度值和橫坐標值,確定所述目標鋁箔像素點對應的水平灰度均值,得到水平灰度均值序列; 根據所述目標鋁箔圖像中的每個目標鋁箔像素點對應的目標鄰域灰度值、灰度值和縱坐標值、所述目標鋁箔像素點對應的預設鄰域中的各個像素點對應的灰度值和縱坐標值,確定所述目標鋁箔像素點對應的垂直灰度均值,得到垂直灰度均值序列; 根據所述水平灰度均值序列和所述垂直灰度均值序列,確定所述目標鋁箔圖像對應的目標協方差矩陣; 確定所述樣本鋁箔圖像對應的樣本協方差矩陣; 分別對所述目標協方差矩陣和所述樣本協方差矩陣進行特征分解,得到兩個目標特征值和兩個樣本特征值; 根據所述兩個目標特征值和所述兩個樣本特征值,確定所述表面外觀差異度。 5.根據權利要求4所述的鋁箔表面缺陷識別方法,其特征在于,所述將所述目標鋁箔像素點對應的預先設置的預設鄰域中的像素點對應的灰度值的和,確定為所述目標鋁箔像素點對應的目標鄰域灰度值,包括: 確定所述目標鋁箔圖像對應的積分圖像; 根據所述目標鋁箔圖像對應的積分圖像,確定所述目標鋁箔像素點對應的預設鄰域中的四個角點對應的積分值; 根據所述目標鋁箔像素點對應的預設鄰域中的四個角點對應的積分值,確定所述目標鋁箔像素點對應的目標鄰域灰度值。 6.根據權利要求4所述的鋁箔表面缺陷識別方法,其特征在于,所述根據所述兩個目標特征值和所述兩個樣本特征值,確定所述表面外觀差異度,包括: 將所述兩個目標特征值中的第一個目標特征值,確定為第一坐標的橫坐標; 將所述兩個目標特征值中的第二個目標特征值,確定為第一坐標的縱坐標; 將所述兩個樣本特征值中的第一個樣本特征值,確定為第二坐標的橫坐標; 將所述兩個樣本特征值中的第二個樣本特征值,確定為第二坐標的縱坐標; 將第一坐標與第二坐標之間的歐式距離的二分之一,確定為所述表面外觀差異度。 7.根據權利要求1所述的鋁箔表面缺陷識別方法,其特征在于,所述根據所述灰度差異度和所述表面外觀差異度,確定所述待檢測鋁箔對應的目標缺陷概率,包括: 將所述灰度差異度與所述表面外觀差異度的和,確定為所述待檢測鋁箔對應的整體差異度; 將所述整體差異度與1的和,確定為參考差異度; 將所述整體差異度與所述參考差異度的比值,確定為所述目標缺陷概率。 8.根據權利要求1所述的鋁箔表面缺陷識別方法,其特征在于,所述根據所述目標缺陷概率和預先設置的缺陷概率閾值,生成所述待檢測鋁箔對應的目標缺陷信息,包括: 當所述目標缺陷概率大于所述缺陷概率閾值時,生成表征所述待檢測鋁箔存在缺陷的目標缺陷信息; 當所述目標缺陷概率小于或等于所述缺陷概率閾值時,生成表征所述待檢測鋁箔正常的目標缺陷信息。
說明書
鋁箔表面缺陷識別方法
技術領域
本發明涉及材料測試和分析技術領域,具體涉及一種鋁箔表面缺陷識別方法。
背景技術
由于鋁箔具有阻氧、避光、防潮、耐熱、耐腐蝕和無毒無味的特點,所以鋁箔往往被廣泛應用于日常食藥品包裝、電子元器件散熱器、建筑復合材料和航空航天材料等。然而在鋁箔制作過程中,由于軋機、清洗機等電氣控制設備參數調節不合適或潤滑油選擇不當,往往導致鋁箔表面存在缺陷,因此,對鋁箔表面進行缺陷識別至關重要。目前,對物品表面進行缺陷識別時,通常采用的方式為:采用圖像匹配算法,對物品表面進行缺陷識別。
然而,當采用上述方式時,經常會存在如下技術問題:
由于沒有缺陷的鋁箔表面的顏色往往是銀白色,如果鋁箔表面存在刮痕缺陷,使用圖像匹配算法,對鋁箔表面進行缺陷識別時,可能導致對刮痕缺陷識別不準確,并且圖像匹配往往對噪聲點往往反應靈敏,因此,往往導致對鋁箔表面進行缺陷識別的準確度低下。
發明內容
本發明的內容部分用于以簡要的形式介紹構思,這些構思將在后面的具體實施方式部分被詳細描述。本發明的內容部分并不旨在標識要求保護的技術方案的關鍵特征或必要特征,也不旨在用于限制所要求的保護的技術方案的范圍。
為了解決對鋁箔表面進行缺陷識別的準確度低下的技術問題,本發明提出了一種鋁箔表面缺陷識別方法。
本發明提供了一種鋁箔表面缺陷識別方法,該方法包括:
獲取待檢測鋁箔的表面可見光圖像和樣本鋁箔的樣本表面可見光圖像,對所述表面可見光圖像和所述樣本表面可見光圖像進行預處理,得到目標鋁箔圖像和樣本鋁箔圖像;
對所述目標鋁箔圖像和所述樣本鋁箔圖像進行特征對比分析,得到灰度差異度和表面外觀差異度;
根據所述灰度差異度和所述表面外觀差異度,確定所述待檢測鋁箔對應的目標缺陷概率;
根據所述目標缺陷概率和預先設置的缺陷概率閾值,生成所述待檢測鋁箔對應的目標缺陷信息。
進一步的,所述預處理包括:灰度化;
所述對所述目標鋁箔圖像和所述樣本鋁箔圖像進行特征對比分析,得到灰度差異度和表面外觀差異度,包括:
將目標均值與樣本均值的差值的絕對值,確定為差異系數,其中,所述目標均值是所述目標鋁箔圖像中的像素點對應的灰度值的均值,樣本均值是所述樣本鋁箔圖像中的像素點對應的灰度值的均值;
將所述目標鋁箔圖像和所述樣本鋁箔圖像中的各個像素點對應的灰度值,分別組合為目標灰度值序列和樣本灰度值序列;
分別對所述目標灰度值序列和所述樣本灰度值序列進行標準化處理,得到目標標準值序列和樣本標準值序列;
確定所述目標標準值序列中的任意一個目標標準值和所述樣本標準值序列中的任意一個樣本標準值之間的目標距離差異,生成目標距離差異矩陣;
對所述目標距離差異矩陣進行調整遍歷搜索分析,得到目標路徑信息;
根據所述目標路徑信息和所述差異系數,確定所述灰度差異度;
對所述目標鋁箔圖像和所述樣本鋁箔圖像進行表面外觀分析,得到所述表面外觀差異度。
進一步的,所述對所述目標距離差異矩陣進行調整遍歷搜索分析,得到目標路徑信息,包括:
對所述目標距離差異矩陣中的元素進行調整,得到差異調整矩陣;
將所述差異調整矩陣中的左下角元素,確定為搜索初始點;
根據所述搜索初始點和預先設置的多個目標方向,對所述差異調整矩陣進行遍歷搜索,得到路徑信息集合,其中,所述路徑信息集合中的路徑信息包括:多個差異調整值和差異調整數量,差異調整值是所述差異調整矩陣中通過遍歷搜索所形成的路徑上的元素,差異調整數量是路徑信息包括的差異調整值的數量;
對于所述路徑信息集合中的每個路徑信息,將所述路徑信息包括的多個差異調整值的和,確定為所述路徑信息對應的目標路徑距離;
對于所述路徑信息集合中的每個路徑信息,對所述路徑信息對應的目標路徑距離進行開根號,將得到的根號值,確定為所述路徑信息對應的目標根號值;
對于所述路徑信息集合中的每個路徑信息,將所述路徑信息對應的目標根號值與所述路徑信息包括的差異調整數量的比值,確定為所述路徑信息對應的目標比值;
從所述路徑信息集合中篩選出最小的目標比值對應的路徑信息,作為目標路徑信息。
進一步的,所述根據所述目標路徑信息和所述差異系數,確定所述灰度差異度,包括:
將所述目標路徑信息對應的目標比值與所述差異系數的乘積,確定為所述灰度差異度。
進一步的,所述對所述目標鋁箔圖像和所述樣本鋁箔圖像進行表面外觀分析,得到所述表面外觀差異度,包括:
對于所述目標鋁箔圖像中的每個目標鋁箔像素點,將所述目標鋁箔像素點對應的預先設置的預設鄰域中的像素點對應的灰度值的和,確定為所述目標鋁箔像素點對應的目標鄰域灰度值;
根據所述目標鋁箔圖像中的每個目標鋁箔像素點對應的目標鄰域灰度值、灰度值和橫坐標值、所述目標鋁箔像素點對應的預設鄰域中的各個像素點對應的灰度值和橫坐標值,確定所述目標鋁箔像素點對應的水平灰度均值,得到水平灰度均值序列;
根據所述目標鋁箔圖像中的每個目標鋁箔像素點對應的目標鄰域灰度值、灰度值和縱坐標值、所述目標鋁箔像素點對應的預設鄰域中的各個像素點對應的灰度值和縱坐標值,確定所述目標鋁箔像素點對應的垂直灰度均值,得到垂直灰度均值序列;
根據所述水平灰度均值序列和所述垂直灰度均值序列,確定所述目標鋁箔圖像對應的目標協方差矩陣;
確定所述樣本鋁箔圖像對應的樣本協方差矩陣;
分別對所述目標協方差矩陣和所述樣本協方差矩陣進行特征分解,得到兩個目標特征值和兩個樣本特征值;
根據所述兩個目標特征值和所述兩個樣本特征值,確定所述表面外觀差異度。
進一步的,所述將所述目標鋁箔像素點對應的預先設置的預設鄰域中的像素點對應的灰度值的和,確定為所述目標鋁箔像素點對應的目標鄰域灰度值,包括:
確定所述目標鋁箔圖像對應的積分圖像;
根據所述目標鋁箔圖像對應的積分圖像,確定所述目標鋁箔像素點對應的預設鄰域中的四個角點對應的積分值;
根據所述目標鋁箔像素點對應的預設鄰域中的四個角點對應的積分值,確定所述目標鋁箔像素點對應的目標鄰域灰度值。
進一步的,所述根據所述兩個目標特征值和所述兩個樣本特征值,確定所述表面外觀差異度,包括:
將所述兩個目標特征值中的第一個目標特征值,確定為第一坐標的橫坐標;
將所述兩個目標特征值中的第二個目標特征值,確定為第一坐標的縱坐標;
將所述兩個樣本特征值中的第一個樣本特征值,確定為第二坐標的橫坐標;
將所述兩個樣本特征值中的第二個樣本特征值,確定為第二坐標的縱坐標;
將第一坐標與第二坐標之間的歐式距離的二分之一,確定為所述表面外觀差異度。
進一步的,所述根據所述灰度差異度和所述表面外觀差異度,確定所述待檢測鋁箔對應的目標缺陷概率,包括:
將所述灰度差異度與所述表面外觀差異度的和,確定為所述待檢測鋁箔對應的整體差異度;
將所述整體差異度與1的和,確定為參考差異度;
將所述整體差異度與所述參考差異度的比值,確定為所述目標缺陷概率。
進一步的,所述根據所述目標缺陷概率和預先設置的缺陷概率閾值,生成所述待檢測鋁箔對應的目標缺陷信息,包括:
當所述目標缺陷概率大于所述缺陷概率閾值時,生成表征所述待檢測鋁箔存在缺陷的目標缺陷信息;
當所述目標缺陷概率小于或等于所述缺陷概率閾值時,生成表征所述待檢測鋁箔正常的目標缺陷信息。
本發明具有如下有益效果:
本發明的一種鋁箔表面缺陷識別方法,利用可見光手段進行材料分析和測試,解決了對鋁箔表面進行缺陷識別的準確度低下的技術問題,提高了對鋁箔表面進行缺陷識別的準確度。首先,獲取待檢測鋁箔的表面可見光圖像和樣本鋁箔的樣本表面可見光圖像,對上述表面可見光圖像和上述樣本表面可見光圖像進行預處理,得到目標鋁箔圖像和樣本鋁箔圖像。實際情況中,存在采用人工的方式對鋁箔表面進行缺陷識別。當采用人工的方式,對鋁箔表面進行缺陷識別時,往往是憑借檢測者的主觀感受進行檢測識別,作出的識別判斷往往不準確,所以,當采用人工的方式對鋁箔表面進行缺陷識別時,往往會導致對鋁箔表面進行缺陷識別的準確度低下。因此,通過獲取包含有待檢測鋁箔表面情況的表面可見光圖像和包含有樣本鋁箔表面情況的樣本表面可見光圖像,可以便于后續比較待檢測鋁箔表面與樣本鋁箔表面之間的差異,便于確定待檢測鋁箔表面的缺陷情況,可以提高對鋁箔表面進行缺陷識別的準確度。其次,對表面可見光圖像和樣本表面可見光圖像進行預處理,可以消除表面可見光圖像和樣本表面可見光圖像中無關的信息,恢復有用的真實信息,增強有關信息的可檢測性和最大限度地簡化數據,可以便于后續通過分析目標鋁箔圖像和樣本鋁箔圖像之間的差異,對鋁箔表面進行缺陷識別。接著,對上述目標鋁箔圖像和上述樣本鋁箔圖像進行特征對比分析,得到灰度差異度和表面外觀差異度。從灰度和表面外觀兩方面,對目標鋁箔圖像和樣本鋁箔圖像進行特征對比分析,可以提高目標鋁箔圖像和樣本鋁箔圖像之間的灰度差異度和表面外觀差異度確定的準確度。然后,根據上述灰度差異度和上述表面外觀差異度,確定上述待檢測鋁箔對應的目標缺陷概率。綜合考慮了目標鋁箔圖像和樣本鋁箔圖像之間的灰度差異度和表面外觀差異度,可以提高確定的目標缺陷概率的準確度。最后,根據上述目標缺陷概率和預先設置的缺陷概率閾值,生成上述待檢測鋁箔對應的目標缺陷信息。因此,本發明利用可見光手段進行材料分析和測試,解決了對鋁箔表面進行缺陷識別的準確度低下的技術問題,提高了對鋁箔表面進行缺陷識別的準確度。
附圖說明
為了更清楚地說明本發明實施例或現有技術中的技術方案和優點,下面將對實施例或現有技術描述中所需要使用的附圖作簡單的介紹,顯而易見地,下面描述中的附圖僅僅是本發明的一些實施例,對于本領域普通技術人員來講,在不付出創造性勞動的前提下,還可以根據這些附圖獲得其它附圖。
圖1為根據本發明的一種鋁箔表面缺陷識別方法的流程圖;
圖2為根據本發明的通過遍歷搜索所形成的路徑示意圖。
具體實施方式
為了更進一步闡述本發明為達成預定發明目的所采取的技術手段及功效,以下結合附圖及較佳實施例,對依據本發明提出的技術方案的具體實施方式、結構、特征及其功效,詳細說明如下。在下述說明中,不同的“一個實施例”或“另一個實施例”指的不一定是同一個實施例。此外,一個或多個實施例中的特定特征、結構或特點可由任何合適形式組合。
除非另有定義,本文所使用的所有的技術和科學術語與屬于本發明的技術領域的技術人員通常理解的含義相同。
本發明提供了一種鋁箔表面缺陷識別方法,該方法包括以下步驟:
獲取待檢測鋁箔的表面可見光圖像和樣本鋁箔的樣本表面可見光圖像,對表面可見光圖像和樣本表面可見光圖像進行預處理,得到目標鋁箔圖像和樣本鋁箔圖像;
對目標鋁箔圖像和樣本鋁箔圖像進行特征對比分析,得到灰度差異度和表面外觀差異度;
根據灰度差異度和表面外觀差異度,確定待檢測鋁箔對應的目標缺陷概率;
根據目標缺陷概率和預先設置的缺陷概率閾值,生成待檢測鋁箔對應的目標缺陷信息。
下面對上述各個步驟進行詳細展開:
參考圖1,示出了根據本發明的一種鋁箔表面缺陷識別方法的一些實施例的流程。該鋁箔表面缺陷識別方法,包括以下步驟:
步驟S1,獲取待檢測鋁箔的表面可見光圖像和樣本鋁箔的樣本表面可見光圖像,對表面可見光圖像和樣本表面可見光圖像進行預處理,得到目標鋁箔圖像和樣本鋁箔圖像。
在一些實施例中,可以獲取待檢測鋁箔的表面可見光圖像和樣本鋁箔的樣本表面可見光圖像,對上述表面可見光圖像和上述樣本表面可見光圖像進行預處理,得到目標鋁箔圖像和樣本鋁箔圖像。
其中,待檢測鋁箔可以是待檢測缺陷情況的鋁箔。表面可見光圖像可以是待檢測鋁箔表面的圖像。樣本鋁箔可以是未發生缺陷的、規格型號與待檢測鋁箔的規格型號相同的鋁箔。缺陷可以包括但不限于:刮痕、腐蝕和斑點。樣本表面可見光圖像可以是樣本鋁箔表面的圖像。預處理可以包括但不限于:圖像增強、去噪處理和灰度化。目標鋁箔圖像可以是進行預處理后的表面可見光圖像。樣本鋁箔圖像可以是進行預處理后的樣本表面可見光圖像。
作為示例,本步驟可以包括以下步驟:
第一步,獲取待檢測鋁箔的表面可見光圖像和樣本鋁箔的樣本表面可見光圖像。
例如,可以通過CMOS(Complementary Metal Oxide Semiconductor,互補金屬氧化物半導體)相機,獲取待檢測鋁箔的表面可見光圖像和樣本鋁箔的樣本表面可見光圖像。其中,獲取表面可見光圖像和樣本表面可見光圖像時,可以調節CMOS相機的拍攝角度、待檢測鋁箔和樣本鋁箔的擺放方向、光源強度等相同。獲取表面可見光圖像和樣本表面可見光圖像時,可以采用LED圓頂光源。
實際情況中,由于鋁箔往往為金屬薄片,對光線具有良好的反射性且不具有透射性,光源發出的光線在照射到鋁箔表面時往往會以鏡面發射的方式被反射遠離鋁箔。為了獲取更加清晰地反應鋁箔材料表面的缺陷特征,往往需要對光源和進行采集的相機進行設定??紤]到鋁箔對光照的反射性質,可以采用LED(Light Emitting Diode,發光二極管)圓頂光源降低光照強反射對采集得到圖像質量的影響。由于CMOS相機與CCD(Charge CoupledDevice,電荷耦合器件)相機相比具有能耗低、成本低、成像速度快的特點,同時隨著電子元器件的迅速發展,CMOS相機采集到的圖像與CCD相機已經比較接近。因此采用CMOS相機在LED圓頂光源下對待檢測鋁箔和樣本鋁箔進行拍攝,可以在保證拍攝精度的情況下,減少能耗和成本,并且提高了獲取表面可見光圖像和樣本表面可見光圖像的效率。
第二步,對上述表面可見光圖像和上述樣本表面可見光圖像進行預處理,得到目標鋁箔圖像和樣本鋁箔圖像。
例如,可以對表面可見光圖像和樣本表面可見光圖像進行灰度化和去噪處理,得到目標鋁箔圖像和樣本鋁箔圖像。其中,去噪處理可以是中值濾波。
實際情況中,在采集表面可見光圖像和樣本表面可見光圖像的過程中,由于采集環境和相機元器件質量的影響,往往會產生噪聲污染。為了減少計算成本,并且提高對待檢測鋁箔表面缺陷的識別精度,可以對采集得到的表面可見光圖像和樣本表面可見光圖像進行去噪處理。為了在去噪過程中盡可能的保留鋁箔缺陷的特征信息,可以選擇中值濾波算法對采集得到的表面可見光圖像和樣本表面可見光圖像進行濾波去噪處理,并對去噪處理后得到的兩張圖像進行灰度化,得到目標鋁箔圖像和樣本鋁箔圖像。
步驟S2,對目標鋁箔圖像和樣本鋁箔圖像進行特征對比分析,得到灰度差異度和表面外觀差異度。
在一些實施例中,可以對上述目標鋁箔圖像和上述樣本鋁箔圖像進行特征對比分析,得到灰度差異度和表面外觀差異度。
其中,上述預處理可以包括:灰度化?;叶炔町惗瓤梢员碚髂繕虽X箔圖像和樣本鋁箔圖像之間的灰度差異程度。表面外觀差異度可以表征目標鋁箔圖像和樣本鋁箔圖像之間的外觀特征差異程度。
作為示例,本步驟可以包括以下步驟:
第一步,將目標均值與樣本均值的差值的絕對值,確定為差異系數。
其中,上述目標均值可以是上述目標鋁箔圖像中的像素點對應的灰度值的均值。樣本均值可以是上述樣本鋁箔圖像中的像素點對應的灰度值的均值。
實際情況中,由于沒有缺陷的鋁箔表面顏色往往為銀白色,所以當待檢測鋁箔表面完整無磨損時,目標鋁箔圖像中的像素點對應的灰度值的分布往往具有一致性,目標均值往往與樣本均值近似相等。當待檢測鋁箔表面存在缺陷時,目標鋁箔圖像中的像素點對應的灰度值的分布中,往往存在部分像素點對應的灰度值偏低或偏高,目標均值往往與樣本均值之間存在差異。因此,差異系數越大,待檢測鋁箔表面往往越可能存在缺陷。
第二步,將上述目標鋁箔圖像和上述樣本鋁箔圖像中的各個像素點對應的灰度值,分別組合為目標灰度值序列和樣本灰度值序列。
例如,本步驟可以包括以下子步驟:
第一子步驟,將目標鋁箔圖像中的各個像素點對應的灰度值,組合為目標灰度值序列。
比如,首先,可以將目標鋁箔圖像中左上角處的像素點,確定為目標鋁箔圖像的第一行和第一列包括的第一個像素點。接著,可以將目標鋁箔圖像的第一行包括的第一個像素點對應的灰度值,確定為目標灰度值序列中的第一個目標灰度值??梢詫⒛繕虽X箔圖像的第一行包括的第二個像素點對應的灰度值,確定為目標灰度值序列中的第二個目標灰度值,以此類推,直至將目標鋁箔圖像的第一行包括的各個像素點對應的灰度值,放入目標灰度值序列。然后,按照順序,可以將目標鋁箔圖像的第二行包括的第一個像素點對應的灰度值,放在目標鋁箔圖像的第一行包括的最后一個像素點對應的灰度值的后面,并且參考目標鋁箔圖像的第一行包括的各個像素點對應的灰度值放入目標灰度值序列的順序,將目標鋁箔圖像的第二行包括的各個像素點對應的灰度值放入目標灰度值序列。最后,參考目標鋁箔圖像的第二行包括的各個像素點對應的灰度值放入目標灰度值序列的順序,將目標鋁箔圖像中除了第一行和第二行之外的行包括的各個像素點對應的灰度值放入目標灰度值序列。
第二子步驟,將樣本鋁箔圖像中的各個像素點對應的灰度值,組合為樣本灰度值序列。
本子步驟的具體實現方式可以參考步驟S2包括的第二步包括的第一子步驟,可以將樣本鋁箔圖像,作為目標鋁箔圖像,執行步驟S2包括的第二步包括的第一子步驟,得到的目標灰度值序列即為樣本灰度值序列。
根據目標鋁箔圖像和上述樣本鋁箔圖像中的各個像素點對應的灰度值,分別組合為目標灰度值序列和樣本灰度值序列,可以便于后續通過比較目標灰度值序列和樣本灰度值序列之間的差異度,初步判斷待檢測鋁箔表面的缺陷情況。在有效提高識別精度的同時,規避了相關技術人員需要針對不同的缺陷設置不同缺陷特征識別方法的繁瑣過程。
第三步,分別對上述目標灰度值序列和上述樣本灰度值序列進行標準化處理,得到目標標準值序列和樣本標準值序列。
其中,目標標準值序列可以是進行標準化處理后的目標灰度值序列。樣本標準值序列可以是進行標準化處理后的樣本灰度值序列。
例如,可以分別對上述目標灰度值序列和上述樣本灰度值序列進行Z-Normalization標準化處理,得到目標標準值序列和樣本標準值序列。
對目標灰度值序列和樣本灰度值序列進行Z-Normalization標準化處理,可以使得到的目標標準值序列和樣本標準值序列更穩定,并且減少了噪聲的干擾。因此,提高了后續通過對目標標準值序列和樣本標準值序列進行分析,確定的目標距離差異矩陣的準確性。
第四步,確定上述目標標準值序列中的任意一個目標標準值和上述樣本標準值序列中的任意一個樣本標準值之間的目標距離差異,生成目標距離差異矩陣。
例如,本步驟可以包括以下子步驟:
第一子步驟,確定上述目標標準值序列中的任意一個目標標準值和上述樣本標準值序列中的任意一個樣本標準值之間的目標距離差異對應的公式可以為:
其中, 是目標標準值序列中的第 i個目標標準值和樣本標準值序列中的第 j個樣本標準值之間的目標距離差異。 i是目標標準值序列中的目標標準值的序號。 j是樣本標準值序列中的樣本標準值的序號。
是目標標準值序列中的第 i個目標標準值。
是樣本標準值序列中的第 j個樣本標準值。
實際情況中, 可以表征第 i個目標標準值和第 j個樣本標準值之間的相對偏差。
可以表征第 i個目標標準值和第 j個樣本標準值在各自序列中的位置之間的差距。
可以表征第 i個目標標準值和第 j個樣本標準值之間差異。當
越大、
越大或
越大時,第 i個目標標準值和第 j個樣本標準值之間的目標距離差異
往往越大,即第 i個目標標準值和第 j個樣本標準值之間差異程度往往越大。
第二子步驟,根據上述目標標準值序列中的目標標準值和上述樣本標準值序列中的樣本標準值之間的目標距離差異,生成目標距離差異矩陣。
比如,可以目標標準值序列中的第 i個目標標準值和樣本標準值序列中的第 j個樣本標準值之間的目標距離差異,確定為目標距離差異矩陣中第 i行、第 j列的元素。其中, i還可以是目標距離差異矩陣的行號。 j還可以是目標距離差異矩陣的列號。
第五步,對上述目標距離差異矩陣進行調整遍歷搜索分析,得到目標路徑信息。
例如,本步驟可以包括以下子步驟:
第一子步驟,對上述目標距離差異矩陣中的元素進行調整,得到差異調整矩陣。
其中,差異調整矩陣中左下角處的元素可以是目標距離差異矩陣中左上角處的元素。
比如,可以將目標距離差異矩陣的最后一行,確定為差異調整矩陣的第一行??梢詫⒛繕司嚯x差異矩陣的倒數第二行,確定為差異調整矩陣的第二行。以此類推,直至將目標距離差異矩陣中的元素調整完畢,得到差異調整矩陣。
第二子步驟,將上述差異調整矩陣中的左下角元素,確定為搜索初始點。
第三子步驟,根據上述搜索初始點和預先設置的多個目標方向,對上述差異調整矩陣進行遍歷搜索,得到路徑信息集合。
其中,上述路徑信息集合中的路徑信息可以包括:多個差異調整值和差異調整數量。差異調整值可以是上述差異調整矩陣中通過遍歷搜索所形成的路徑上的元素。差異調整數量可以是路徑信息包括的差異調整值的數量。多個目標方向可以包括:水平方向、垂直方向和45°方向。
比如,如圖2所示,方格可以表征差異調整矩陣中的元素。帶有實心圓點的方格可以表征通過遍歷搜索所形成的路徑上的元素。3個箭頭所指的方向可以是進行遍歷搜索的3個目標方向。圖2中的各個帶有實心圓點的方格所組成的路徑可以是路徑信息集合中的一個路徑信息對應的路徑。即對差異調整矩陣進行遍歷搜索時,首先,可以將搜索初始點,作為第一個差異調整值,從搜索初始點的3個目標方向處的鄰近元素中隨機選取一個目標方向處的鄰近元素,作為第二個差異調整值。鄰近元素可以是相鄰的元素。接著,從第二個差異調整值的3個目標方向處的鄰近元素中隨機選取一個目標方向處的鄰近元素,作為第三個差異調整值。以此類推,直至3個目標方向處不存在鄰近元素時,將遍歷得到的多個差異調整值和差異調整值的數量,確定為路徑信息集合中的一個路徑信息。
第四子步驟,對于上述路徑信息集合中的每個路徑信息,將上述路徑信息包括的多個差異調整值的和,確定為上述路徑信息對應的目標路徑距離。
第五子步驟,對于上述路徑信息集合中的每個路徑信息,對上述路徑信息對應的目標路徑距離進行開根號,將得到的根號值,確定為上述路徑信息對應的目標根號值。
第六子步驟,對于上述路徑信息集合中的每個路徑信息,將上述路徑信息對應的目標根號值與上述路徑信息包括的差異調整數量的比值,確定為上述路徑信息對應的目標比值。
第七子步驟,從上述路徑信息集合中篩選出最小的目標比值對應的路徑信息,作為目標路徑信息。
第六步,根據上述目標路徑信息和上述差異系數,確定上述灰度差異度。
例如,可以將上述目標路徑信息對應的目標比值與上述差異系數的乘積,確定為上述灰度差異度。
實際情況中,當灰度差異度越大時,往往認為目標標準值序列和樣本標準值序列之間的差異程度越大,待檢測鋁箔的表面往往越可能存在缺陷。當灰度差異度越小時,往往認為目標標準值序列和樣本標準值序列之間的差異程度越小,待檢測鋁箔的表面往往越可能是正常的鋁箔表面。
第七步,對上述目標鋁箔圖像和上述樣本鋁箔圖像進行表面外觀分析,得到上述表面外觀差異度。
例如,本步驟可以包括以下子步驟:
第一子步驟,對于上述目標鋁箔圖像中的每個目標鋁箔像素點,將上述目標鋁箔像素點對應的預先設置的預設鄰域中的像素點對應的灰度值的和,確定為上述目標鋁箔像素點對應的目標鄰域灰度值。
其中,目標鋁箔像素點可以是目標鋁箔圖像中的像素點。預設鄰域可以是預先設置的鄰域。如,預設鄰域可以是3×3鄰域。
比如,本子步驟可以包括以下步驟:
首先,確定上述目標鋁箔圖像對應的積分圖像。
其中,積分圖像中的任意一點的值可以是從目標鋁箔圖像的左上角到這個點所構成的矩形區域內所有的像素點對應的灰度值的和。
接著,根據上述目標鋁箔圖像對應的積分圖像,確定上述目標鋁箔像素點對應的預設鄰域中的四個角點對應的積分值。
其中,角點對應的積分值可以是該角點在積分圖像上的值。
最后,根據上述目標鋁箔像素點對應的預設鄰域中的四個角點對應的積分值,確定上述目標鋁箔像素點對應的目標鄰域灰度值。
如,根據上述目標鋁箔像素點對應的預設鄰域中的四個角點對應的積分值,確定上述目標鋁箔像素點對應的目標鄰域灰度值對應的公式可以為:
其中, F是目標鋁箔像素點對應的目標鄰域灰度值。 是目標鋁箔像素點對應的預設鄰域的左上角點對應的積分值。
是目標鋁箔像素點對應的預設鄰域的右上角點對應的積分值。
是目標鋁箔像素點對應的預設鄰域的右下角點對應的積分值。
是目標鋁箔像素點對應的預設鄰域的左下角點對應的積分值。
實際情況中,確定目標鋁箔像素點對應的目標鄰域灰度值時,用到了該目標鋁箔像素點對應的預設鄰域中的像素點對應的灰度值的和。確定目標鋁箔圖像對應的積分圖像,相當于建立了目標鋁箔圖像中的像素點對應的灰度值的和的表。由于積分圖像存儲了目標鋁箔圖像中的像素點對應的灰度值的和,所以可以通過目標鋁箔像素點對應的預設鄰域中的四個角點對應的積分值,確定目標鋁箔像素點對應的目標鄰域灰度值 F,即 可以表征目標鋁箔像素點對應的預設鄰域中的像素點對應的灰度值的和(目標鄰域灰度值),從而提高了目標鄰域灰度值確定的準確度和效率。由于待檢測鋁箔表面的某些缺陷外觀表征特性可能不明顯,所以可以選擇目標鋁箔像素點對應的預設鄰域對目標鋁箔像素點進行分析。
又如,可以對目標鋁箔像素點對應的預設鄰域中的各個像素點對應的灰度值進行累加,將得到的和,確定為上述目標鋁箔像素點對應的目標鄰域灰度值。
第二子步驟,根據上述目標鋁箔圖像中的每個目標鋁箔像素點對應的目標鄰域灰度值、灰度值和橫坐標值、上述目標鋁箔像素點對應的預設鄰域中的各個像素點對應的灰度值和橫坐標值,確定上述目標鋁箔像素點對應的水平灰度均值,得到水平灰度均值序列。
比如,確定目標鋁箔像素點對應的水平灰度均值對應的公式可以為:
其中, 是目標鋁箔像素點對應的水平灰度均值。 x是目標鋁箔像素點的橫坐標。 y是目標鋁箔像素點的縱坐標。
是橫坐標為
,縱坐標為
的像素點對應的灰度值,
是該像素點的橫坐標,
是該像素點的縱坐標。如,當 Q=-1并且 q=-1時,橫坐標為
,縱坐標為
的像素點可以是目標鋁箔像素點對應的預設鄰域中左上角的像素點。 F是目標鋁箔像素點對應的目標鄰域灰度值。
由于 Q的取值范圍為{-1,0,1}, q的取值范圍為{-1,0,1},所以 和
可以涵蓋目標鋁箔像素點與該目標鋁箔像素點對應的預設鄰域中的各個像素點的橫坐標和縱坐標。因此,考慮了目標鋁箔像素點與鄰域像素點在水平方向的橫坐標
、目標鋁箔像素點與鄰域像素點對應的灰度值
、目標鋁箔像素點對應的目標鄰域灰度值 F,可以提高目標鋁箔像素點對應的水平灰度均值確定的準確度。其中,鄰域像素點可以是目標鋁箔像素點對應的預設鄰域中的像素點。
第三子步驟,根據上述目標鋁箔圖像中的每個目標鋁箔像素點對應的目標鄰域灰度值、灰度值和縱坐標值、上述目標鋁箔像素點對應的預設鄰域中的各個像素點對應的灰度值和縱坐標值,確定上述目標鋁箔像素點對應的垂直灰度均值,得到垂直灰度均值序列。
比如,確定目標鋁箔像素點對應的垂直灰度均值對應的公式可以為:
其中, 是目標鋁箔像素點對應的垂直灰度均值。 x是目標鋁箔像素點的橫坐標。 y是目標鋁箔像素點的縱坐標。
是橫坐標為
,縱坐標為
的像素點對應的灰度值,
是該像素點的橫坐標,
是該像素點的縱坐標。如,當 Q=1并且 q=1時,橫坐標為
,縱坐標為
的像素點可以是目標鋁箔像素點對應的預設鄰域中右下角的像素點。 F是目標鋁箔像素點對應的目標鄰域灰度值。
由于 Q的取值范圍為{-1,0,1}, q的取值范圍為{-1,0,1},所以 和
可以涵蓋目標鋁箔像素點與該目標鋁箔像素點對應的預設鄰域中的各個像素點的橫坐標和縱坐標。因此,考慮了目標鋁箔像素點與鄰域像素點在垂直方向的縱坐標
、目標鋁箔像素點與鄰域像素點對應的灰度值
、目標鋁箔像素點對應的目標鄰域灰度值 F,可以提高目標鋁箔像素點對應的垂直灰度均值確定的準確度。
第四子步驟,根據上述水平灰度均值序列和上述垂直灰度均值序列,確定上述目標鋁箔圖像對應的目標協方差矩陣。
比如,目標鋁箔圖像對應的目標協方差矩陣可以為:
其中, M是目標鋁箔圖像對應的目標協方差矩陣。 是水平灰度均值序列與該水平灰度均值序列之間的協方差。
是水平灰度均值序列與垂直灰度均值序列之間的協方差。
是垂直灰度均值序列與水平灰度均值序列之間的協方差。
是垂直灰度均值序列與該垂直灰度均值序列之間的協方差。由于水平方向和垂直方向相互正交,所以
。
由于目標協方差矩陣包括了水平灰度均值序列與該水平灰度均值序列之間的協方差 、水平灰度均值序列與垂直灰度均值序列之間的協方差
、垂直灰度均值序列與水平灰度均值序列之間的協方差
和垂直灰度均值序列與該垂直灰度均值序列之間的協方差
。所以,目標協方差矩陣可以表征目標鋁箔圖像中像素點的分布特征。
第五子步驟,確定上述樣本鋁箔圖像對應的樣本協方差矩陣。
本子步驟的具體實現方式可以參考步驟S2包括的第七步包括的第一子步驟至第四子步驟,可以將樣本鋁箔圖像,作為目標鋁箔圖像,執行步驟S2包括的第七步包括的第一子步驟至第四子步驟,得到的目標協方差矩陣即為樣本協方差矩陣。
第六子步驟,分別對上述目標協方差矩陣和上述樣本協方差矩陣進行特征分解,得到兩個目標特征值和兩個樣本特征值。
其中,兩個目標特征值可以是對目標協方差矩陣進行特征分解,得到的兩個特征值。兩個樣本特征值可以是對樣本協方差矩陣進行特征分解,得到的兩個特征值。
比如,可以通過SVD(Singular Value Decomposition,奇異值分解),分別對上述目標協方差矩陣和上述樣本協方差矩陣進行特征分解,得到兩個目標特征值和兩個樣本特征值。
實際情況中,由于目標協方差矩陣和樣本協方差矩陣均為實對稱矩陣,并且目標協方差矩陣和樣本協方差矩陣均為2×2矩陣。所以通過SVD,對目標協方差矩陣和樣本協方差矩陣進行特征分解,均可以得到兩個特征值。由于目標協方差矩陣可以表征目標鋁箔圖像中像素點的分布特征,樣本協方差矩陣可以表征樣本鋁箔圖像中像素點的分布特征。所以通過特征分解得到的兩個目標特征值和兩個樣本特征值在一定程度上反映了目標鋁箔圖像和樣本鋁箔圖像的表面外觀特征。
第七子步驟,根據上述兩個目標特征值和上述兩個樣本特征值,確定上述表面外觀差異度。
比如,本子步驟可以包括以下步驟:
首先,將上述兩個目標特征值中的第一個目標特征值,確定為第一坐標的橫坐標。
接著,將上述兩個目標特征值中的第二個目標特征值,確定為第一坐標的縱坐標。
然后,將上述兩個樣本特征值中的第一個樣本特征值,確定為第二坐標的橫坐標。
之后,將上述兩個樣本特征值中的第二個樣本特征值,確定為第二坐標的縱坐標。
最后,將第一坐標與第二坐標之間的歐式距離的二分之一,確定為上述表面外觀差異度。
實際情況中,當表面外觀差異度越大時,目標鋁箔圖像和樣本鋁箔圖像之間的差異往往越大,待檢測鋁箔表面存在缺陷的可能性往往越大。
步驟S3,根據灰度差異度和表面外觀差異度,確定待檢測鋁箔對應的目標缺陷概率。
在一些實施例中,可以根據上述灰度差異度和上述表面外觀差異度,確定上述待檢測鋁箔對應的目標缺陷概率。
其中,目標缺陷概率可以是待檢測鋁箔表面存在缺陷的概率。
作為示例,本步驟可以包括以下步驟:
第一步,將上述灰度差異度與上述表面外觀差異度的和,確定為上述待檢測鋁箔對應的整體差異度。
第二步,將上述整體差異度與1的和,確定為參考差異度。
第三步,將上述整體差異度與上述參考差異度的比值,確定為上述目標缺陷概率。
實際情況中,目標缺陷概率越大,即目標缺陷概率越接近1,待檢測鋁箔表面往往越存在缺陷。目標缺陷概率越小,即目標缺陷概率越接近0,待檢測鋁箔表面往往越光滑,待檢測鋁箔表面往往越不存在缺陷。
步驟S4,根據目標缺陷概率和預先設置的缺陷概率閾值,生成待檢測鋁箔對應的目標缺陷信息。
在一些實施例中,可以根據上述目標缺陷概率和預先設置的缺陷概率閾值,生成上述待檢測鋁箔對應的目標缺陷信息。
其中,目標缺陷信息可以表征待檢測鋁箔表面的缺陷情況。缺陷概率閾值可以是預先設置的待檢測鋁箔正常時,所允許的最大的目標缺陷概率。例如,缺陷概率閾值可以是0.6。
作為示例,本步驟可以包括以下步驟:
第一步,當上述目標缺陷概率大于上述缺陷概率閾值時,生成表征上述待檢測鋁箔存在缺陷的目標缺陷信息。
第二步,當上述目標缺陷概率小于或等于上述缺陷概率閾值時,生成表征上述待檢測鋁箔正常的目標缺陷信息。
本發明的一種鋁箔表面缺陷識別方法,利用可見光手段進行材料分析和測試,解決了對鋁箔表面進行缺陷識別的準確度低下的技術問題,提高了對鋁箔表面進行缺陷識別的準確度。首先,獲取待檢測鋁箔的表面可見光圖像和樣本鋁箔的樣本表面可見光圖像,對上述表面可見光圖像和上述樣本表面可見光圖像進行預處理,得到目標鋁箔圖像和樣本鋁箔圖像。實際情況中,存在采用人工的方式對鋁箔表面進行缺陷識別。當采用人工的方式,對鋁箔表面進行缺陷識別時,往往是憑借檢測者的主觀感受進行檢測識別,作出的識別判斷往往不準確,所以,當采用人工的方式對鋁箔表面進行缺陷識別時,往往會導致對鋁箔表面進行缺陷識別的準確度低下。因此,通過獲取包含有待檢測鋁箔表面情況的表面可見光圖像和包含有樣本鋁箔表面情況的樣本表面可見光圖像,可以便于后續比較待檢測鋁箔表面與樣本鋁箔表面之間的差異,便于確定待檢測鋁箔表面的缺陷情況,可以提高對鋁箔表面進行缺陷識別的準確度。其次,對表面可見光圖像和樣本表面可見光圖像進行預處理,可以消除表面可見光圖像和樣本表面可見光圖像中無關的信息,恢復有用的真實信息,增強有關信息的可檢測性和最大限度地簡化數據,可以便于后續通過分析目標鋁箔圖像和樣本鋁箔圖像之間的差異,對鋁箔表面進行缺陷識別。接著,對上述目標鋁箔圖像和上述樣本鋁箔圖像進行特征對比分析,得到灰度差異度和表面外觀差異度。從灰度和表面外觀兩方面,對目標鋁箔圖像和樣本鋁箔圖像進行特征對比分析,可以提高目標鋁箔圖像和樣本鋁箔圖像之間的灰度差異度和表面外觀差異度確定的準確度。然后,根據上述灰度差異度和上述表面外觀差異度,確定上述待檢測鋁箔對應的目標缺陷概率。綜合考慮了目標鋁箔圖像和樣本鋁箔圖像之間的灰度差異度和表面外觀差異度,可以提高確定的目標缺陷概率的準確度。最后,根據上述目標缺陷概率和預先設置的缺陷概率閾值,生成上述待檢測鋁箔對應的目標缺陷信息。因此,本發明利用可見光手段進行材料分析和測試,解決了對鋁箔表面進行缺陷識別的準確度低下的技術問題,提高了對鋁箔表面進行缺陷識別的準確度。
以上上述實施例僅用以說明本申請的技術方案,而非對其限制;盡管參照前述實施例對本申請進行了詳細的說明,本領域的普通技術人員應當理解:其依然可以對前述各實施例所記載的技術方案進行修改,或者對其中部分技術特征進行等同替換;而這些修改或者替換,并不使相應技術方案的本質脫離本申請各實施例技術方案的范圍,均應包含在本申請的保護范圍之內。
評論 (0條)