本发明涉及图像处理,具体涉及一种塑胶颗粒在线视觉检测方法及系统。
背景技术:
1、塑胶颗粒是制作塑料制品的原材料之一,可用于汽车工业、医疗器械等领域。塑胶颗粒在生产过程中可能存在一些缺陷,如表面凹凸不平、颗粒比较干瘪或颗粒表面皱在一起的情况等,通过对塑胶颗粒进行缺陷检测,可以及时发现塑胶颗粒的缺陷,保证塑胶颗粒的质量,减少后续使用过程中出现问题的可能性,避免产生不必要的浪费。
2、目前的缺陷检测方法十分依赖图片质量,当图片质量较低时,检测结果不够准确,因此为了提高检测结果的准确性,在缺陷检测前需要对图片进行增强,现阶段最常用的图像增强方法是retinex图像增强算法及其变形。
3、但retinex图像增强算法是对图像进行统一增强,容易导致塑胶颗粒的细节信息丢失,因此需要根据塑胶颗粒的实际情况进行针对性的增强。
技术实现思路
1、为了解决上述技术问题,本发明的目的在于提供一种塑胶颗粒在线视觉检测方法及系统,所采用的技术方案具体如下:
2、第一方面,本发明实施例提供了一种塑胶颗粒在线视觉检测方法,该方法包括以下步骤:
3、获取塑胶颗粒图像,并进行预处理;
4、将塑胶颗粒图像均分为多个尺寸相同的方形窗口,记为第一方形窗口,利用harris角点检测算法检测塑胶颗粒图像中的角点,根据各第一方形窗口内角点数量得到各第一方形窗口的概率因子;根据各第一方形窗口内角点的密集程度得到各第一方形窗口的粗糙度因子;根据各第一方形窗口的概率因子和粗糙度因子得到各第一方形窗口的凌乱度系数;以各像素点为中心构建方形窗口,记为第二方形窗口,根据各像素点第二方形窗口内的灰度分布情况得到各像素点的灰度信息丰富因子;根据各像素点第二方形窗口内所有像素点的灰度信息丰富因子获取各像素点的凸显系数;根据各像素点的凸显系数及各像素点所在第一方形窗口的凌乱度系数得到各像素点的增强权重;根据各像素点的增强权重得到各像素点的自适应增强尺度;
5、利用bp神经网络对塑胶颗粒图像的增强效果图进行缺陷检测,完成塑胶颗粒的在线视觉质量检测。
6、进一步地,所述根据各第一方形窗口内角点数量得到各第一方形窗口的概率因子,包括:
7、对于各第一方形窗口,统计第一方形窗口内角点的数量,统计第一方形窗口内像素点的总数量,将所述角点的数量与所述像素点的总数量的比值作为第一方形窗口的概率因子。
8、进一步地,所述根据各第一方形窗口内角点的密集程度得到各第一方形窗口的粗糙度因子,包括:
9、对于各第一方形窗口,将第一方形窗口内某个角点记为第一角点,计算所述第一角点与第一方形窗口内所有角点的欧式距离,计算第一方形窗口内所有角点的所述欧式距离的均值,记为第一均值,计算第一方形窗口内所有角点的所述欧式距离与所述均值的差值绝对值,计算第一方形窗口内所有角点的所述差值绝对值的均值,记为第二均值,将所述第二均值的相反数作为以自然常数为底的指数函数的指数,将所述指数函数作为第一角点的密集程度,根据计算所述第一角点的密集程度的方法获取第一方形窗口内其余角点的密集程度,将窗口内所有角点的密集程度的最大值作为第一方形窗口的粗糙度因子。
10、进一步地,所述根据各第一方形窗口的概率因子和粗糙度因子得到各第一方形窗口的凌乱度系数,包括:
11、对于各第一方形窗口,将第一方形窗口的粗糙度因子作为以自然常数为底的指数函数的指数,将第一方形窗口的概率因子与所述指数函数的乘积作为第一方形窗口的凌乱度系数。
12、进一步地,所述根据各像素点第二方形窗口内的灰度分布情况得到各像素点的灰度信息丰富因子,包括:
13、对于各像素点,计算像素点的第二方形窗口内像素点灰度值的归一化灰度直方图,计算所述归一化灰度直方图上所有灰度级的信息熵的和值,统计第二方形窗口内像素点灰度值的最大值和最小值,计算所述最大值与所述最小值的差值,将所述差值与所述和值的乘积作为像素点的灰度信息丰富因子。
14、进一步地,所述根据各像素点第二方形窗口内所有像素点的灰度信息丰富因子获取各像素点的凸显系数,包括:
15、对于各像素点,计算像素点与像素点的第二方形窗口内各像素点的灰度信息丰富因子的差值绝对值,将第二方形窗口内所有所述差值绝对值的均值作为像素点的凸显系数。
16、进一步地,所述根据各像素点的凸显系数及各像素点所在第一方形窗口的凌乱度系数得到各像素点的增强权重,包括:
17、对于各像素点,将像素点的凸显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,将像素点所在所述第一方形窗口的凌乱度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,计算第一指数函数与第二指数函数的和值,将所述和值与1的和值作为像素点的增强权重。
18、进一步地,所述根据各像素点的增强权重得到各像素点的自适应增强尺度,包括:
19、将像素点的增强权重与预设初始增强尺度的乘积作为像素点的自适应增强尺度。
20、进一步地,所述利用bp神经网络对增强后的塑胶颗粒图像进行缺陷检测,完成塑胶颗粒的在线视觉质量检测,包括:
21、bp神经网络的输入为增强后的塑胶颗粒图像,输出为缺陷检测效果图,计算缺陷像素点数量与塑胶颗粒图像像素点总数量的比值,将所述比值记作本批次塑胶颗粒的质量不良率,当质量不良率大于预设质量不良率阈值时,本批次的塑胶颗粒质量不合格,反之,本批次的塑胶颗粒质量合格。
22、第二方面,本发明实施例还提供了一种塑胶颗粒在线视觉检测系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
23、本发明至少具有如下有益效果:
24、本发明对塑胶颗粒图像进行分析,针对单颗塑胶颗粒表面凹凸不平、颗粒比较干瘪,颗粒表面皱在一起,多颗塑胶颗粒堆叠在一起,互相遮挡、边缘难以检测的特征,对图像中的每个像素点赋予不同的增强权重。根据塑胶颗粒图像中边缘相交、缺陷区域角点多且密集的特征,构建凌乱度系数,对局部区域存在缺陷的概率进行了分析;根据像素点及周围像素点的灰度值分布情况构建灰度信息丰富因子,利于提取灰度信息较为丰富的边缘或缺陷区域;进而根据像素点的灰度信息丰富因子的差异构建凸显系数,获取表征像素点位于边缘与缺陷区域的概率,便于对越可能为边缘与缺陷区域的像素点赋予越高的增强权重;根据像素点的凸显系数及像素点所在窗口的凌乱度系数得到像素点的增强权重,进而根据增强权重对像素点赋予自适应增强尺度,根据像素点的特征对像素点实现自适应的增强,使位于边缘及缺陷区域的像素点的增强尺度更高,在满足图像增强的基础上,对塑胶颗粒边缘及缺陷区域进行针对性的增强,为提高后续质量检测的准确性提供了便利。
1.一种塑胶颗粒在线视觉检测方法,其特征在于,该方法包括以下步骤:
2.在如权利要求1所述的一种塑胶颗粒在线视觉检测方法,其特征在于,所述根据各第一方形窗口内角点数量得到各第一方形窗口的概率因子,包括:
3.如权利要求1所述的一种塑胶颗粒在线视觉检测方法,其特征在于,所述根据各第一方形窗口内角点的密集程度得到各第一方形窗口的粗糙度因子,包括:
4.如权利要求1所述的一种塑胶颗粒在线视觉检测方法,其特征在于,所述根据各第一方形窗口的概率因子和粗糙度因子得到各第一方形窗口的凌乱度系数,包括:
5.如权利要求1所述的一种塑胶颗粒在线视觉检测方法,其特征在于,所述根据各像素点第二方形窗口内的灰度分布情况得到各像素点的灰度信息丰富因子,包括:
6.如权利要求1所述的一种塑胶颗粒在线视觉检测方法,其特征在于,所述根据各像素点第二方形窗口内所有像素点的灰度信息丰富因子获取各像素点的凸显系数,包括:
7.如权利要求1所述的一种塑胶颗粒在线视觉检测方法,其特征在于,所述根据各像素点的凸显系数及各像素点所在第一方形窗口的凌乱度系数得到各像素点的增强权重,包括:
8.如权利要求1所述的一种塑胶颗粒在线视觉检测方法,其特征在于,所述根据各像素点的增强权重得到各像素点的自适应增强尺度,包括:
9.如权利要求1所述的一种塑胶颗粒在线视觉检测方法,其特征在于,所述利用bp神经网络对增强后的塑胶颗粒图像进行缺陷检测,完成塑胶颗粒的在线视觉质量检测,包括:
10.一种塑胶颗粒在线视觉检测系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。