一种基于图像处理的塑料制品缺陷检测方法与系统技术方案

本发明专利技术涉及缺陷数据识别技术领域，具体涉及一种基于图像处理的塑料制品缺陷检测方法与系统，该方法包括：获取塑料制品图像，构建塑料制品图像的图像金字塔；通过图像金字塔识别出图像中不同的类别区域；进一步根据图像金字塔各层图像的特征选取目标图像对目标图像进行进一步分割，识别出塑料制品的应力痕区域。本发明专利技术通过塑料制品的图像特征识别出表面的缺陷区域，并且通过改进的分水岭算法避免了过分割的影响，使得缺陷数据识别更加准确。使得缺陷数据识别更加准确。使得缺陷数据识别更加准确。

【技术实现步骤摘要】
一种基于图像处理的塑料制品缺陷检测方法与系统


[0001]本专利技术涉及缺陷数据识别
，具体涉及一种基于图像处理的塑料制品缺陷检测方法与系统。

技术介绍

[0002]目前，对于塑料制品来说，注塑过程中流速的差别容易引发应力痕缺陷。而产品转角处是出现应力痕的高发区域，主要是因为转角处的材料流动容易受到阻力影响，在注塑过程中流动速度和压力发生了快速变化造成的。同时，在进行缺陷检测时，由于塑料制品受光照影响较大，应力痕的边缘较难检测得到，因此现有常采用分水岭算法进行检测，分水岭算法可以检测到较弱边缘，但受噪声和图像中平坦区域细密纹理的影响较大，检测到的局部极值较多，容易产生大量的细小区域，进而造成过分割的情况出现。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的在于提供一种基于图像处理的塑料制品缺陷检测方法与系统，所采用的技术方案具体如下：获取塑料制品图像，构建塑料制品图像的图像金字塔；将图像金字塔上各层图像中的极小值点分别作为种子点，利用区域生长算法进行处理，得到各层图像的类别区域；计算图像金字塔的每层图像类别区域的方差之和，将图像金字塔各层图像的方差之和构成方差和序列；计算方差和序列中相邻元素的差值，对差值进行分类得到不同的差值类别，将所述差值类别按从小到大的顺序排列，选择第二个差值类别的第一个元素对应层的图像作为目标图像；对目标图像进行分割处理，得到多个灰度区域，获取灰度区域的区域极小值；确定区域极小值在目标图像上对应的种子点，记为像素极小值点，将目标图像上采样到与塑料制品图像同样尺寸，得到上采样图像，获取上采样图像中像素极小值点对应的像素值范围内最小的像素点作为注水点，利用分水岭算法对上采样图像进行区域划分，得到分水岭分割结果；根据分水岭分割结果获得塑料制品的应力痕区域。
[0004]优选地，所述塑料制品的应力痕区域的获取方法具体为：所述塑料制品图像为RGB图像，将塑料制品图像转化到HSV颜色空间，并获取亮度通道图像；利用多阈值分割对亮度通道图像进行分割处理，得到不同的亮度区域，选择像素点亮度均值最大的亮度区域记为应力痕的亮度范围；将分水岭分割结果和应力痕的亮度范围的并集中占比最大的分水岭分割区域记为应力痕区域。
[0005]优选地，所述各层图像的类别区域获取方法具体为：将图像金字塔上各层图像中的极小值点分别作为种子点，计算其他像素点属于种子点的归属度，将像素点与其最大归属度对应的种子点合并，进行区域生长，得到各层图像
的类别区域。
[0006]优选地，所述归属度的获取方法具体为：其中，表示像素点i属于种子点j的归属度，表示像素点i与种子点j的像素值相似度，表示像素点i到种子点j的距离。
[0007]优选地，所述区域极小值获取方法具体为：将灰度区域内的像素值按升序排列，选择不同灰度区域内前n个像素值作为区域极小值。
[0008]本专利技术还提供了一种基于图像处理的塑料制品缺陷检测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现一种基于图像处理的塑料制品缺陷检测方法的步骤。
[0009]本专利技术实施例至少具有如下有益效果：本专利技术根据图像金字塔每层图像上多个类别区域的方差之和得到方差和序列，并对方差和序列的差值序列进行分析得到目标图像，再利用目标图像获取原图中的像素极小值点，作为分水岭算法的注水点进行区域划分。本专利技术能够对极小值点进行筛选，避免过分割的情况出现。
附图说明
[0010]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0011]图1为一种基于图像处理的塑料制品缺陷检测方法的方法流程图。
具体实施方式
[0012]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于图像处理的塑料制品缺陷检测方法与系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0013]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0014]下面结合附图具体的说明本专利技术所提供的一种基于图像处理的塑料制品缺陷检测方法与系统的具体方案。
[0015]实施例1：请参阅图1，其示出了本专利技术一个实施例提供的一种基于图像处理的塑料制品缺
陷检测方法的步骤流程图，该方法包括以下步骤：首先，利用语义分割网络对图像进行分割处理，排除背景的干扰，得到塑料制品图像，构建塑料制品图像的图像金字塔。
[0016]具体地，在本实施例中，利用DNN网络对图像进行语义分割。所述DNN网络包括：DNN网络使用的数据集为俯视采集的塑料制品图像数据集，塑料制品的样式为多种多样的。需要分割的像素共分为两类，即训练集对应标签标注过程为：单通道的语义标签，对应位置像素属于背景类的标注为0，属于塑料制品的标注为1。所述DNN网络的任务是分类，使用的loss函数为交叉熵损失函数。通过DNN网络进行语义分割得到的0
‑
1掩膜图像与原图像相乘，得到的图像中只含有塑料制品的图像记为塑料制品图像，去除了背景的干扰。
[0017]构建塑料制品图像的图像金字塔的方法具体为：对塑料制品图像进行图像金字塔下采样，在本实施例中选择2*2窗口的max pooling，即最大值采样，多次采样得到的图像构成塑料制品图像的图像金字塔。其中，图像金字塔采样的停止条件为：采样次数为K，在本实施例中，根据塑料制品图像像素点的行数和列数确定合适的图像金字塔采样次数。
[0018]然后，将图像金字塔上各层图像中的极小值点分别作为种子点，利用区域生长算法进行处理，得到各层图像的类别区域；针对图像金字塔某一层图像，计算所有类别区域的方差之和，将图像金字塔各层图像的方差之和构成方差和序列。
[0019]具体地，在本实施例中，通过3*3的窗口进行滑窗计算图像金字塔上各层图像中的极小值点，将图像金字塔上各层图像中的极小值点分别作为种子点，计算其他像素点属于种子点的归属度，将像素点与其最大归属度对应的种子点合并，进行区域生长，得到各层图像的类别区域。
[0020]归属度的计算方法具体为：其中，表示像素点i属于种子点j的归属度，表示像素点i与种子点j的像素值相似度，表示像素点i到种子点j的距离。
[0021]需要说明的是，利用区域生长算法进行处理时，也就是将种子点作为其他像素点的归属类别，需要考虑两个因素，即距离和像素值的相似度。像素点距离哪个种子点的距离越近，被归类为该种子点类别的概率越大；像素点像素值和哪个种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的塑料制品缺陷检测方法，其特征在于，该方法包括以下步骤：获取塑料制品图像，构建塑料制品图像的图像金字塔；将图像金字塔上各层图像中的极小值点分别作为种子点，利用区域生长算法进行处理，得到各层图像的类别区域；计算图像金字塔的每层图像类别区域的方差之和，将图像金字塔各层图像的方差之和构成方差和序列；计算方差和序列中相邻元素的差值，对差值进行分类得到不同的差值类别，将所述差值类别按从小到大的顺序排列，选择第二个差值类别的第一个元素对应层的图像作为目标图像；对目标图像进行分割处理，得到多个灰度区域，获取灰度区域的区域极小值；确定区域极小值在目标图像上对应的种子点，记为像素极小值点，将目标图像上采样到与塑料制品图像同样尺寸，得到上采样图像，获取上采样图像中像素极小值点对应的像素值范围内最小的像素点作为注水点，利用分水岭算法对上采样图像进行区域划分，得到分水岭分割结果；根据分水岭分割结果识别塑料制品的应力痕区域。2.根据权利要求1所述的一种基于图像处理的塑料制品缺陷检测方法，其特征在于，所述塑料制品的应力痕区域的获取方法具体为：所述塑料制品图像为RGB图像，将塑料制品图像转化到HSV颜色空间，并获取亮度通道图像；利用多阈值分割对亮度通道图像进行分割处理，得到...

【专利技术属性】
技术研发人员：王志雄，孟志磊，
申请(专利权)人：江苏盾王科技集团有限公司，
类型：发明
国别省市：