基于机器视觉的制造技术

本发明专利技术涉及图像处理领域，具体涉及基于机器视觉的

【技术实现步骤摘要】
基于机器视觉的PTFE成品外观缺陷检测方法


[0001]本专利技术涉及图像处理
，具体涉及基于机器视觉的
PTFE
成品外观缺陷检测方法
。

技术介绍

[0002]随着科技发展，材料使用不再局限于钢材，一些塑料管材等新型建筑材料因其原材料获取等原因崭露头角，比如被称为塑料王的
PTFE
被应用于各个领域
。
塑料管材在生产过程中也可能因为机器调整不当导致缺陷产生，基于机器视觉的缺陷检测可以减少人力资源成本
。PTFE
管材是一种广泛应用于化工
、
医疗
、
食品
、
电子等领域的重要管材
。
由于其优异的耐热性
、
耐腐蚀性和低摩擦系数，
PTFE
管材被广泛应用于输送液体
、
气体和腐蚀性介质的工艺中
。
在生产过程中，确保
PTFE
管材的质量和完整性对于确保产品性能和安全至关重要
。PTFE
管材在生产过程中可能存在一些表面或内部缺陷，如气泡
、
裂纹
、
收缩等
。
这些缺陷可能会影响管材的强度
、
耐压能力和使用寿命
。
[0003]但再常规中经常使用超像素分割进行获取缺陷区域，但在
PTFE
管材进行检测的过程中，
PTFE
管材是由多根管材进行排列在一起的，可能由于缺陷区域的像素点的灰度值和非缺陷区域的像素点的灰度值较为相近；所以在常规的超像素分割是针对像素点的灰度值进行相似性判断的时，未能将
PTFE
管材的竖直和水平特征考虑进去，导致在灰度值相近的时候，
PTFE
管材的缺陷区域检测时不准确，出现误判
。
因此本专利技术针对图像像素点的相似进行判断时，考虑每个像素点在水平和竖直方向的变化特征，根据水平和竖直的变化特征进行像素点的相似判断，最后确定出准确的超像素块
。

技术实现思路

[0004]本专利技术提供基于机器视觉的
PTFE
成品外观缺陷检测方法，以解决现有的问题
。
[0005]本专利技术的基于机器视觉的
PTFE
成品外观缺陷检测方法采用如下技术方案：本专利技术一个实施例提供了基于机器视觉的
PTFE
成品外观缺陷检测方法，该方法包括以下步骤：采集
PTFE
管材的图像，并进行灰度化得到管材灰度图；预设一个超像素块的个数
K
，根据预设超像素块的个数
K
对管材灰度图进行划分，得到管材灰度图中的超像素块，每个超像素块内包含一个种子点；根据每个超像素块中的种子点的灰度值和种子点对应的水平和竖直线上像素点的灰度值得到超像素块中每个像素点与对应种子点的初始相似性权重；根据超像素块内每个像素点到种子点对应的水平和竖直线的距离得到每个像素点与对应种子点之间的夹角；根据超像素块中每个像素点与对应种子点之间的夹角和初始相似性权重得到每个像素点与对应种子点相似性权重；根据超像素块中每个像素点与对应种子点的相似性权重和每个像素点与对应种子点之间的灰度差异得到每个像素点与对应种子点的相似性；根据每个像素点与对应种子
点之间的相似性对管材灰度图重新划分超像素块，得到管材灰度图中修正后的超像素块；根据管材灰度图中修正后的超像素块进行
PTFE
成品的外观缺陷检测
。
[0006]进一步地，所述根据预设超像素块的个数
K
对管材灰度图进行划分，得到管材灰度图中的超像素块，包括的具体步骤如下：将管材灰度图均匀划分为
K
个超像素块，每个超像素块中的像素点的个数为，每个超像素块的边长尺寸为，其中，
N
表示管材灰度图中的像素点的个数
。
[0007]进一步地，所述每个超像素块内包含一个种子点的具体获取步骤如下：选取每个超像素块内中心位置的像素点为每个超像素块的种子点
。
[0008]进一步地，所述根据每个超像素块中的种子点的灰度值和种子点对应的水平和竖直线上像素点的灰度值得到超像素块中每个像素点与对应种子点的初始相似性权重，包括的具体步骤如下：超像素块中每个像素点与对应种子点的初始相似性权重的公式为：式中，表示第
z
个超像素块中的种子点的灰度值，表示超像素块中种子点对应的水平线上的第
j
个像素点的灰度值，表示超像素块中种子点对应的竖直线上的第
j
个像素点的灰度值，
S
表示超像素块的边长尺寸，表示第
z
个超像素块中的第
i
个像素点的灰度值，表示超像素块中的第
i
个像素点对应的水平线上的像素点的灰度值，表示超像素块中的第
i
个像素点对应的竖直线上的像素点的灰度值，表示第
z
个超像素块中的第
i
个像素点与对应种子点的初始相似性权重
。
[0009]进一步地，所述种子点对应的水平和竖直线，包括的具体步骤如下：种子点对应的水平和竖直线是每个超像素块中的种子点所在的水平行和竖直列的像素点组成的水平和竖直线
。
[0010]进一步地，所述根据超像素块内每个像素点到种子点对应的水平和竖直线的距离得到每个像素点与对应种子点之间的夹角，包括的具体步骤如下：每个像素点与对应种子点之间的夹角的公式为：式中，表示第
z
个超像素块内的第
i
个像素点到对应的竖直线上的距离，表示第
z
个超像素块内的第
i
个像素点到对应的水平线上的距离，表示超像素块内的第
i
个像素点与第
z
个超像素块中种子点之间的夹角，表示反正切函数
。
[0011]进一步地，所述每个像素点与对应种子点相似性权重的具体获取步骤如下：
每个像素点与对应种子点相似性权重的公式为：式中，表示第
z
个超像素块中的第
i
个像素点与对应种子点的初始相似性权重，表示超像素块内的第
i
个像素点与第
z
个超像素块中种子点之间的夹角，表示第
z
个超像素块中的第
i
个像素点与对应种子点的相似性权重
。
[0012]进一步地，所述每个像素点与对应种子点的相似性的具体获取步骤如下：每个像素点与对应种子点的相似性的公式为：式中，表示第
z
个超像素块中的第
i
个像素点与对应种子点的相似性权重，表示第
z
个超像素块中的种子点的灰度值，表示第
z
个超像素块中的第
i
个像素点的灰度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于机器视觉的
PTFE
成品外观缺陷检测方法，其特征在于，该方法包括以下步骤：采集
PTFE
管材的图像，并进行灰度化得到管材灰度图；预设一个超像素块的个数
K
，根据预设超像素块的个数
K
对管材灰度图进行划分，得到管材灰度图中的超像素块，每个超像素块内包含一个种子点；根据每个超像素块中的种子点的灰度值和种子点对应的水平和竖直线上像素点的灰度值得到超像素块中每个像素点与对应种子点的初始相似性权重；根据超像素块内每个像素点到种子点对应的水平和竖直线的距离得到每个像素点与对应种子点之间的夹角；根据超像素块中每个像素点与对应种子点之间的夹角和初始相似性权重得到每个像素点与对应种子点相似性权重；根据超像素块中每个像素点与对应种子点的相似性权重和每个像素点与对应种子点之间的灰度差异得到每个像素点与对应种子点的相似性；根据每个像素点与对应种子点之间的相似性对管材灰度图重新划分超像素块，得到管材灰度图中修正后的超像素块；根据管材灰度图中修正后的超像素块进行
PTFE
成品的外观缺陷检测
。2.
根据权利要求1所述基于机器视觉的
PTFE
成品外观缺陷检测方法，其特征在于，所述根据预设超像素块的个数
K
对管材灰度图进行划分，得到管材灰度图中的超像素块，包括的具体步骤如下：将管材灰度图均匀划分为
K
个超像素块，每个超像素块中的像素点的个数为，每个超像素块的边长尺寸为，其中，
N
表示管材灰度图中的像素点的个数
。3.
根据权利要求1所述基于机器视觉的
PTFE
成品外观缺陷检测方法，其特征在于，所述每个超像素块内包含一个种子点的具体获取步骤如下：选取每个超像素块内中心位置的像素点为每个超像素块的种子点
。4.
根据权利要求1所述基于机器视觉的
PTFE
成品外观缺陷检测方法，其特征在于，所述根据每个超像素块中的种子点的灰度值和种子点对应的水平和竖直线上像素点的灰度值得到超像素块中每个像素点与对应种子点的初始相似性权重，包括的具体步骤如下：超像素块中每个像素点与对应种子点的初始相似性权重的公式为：式中，表示第
z
个超像素块中的种子点的灰度值，表示超像素块中种子点对应的水平线上的第
j
个像素点的灰度值，表示超像素块中种子点对应的竖直线上的第
j
个像素点的灰度值，
S
表示超像素块的边长尺寸，表示第
z
个超像素块中的第
i
个像素点的灰度值，表示超像素块中的第
i
个像素点对应的水平线上的像素点的灰度值，表示超像素块中的第
i
个像素点对应的竖直线上的像素点的灰度值，表示第
z
个超像素块中的第
i
个像素点与对应种子点的初始相似性权重
。
5.
根据权利要求3所述基于机器视觉的
PTFE
成品外观缺陷检测方法，其特征在于，所述种子点对应的水平和竖直线，包括的具体步骤如下：种子点对应的水平和竖直线是每个超像素块中的种子点所在的水平行和竖直列的像素点组成的水平和竖直线

【专利技术属性】
技术研发人员：张军辉，黄力钢，赵文强，邓彬，熊光明，
申请(专利权)人：深圳市兴东泰电子有限公司，
类型：发明
国别省市：