基于数据分析的铝型材锯切过程误差判断方法技术

本发明专利技术涉及图像处理技术领域，具体涉及基于数据分析的铝型材锯切过程误差判断方法，包括：采集连续帧的锯片灰度图像，对连续帧的锯片灰度图像进行混合高斯背景建模，获取每个位置的高斯混合模型，获取每一帧锯片灰度图像中同一个位置的像素点对于该位置的每个子高斯模型的隶属度，构建每个位置的隶属序列，根据所述隶属序列获取每一帧锯片灰度图像中每个位置的像素点的异常程度，根据所述异常程度筛选异常像素点，根据异常像素点识别锯片齿缺失，进行铝型材锯切过程的误差判断

【技术实现步骤摘要】
基于数据分析的铝型材锯切过程误差判断方法


[0001]本专利技术涉及图像处理
，具体涉及基于数据分析的铝型材锯切过程误差判断方法
。

技术介绍

[0002]在铝型材锯切过程中，锯片转动同时移动对铝型材进行切割，若锯片齿在锯切的过程中发生了磨损缺失，则会导致锯切的铝型材的尺寸发生形变，造成刀具误差
。
因此需要在铝型材锯切过程中对锯片齿进行缺失识别
。
[0003]由于锯片处于高速转动以及移动的过程中，拍摄的锯片图像中锯片齿的位置产生了运动模糊，在运动模糊的影响下，利用边缘检测
、
阈值分割等方法无法完整的提取出锯片齿的边缘，进而无法对锯片齿的缺失进行识别，使得铝型材锯切时产生的误差无法及时识别判断
。

技术实现思路

[0004]为解决上述问题，本专利技术提供基于数据分析的铝型材锯切过程误差判断方法，该方法包括以下步骤：采集连续帧的锯片灰度图像；对连续帧的锯片灰度图像进行混合高斯背景建模，获取连续帧的锯片灰度图像中每个位置的高斯混合模型；获取每一帧锯片灰度图像中同一个位置的像素点对于该位置的每个子高斯模型的隶属度；根据所述隶属度筛选每一帧锯片灰度图像中同一个位置的像素点的隶属子高斯模型，根据每一帧锯片灰度图像中同一个位置的像素点的隶属子高斯模型获取连续帧的锯片灰度图像中每个位置的隶属序列；根据所述隶属序列获取每一帧锯片灰度图像中每个位置的像素点的异常程度，根据所述异常程度筛选异常像素点；根据异常像素点识别锯片齿缺失，进行铝型材锯切过程的误差判断
。
[0005]优选的，所述获取每一帧锯片灰度图像中同一个位置的像素点对于该位置的每个子高斯模型的隶属度，包括的具体步骤如下：其中，表示第
i
帧锯片灰度图像中第
j
个位置的像素点对于该位置的第
k
个子高斯模型的隶属度；表示第
i
帧锯片灰度图像中第
j
个位置的像素点的灰度值；表示第
j
个位置的第
k
个子高斯模型的均值参数；表示第
j
个位置的第
k
个子高斯模型的标准差参数；
exp( )
表示以自然常数为底的指数函数；
| |
表示绝对值符号
。
[0006]优选的，所述根据所述隶属度筛选每一帧锯片灰度图像中同一个位置的像素点的隶属子高斯模型，包括的具体步骤如下：对于每一帧锯片灰度图像中每个位置的像素点，获取该像素点对于该位置的每个子高斯模型的隶属度中最大的隶属度对应的子高斯模型，作为该像素点的隶属子高斯模
型
。
[0007]优选的，所述根据每一帧锯片灰度图像中同一个位置的像素点的隶属子高斯模型获取连续帧的锯片灰度图像中每个位置的隶属序列，包括的具体步骤如下：将所有帧锯片灰度图像中同一个位置的像素点的隶属子高斯模型的序号，按照帧的时间顺序构成一个一维的序列，作为该位置的隶属序列
。
[0008]优选的，所述根据所述隶属序列获取每一帧锯片灰度图像中每个位置的像素点的异常程度，包括的具体步骤如下：式中，表示第
i
帧锯片灰度图像中第
j
个位置的像素点的异常程度；表示连续帧的锯片灰度图像中第
j
个位置的隶属序列中，与第
i
帧锯片灰度图像中第
j
个位置的像素点的隶属子高斯模型的序号相同的元素个数；表示连续帧的锯片灰度图像中第
j
个位置的隶属序列中，第
i
帧锯片灰度图像对应的隶属子高斯模型的序号前后与该序号连续相同的元素的个数；表示第
i
帧锯片灰度图像中第
j
个位置的像素点的隶属子高斯模型的序号；表示第
i+1
帧锯片灰度图像中第
j
个位置的像素点的隶属子高斯模型的序号；表示第
i
帧锯片灰度图像中第
j
个位置的像素点的隶属子高斯模型与第
i+1
帧锯片灰度图像中第
j
个位置的像素点的隶属子高斯模型之间的差异函数；表示第
i
帧锯片灰度图像中第
j
个位置的像素点对于该位置的第个子高斯模型的隶属度；第
i
帧锯片灰度图像中第
j
个位置的像素点对于该位置的第个子高斯模型的隶属度；
m
表示预设的局部范围大小
。
[0009]优选的，所述差异函数的获取方法如下：其中，1为第
i
帧锯片灰度图像和第
i+1
帧锯片灰度图像的帧数之差；
exp( )
表示以自然常数为底的指数函数；
| |
表示绝对值符号
。
[0010]优选的，所述根据异常像素点识别锯片齿缺失，包括的具体步骤如下：根据锯片转动方向
、
转速
、
移动方向以及移动速度获取锯片齿经过一帧时间的位移量
x
；将每一帧锯片灰度图像中的异常像素点投影到前一帧锯片灰度图像中，获取前一阵锯片灰度图像中的每个异常像素点和每个投影点之间的距离，获取所述距离在范围内的异常像素点和投影点构成的点对，作为一个异常点对，其中为预设的误差阈值；根据异常点对识别锯片齿缺失
。
[0011]优选的，所述根据异常点对识别锯片齿缺失，包括的具体步骤如下：预设数量阈值，当异常点对的数量大于数量阈值时，锯片齿缺失
。
[0012]优选的，所述根据所述异常程度筛选异常像素点，包括的具体步骤如下：预设异常阈值，将每一帧锯片灰度图像中异常程度大于异常阈值的像素点作为异常像素点
。
[0013]本专利技术的技术方案的有益效果是：本专利技术通过对连续帧的锯片灰度图像进行混合高斯背景建模，获取每个位置的高斯混合模型，获取每一帧锯片灰度图像中同一个位置的
像素点对于该位置的每个子高斯模型的隶属度，根据每一帧锯片灰度图像中同一个位置的像素点的隶属子高斯模型构建每个位置的隶属序列，通过分析隶属序列中隶属子高斯模型的变化规律，获取每一帧锯片灰度图像中每个位置的像素点的异常程度，根据所述异常程度筛选异常像素点，根据异常像素点识别锯片齿缺失，进行铝型材锯切过程的误差判断
。
本专利技术排除了铝型材锯切过程中锯片齿运动模糊的影响，在锯片转动以及移动过程中能够准确识别锯片齿缺失，可及时发现铝型材锯切时产生的误差
。
附图说明
[0014]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，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地介绍，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他的附图
。
[0015]图1为本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于数据分析的铝型材锯切过程误差判断方法，其特征在于，该方法包括以下步骤：采集连续帧的锯片灰度图像；对连续帧的锯片灰度图像进行混合高斯背景建模，获取连续帧的锯片灰度图像中每个位置的高斯混合模型；获取每一帧锯片灰度图像中同一个位置的像素点对于该位置的每个子高斯模型的隶属度；根据所述隶属度筛选每一帧锯片灰度图像中同一个位置的像素点的隶属子高斯模型，根据每一帧锯片灰度图像中同一个位置的像素点的隶属子高斯模型获取连续帧的锯片灰度图像中每个位置的隶属序列；根据所述隶属序列获取每一帧锯片灰度图像中每个位置的像素点的异常程度，根据所述异常程度筛选异常像素点；根据异常像素点识别锯片齿缺失，进行铝型材锯切过程的误差判断
。2.
根据权利要求1所述的基于数据分析的铝型材锯切过程误差判断方法，其特征在于，所述获取每一帧锯片灰度图像中同一个位置的像素点对于该位置的每个子高斯模型的隶属度，包括的具体步骤如下：其中，表示第
i
帧锯片灰度图像中第
j
个位置的像素点对于该位置的第
k
个子高斯模型的隶属度；表示第
i
帧锯片灰度图像中第
j
个位置的像素点的灰度值；表示第
j
个位置的第
k
个子高斯模型的均值参数；表示第
j
个位置的第
k
个子高斯模型的标准差参数；
( )
表示以自然常数为底的指数函数；
| |
表示绝对值符号
。3.
根据权利要求1所述的基于数据分析的铝型材锯切过程误差判断方法，其特征在于，所述根据所述隶属度筛选每一帧锯片灰度图像中同一个位置的像素点的隶属子高斯模型，包括的具体步骤如下：对于每一帧锯片灰度图像中每个位置的像素点，获取该像素点对于该位置的每个子高斯模型的隶属度中最大的隶属度对应的子高斯模型，作为该像素点的隶属子高斯模型
。4.
根据权利要求1所述的基于数据分析的铝型材锯切过程误差判断方法，其特征在于，所述根据每一帧锯片灰度图像中同一个位置的像素点的隶属子高斯模型获取连续帧的锯片灰度图像中每个位置的隶属序列，包括的具体步骤如下：将所有帧锯片灰度图像中同一个位置的像素点的隶属子高斯模型的序号，按照帧的时间顺序构成一个一维的序列，作为该位置的隶属序列
。5.
根据权利要求1所述的基于数据分析的铝型材锯切过程误差判断方法，其特征在于，所述根据所述隶属序列获取每一帧锯片灰度图像中每个位置的像素点的异常程度，包括的具体步骤如下：式中，表示第
i
帧锯片灰度图像中第
j
个位置的像素点的异常程度；表示连续帧的锯片灰度图像中第
j
个位置的隶属序列中，与第
i
...

【专利技术属性】
技术研发人员：陈志刚，何玲玲，张建飞，沈滨渭，花晨，沈潇霞，
申请(专利权)人：浙江鸿昌铝业有限公司，
类型：发明
国别省市：