【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种基于图像检测的缺陷检测识别方法和装置。
技术介绍
1、随着互联网技术在智能工厂中高效的应用，越来越多的工厂走向智能化的处理。在板材行业中，传统的板材缺陷进行分类主要依靠工人经验，主观性强，效率低，因此需引入自动化手段实现板材缺陷的准确分类；目前，对于板材缺陷的检测，一般采用的是图像进行检测，而图像无疑是效率最高、最易获得的信息，但是板材缺陷类别中朽节与死结之间的高相似性，树心、木裂、直纹理的高相似性，树结与山纹理之间的高相似性，使得利用算法进行图像检测难以识别上述板材缺陷。另外的，现有技术中基于迁移学习的卷积神经网络模型可以自动提取高阶特征，实现对高相似度图像的准确分类；但是卷积神经网络参数极多，若从头开始训练，其训练时间长、算力消耗大、且需要大量带标签数据，这为迁移学习模型的实施带来了限制。
2、现有技术中公告号为cn113610831b的中国专利技术专利公开了基于计算机图像技术和迁移学习的板材缺陷检测方法，首先对数据预处理；接着构建多层卷积神经网络迁移学习模型；然后利用构建的迁移学习模型对预处理后的数据进行训练；其次对训练后的数据进行处理，得到一批新的图像数据；之后将新的图像数据输入迁移学习模型进行训练得到临界值；接着对新的图像数据进行搜索缺陷特征、构建计算机图像技术模型，然后对缺陷特征进行量化处理，最后将临界值与缺陷分类的阈值结合，从而得到最后待检测的板材缺陷检测模型，根据板材缺陷检测模型进行板材缺陷检测。
3、但是，板材上还可能会出现一些微小的凹坑，凹坑可能会在
技术实现思路
1、本申请实施例通过提供一种基于图像检测的缺陷检测识别方法和装置，解决了现有技术中无法呈现板材上的凹坑，影响对板材缺陷检测的精准性的问题。
2、本申请实施例提供了一种基于图像检测的缺陷检测识别方法，包括以下步骤：
3、s1：工业相机与光源配合拍摄实际生产中的板材图像数据，多个工业相机将拍摄的板材图像数据传输至处理器中；
4、s2：处理器接收工业相机拍摄的板材数据图像，并对板材数据图像进行预处理，包括图像背景去除、图像增强、图像去噪、增强对比度、灰度化处理，以提高图像质量并突出凹坑与阴影的特征；
5、s3：利用图像处理算法提取凹坑和阴影的特征，其中，凹坑特征包括形状、深度，阴影特征包括亮度、边界、形状与大小，图像处理算法包括阈值分割、形态学处理、边缘检测和轮廓提取，并对每个工业相机拍摄的图像，提取相应的特征，并进行特征匹配；
6、s4：基于提取的特征匹配结果，使用图像配准算法将多个工业相机拍摄的图像对齐到相同的坐标系统；
7、s5：对配准后的图像进行验证，检查凹坑和阴影特征是否准确对齐，使用视觉检查进行评估，并根据验证结果，对光源位置、工业相机参数和图像处理算法进行调整和优化，以提高配准精度和凹坑检测的准确性，最终输出对板材凹坑的检测结果。
8、进一步的，步骤s3还包括以下步骤：
9、s301：对获取的图像进行预处理，包括去除背景、增强对比度、去噪等，以提高图像质量并突出凹坑特征；
10、s302：应用阈值分割技术，将图像转化为二值图像，预设阈值，区分凹坑区域与背景区域；
11、s303：对二值图像进行形态学处理，包括腐蚀和膨胀操作，腐蚀操作可以去除小的噪点，并使得凹坑的边缘更加清晰；膨胀操作则可以增强凹坑的内部区域；
12、s304：采用canny边缘检测算法对形态学处理后的图像进行边缘检测，识别图像中灰度变化明显的区域，通过边缘检测，得到凹坑轮廓的初步信息；
13、s305：在边缘检测的基础上，对凹坑轮廓的初步信息，进行轮廓提取，获取凹坑的形状、深度和大小特征。
14、进一步的，步骤步骤s3中阈值分割能够在阴影检测中将阴影与背景分离、简化图像处理，且阈值分割后获得二值图像，所述二值图像能够作为后续形态学处理、特征提取等步骤的输入，公式为：s(x,y)＝{255,if i(x,y)<t0,otherwise}，
15、其中t为阈值，s(x,y)表示分割后的二值图像，i(x,y)表示原始灰度图像在像素位置(x,y)的灰度值。
16、进一步的，步骤步骤s3中形态学处理能够通过腐蚀操作将前景区域缩小，有助于去除小的噪点和干扰，使凹坑区域更加清晰，腐蚀操作能够使凹坑的边缘更加明显，膨胀操作能够增强凹坑的内部区域，
17、通过闭运算先进行膨胀操作，再进行腐蚀操作，可以填补前景区域中的小孔洞和连接断裂的部分，从而得到更完整的凹坑形状，
18、通过开运算先进行腐蚀操作，再进行膨胀操作，可以去除小的突出部分和平滑边界，使凹坑的形状更加平滑，
19、腐蚀：e(x,y)＝min{s(x+i,y+j)|(i,j)∈k}
20、膨胀：d(x,y)＝max{s(x-i,y-j)|(i,j)∈k}
21、其中，e(x,y)和d(x,y)分别表示腐蚀和膨胀后的图像，s(x,y)表示输入的二值图像，k表示结构元素。
22、进一步的，步骤s4还包括以下步骤：
23、s401：建立不同工业相机拍摄的图像信息中相同或相似的特征点找到这些图像信息之间的对应关系；
24、s402：融合不同视角下的图像信息，形成一个全面、准确的凹坑和阴影特征表示。
25、进一步的，工业相机的数量为3-5个，且工业相机的拍摄角度为45度-90度，工业相机均匀分布在板材的上方的两侧；
26、选取两张从不同视角拍摄的板材图像，分别命名为image1和image2；
27、在两张板材图像中分别检测并描述特征点；
28、通过比较这些特征点的描述子，找到100对匹配的特征点；
29、根据两张板材图像中的对应关系，匹配两张图像中对应相同物理位置的特征点；
30、根据匹配的特征点来计算变换矩阵，将image2与image1进行配准；
31、将image2转换到与image1相同的坐标系统中，从而确保两张图像在空间上的一致性。
32、进一步的，步骤s5还包括以下步骤：
33、s501：从已配准的图像中，选择一定数量的样本图像用于验证，这些样本图像包含不同大小、形状和位置的凹坑和阴影特征，以覆盖各种可能的情况；
34、s502：确定用于评估凹坑和阴影特征对齐准确性的指标，如重叠率、中心点距离、边缘对齐度；
35、s503：对选定的验证样本进行人工目视检查，以验证凹坑和阴影特征的对齐情况；
36、s504：使用自动化算法对验证本文档来自技高网...
【技术保护点】
1.一种基于图像检测的缺陷检测识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图像检测的缺陷检测识别方法，其特征在于，步骤S3还包括以下步骤：
3.根据权利要求2所述的一种基于图像检测的缺陷检测识别方法，其特征在于，步骤步骤S3中阈值分割能够在阴影检测中将阴影与背景分离、简化图像处理，且阈值分割后获得二值图像，所述二值图像能够作为后续形态学处理、特征提取等步骤的输入，公式为：S(x,y)＝{255,if I(x,y)<T0,otherwise}，
4.根据权利要求3所述的一种基于图像检测的缺陷检测识别方法，其特征在于，步骤步骤S3中形态学处理能够通过腐蚀操作将前景区域缩小，有助于去除小的噪点和干扰，使凹坑区域更加清晰，腐蚀操作能够使凹坑的边缘更加明显，膨胀操作能够增强凹坑的内部区域，
5.根据权利要求1所述的一种基于图像检测的缺陷检测识别方法，其特征在于，步骤S4还包括以下步骤：
6.根据权利要求5所述的一种基于图像检测的缺陷检测识别方法，其特征在于，工业相机的数量为3-5个，且工业相机的拍摄
7.根据权利要求1所述的一种基于图像检测的缺陷检测识别方法，其特征在于，步骤S5还包括以下步骤：
8.根据权利要求7所述的一种基于图像检测的缺陷检测识别方法，其特征在于，光源为LED灯，光源的照射角度为30度-60度，且光源的高度在板材上方10cm-50cm。
9.根据权利要求1所述的一种基于图像检测的缺陷检测识别方法，其特征在于，步骤S5还包括以下步骤：
10.一种基于图像检测的缺陷检测识别装置，其特征在于，用于执行如权利要求1-9所述的一种基于图像检测的缺陷检测识别方法，包括图像输入模块、图像检测模块、输出模块和验证模块。
...【技术特征摘要】
1.一种基于图像检测的缺陷检测识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图像检测的缺陷检测识别方法，其特征在于，步骤s3还包括以下步骤：
3.根据权利要求2所述的一种基于图像检测的缺陷检测识别方法，其特征在于，步骤步骤s3中阈值分割能够在阴影检测中将阴影与背景分离、简化图像处理，且阈值分割后获得二值图像，所述二值图像能够作为后续形态学处理、特征提取等步骤的输入，公式为：s(x,y)＝{255,if i(x,y)<t0,otherwise}，
4.根据权利要求3所述的一种基于图像检测的缺陷检测识别方法，其特征在于，步骤步骤s3中形态学处理能够通过腐蚀操作将前景区域缩小，有助于去除小的噪点和干扰，使凹坑区域更加清晰，腐蚀操作能够使凹坑的边缘更加明显，膨胀操作能够增强凹坑的内部区域，
5.根据权利要求1所述的一种基于图像检测的缺陷检...
【专利技术属性】
技术研发人员：付伟，刘来彬，李新路，
申请(专利权)人：山东福茂装饰材料有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。