详情

原文传递基于机器视觉的陶瓷瓦表面裂纹检测方法

专利名称：	基于机器视觉的陶瓷瓦表面裂纹检测方法
摘要：	基于机器视觉的陶瓷瓦表面裂纹检测方法，采用主成分分析PCA检测陶瓷瓦表面裂纹缺陷。不含裂纹信息的图像通过使用主成分分析技术重构得到，将预处理的图像与重构不含裂纹信息的图像进行差分，得到差分的图像，再运用二值化与形态学处理相结合的方法来检测出裂纹。本发明基于机器视觉的陶瓷瓦表面裂纹检测方法，可以大大提高陶瓷瓦表面裂纹检测的效率，为后续陶瓷瓦表面缺陷自动化检测与等级分类研究提供了指导。
专利类型：	发明专利
申请人：	三峡大学
发明人：	曾曙光;左肖雄;郑胜;李强;罗志会
专利状态：	有效
申请日期：	1900-01-20T20:00:00+0805
发布日期：	1900-01-20T12:00:00+0805
申请号：	CN201911327643.6
公开号：	CN111141753A
代理机构：	宜昌市三峡专利事务所
代理人：	吴思高
分类号：	G01N21/95;G01N21/88;G06T7/00;G;G01;G06;G01N;G06T;G01N21;G06T7;G01N21/95;G01N21/88;G06T7/00
申请人地址：	443002 湖北省宜昌市西陵区大学路8号
主权项：	1.基于机器视觉的陶瓷瓦表面裂纹检测方法，其特征在于：采用主成分分析PCA检测陶瓷瓦表面裂纹缺陷，不含裂纹信息的图像通过使用主成分分析PCA方法重构得到；将预处理的图像与重构不含裂纹信息的图像进行差分，得到差分的图像；再运用二值化与形态学处理相结合的方法来检测出裂纹。 2.根据权利要求1所述基于机器视觉的陶瓷瓦表面裂纹检测方法，其特征在于，在裂纹检测前需要对原图像进行预处理：采用原图像中的红色通道图像，其红色通道图像保留裂纹完整性并且光照不均的干扰较小，将预处理的图像数据矩阵A作为样本进行中心化，以确保全部维度上的偏移都是以0为基点。 3.根据权利要求1所述基于机器视觉的陶瓷瓦表面裂纹检测方法，其特征在于，包括基于主成分分析PCA的陶瓷瓦表面裂纹检测步骤： Step1：将样本数据矩阵A进行中心化,按照公式A-mA,其中mA为矩阵A的平均值； Step2：获得样本中心化矩阵A-mA的协方差矩阵； Step3：对协方差矩阵进行奇异特征值分解，第一大特征值对应的特征向量被称为第一主成分，第二大特征值对应的特征向量被称为第二主成分，按照如上的计算方式进行推算； Step4：选择前k阶主成分，构造主成分矩阵X＝[X1,X2,...,Xk]作为投影矩阵； Step5：对原始样本矩阵按照Y＝(A-mA)X进行投影，得到通过PCA降维的新样本矩阵Y； Step6：得到的样本矩阵Y按照进行重构，得到重构图像 Step7：获取将原图像数据矩阵A与重构图像差分的结果图像再使用二值化和形态学处理方法对差分的图像进行处理，最终检测出裂纹。 4.根据权利要求3所述基于机器视觉的陶瓷瓦表面裂纹检测方法，其特征在于，采用二值化方法能够确定检测裂纹缺陷的阈值范围，二值化按如下公式进行：在以上表达式中，c被视为检测阈值的控制因子，裂纹图像灰度值的均值和U方差分别用μ和σ表示，将图像中灰度值在两个阈值μ-c·σ，μ+c·σ之间视为背景纹理信息，并且将该位置的灰度值变为0，相反，则被认为裂纹缺陷并将该位置的灰度值变为1；为了达到检测出裂纹缺陷的目标，当采用二值化后，再通过形态学处理，去除干扰点。 5.根据权利要求1所述基于机器视觉的陶瓷瓦表面裂纹检测方法，其特征在于：不同的主成分的阶数h重构出的图像不同，对h值的确定方法和主成分的阶数h的取值，对缺陷检测结果进行分析。
所属类别：	发明专利