CN116721106B 一种基于图像处理的型材瑕疵视觉检测方法 （山东明达圣昌铝业集团有限公司）

JP2001034762A,2001.02.09WO2023134789A1,2023.07.20WO2023134792A2,2023.07.20ATA74398A,1999.10.15WO2023077404A1,2023.05.11标记的钢板表面缺陷检测.制造业自动化.2020,一种基于图像处理的型材瑕疵视觉检测方法本方法获得包含缺陷区域与非缺陷区域的型材值间的差异和缺陷区域边界的相对距离获得色素点的整体灰度差异和预设邻域范围内的灰度与缺陷像素点的距离筛选预设数量个最近的参考像素点，通过参考像素点的平均色差显著程2在所述缺陷区域中，根据每个缺陷像素点与缺陷区域在所述非缺陷区域中，以每个非缺陷像素点为中心述整体灰度差异和所述第二窗口内的非缺陷像素点预设邻域范围内的灰度分布特征获得根据所述非缺陷像素点与缺陷像素点之间的距离筛选出每个非缺陷像素点的参考缺信和像素值获得每个非缺陷像素点的缺陷显著值；根据所述缺陷显著值获得优化缺陷区根据所述相对距离和所述色差差异程度获得所所述色差差异程度与所述色差显著程度为正相关关系，所述将每个非缺陷像素到缺陷区域的最短距离连接线延长至根据所述显著度权重和归一化处理的所述类缺陷指数获得非缺陷区域内每个像素的所述类缺陷指数与所述缺陷置信为正相关关系，所述显著度将所述非缺陷像素的缺陷置信作为权重与像素的原始灰3通过预处理的方式对所述型材图像进行处理之后，采用Canny算子检测到的边缘信息获取所述缺陷区域内部的灰度最小值，计算所述第计算所述第二窗口内像素灰度均值与每个非缺陷像素点之间的计算所述第二窗口内每个非缺陷像素点与距离最近缺陷区域内最小灰度值之间的灰在所述第二窗口内非缺陷像素点的预设邻域范围内的邻域像素点中选择最大的所述在邻域范围内，定义灰度值大于所述第二窗口灰度均值计算所述第一灰度差异和所述第二灰度差异之间的比值，根据所述差异权重、所述熵值和所述异常像所述差异权重、所述熵值以及所述异常像素密度均与根据所述第二窗口遍历整个所述非缺陷区域，获得每个非4[0004]为了解决氧化后的型材划痕颜色与型材表面颜色差别不大导致微小色差瑕疵检测不准确的技术问题，本发明的目的在于提供一种基于图像处理的型材瑕疵视觉检测方据所述整体灰度差异和所述第二窗口内的非缺陷像素点预设邻域范围内的灰度分布特征[0009]根据所述非缺陷像素点与缺陷像素点之间的距离筛选出每个非缺陷像素点的参[0012]通过预处理的方式对所述型材图像进行处理之后，采用Canny算子检测到的边缘5距离作为所述相对距离；根据所述相对距离和所述色差差异程度获得所述色差显著程度；口内非缺陷像素点的预设邻域范围内的邻域像素点中选择最大的所述第一灰度差异作为所述异常像素密度获得第二窗口每个非缺陷像个缺陷像素点作为所述参考缺陷像素点，获得所述参考缺陷像素点的平均色差显著程度；[0027]根据所述显著度权重和归一化处理的所述类缺陷指数获得非缺陷区域内每个像6合附图及较佳实施例，对依据本发明提出的一种基于图像处理的型材瑕疵视觉检测方法，[0039]下面结合附图具体的说明本发明所提供的一种基于图像处理的型材瑕疵视觉检[0040]请参阅图1，其示出了本发明一个实施例提供的一种基于图像处理的型材瑕疵视7围部署有多个CCD工业摄像头，使得能够拍摄到型材各个视角下的表面图像，需要说明的[0046]通过预处理的方式对型材图像进行了去噪增强之后，使用Canny算子对预处理图而导致缺陷边缘缺失不闭合对后续分析的影响，获得完整闭合缺陷边缘线构成的缺陷区8灰度差异和第二窗口内的非缺陷像素点预设邻域范围内的灰度分布特征获得每个非缺陷变大；所以可以根据整体灰度差异以及灰度分布特征获得每个非缺陷像素点的类缺陷指[0060]在本发明一个实施例中，第二窗口的大小设置为，取经验值为22；第二窗口内非缺陷像素点预设邻域范围区域的大小设置为，9[0065]点的预设邻域范围内的邻域像素点中选择最大的第一灰度差异作为局部最大灰点灰度值与第二窗口灰度均值差值的绝对值，为第二窗口内每个像素点灰度值与距缺陷像素点的所有初始类缺陷指数，将每个非缺陷像素点的所有初始类缺陷指数求平均，。的距离和类缺陷指数获得非缺陷像素点的缺陷置信，判断每个非缺陷像素是缺陷的可能将距离与平均色差显著程度的比值进行负相关映射，可以根据最近边缘像素点附近缺陷像素的色差显著程度给予距离缺陷区域更近的像素以[0090]以非缺陷像素点的缺陷显著