5.4 缺陷检测算法流程图设计

项目实施：缺陷检测算法流程图设计项目分析实现过程理解瓶盖表面污点检测算法的原理熟悉自动化代码生成技术的核心概念、技术和应用场景能够独立完成瓶盖表面污点检测算法的流程图设计与实现项目分析01本案例的目标是给定一张瓶盖图像，构建机器视觉缺陷检测算法，以自动识别瓶盖表面的污点。该算法需要能够区分正常瓶盖和有污点的瓶盖，并标记出缺陷位置以便后续处理。项目分析对于表面污点检测，我们采用基于阈值分割的方法。这种方法简单易行，适用于初步筛选。整个过程分为三个步骤：①双层for循环遍历图像每个像素点，并根据颜色范围标记污点像素；②使用基于递归思想的连通区域方法遍历所有污点像素，计算每个污点区域的像素个数（面积）；③将每个污点区域面积与阈值相比较。如果所有污点区域面积均小于阈值，则该瓶盖为正常瓶盖；否则，该瓶盖为包含污点的瓶盖。01算法选择项目分析比如我们有下图所示的一个瓶盖二维像素图，假设图中红色字体“c、g、h、o”为污点，我们要做的就是找到这些污点，并判断出这些污点形成的连通区域如“cgh”和“o”的污点面积是否超过阈值，以此来判定瓶盖是否合格。01算法选择项目分析①污点大小阈值面积限制：根据行业标准或公司内部规定，设定一个最大允许污点面积。本案例设定不超过5平方毫米。如果任何单个污点的面积超过了这个限制，则该瓶盖被视为不合格。②颜色对于颜色异常或异物残留，可以通过颜色阈值来识别。例如，正常瓶盖的颜色范围是已知的，任何超出这个范围的颜色变化都可能是污点。02设定标准项目分析实现过程02收集一组包含干净瓶盖和带污点瓶盖的照片，用于测试算法的有效性。01数据准备第一步：标记图像中所有污点像素加载瓶盖图片到程序中后需要先初始化阈值和线性表。在初始化阶段，我们需要设置一系列参数和数据结构，以确保后续步骤能够顺利进行：①初始化阈值最大污点面积（max_spot_area）：设定为5平方毫米。颜色阈值（color_threshold）：根据瓶盖的颜色范围设定。关键参数设置说明：对于颜色阈值，可以通过手动设置和自动设置两种方式获取。对于该项目，考虑到李同学是新生，推荐先采用手动设置的方法，以简化初期开发难度。如果瓶盖的颜色非常一致，例如单一色调的白色或黑色瓶盖，可以手动设定一个固定的颜色范围。假设本案例中是白色瓶盖，则可以设定RGB颜色范围为（200,200,200）到（255,255,255），表示允许的白色范围；如果像素不包含在此颜色范围内，则为污点像素。02初始化阈值和线性表第一步：标记图像中所有污点像素②初始化线性表用于存储所有发现的污点信息，每个污点的信息包括：位置（position）：污点中心或起始点的坐标，通常是一个二维坐标（x,y），表示该污点在图像中的具体位置。面积（area）：污点占据的像素数量，以平方毫米为单位。可以通过计算连通域内的像素总数来得出。连通域二维数组（region）：包含构成每个污点区域的所有像素坐标列表，方便后续更详细的分析或可视化展示。第一步：标记图像中所有污点像素使用双层for循环遍历图像中的每一个像素，以查找潜在的污点起点：外层循环（y轴）：控制遍历图像的行数，从图像的顶部（y=0）到底部（y=height-1）逐行扫描。具体操作为：初始化y=0，判断y<height是否成立。如果成立，则进入内层循环；如果不成立（表示所有行都已扫描完毕），则结束外层循环。内层循环（x轴）：在每一行中，从左（x=0）到右（x=width-1）逐列扫描。具体操作为：初始化x=0，判断x<width是否成立。如果成立，检查当前像素：对于每个像素（x,y），检查其颜色值是否超过预设阈值。如果不超标，则增加x的值并继续检查下一个像素。如果超标，则该像素为污点，将其相关信息存储到线性表中。

如果不成立（表示当前一行已扫描完毕），结束内层循环，返回到外层循环并增加

y

的值，然后再进入内层循环继续下一行的扫描。03for循环遍历第一步：标记图像中所有污点像素双层for循环查找污点起点的流程图第一步：标记图像中所有污点像素如何使用递归方法处理连通域呢？当我们在图像中找到一个潜在的污点起点时，我们需要确定这个污点到底有多大，并且它具体覆盖了哪些像素。为了完成这一任务，我们可以使用递归的方法来探索和标记所有与起点相连的相似像素，形成一个完整的连通域。下面我们用图示的方式讲解递归形成连通域的过程，如右图的瓶盖二维像素图中。我们通过循环找到了第一个污点像素c，将它设为污点的起点，并将其信息保存至线性表中。对于选定的起点c，将它标记为已访问。同样的对于其他的非污点像素点，也需要添加一个数据表将已访问过的像素点（比如a、b）坐标存起来，以便后续不会重复访问，提升程序的执行效率。第二步：计算图像中所有污点区域的面积，以及所包含的像素接下来递归的查找相邻像素。图

1中查找c的相邻元素b、d、h，把未访问过的标记为已访问，判定h为一个污点并保存至线性表。然后再查看h的相邻元素c、g、i、m（图

2），判定g为一个污点并保存至线性表；然后再查看g的相邻元素b、f、h、i（图3），相邻元素中没有超过阈值的则递归调用结束。此时就形成了一个连通域chg，并在线性表中记录了相关的污点信息。接下来返回主流程for循环中继续扫描下一个像素d，因为d已经被标记为已访问，所以可跳过继续遍历下一个像素e。以此类推直到遍历到像素o，又被视为一个污点的起点，此时再次启动递归，查找o的相邻元素。因其相邻元素中没有潜在污点，则递归结束，回到主程序。直到遍历完最后一个像素t，则表示整个图像扫描完成。遍历结束后线性表中就有两个连通域：chg和o。接下来判断连通域面积是否超过阈值即可确定该瓶盖是否合格。图1图2图3第二步：计算图像中所有污点区域的面积，以及所包含的像素接下来递归的查找相邻像素。左图中查找c的相邻元素b、d、h，把未访问过的标记为已访问，判定h为一个污点并保存至线性表。然后再查看h的相邻元素c、g、i、m，判定g为一个污点并保存至线性表；然后再查看g的相邻元素b、f、h、i（右图），相邻元素中没有超过阈值的则递归调用结束。此时就形成了一个连通域chg，并在线性表中记录了相关的污点信息。找c的相邻元素找h的相邻元素找g的相邻元素第二步：计算图像中所有污点区域的面积，以及所包含的像素递归形成连通域的流程图第二步：计算图像中所有污点区域的面积，以及所包含的像素监测瓶盖是否合格的流程图一旦通过上述过程提取并分析了所有潜在污点信息，就可以基于以下逻辑来判断瓶盖是否合格：通过for循环遍历所有连通域数组。如果某个连通域数组面积超出阈值，则退出循环，标记该瓶盖为不合格。如果所有连通域数组面积均小于阈值，则该瓶盖合格。第三步：判断瓶盖是否合格(单选题)在瓶盖表面污点检测算法中，用于标记污点像素的操作是（

）A.单层for循环遍历B.双层for循环遍历C.递归遍历D.随机遍历(单选题)对于瓶盖表面污点检测，颜色阈值的获取方式不包括（

）A.手动设置B.自动设置C.随机设置D.根据瓶盖颜色范围设置练习题(多选题)瓶盖表面污点检测算法的步骤包括（

）A.图像预处理B.标记图像中所有污点像素C.计算图像中所有污点区域的面积及所包含的像素D.判断瓶盖是否合格(多选题)以下属于自动化代码生成工具的有（

）A.通义灵码B.GitHubCopilotC.VisualStudioCodeD.PyCharm练习题(判断题)在瓶盖污点检测算法中，递归方法主要用于遍历图像的每一个像素。（

）(填空题)瓶盖表面污点检测算法中，计算污点面积时使用的是______方法处理连通域。(填空题)自动化代码生成的核心技术包括基