基于結(jié)構(gòu)紋理特征的燈管質(zhì)量檢測(cè)與瑕疵分類方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開(kāi)了一種基于結(jié)構(gòu)紋理特征的燈管質(zhì)量檢測(cè)與瑕疵分類方法及系統(tǒng)和系統(tǒng)，其利用滑動(dòng)窗口和紋理特征提取方法獲取燈管瑕疵部位；將待分類瑕疵圖像和預(yù)收集的各類瑕疵樣本圖像分割成n個(gè)子窗口，并為所有子窗口計(jì)算ST描述子；利用計(jì)算出的ST描述子為待檢測(cè)圖像的每一個(gè)子窗口與所有類分別計(jì)算子窗口?類間相似度，進(jìn)而計(jì)算圖?類間相似度，最終將待分類瑕疵圖像歸類為圖?類間相似度最大的一類。本節(jié)能燈管成品質(zhì)量檢測(cè)方法，檢測(cè)效率和分類精度高，同時(shí)大大降低了檢測(cè)人員的勞動(dòng)強(qiáng)度。
【專利說(shuō)明】
基于結(jié)構(gòu)紋理特征的燈管質(zhì)量檢測(cè)與瑕疵分類方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于產(chǎn)品質(zhì)量檢測(cè)技術(shù)領(lǐng)域，具體涉及一種基于結(jié)構(gòu)紋理特征的燈管質(zhì)量 檢測(cè)與瑕疵分類方法及系統(tǒng)。
【背景技術(shù)】
[0002] 在生產(chǎn)節(jié)能燈管過(guò)程中，需要將一層熒光粉均勻地噴涂在節(jié)能燈管壁內(nèi)，熒光粉 噴涂質(zhì)量直接影響到節(jié)能燈的使用效果。若生產(chǎn)時(shí)由于工藝或偶然因素使熒光粉涂層產(chǎn)生 劃傷、黃斑、氣線等瑕疵，這些次品燈管將無(wú)法出廠，需要按照不同瑕疵類別進(jìn)行不同流程 的再加工。因此燈管表面瑕疵檢測(cè)和分類對(duì)節(jié)能燈的產(chǎn)品質(zhì)量檢測(cè)至關(guān)重要。
[0003] 節(jié)能燈管的產(chǎn)品質(zhì)量檢測(cè)過(guò)程需要能夠快速準(zhǔn)確地對(duì)節(jié)能燈管表面瑕疵情況進(jìn) 行檢測(cè)和分類，實(shí)時(shí)高效的在線檢測(cè)和分類手段對(duì)于快速的節(jié)能燈管流水線成品質(zhì)量檢測(cè) 非常重要。然而，由于產(chǎn)品加工過(guò)程工藝等因素，成品節(jié)能燈管的質(zhì)量檢測(cè)成為產(chǎn)品質(zhì)量自 動(dòng)檢測(cè)領(lǐng)域的一個(gè)技術(shù)難題。
[0004] 節(jié)能燈管的瑕疵檢測(cè)和分類在現(xiàn)有工藝條件與技術(shù)背景下，一般采用離線人工肉 眼進(jìn)行檢測(cè)和分類。由操作工人戴墨鏡在強(qiáng)光下目測(cè)燈管是否存在瑕疵，并按照經(jīng)驗(yàn)法確 定瑕疵類別，雖然在一定程度上滿足了檢測(cè)和分類需求，但人工檢測(cè)存在幾個(gè)問(wèn)題:一是人 在長(zhǎng)時(shí)間的單調(diào)、枯燥的檢測(cè)過(guò)程中易于疲憊，容易出錯(cuò);二是工廠的惡劣生產(chǎn)環(huán)境以及檢 測(cè)時(shí)不停注視強(qiáng)光對(duì)工人肉眼的傷害，導(dǎo)致檢測(cè)工作很難招工;三是肉眼檢測(cè)自動(dòng)化程度 低，生產(chǎn)效率低下，不能滿足企業(yè)快速、精確檢測(cè)的實(shí)際需求。
[0005] 可見(jiàn)，單純的人工檢測(cè)分類費(fèi)時(shí)費(fèi)力且準(zhǔn)確性低，可靠性差，節(jié)能燈管生產(chǎn)企業(yè)迫 切需要燈管表面瑕疵質(zhì)量自動(dòng)檢測(cè)和分類系統(tǒng)。專利號(hào)為ZL 201310015434.4的中國(guó)發(fā)明 專利"一種基于機(jī)器視覺(jué)的U型粉管的檢測(cè)方法及其檢測(cè)系統(tǒng)"公開(kāi)了一種通過(guò)圖像采集、 特征提取、瑕疵判別計(jì)算，最終判定被測(cè)粉管涂粉質(zhì)量合格還是不合格，該方法及系統(tǒng)能夠 實(shí)現(xiàn)U型粉管涂粉效果的實(shí)時(shí)檢測(cè)，但僅僅用于判斷U型粉管瑕疵有無(wú)，無(wú)法進(jìn)一步對(duì)各種 瑕疵類別進(jìn)行有效區(qū)分。
[0006]針對(duì)熒光燈管目前生產(chǎn)工藝局限性，本發(fā)明充分考慮批量檢測(cè)、實(shí)時(shí)性、分類效率 和精度等實(shí)際因素，實(shí)現(xiàn)了節(jié)能熒光管粉管瑕疵的分類。

【發(fā)明內(nèi)容】

[0007] 針對(duì)現(xiàn)有技術(shù)所存在的上述技術(shù)缺陷及不足，本發(fā)明提供了基于結(jié)構(gòu)紋理特征的 燈管質(zhì)量檢測(cè)與瑕疵分類方法，實(shí)現(xiàn)了粉管成品表面瑕疵的實(shí)時(shí)檢測(cè)以及瑕疵類型的區(qū) 分，檢測(cè)效率和分類精度高，提高了節(jié)能燈管生產(chǎn)流水線的效率，同時(shí)大大降低了檢測(cè)人員 的勞動(dòng)強(qiáng)度。
[0008] 本發(fā)明同時(shí)提供了一種基于結(jié)構(gòu)紋理特征的燈管質(zhì)量檢測(cè)與瑕疵分類系統(tǒng)，利用 該系統(tǒng)，可以迅速高效的檢測(cè)出合格燈管和瑕疵燈管，并可實(shí)現(xiàn)對(duì)瑕疵的分類。
[0009] -種基于結(jié)構(gòu)紋理特征的燈管質(zhì)量檢測(cè)與瑕疵分類方法，包括：
[0010] (1)對(duì)各類別瑕疵采集一個(gè)或多個(gè)樣本圖像，建立樣本庫(kù)；具體實(shí)施過(guò)程一般為： 預(yù)先收集節(jié)能燈管生產(chǎn)公司人工分揀出的燈管次品，對(duì)次品燈管按照瑕疵種類進(jìn)行人工區(qū) 分，將燈管瑕疵歸類為幾種典型類別，對(duì)各類別瑕疵采集一定數(shù)量圖像作為樣本庫(kù);令各個(gè) 類別為Cj，j = l，...，z，其中z為總的類別數(shù)，0={&，&，...，CZ};
[0011] (2)實(shí)時(shí)采集待檢測(cè)的燈管圖像，得到待檢測(cè)圖像；
[0012] (3)利用滑動(dòng)窗口和紋理特征提取方法檢測(cè)待檢測(cè)圖像是否存在瑕疵，若待檢測(cè) 圖像不存在瑕疵，則判斷為合格燈管;若待檢測(cè)圖像存在瑕疵，計(jì)算出待檢測(cè)圖像中包含瑕 疵的感興趣區(qū)域(R〇I，Region of Interesting);
[0013] (4)截取瑕疵圖像的感興趣區(qū)域，視為待分類圖像X，針對(duì)每一個(gè)待分類圖像，將其 分割為η個(gè)子窗口，將樣本庫(kù)中的每一個(gè)樣本圖像分割成η個(gè)子窗口，將每個(gè)樣本圖像視為η 個(gè)小窗口的集合;η為大于零的自然數(shù)；
[0014] (5)為步驟(4)得到的所有子窗口計(jì)算ST描述子；
[0015] (6)利用ST描述子為待分類圖像的每一個(gè)子窗口與每一個(gè)類中的子窗口分別計(jì)算 子窗口-類間(13(]，131〇〇1<-1:〇-(31&88)相似度；
[0016] (7)計(jì)算待分類圖像與每一個(gè)類的樣本圖像的圖-類間相似度；
[0017] ⑶將待分類圖像歸類為圖-類間（IC，image-t 〇-class)相似度最大的一類；
[0018] 重復(fù)步驟(2)-(8)實(shí)現(xiàn)對(duì)多個(gè)節(jié)能燈管的質(zhì)量檢測(cè)和瑕疵分類。
[0019] 作為優(yōu)選，η-般為4~9的自然數(shù)。每一個(gè)待分類圖像分割為m*m個(gè)子窗口，n=m2。
[0020] 作為優(yōu)選，步驟(5)中，計(jì)算ST描述子的方法為：
[0021] (5-1)將子窗口分為S行K列個(gè)小窗口區(qū)域，共得到S*K個(gè)子帶，令為第X個(gè)子窗 口的第k個(gè)子帶的像素灰度值集合，k=l，. . .，S*K，x = l，2,. . .，n;S，K為大于1的自然數(shù)； [0022] (5-2)計(jì)算每個(gè)子窗口的以下三個(gè)ST描述子：
[0023]
[0024]
[0025]
[0026] 上式中E{}為求期望運(yùn)算，為第X個(gè)子窗口的第k個(gè)子帶的子帶均值系數(shù);為 第X個(gè)子窗口的第k個(gè)子帶的子帶標(biāo)準(zhǔn)差系數(shù);/?為第X個(gè)子窗口中第k個(gè)子帶和第1個(gè)子帶 間的互相關(guān)系數(shù)。
[0027] 作為優(yōu)選，步驟(6)中，計(jì)算子窗口-類間相似度的方法如下：
[0028] (6-1)計(jì)算待分類圖像的每一個(gè)子窗口與各類樣本圖像的各子窗口間相似度：
[0029]
[0030] lk(x，y)為待分類圖像中第X個(gè)子窗口與各類樣本圖像中的第y個(gè)子窗口的均值相 似度：
[0031]
[0032] Ck(x，y)為待分類圖像中第x個(gè)子窗口與各類樣本圖像中的第y個(gè)子窗口的標(biāo)準(zhǔn)差 相似度：
[0033]
[0034] Κι和K2為遠(yuǎn)小于1的常量；
[0035] rk(x，y)為待分類圖像中第X個(gè)子窗口與各類樣本圖像中的第y個(gè)子窗口的互相關(guān) 相似度；
[0036]
[0037] (6-2)得出子窗口-類間相似度：
[0038]
[0039] 為各類樣本圖像第y個(gè)子窗口的第k個(gè)子帶的子帶均值系數(shù);σ?為各類樣本圖 像第y個(gè)子窗口的第k個(gè)子帶的子帶標(biāo)準(zhǔn)差系數(shù)；為各類樣本圖像第y個(gè)子窗口中第k個(gè) 子帶和第1個(gè)子帶間的互相關(guān)系數(shù)。
[0040] 作為優(yōu)選，其中 Κι = 0·01 ~0·02，Κ2 = 0·03~0·05。
[0041] 作為優(yōu)選，計(jì)算待分類圖像與每一個(gè)類的樣本圖像的圖-類間相似度的方法如下：
[0042]
[0043] Q(X，CJ為待分類圖像與每一個(gè)類的樣本圖像的圖-類間相似度；Π 為各項(xiàng)連乘運(yùn) 算。
[0044] 最終將待分類圖像歸類為圖-類間相似度最大的一類：
[0045]
[0046] -種基于紋理特征燈管成品質(zhì)量檢測(cè)及瑕疵分類系統(tǒng)，包括：
[0047] 圖像采集單元，用于實(shí)時(shí)采集待測(cè)節(jié)能燈管圖像，得到待檢測(cè)圖像；
[0048]圖像處理單元，用于對(duì)所述待檢測(cè)圖像進(jìn)行處理，并計(jì)算出燈管瑕疵分類結(jié)果， 具體為：
[0049] (i)利用滑動(dòng)窗口和紋理特征提取方法檢測(cè)待檢測(cè)圖像是否存在瑕疵，若待檢測(cè) 圖像不存在瑕疵，則判斷為合格燈管;若待檢測(cè)圖像存在瑕疵，計(jì)算出待檢測(cè)圖像中包含瑕 疵的感興趣區(qū)域；
[0050] (ii)截取瑕疵圖像的感興趣區(qū)域，視為待分類圖像，針對(duì)每一個(gè)待分類圖像，將其 分割為η個(gè)子窗口，將樣本庫(kù)中的每一個(gè)樣本圖像分割成η個(gè)子窗口，將每個(gè)樣本圖像視為η 個(gè)小窗口的集合;η為大于零的自然數(shù)；
[0051 ] (i i i)為步驟(i i)得到的所有子窗口計(jì)算ST描述子；
[0052] (iv)利用ST描述子為待分類圖像的每一個(gè)子窗口與每一個(gè)類中的子窗口分別計(jì) 算子窗口-類間相似度；
[0053] (v)計(jì)算待分類圖像與每一個(gè)類的樣本圖像的圖-類間相似度；
[0054] (vi)將待分類圖像歸類為圖-類間相似度最大的一類。
[0055] 作為進(jìn)一步優(yōu)選，還包括檢測(cè)結(jié)果顯示單元，用于顯示圖像處理單元檢測(cè)結(jié)果。 [0056]所述的圖像處理單元為工業(yè)控制計(jì)算機(jī)，通過(guò)分類算法和軟件編程實(shí)現(xiàn)節(jié)能燈管 表面瑕疵的分類。同時(shí)，為便于燈管質(zhì)量檢測(cè)過(guò)程的監(jiān)控，所述圖像處理單元內(nèi)還可以包括 人機(jī)界面軟件，用于實(shí)時(shí)顯示所述的待分類節(jié)能燈管瑕疵圖像以及瑕疵分類結(jié)果，記錄分 類歷史數(shù)據(jù)，并接收用戶的操作指令對(duì)軟件進(jìn)行參數(shù)設(shè)定。
[0057]本發(fā)明通過(guò)高速工業(yè)攝像機(jī)，配合背光源實(shí)時(shí)采集流水線上的節(jié)能燈管圖像，利 用子窗口 ST描述子等方法，實(shí)現(xiàn)節(jié)能燈管產(chǎn)品質(zhì)量快速分類，具有不接觸、無(wú)損傷、連續(xù)、實(shí) 時(shí)、精度高的優(yōu)點(diǎn);在保證測(cè)量精度的前提下大大縮減了相應(yīng)的檢測(cè)成本。
【附圖說(shuō)明】
[0058] 圖1為本發(fā)明的基于結(jié)構(gòu)紋理特征的燈管質(zhì)量檢測(cè)與瑕疵分類方法的步驟流程示 意圖。
[0059] 圖2為實(shí)施例中幾種典型瑕疵類別示意圖。
[0060] 圖3為實(shí)施例中瑕疵檢測(cè)圖-類間相似度示意圖。
【具體實(shí)施方式】
[0061] 為了更為具體地描述本發(fā)明，下面結(jié)合附圖及【具體實(shí)施方式】對(duì)本發(fā)明的技術(shù)方案 進(jìn)行詳細(xì)說(shuō)明。
[0062] 如圖1所示，一種基于結(jié)構(gòu)紋理特征的燈管質(zhì)量檢測(cè)與瑕疵分類方法，包括如下步 驟：
[0063] (1)預(yù)先收集節(jié)能燈管生產(chǎn)公司人工分揀出的節(jié)能燈管次品，對(duì)次品燈管按照瑕 疵種類進(jìn)行人工區(qū)分，將燈管瑕疵歸類為幾種典型類別（如圖2)，令各個(gè)類別為C」，j = 1，. . .，ΖΑ={&，(：2, . . .，CZ}其中z為總的類別數(shù)，為大于零的自然數(shù);對(duì)各類別瑕疵采集一 定數(shù)量樣本圖像(圖像規(guī)格大小可根據(jù)經(jīng)驗(yàn)值確定)作為樣本庫(kù)；
[0064] (2)實(shí)時(shí)采集待檢測(cè)的節(jié)能燈管圖像；
[0065] (3)利用滑動(dòng)窗口和紋理特征提取方法檢測(cè)上述燈管圖像是否存在瑕疵，若待檢 測(cè)圖像存在瑕疵，計(jì)算出燈管圖像中包含瑕疵的感興趣區(qū)域（R〇I，Reg ion of Interesting)；
[0066] (4)截取瑕疵圖像的感興趣區(qū)域部分，視為待分類圖像X，將其分割為n個(gè)子窗口， 按照相同方法，將樣本庫(kù)中的每一個(gè)樣本圖像分割成η個(gè)子窗口，將每個(gè)樣本圖像視為η個(gè) 小窗口的集合。n=m2，m為大于1的正整數(shù);m-般為2或3;
[0067] (5)將子窗口分為S行K列個(gè)小窗口區(qū)域，共得到S*K個(gè)子帶（S，K的取值，以使得最 后得到的子帶的大小約為10*10像素大小為準(zhǔn)），令胃為第X個(gè)子窗口的第k個(gè)子帶的像素 灰度值集合，k=l，. . .，S*K，x = l，2,. . .，m2;式（1)中E{}為求期望運(yùn)算。為步驟(4)得到的 所有子窗口計(jì)算以下三個(gè)ST描述子；
[0068] I.子帶均值系數(shù):
[0069]
(1)
[0070] II.子帶標(biāo)準(zhǔn)差系數(shù):
[0071]
(2)
[0072] III.第k個(gè)子帶和第1個(gè)子帶間的互相關(guān)系數(shù)p。
[0073]
(3)
[0074] 為第X個(gè)子窗口的第k個(gè)子帶的子帶均值系數(shù)； <為第X個(gè)子窗口的第k個(gè)子帶 的子帶標(biāo)準(zhǔn)差系數(shù);/?為第X個(gè)子窗口中第k個(gè)子帶和第1個(gè)子帶間的互相關(guān)系數(shù)；
[0075] (6)利用上述ST描述子為待分類圖像的每一個(gè)子窗口與每一個(gè)類分別計(jì)算子窗 口-類間(BC，block-to_class)相似度。首先計(jì)算待分類圖像的每一個(gè)子窗口與各類樣本圖 像的各子窗口間相似度：
[0076]
(4)
[0077] 其中：
[0078] lk(x，y)為待分類圖像中第X個(gè)子窗口與各類樣本圖像中的第y個(gè)子窗口的均值相 似度
[0079]
⑶.
[0080] ck(x，y)為待分類圖像中第X個(gè)子窗口與各類樣本圖像中的第y個(gè)子窗口的標(biāo)準(zhǔn)差
相似度
[0081] (6)
[0082] 公式(5)和(6)中KjPK2為遠(yuǎn)小于1的常量，一般取心= 0.01，Κ2 = 0.03;
[0083] rk(x，y)為待分類圖像中第X個(gè)子窗口與各類樣本圖像中的第y個(gè)子窗口的互相關(guān) 相似度
[0084]
(7)
[0085] 最后得出子窗口-類間相似度：
[0086]
(8)
[0087] y為一個(gè)類中的一個(gè)子窗口，y=l，2, . . .，n;#ky為第y個(gè)子窗口的第k個(gè)子帶的子 帶均值系數(shù);為第y個(gè)子窗口的第k個(gè)子帶的子帶標(biāo)準(zhǔn)差系數(shù);為第y個(gè)子窗口中第k個(gè) 子帶和第1個(gè)子帶間的互相關(guān)系數(shù)。上述各式中"| |"均為求幅值運(yùn)算符。
[0088] (7)計(jì)算待分類圖像與每一個(gè)類的圖-類間（1<：，;[1]^86-1:〇-(3]^88)相似度(如圖3) :
[0089]
(9)
[0090] 其中Π 為各項(xiàng)連乘運(yùn)算；
[0091] (8)將待分類圖像歸類為圖-類間相似度最大的一類：
[0092]
(10)
[0093] 其中arg為求下標(biāo)運(yùn)算；通過(guò)式（10)計(jì)算出最大Q(X，CJ時(shí)的C的下標(biāo)，最終得到 圖-類間相似度最大的一類的類別號(hào)，進(jìn)而確認(rèn)最終的分類;重復(fù)步驟(3)~(8)實(shí)現(xiàn)對(duì)多個(gè) 節(jié)能燈管的質(zhì)量檢測(cè)和瑕疵分類。
[0094] 圖2和圖3為應(yīng)用上述方法的一個(gè)具體實(shí)施例：
[0095]圖2為幾種典型類別的樣本圖像，第i類-劃傷，第ii類-刮擦，第iii類-氣線，第iv 類-小洞，第v類-不均，第vi類-脫粉；
[0096] 圖3中間圖為待分類圖像，經(jīng)過(guò)最終計(jì)算得到待分類圖像與每一個(gè)類的圖-類間 (IC，image-t 〇-ClaSS)相似度為：與第i類的圖-類間相似度為0.7268,與第ii類的圖-類間 相似度為〇 . 8048，與第i ii類的圖-類間相似度為0.6025，與第iv類的圖-類間相似度為 0.7395，與第v類的圖-類間相似度為0.7231，與第vi類的圖-類間相似度為0.7863。經(jīng)過(guò)評(píng) 價(jià)，將中間圖的待分類圖像歸位第ii類，劃傷。通過(guò)進(jìn)一步人眼觀察可知，本實(shí)施方式的檢 測(cè)方法得出的燈管表面瑕疵分類結(jié)果具有較高的效率和可靠性，值得信賴。
[0097] 當(dāng)然一個(gè)燈管上也有可能存在多個(gè)不同類別或者相同類別帶瑕疵圖像的待分類 圖像，對(duì)于存在多個(gè)瑕疵的燈管，對(duì)每個(gè)下次可單獨(dú)分類，判定方法等與上述原理相同。 [0098]本燈管瑕疵分類系統(tǒng)包括圖像采集單元、圖像處理單元和分類結(jié)果顯示單元。 [0099]圖像采集單元，用于實(shí)時(shí)采集待測(cè)節(jié)能燈管圖像;可采用工業(yè)攝像機(jī)、鏡頭和照 明光源實(shí)現(xiàn)。工業(yè)攝像機(jī)使用大恒DH-GV400UM黑白1/3英寸CMOS攝像機(jī)，全幀曝光掃描方 式，分辨率為752 X 480，幀率可達(dá)60幀/秒，輸出接口為USB，鏡頭卡口為C/CS 口，體積小巧， 易于安裝，能滿足實(shí)時(shí)檢測(cè)要求;鏡頭選用日本Computar的8mm無(wú)畸變鏡頭。光源選用煒朗 160 X 160mm面形藍(lán)色LED光源，光源控制器選用煒朗VL-LC-11-4CH型號(hào)USB光源控制器。 [0100]圖像處理單元，用于對(duì)所述的節(jié)能燈管圖像進(jìn)行處理，并計(jì)算出燈管瑕疵分類結(jié) 果；圖像處理單元硬件可采用工業(yè)控制計(jì)算機(jī)，核心部分為編寫的計(jì)算機(jī)軟件。具體工作方 式為：
[0101] (i)在圖像采集單元采集的節(jié)能燈管圖像中，利用滑動(dòng)窗口和紋理特征提取方法 獲取燈管瑕疵部位；
[0102] (ii)將待分類瑕疵圖像和預(yù)收集的各類瑕疵樣本圖像分割成η個(gè)子窗口，并為所 有子窗口計(jì)算ST描述子；
[0103] (iii)利用計(jì)算出的ST描述子為待檢測(cè)圖像的每一個(gè)子窗口與所有類分別計(jì)算子 窗口-類間相似度，進(jìn)而計(jì)算圖-類間相似度，最終將待分類圖像歸類為圖-類間相似度最大 的一類。
[0104] 所述的圖像處理單元通過(guò)軟件編程以及上述分類算法實(shí)現(xiàn)節(jié)能燈管表面瑕疵的 分類。同時(shí)，為便于燈管質(zhì)量檢測(cè)過(guò)程的監(jiān)控，所述圖像處理單元內(nèi)還可以包括人機(jī)界面軟 件，用于實(shí)時(shí)顯示所述的待分類節(jié)能燈管瑕疵圖像以及瑕疵分類結(jié)果，記錄分類歷史數(shù)據(jù)， 并接收用戶的操作指令對(duì)軟件進(jìn)行參數(shù)設(shè)定。實(shí)際過(guò)程中通過(guò)顯示屏顯示。工業(yè)控制計(jì)算 機(jī)通過(guò)USB數(shù)據(jù)線連接工業(yè)攝像機(jī)和光源控制器。工業(yè)控制計(jì)算機(jī)采用研華工業(yè)控制計(jì)算 機(jī)，該機(jī)采用Intel雙核處理器，主頻3.0GHz，內(nèi)存2G，硬盤160G，19寸液晶顯示器，滿足工業(yè) 現(xiàn)場(chǎng)惡劣環(huán)境的要求。
[0105] 檢測(cè)結(jié)果顯示單元，實(shí)際上可選擇與工業(yè)控制計(jì)算機(jī)相連的顯示器，配合編寫的 產(chǎn)品瑕疵分類系統(tǒng)監(jiān)控軟件，可直觀地顯示圖像處理單元分類結(jié)果。
【主權(quán)項(xiàng)】
1. 一種基于結(jié)構(gòu)紋理特征的燈管質(zhì)量檢測(cè)與瑕疵分類方法，其特征在于，包括： (1) 對(duì)各類別瑕疵采集一個(gè)或多個(gè)樣本圖像，建立樣本庫(kù);令各個(gè)類別為Cj，j = 1，...， z，其中Z為總的類別數(shù)，C={Cl，C2,…，Cz}; (2) 實(shí)時(shí)采集待檢測(cè)的燈管圖像，得到待檢測(cè)圖像； (3) 利用滑動(dòng)窗口和紋理特征提取方法檢測(cè)待檢測(cè)圖像是否存在瑕疵，若待檢測(cè)圖像 不存在瑕疵，則判斷為合格燈管;若待檢測(cè)圖像存在瑕疵，計(jì)算出待檢測(cè)圖像中包含瑕疵的 感興趣區(qū)域； (4) 截取瑕疵圖像的感興趣區(qū)域，視為待分類圖像X，針對(duì)每一個(gè)待分類圖像，將其分割 為η個(gè)子窗口，將樣本庫(kù)中的每一個(gè)樣本圖像分割成η個(gè)子窗口，將每個(gè)樣本圖像視為η個(gè)小 窗口的集合;η為大于零的自然數(shù)； (5) 為步驟(4)得到的所有子窗口計(jì)算ST描述子； (6) 利用ST描述子為待分類圖像的每一個(gè)子窗口與每一個(gè)類中的子窗口分別計(jì)算子窗 口-類間相似度； (7) 計(jì)算待分類圖像與每一個(gè)類的樣本圖像的圖-類間相似度； (8) 將待分類圖像歸類為圖-類間相似度最大的一類； 重復(fù)步驟(2)-(8)實(shí)現(xiàn)對(duì)多個(gè)節(jié)能燈管的質(zhì)量檢測(cè)和瑕疵分類。2. 根據(jù)權(quán)利要求1所述的基于結(jié)構(gòu)紋理特征的燈管質(zhì)量檢測(cè)與瑕疵分類方法，其特征 在于，η為4~9的自然數(shù)。3. 根據(jù)權(quán)利要求1所述的基于結(jié)構(gòu)紋理特征的燈管質(zhì)量檢測(cè)與瑕疵分類方法，其特征 在于，計(jì)算ST描述子的方法為： (5-1)將子窗口分為S行Κ列個(gè)小窗口區(qū)域，共得到S*K個(gè)子帶，令為第X個(gè)子窗口的 第k個(gè)子帶的像素灰度值集合，4=1，...，5體，義=1，2^''，11;5，1(為大于1的自然數(shù)； (5-2)計(jì)算每個(gè)子窗口的W下Ξ個(gè)ST描述子：上式中6{ }為求期望運(yùn)算；パk^為第x個(gè)子窗口的第4個(gè)子帶的子帶均值系數(shù);^<為第義個(gè) 子窗口的第k個(gè)子帶的子帶標(biāo)準(zhǔn)差系數(shù);鋪為第X個(gè)子窗口中第k個(gè)子帶和第1個(gè)子帶間的互 相關(guān)系數(shù)。4. 根據(jù)權(quán)利要求3所述的基于結(jié)構(gòu)紋理特征的燈管質(zhì)量檢測(cè)與瑕疵分類方法，其特征 在于，計(jì)算子窗口-類間相似度的方法如下： (6-1)計(jì)算待分類圖像的每一個(gè)子窗口與各類樣本圖像的各子窗口間相似度：lk(x，y)為待分類圖像中第X個(gè)子窗口與各類樣本圖像中的第y個(gè)子窗口的均值相似度：(5) ck(x，y)為待分類圖像中第X個(gè)子窗口與各類樣本圖像中的第y個(gè)子窗口的標(biāo)準(zhǔn)差相似 度：誠(chéng) Κι和K2為遠(yuǎn)小于1的常量； rk(x，y)為待分類圖像中第X個(gè)子窗口與各類樣本圖像中的第y個(gè)子窗口的互相關(guān)相似 度；//之為各類樣本圖像第y個(gè)子窗口的第k個(gè)子帶的子帶均值系數(shù);誠(chéng)為各類樣本圖像第y 個(gè)子窗口的第k個(gè)子帶的子帶標(biāo)準(zhǔn)差系數(shù);咸為各類樣本圖像第y個(gè)子窗口中第k個(gè)子帶和 第1個(gè)子帶間的互相關(guān)系數(shù)。5. 根據(jù)權(quán)利要求4所述的基于結(jié)構(gòu)紋理特征的燈管質(zhì)量檢測(cè)與瑕疵分類方法，其特征 在于，Κι = 0.01 ~0.02，拉=0.03 ~0.05。6. 根據(jù)權(quán)利要求4所述的基于結(jié)構(gòu)紋理特征的燈管質(zhì)量檢測(cè)與瑕疵分類方法，其特征 在于，計(jì)算待分類圖像與每一個(gè)類的樣本圖像的圖-類間相似度的方法如下：(9) Q(X，Cj)為待分類圖像與每一個(gè)類的樣本圖像的圖-類間相似度;Π 為各項(xiàng)連乘運(yùn)算。7. -種基于結(jié)構(gòu)紋理特征的燈管質(zhì)量檢測(cè)與瑕疵分類系統(tǒng)，其特征在于，包括： 圖像采集單元，用于實(shí)時(shí)采集待測(cè)燈管圖像，得到待檢測(cè)圖像； 圖像處理單元，用于對(duì)所述待檢測(cè)圖像進(jìn)行處理，并計(jì)算出燈管瑕疵分類結(jié)果，具體 為： (i) 利用滑動(dòng)窗口和紋理特征提取方法檢測(cè)待檢測(cè)圖像是否存在瑕疵，若待檢測(cè)圖像 不存在瑕疵，則判斷為合格燈管;若待檢測(cè)圖像存在瑕疵，計(jì)算出待檢測(cè)圖像中包含瑕疵的 感興趣區(qū)域； (ii) 截取瑕疵圖像的感興趣區(qū)域，視為待分類圖像，針對(duì)每一個(gè)待分類圖像，將其分割 為η個(gè)子窗口，將樣本庫(kù)中的每一個(gè)樣本圖像分割成η個(gè)子窗口，將每個(gè)樣本圖像視為η個(gè)小 窗口的集合;η為大于零的自然數(shù)； (i i i)為步驟(i i)得到的所有子窗口計(jì)算ST描述子； (iv)利用ST描述子為待分類圖像的每一個(gè)子窗口與每一個(gè)類中的子窗口分別計(jì)算子 窗口-類間相似度； (V)計(jì)算待分類圖像與每一個(gè)類的樣本圖像的圖-類間相似度； (Vi)將待分類圖像歸類為圖-類間相似度最大的一類。8.根據(jù)權(quán)利要求7所述的基于結(jié)構(gòu)紋理特征的燈管質(zhì)量檢測(cè)與瑕疵分類系統(tǒng)，其特征 在于，還包括檢測(cè)結(jié)果顯示單元。
【文檔編號(hào)】G01N21/95GK105973910SQ201610286863
【公開(kāi)日】2016年9月28日
【申請(qǐng)日】2016年4月29日
【發(fā)明人】侯北平, 朱文, 于愛(ài)華, 鮑遠(yuǎn)樂(lè), 周樂(lè), 介婧
【申請(qǐng)人】浙江科技學(xué)院