自适应Gabor与颜色差分线缆编织密度检测方法及装置与流程
本发明涉及机器视觉与工业检测,具体涉及一种自适应gabor与颜色差分线缆编织密度检测方法及装置。
背景技术:
1、电线电缆作为电力传输和信号通信的关键载体,其屏蔽层质量直接影响线缆的电磁兼容性能和使用寿命。铜编织网是线缆屏蔽层的主要结构形式,由细铜丝按一定角度交叉编织而成,具有良好的柔韧性和电磁屏蔽效能。在生产过程中,铜编织网可能出现断丝、稀织、露铜不均等缺陷,传统检测方式主要依赖人工目视检查,效率低、主观性强,难以满足高速生产线的在线检测需求。
2、机器视觉技术因其非接触、高效率的特点,已广泛应用于工业表面缺陷检测领域。然而,铜编织网表面具有周期性纹理结构,且铜金属在光照下呈现强烈的镜面反射特性,导致图像中存在高光区域和明暗不均现象,给纹理分割带来较大挑战。传统的灰度阈值分割方法(如otsu法、最大熵法)在光照均匀条件下效果较好,但面对铜编织网的复杂纹理和反射特性时,容易将背景误判为金属或遗漏暗部铜丝。
3、gabor滤波器因其在频域和空域上的联合局部化特性,被广泛应用于纹理分析和边缘检测。现有研究多采用多方向gabor滤波器进行织物缺陷检测,但通常采用固定方向的gabor核组(如0°、45°、90°、135°),无法自适应铜编织网在不同拍摄角度下的纹理方向变化,导致响应强度不足或引入过多噪声。
4、在颜色特征方面,铜金属具有独特的红铜色泽,红色通道值显著高于绿色和蓝色通道,这一颜色特性可用于区分铜金属与背景。现有研究多采用r-g颜色差分进行铜丝提取,但简单的差值特征受光照强度影响较大。此外,现有方法多采用人工设定的固定阈值进行分割,阈值的选取依赖经验,难以适应不同批次、不同光照条件下的图像变化。
5、在后处理方面,传统形态学开运算(先腐蚀后膨胀)虽然能够去除小碎块噪声,但会同时腐蚀金属边缘,导致铜丝变细,影响覆盖率统计的准确性。
技术实现思路
1、本发明的目的在于提供一种自适应gabor与颜色差分线缆编织密度检测方法及装置,以实现不同拍摄角度下纹理方向的自适应定位、分割阈值的自动学习以及金属边缘细节的保留,提升铜编织网纹理检测的鲁棒性和准确性。
2、为实现上述目的,本发明采取的技术方案如下:
3、一方面,本发明提供一种自适应gabor与颜色差分线缆编织密度检测方法,包括如下步骤:
4、步骤1、图像预处理:读取线缆铜编织网彩色图像,转换为灰度图像并减去全局均值以去除直流分量;
5、步骤2、自适应gabor方向搜索:在0°至180°范围内以第一步长进行粗扫描,得到离散的候选方向,再对每个候选方向构建gabor核并计算纹理响应图,以强响应区域内所有像素的平均响应值作为候选方向的评分,对所有候选方向的评分进行非极大值抑制,选取评分的峰值方向,其中两个峰值方向之间至少间隔预设角度,且评分低于最高峰值评分预设比例的方向被忽略;再在每个保留的峰值方向附近以第二步长进行精细搜索,将评分最高的精确角度作为最优纹理方向;
6、步骤3、多方向gabor纹理响应提取:以每个最优纹理方向为中心,在其两侧对称位置各取至少一个等间隔偏移方向,将中心方向及各偏移方向上的全部gabor核的集合称为一个gabor核组;所有最优纹理方向对应的gabor核组共同构成多方向gabor核集合;对预处理后的灰度图像,依次与该核集合中每个gabor核进行卷积并取响应绝对值,逐像素取所有方向响应绝对值的最大值,得到最终纹理响应图;
7、步骤4、纹理掩膜生成与颜色差分采样:对纹理响应图进行阈值化生成纹理掩膜,在纹理掩膜区域内采集像素的红、绿、蓝通道值,计算归一化颜色差分比;
8、步骤5、数据驱动分位数阈值:基于纹理掩膜区域内像素的归一化颜色差分比分布,采用经验累积分布函数分位数法自动确定颜色差分阈值,同时基于像素的红色通道值分布确定亮度下限阈值;
9、步骤6、全图分割:利用确定的亮度下限阈值和颜色差分阈值对全图像素进行分割,同时满足亮度下限条件和颜色差分比条件的像素判定为铜金属像素;
10、步骤7、连通域后处理:对分割结果中的背景区域进行连通域分析,将面积小于预设面积阈值的孤立背景连通块填充为铜金属,输出铜编织网分割结果图像及铜金属像素占比。
11、进一步的,所述步骤2中,对每个候选方向,以θ为方向角构建对应的gabor核并与预处理后的灰度图像卷积,取卷积响应的绝对值得到方向θ的纹理响应图;统计纹理响应图中像素值大于统计纹理响应图全局均值的像素作为强响应区域。
12、进一步的,所述步骤2中,粗扫描的第一步长为5°,精细搜索的第二步长为1°;在非极大值抑制中,两个峰值方向之间至少间隔30°,且忽略评分低于最高峰值评分30%的方向,最终选取前2个峰值方向作为铜编织网的两组最优纹理方向。
13、进一步的,所述步骤3中,在每个最优纹理方向的中心±3°处各取一个偏移方向,然后在中心方向和偏移方向上共构建6个gabor核;其中gabor核的参数为:正弦波长λ=15,高斯包络标准差σ=0.5λ,空间宽高比γ=0.5,相位偏移ψ=0,核尺寸取不小于6σ的最小奇数。
14、进一步的,所述步骤4中,纹理响应图阈值化以纹理响应最大值的35%作为下限,生成纹理掩膜;采集时设置绝对暗噪地板,仅保留红、绿、蓝三通道值均大于等于绝对暗噪地板的像素作为有效采样像素,绝对暗噪地板取值为20。
15、进一步的,所述步骤4中,生成纹理掩膜后,先进行纹理掩膜区域占比判定:计算纹理掩膜区域像素数占总像素数的比例,当比例在8%至75%范围内时判定为正常金属编织图像,否则判定为纹理占比异常,输出异常报警信号并标记该图像为异常样本。
16、进一步的,所述步骤4中,归一化颜色差分比包括红-绿差分比和红-蓝差分比,分别为:
17、
18、其中,为红-绿差分比,为红-蓝差分比,r、g、b分别为像素的红色、绿色、蓝色通道值。
19、进一步的,所述步骤5中,对红-绿差分比取保留高端95%的分位数作为阈值,对红-蓝差分比取保留高端92%的分位数作为阈值;亮度下限阈值取采样像素红色通道值的5%分位数与绝对暗噪地板的最大值。
20、进一步的,所述步骤7中,对背景区域进行8连通域分析,预设面积阈值为18像素,面积小于18像素的孤立背景连通块被填充为铜金属。
21、另一方面,本发明还提供一种自适应gabor与颜色差分线缆编织密度检测装置,包括:
22、图像采集模块:用于采集线缆铜编织网表面的彩色图像;
23、核心处理模块:与图像采集模块连接,用于执行上述方案的检测方法,实现图像预处理、自适应gabor方向搜索、多方向gabor纹理响应提取、颜色差分采样、分位数阈值确定、全图分割和连通域后处理;
24、输出模块:与核心处理模块连接,用于输出铜编织网分割结果图像及铜金属像素占比统计数据。
25、与现有技术相比,本发明具有如下有益效果:
26、(1)自适应纹理方向:通过粗扫描与精细搜索相结合的自适应gabor方向搜索策略,能够自动定位铜编织网在不同拍摄角度下的最优纹理方向,解决了传统固定方向gabor核组与实际纹理方向不匹配导致响应强度不足的问题。经测试,对三张不同拍摄条件的线缆图像,自适应搜索确定的两组纹理方向分别为67°/112°、71°/111°和70°/110°,均能准确反映铜编织网的交叉编织角度。
27、(2)光照鲁棒性强:采用归一化颜色差分比(r-g)/r和(r-b)/r作为铜金属识别特征,与简单的r-g差值相比,归一化比值除以红色通道值,消除了光照强度的线性影响,有利于提高不同光照条件下的检测鲁棒性。
28、(3)阈值自动学习:采用基于经验累积分布函数的数据驱动分位数法,从纹理掩膜区域采集像素的颜色差分分布中自动学习分割阈值,替代了传统人工固定阈值,能够适应不同批次、不同光照条件下的图像变化。经测试,三张图像自动学习得到的红-绿差分阈值分别为0.0551、0.0510和0.0635,红-蓝差分阈值分别为0.0175、0.0157和0.0353,亮度下限分别为64、66和102,阈值随图像特性自适应调整。
29、(4)边缘保留去噪:采用连通域面积过滤替代传统形态学开运算,仅填充被金属包围的面积小于阈值的孤立小孔,不腐蚀金属边缘,有利于在去除噪声的同时保留铜丝边缘细节。经测试,三张图像分别填充了698个、345个和1285个面积小于18像素的孤立背景碎块,金属边缘轮廓保持完整。
30、(5)异常自动判定:纹理区域占比判定机制能够自动识别非标准金属编织图像,为产线异常报警提供依据。编织密度是指编织线材覆盖的表面积与被编织线缆表面总表面积之比,以百分比表示。编织密度越高,编织线之间的间隙越小,屏蔽效能越好;当比值为100%时编织层无缝隙,小于100%时存在缝隙,比值越小缝隙越宽。在本发明中,编织密度定义为经分割后判定为铜金属的像素个数占图像总像素个数的比值,即铜金属像素占比;该占比越高表示编织越致密,占比越低表示编织越稀疏,占比低于正常范围下限即可判定为稀织缺陷,高于正常范围上限可判定为重叠或露铜异常。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com