一种基于图像识别的皮革表面缺陷检测方法与流程
本发明属于图像识别与工业视觉检测,具体涉及一种基于图像识别的皮革表面缺陷检测方法。
背景技术:
1、随着现代皮革工业向自动化与智能化方向转型,皮革表面的质量检测已成为保障下游成品品质的关键环节。皮革作为一种具有复杂纹理和非均质特性的自然材料,其表面存在的划痕、破洞及色差等缺陷直接影响原材料的利用率和产品的附加值。基于机器视觉的自动检测技术凭借其高效率、非接触及客观性等优势,逐渐取代传统的人工肉眼检验,成为皮革生产线中实现质量分级与优化切割的核心手段。
2、基于图像识别的皮革表面缺陷检测方法旨在利用工业相机获取表面特征,通过算法对图像中的异常区域进行准确定位与类型识别。在实际生产场景中,检测系统需实时处理传送带上移动的皮革素材,并针对复杂的纹理背景进行特征增强与噪声抑制。该过程要求算法具备极高的鲁棒性,以适应不同光照条件、纹理走向以及皮革种类的变化,确保检测结果的实时性与精确度。
3、现有的皮革表面检测技术主要依赖于图像像素的灰度特征或纹理分布,难以应对皮革作为柔性材料在传输过程中产生的物理形变。皮革极易因机械张力不均或自身重力产生局部的褶皱、卷曲或折叠,这些非平面形变在特定照明下会形成光影伪影,导致视觉算法将其误判为表面的划痕或凹陷。
4、传统算法缺乏对皮革物理力学属性的建模能力,无法从底层机理上区分“几何褶皱”与“实质破损”,使得检测系统在面对柔性形变干扰时出现大量的虚假缺陷信号。现有的多源数据融合方案往往局限于视觉信息本身,难以实现三维形变场与表面图像特征的深度耦合,导致在复杂工况下的检测稳健性不足,期望一种基于图像识别的皮革表面缺陷检测方法。
技术实现思路
1、本发明的目的在于提供一种基于图像识别的皮革表面缺陷检测方法,可以解决上述背景技术中的问题。
2、为实现上述目的,本发明采取的技术方案为:一种基于图像识别的皮革表面缺陷检测方法,包括以下具体步骤:
3、步骤1:通过多角度光源照射皮革表面,并同步采集多个视角下的灰度图像,利用光度立体视觉原理重建皮革表面的三维深度图;
4、步骤2:将所述三维深度图作为输入,构建皮革表面的虚拟有限元网格模型,每个网格单元表征局部区域的几何形变状态;
5、步骤3:基于所述虚拟有限元网格模型,计算皮革表面各点的应力张量场,所述应力张量场反映皮革在当前形变状态下所承受的虚拟力学应力分布;
6、步骤4:对所述应力张量场进行梯度分析,识别应力梯度突变区域,并结合预设阈值判定是否存在实质破损类缺陷;
7、步骤5:将判定结果与原始图像特征进行融合验证,输出最终的缺陷类型、位置及边界信息。
8、优选的,所述步骤1中采用不少于四个不同方位的定向光源依次照射皮革表面,每次照射时由同一工业相机采集对应光照条件下的灰度图像,所有图像在空间坐标系下严格对齐,以确保三维深度图重建的几何一致性。
9、优选的,所述步骤2中构建的虚拟有限元网格模型采用三角形单元离散化皮革表面,单元尺寸根据局部曲率自适应调整,在高曲率区域加密网格密度,在低曲率区域稀疏布置,以兼顾计算效率与形变表征精度。
10、优选的,所述步骤3中计算应力张量场的过程基于线弹性力学假设,将皮革视为各向同性连续介质,依据胡克定律将局部应变张量转换为对应的应力张量,材料参数包括杨氏模量和泊松比均设定为与天然皮革物理特性相匹配的预定常数。
11、优选的,所述步骤4中对应力张量场进行梯度分析时,首先计算每个网格节点处应力张量主方向的变化率,再求取该变化率的空间导数,若其绝对值超过预设阈值,则标记该区域为应力集中区,进而初步判定为破洞或割伤类缺陷。
12、优选的,所述步骤5中融合验证过程包括将应力集中区映射回原始图像平面,并提取该区域内像素灰度的一阶与二阶统计特征,若同时满足纹理断裂性和边缘不连续性条件,则确认为真实缺陷,否则视为由褶皱引起的伪影并予以剔除。
13、优选的,所述方法还包括在检测前对皮革样本进行预处理,所述预处理包括去除传送带振动引起的全局位移偏差,并对图像序列实施时间同步校正,以消除因运动模糊导致的深度重建误差。
14、优选的,所述方法进一步包括建立皮革种类与力学参数的映射关系库,针对牛皮、羊皮或猪皮等不同类型皮革自动调用对应的杨氏模量与泊松比数值,以提升应力场重构的物理真实性。
15、优选的,所述方法还包含对检测结果进行后处理优化,所述后处理包括对缺陷边界进行形态学闭运算以填补微小间隙,并采用区域生长算法扩展缺陷连通域,获得完整且封闭的缺陷轮廓。
16、优选的,所述方法适用于高速连续运行的皮革生产线,能够在皮革以恒定速度通过检测工位的过程中完成全流程分析,单帧处理延迟控制在预定时间范围内,满足实时在线检测需求。
17、与现有技术相比,本发明具有如下有益效果:
18、1、本发明突破了传统图像识别方法仅依赖像素灰度或纹理特征进行缺陷判别的局限,首次将固体力学中的有限元分析思想引入皮革表面检测领域,通过构建虚拟应力张量场实现了对柔性材料形变本质的物理建模。该方法能够从机理层面区分由物理褶皱引起的光影伪影与真实的表面破损,降低了误检率。
19、2、本发明通过多角度光源与光度立体视觉相结合,获得了高保真的三维深度信息,为后续力学场重构提供了可靠几何基础。整个检测流程具备良好的鲁棒性,可适应不同种类皮革、复杂纹理背景及动态传输环境,提升了皮革表面缺陷检测的准确性、稳定性和实用性,为智能化皮革加工提供了关键技术支撑。
1.一种基于图像识别的皮革表面缺陷检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于图像识别的皮革表面缺陷检测方法,其特征在于,所述步骤1中采集多个视角下的灰度图像并重建三维深度图的过程包括:
3.根据权利要求2所述的基于图像识别的皮革表面缺陷检测方法,其特征在于,在所述步骤1执行过程中还包括对皮革样本进行预处理的过程,所述预处理过程包括:
4.根据权利要求1所述的基于图像识别的皮革表面缺陷检测方法,其特征在于,所述步骤2中构建皮革表面的虚拟有限元网格模型的过程包括:
5.根据权利要求1所述的基于图像识别的皮革表面缺陷检测方法,其特征在于,所述步骤3中计算应力张量场的过程包括:
6.根据权利要求5所述的基于图像识别的皮革表面缺陷检测方法,其特征在于,所述步骤3中计算应力张量场的过程还涉及针对特殊纹理皮革的多尺度解析机制,具体包括:在粗尺度下建立全局网格以识别皮革的大尺度弯曲形变;
7.根据权利要求1所述的基于图像识别的皮革表面缺陷检测方法,其特征在于,所述步骤4中对应力张量场进行梯度分析并识别缺陷的过程包括:
8.根据权利要求7所述的基于图像识别的皮革表面缺陷检测方法,其特征在于,所述步骤4中还包括对预设阈值进行动态学习的过程,具体包括:在检测任务开始前的引导阶段,采集不含缺陷的皮革样本图像;
9.根据权利要求1所述的基于图像识别的皮革表面缺陷检测方法,其特征在于,所述步骤5中融合验证与输出检测结果的过程包括:
10.根据权利要求1所述的基于图像识别的皮革表面缺陷检测方法,其特征在于,所述方法通过分布式计算架构实现,具体过程包括:
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