1 三峡大学理学院, 湖北 宜昌 443002
2 三峡大学电气与新能源学院, 湖北 宜昌 443002
陶瓷瓦表面缺陷的自动检测是该产业升级中亟待解决的问题。陶瓷瓦表面为立体的形态结构且存在大量的花纹,这将导致陶瓷瓦表面光照不均匀,会对缺陷自动检测造成许多干扰。为此,本文提出基于多尺度Hessian矩阵滤波的陶瓷瓦表面裂纹检测算法。首先使用带通滤波抑制陶瓷瓦图像背景及噪声并突出陶瓷瓦裂纹特征;然后,利用多尺度Hessian矩阵的特征值构建陶瓷瓦裂纹相似性函数,实现陶瓷瓦裂纹特征增强;最后,采用二值化和形态学处理的方式,提取裂纹的参数信息。通过实验表明,该算法可以有效去除复杂背景的干扰,提取出完整的陶瓷瓦表面裂纹,且运算效率较高,准确率高达95%。
图像处理 陶瓷瓦 机器视觉 裂纹检测 多尺度滤波 Hessian矩阵 激光与光电子学进展
2020, 57(10): 101022
1 三峡大学理学院, 湖北 宜昌 443002
2 三峡大学电气与新能源学院, 湖北 宜昌 443002
针对具有复杂背景的陶瓷瓦表面裂纹检测困难的问题,提出了一种基于主成分分析的陶瓷瓦表面裂纹检测算法。首先,将陶瓷瓦彩色图像转换为红色通道图像进行预处理;然后,采用主成分分析的方法重构陶瓷瓦图像,将预处理图像与重构图像进行差分处理,得到具有裂纹信息的图像;最后,采用二值化和形态学处理,提取裂纹的参数信息。实验表明,该算法可以检测出具有立体形态结构和复杂背景干扰的陶瓷瓦裂纹,相比其他算法检测速度快,准确率高达96%。
陶瓷瓦 机器视觉 裂纹检测 主成分分析 二值化 激光与光电子学进展
2020, 57(8): 081004
1 三峡大学电气与新能源学院, 湖北 宜昌 443002
2 三峡大学理学院, 湖北 宜昌 443002
针对具有复杂背景干扰和立体结构的陶瓷瓦表面裂纹缺陷,提出基于滑动滤波和自动区域生长的方法对陶瓷瓦表面裂纹进行提取。首先对采集图像进行预处理,并将图像分割为瓦头和纹理两个区域;然后用自定义滑动滤波法对瓦头区域的裂纹缺陷进行检测,用自动区域生长方法检测纹理区域的裂纹;最后用形态学运算去除杂散干扰点,提取裂纹的特征参数。实验结果表明,本文方法可有效去除复杂背景干扰,能提取出立体结构的陶瓷瓦表面裂纹。
图像处理 陶瓷瓦 滑动滤波 自动区域生长 形态学运算 激光与光电子学进展
2019, 56(21): 211003
