[发明专利]用于检测异常的方法和产品

说明书

技术领域

本发明涉及一种用于处理图像数据以检测卷筒纸(web)中的异常的方法以及在计算机可操作介质中存储的、用于处理图像数据以检测卷筒纸中的异常的计算机程序产品。

背景技术

卷筒纸检验系统将当今成像技术用于检测缺陷和其它异常。孔、斑点和脏颗粒是缺陷的实例，以及皱纹、条痕和疵点是有待造纸这检测的弱缺陷(weak defect)的实例。相应地，对于钢板制造厂，含渣、裂纹和划痕是缺陷的实例，以及浅裂纹、浅划痕和压痕是待检测的弱缺陷的实例。在这些情况下，与从无缺陷产品所测量的信号的平均变化相比，弱缺陷仅引起数字视频信号的强度等级的细微变化。

目前，通过求平均或积分方法来最好地检测细长弱缺陷。仅当缺陷完全在卷筒纸的横向移动、缺陷完全在卷筒纸的机器方向移动或者缺陷在卷筒纸产品的某个精确角度方向移动时，才找到最佳结果。

匹配滤波器或者二维有限脉冲响应(FIR)滤波器(例如边缘算子)用于检测弱缺陷，但缺陷大小和形状的数量受到限制。例如，在US2002054293 A1中描述了如何查找纹面材料的最佳匹配滤波器。

检测条痕的传统方式是对机器方向上的视频信号积分或求平均，以改进信噪(S/N)比。对于数字相机增加的横向分辨率以及检测更弱条痕的高要求，传统方法是不够的。当采用高横向分辨率时，横向像素位置很高，但一个像素的宽度很小。这可能例如由于机械的正常振动而在传统方法中产生问题，因为卷筒纸、因而条痕可能振动，并且窄条痕可能离开它的原始横向像素位置。因此，对于条痕检测，在机器方向上的简单求平均或积分不是最佳的。条痕检测方法应当在每次横向位置略微改变时能够跟踪条痕。

需要一种能够处理包括弱缺陷在内的缺陷的检测方法。

发明内容

本发明的目的是解决上述问题以及创建一种用于处理图像数据以检测卷筒纸中的异常的新方法，其中，卷筒纸由至少一个相机来监测，由此产生用于创建图像数据的包含多个像素的至少一个图像，以及图像数据存储在存储器中，由处理器通过对图像数据以及先前图像数据和先前已滤波图像数据这两者中的至少一个进行加权，来对图像数据进行滤波，用于创建已滤波图像数据；将加权图像数据以及加权的先前图像数据和加权的先前已滤波图像数据这两者中的至少一个进行组合；通过至少一种非线性算法来控制滤波；以及对创建的已滤波图像数据进行阈值化(thresholding)。

本发明的第二个方面是创建在计算机可操作介质中存储的、用于处理图像数据以检测卷筒纸中的异常的计算机程序产品，其中，卷筒纸由至少一个相机来监测，由此产生用于创建图像数据的包含多个像素的至少一个图像，以及图像数据存储在存储器中，计算机程序产品包括：用于通过处理器对图像数据进行滤波的部件，用于通过对图像数据以及先前图像数据和先前已滤波图像数据这两者中的至少一个进行加权来创建已滤波图像数据的部件；用于将加权的图像数据以及加权的先前图像数据和加权的先前已滤波图像数据这两者中的至少一个进行组合的部件；用于通过至少一种非线性算法来控制滤波的部件；以及用于对创建的已滤波图像数据进行阈值化的部件。

本发明是一种局部处理方法，它依靠自适应邻域的概念。在该方法中，一个或几个滤波器与非线性自适应算法共同用来组成基于判定的滤波器。基于判定的滤波器内部的滤波器结构例如可能是无限脉冲响应(IIR)滤波器或有限脉冲响应(FIR)滤波器。当两个或两个以上滤波器串联或并联或者以矩阵形式来使用时，滤波器可包括不同类型的滤波器。自适应算法内部采用的非线性函数的典型实例是最小值、最大值和中值函数。