[发明专利]一种基于纹理特征的丝饼侧面缺陷识别方法

说明书

本发明公开一种基于纹理特征的丝饼侧面缺陷识别方法。该发明的算法过程包括：通过工业相机对丝饼侧面图像进行采集；对采集到的彩色图像进行灰度化；采用自适应中值滤波对灰度化后的图像进行增强，凸显瑕疵与背景区域，消除噪声；将预处理后的图像进行分块处理，以精细的描述局部纹理信息和提高处理速度；将分块处理后的图像进行旋转LBP算子来描述局部纹理信息和凸显缺陷特征；接着将图像进行多尺度的Gabor变换；分别提取各个尺度、各个方向上的纹理特征；对融合后的特征图像进行Otsu阈值分割；采用支持向量机对提取的特征及进行分类，识别出丝饼侧面的缺陷。本发明能够精确地、全面地提取缺陷特征，准确的识别出丝饼侧面缺陷。

技术领域

本发明涉及图像识别与工业自动化研究技术，尤其涉及一种基于纹理特征的丝饼侧面缺陷识别方法。

背景技术

目前，在智能外观缺陷检测领域，人们对检测的精确度和可靠性越来越高。而在生产丝饼的生产流水线上，丝饼要经过卷丝、落筒、输送、储存、检测分类、包装等多个流程，在丝饼的生产过程中会出现一些缺陷。目前，对丝饼缺陷的检测主要采用人工方式进行检测。但是，采用人工方式，用人的眼睛对丝饼的各种缺陷进行识别，由于检测者容易出现疲劳、责任心等主观因素，使得检测结果出现误差。而由于图像识别技术的出现和发展成为智能外观缺陷检测的一个重要方向。

发明内容

本发明的目的是：利用图像识别技术对丝饼的缺陷进行识别。

为了达到上述目的，本发明的技术方案是提供了一种基于纹理特征的丝饼侧面缺陷识别方法，其特征在于，包括以下步骤：

步骤1、通过工业相机采集丝饼侧面缺陷图像，进行预处理，对其进行灰度化，将RGB图像转化成单通道的灰度图像；

步骤2、对灰度图像进行自适应中值滤波，消除噪声，达到突出缺陷的梯度信息的目的；相比于普通的中值滤波方法，自适应中值滤波算法不仅可以滤除噪声，还可以保留图像中目标区域的轮廓和细节信息。

步骤3、对滤波后的图像进行分块获得多个子图像块，对每个子图像块采用下述步骤进行处理；

步骤4、将子图像快进行旋转LBP算子运算来描述局部纹理信息和凸显缺陷特征；

步骤5、对上一步得到的图像进行多尺度多方向的Gabor变换，得到各个尺度和方向上的特征图；

步骤6、对各个尺度和方向上的特征图像进行融合，获取更精确的Gabor特征图像；

步骤7、对融合后的特征图像进行Otsu法进行丝饼侧面疵点的分割，获得特征分割图像；

步骤8、采用SVM算法对特征分割图像进行分类，以精确地识别出丝饼侧面缺陷。

优选地，步骤2中，所述自适应中值滤波包括以下步骤：

步骤201、确定滤波尺度的最大值，用一个适当的半径r去滤波图像；

步骤202、计算出在当前半径r下当前滤波邻域内像素灰度的最大值I_max、最小值I_min和中间值I_mid，然后判断中间值I_mid是否在[I_min，I_max]中间，如果在，则进入步骤203，如果不在，则进入步骤204；

步骤203、判断当前滤波邻域的中心像素灰度img(i，j)是否在[I_min，I_max]之间，若在则输出当前像素的灰度img(i，j)，依照当前半径r返回步骤202继续滤波图像其它区域，否则输出中间值I_mid，依照当前半径r返回步骤202继续滤波图像其它区域；

步骤204、增加当前半径r，返回步骤202利用增加后的半径r滤波图像区域，直至半径r等于滤波尺度的最大值。