基于改进多尺度Retinex图像增强和支持向量机的苹果表面缺陷检测

目的 使用改进多尺度Retinex(Multi-Scale Retinex,MSR)图像增强技术和支持向量机(Support Vector Machine,SVM)分类技术实现苹果表面缺陷检测。方法 对苹果实验图像进行MSR图像增强,消除光照不均匀和表面颜色复杂干扰。对图像增强结果图使用自适应gamma矫正提高光晕区域对比度,并使用基于局部灰度的多阈值比较分割消除光晕现象干扰,获得初步缺陷分割结果。在此基础上,提取苹果梗萼与疤痕的颜色特征,并引入SVM对梗萼和疤痕进行分类,并对梗萼进行剔除,仅保留疤痕作为最终检测结果。结果 将本研究的方法部署到嵌入式设备OpenMV4H7Plus中并经实验证明,梗萼识别准确率达到93.8%,疤痕检测准确率达到92.8%。结论 利用改进MSR图像增强技术和SVM分类技术可以在光照不均匀和颜色信息复杂的苹果表面实现疤痕的有效检测。     

基于Halcon的苹果品质视觉检测试验研究

基于视觉检测平台和Halcon开发环境进行苹果典型品质检测试验,采集图像并处理。提取感兴趣区域,找出包含苹果的区域,用动态阈值分割的方法提取苹果的轮廓,并计算轮廓面积,以该面积来评定苹果的大小。对苹果的腐烂这一典型缺陷进行试验,用阈值分割的方法完成图像分割,不同灰度值显示为不同的颜色,据此将缺陷部分显示出来。颜色特征的检测是依据RGB颜色模型,采用模板匹配的方法,选取好的区域创建匹配模板,进行参数设置,并根据标准颜色的R分量设定合适的阈值作为合格苹果的颜色。该试验完成了水果轮廓的提取及面积的计算,实现了苹果部分区域的缺陷检测以及苹果颜色的检测。采用Halcon和机器视觉的方法对苹果品质的大小、缺陷、颜色检测能取得较好的效果。     

基于像素分布的自适应阈值分割模型应用于印刷图像缺陷检测的研究

为了解决传统印刷图像缺陷检测算法检测精度不足的问题,本研究提出了一种采用基于像素分布的自适应阈值分割模型的印刷图像缺陷检测算法.该算法充分利用印刷图像像素间的相互关系,利用自适应迭代运算确定图像缺陷阈值,提取图像缺陷区域.实验证明,利用该模型能准确地检测出印刷图像缺陷,可以有效地运用在印刷复制过程中的图像的检测环节中.     

水果表面缺陷检测法获得专利授权

<正>近日,国家农业信息化工程技术研究中心智能检测部黄文倩申请的国家发明专利"基于类球形亮度变换的水果表面缺陷检测方法"获得发明专利授权。"基于类球形亮度变换的水果表面缺陷检测方法"涉及图像处理技术领域,公开了一种基于类球形亮度变换的水果表面缺陷检测方法。发明基于水果R分量图像,对表面亮度不均进行变换,使水果表面缺陷分割简化为单阈值法检测,克服了传统基于RGB图像缺陷检测算法的复杂性,     

应用显著性算法的纱线条干均匀度检测

针对运用图像方法进行纱线条干均匀度检测时,背景黑板、纱线毛羽以及图像噪声等对检测结果影响较大的问题,借鉴人的视觉感知机制,提出一种应用显著性算法检测纱线条干均匀度的方法。对采集到的纱线图像提取颜色和亮度特征,进行显著性分析,突出纱线条干区域,然后利用迭代阈值分割算法和区域滤波,得到准确清晰的纱线条干二值图像,基于此进行直径计算、均匀度分析和纱线疵点判定。通过边缘准确性评价可知,采用所提方法分割得到的纱线条干二值图像有着较高的分割精度。通过与Uster Classimat 5的均匀度检测结果进行比较,证明这种方法可得到准确的结果,与Used Classimat 5 的测量结果有着较好的一致性。     

图像检测技术在皮革缺陷检测排样系统的应用研究

介绍一种计算机皮革缺陷检测与排样切割系统的构成原理与设计思想.该系统对皮革纹理图像采用小波包分解去噪,并用共生矩阵提取皮革图像的纹理特征向量,用改进模糊聚类方法对样本特征样本向量进行聚类分析.提出了一种基于类间方差和类内方差的自适应确定分割区域数的方法.该算法可以准确的检测出皮革表面缺陷信息,其在线缺陷检测结果与人工判断缺陷类别的一致性在89.1%以上,实现了对皮革缺陷的自动检测,优化排样.     

基于最大类间方差的图像分割算法研究

图像分割算法是当前计算机图像处理的难点之一,由于图像区域内部像素的灰度变化相似度高,而在图像边界上的像素变化不连续。为了将图像分割成不同的区域,实验分析了最大熵阈值分割法和迭代式阈值分割法原理,并在此基础上对比研究了最大类间方差法。实验结果表明:最大类间方差法的峰值信噪比最大,均方根误差,图像分割效果最好。     

应用区域颜色分割的机采棉杂质检测方法

机采棉中的杂质繁杂,而杂质类型及含量对后期棉花加工工艺的影响很大。为此,提出一种应用区域颜色分割方法以检测棉花中的杂质。在图像分割中,先对滤波后的机采棉图像进行彩色梯度运算,通过扩展极小变换运算获得标记图像,在修改后的梯度图像上运用分水岭算法获得初始分割图像,然后对初始分割图像进行区域合并。区域合并过程中要综合考虑空间邻接性、颜色信息和区域面积3个因素。颜色信息主要采用饱和度、亮度、区域颜色向量模及颜色相似度4 个特征量。用层次递进的合并方法,迭代过程更新信息特征。最后通过支持向量机算法提取颜色、纹理、形状特征对杂质区域进行识别。结果表明,所提方法对机采棉中天然杂质的平均识别率为94%。     

基于图像显著性区域提取的垩白米检测

垩白度是衡量优质大米品质的重要指标,随着农业检测自动化发展,利用机器视觉准确检测大米垩白度对大米生产加工具有重要意义。针对现有算法在分割垩白区域时存在抗干扰能力弱、稳定性差以及准确度低等问题,本文提出了一种基于图像显著性区域提取的垩白区域提取算法。利用大米垩白区域图像显著性的特点,对图像特征变化边缘进行提取,计算出边缘像素点个数以及边缘的总像素值,从而计算出边缘像素的平均值作为该区域的阈值。最后,利用计算得到的阈值对该区域进行分割,分割出整张图片的垩白区域,并计算出大米的垩白度。实验结果表明,该算法识别准确率为96.76%,相较于传统的OTSU算法检测准确率平均提高了 26.87%,相较于改进的OTSU算法检测准确率平均提高了 7.26%。     

基于高光谱成像技术的苹果表面缺陷无损检测

以"红富士"苹果为研究对象,提出基于高光谱成像技术结合图像分割技术的苹果表面缺陷的无损检测方法。采用高光谱图像采集系统(400 nm～1 000 nm)采集完好无损和表面有缺陷苹果的高光谱图像;对采集到的高光谱图像进行最小噪声分离变换,提取感兴趣区域的平均光谱反射率;采用图像分割技术提出苹果表面缺陷的无损检测方法。结果表明:采用最小噪声分离变换可有效地消除苹果高光谱图像中的噪声;在700 nm～800 nm以及900 nm～1 000 nm波段范围内完好无损和表面有缺陷的苹果的光谱反射率值具有明显的差异,同时选取特征波长717.98 nm处的光谱反射率值小于0.6以及982.59 nm处的光谱反射率值大于0.52作为区分苹果正常区域和表面缺陷区域的阈值条件,进一步利用阈值分割方法对80个完好无损苹果和40个表面有缺陷苹果的正确识别率分别为97.5%和95%。表明高光谱成像技术结合图像分割技术可实现苹果表面缺陷的无损检测。     

基于奇异值分解的双算法织物缺陷检测

针对难以有效地同时检测洞形缺陷和线形缺陷问题,提出一种基于奇异值分解的双算法织物缺陷检测方法。该方法首先对图像进行奇异值分解,通过对原图与特征值图进行布尔差集运算消除背景纹理并保留缺陷区域;然后采用均值滤波、直方图均值化及方差阈值滤波消除纹理及噪声点的干扰;接着通过形态学处理确定缺陷位置;最后采用面积阈值和方差阈值的方式获取线形缺陷和洞形缺陷。实验结果表明:该方法不仅能够有效地检测洞形缺陷,而且在检测线形缺陷上也有很好的表现,并在准确率上明显高于传统算法,证明了本文算法的有效性和多用途性。     

应用上下文视觉显著性的色织物疵点检测

为实现色织物疵点的有效检测,提出一种应用上下文视觉显著性的疵点检测方法。根据上下文视觉显著性的原则,将织物图像分为大小相同的图像块;然后针对每个图像块,选取K个与其最相似的图像块计算与该图像块的差异值之和,用该差异值之和表示该图像块中心像素的显著性;从而生成一幅视觉显著性图;最后对显著性图进行阈值分割,得到色织物疵点的检测结果。为验证该算法的有效性,将带有纬缩、破洞和跳花等区域性疵点的素色、条纹和格子色织物图像作为样本进行检测。结果表明:该方法可较好地抑制不同种类织物的纹理背景,突出疵点区域,实现疵点的有效检测,该方法在色织物疵点检测上具有一定的可行性。     

基于机器视觉的LED印刷电路质量检测技术

针对在玻璃基片上印刷LED电路过程中容易产生短路、毛刺等缺陷问题,提出一种基于机器视觉的玻璃基片LED的印刷电路质量检测方法。对数字图像二值化预处理自适应阈值的方法进行了比较分析;对二值化图像出现的噪声干扰点,提出了分割连通域的图像滤波方法,将获取的二值化图像进行连通域提取并根据连通域的面积分割出噪声干扰点;利用图像检测方法对玻璃基片LED电路进行缺陷检测。结果表明:该方法在效率和精度方面都有提高。     

Warp-knitted fabric defect segmentation based on non-subsampled Contourlet transform

Differing from the traditional Contourlet transform, the non-subsampled Contourlet transform (NSCT) is proposed to apply in warp-knitted fabric defect segmentation. First, the Laplacian pyramid is used to achieve the decomposition of original fabric image. Second, the high frequency directional sub-band coefficients are extracted by means of the non-subsampled directional filter bank. Then, choose the best high frequency sub-band coefficient at every level based on regional energy maxima and reconstruct the image. Finally, the legible defect profile is obtained by adaptive threshold method and morphological processing. The experimental results including the common defects, such as broken warp, width barrier and oil, show that the NSCT could attain the correct segmentation on directional defect and regional defect. This method fits the directional changes of warp-knitted fabric defect. It provides a new way to detect warp-knitted fabric defects automatically.     

基于支持向量机的筒子纱纱管品种检测

为了对运输导轨上筒子纱的纱管品种进行检测,提出一种基于纱管图像分类的品种检测方法。首先通过搭建的采集装置采集筒子纱顶部包含纱管信息的图像,运用阈值分割和椭圆拟合得到纱管区域,利用极坐标变换将纱管圆环展开成矩形图像,然后使用HSV颜色直方图和局部二值模式分别提取纱管展开图像的颜色特征和纹理特征,最后通过支持向量机构建筒子纱纱管品种分类模型实现纱管品种检测。采用建立的纱管品种检测分类数据集进行实验,结果表明,本文方法相比于其它特征组合和分类器,具有更高的分类准确率,对相同图案的星型纱管、黑色系花纹纱管和混合纱管的分类准确率达100%,可为纺纱企业筒子纱纱管品种检测与运输包装提供参考。     

The fabric defect detection based on CIE L*a*b* color space using 2-D Gabor filter

A detection algorithm based on CIE L*a*b* color space is proposed to detect various colorful fabric defects more accurately and avoid the error detection resulted from losing image information of graying. CIE L*a*b* color space is transformed from XYZ space via nonlinear transformation of RGB space. First, three features including the brightness characteristics L*, color information of a* and b* which are used to form 2-D Gabor filter in a complex number can be acquired. Genetic algorithm with the objective function in a form of energy is adopted to select optimal Gabor filter parameters. Second, filter built by flawless image is used to filter the corresponding drawbacks of image. Third, ultimate results are obtained through sliding threshold segmentation method and properly de-noising. The experiment success rate is 95.83%, which indicate that this method can detect diversiform colorful fabric defect accurately.     

聚集态网点结构提花织物的灰度仿真特性

为解决黑白单层提花织物对特定明度基调图像的灰度仿真设计问题,提出一种采用聚集态网点进行图像处理的提花织物设计方法。以3幅不同明度基调的图像为仿真对象,采用6种图像加网线数和2种织物间丝方法,进行聚集态网点结构提花织物样品的设计与织造。对原图像与提花织物图像的颜色特征进行比较与分析,结果表明:高、中、低3种明度基调图像分别适合采用24、14、10线/cm 3种加网线数;局部间丝方法可以提升网点织物图像的明度对比度;与影光组织提花织物图像相比,网点结构提花织物图像在灰度均值和方差2方面均较前者更接近原图,证明其具有更为稳定的灰度仿真性能。