[發(fā)明專利]一種車漆缺陷位置檢測方法

有效

• 申請?zhí)枺?/td>: 201910191791.3
• 申請日: 2019-03-14
• 公開（公告）號: CN109919963B
• 公開（公告）日: 2023-03-24
• 發(fā)明（設計）人: 張晉東;徐嘉斌;張坤鵬;劉通;王雪;孫宛路
• 申請（專利權）人: 吉林大學
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/62;G06N3/006
• 代理公司: 北京君瑯知識產權代理有限公司 16017
• 代理人: 侯寧

本發(fā)明公開了一種車漆缺陷位置檢測方法，包括步驟：圖像預處理；改進的蟻群算法邊緣檢測；車漆圖像反光區(qū)域識別；缺陷區(qū)域識別。本發(fā)明利用生物學特征，通過改進蟻群邊緣檢測方法對車漆圖像進行邊緣識別，并設計反光區(qū)域識別去除方法來排除反光位置干擾，對車漆圖像中缺陷位置進行識別標記，得到位置信息供重新噴漆考慮。

技術領域

本發(fā)明涉及圖像處理技術領域，具體涉及一種車漆缺陷位置檢測方法。

背景技術

車漆缺陷位置檢測是通過對車身圖像進行處理檢測得到車身發(fā)生車漆缺陷的方法。在現有的車漆缺陷檢測方法中，J.Mol in等人采用局部方向模糊法和改進的圖像對比度增強的圖像背景提取方法檢測缺陷位置。P.Cheng等人提出一種基于圖像處理的車身涂膜缺陷識別方法，利用形態(tài)學處理和基于圖論的圖像分割算法對缺陷位置進行識別，識別率達90％。Elaheh Noursadeghi等人提出一種車身油漆缺陷自動檢測與分類的方法，利用局部二元模式(LBP)和局部方差的旋轉不變量測度對缺陷位置定位和分類。

然而，對車漆缺陷位置檢測得方法少之又少，雖然有很多的位置識別方法，但是對于車漆缺陷位置的檢測方法很難實現，因為車漆缺陷位置識別過程是處于高亮車間下，并且車漆是由多種物質混合而成，并不是透明物，其中包含很多細小斑點干擾項，去噪處理的過程中很可能將缺陷位置也去除，并且高亮的反光區(qū)域也會成為檢測過程中的干擾項。

發(fā)明內容

針對現有技術的不足，本發(fā)明旨在提供一種車漆缺陷位置檢測方法，利用生物學特征，通過改進蟻群邊緣檢測方法對車漆圖像進行邊緣識別，并設計反光區(qū)域識別去除方法來排除反光位置干擾，對車漆圖像中缺陷位置進行識別標記，得到位置信息供重新噴漆考慮，檢測準確度高。

為了實現上述目的，本發(fā)明采用如下技術方案：

一種車漆缺陷位置檢測方法，包括如下步驟：

S1、圖像預處理：

采集原始車漆圖像，利用大小調整函數將原始車漆圖像調整為設定大小后轉換為車漆灰度圖像；

S2、蟻群算法邊緣檢測：

S2.1、初始化：確定迭代次數，并對車漆灰度圖像的像素值進行處理實現信息素矩陣和啟發(fā)信息矩陣的初始化；

所述信息素矩陣初始化如下：

δ←0.01

所述啟發(fā)信息矩陣按下式進行初始化：

其中，X表示周圍像素點的個數；P_x表示周圍8個像素點中像素點x的位置；ι表示周圍像素點的被選擇的個數；表示周圍像素點的變換程度，取固定值4；ζ_i，j表示啟發(fā)信息矩陣中的啟發(fā)式信息值；

S2.2、螞蟻下一步走向選擇：

以當前螞蟻位置作為初始位置，周圍8個像素點作為路線選擇區(qū)域，讓螞蟻在像素域中迭代移動，周圍8個像素點的移動選擇的概率值Q_x通過下式計算：

其中，x是螞蟻下一步選擇的像素點；δ_x為螞蟻從當前點走向x點的信息素強度；γ_x是點x處的能見度系數；ε是用于控制螞蟻探索程度的參數，θ是代表影響信息素線索的參數；

根據上述計算得到的周圍8個像素點的移動選擇概率值，按下式選擇螞蟻下一步的方向：