[發明專利]低亮度多角度環境下皮帶損傷樣本的優化和預處理方法

在審

• 申請號: 202010193853.7
• 申請日: 2020-03-18
• 公開（公告）號: CN111369554A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 袁雪;史銘翰
• 申請（專利權）人: 山西安數智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T5/40;G06T11/40
• 代理公司: 太原中正和專利代理事務所(普通合伙) 14116
• 代理人: 焦進宇

本發明屬于皮帶損傷樣本優化和預處理技術領域，具體技術方案為：低亮度多角度環境下皮帶損傷樣本的優化和預處理方法，具體步驟如下：一、采用工業相機對皮帶進行拍照取樣；二、確定拍攝圖片內的干擾區域，將干擾區域內的各個頂點按順序使用直線相連，構成所需的填充區域，對填充區域進行顏色填充；三、對拍攝圖片的皮帶圖像上端兩頂點拉伸至圖片的兩個上端點，對拍攝圖片的皮帶圖像下端兩端點拉伸至圖片的兩個下端點，皮帶圖像鋪滿整個拍攝圖片；四、調整步驟三中處理后圖像的局部對比度，削弱局部圖像對比度過度增強和抑制噪聲信號放大；五、對圖片進行自適應均衡化；本發明消除了干擾區域對AI判斷的影響，提高了AI判斷的準確性。

技術領域

本發明屬于皮帶損傷樣本優化和預處理技術領域，具體涉及一種應用于低亮度多角度環境下工業相機拍攝到的皮帶損傷樣本的優化和預處理方法。

背景技術

在煤礦的工業生產中，皮帶輸送的整體環境非常復雜。工業相機的選址非常苛刻，實際環境下，相機的角度等情況并不能滿足我們預期的圖片效果。故在沒法調整安裝位置及角度的條件下，我們只能在圖像處理方面下手。而且拍攝環境的亮度整體偏暗，隨著時間變化亮度有所變化，這種變化對于人工智能的圖片識別會有很大的影響，使得學習結果出現一些誤差。

為了克服硬件方面難以克服的困難，本領域的技術人員在軟件方面做了克服，設計了圖片預處理的方法，來克服硬件環境無法滿足人工智能學習要求的弊端。在實際的安裝角度下，我們無法保證整個皮帶充滿圖片區域，不可能使皮帶兩邊正好與圖片兩邊重合，故實際拍攝的圖片存在有皮帶以外的內容，如輸送支架、墻體窗戶等無關區域。這些皮帶以外的無關區域會對人工智能的圖片識別造成很大的干擾，無法保證其識別結果的準確性。

另外，當拍攝環境內的亮度很低時，圖片效果會整體很黑，基本不滿足檢測條件，通過直方圖均衡會得到較亮的，滿足條件的圖片，隨著外部亮度隨時間變化的因素，普通的直方圖均衡并不能持續的保證其最佳效果。

發明內容

為解決現有技術存在的技術問題，本發明提供了一種應用于低亮度多角度環境下工業相機拍攝到的皮帶損傷樣本的優化和預處理方法。

為實現上述目的，本發明所采用的技術方案為：低亮度多角度環境下皮帶損傷樣本的優化和預處理方法，具體步驟如下：

步驟一、采用工業相機對皮帶進行拍照取樣；

步驟二、確定拍攝圖片內的干擾區域，將干擾區域內的各個頂點按順序使用直線相連，構成所需的填充區域，對填充區域進行顏色填充；

步驟三、對拍攝圖片的皮帶圖像上端兩頂點拉伸至圖片的兩個上端點，對拍攝圖片的皮帶圖像下端兩端點拉伸至圖片的兩個下端點，皮帶圖像鋪滿整個拍攝圖片；

步驟四、調整步驟三中處理后圖像的局部對比度，削弱局部圖像對比度過度增強和抑制噪聲信號放大，并為圖片匹配顏色對比度闕值limit；

步驟五：對圖片進行自適應均衡化。

在步驟二中，使用fillPoly函數對填充區域進行黑色填充。

其中，作為優選的，使用cv2.fillPoly(frame,[triangleLeft,triangleRight],(0,0,0))函數對填充區域進行顏色填充；

其中，frame表示將要修改的圖片；第二參數為列表，列表中每個元素為一個numpy類型的序列，標識需要填圖區域的頂點，填充區域會將頂點按順序使用直線相連，構成所需要的填充區域；第三參數標識填充的顏色值，fillPoly函數向皮帶以外的填充區域內填充黑色。

在步驟三中，使用getPerspectiveTransform函數對拍攝圖片進行透視變換。