【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)涉及空心磚檢測(cè)相關(guān)領(lǐng)域，具體為一種空心磚瑕疵檢測(cè)系統(tǒng)。
技術(shù)介紹
1、空心磚是一種以黏土、頁(yè)巖等為主要原料制成的建筑用磚體，其質(zhì)量輕，消耗原材少，強(qiáng)度高，具有保溫、隔音降噪等性能，且環(huán)保無(wú)污染，已經(jīng)逐漸成為國(guó)家建筑部門(mén)等首先推薦的產(chǎn)品。
2、現(xiàn)有技術(shù)中對(duì)于制備空心磚均采用相應(yīng)規(guī)格的制備裝置進(jìn)行批量化生產(chǎn)，其制備的空心磚結(jié)構(gòu)大小相同，質(zhì)量接近。但由于批量化生產(chǎn)，空心磚的質(zhì)量難以進(jìn)行一一保證，由于生產(chǎn)工藝、原材料和環(huán)境等因素的影響，有些空心磚的表面容易出現(xiàn)裂縫、缺口等瑕疵，這些有瑕疵的空心磚質(zhì)量無(wú)法達(dá)到建筑用標(biāo)準(zhǔn)，一旦進(jìn)入市場(chǎng)則很容易引起難以估量的危害。因此，為了對(duì)批量化生產(chǎn)流程中的空心磚表面瑕疵進(jìn)行檢測(cè)，提供一種空心磚瑕疵檢測(cè)系統(tǒng)是本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
1、本專(zhuān)利技術(shù)的目的在于提供一種空心磚瑕疵檢測(cè)系統(tǒng)，以解決上述
技術(shù)介紹
中提出的問(wèn)題。
2、為實(shí)現(xiàn)上述目的，本專(zhuān)利技術(shù)提供如下技術(shù)方案：一種空心磚瑕疵檢測(cè)系統(tǒng)，包括圖像采集裝置、圖像預(yù)處理模塊、特征提取模塊、瑕疵檢測(cè)模塊和判定與報(bào)警裝置，所述圖像采集裝置：用于獲取待檢測(cè)空心磚的圖像，具體使用相機(jī)或者其他圖像采集設(shè)備來(lái)采集拍攝待檢測(cè)空心磚；
3、所述圖像預(yù)處理模塊：對(duì)采集到的圖像進(jìn)行預(yù)處理，包括去噪、圖像增強(qiáng)處理，保證后續(xù)瑕疵檢測(cè)的準(zhǔn)確性和可靠性；
4、所述特征提取模塊：從圖像預(yù)處理模塊中獲取預(yù)處理后的圖像中提取空心磚的特征，具體使用邊緣檢測(cè)方法，來(lái)提取
5、所述瑕疵檢測(cè)模型：基于深度學(xué)習(xí)算法構(gòu)建的瑕疵檢測(cè)模型，瑕疵檢測(cè)模型通過(guò)學(xué)習(xí)大量帶有標(biāo)注的空心磚圖像數(shù)據(jù)，自動(dòng)識(shí)別和分類(lèi)不同類(lèi)型的瑕疵；
6、所述判定與報(bào)警裝置：根據(jù)瑕疵檢測(cè)模型對(duì)特征提取模塊進(jìn)行對(duì)比，獲得瑕疵檢測(cè)模型的結(jié)果，對(duì)待檢測(cè)空心磚判定是否存在瑕疵，并及時(shí)進(jìn)行報(bào)警，具體采用聲音、光線或者其他形式的報(bào)警裝置。
7、優(yōu)選的，所述圖像預(yù)處理模塊中對(duì)采集到的圖像進(jìn)行預(yù)處理具體包括：
8、去噪：在圖像采集過(guò)程中，由于攝像設(shè)備和環(huán)境因素的噪聲影響，圖像可能會(huì)受到噪聲的干擾，采用高斯濾波算法，減少圖像中的噪聲；
9、圖像增強(qiáng)：通過(guò)直方圖均衡化的圖像增強(qiáng)技術(shù)，增強(qiáng)圖像的對(duì)比度、亮度和清晰度，以提高瑕疵檢測(cè)的準(zhǔn)確性；
10、彩色空間轉(zhuǎn)換：將圖像從rgb顏色空間轉(zhuǎn)換為灰度圖像，灰度圖像僅包含亮度信息，簡(jiǎn)化瑕疵檢測(cè)任務(wù)，并降低計(jì)算復(fù)雜度；
11、形態(tài)學(xué)操作：使用腐蝕和膨脹操作，用于改變圖像的形狀和結(jié)構(gòu)，以去除小的不連續(xù)區(qū)域或填充空洞；
12、圖像校正：圖像采集裝置的視角、畸變或幾何形狀可能會(huì)導(dǎo)致圖像畸變，通過(guò)透鏡畸變校正和透視校正，修復(fù)圖像中的畸變，提高檢測(cè)的準(zhǔn)確性。
13、優(yōu)選的，所述去噪中采用高斯濾波算法具體內(nèi)容為：
14、確定濾波器大小：選擇合適的濾波器大小，通常使用正方形的濾波器，濾波器的大小取決于圖像的分辨率和噪聲的程度；
15、計(jì)算高斯核：通過(guò)高斯函數(shù)計(jì)算生成一個(gè)高斯核。，高斯核的中心是最強(qiáng)的，逐漸向外減弱。高斯函數(shù)的形式如下：
16、
17、其中，(x,y)是核的坐標(biāo)，σ表示高斯核的標(biāo)準(zhǔn)差；
18、對(duì)于圖像的每個(gè)像素點(diǎn)，將高斯核與該像素點(diǎn)及其鄰域內(nèi)的像素值進(jìn)行加權(quán)平均，以平滑圖像并去除噪聲。具體步驟如下：
19、步驟1、遍歷圖像的每個(gè)像素點(diǎn)；
20、步驟2、對(duì)于當(dāng)前像素點(diǎn)及其鄰域內(nèi)的像素，根據(jù)高斯核的權(quán)值和像素值進(jìn)行加權(quán)平均；
21、步驟3、重新計(jì)算當(dāng)前像素點(diǎn)的值，將其更新為加權(quán)平均值；
22、步驟4、重復(fù)以上步驟，直到遍歷完所有像素點(diǎn)；
23、邊緣處理：由于濾波器會(huì)模糊圖像邊緣，采用雙邊濾波器來(lái)避免過(guò)度模糊，保持噪聲去除的同時(shí)保留邊緣信息。
24、優(yōu)選的，所述特征提取模塊采用邊緣檢測(cè)提取空心磚圖像中的邊緣特征，具體包括以下內(nèi)容：
25、步驟s1、從圖像預(yù)處理模塊中獲取預(yù)處理后的空心磚圖像，隨后對(duì)預(yù)處理后的空心磚圖像進(jìn)行計(jì)算梯度，找到圖像中的強(qiáng)邊緣，計(jì)算梯度使用sobel算子，它分別對(duì)圖像在水平和垂直方向進(jìn)行卷積操作，以計(jì)算每個(gè)像素點(diǎn)的梯度值和方向，具體為：
26、水平方向梯度(gx)計(jì)算公式如下：
27、gx＝[-1?0?1；
28、?????-2?0?2；
29、?????-1?0?1]；
30、垂直方向梯度(gy)計(jì)算公式如下：
31、gy＝[-1?-2?-1；
32、??????0??0??0；
33、??????1??2??1]
34、通過(guò)對(duì)圖像與gx和gy進(jìn)行卷積運(yùn)算，并取結(jié)果的模和方向，得到圖像的梯度幅值和方向；
35、步驟s2、接下來(lái)，對(duì)梯度幅值圖像進(jìn)行非極大值抑制，以細(xì)化邊緣線條，對(duì)于每個(gè)像素點(diǎn)，比較其梯度幅值與其在梯度方向上的相鄰像素點(diǎn)的梯度幅值，僅保留幅值最大的像素，丟棄其他非極大值；
36、步驟s3、最后，應(yīng)用滯后閾值的方法對(duì)非極大值抑制后的圖像進(jìn)行二值化處理，以得到最終的邊緣圖像，滯后閾值方法根據(jù)設(shè)置的高閾值和低閾值，將梯度幅值大于高閾值的像素視為強(qiáng)邊緣，將梯度幅值在低閾值和高閾值之間的像素視為弱邊緣，然后，通過(guò)連接強(qiáng)邊緣像素與相鄰的弱邊緣像素，進(jìn)一步完善邊緣。
37、優(yōu)選的，所述瑕疵檢測(cè)模型基于深度學(xué)習(xí)算法構(gòu)建的瑕疵檢測(cè)模型，以下是構(gòu)建瑕疵檢測(cè)模型的步驟：
38、步驟a、首先，收集大量的帶有標(biāo)注的空心磚圖像數(shù)據(jù)作為訓(xùn)練集，這些圖像涵蓋各種不同類(lèi)型的瑕疵，具體為裂紋、脫落、色斑，圖像數(shù)據(jù)還應(yīng)包含正常無(wú)瑕疵的樣本作為參考，然后，對(duì)圖像數(shù)據(jù)進(jìn)行縮放、剪裁、灰度化處理；
39、步驟b、選擇卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型架構(gòu)，再使用已有的vgg預(yù)訓(xùn)練模型進(jìn)行遷移學(xué)習(xí)；
40、步驟c、對(duì)步驟a中訓(xùn)練集數(shù)據(jù)進(jìn)行預(yù)處理和增強(qiáng)，以提高模型的魯棒性和泛化能力，預(yù)處理包括歸一化、標(biāo)準(zhǔn)化，使圖像數(shù)據(jù)具有相似的尺度和統(tǒng)計(jì)特征，增強(qiáng)包括隨機(jī)旋轉(zhuǎn)、翻轉(zhuǎn)、縮放等操作，擴(kuò)充訓(xùn)練集數(shù)據(jù)的多樣性；
41、步驟d、使用驗(yàn)證集評(píng)估訓(xùn)練好的深度學(xué)習(xí)模型的性能，評(píng)估指標(biāo)包括準(zhǔn)確率、召回率、精確率，根據(jù)評(píng)估結(jié)果，進(jìn)行模型的調(diào)優(yōu)和改進(jìn)，具體調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)、調(diào)整超參數(shù)；
42、步驟e、在深度學(xué)習(xí)模型訓(xùn)練完成后，使用該模型對(duì)新的空心磚圖像進(jìn)行瑕疵檢測(cè)，將圖像輸入模型中，模型會(huì)輸出瑕疵的檢測(cè)結(jié)果，可以是瑕疵的位置、類(lèi)別或置信度，根據(jù)模型的輸出，進(jìn)行進(jìn)一步的分析和處理，如瑕疵的標(biāo)記、定位或分類(lèi)。
43、與現(xiàn)有技術(shù)相比，本專(zhuān)利技術(shù)的有益效果是：本專(zhuān)利技術(shù)通過(guò)本采用的空心磚瑕疵檢測(cè)系統(tǒng)，通過(guò)圖像預(yù)處理和深度學(xué)習(xí)算法相結(jié)合的方式，能夠自動(dòng)化、準(zhǔn)確、可靠地對(duì)空心磚進(jìn)行瑕疵檢測(cè)，相比傳統(tǒng)的人工檢測(cè)方法，具有檢測(cè)速度本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種空心磚瑕疵檢測(cè)系統(tǒng)，包括圖像采集裝置、圖像預(yù)處理模塊、特征提取模塊、瑕疵檢測(cè)模塊和判定與報(bào)警裝置，其特征在于：所述圖像采集裝置：用于獲取待檢測(cè)空心磚的圖像，具體使用相機(jī)或者其他圖像采集設(shè)備來(lái)采集拍攝待檢測(cè)空心磚；
2.根據(jù)權(quán)利要求1所述的一種空心磚瑕疵檢測(cè)系統(tǒng)，其特征在于：所述圖像預(yù)處理模塊中對(duì)采集到的圖像進(jìn)行預(yù)處理具體包括：
3.根據(jù)權(quán)利要求2所述的一種空心磚瑕疵檢測(cè)系統(tǒng)，其特征在于：所述去噪中采用高斯濾波算法具體內(nèi)容為：
4.根據(jù)權(quán)利要求1所述的一種空心磚瑕疵檢測(cè)系統(tǒng)，其特征在于：所述特征提取模塊采用邊緣檢測(cè)提取空心磚圖像中的邊緣特征，具體包括以下內(nèi)容：
5.根據(jù)權(quán)利要求1所述的一種空心磚瑕疵檢測(cè)系統(tǒng)，其特征在于：所述瑕疵檢測(cè)模型基于深度學(xué)習(xí)算法構(gòu)建的瑕疵檢測(cè)模型，以下是構(gòu)建瑕疵檢測(cè)模型的步驟：
【技術(shù)特征摘要】
1.一種空心磚瑕疵檢測(cè)系統(tǒng)，包括圖像采集裝置、圖像預(yù)處理模塊、特征提取模塊、瑕疵檢測(cè)模塊和判定與報(bào)警裝置，其特征在于：所述圖像采集裝置：用于獲取待檢測(cè)空心磚的圖像，具體使用相機(jī)或者其他圖像采集設(shè)備來(lái)采集拍攝待檢測(cè)空心磚；
2.根據(jù)權(quán)利要求1所述的一種空心磚瑕疵檢測(cè)系統(tǒng)，其特征在于：所述圖像預(yù)處理模塊中對(duì)采集到的圖像進(jìn)行預(yù)處理具體包括：
3.根據(jù)權(quán)利要求2所...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：李超，宋必芝，李仁兵，錢(qián)剛勝，朱友銀，李云廣，
申請(qǐng)(專(zhuān)利權(quán))人：合肥佳安建材有限公司，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。