CN105427295A - 一种基于焊缝的图像识别方法和图像识别*** - Google Patents

一种基于焊缝的图像识别方法和图像识别*** Download PDF

Info

Publication number
CN105427295A
CN105427295A CN201510769979.3A CN201510769979A CN105427295A CN 105427295 A CN105427295 A CN 105427295A CN 201510769979 A CN201510769979 A CN 201510769979A CN 105427295 A CN105427295 A CN 105427295A
Authority
CN
China
Prior art keywords
image
subimage
mother metal
weld seam
region
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510769979.3A
Other languages
English (en)
Other versions
CN105427295B (zh
Inventor
费跃农
汪月银
严滔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SENSE ENGINEERING SERVICES Ltd
Wang Fangyuan
Wang Qiyuan
Wang Xiyuan
Zhong Huan
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201510769979.3A priority Critical patent/CN105427295B/zh
Publication of CN105427295A publication Critical patent/CN105427295A/zh
Application granted granted Critical
Publication of CN105427295B publication Critical patent/CN105427295B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30152—Solder

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)
  • Investigating And Analyzing Materials By Characteristic Methods (AREA)

Abstract

本发明涉及一种基于焊缝的图像识别方法和图像识别***，包括获得图像单元、特征基准单元、特征比较单元和区域区分单元，所述获得图像单元，用于获得包含焊缝图像和母材图像的采集图像；所述特征基准单元，用于计算第一张采集图像的焊缝特征值和母材特征值；所述特征比较单元，用于针对后续的每一张采集图像，计算分割出的每一个子图像的子特征值；所述区域区分单元，用于根据子特征值分别与焊缝特征值和母材特征值进行比较的结果，区分焊缝图像区域和母材图像区域。可见，该基于焊缝的图像识别方法和图像识别***，实现了焊缝识别的自动化，并能够准确地计算出焊缝的位置，大大提高了焊缝检验的准确度。

Description

一种基于焊缝的图像识别方法和图像识别***
技术领域
本发明涉及焊缝超声无损探伤技术领域，尤其涉及一种基于焊缝的图像识别方法和图像识别***。
背景技术
在对焊缝进行超声无损探伤的过程中，需要使用摄像头采集包含焊缝区域和母材区域的图像，且基于该图像找到并确定焊缝的位置。不过由于室外大型钢管表面焊缝的锈蚀程度不一和光强度不稳定的影响，一般情况下，摄像头无法轻易地识别出焊缝并准确地计算出焊缝的位置，这对焊缝检验的准确度造成了很大的影响。
发明内容
本发明的目的在于提出一种基于焊缝的图像识别方法和图像识别***，实现了焊缝识别的自动化，并能够准确地计算出焊缝的位置，大大提高了焊缝检验的准确度。
为达此目的，本发明采用以下技术方案：
第一方面，提供一种基于焊缝的图像识别方法，包括：
每间隔预设周期，获得由图像采集装置采集的采集图像，其中，所述采集图像包括焊缝图像和母材图像；
对第一张所述采集图像区分焊缝图像区域和母材图像区域；在所述焊缝图像区域截取N个m像素*n像素的焊缝子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述焊缝子图像的焊缝特征值；在所述母材图像区域截取N个m像素*n像素的母材子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述母材子图像的母材特征值；
针对后续的每一张所述采集图像，将其所有的像素分割成若干个m像素*n像素的子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述子图像的子特征值；
按照预设规则，将所述子特征值分别与所述焊缝特征值和母材特征值进行比较，以便区分出所述采集图像的焊缝图像区域和母材图像区域。
其中，所述获得由图像采集装置采集的采集图像，包括：
当外界的光强度大于等于预设第一阈值，则关闭所述图像采集装置的光源，并获得由图像采集装置采集的采集图像；
当外界的光强度小于预设第一阈值，则启动所述图像采集装置的光源，并获得由图像采集装置采集的采集图像。
其中，所述对第一张所述采集图像区分焊缝图像区域和母材图像区域，包括：
检测到用于区分所述采集图像的焊缝图像区域和母材图像区域的区分轨迹线，根据所述区分轨迹线将第一张所述采集图像区分成焊缝图像区域和母材图像区域。
其中，所述将其所有的像素分割成若干个m像素*n像素的子图像，包括：
将所述采集图像的所有的像素按照从上到下和从左往右的顺序，分割成若干个m像素*n像素的子图像。
其中，所述按照预设规则，将所述子特征值分别与所述焊缝特征值和母材特征值进行比较，以便区分出所述采集图像的焊缝图像区域和母材图像区域，包括：
获得所述焊缝特征值与所述母材特征值中差异最大的一项特征值，作为对比特征值；
将所述子特征值与所述对比特征值进行比较，按照二值化方法，根据比较结果区分出所述采集图像的焊缝图像区域和母材图像区域。
其中，所述焊缝特征值，包括使用直接灰度统计法计算出的所述焊缝子图像的第一焊缝特征值，和使用生成灰度共生矩阵二次统计法计算出的所述焊缝子图像的第二焊缝特征值；所述第一焊缝特征值包括均值、标准差、一致性和第一熵，所述第二焊缝特征值包括能量、第二熵、对比度和相关性；
所述母材特征值，包括使用直接灰度统计法计算出的所述母材子图像的第一母材特征值，和使用生成灰度共生矩阵二次统计法计算出的所述母材子图像的第二母材特征值；所述第一母材特征值包括均值、标准差、一致性和第一熵，所述第二母材特征值包括能量、第二熵、对比度和相关性。
其中，所述按照预设规则，将所述子特征值分别与所述焊缝特征值和母材特征值进行比较，以便区分出所述采集图像的焊缝图像区域和母材图像区域，包括：
获得所述第一焊缝特征值和第一母材特征值中差异最大的一项特征值作为第一特征值，获得所述第二焊缝特征值和第二母材特征值中差异最大的一项特征值作为第二特征值；
获得子图像Sij的子特征值Sij(σ，е)；其中，所述σ为使用直接灰度统计法计算出的所述子图像Sij的对应所述第一特征值的子特征值，所述е为使用生成灰度共生矩阵二次统计法计算出的所述子图像Sij的对应所述第二特征值的子特征值，所述i为对应的子图像Sij在从左往右方向的序号，所述j为对应的子图像Sij在从上到下方向的序号；
以所述第一特征值作为横坐标，第二特征值作为纵坐标建立坐标系，在所述坐标系内，标定N个所述焊缝子图像的第一位置和N个所述母材子图像的第二位置，并标定每一个所述子图像Sij的第三位置；
获得所述第三位置到每一个所述第一位置的第一距离总和，和所述第三位置到每一个所述第二位置的第二距离总和；
所述预设规则，包括：
当所述第一距离总和小于所述第二距离总和，则判断所述子图像Sij位于焊缝图像区域；
当所述第一距离总和大于等于所述第二距离总和，则判断所述子图像Sij位于母材图像区域。
其中，所述预设规则，还包括：
当所述第一距离总和小于所述第二距离总和，则设定所述子图像Sij的灰度值为1；
当所述第一距离总和大于等于所述第二距离总和，则设定所述子图像Sij的灰度值为0。
第二方面，提供一种基于焊缝的图像识别***，包括以下单元：
获得图像单元，用于每间隔预设周期，获得由图像采集装置采集的采集图像，其中，所述采集图像包括焊缝图像和母材图像；
特征基准单元，用于对第一张所述采集图像区分焊缝图像区域和母材图像区域；在所述焊缝图像区域截取N个m像素*n像素的焊缝子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述焊缝子图像的焊缝特征值；在所述母材图像区域截取N个m像素*n像素的母材子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述母材子图像的母材特征值；
特征比较单元，用于针对后续的每一张所述采集图像，将其所有的像素分割成若干个m像素*n像素的子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述子图像的子特征值；
区域区分单元，用于按照预设规则，将所述子特征值分别与所述焊缝特征值和母材特征值进行比较，以便区分出所述采集图像的焊缝图像区域和母材图像区域。
其中，所述获得由图像采集装置采集的采集图像，包括：
当外界的光强度大于等于预设第一阈值，则关闭所述图像采集装置的光源，并获得由图像采集装置采集的采集图像；
当外界的光强度小于预设第一阈值，则启动所述图像采集装置的光源，并获得由图像采集装置采集的采集图像。
其中，所述对第一张所述采集图像区分焊缝图像区域和母材图像区域，包括：
检测到用于区分所述采集图像的焊缝图像区域和母材图像区域的区分轨迹线，根据所述区分轨迹线将第一张所述采集图像区分成焊缝图像区域和母材图像区域。
其中，所述将其所有的像素分割成若干个m像素*n像素的子图像，包括：
将所述采集图像的所有的像素按照从上到下和从左往右的顺序，分割成若干个m像素*n像素的子图像。
其中，所述区域区分单元，具体用于：
获得所述焊缝特征值与所述母材特征值中差异最大的一项特征值，作为对比特征值；
将所述子特征值与所述对比特征值进行比较，按照二值化方法，根据比较结果区分出所述采集图像的焊缝图像区域和母材图像区域。
其中，所述焊缝特征值，包括使用直接灰度统计法计算出的所述焊缝子图像的第一焊缝特征值，和使用生成灰度共生矩阵二次统计法计算出的所述焊缝子图像的第二焊缝特征值；所述第一焊缝特征值包括均值、标准差、一致性和第一熵，所述第二焊缝特征值包括能量、第二熵、对比度和相关性；
所述母材特征值，包括使用直接灰度统计法计算出的所述母材子图像的第一母材特征值，和使用生成灰度共生矩阵二次统计法计算出的所述母材子图像的第二母材特征值；所述第一母材特征值包括均值、标准差、一致性和第一熵，所述第二母材特征值包括能量、第二熵、对比度和相关性。
其中，所述区域区分单元，具体用于：
获得所述第一焊缝特征值和第一母材特征值中差异最大的一项特征值作为第一特征值，获得所述第二焊缝特征值和第二母材特征值中差异最大的一项特征值作为第二特征值；
获得子图像Sij的子特征值Sij(σ，е)；其中，所述σ为使用直接灰度统计法计算出的所述子图像Sij的对应所述第一特征值的子特征值，所述е为使用生成灰度共生矩阵二次统计法计算出的所述子图像Sij的对应所述第二特征值的子特征值，所述i为对应的子图像Sij在从左往右方向的序号，所述j为对应的子图像Sij在从上到下方向的序号；
以所述第一特征值作为横坐标，第二特征值作为纵坐标建立坐标系，在所述坐标系内，标定N个所述焊缝子图像的第一位置和N个所述母材子图像的第二位置，并标定每一个所述子图像Sij的第三位置；
获得所述第三位置到每一个所述第一位置的第一距离总和，和所述第三位置到每一个所述第二位置的第二距离总和；
所述预设规则，包括：
当所述第一距离总和小于所述第二距离总和，则判断所述子图像Sij位于焊缝图像区域；
当所述第一距离总和大于等于所述第二距离总和，则判断所述子图像Sij位于母材图像区域。
其中，所述预设规则，还包括：
当所述第一距离总和小于所述第二距离总和，则设定所述子图像Sij的灰度值为1；
当所述第一距离总和大于等于所述第二距离总和，则设定所述子图像Sij的灰度值为0。
其中，所述图像采集装置包括从外向内依次设置的偏振片、光源和广角镜头，所述光源为圆环形LED灯，所述偏振片、圆环形LED灯和广角镜头的中心位于同一直线。
本发明的有益效果在于：一种基于焊缝的图像识别方法和图像识别***，包括获得图像单元、特征基准单元、特征比较单元和区域区分单元，所述获得图像单元，用于获得包含焊缝图像和母材图像的采集图像；所述特征基准单元，用于计算第一张采集图像的焊缝特征值和母材特征值；所述特征比较单元，用于针对后续的每一张采集图像，计算分割出的每一个子图像的子特征值；所述区域区分单元，用于根据子特征值分别与焊缝特征值和母材特征值进行比较的结果，区分焊缝图像区域和母材图像区域。可见，该基于焊缝的图像识别方法和图像识别***，实现了焊缝识别的自动化，并能够准确地计算出焊缝的位置，大大提高了焊缝检验的准确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1是本发明提供的基于焊缝的图像识别方法第一个实施例的方法流程图。
图2是本发明提供的基于焊缝的图像识别方法第二个实施例的方法流程图。
图3是本发明提供的第一张所述采集图像。
图4是本发明提供的区分出焊缝图像区域和母材图像区域的第一张所述采集图像。
图5是本发明提供的使用直接灰度统计法计算出的焊缝特征值和母材特征值的结果对比表。
图6是本发明提供的使用生成灰度共生矩阵二次统计法计算出的焊缝特征值和母材特征值的结果对比表。
图7是本发明提供的标定出焊缝子图像的第一位置、母材子图像的第二位置，子图像Sij的第三位置的坐标图。
图8是本发明提供的区分出焊缝图像区域和母材图像区域的采集图像的二值化灰度图。
图9是本发明提供的基于焊缝的图像识别***第一个实施例的结构方框图。
图10是本发明提供的图像采集装置的结构示意图。
附图标记说明如下：
10-偏振片；20-圆环形LED灯；30-广角镜头；40-支架；50-外壳；
60-按钮。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图1，其是本发明提供的基于焊缝的图像识别方法第一个实施例的方法流程图。本发明实施例的基于焊缝的图像识别方法，可应用于各种焊缝超声无损探伤的场景。
该基于焊缝的图像识别方法，包括：
步骤S101、每间隔预设周期，获得由图像采集装置采集的采集图像，其中，所述采集图像包括焊缝图像和母材图像。
优选地，所述图像采集装置为CMOS图像传感器。所述预设周期为CMOS图像传感器设置的采集图像的间隔周期，一般为0.5秒或1秒。
步骤S102、对第一张所述采集图像区分焊缝图像区域和母材图像区域；在所述焊缝图像区域截取N个m像素*n像素的焊缝子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述焊缝子图像的焊缝特征值；在所述母材图像区域截取N个m像素*n像素的母材子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述母材子图像的母材特征值。
需要说明的是，所述采集图像的纹理为自然纹理。一般情况下，对于自然纹理，可采用统计值来表征纹理特征值。直接灰度统计法对应用灰度直方图来表征。灰度直方图是一种描述单个像素灰度分布的一阶统计量，常见的统计值有‘均值’、‘标准差’、‘一致性’和‘熵’。生成灰度共生矩阵二次统计法对应用联合直方图来表征。灰度共生矩阵描述的是具有某种空间位置关系的两个像素的联合分布，可以看成是两个像素灰度对的联合直方图，是一种二阶统计量。常见的统计值有‘能量’、‘对比度’、‘熵’和‘相关性’。
此处为了区别说明，将对应于直接灰度统计法的统计值熵定义为第一熵，将对应于生成灰度共生矩阵二次统计法的统计值熵定义为第二熵。
步骤S103、针对后续的每一张所述采集图像，将其所有的像素分割成若干个m像素*n像素的子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述子图像的子特征值。
子图像的像素大小和所述焊缝子图像、母材子图像的像素大小均一致，相当于对后期需分析处理的数据进行了预处理，减少了后期分析处理的数据运算量。
步骤S104、按照预设规则，将所述子特征值分别与所述焊缝特征值和母材特征值进行比较，以便区分出所述采集图像的焊缝图像区域和母材图像区域。
本发明实施例提供的基于焊缝的图像识别方法，实现了焊缝识别的自动化，并能够准确地计算出焊缝的位置，大大提高了焊缝检验的准确度。
请参考图2，其是本发明提供的基于焊缝的图像识别方法第二个实施例的方法流程图。本发明实施例在基于焊缝的图像识别方法的第一个实施例的基础上，对按照预设规则区分焊缝图像区域和母材图像区域的过程进行了具体说明。
该基于焊缝的图像识别方法，包括：
步骤S201a、当外界的光强度大于等于预设第一阈值，则关闭所述图像采集装置的光源，并每间隔预设周期，获得由图像采集装置采集的采集图像，其中，所述采集图像包括焊缝图像和母材图像。
步骤S201b、当外界的光强度小于预设第一阈值，则启动所述图像采集装置的光源，并每间隔预设周期，获得由图像采集装置采集的采集图像，其中，所述采集图像包括焊缝图像和母材图像。
在对焊缝进行超声无损探伤的实际操作过程中，外界光线往往是不可控的。随机的光强度需要进行补光调整才能更好的帮助图像采集装置获得光照度均匀的采集图像。即当室外光线较强时或对管道外侧焊缝进行检测时，关闭光源，当室外光线较暗时或对管道内侧焊缝检验时，打开光源，在此基础上再将专用的CMOS图像传感器置于待检焊缝上进行图像的采集。
需要说明的是，步骤S201a和S201b两者并没有先后顺序关系，两者择一实施。
步骤S202、检测到用于区分所述采集图像的焊缝图像区域和母材图像区域的区分轨迹线，根据所述区分轨迹线将第一张所述采集图像区分成焊缝图像区域和母材图像区域；在所述焊缝图像区域截取N个m像素*n像素的焊缝子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述焊缝子图像的焊缝特征值；在所述母材图像区域截取N个m像素*n像素的母材子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述母材子图像的母材特征值。
对于第一张所述采集图像，通过人眼观察，可以分辨出焊缝图像区域和母材图像区域，此时通过鼠标、键盘或触摸屏输入区分轨迹线，根据所述区分轨迹线将原始图像(第一张所述采集图像)划分成焊缝图像区域和母材图像区域，并分别提取其各自的特征值存入存储器，此过程相当于机器进行学习的过程。后续由于图像采集装置采集的采集图像都是连续的，即从第一张所述采集图像之后采集的采集图像(第二张采集图像)开始，机器就可以根据之前存储的特征值数据自行进行对比判断分析，区分出所述采集图像的焊缝图像区域和母材图像区域。
步骤S203、针对后续的每一张所述采集图像，将所述采集图像的所有的像素按照从上到下和从左往右的顺序，分割成若干个m像素*n像素的子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述子图像的子特征值。
步骤S204、获得所述焊缝特征值与所述母材特征值中差异最大的一项特征值，作为对比特征值；将所述子特征值与所述对比特征值进行比较，按照二值化方法，根据比较结果区分出所述采集图像的焊缝图像区域和母材图像区域。
需要说明的是：
所述焊缝特征值，包括使用直接灰度统计法计算出的所述焊缝子图像的第一焊缝特征值，和使用生成灰度共生矩阵二次统计法计算出的所述焊缝子图像的第二焊缝特征值；所述第一焊缝特征值包括均值、标准差、一致性和第一熵，所述第二焊缝特征值包括能量、第二熵、对比度和相关性；
所述母材特征值，包括使用直接灰度统计法计算出的所述母材子图像的第一母材特征值，和使用生成灰度共生矩阵二次统计法计算出的所述母材子图像的第二母材特征值；所述第一母材特征值包括均值、标准差、一致性和第一熵，所述第二母材特征值包括能量、第二熵、对比度和相关性。
步骤S204的具体说明如下：
所述按照预设规则，将所述子特征值分别与所述焊缝特征值和母材特征值进行比较，以便区分出所述采集图像的焊缝图像区域和母材图像区域，包括：
获得所述第一焊缝特征值和第一母材特征值中差异最大的一项特征值作为第一特征值，获得所述第二焊缝特征值和第二母材特征值中差异最大的一项特征值作为第二特征值；
获得子图像Sij的子特征值Sij(σ，е)；其中，所述σ为使用直接灰度统计法计算出的所述子图像Sij的对应所述第一特征值的子特征值，所述е为使用生成灰度共生矩阵二次统计法计算出的所述子图像Sij的对应所述第二特征值的子特征值，所述i为对应的子图像Sij在从左往右方向的序号，所述j为对应的子图像Sij在从上到下方向的序号；
以所述第一特征值作为横坐标，第二特征值作为纵坐标建立坐标系，在所述坐标系内，标定N个所述焊缝子图像的第一位置和N个所述母材子图像的第二位置，并标定每一个所述子图像Sij的第三位置；
获得所述第三位置到每一个所述第一位置的第一距离总和，和所述第三位置到每一个所述第二位置的第二距离总和；
所述预设规则，包括：
当所述第一距离总和小于所述第二距离总和，则判断所述子图像Sij位于焊缝图像区域；
当所述第一距离总和大于等于所述第二距离总和，则判断所述子图像Sij位于母材图像区域。
优选地，所述预设规则，还包括：
当所述第一距离总和小于所述第二距离总和，则设定所述子图像Sij的灰度值为1；
当所述第一距离总和大于等于所述第二距离总和，则设定所述子图像Sij的灰度值为0。
以下举例说明：
请参考图3，其是本发明提供的第一张所述采集图像。将第一张所述采集图像手动地划分为母材图像区域A、焊缝图像区域B、母材图像区域C。请参考图4，其是本发明提供的区分出焊缝图像区域和母材图像区域的第一张所述采集图像。在母材图像区域A和母材图像区域C中均任意截取共N张像素大小均为m像素*n像素的母材子图像，同样在焊缝图像区域B中任意截取N张像素大小为m像素*n像素的焊缝子图像。
特别地，为加以说明图像处理的过程，此时N取3，m、n均取20。使用直接灰度统计法和生成灰度共生矩阵二次统计法计算焊缝子图像的焊缝特征值和母材子图像的母材特征值。计算出上述两组共2N张(N＝3)子图像对应的两组统计值，具体结果请参考图5，其是本发明提供的使用直接灰度统计法计算出的焊缝特征值和母材特征值的结果对比表；和请参考图6，其是本发明提供的使用生成灰度共生矩阵二次统计法计算出的焊缝特征值和母材特征值的结果对比表。
从图5和图6可知，焊缝图像区域和母材图像区域的纹理存在着较大的差别，从图5和图6中选择出的两组统计值中差异最显著的特征值来对焊缝图像区域和母材图像区域进行区分。从图5和图6可知，直接灰度统计法中统计值中的‘标准差’和灰度共生矩阵二次统计法中统计值中的‘第二熵’的差别最明显，故选取‘标准差’和‘第二熵’来区别焊缝图像区域和母材图像区域。将‘标准差’和‘第二熵’分别作为母材子图像1、2、3和焊缝子图像4、5、6的x轴坐标和y轴坐标，建立坐标系。
请参考图7，其是本发明提供的标定出焊缝子图像的第一位置、母材子图像的第二位置，子图像Sij的第三位置的坐标图。
从采集到的第二张采集图像开始，针对后续的每一张所述采集图像，将原始的采集图像按照从左往右和从上到下的顺序以一定的尺寸划分子图像Sij，其中，所述子图像的尺寸均为m像素*n像素。然后对每个子图像计算其灰度直接统计值，选择‘标准差’计算其纹理特征值。同样地，对每个子图像计算其共生矩阵，选择‘第二熵’计算其纹理特征值。然后计算每个子图像Sij到点1、2、3的距离之和L1和到点4、5、6的距离之和L2，最后根据公式RS(i,j)＝ 0 L 1 &GreaterEqual; L 2 1 L 1 < L 2 进行分类标记，当L1≥L2时，判断子图像Sij为焊缝图像区域，此时令子图像的灰度等于0，当L1<L2时，判断子图像Sij为母材图像区域，此时令子图像灰度值等于1，进一步得到区分焊缝图像区域和母材图像区域的二值图像RS(i,j),即焊缝位置得到确定。请参考图8，其是本发明提供的区分出焊缝图像区域和母材图像区域的采集图像的二值化灰度图。其中，黑色部分代表焊缝图像区域，白色部分代表母材图像区域。
本发明实施例提供的基于焊缝的图像识别方法，针对现有技术存在的不足，通过CMOS图像传感器代替传统检验人员的视觉信息，减少人为因素的影响，实现焊缝识别的自动化，并且能够根据室外光线的强弱调整补光程度，使CMOS图像传感器采集到光照度均匀、线条清晰的采集图像。该基于焊缝的图像识别方法通过软件算法实现，能够准确计算出焊缝的位置，解决焊缝超声探伤过程中，室外大型钢管表面严重锈蚀的焊缝图像难以识别和采集的问题。
以下为本发明实施例提供的基于焊缝的图像识别***的实施例。基于焊缝的图像识别***的实施例与上述的基于焊缝的图像识别方法的实施例属于同一构思，基于焊缝的图像识别***的实施例中未详尽描述的细节内容，可以参考上述基于焊缝的图像识别方法的实施例。该***是用计算机程序来实现的，该***是用计算机程序实现的功能软件架构。
请参考图9，其是本发明提供的基于焊缝的图像识别方法第一个实施例的结构方框图。所述基于焊缝的图像识别方法，可应用于。
该基于焊缝的图像识别***，包括以下单元：
获得图像单元，用于每间隔预设周期，获得由图像采集装置采集的采集图像，其中，所述采集图像包括焊缝图像和母材图像；
特征基准单元，用于对第一张所述采集图像区分焊缝图像区域和母材图像区域；在所述焊缝图像区域截取N个m像素*n像素的焊缝子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述焊缝子图像的焊缝特征值；在所述母材图像区域截取N个m像素*n像素的母材子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述母材子图像的母材特征值；
特征比较单元，用于针对后续的每一张所述采集图像，将其所有的像素分割成若干个m像素*n像素的子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述子图像的子特征值；
区域区分单元，用于按照预设规则，将所述子特征值分别与所述焊缝特征值和母材特征值进行比较，以便区分出所述采集图像的焊缝图像区域和母材图像区域。
本发明实施例提供的基于焊缝的图像识别***，实现了焊缝识别的自动化，并能够准确地计算出焊缝的位置，大大提高了焊缝检验的准确度。
以下为本发明提供的基于焊缝的图像识别***第二个实施例的结构方框图。本发明实施例在基于焊缝的图像识别***的第一个实施例的基础上，增加了对按照预设规则区分焊缝图像区域和母材图像区域的过程进行具体说明的内容。
该基于焊缝的图像识别***，包括以下单元：
获得图像单元，用于每间隔预设周期，获得由图像采集装置采集的采集图像，其中，所述采集图像包括焊缝图像和母材图像；
特征基准单元，用于对第一张所述采集图像区分焊缝图像区域和母材图像区域；在所述焊缝图像区域截取N个m像素*n像素的焊缝子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述焊缝子图像的焊缝特征值；在所述母材图像区域截取N个m像素*n像素的母材子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述母材子图像的母材特征值；
特征比较单元，用于针对后续的每一张所述采集图像，将其所有的像素分割成若干个m像素*n像素的子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述子图像的子特征值；
区域区分单元，用于按照预设规则，将所述子特征值分别与所述焊缝特征值和母材特征值进行比较，以便区分出所述采集图像的焊缝图像区域和母材图像区域。
其中，所述获得由图像采集装置采集的采集图像，包括：
当外界的光强度大于等于预设第一阈值，则关闭所述图像采集装置的光源，并获得由图像采集装置采集的采集图像；
当外界的光强度小于预设第一阈值，则启动所述图像采集装置的光源，并获得由图像采集装置采集的采集图像。
其中，所述对第一张所述采集图像区分焊缝图像区域和母材图像区域，包括：
检测到用于区分所述采集图像的焊缝图像区域和母材图像区域的区分轨迹线，根据所述区分轨迹线将第一张所述采集图像区分成焊缝图像区域和母材图像区域。
其中，所述将其所有的像素分割成若干个m像素*n像素的子图像，包括：
将所述采集图像的所有的像素按照从上到下和从左往右的顺序，分割成若干个m像素*n像素的子图像。
其中，所述区域区分单元，具体用于：
获得所述焊缝特征值与所述母材特征值中差异最大的一项特征值，作为对比特征值；
将所述子特征值与所述对比特征值进行比较，按照二值化方法，根据比较结果区分出所述采集图像的焊缝图像区域和母材图像区域。
其中，所述焊缝特征值，包括使用直接灰度统计法计算出的所述焊缝子图像的第一焊缝特征值，和使用生成灰度共生矩阵二次统计法计算出的所述焊缝子图像的第二焊缝特征值；所述第一焊缝特征值包括均值、标准差、一致性和第一熵，所述第二焊缝特征值包括能量、第二熵、对比度和相关性；
所述母材特征值，包括使用直接灰度统计法计算出的所述母材子图像的第一母材特征值，和使用生成灰度共生矩阵二次统计法计算出的所述母材子图像的第二母材特征值；所述第一母材特征值包括均值、标准差、一致性和第一熵，所述第二母材特征值包括能量、第二熵、对比度和相关性。
其中，所述区域区分单元，具体用于：
获得所述第一焊缝特征值和第一母材特征值中差异最大的一项特征值作为第一特征值，获得所述第二焊缝特征值和第二母材特征值中差异最大的一项特征值作为第二特征值；
获得子图像Sij的子特征值Sij(σ，е)；其中，所述σ为使用直接灰度统计法计算出的所述子图像Sij的对应所述第一特征值的子特征值，所述е为使用生成灰度共生矩阵二次统计法计算出的所述子图像Sij的对应所述第二特征值的子特征值，所述i为对应的子图像Sij在从左往右方向的序号，所述j为对应的子图像Sij在从上到下方向的序号；
以所述第一特征值作为横坐标，第二特征值作为纵坐标建立坐标系，在所述坐标系内，标定N个所述焊缝子图像的第一位置和N个所述母材子图像的第二位置，并标定每一个所述子图像Sij的第三位置；
获得所述第三位置到每一个所述第一位置的第一距离总和，和所述第三位置到每一个所述第二位置的第二距离总和；
所述预设规则，包括：
当所述第一距离总和小于所述第二距离总和，则判断所述子图像Sij位于焊缝图像区域；
当所述第一距离总和大于等于所述第二距离总和，则判断所述子图像Sij位于母材图像区域。
其中，所述预设规则，还包括：
当所述第一距离总和小于所述第二距离总和，则设定所述子图像Sij的灰度值为1；
当所述第一距离总和大于等于所述第二距离总和，则设定所述子图像Sij的灰度值为0。
请参考图10，其是本发明提供的图像采集装置的结构示意图。
其中，所述图像采集装置包括从外向内依次设置的偏振片10、光源和广角镜头30，所述光源为圆环形LED灯20，所述偏振片10、圆环形LED灯20和广角镜头30的中心位于同一直线。
图像采集装置在CMOS图像传感器上接上广角镜头30，广角镜头30使CMOS图像传感器采集图像的范围增大，并将偏振片10盖在广角镜头30及圆环形LED灯20上，偏振片10的作用是过滤掉某个方向上的偏振光并且起到隔绝防水的效果，将圆环形LED灯20套置于与广角镜头30平齐的位置，组成一个野外专用CMOS图像传感器。该野外专用CMOS图像传感器还包括用于保护的外壳50，用于支撑的支架40和用于控制的按钮60。
本发明实施例提供的基于焊缝的图像识别***，针对现有技术存在的不足，通过CMOS图像传感器代替传统检验人员的视觉信息，减少人为因素的影响，实现焊缝识别的自动化，并且能够根据室外光线的强弱调整补光程度，使CMOS图像传感器采集到光照度均匀、线条清晰的采集图像。该基于焊缝的图像识别方法通过软件算法实现，能够准确计算出焊缝的位置，解决焊缝超声探伤过程中，室外大型钢管表面严重锈蚀的焊缝图像难以识别和采集的问题。
一种基于焊缝的图像识别方法和图像识别***，实现了焊缝识别的自动化，并能够准确地计算出焊缝的位置，大大提高了焊缝检验的准确度。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括存储器、磁盘或光盘等。
以上内容仅为本发明的较佳实施例，对于本领域的普通技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，本说明书内容不应理解为对本发明的限制。

Claims (17)

1.一种基于焊缝的图像识别方法，其特征在于，包括：
每间隔预设周期，获得由图像采集装置采集的采集图像，其中，所述采集图像包括焊缝图像和母材图像；
对第一张所述采集图像区分焊缝图像区域和母材图像区域；在所述焊缝图像区域截取N个m像素*n像素的焊缝子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述焊缝子图像的焊缝特征值；在所述母材图像区域截取N个m像素*n像素的母材子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述母材子图像的母材特征值；
针对后续的每一张所述采集图像，将其所有的像素分割成若干个m像素*n像素的子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述子图像的子特征值；
按照预设规则，将所述子特征值分别与所述焊缝特征值和母材特征值进行比较，以便区分出所述采集图像的焊缝图像区域和母材图像区域。
2.根据权利要求1所述的基于焊缝的图像识别方法，其特征在于，所述获得由图像采集装置采集的采集图像，包括：
当外界的光强度大于等于预设第一阈值，则关闭所述图像采集装置的光源，并获得由图像采集装置采集的采集图像；
当外界的光强度小于预设第一阈值，则启动所述图像采集装置的光源，并获得由图像采集装置采集的采集图像。
3.根据权利要求1所述的基于焊缝的图像识别方法，其特征在于，所述对第一张所述采集图像区分焊缝图像区域和母材图像区域，包括：
检测到用于区分所述采集图像的焊缝图像区域和母材图像区域的区分轨迹线，根据所述区分轨迹线将第一张所述采集图像区分成焊缝图像区域和母材图像区域。
4.根据权利要求1所述的基于焊缝的图像识别方法，其特征在于，所述将其所有的像素分割成若干个m像素*n像素的子图像，包括：
将所述采集图像的所有的像素按照从上到下和从左往右的顺序，分割成若干个m像素*n像素的子图像。
5.根据权利要求1所述的基于焊缝的图像识别方法，其特征在于，所述按照预设规则，将所述子特征值分别与所述焊缝特征值和母材特征值进行比较，以便区分出所述采集图像的焊缝图像区域和母材图像区域，包括：
获得所述焊缝特征值与所述母材特征值中差异最大的一项特征值，作为对比特征值；
将所述子特征值与所述对比特征值进行比较，按照二值化方法，根据比较结果区分出所述采集图像的焊缝图像区域和母材图像区域。
6.根据权利要求1所述的基于焊缝的图像识别方法，其特征在于：
所述焊缝特征值，包括使用直接灰度统计法计算出的所述焊缝子图像的第一焊缝特征值，和使用生成灰度共生矩阵二次统计法计算出的所述焊缝子图像的第二焊缝特征值；所述第一焊缝特征值包括均值、标准差、一致性和第一熵，所述第二焊缝特征值包括能量、第二熵、对比度和相关性；
所述母材特征值，包括使用直接灰度统计法计算出的所述母材子图像的第一母材特征值，和使用生成灰度共生矩阵二次统计法计算出的所述母材子图像的第二母材特征值；所述第一母材特征值包括均值、标准差、一致性和第一熵，所述第二母材特征值包括能量、第二熵、对比度和相关性。
7.根据权利要求6所述的基于焊缝的图像识别方法，其特征在于，所述按照预设规则，将所述子特征值分别与所述焊缝特征值和母材特征值进行比较，以便区分出所述采集图像的焊缝图像区域和母材图像区域，包括：
获得所述第一焊缝特征值和第一母材特征值中差异最大的一项特征值作为第一特征值，获得所述第二焊缝特征值和第二母材特征值中差异最大的一项特征值作为第二特征值；
获得子图像Sij的子特征值Sij(σ，е)；其中，所述σ为使用直接灰度统计法计算出的所述子图像Sij的对应所述第一特征值的子特征值，所述е为使用生成灰度共生矩阵二次统计法计算出的所述子图像Sij的对应所述第二特征值的子特征值，所述i为对应的子图像Sij在从左往右方向的序号，所述j为对应的子图像Sij在从上到下方向的序号；
以所述第一特征值作为横坐标，第二特征值作为纵坐标建立坐标系，在所述坐标系内，标定N个所述焊缝子图像的第一位置和N个所述母材子图像的第二位置，并标定每一个所述子图像Sij的第三位置；
获得所述第三位置到每一个所述第一位置的第一距离总和，和所述第三位置到每一个所述第二位置的第二距离总和；
所述预设规则，包括：
当所述第一距离总和小于所述第二距离总和，则判断所述子图像Sij位于焊缝图像区域；
当所述第一距离总和大于等于所述第二距离总和，则判断所述子图像Sij位于母材图像区域。
8.根据权利要求7所述的基于焊缝的图像识别方法，其特征在于，所述预设规则，还包括：
当所述第一距离总和小于所述第二距离总和，则设定所述子图像Sij的灰度值为1；
当所述第一距离总和大于等于所述第二距离总和，则设定所述子图像Sij的灰度值为0。
9.一种基于焊缝的图像识别***，其特征在于，包括以下单元：
获得图像单元，用于每间隔预设周期，获得由图像采集装置采集的采集图像，其中，所述采集图像包括焊缝图像和母材图像；
特征基准单元，用于对第一张所述采集图像区分焊缝图像区域和母材图像区域；在所述焊缝图像区域截取N个m像素*n像素的焊缝子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述焊缝子图像的焊缝特征值；在所述母材图像区域截取N个m像素*n像素的母材子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述母材子图像的母材特征值；
特征比较单元，用于针对后续的每一张所述采集图像，将其所有的像素分割成若干个m像素*n像素的子图像，使用直接灰度统计法和生成灰度共生矩阵二次统计法计算所述子图像的子特征值；
区域区分单元，用于按照预设规则，将所述子特征值分别与所述焊缝特征值和母材特征值进行比较，以便区分出所述采集图像的焊缝图像区域和母材图像区域。
10.根据权利要求9所述的基于焊缝的图像识别***，其特征在于，所述获得由图像采集装置采集的采集图像，包括：
当外界的光强度大于等于预设第一阈值，则关闭所述图像采集装置的光源，并获得由图像采集装置采集的采集图像；
当外界的光强度小于预设第一阈值，则启动所述图像采集装置的光源，并获得由图像采集装置采集的采集图像。
11.根据权利要求9所述的基于焊缝的图像识别***，其特征在于，所述对第一张所述采集图像区分焊缝图像区域和母材图像区域，包括：
检测到用于区分所述采集图像的焊缝图像区域和母材图像区域的区分轨迹线，根据所述区分轨迹线将第一张所述采集图像区分成焊缝图像区域和母材图像区域。
12.根据权利要求9所述的基于焊缝的图像识别***，其特征在于，所述将其所有的像素分割成若干个m像素*n像素的子图像，包括：
将所述采集图像的所有的像素按照从上到下和从左往右的顺序，分割成若干个m像素*n像素的子图像。
13.根据权利要求9所述的基于焊缝的图像识别***，其特征在于，所述区域区分单元，具体用于：
获得所述焊缝特征值与所述母材特征值中差异最大的一项特征值，作为对比特征值；
将所述子特征值与所述对比特征值进行比较，按照二值化方法，根据比较结果区分出所述采集图像的焊缝图像区域和母材图像区域。
14.根据权利要求9所述的基于焊缝的图像识别***，其特征在于：
所述焊缝特征值，包括使用直接灰度统计法计算出的所述焊缝子图像的第一焊缝特征值，和使用生成灰度共生矩阵二次统计法计算出的所述焊缝子图像的第二焊缝特征值；所述第一焊缝特征值包括均值、标准差、一致性和第一熵，所述第二焊缝特征值包括能量、第二熵、对比度和相关性；
所述母材特征值，包括使用直接灰度统计法计算出的所述母材子图像的第一母材特征值，和使用生成灰度共生矩阵二次统计法计算出的所述母材子图像的第二母材特征值；所述第一母材特征值包括均值、标准差、一致性和第一熵，所述第二母材特征值包括能量、第二熵、对比度和相关性。
15.根据权利要求14所述的基于焊缝的图像识别***，其特征在于，所述区域区分单元，具体用于：
获得所述第一焊缝特征值和第一母材特征值中差异最大的一项特征值作为第一特征值，获得所述第二焊缝特征值和第二母材特征值中差异最大的一项特征值作为第二特征值；
获得子图像Sij的子特征值Sij(σ，е)；其中，所述σ为使用直接灰度统计法计算出的所述子图像Sij的对应所述第一特征值的子特征值，所述е为使用生成灰度共生矩阵二次统计法计算出的所述子图像Sij的对应所述第二特征值的子特征值，所述i为对应的子图像Sij在从左往右方向的序号，所述j为对应的子图像Sij在从上到下方向的序号；
以所述第一特征值作为横坐标，第二特征值作为纵坐标建立坐标系，在所述坐标系内，标定N个所述焊缝子图像的第一位置和N个所述母材子图像的第二位置，并标定每一个所述子图像Sij的第三位置；
获得所述第三位置到每一个所述第一位置的第一距离总和，和所述第三位置到每一个所述第二位置的第二距离总和；
所述预设规则，包括：
当所述第一距离总和小于所述第二距离总和，则判断所述子图像Sij位于焊缝图像区域；
当所述第一距离总和大于等于所述第二距离总和，则判断所述子图像Sij位于母材图像区域。
16.根据权利要求15所述的基于焊缝的图像识别***，其特征在于，所述预设规则，还包括：
当所述第一距离总和小于所述第二距离总和，则设定所述子图像Sij的灰度值为1；
当所述第一距离总和大于等于所述第二距离总和，则设定所述子图像Sij的灰度值为0。
17.根据权利要求9所述的基于焊缝的图像识别***，其特征在于，所述图像采集装置包括从外向内依次设置的偏振片、光源和广角镜头，所述光源为圆环形LED灯，所述偏振片、圆环形LED灯和广角镜头的中心位于同一直线。
CN201510769979.3A 2015-11-12 2015-11-12 一种基于焊缝的图像识别方法和图像识别*** Active CN105427295B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510769979.3A CN105427295B (zh) 2015-11-12 2015-11-12 一种基于焊缝的图像识别方法和图像识别***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510769979.3A CN105427295B (zh) 2015-11-12 2015-11-12 一种基于焊缝的图像识别方法和图像识别***

Publications (2)

Publication Number Publication Date
CN105427295A true CN105427295A (zh) 2016-03-23
CN105427295B CN105427295B (zh) 2018-03-30

Family

ID=55505476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510769979.3A Active CN105427295B (zh) 2015-11-12 2015-11-12 一种基于焊缝的图像识别方法和图像识别***

Country Status (1)

Country Link
CN (1) CN105427295B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111037549A (zh) * 2019-11-29 2020-04-21 重庆顺泰铁塔制造有限公司 基于3D扫描与TensorFlow算法的焊接轨迹处理方法及***
CN114841959A (zh) * 2022-05-05 2022-08-02 广州东焊智能装备有限公司 一种基于计算机视觉的自动焊接方法及***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203704867U (zh) * 2014-02-19 2014-07-09 南京蒙渡电子科技有限公司 一种工业测量专用机器视觉***
CN104636760A (zh) * 2015-03-11 2015-05-20 西安科技大学 一种焊缝的定位方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203704867U (zh) * 2014-02-19 2014-07-09 南京蒙渡电子科技有限公司 一种工业测量专用机器视觉***
CN104636760A (zh) * 2015-03-11 2015-05-20 西安科技大学 一种焊缝的定位方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ROBERT M. HARALICK ET AL: "Textural Features for Image Classification", 《IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS》 *
彭辉: "基于纹理特征的图像分类识别", 《计算机与信息技术》 *
王胜华 等: "基于纹理特征的焊缝识别方法", 《焊接学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111037549A (zh) * 2019-11-29 2020-04-21 重庆顺泰铁塔制造有限公司 基于3D扫描与TensorFlow算法的焊接轨迹处理方法及***
CN111037549B (zh) * 2019-11-29 2022-09-09 重庆顺泰铁塔制造有限公司 基于3D扫描与TensorFlow算法的焊接轨迹处理方法及***
CN114841959A (zh) * 2022-05-05 2022-08-02 广州东焊智能装备有限公司 一种基于计算机视觉的自动焊接方法及***

Also Published As

Publication number Publication date
CN105427295B (zh) 2018-03-30

Similar Documents

Publication Publication Date Title
Sun et al. An effective method of weld defect detection and classification based on machine vision
CN110929756B (zh) 基于深度学习的钢材尺寸和数量的识别方法、智能设备和存储介质
CN111507976B (zh) 基于多角度成像的缺陷检测方法及***
CN106886216B (zh) 基于rgbd人脸检测的机器人自动跟踪方法和***
CN104977313A (zh) 一种焊缝x射线图像缺陷检测与识别方法和装置
CN110910350B (zh) 一种用于风电塔筒的螺母松动检测方法
CN109389105B (zh) 一种基于多任务的虹膜检测和视角分类方法
CN112419261B (zh) 具有异常点去除功能的视觉采集方法及装置
CN113538603B (zh) 一种基于阵列产品的光学检测方法、***和可读存储介质
CN108133488A (zh) 一种红外图像前景检测方法及设备
CN114549993A (zh) 实验中线段图像的评分方法、***、设备及可读存储介质
CN113155839A (zh) 一种基于机器视觉的钢板外表面缺陷在线检测方法
CN112085700A (zh) X射线图像中焊缝区域的自动化提取方法、***及介质
CN115752969A (zh) 一种铝箔封口密封性检测方法及***和设备
CN112580542A (zh) 一种基于目标检测的钢筋计数方法
CN115409814A (zh) 一种基于融合图像的光伏组件热斑检测方法及***
CN114612418A (zh) 一种鼠标外壳表面缺陷检测方法及装置、***、电子设备
CN111178405A (zh) 一种融合多种神经网络的相似物体识别方法
CN105427295A (zh) 一种基于焊缝的图像识别方法和图像识别***
TW201601119A (zh) 物件辨識與定位方法
CN104123728A (zh) 基于Hough变换的圆管检测方法
Ying et al. Research on an automatic counting method for steel bars' image
CN113971681A (zh) 一种复杂环境下带式输送机边缘检测方法
JP2019087050A (ja) 構造物維持管理業務支援システム
CN111815705B (zh) 激光跟踪仪滤光保护镜片污染识别方法、装置及电子设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200326

Address after: 518000 A unit D, 3 / F, podium building, Haihui mansion, Nanshan District, Shenzhen, Guangdong.

Patentee after: SENSE ENGINEERING SERVICES Ltd.

Address before: 518000 5a, No. 1080, Nanyou Road, Nanshan District, Shenzhen City, Guangdong Province

Co-patentee before: Wang Xiyuan

Patentee before: Zhong Huan

Co-patentee before: Wang Fangyuan

Co-patentee before: Wang Qiyuan

Effective date of registration: 20200326

Address after: 518000 5a, No. 1080, Nanyou Road, Nanshan District, Shenzhen City, Guangdong Province

Co-patentee after: Wang Xiyuan

Patentee after: Zhong Huan

Co-patentee after: Wang Fangyuan

Co-patentee after: Wang Qiyuan

Address before: Nanshan District Nanyou 518054 Shenzhen Road, Guangdong No. 1080 5A

Patentee before: Wang Yueyin