CN113203359B - 一种基于机器视觉的雾柱自动检测*** - Google Patents
一种基于机器视觉的雾柱自动检测*** Download PDFInfo
- Publication number
- CN113203359B CN113203359B CN202110308263.9A CN202110308263A CN113203359B CN 113203359 B CN113203359 B CN 113203359B CN 202110308263 A CN202110308263 A CN 202110308263A CN 113203359 B CN113203359 B CN 113203359B
- Authority
- CN
- China
- Prior art keywords
- fog column
- fog
- image
- column
- module
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 claims abstract description 82
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000007405 data analysis Methods 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 29
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000003708 edge detection Methods 0.000 claims description 12
- 239000004744 fabric Substances 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 10
- 239000007921 spray Substances 0.000 claims description 10
- 239000013589 supplement Substances 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 4
- 229910000838 Al alloy Inorganic materials 0.000 claims description 3
- 238000000889 atomisation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000005507 spraying Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/028—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring lateral position of a boundary of the object
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于机器视觉的雾柱自动检测***,其包括用于标定雾柱图像采集模块中的各图像采集设备的相机标定模块、用于采集喷嘴喷射雾柱图像的雾柱图像采集模块、用于对雾柱图像采集模块采集得到的雾柱图像进行图像处理的雾柱图像处理模块、用于根据雾柱图像处理模块获取的信息获取雾柱的覆盖面积和最大宽度的检测数据分析模块以及用于展示检测数据分析模块获取的相关结果的检测结果显示模块,其中检测数据分析模块具体是通过多项式拟合算法得到雾柱外轮廓的边界线而后获取雾柱的覆盖面积和最大宽度。本发明的***,能够完成雾柱的自动测量,解决了手工测量的随机性大的问题,其检测精度高且客观性好,效率高,操作简便,极具应用前景。
Description
技术领域
本发明属于雾柱图像处理技术领域,涉及一种基于机器视觉的雾柱自动检测***,特别涉及一种可以自动采集喷嘴喷射雾柱的覆盖面积和最大宽度的雾柱自动检测***。
背景技术
在实际生产中,有很多工序都需要使用高压喷雾对工件表面进行雾气的喷洒,例如车身板件的喷涂上色、工件表面的清洁、炼钢厂降温等等,其中雾气的几何形貌对其性能有着至关重要的影响。但在自动化流水线上,往往是无法通过人工对雾柱进行测量和检测。以车身板件的喷涂上色为例,如果使用人工,则需要大量时间去检查,花费大量的人力物力,并且检测结果具有随机性高,可靠性低的特点。此外,雾柱由高压喷头喷射后,肉眼观察为半透明状,即使添加黑色幕布等辅助工具也难以进行肉眼的人工检测,从而增加了检测的困难度,而且需要对雾柱检测的场合有时伴随着高温高压等恶劣条件,如炼钢厂。能够在非接触的条件下,在恶劣环境下对雾柱进行自动检测并进行反馈就显得十分必要。
近年来机器视觉作为一种便利、快捷、稳定的检测方式广泛应用于工业制造、人工智能等越发智能化的行业。使用机器视觉作为监控检测***,大量的减少了人工,节省成本,同时也具有很高的准确性与稳定性,这使得机器视觉在制造、应用等方面走的越来越远。机器视觉成为制造自动化、智能化的基石。
因此,基于以上手工测量的不便以及测量结果不稳定的情况,开发一种基于机器视觉的雾柱覆盖面积和最大宽度自动检测***极具现实意义。
发明内容
本发明的目的在于克服目前手工测量雾柱操作不便且测量结果不稳定的缺陷,提供一种基于机器视觉的雾柱覆盖面积和最大宽度自动检测***。本发明通过搭建视觉硬件平台,采集到了清晰的喷嘴雾柱图像,而后通过图像处理计算雾柱的覆盖面积和最大宽度并将获得检测结果并在原图上展示出来,实现雾柱图像的整体输出和对特定距离的雾柱面积宽度测量和输出,本发明的***还可完成气压、水压、重力参数对雾柱轮廓的影响的分析。
为实现上述目的,本发明提供如下技术方案:
一种基于机器视觉的雾柱自动检测***,包括相机标定模块、雾柱图像采集模块、雾柱图像处理模块、检测数据分析模块及检测结果显示模块;
所述相机标定模块用于标定雾柱图像采集模块中的各图像采集设备,以修正图像畸变,便于后续图像处理,并利用标定结果分析了相机之间的内在联系;
所述雾柱图像采集模块用于采集喷嘴喷射的雾柱图像,其包括多台图像采集设备和布置在喷嘴下方的背景布,背景布用于遮盖杂物以突出喷嘴喷射出的雾柱,以便于后续图像处理;
所述雾柱图像处理模块用于对雾柱图像采集模块采集得到的雾柱图像进行图像处理;
所述检测数据分析模块用于根据雾柱图像处理模块获取的信息获取雾柱的覆盖面积和最大宽度,具体是通过多项式拟合算法得到雾柱外轮廓的边界线而后获取雾柱的覆盖面积和最大宽度(本发明通过多项式拟合算法获取雾柱外轮廓相比于现有如边缘检测等方法而言,其泛化能力更强,结果更客观、且更具有代表性),对雾柱宽度的计算采用统计像素法以提高检测精度;此外该模块还可搭载软件完成分析气压、水压、重力参数对喷雾轮廓的影响的分析;
所述检测结果显示模块用于展示检测数据分析模块获取的相关结果。检测结果显示模块还可将获得的检测结果在原图上展示出来,实现雾柱图像的整体输出和对特定距离的雾柱面积宽度测量和输出。
本发明的基于机器视觉的雾柱自动检测***,自动化程度高,能够完成雾柱的自动测量,解决了手工测量的随机性较大的问题,其检测精度高且客观一致性好,工作效率高,同时其操作简便(在交互界面中对参数进行配置,从而能够以各种要求,可方便地通过键盘+鼠标的操作方式来进行参数控制和进程运行),极具应用前景。
作为优选的技术方案:
如上所述的一种基于机器视觉的雾柱自动检测***,所述雾柱图像采集模块包括平台、固定件、喷嘴、水泵、气泵、气压表、补光灯、雾柱图像采集设备、背景布和处理终端;
所述平台由铝合金搭建而成,用于固定各种试验设备;
所述固定件固定在所述平台前方,用于固定喷嘴;
所述水泵用于给喷嘴喷射提供水源;
所述气泵用于实现喷嘴雾化;
所述雾柱图像采集设备固定在所述平台的顶部用于拍摄所述喷嘴喷射出来的雾柱;
所述气压表固定在所述平台的前方,用于显示当前气压大小;
所述补光灯固定在所述雾柱图像采集设备的下方,用于向雾柱图像采集设备提供补充光源;
所述背景布(黑布)位于喷嘴的前下方,以免采集到的雾柱图像中误入其他组件,减少后续图像处理的压力;
所述气泵、水泵和雾柱图像采集设备分别通过线缆与处理终端相连接,处理终端控制触发信号,以实现对水泵、气泵及雾柱图像采集设备的控制,雾柱图像采集设备接收触发信号,将拍摄到的雾柱图像发送至处理终端进行后续处理。以上雾柱图像采集模块结构设计合理且控制逻辑合理,极具应用前景。其上的喷嘴替换便捷性好,能满足不同的工业测量需求,极具应用前景。
如上所述的一种基于机器视觉的雾柱自动检测***,所述相机标定模块是采用张正友棋盘格标定法对图像采集设备进行标定的。
如上所述的一种基于机器视觉的雾柱自动检测***,所述雾柱图像处理模块包括图像预处理单元、雾柱图像拼接单元、边缘检测单元和轮廓分析单元;
雾柱图像采集模块采集得到的数据依次经图像预处理单元、雾柱图像拼接单元、边缘检测单元和轮廓分析单元处理。
如上所述的一种基于机器视觉的雾柱自动检测***,所述图像预处理单元的操作过程如下:
首先利用相机标定模块标定的结果对拍摄的雾柱图像进行畸变修正,再通过中值滤波算法对图像进行滤噪处理,然后裁剪边缘得到目标图像,并通过二值化操作得到二值图像。
如上所述的一种基于机器视觉的雾柱自动检测***,所述雾柱图像拼接单元的操作过程如下:
通过SURF\SIFT算法对雾柱图像进行拼接从而得到完整雾柱图像以进行后续处理。
如上所述的一种基于机器视觉的雾柱自动检测***,所述边缘检测单元的操作过程如下:
通过Canny算法,对二值化图像进行边缘检测。
如上所述的一种基于机器视觉的雾柱自动检测***,所述轮廓分析单元的操作过程如下:
通过设定阈值计算每个水滴轮廓所占面积,将小于设定阈值的轮廓填充为背景色,从而筛选出喷雾外轮廓。
如上所述的一种基于机器视觉的雾柱自动检测***,所述检测数据分析模块的处理过程如下:
(1)通过Python中的Counter函数,以雾气图像高度为索引分别统计左右半边图像中像素值为255的个数;
(2)通过polyfit函数得到拟合函数的系数值;
(3)通过poly1d函数生成左右半边图像生成的拟合函数,整合两拟合函数即得雾柱外轮廓的边界线;
(4)对于二值化后的图像基于积分的思想,利用Numpy中的trapz函数计算得到雾柱的覆盖面积,雾柱的最大宽度即为雾柱外轮廓的上下值之差的最大值;
(5)根据雾柱图像的像素与实际距离的关系完成比例转换,将(4)中计算值转换为实际值。
如上所述的一种基于机器视觉的雾柱自动检测***,所述检测结果显示模块的处理过程如下:
获取检测数据分析模块所得的左右半边图像生成的拟合函数后,以图像中间刻度为X轴,拟合值为Y值通过matplotlib函数即可获取雾柱外轮廓(图像上下值相减即为雾气图像宽度),将雾柱外轮廓在雾柱图像的原图中展示出来,实现雾柱图像的整体输出和对特定距离的雾柱面积宽度测量和输出。
有益效果:
(1)本发明的基于机器视觉的雾柱自动检测***,解决了手工测量的随机性,大大节省成本,同时又能清晰的反应雾柱的工作情况,并具有很高的准确性与稳定性。使之得能够更好的对雾柱进行利用和控制,提高工作质量和效率;
(2)本发明的基于机器视觉的雾柱自动检测***,使用机器视觉作为监控检测***,利用图像和数据表格对检测结果进行输出,同时将计算结果添加在原始图像中,使得检测结果清晰易懂,一目了然;
(3)本发明的基于机器视觉的雾柱自动检测***,雾柱自动测量平台操作简单,反馈清晰,运行流畅,克服了现有技术中雾柱覆盖面积和最大宽度检测的不足,从而具有高度产业利用价值,推进了工业生产自动化的进程,极具应用前景。
附图说明
图1为本发明的基于机器视觉的雾柱自动检测***的处理流程示意图;
图2为本发明的雾柱图像采集模块的结构示意图;
图3为本发明的雾柱图像处理模块的结构示意图;
其中,1-平台,2-固定件,3-喷嘴,4-水泵,5-气泵,6-气压表,7-补光灯,8-雾柱图像采集设备,9-背景布,10-处理终端。
具体实施方式
下面结合附图,对本发明的具体实施方式做进一步阐述,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。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
实施例1
一种基于机器视觉的雾柱自动检测***,如图1所示,包括相机标定模块、雾柱图像采集模块、雾柱图像处理模块、检测数据分析模块及检测结果显示模块。
相机标定模块用于标定雾柱图像采集模块中的各图像采集设备(采用张正友棋盘格标定法对图像采集设备进行标定的),以修正图像畸变,便于后续图像处理,并利用标定结果分析了相机之间的内在联系。
雾柱图像采集模块用于采集喷嘴喷射的雾柱图像,其如图2所示,包括平台1、固定件2、喷嘴3、水泵4、气泵5、气压表6、补光灯7、雾柱图像采集设备8、背景布9和处理终端10,平台1由铝合金搭建而成,用于固定各种试验设备,固定件2固定在平台1前方,用于固定喷嘴3,水泵4用于给喷嘴3喷射提供水源,气泵5用于实现喷嘴3雾化,雾柱图像采集设备8固定在平台1的顶部用于拍摄喷嘴3喷射出来的雾柱,气压表6固定在平台1的前方,用于显示当前气压大小;补光灯7固定在雾柱图像采集设备8的下方,用于向雾柱图像采集设备8提供补充光源;背景布9(黑布)位于喷嘴的前下方,以免采集到的雾柱图像中误入其他组件,减少后续图像处理的压力,气泵5、水泵4和雾柱图像采集设备8分别通过线缆与处理终端10相连接,处理终端10控制触发信号,以实现对水泵4、气泵5及雾柱图像采集设备8的控制,雾柱图像采集设备8接收触发信号,将拍摄到的雾柱图像发送至处理终端10进行后续处理。
雾柱图像处理模块用于对雾柱图像采集模块采集得到的雾柱图像进行图像处理,其如图3所示,具体包括图像预处理单元、雾柱图像拼接单元、边缘检测单元和轮廓分析单元,雾柱图像采集模块采集得到的数据依次经图像预处理单元、雾柱图像拼接单元、边缘检测单元和轮廓分析单元处理,以上各单元的数据处理过程具体如下:
图像预处理单元的操作过程如下:
首先利用相机标定模块标定的结果对拍摄的雾柱图像进行畸变修正,再通过中值滤波算法对图像进行滤噪处理,然后裁剪边缘得到目标图像,并通过二值化操作得到二值图像;
雾柱图像拼接单元的操作过程如下:
通过SURF\SIFT算法对雾柱图像进行拼接从而得到完整雾柱图像以进行后续处理;
边缘检测单元的操作过程如下:
通过Canny算法,对二值化图像进行边缘检测;
轮廓分析单元的操作过程如下:
通过设定阈值计算每个水滴轮廓所占面积,将小于设定阈值的轮廓填充为背景色,从而筛选出喷雾外轮廓;
检测数据分析模块用于根据雾柱图像处理模块获取的信息获取雾柱的覆盖面积和最大宽度,具体是通过多项式拟合算法得到雾柱外轮廓的边界线而后获取雾柱的覆盖面积和最大宽度,并对雾柱宽度的计算采用统计像素法以提高检测精度,其具体处理过程如下:
(1)通过Python中的Counter函数,以雾气图像高度为索引分别统计左右半边图像中像素值为255的个数;
(2)通过polyfit函数得到拟合函数的系数值;
(3)通过poly1d函数生成左右半边图像生成的拟合函数,整合两拟合函数即得雾柱外轮廓的边界线;
(4)对于二值化后的图像基于积分的思想,利用Numpy中的trapz函数计算得到雾柱的覆盖面积,雾柱的最大宽度即为雾柱外轮廓的上下值之差的最大值;
(5)根据雾柱图像的像素与实际距离的关系完成比例转换,将(4)中计算值转换为实际值。
检测结果显示模块用于展示检测数据分析模块获取的相关结果,其处理过程如下:
获取检测数据分析模块所得的左右半边图像生成的拟合函数后,以图像中间刻度为X轴,拟合值为Y值通过matplotlib函数即可获取雾柱外轮廓(图像上下值相减即为雾气图像宽度),将雾柱外轮廓在雾柱图像的原图中展示出来,实现雾柱图像的整体输出和对特定距离的雾柱面积宽度测量和输出。
此外,基于机器视觉的雾柱自动检测***还包括异常结果报警模块,在数据从检测数据分析模块出来后进行结果正常检测,如检测得到的结果正常,则进入检测结果显示模块即完成检测结果展示,如检测得到的结果不正常,则异常结果报警模块进行报警。
经验证,本发明的基于机器视觉的雾柱自动检测***,解决了手工测量的随机性,大大节省成本,同时又能清晰的反应雾柱的工作情况,并具有很高的准确性与稳定性。使之得能够更好的对雾柱进行利用和控制,提高工作质量和效率;使用机器视觉作为监控检测***,利用图像和数据表格对检测结果进行输出,同时将计算结果添加在原始图像中,使得检测结果清晰易懂,一目了然;雾柱自动测量平台操作简单,反馈清晰,运行流畅,克服了现有技术中雾柱覆盖面积和最大宽度检测的不足,从而具有高度产业利用价值,推进了工业生产自动化的进程,极具应用前景。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应该理解,这些仅是举例说明,在不违背本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改。
Claims (8)
1.一种基于机器视觉的雾柱自动检测***,其特征在于,包括相机标定模块、雾柱图像采集模块、雾柱图像处理模块、检测数据分析模块及检测结果显示模块;
所述相机标定模块用于标定雾柱图像采集模块中的各图像采集设备;
所述雾柱图像采集模块用于采集喷嘴喷射的雾柱图像,其包括多台图像采集设备和布置在喷嘴下方的背景布;
所述雾柱图像处理模块用于对雾柱图像采集模块采集得到的雾柱图像进行图像处理;
所述检测数据分析模块用于根据雾柱图像处理模块获取的信息获取雾柱的覆盖面积和最大宽度,具体是通过多项式拟合算法得到雾柱外轮廓的边界线而后获取雾柱的覆盖面积和最大宽度;
所述检测结果显示模块用于展示检测数据分析模块获取的相关结果;
所述雾柱图像处理模块包括图像预处理单元、雾柱图像拼接单元、边缘检测单元和轮廓分析单元;
雾柱图像采集模块采集得到的数据依次经图像预处理单元、雾柱图像拼接单元、边缘检测单元和轮廓分析单元处理;
所述轮廓分析单元的操作过程如下:通过设定阈值计算每个水滴轮廓所占面积,将小于设定阈值的轮廓填充为背景色,从而筛选出喷雾外轮廓;
检测数据分析模块用于根据雾柱图像处理模块获取的信息获取雾柱的覆盖面积和最大宽度,具体是通过多项式拟合算法得到雾柱外轮廓的边界线而后获取雾柱的覆盖面积和最大宽度,并对雾柱宽度的计算采用统计像素法以提高检测精度,还完成分析气压、水压、重力参数对喷雾轮廓的影响的分析;
所述检测结果显示模块用于展示检测数据分析模块获取的相关结果,检测结果显示模块将获得的检测结果在原图上展示出来,实现雾柱图像的整体输出和对特定距离的雾柱面积宽度测量和输出。
2.根据权利要求1所述的一种基于机器视觉的雾柱自动检测***,其特征在于,所述雾柱图像采集模块包括平台、固定件、喷嘴、水泵、气泵、气压表、补光灯、雾柱图像采集设备、背景布和处理终端;
所述平台由铝合金搭建而成,用于固定各种试验设备;
所述固定件固定在所述平台前方,用于固定喷嘴;
所述水泵用于给喷嘴喷射提供水源;
所述气泵用于实现喷嘴雾化;
所述雾柱图像采集设备固定在所述平台的顶部用于拍摄所述喷嘴喷射出来的雾柱;
所述气压表固定在所述平台的前方,用于显示当前气压大小;
所述补光灯固定在所述雾柱图像采集设备的下方,用于向雾柱图像采集设备提供补充光源;
所述背景布位于喷嘴的前下方;
所述气泵、水泵和雾柱图像采集设备分别通过线缆与处理终端相连接,处理终端控制触发信号,以实现对水泵、气泵及雾柱图像采集设备的控制,雾柱图像采集设备接收触发信号,将拍摄到的雾柱图像发送至处理终端进行后续处理。
3.根据权利要求1所述的一种基于机器视觉的雾柱自动检测***,其特征在于,所述相机标定模块是采用张正友棋盘格标定法对图像采集设备进行标定的。
4.根据权利要求1所述的一种基于机器视觉的雾柱自动检测***,其特征在于,所述图像预处理单元的操作过程如下:
首先利用相机标定模块标定的结果对拍摄的雾柱图像进行畸变修正,再通过中值滤波算法对图像进行滤噪处理,然后裁剪边缘得到目标图像,并通过二值化操作得到二值图像。
5.根据权利要求1所述的一种基于机器视觉的雾柱自动检测***,其特征在于,所述雾柱图像拼接单元的操作过程如下:
通过SURF\SIFT算法对雾柱图像进行拼接从而得到完整雾柱图像。
6.根据权利要求1所述的一种基于机器视觉的雾柱自动检测***,其特征在于,所述边缘检测单元的操作过程如下:
通过Canny算法,对二值化图像进行边缘检测。
7.根据权利要求1所述的一种基于机器视觉的雾柱自动检测***,其特征在于,所述检测数据分析模块的处理过程如下:
(1)通过Python中的Counter函数,以雾气图像高度为索引分别统计左右半边图像中像素值为255的个数;
(2)通过polyfit函数得到拟合函数的系数值;
(3)通过poly1d函数生成左右半边图像生成的拟合函数,整合两拟合函数即得雾柱外轮廓的边界线;
(4)利用Numpy中的trapz函数计算得到雾柱的覆盖面积,雾柱的最大宽度即为雾柱外轮廓的上下值之差的最大值;
(5)根据雾柱图像的像素与实际距离的关系完成比例转换,将(4)中计算值转换为实际值。
8.根据权利要求7所述的一种基于机器视觉的雾柱自动检测***,其特征在于,所述检测结果显示模块的处理过程如下:
获取检测数据分析模块所得的左右半边图像生成的拟合函数后,以图像中间刻度为X轴,拟合值为Y值通过matplotlib函数即可获取雾柱外轮廓,将雾柱外轮廓在雾柱图像的原图中展示出来。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110308263.9A CN113203359B (zh) | 2021-03-23 | 2021-03-23 | 一种基于机器视觉的雾柱自动检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110308263.9A CN113203359B (zh) | 2021-03-23 | 2021-03-23 | 一种基于机器视觉的雾柱自动检测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113203359A CN113203359A (zh) | 2021-08-03 |
CN113203359B true CN113203359B (zh) | 2023-02-28 |
Family
ID=77025598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110308263.9A Active CN113203359B (zh) | 2021-03-23 | 2021-03-23 | 一种基于机器视觉的雾柱自动检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113203359B (zh) |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4266535B2 (ja) * | 2001-04-27 | 2009-05-20 | 株式会社シー・イー・デー・システム | 黒煙検知システム |
JP2007315777A (ja) * | 2006-05-23 | 2007-12-06 | Ditect:Kk | 三次元形状計測システム |
JP5300516B2 (ja) * | 2009-02-10 | 2013-09-25 | 学校法人同志社 | 噴霧粒子撮像解析システムおよび解析方法 |
CN102136135B (zh) * | 2011-03-16 | 2012-12-19 | 清华大学 | 眼前节光学相干层析图像的角膜及眼前房内轮廓提取方法 |
CN103017683A (zh) * | 2012-12-31 | 2013-04-03 | 中国人民解放军国防科学技术大学 | 一种液体射流最***边界的测量装置及方法 |
CN104123531B (zh) * | 2013-04-28 | 2018-05-22 | 汉王科技股份有限公司 | 一种掌纹兴趣区域定位的方法和装置 |
CN104634279A (zh) * | 2013-11-13 | 2015-05-20 | 中国科学院沈阳计算技术研究所有限公司 | 基于视觉的航空油雾喷嘴雾化角度自动检测装置及方法 |
CN104181083B (zh) * | 2014-08-27 | 2016-10-19 | 天津商业大学 | 一种喷雾特性参数检测装置及方法 |
CN111353334A (zh) * | 2018-12-21 | 2020-06-30 | 富士通株式会社 | 烟雾检测方法和装置 |
CN109816678B (zh) * | 2019-02-27 | 2020-09-22 | 青岛伴星智能科技有限公司 | 一种基于视觉的喷嘴雾化角度自动检测***及方法 |
CN110160760B (zh) * | 2019-05-05 | 2024-03-01 | 贵州中烟工业有限责任公司 | 一种喷嘴雾化效果检测方法 |
CN111735744B (zh) * | 2020-04-24 | 2023-02-28 | 昆明理工大学 | 一种喷嘴雾化空间分布评价方法 |
CN112179641A (zh) * | 2020-09-30 | 2021-01-05 | 湖北中烟工业有限责任公司 | 喷嘴雾化视觉监测*** |
CN112453751B (zh) * | 2020-11-27 | 2022-07-15 | 上海交通大学 | 一种基于视觉传感的管道全位置焊背面在线监测方法 |
-
2021
- 2021-03-23 CN CN202110308263.9A patent/CN113203359B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113203359A (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109816678B (zh) | 一种基于视觉的喷嘴雾化角度自动检测***及方法 | |
US9582872B2 (en) | Optical film defect detection method and system thereof | |
CN106226325B (zh) | 一种基于机器视觉的座椅表面缺陷检测***及其方法 | |
CN104976960B (zh) | 一种雨滴物理特性观测方法 | |
CN103454285A (zh) | 基于机器视觉的传动链条质量检测*** | |
CN109375068B (zh) | 一种基于紫外成像电晕检测的目标识别方法及装置 | |
CN109986172B (zh) | 一种焊缝定位方法、设备及*** | |
CN110472722A (zh) | 基于机器视觉技术的钢坯计数装置和方法 | |
CN113188633A (zh) | 一种基于机器视觉的液面检测和测量方法 | |
CN114280075B (zh) | 一种管类零件表面缺陷在线视觉检测***及检测方法 | |
CN113030102A (zh) | 基于机器视觉的漆面瑕疵检查*** | |
CN113847881A (zh) | 一种基于机器视觉的自由曲面轮廓度检测方法 | |
CN110097540A (zh) | 多边形工件的视觉检测方法及装置 | |
CN115290668B (zh) | 一种涂装车身面漆缺陷检测的***及方法 | |
CN113252567A (zh) | 铝阀板表面多种缺陷快速检测方法、***、介质、终端 | |
CN113203359B (zh) | 一种基于机器视觉的雾柱自动检测*** | |
CN109557098A (zh) | 基于机器视觉的金属表面检测*** | |
CN116907360B (zh) | 基于机器视觉的ro膜胶线宽度检测***及检测方法 | |
CN111192246B (zh) | 一种焊点的自动检测方法 | |
CN116840240A (zh) | 电源分配器视觉检测*** | |
CN116930187A (zh) | 车身漆面缺陷视像检测方法与视像检测*** | |
Xue et al. | Method of electronic component location, grasping and inserting based on machine vision | |
CN116008304A (zh) | 一种适用于管道内部的焊缝检测方法 | |
CN114937015A (zh) | 一种锂电池极片制造中智能视觉识别方法和*** | |
CN117218079A (zh) | 一种基于机器视觉的车身缺陷检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |