技術領域

本發明涉及一種適用于工業環境中線纜表面瑕疵的檢測方法，屬于圖像處理技術領域。

背景技術

產品表面質量問題一直是工業生產中備受關注的一個問題。一方面，產品表面質量影響產品的商業價值，外觀的瑕疵會直接造成產品商業價值的貶值，例如在印刷、包裝、工藝品等外觀缺陷常常需要高度重視。另一方面，產品表面質量對產品的直接使用或深加工有著重要影響，表面缺陷的存在會對使用者造成巨大損失，需進行嚴格控制和檢查。從技術性能和技術指標來講，用機器視覺來進行表面缺陷檢測具有眾多優勢。機器視覺是一種無接觸無損傷檢測，安全可靠，能成功代替人眼并超越人眼，實現功能更強大的檢測。

一般對彩色圖像的處理往往是RGB三個分量分開處理，或者是采用RGB三維向量一起處理，但往往會忽略圖像空間信息的重要性。噪聲像素通常表現為顏色或亮度相對孤立的點，在空間上總是與其所在的物體相互毗鄰的,如果僅考慮彩色信息就會將這樣的像素點劃分到別的聚類中，從而使圖像分割結果出現誤差。

發明內容

本發明所要解決的技術問題是：針對工業生產中線纜表面的質量問題，提出了一種適用于工業環境中線纜表面瑕疵的檢測方法。通過利用彩色面陣CCD相機進行掃描獲取線纜圖像，針對此圖像進行圖像處理，最后成功檢測出線纜表面的瑕疵，能夠有效解決工業生產中線纜表面的質量問題。

本發明為解決上述技術問題采用以下技術方案：

本發明提出一種工業生產中對線纜表面瑕疵的檢測方法，包括以下步驟：

步驟一、讀取線纜表面的待檢測圖像數據，設置像素點的空間二維坐標信息與三維彩色信息的比例，用五維向量表示圖像樣本集中的每一個像素點，以像素點為集合元素生成圖像樣本集；

步驟二、圖像數據預處理：對五維向量的每一維進行縮放，使其值位于[0,1]區間；

步驟三、將圖像樣本劃分為瑕疵和非瑕疵兩個類別，初始化隸屬度矩陣，建立約束條件對每個圖像樣本隸屬于每個類別的隸屬度值進行歸一化處理；

步驟四、對于每個類別，計算其每一維的聚類中心形成以五維向量表示的聚類中心，之后計算每一個像素點到該類別的聚類中心的距離，并根據聚類距離更新隸屬度矩陣；

步驟五、根據隸屬度矩陣和聚類距離，計算目標函數，并判斷目標函數是否收斂：目標函數若不收斂，則返回重新執行步驟四，若收斂，則開始分割圖像；

步驟六、對圖像進行分割，對于分割后的每一個像素點，根據最終隸屬度矩陣獲取像素點隸屬的類值，根據類值計算得到該像素點的灰度值，并根據灰度值實現對線纜表面瑕疵的檢測。

作為本發明提出的工業生產中對線纜表面瑕疵的檢測方法進一步具體的細化方案，步驟一中，是利用彩色面陣CCD相機對線纜表面進行掃描，獲取一幅RGB彩色線纜圖像作為待檢測圖像數據。

作為本發明提出的工業生產中對線纜表面瑕疵的檢測方法進一步具體的細化方案，步驟一中，圖像樣本集其中a_j是用五維向量表示的一個彩色圖像的像素點，a_j＝(αp_j,q_j),j＝1,2,…,n，s是樣本空間維數，n是樣本個數，p_j＝(x_j,y_j)表示圖像的坐標，q_j＝(b_j,g_j,r_j)表示圖像的像素；α表示空間信息與彩色信息的比例,α∈(0,1)。

作為本發明提出的工業生產中對線纜表面瑕疵的檢測方法進一步具體的細化方案，步驟二中，對五維空間的每一維進行縮放，使其值位于[0,1]區間，如式(1)所示：

其中，Max_l、Min_l分別表示第l維的最大值、最小值，f(l)是第l維的數據，g(l)是第l維縮放后的數據。

作為本發明提出的工業生產中對線纜表面瑕疵的檢測方法進一步具體的細化方案，步驟三中，建立約束條件對每個圖像樣本隸屬于每個類別的隸屬度值進行歸一化處理，具體如下：

設U＝(μ_ij)_c×n表示樣本的隸屬度矩陣，隨機設置初始隸屬度矩陣設定約束條件如式(2)、(3)、(4)所示：

μ_ij>0,1≤i≤c,1≤j≤n(4)；

根據約束條件，做如下歸一化處理：