一種材料表面顏色特征在線自動檢測方法
【專利摘要】本發(fā)明涉及一種材料表面顏色特征在線自動檢測方法,屬于材料表面質量的自動在線檢測【技術領域】。首先根據實時環(huán)境和材料種類選取材料標準樣本,通過采用能覆蓋整個待檢測材料標準樣本表面的若干臺高精度攝像機,拍攝若干份待檢測材料標準樣本的表面原始圖像,經圖像處理后獲得標準顏色分類閾值;將待檢測材料通過采用能覆蓋整個待檢測材料表面的若干臺高精度攝像機,拍攝若干份待檢測材料的表面原始圖像,經圖像處理后,再采用得到的標準顏色分類閾值計算該待檢測材料的表面顏色特征;將該待檢測材料的表面顏色特征與評價標準進行對比,獲得該待檢測材料在線自動檢測的表面顏色質量評級。該檢測方法具有較高的應用價值,且方法簡單易行。
【專利說明】—種材料表面顏色特征在線自動檢測方法
【技術領域】
[0001]本發(fā)明涉及一種材料表面顏色特征在線自動檢測方法,屬于材料表面質量的自動在線檢測【技術領域】。
【背景技術】
[0002]材料是人類賴以生存和發(fā)展的物質基礎。20世紀70年代人們把信息、材料和能源譽為當代文明的三大支柱。80年代以高技術群為代表的新技術革命,又把新材料、信息技術和生物技術并列為新技術革命的重要標志。這主要是因為材料與國民經濟建設、國防建設和人民生活密切相關。隨著人民生活水平的提高,人們對于材料品質的要求也提高到一個前所未有的高度。
[0003]由于大多數材料生產工藝過程的復雜性,不可避免地造成材料表面顏色的不均勻性。材料的性能指標雖多,但表面質量指標是最為重要的一類,主要包括表面顏色、表面缺陷和尺寸等。目前,材料在線表面質量檢測大多仍然停留在人工目測分類階段,材料由生產線傳送帶送進,工人把它與標準的材料進行對比,然后根據自己的判斷結果進行分級。這種檢測方式不僅勞動強度大、檢測精度和效率低,且檢測結果易受檢查人員技術素質、經驗、人眼分辨能力和視覺疲勞等主觀因素影響,缺乏準確性和規(guī)范化,容易發(fā)生漏檢和質量等級確定不準的現象,這種落后的檢測手段已無法滿足現代材料工業(yè)發(fā)展的要求。因此,實現材料表面質量的自動在線檢測是很有必要的。
[0004]對于材料生產廠家,同一型號的材料一般有好幾個“色號”,不同色號材料的配料、紋理幾乎完全一樣,只是顏色在視覺上有所差異,這主要由于工藝過程和爐溫的波動等諸多原因造成。由于這種差異非常小,這就要求檢測系統(tǒng)能精確地區(qū)分出這種差異來,然后根據這些差異進行材料表面質量分級,也就是要求分級算法應當具有相當的精確性。同時由于檢測系統(tǒng)最后要應用于工業(yè)現場的在線檢測,因而要求算法具有實時性。所以精確性和實時性就相應成為研究的主要目標。
[0005]綜上所述研究高精度、高效率及穩(wěn)定的材料表面顏色特征在線自動檢測方法及系統(tǒng),對節(jié)省勞動力、減輕工人勞動強度及提高檢測效率和檢測結果的一致性,具有較強的現實意義。
【發(fā)明內容】
[0006]針對上述現有技術存在的問題及不足,本發(fā)明提供一種材料表面顏色特征在線自動檢測方法。該檢測方法具有較高的應用價值,且方法簡單易行,本發(fā)明通過以下技術方案實現。
[0007]—種材料表面顏色特征在線自動檢測方法,其具體步驟如下:
(I)首先根據實時環(huán)境和材料種類選取材料標準樣本,通過采用能覆蓋整個待檢測材料標準樣本表面的若干臺高精度攝像機,拍攝若干份待檢測材料標準樣本的表面原始圖像,經圖像處理后獲得標準顏色分類閾值; (2)將待檢測材料通過采用能覆蓋整個待檢測材料表面的若干臺高精度攝像機,拍攝若干份待檢測材料的表面原始圖像,經圖像處理后,再采用步驟(I)得到的標準顏色分類閾值計算該待檢測材料的表面顏色特征;
(3 )將步驟(2 )獲得該待檢測材料的表面顏色特征與評價標準進行對比,獲得該待檢測材料在線自動檢測的表面顏色質量評級。
[0008]所述步驟(I)中獲得標準顏色分類閾值的步驟為:
1.1將拍攝好的若干份待檢測材料標準樣本的表面原始圖像依次采用matlab函數imread 讀進 matlab 中;
1.2然后采用matlab函數rgb2gray將每一張步驟1.1中的表面原始圖像由彩色圖變換成灰度圖;
1.3將步驟1.2中得到的每一張灰度圖采用matlab函數sort對其像素點按升序排列,即按照灰度值從小到大的順序排列像素點;并繼續(xù)采用matlab函數plot按照排列序列點擬合出每一張圖像的升序像素點的曲線圖;
1.4根據標準樣本中主要顏色種類及步驟1.3中得到的升序像素點的曲線圖中曲線轉折點的個數將升序像素點的曲線圖進行分段,分段的段數依次與材料的主要顏色對應;
1.5將步驟1.4得到對應的段數的曲線采用matlab函數plot擬合出相應的曲線圖,并求出每段曲線的中點處切線,相鄰曲線的切線相交點為該兩段顏色劃分的閾值,每一張原始圖像可獲得一組閾值,組內閾值按從小到大的順序排列;
1.6將全部表面原始圖像經步驟1.1至1.5處理并求出組內閾值平均值。
[0009]所述步驟(2)計算該待檢測材料的表面顏色特征的步驟為:
2.1將拍攝若干份待檢測材料的表面原始圖像依次采用matlab函數imread讀進matlab 中;
2.2然后采用matlab函數rgb2gray將每一張步驟2.1中的表面原始圖像由彩色圖變換成灰度圖;
2.3將步驟2.2中得到的每一張灰度圖采用matlab函數sort對其像素點按升序排列,即按照灰度值從小到大的順序排列像素點;并繼續(xù)采用matlab函數plot按照排列序列點擬合出每一張圖像的升序像素點的曲線圖;
2.4將步驟2.3得到的升序像素點的曲線圖按照步驟1.6得到的組內閾值平均值分成相應段數的曲線,求出該顏色的對應的像素和,每一張圖片能求出一組主要顏色對應的像素和;
2.5將全部表面原始圖像經步驟2.1至2.4處理并求出該待檢測材料的表面顏色對應像素和平均值。
[0010]所述步驟(3)該待檢測材料在線自動檢測的表面顏色質量評級的為:首先將步驟
2.5求得的該待檢測材料的表面顏色對應像素和平均值除以該待測材料的總像素分別得到主要顏色的像素比重值;然后根據像素比重值與該待檢測材料評價標準進行比對,即能獲得該種材料表面顏色特征所屬等級。
[0011]如圖1所示,上述材料表面顏色特征在線自動檢測裝置包括依次連接的計算機1、材料生產控制設備2、材料生產設備3、材料傳送設備4和高精度照相機5。
[0012]本發(fā)明的有益效果是:(I)解決了目前材料企業(yè)在大批量生產時由于人工檢測速度慢、勞動強度大、環(huán)境惡劣、主觀因素對結果影響較大等不足之處;(2)本發(fā)明的材料表面顏色特征實時檢測方法及系統(tǒng)簡單易行,能夠準確、快速、可靠、實時地在線檢測材料表面顏色特征,并迅速地給出材料表面質量評價;(3)本發(fā)明簡單易行具有較廣泛的應用前景,能獲得較高的經濟收益;(4)本發(fā)明的檢測方法及系統(tǒng)能對市場上絕大多數品種的材料進行表面質量檢測,能根據廠家自己的標準給每個質量等級設置每種顏色的最大限制,并且可根據需要,由專業(yè)人員對這些限制進行在線調整。
【專利附圖】
【附圖說明】
[0013]圖1是本發(fā)明自動檢測過程中的結構示意圖;
圖2為本發(fā)明實施例1的A材料原始圖像示例;
圖3為本發(fā)明實施例1的A材料標準樣本像素點灰度值升序排列示例圖;
圖4為本發(fā)明實施例1的A材料標準樣本像素點第一段擬合示例圖,其中擬合度為
0.999 ;
圖5為本發(fā)明實施例1的A材料標準樣本像素點第二段擬合示例圖,其中擬合度為
0.992 ;
圖6為本發(fā)明實施例1的A材料標準樣本像素點第三段擬合示例圖,其中擬合度為
0.988 ;
圖7為本發(fā)明實施例1的A材料標準樣本像素點第四段擬合示例圖,其中擬合度為
0.991 ;
圖8為本發(fā)明實施例1的A材料表面顏色劃分的灰度值閾值示例圖;
圖9為本發(fā)明實施例2的B材料原始圖像示例;
圖10為本發(fā)明實施例2的B材料標準樣本像素點灰度值升序排列示例圖;
圖11為本發(fā)明實施例2的B材料標準樣本像素點第一段擬合示例圖,其中擬合度為
0.999 ;
圖12為本發(fā)明實施例2的B材料標準樣本像素點第二段擬合示例圖,其中擬合度為
0.999 ;
圖13為本發(fā)明實施例2的B材料標準樣本像素點第三段擬合示例圖,其中擬合度為
0.999 ;
圖14為本發(fā)明實施例2的B材料標準樣本像素點第四段擬合示例圖,其中擬合度為
0.997 ;
圖15為本發(fā)明實施例2的B材料標準樣本像素點第五段擬合示例圖,其中擬合度為
0.998 ;
圖16為本發(fā)明實施例2的B材料表面顏色劃分的灰度值閾值示例圖。
[0014]圖中:1-計算機,2-材料生產控制設備,3-材料生產設備,4-材料傳送設備,5-高精度照相機。
【具體實施方式】
[0015]下面結合附圖和【具體實施方式】,對本發(fā)明作進一步說明。
[0016]實施例1 如圖2所示,該A材料呈四種顏色:黑色、深灰色、淺灰色和白色,其中黑色和白色為雜質,其含量越少越好。該A材料的評價標準為:(I)正常情況下(不含雜質),深灰色所占比重為30%,淺灰色所占比重為70%,可接受誤差為(_1%,1%),滿足此標準則合格,否則不合格;
(2)若含雜質,雜質(黑色和白色)含量低于1%,且黑色和白色比重均低于0.5%合格,否則不合格,只有以上兩項同時合格時,該材料表面質量則合格,否則不合格。
[0017]該材料表面顏色特征在線自動檢測方法,其具體步驟如下:
(O首先根據實時環(huán)境和材料種類選取材料標準樣本,通過采用能覆蓋整個待檢測A材料標準樣本表面的6臺高精度攝像機,拍攝50份待檢測A材料標準樣本的表面原始圖像,經圖像處理后獲得標準顏色分類閾值;獲得標準顏色分類閾值的步驟為:
1.1將拍攝好的50份待檢測材料標準樣本的表面原始圖像依次采用matlab函數imread 讀進 matlab 中;
1.2然后采用matlab函數rgb2gray將每一張步驟1.1中的表面原始圖像由彩色圖變換成灰度圖;
1.3將步驟1.2中得到的每一張灰度圖采用matlab函數sort對其像素點按升序排列,即按照灰度值從小到大的順序排列像素點;并繼續(xù)采用matlab函數plot按照排列序列點擬合出每一張圖像的升序像素點的曲線圖,如圖3所示;
1.4根據標準樣本中主要顏色種類及步驟1.3中得到的升序像素點的曲線圖中曲線轉折點的個數將升序像素點的曲線圖進行分段,分段的段數依次與材料的主要顏色對應,該A材料呈四種顏色:黑色、深灰色、淺灰色和白色,圖3中的曲線也對應有3個轉折點,因此曲線被分為四段,主要的顏色對應不同的曲線段,黑色、深灰色、淺灰色和白色對應的像素值依次升聞;
1.5將步驟1.4得到對應的段數的曲線采用matlab函數plot擬合出相應的曲線圖,如圖4至7所示,并求出每段曲線的中點處切線,相鄰曲線的切線相交點為該兩段顏色劃分的閾值,每一張原始圖像可獲得一組閾值,組內閾值按從小到大的順序排列;
1.6將全部表面原始圖像經步驟1.1至1.5處理并求出組內閾值平均值,如圖8所示,得到的閾值平均值為[灰度值120 ;灰度值225 ;灰度值240],即黑色、深灰色顏色之間的灰度值的分界點為120 ;深灰色、淺灰色顏色之間的灰度值的分界點為225,淺灰色和白色的灰度值的分界點為240 ;
(2)將待檢測材料通過采用能覆蓋整個待檢測材料表面的6臺高精度攝像機,拍攝50份待檢測材料的表面原始圖像,經圖像處理后,再采用步驟(I)得到的標準顏色分類閾值計算該待檢測材料的表面顏色特征;計算該待檢測材料的表面顏色特征的步驟為:
2.1將拍攝50份待檢測材料的表面原始圖像依次采用matlab函數imread讀進matlab
中;
2.2然后采用matlab函數rgb2gray將每一張步驟2.1中的表面原始圖像由彩色圖變換成灰度圖;
2.3將步驟2.2中得到的每一張灰度圖采用matlab函數sort對其像素點按升序排列,即按照灰度值從小到大的順序排列像素點;并繼續(xù)采用matlab函數plot按照排列序列點擬合出每一張圖像的升序像素點的曲線圖;
2.4將步驟步驟2.3得到的升序像素點的曲線圖按照步驟1.6得到的組內閾值平均值分成相應段數的曲線,求出該顏色的對應的像素和,每一張圖片能求出一組主要顏色對應的像素和;
2.5將全部表面原始圖像經步驟2.1至2.4處理并求出該待檢測材料的表面顏色對應像素和平均值,該材料主要顏色求出的像素和平均值如表1所示。
[0018](3)將步驟(2)獲得該待檢測材料的表面顏色特征與評價標準進行對比,獲得該待檢測材料在線自動檢測的表面顏色質量評級;該待檢測材料在線自動檢測的表面顏色質量評級的為:首先將步驟2.5求得的該待檢測材料的表面顏色對應像素和平均值除以該待測材料的總像素分別得到主要顏色的像素比重值;主要顏色的像素比重值如表1所示,然后由表1所示,可知黑色和白色雜質所占比重分別為0.61%和0.77%,均高于0.5%,故雜質不滿足質量標準,不合格;即使淺灰色所占比重為70.83%,在70%的(-1%,1%)誤差范圍內,但是深灰色所占比重為27.79%,不在30%的(-1%, 1%)誤差范圍內,故不滿足質量標準,不合格。綜上,該塊A材料表面質量不合格。
[0019]表1
【權利要求】
1.一種材料表面顏色特征在線自動檢測方法,其特征在于具體步驟如下: (1)首先根據實時環(huán)境和材料種類選取材料標準樣本,通過采用能覆蓋整個待檢測材料標準樣本表面的若干臺高精度攝像機,拍攝若干份待檢測材料標準樣本的表面原始圖像,經圖像處理后獲得標準顏色分類閾值; (2)將待檢測材料通過采用能覆蓋整個待檢測材料表面的若干臺高精度攝像機,拍攝若干份待檢測材料的表面原始圖像,經圖像處理后,再采用步驟(I)得到的標準顏色分類閾值計算該待檢測材料的表面顏色特征; (3 )將步驟(2 )獲得該待檢測材料的表面顏色特征與評價標準進行對比,獲得該待檢測材料在線自動檢測的表面顏色質量評級。
2.根據權利要求1所述的材料表面顏色特征在線自動檢測方法,其特征在于:所述步驟(I)中獲得標準顏色分類閾值的步驟為: 1.1將拍攝好的若干份待檢測材料標準樣本的表面原始圖像依次采用matlab函數imread 讀進 matlab 中; 1.2然后采用matlab函數rgb2gray將每一張步驟1.1中的表面原始圖像由彩色圖變換成灰度圖; 1.3將步驟1.2中得到的每一張灰度圖采用matlab函數sort對其像素點按升序排列,即按照灰度值從小到大的順序排列像素點;并繼續(xù)采用matlab函數plot按照排列序列點擬合出每一張圖像的升序像素點的曲線圖; 1.4根據標準樣本中主要顏色種類及步驟1.3中得到的升序像素點的曲線圖中曲線轉折點的個數將升序像素點的曲線圖進行分段,分段的段數依次與材料的主要顏色對應; 1.5將步驟1.4得到對應的段數的曲線采用matlab函數plot擬合出相應的曲線圖,并求出每段曲線的中點處切線,相鄰曲線的切線相交點為該兩段顏色劃分的閾值,每一張原始圖像可獲得一組閾值,組內閾值按從小到大的順序排列; 1.6將全部表面原始圖像經步驟1.1至1.5處理并求出組內閾值平均值。
3.根據權利要求2所述任一的材料表面顏色特征在線自動檢測方法,其特征在于:所述步驟(2)計算該待檢測材料的表面顏色特征的步驟為: 2.1將拍攝若干份待檢測材料的表面原始圖像依次采用matlab函數imread讀進matlab 中; 2.2然后采用matlab函數rgb2gray將每一張步驟2.1中的表面原始圖像由彩色圖變換成灰度圖; 2.3將步驟2.2中得到的每一張灰度圖采用matlab函數sort對其像素點按升序排列,即按照灰度值從小到大的順序排列像素點;并繼續(xù)采用matlab函數plot按照排列序列點擬合出每一張圖像的升序像素點的曲線圖; 2.4將步驟2.3得到的升序像素點的曲線圖按照步驟1.6得到的組內閾值平均值分成相應段數的曲線,求出該顏色的對應的像素和,每一張圖片能求出一組主要顏色對應的像素和; 2.5將全部表面原始圖像經步驟2.1至2.4處理并求出該待檢測材料的表面顏色對應像素和平均值。
4.根據權利要求3所述任一的材料表面顏色特征在線自動檢測方法,其特征在于:所述步驟(3)該待檢測材料在線自動檢測的表面顏色質量評級的為:首先將步驟2.5求得的該待檢測材料的表面顏色對應像素和平均值除以該待測材料的總像素分別得到主要顏色的像素比重值;然后根據像素比重值與該待檢測材料評價標準進行比對,即能獲得該種材料表面顏色特征所屬等級。
【文檔編號】G01N21/25GK104165696SQ201410229900
【公開日】2014年11月26日 申請日期:2014年5月28日 優(yōu)先權日:2014年5月28日
【發(fā)明者】徐建新, 蘇俞真, 桑秀麗, 王 華, 肖漢杰 申請人:昆明理工大學