论文部分内容阅读
随着经济建设的快速发展,工业炸药生产规模的不断扩大,民爆行业要求技术不断完善,大力提高生产线智能化、自动化水平已成必然趋势。由于炸药在生产包装过程中由于各种因素从而导致药卷包装存在多种表面缺陷,尤其是药卷表面出现裂痕,并且在药卷图像中可能存在不止一处裂痕缺陷,同时因其裂痕缺陷分布不固定,存在环境光线、传送带背景、表面文字、商标纹理特征干扰,对裂痕缺陷增加检测难度,影响了炸药的生产质量与效率。针对上述存在的药卷包装裂痕多目标缺陷问题,本文以药卷为检测对象,研发基于视觉显著性和图像分块方差-加权特征值的药卷多目标缺陷检测方法,主要完成如下工作：(1)针对现场药卷特征构造药卷模型并进行特征分析,提取特征参数,区分正常药卷与缺陷药卷。(2)针对药卷表面裂痕缺陷,提出一种改进的Itti/Koch视觉注意力模型算法。该算法主要目的在于提取药卷图片中显性区域特征。首先采用图像预处理操作滤除药卷表面纹理特征对裂痕缺陷的干扰,然后运用改进的Itti/Koch模型,利用缺陷区分度的融合算子得到特征显著性图。仿真试验表明,该算法与GBVS模型、Itti模型进行对比,仿真结果表明本算法提取药卷显著性图的检测时间最快,准确率最高,满足生产要求。(3)针对药卷图片缺陷位置的识别与定位,提出一种基于图像分块方差-加权特征值(IPV-WEV)缺陷检测方法,可以同时识别并定位显著性图中多个缺陷位置。首先对显著性图进行分块,通过计算子图像方差,与整幅图像均方差对比,提取缺陷子图像；然后对缺陷子图像进行加权特征值计算,从而确定显著性图中多目标缺陷的位置。实验将该算法与WTA算法、区域生长对比表明, IPV-WEV算法在检测时间上明显优于其它两种算法,准确率较高,因为本算法可以一次性将图像中所有的缺陷目标都检测出来,而WTA算法、区域生长算法则需要多次的算法运行。(4)最后,应用在WindowsXP平台中,基于MATLAB R2010b中的图像处理工具箱编写缺陷检测程序。预处理过程及相关图像处理代码来自图像处理工具箱。仿真实验表明本文提出的多目标视觉检测系统可以快速、准确地识别并定位药卷图像中存在的多个裂痕缺陷。