一种基于防水布霍夫空间数据处理的异常识别方法与流程

计算;推算;计数设备的制造及其应用技术1.本发明涉及数据处理技术领域，具体涉及一种基于防水布霍夫空间数据处理的异常识别方法。背景技术：2.防水布是一种很重要的材料，在生产过程中要确保其质量保持在一定水平，质量不合格的防水布在实际应用中可能会带来很严重的影响。3.在对防水布进行生产的过程中，通常需要对防水布的质量进行初步检测；而一般进行防水布检测的方法为人工检测或者机器检测，利用人工检测的效率较低并且检测结果的误差较大；利用机器检测通常是根据霍夫变换或者累计概率霍夫变换将防水布表面所有的直线检测出来，然后对每条直线进行检测分析；但霍夫变换分析的计算量较大，累计概率霍夫变换也往往会由于阈值设置的不合适而导致检测的直线不完整，从而降低了缺陷检测的准确度。技术实现要素：4.为了解决上述技术问题，本发明的目的在于提供一种基于防水布霍夫空间数据处理的异常识别方法，该方法包括以下步骤：获取防水布表面区域的多帧初始图像；基于最佳阈值对任意所述初始图像进行累计概率霍夫变换得到所述初始图像中的所有直线，将所有所述直线在所述初始图像中进行标记；将标记出所有所述直线的初始图像划分为多个子块，获取每个所述子块中的疑似缺陷直线；将所述疑似缺陷直线定位至所述初始图像中，以所述疑似缺陷直线为中心构建疑似缺陷区域；获取所述疑似缺陷区域的平均灰度值和排列熵，根据所述平均灰度值和所述排列熵得到所述疑似缺陷区域的缺陷程度，当所述缺陷程度大于预设阈值时，所述疑似缺陷区域为缺陷区域；其中，获取所述最佳阈值的方法为：对所述初始图像进行标准霍夫变换得到多条标准直线；将所述初始图像中的像素点依次进行累计概率霍夫变换，基于自设阈值得到所述初始图像中多条直线；根据所有所述直线与所有所述标准直线的差异得到差异度；根据所述差异度以及所述自设阈值得到评价指标，每个所述自设阈值对应一个所述评价指标，所述评价指标最小时对应的自设阈值为最佳阈值。5.优选的，所述获取每个所述子块中的疑似缺陷直线的步骤，包括：计算每个所述子块中所有直线的平均长度，根据所述平均长度得到所述子块内的参差度；当所述参差度大于预设阈值时，计算所述子块内每条直线的长度与所述平均长度的差异，根据所述差异得到所述疑似缺陷直线。6.优选的，所述根据所述平均长度得到所述子块内的参差度的步骤，包括：获取任意所述子块内每条直线的长度与所述平均长度之间的差值，根据所述差值得到所述子块的参差度。7.优选的，所述以所述疑似缺陷直线为中心构建疑似缺陷区域的步骤，包括：以所述疑似缺陷直线为中心，向四周腐蚀扩张一定数量的像素点，腐蚀扩张区域为所述疑似缺陷区域。8.优选的，所述根据所述平均灰度值和所述排列熵得到所述疑似缺陷区域的缺陷程度的步骤，包括：选取任意大小的正常区域为目标区域，计算所述目标区域对应的所述平均灰度值和排列熵，根据所述疑似缺陷区域与所述目标区域分别对应的平均灰度值和排列熵得到所述缺陷程度为：其中，表示疑似缺陷区域对应的缺陷程度；表示疑似缺陷区域对应的平均灰度值；表示目标区域对应的平均灰度值；表示疑似缺陷区域对应的排列熵；表示目标区域对应的排列熵。9.优选的，所述根据所有所述直线与所有所述标准直线的差异得到差异度的步骤，包括：分别获取所有所述直线的数量、直线长度之和以及所有所述标准直线的数量、直线长度之和；根据所有所述直线的数量与所有所述标准直线的数量的差异、所有所述直线的长度之和与所有所述标准直线的长度之和的差异得到所述差异度。10.优选的，所述根据所述差异度以及所述自设阈值得到评价指标的步骤，包括：基于每个所述自设阈值得到不同的所有所述直线，根据不同的所有所述直线得到对应的差异度，将所述差异度与所述自设阈值进行加权求和得到所述评价指标。11.本发明具有如下有益效果：本发明实施例中通过累计概率霍夫变换检测防水布表面初始图像中所有直线的数量，通过多个不同的自设阈值的累计概率霍夫变换检测的直线信息得到检测的最佳阈值，基于检测完成的所有直线的灰度值以及长度信息初步判断防水布中的疑似缺陷直线，根据疑似缺陷直线构建疑似缺陷区域，结合排列熵以及平均灰度值得到每个疑似缺陷区域的缺陷程度，从而确定出每条疑似缺陷直线是否为确定的缺陷直线，根据部分像素点的累计概率霍夫变换得到完整的直线检测，在保证了检测效率的同时提高了检测的准确性，后续结合灰度值以及排列熵进行分析，增加了数据分析的可靠性。附图说明12.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术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，还可以根据这些附图获得其它附图。13.图1为本发明一个实施例所提供的一种基于霍夫变换的防水布缺陷检测的方法流程图。具体实施方式14.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于防水布霍夫空间数据处理的异常识别方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。15.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。16.本技术适用于对防水布表面缺陷直线检测的场景，为了解决现有累计概率霍夫变换阈值设置不佳，相对缺陷检测效率较低的问题，本发明实施例中基于最佳阈值获取防水布表面初始图像的多条直线，获取所有直线中的疑似缺陷直线，进一步根据每条疑似缺陷直线进行腐蚀扩张得到多个疑似缺陷区域，根据该疑似缺陷区域与正常区域之间的特征差异确定缺陷区域，同时确定缺陷直线找出该防水布表面存在缺陷的位置，在保证检测精确度的同时减少了检测处理的计算量，大大提高了效率。17.下面结合附图具体的说明本发明所提供的一种基于防水布霍夫空间数据处理的异常识别方法的具体方案。18.请参阅图1，其示出了本发明一个实施例提供的一种基于霍夫变换的防水布缺陷检测的方法流程图，该方法包括以下步骤：步骤s100，获取防水布表面区域的多帧初始图像；基于最佳阈值对任意初始图像进行累计概率霍夫变换得到初始图像中的所有直线，将所有直线在初始图像中进行标记。19.在防水布生产完成后的运输过程中，需要对防水布表面是否存在跳线、断线等缺陷进行检测，为提高分析检测的效率，本发明实施例中通过设置工业相机在输送防水布的传送带正上方进行图像采集，工业相机的拍摄频率根据传送带的传送速度以及长度自适应设置，以保证不会出现对防水布漏拍的情况。由此得到防水布的多帧表面图像，为了减少图像噪声的影响，对拍摄到的每帧表面图像进行去噪处理，本发明实施例中采用高斯去噪的方法对表面图像进行初步处理；对多帧表面图像分别去噪之后进行灰度化得到对应的多帧初始图像。20.进一步的，由于防水布上经纬线分布均匀，且除了经纬线之外基本没有图案纹理等因素的干扰，因此可以利用霍夫变换检测出该防水布表面的初始图像中所有的直线，以此作为分析该防水布表面的初始图像中是否存在跳线、断线等缺陷。21.而现有的霍夫变换算法是将待分析的图像中所有的像素点投影至霍夫空间中，再结合设定好的阈值得到图像中所有的直线，这种传统霍夫变换算法检测直线的速度很慢，为了加快直线识别的速度，本发明实施例中采用霍夫变换算法的改进算法累计概率霍夫变换，由于累计概率霍夫变换是选取部分点完成直线的检测，因此阈值的设置对检测出的直线的完整性有着至关重要的作用，在对防水布的多帧初始图像进行处理时，需要以最佳的阈值进行筛选。22.对初始图像进行标准霍夫变换得到多条标准直线；将初始图像中的像素点依次进行累计概率霍夫变换，基于自设阈值得到初始图像中多条直线；根据所有直线与所有标准直线的差异得到差异度；根据差异度以及自设阈值得到评价指标，每个自设阈值对应一个评价指标，评价指标最小时对应的自设阈值为最佳阈值。23.具体的，本发明实施例中获取最佳阈值的方法如下：以该防水布对应的第一帧初始图像为例，对该初始图像进行标准的霍夫变换得到多条标准直线，以标准霍夫变换检测到的多条标准直线作为基准进行分析。24.为提高检测效率，本发明实施例中在该初始图像中随机选取一个像素点为目标点，将其进行累计概率霍夫变换，以此类推，不断在初始图像中选取不同的目标点进行累计概率霍夫变换，当霍夫空间中存在累加次数数值超出自设阈值时，该累加点对应的多个目标点在初始图像中为一条直线，将该直线进行标注。25.进一步的，将已经确定的直线在初始图像进行剔除；然后将剩下的所有目标点依次进行累计概率霍夫变换，同理，将累加次数数值超出自设阈值时对应的目标点进行筛选标注。以此类推，基于自设阈值的累计概率霍夫变换得到该初始图像中的多条直线。由于标准的霍夫变换检测到的是同一方向上的直线，可能会存在某一条直线其实是两个或两个以上的线段构成，而累计概率霍夫变换由于是抽样检测，因此会检测出存在较短线段的情况，将累计概率霍夫变换检测出的在同一方向上的线段合并为一条直线。26.需要说明的是，本发明实施例中将自设阈值的取值范围设置为，其中，为标准霍夫变换的阈值。作为优选，本发明实施例中将标准霍夫变换的阈值设置为，即自设阈值的取值范围为；通过不同大小的自设阈值从而根据累计概率霍夫变换得到不同数量以及长度的直线；在其他实施例中，自设阈值的取值范围可根据实际情况自行设置。27.考虑到防水布表面经纬直线的特点，本发明实施例中将累计概率霍夫变换检测的方向规定在和，两个区间内，即在进行概率霍夫变换时只考虑这两个区间内的直线。28.进一步的，分别获取所有直线的数量、直线长度之和以及标准直线的数量、直线长度之和；根据所有直线的数量与所有标准直线的数量的差异、所有直线的长度之和与所有标准直线的长度之和的差异得到差异度。29.具体的，获取累计概率霍夫变换在任意自设阈值下得到的所有直线的数量以及直线的长度之和，接着获取标准霍夫变换得到的所有标准直线的数量以及所有标准直线的长度之和，由此获取累计概率霍夫变换与标准霍夫变换检测出直线之间的差异度为：其中，表示差异度；表示累计概率霍夫变换得到的所有直线的数量；表示标准霍夫变换得到的所有标准直线的数量；表示累计概率霍夫变换得到所有直线的长度之和；表示标准霍夫变换得到所有标准直线的长度之和。30.进一步的，由于上述对自设阈值的不断变化，通过累计概率霍夫变换可能会检测到部分斜直线，从而得到检测的直线数量增加，基于每个自设阈值得到不同的所有直线，根据不同的所有直线得到对应的差异度，将差异度与自设阈值进行加权求和得到评价指标为：其中，表示评价指标；表示当前自设阈值大小；表示差异度；表示自设阈值的权值；表示差异度的权值。31.作为优选，本发明实施例中设置。32.以此类推，根据不同的自设阈值以及不同自设阈值的累计概率霍夫变换得到直线的差异度获取多个评价指标，该评价指标最小时意味着自设阈值较小且差异度较小，其对应的算法的效率则越好，因此以评价指标最小时对应的自设阈值为最佳阈值，采用该最佳阈值对防水布的初始图像进行累计概率霍夫变换。对后续同一张防水布的多帧初始图像进行直线检测分析时，可直接采用该最佳阈值的累计概率霍夫变换对每帧初始图像中的直线进行分析检测。33.步骤s200，将标记出直线的初始图像划分为多个子块，获取每个子块中的疑似缺陷直线；将疑似缺陷直线定位至初始图像中，以疑似缺陷直线为中心构建疑似缺陷区域。34.由步骤s100得到初始图像内所有的直线并进行标记，为了保证仅有一条经线或者纬线有缺陷时也能被检测到，本发明实施例中将该标记后的初始图像分为多个子块，对每一个子块进行分析。35.具体的，获取任意子块内所有直线的平均长度，获取子块内每条直线的长度与平均长度之间的差值，根据差值得到子块的参差度；即每个子块内直线的参差度为：其中，表示第个子块对应的参差度；表示该子块中所有直线的数量；表示该子块中第条直线的长度；表示第个子块中所有直线的平均长度。36.获取该初始图像中每个子块对应的参差度，当该参差度大于预设阈值时，说明该子块内直线的长度差异较大，可能会存在跳线、断线等情况。37.作为优选，本发明实施例中将预设阈值设置为，即当该子块对应的参差度大于10时，说明该子块区域可能存在跳线、断线等缺陷。38.进一步的，获取该子块区域内每条直线的长度与平均长度之间的差异为：其中，表示任意一条直线的长度与平均长度的差异；表示任意一条直线的长度；表示第个子块中所有直线的平均长度。39.当该差异大于预设阈值时，说明此条直线的长度与平均长度之间的差异较大，将该条直线标记为疑似缺陷直线。40.作为优选，本发明实施例中将预设阈值设置为，即当任意一条直线的长度与该平均长度之间的差异大于5时，将该直线标记为疑似缺陷直线。41.将获取到的该子块内所有的疑似缺陷直线投影至原初始图像中，以疑似缺陷直线为中心，上下左右各腐蚀扩张一定数量的像素点，腐蚀扩张区域为疑似缺陷区域。即以每个疑似缺陷直线为中心位置进行上下左右的腐蚀扩张，从而得到一个区域记为疑似缺陷区域。42.作为优选，本发明实施例中以该疑似缺陷直线为中心上下左右各扩张20个像素点构成疑似缺陷区域。43.以此类推，获取每个子块中每个疑似缺陷直线对应的疑似缺陷区域，从而得到多个疑似缺陷区域。44.步骤s300，获取疑似缺陷区域的平均灰度值和排列熵，根据平均灰度值和排列熵得到疑似缺陷区域的缺陷程度，当缺陷程度大于预设阈值时，疑似缺陷区域为缺陷区域。45.具体的，由步骤s200中获取到多个疑似缺陷区域，对每个疑似缺陷区域进一步分析。选取任意大小的正常区域为目标区域；作为优选，本发明实施例中将目标区域设置为的区域。46.进一步的，计算每个疑似缺陷区域的排列熵以及目标区域的排列熵，用于度量时序数据的复杂度，根据排列熵来确定每个疑似缺陷区域的排列规律是否与目标区域的存在差异，本发明实施例中进行排列熵计算时选取参数的嵌入维度为3，时间延迟为1。47.由此计算每个疑似缺陷区域对应的缺陷程度为：其中，表示该疑似缺陷区域对应的缺陷程度；表示该疑似缺陷区域对应的平均灰度值；表示目标区域对应的平均灰度值；表示该疑似缺陷区域对应的排列熵；表示目标区域对应的排列熵。48.将获取到的每个疑似缺陷区域对应的缺陷程度进行归一化处理；当该疑似缺陷区域与目标区域的平均灰度值差异以及排列熵差异均较大时，即该疑似缺陷区域的缺陷程度大于预设阈值时，说明该疑似缺陷区域确实发生了跳线、断线等缺陷情况，该疑似缺陷区域即为缺陷区域，缺陷区域内的疑似缺陷直线即为确定的缺陷直线。49.作为优选，本发明实施例中将预设阈值取经验值为，即当缺陷程度的值大于0.05时，该疑似缺陷区域为缺陷区域，疑似缺陷直线为该防水布表面的存在缺陷的缺陷直线。50.综上所述，本发明实施例中通过对防水布的初始图像中的像素点依次进行累计概率霍夫变换，基于最佳阈值的累计概率霍夫变换得到多条直线，该概率霍夫变换的最佳阈值由每次不同自设阈值对应检测的出多条直线与标准直线的差异度得到；将基于最佳阈值获取到的多条直线在初始图像中进行标注，将该初始图像划分为多个子块进行分析，通过每个子块内每条直线对应的长度信息得到该子块内的疑似缺陷直线，进一步根据每条疑似缺陷直线进行腐蚀扩张得到多个疑似缺陷区域，获取该疑似缺陷区域内的排列熵和平均灰度值，根据该疑似缺陷区域与正常区域之间排列熵和平均灰度值的差异确定该疑似缺陷区域是否为缺陷区域，同时确定该疑似缺陷直线是否为缺陷直线，从而找出该防水布表面存在缺陷的位置，在保证检测精确度的同时减少了检测处理的计算量，大大提高了效率。51.需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。52.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。53.以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!