本發(fā)明涉及一種圖像識(shí)別技術(shù)領(lǐng)域，尤其涉及一種濾布缺陷破損檢測的方法、存儲(chǔ)介質(zhì)及裝置。

背景技術(shù)：

目前，特征區(qū)域面積法進(jìn)行濾布破損缺陷識(shí)別時(shí)，是基于破洞透光的原理，對于穿透性類別的破損其檢出率高達(dá)95.46％，而對于磨損類別的破損檢測率低于20％，檢測結(jié)果表明對于磨損類別的檢測效果差。

svm分類器模型進(jìn)行濾布破損缺陷檢測時(shí)，是根據(jù)濾布的紋理特征是否被破壞從而判別濾布圖像中是否有破損的，對于磨損類別的破損檢出率高于95％，而對于穿透性的破損其檢出率接近75％，對穿透性類別檢測效果差。

但是，現(xiàn)有的方法存在以下缺陷：

特征區(qū)域面積檢測結(jié)果表明對于磨損類別的檢測效果差，svm分類器模型對穿透性類別檢測效果差。

技術(shù)實(shí)現(xiàn)要素：

為了克服現(xiàn)有技術(shù)的不足，本發(fā)明的目的之一在于提供一種濾布缺陷破損檢測的方法，其能增強(qiáng)檢測系統(tǒng)的破損識(shí)別能力。

本發(fā)明的目的之二在于一種電子設(shè)備，其能增強(qiáng)檢測系統(tǒng)的破損識(shí)別能力。

本發(fā)明的目的之三在于一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其能增強(qiáng)檢測系統(tǒng)的破損識(shí)別能力。

本發(fā)明的目的之四在于提供一種濾布缺陷破損檢測的裝置，其能增強(qiáng)檢測系統(tǒng)的破損識(shí)別能力。

本發(fā)明的目的之一采用如下技術(shù)方案實(shí)現(xiàn)：

一種濾布缺陷破損檢測的方法，包括以下步驟：

特征區(qū)域面積檢測步驟：通過特征區(qū)域面積法對濾布進(jìn)行破損檢測；

svm分類檢測步驟：對破損檢測后的濾布再通過svm分類處理以得到濾布破損狀況。

進(jìn)一步地，所述特征區(qū)域面積檢測步驟具體包括以下子步驟：

圖像處理步驟：獲取濾布的圖像信息并對其進(jìn)行濾波以及圖像增強(qiáng)；

二值化步驟：根據(jù)二值化公式對濾布的圖像信息進(jìn)行二值化處理；

面積計(jì)算步驟：根據(jù)破損面積公式以得濾布破損面積；

判斷步驟：判斷濾布破損面積是否大于預(yù)設(shè)值，如果是，則判定為破損區(qū)域，如果不是，則判定為非破損區(qū)域。

進(jìn)一步地，所述svm分類檢測步驟具體包括以下子步驟：

計(jì)算步驟：根據(jù)灰度圖像的灰度等級(jí)計(jì)算灰度共生矩陣的大小l²；

灰度獲取步驟：取灰度圖像中的一點(diǎn)k(x，y)，取另一點(diǎn)q(x+a，y+b)，將該像素點(diǎn)對的灰度值記為(i，j)；

信息獲取步驟：點(diǎn)k在灰度圖像上進(jìn)行移動(dòng)，并記錄得到各個(gè)像素點(diǎn)對的(i，j)及距離值；

頻數(shù)計(jì)算步驟：統(tǒng)計(jì)灰度圖像中相距為的像素對出現(xiàn)的頻數(shù)n(i，j)；

共生矩陣獲取步驟：將統(tǒng)計(jì)得到的每一對(i，j)出現(xiàn)的聯(lián)合頻數(shù)n(i，j)排列成一個(gè)矩陣h(i，j)，其中i和j分別表示矩陣中第i行和第j列，矩陣h(i，j)即為所求的灰度共生矩陣。

本發(fā)明的目的之二采用如下技術(shù)方案實(shí)現(xiàn)：

一種電子設(shè)備，包括：處理器；

存儲(chǔ)器；以及程序，其中所述程序被存儲(chǔ)在所述存儲(chǔ)器中，并且被配置成由處理器執(zhí)行，所述程序包括用于執(zhí)行：

特征區(qū)域面積檢測步驟：通過特征區(qū)域面積法對濾布進(jìn)行破損檢測；

svm分類檢測步驟：對破損檢測后的濾布再通過svm分類處理以得到濾布破損狀況。

進(jìn)一步地，所述特征區(qū)域面積檢測步驟具體包括以下子步驟：

圖像處理步驟：獲取濾布的圖像信息并對其進(jìn)行濾波以及圖像增強(qiáng)；

二值化步驟：根據(jù)二值化公式對濾布的圖像信息進(jìn)行二值化處理；

面積計(jì)算步驟：根據(jù)破損面積公式以得濾布破損面積；

判斷步驟：判斷濾布破損面積是否大于預(yù)設(shè)值，如果是，則判定為破損區(qū)域，如果不是，則判定為非破損區(qū)域。

進(jìn)一步地，所述svm分類檢測步驟具體包括以下子步驟：

計(jì)算步驟：根據(jù)灰度圖像的灰度等級(jí)計(jì)算灰度共生矩陣的大小l²；

灰度獲取步驟：取灰度圖像中的一點(diǎn)k(x，y)，取另一點(diǎn)q(x+a，y+b)，將該像素點(diǎn)對的灰度值記為(i，j)；

信息獲取步驟：點(diǎn)k在灰度圖像上進(jìn)行移動(dòng)，并記錄得到各個(gè)像素點(diǎn)對的(i，j)及距離值；

頻數(shù)計(jì)算步驟：統(tǒng)計(jì)灰度圖像中相距為的像素對出現(xiàn)的頻數(shù)n(i，j)；

共生矩陣獲取步驟：將統(tǒng)計(jì)得到的每一對(i，j)出現(xiàn)的聯(lián)合頻數(shù)n(i，j)排列成一個(gè)矩陣h(i，j)，其中i和j分別表示矩陣中第i行和第j列，矩陣h(i，j)即為所求的灰度共生矩陣。

本發(fā)明的目的之三采用如下技術(shù)方案實(shí)現(xiàn)：

一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于：所述計(jì)算機(jī)程序被處理器執(zhí)行如上任意一項(xiàng)所述的方法。

本發(fā)明的目的之四采用如下技術(shù)方案實(shí)現(xiàn)：

一種濾布缺陷破損檢測的裝置，包括以下模塊：

特征區(qū)域面積檢測模塊：用于通過特征區(qū)域面積法對濾布進(jìn)行破損檢測；

svm分類檢測模塊：用于對破損檢測后的濾布再通過svm分類處理以得到濾布破損狀況。

進(jìn)一步地，所述特征區(qū)域面積檢測模塊具體包括以下子模塊：

圖像處理模塊：用于獲取濾布的圖像信息并對其進(jìn)行濾波以及圖像增強(qiáng)；

二值化模塊：用于根據(jù)二值化公式對濾布的圖像信息進(jìn)行二值化處理；

面積計(jì)算模塊：用于根據(jù)破損面積公式以得濾布破損面積；

判斷模塊：用于判斷濾布破損面積是否大于預(yù)設(shè)值，如果是，則判斷為破損區(qū)域，如果不是，則判定為非破損區(qū)域。

進(jìn)一步地，所述svm分類檢測模塊具體包括以下子模塊：

計(jì)算模塊：用于根據(jù)灰度圖像的灰度等級(jí)計(jì)算灰度共生矩陣的大小l²；

灰度獲取模塊：用于取灰度圖像中的一點(diǎn)k(x，y)，取另一點(diǎn)q(x+a，y+b)，將該像素點(diǎn)對的灰度值記為(i，j)；

信息獲取模塊：用于并記錄點(diǎn)k在灰度圖像上進(jìn)行移動(dòng)得到的各個(gè)像素點(diǎn)對的(i，j)及距離值；

頻數(shù)計(jì)算模塊：用于統(tǒng)計(jì)灰度圖像中相距為的像素對出現(xiàn)的頻數(shù)n(i，j)；

共生矩陣獲取模塊：用于將統(tǒng)計(jì)得到的每一對(i，j)出現(xiàn)的聯(lián)合頻數(shù)n(i，j)排列成一個(gè)矩陣h(i，j)，其中i和j分別表示矩陣中第i行和第j列，矩陣h(i，j)即為所求的灰度共生矩陣。

相比現(xiàn)有技術(shù)，本發(fā)明的有益效果在于：

本發(fā)明將特征區(qū)域面積檢測、svm分類檢測進(jìn)行結(jié)合，通過這種串級(jí)檢測方式來提供破損的識(shí)別率和降低誤檢率。

附圖說明

圖1為本發(fā)明的濾布破損檢測的方法的流程圖；

圖2為本發(fā)明的濾布破損檢測的裝置的結(jié)構(gòu)示意圖；

圖3為濾布的二值化圖像特征示意圖。

具體實(shí)施方式

下面，結(jié)合附圖以及具體實(shí)施方式，對本發(fā)明做進(jìn)一步描述，需要說明的是，在不相沖突的前提下，以下描述的各實(shí)施例之間或各技術(shù)特征之間可以任意組合形成新的實(shí)施例。

如圖1所示，本發(fā)明提供了一種濾布缺陷破損檢測的方法，包括以下步驟：

步驟s1：通過特征區(qū)域面積法對濾布進(jìn)行破損檢測；所述步驟s1具體包括以下子步驟：

步驟s11：獲取濾布的圖像信息并對其進(jìn)行濾波以及圖像增強(qiáng)；

步驟s12：根據(jù)二值化公式對濾布的圖像信息進(jìn)行二值化處理；其中灰度圖像二值化的計(jì)算公式：

其中：g(x，y)和f(x，y)分別表示二值化前和二值化后的圖像，為二值化閥值；如圖3所示，其為二值化后的圖像，圖中每個(gè)數(shù)值(0，255)即表示二值化后像素點(diǎn)的灰度值。

步驟s13：根據(jù)破損面積公式以得濾布破損面積；根據(jù)每個(gè)像素所占的面積進(jìn)行換算即可求得破損面積，該公式如下：s＝n*k，其中s表示面積，n表示像素點(diǎn)數(shù)目，k表示比例系數(shù)(一個(gè)像素點(diǎn)所占面積)；

步驟s14：判斷濾布破損面積是否大于預(yù)設(shè)值，如果是，則判定為破損區(qū)域，如果不是，則判定為非破損區(qū)域。上述為前級(jí)的特征檢測；

步驟s2：對破損檢測后的濾布再通過svm分類處理以得到濾布破損狀況。所述步驟s2具體包括以下子步驟：

步驟s21：根據(jù)灰度圖像的灰度等級(jí)計(jì)算灰度共生矩陣的大小l²；如果必要的話，也可先將圖像的灰度登記降低(如16或32等)

步驟s22：取灰度圖像中的一點(diǎn)k(x，y)，取另一點(diǎn)q(x+a，y+b)，將該像素點(diǎn)對的灰度值記為(i，j)；

步驟s23：點(diǎn)k在灰度圖像上進(jìn)行移動(dòng)，并記錄得到各個(gè)像素點(diǎn)對的(i，j)及距離值；

步驟s24：統(tǒng)計(jì)灰度圖像中相距為的像素對出現(xiàn)的頻數(shù)n(i，j)；

步驟s25：將統(tǒng)計(jì)得到的每一對(i，j)出現(xiàn)的聯(lián)合頻數(shù)n(i，j)排列成一個(gè)矩陣h(i，j)，其中i和j分別表示矩陣中第i行和第j列，矩陣h(i，j)即為所求的灰度共生矩陣。除了上述的svm檢測步驟之外，還可以先進(jìn)行歸一化處理之后再構(gòu)建共生矩陣。采用將特征區(qū)域面積法和svm二分類器檢測模型法構(gòu)成串級(jí)檢測方式時(shí)，兩種檢測方式的優(yōu)缺點(diǎn)能夠進(jìn)行互補(bǔ)，增加檢測系統(tǒng)的破損識(shí)別能力。串級(jí)檢測方式相對于單級(jí)檢測方式而言，有更高的破損識(shí)別率和誤檢率。

本發(fā)明公開了一種電子設(shè)備，包括一個(gè)或多個(gè)處理器、存儲(chǔ)器以及一個(gè)或者多個(gè)程序，其中一個(gè)或多個(gè)程序被存儲(chǔ)在存儲(chǔ)器中，并且被配置成由一個(gè)或多個(gè)處理器執(zhí)行，程序包括用于執(zhí)行上述方法，或者本發(fā)明的方法存儲(chǔ)在可讀的存儲(chǔ)介質(zhì)上，并且該方法程序可以被處理器執(zhí)行。該電子設(shè)備可以是手機(jī)、電腦、平板電腦等等一系列的電子設(shè)備。

如圖2所示，本發(fā)明還提供了一種濾布缺陷破損檢測的裝置，包括以下模塊：

特征區(qū)域面積檢測模塊：用于通過特征區(qū)域面積法對濾布進(jìn)行破損檢測；所述特征區(qū)域面積檢測模塊具體包括以下子模塊：

圖像處理模塊：用于獲取濾布的圖像信息并對其進(jìn)行濾波以及圖像增強(qiáng)；

二值化模塊：用于根據(jù)二值化公式對濾布的圖像信息進(jìn)行二值化處理；

面積計(jì)算模塊：用于根據(jù)破損面積公式以得濾布破損面積；

判斷模塊：用于判斷濾布破損面積是否大于預(yù)設(shè)值，如果是，則判定為破損區(qū)域，如果不是，則判定為非破損區(qū)域。

svm分類檢測模塊：用于對破損檢測后的濾布再通過svm分類處理以得到濾布破損狀況。所述svm分類檢測模塊具體包括以下子模塊：

計(jì)算模塊：用于根據(jù)灰度圖像的灰度等級(jí)計(jì)算灰度共生矩陣的大小l²；

灰度獲取模塊：用于取灰度圖像中的一點(diǎn)k(x，y)，取另一點(diǎn)q(x+a，y+b)，將該像素點(diǎn)對的灰度值記為(i，j)；

信息獲取模塊：用于并記錄點(diǎn)k在灰度圖像上進(jìn)行移動(dòng)得到的各個(gè)像素點(diǎn)對的(i，j)及距離值；

頻數(shù)計(jì)算模塊：用于統(tǒng)計(jì)灰度圖像中相距為的像素對出現(xiàn)的頻數(shù)n(i，j)；

共生矩陣獲取模塊：用于將統(tǒng)計(jì)得到的每一對(i，j)出現(xiàn)的聯(lián)合頻數(shù)n(i，j)排列成一個(gè)矩陣h(i，j)，其中i和j分別表示矩陣中第i行和第j列，矩陣h(i，j)即為所求的灰度共生矩陣。

上述實(shí)施方式僅為本發(fā)明的優(yōu)選實(shí)施方式，不能以此來限定本發(fā)明保護(hù)的范圍，本領(lǐng)域的技術(shù)人員在本發(fā)明的基礎(chǔ)上所做的任何非實(shí)質(zhì)性的變化及替換均屬于本發(fā)明所要求保護(hù)的范圍。