[发明专利]一种陶瓦智能在线检测与自动分级方法和系统

权利要求书

1.一种陶瓦智能在线检测与自动分级方法，其特征在于，包括如下步骤：

获取待检测陶瓦的图像数据，分别对所述图像数据进行裂纹缺陷检测、缺角缺陷检测、色差缺陷检测、缺釉缺陷检测和鼓包缺陷检测，依据上述缺陷检测结果获取待检测陶瓦的等级，其中，

所述裂纹缺陷检测为对图像数据进行第一预处理，采用自定义滑动滤波和自动区域生长法提取缺陷特征，依据提取的缺陷特征判断待检测陶瓦是否存在裂纹缺陷及对应的缺陷等级；

将提取到的缺陷特征，对其长宽比，面积进行计算，判断其是否存在缺陷，缺陷面积的计算公式为：

其中，f(x,y)为缺陷的像素点，I为缺陷区域，A为缺陷的总像素点，

长宽比的计算公式为：

其中，N_x为缺陷区域的最长的长度，N_y为缺陷区域的最大的宽度，B为长宽比；

当A大于50像素同时B大于5时，判断此处缺陷为裂纹缺陷；

所述缺角缺陷检测为对图像数据进行第二预处理，采用自适应阈值分割算法提取陶瓦缺角特征并计算缺角面积；

所述色差缺陷检测为对图像数据进行第二预处理，采用自适应阈值分割算法提取陶瓦色差特征并计算色差面积；

所述缺釉缺陷检测为依据图像数据对待检测陶瓦进行颜色判别，采用不同算法对不同颜色的待检测陶瓦进行图像预处理、图像分割、特征提取及对应的缺陷等级；

所述颜色判别具体为：

将图像数据转换为HSV格式的图像，对比三个通道的均值大小，以判断待检测陶瓦的颜色；

待检测陶瓦为第一颜色，将图像数据转换为NTSV格式的图像，对NTSV格式的图像的三个通道分别做高斯滤波，再对二通道图像和三通道图像分别做全局阈值分割得到待检测图像的二值化图像，对二值化图像做腐蚀运算以实现缺陷特征提取；

待检测陶瓦为第二颜色，将图像数据转换为HSV格式的图像，采用明暗异常检测算法对HSV格式的图像进行分割，以实现缺陷特征提取；

具体为，先将图像进行归一化后，再对陶瓦区域等间距分割，分割区域进行均值和方差计算，f(x,y)为像素值，其中A×B表示分割区域尺寸；

d＝μ-3σ

如果某个值距离分布的均值μ超过了3σ，那么f(x,y)小于时，则该像素点为异常点；

判断对应的缺釉缺陷等级具体为，对二值化图像的每个连通域进行长度的特征提取；

通过对特征值的分析判断得出陶瓦表面有无缺釉缺陷存在；

设N_x为x方向上的像素总和，N_y为y方向上的像素总和，缺陷的长度L为：

L小于30个像素，判断不存在缺釉，否则，有缺釉存在，输出缺釉参数；

所述鼓包缺陷检测为对图像数据进行第二预处理，分别采用自定义滑动滤波器滤波、线性中值滤波和插值低通滤波对预处理后的图像进行滤波，采用阈值分割法提取缺陷特征，依据提取的缺陷特征判断待检测陶瓦是否存在裂纹缺陷及对应的缺陷等级。

2.根据权利要求1所述的一种陶瓦智能在线检测与自动分级方法，其特征在于，所述第一预处理为对图像数据进行颜色空间变换，采用RGB图像中红色通道的图像，选取预设模板对红色通道的图像进行中值滤波。

3.根据权利要求1或2所述的一种陶瓦智能在线检测与自动分级方法，其特征在于，所述自定义滑动滤波为采用双窗模型对第一预处理后的图像进行滑动滤波，双窗模型的外窗为背景区域，内窗为检测区域。

4.根据权利要求3所述的一种陶瓦智能在线检测与自动分级方法，其特征在于，所述自动区域生长法具体为，对裂纹区域进行局部窗口扫描，通过比较局部窗口的均值和中心值的数值确定种子点；设定终止生长的阈值，计算待标记点与邻点的像素差的绝对值，则待标记点为种子点，对待标记点继续区域生长，遍历所有待标记点提取种子点。

5.根据权利要求1所述的一种陶瓦智能在线检测与自动分级方法，其特征在于，所述第二预处理为对图像数据进行灰度化。