[发明专利]低亮度多角度环境下皮带损伤样本的优化和预处理方法

说明书

本发明属于皮带损伤样本优化和预处理技术领域，具体技术方案为：低亮度多角度环境下皮带损伤样本的优化和预处理方法，具体步骤如下：一、采用工业相机对皮带进行拍照取样；二、确定拍摄图片内的干扰区域，将干扰区域内的各个顶点按顺序使用直线相连，构成所需的填充区域，对填充区域进行颜色填充；三、对拍摄图片的皮带图像上端两顶点拉伸至图片的两个上端点，对拍摄图片的皮带图像下端两端点拉伸至图片的两个下端点，皮带图像铺满整个拍摄图片；四、调整步骤三中处理后图像的局部对比度，削弱局部图像对比度过度增强和抑制噪声信号放大；五、对图片进行自适应均衡化；本发明消除了干扰区域对AI判断的影响，提高了AI判断的准确性。

技术领域

本发明属于皮带损伤样本优化和预处理技术领域，具体涉及一种应用于低亮度多角度环境下工业相机拍摄到的皮带损伤样本的优化和预处理方法。

背景技术

在煤矿的工业生产中，皮带输送的整体环境非常复杂。工业相机的选址非常苛刻，实际环境下，相机的角度等情况并不能满足我们预期的图片效果。故在没法调整安装位置及角度的条件下，我们只能在图像处理方面下手。而且拍摄环境的亮度整体偏暗，随着时间变化亮度有所变化，这种变化对于人工智能的图片识别会有很大的影响，使得学习结果出现一些误差。

为了克服硬件方面难以克服的困难，本领域的技术人员在软件方面做了克服，设计了图片预处理的方法，来克服硬件环境无法满足人工智能学习要求的弊端。在实际的安装角度下，我们无法保证整个皮带充满图片区域，不可能使皮带两边正好与图片两边重合，故实际拍摄的图片存在有皮带以外的内容，如输送支架、墙体窗户等无关区域。这些皮带以外的无关区域会对人工智能的图片识别造成很大的干扰，无法保证其识别结果的准确性。

另外，当拍摄环境内的亮度很低时，图片效果会整体很黑，基本不满足检测条件，通过直方图均衡会得到较亮的，满足条件的图片，随着外部亮度随时间变化的因素，普通的直方图均衡并不能持续的保证其最佳效果。

发明内容

为解决现有技术存在的技术问题，本发明提供了一种应用于低亮度多角度环境下工业相机拍摄到的皮带损伤样本的优化和预处理方法。

为实现上述目的，本发明所采用的技术方案为：低亮度多角度环境下皮带损伤样本的优化和预处理方法，具体步骤如下：

步骤一、采用工业相机对皮带进行拍照取样；

步骤二、确定拍摄图片内的干扰区域，将干扰区域内的各个顶点按顺序使用直线相连，构成所需的填充区域，对填充区域进行颜色填充；

步骤三、对拍摄图片的皮带图像上端两顶点拉伸至图片的两个上端点，对拍摄图片的皮带图像下端两端点拉伸至图片的两个下端点，皮带图像铺满整个拍摄图片；

步骤四、调整步骤三中处理后图像的局部对比度，削弱局部图像对比度过度增强和抑制噪声信号放大，并为图片匹配颜色对比度阙值limit；

步骤五：对图片进行自适应均衡化。

在步骤二中，使用fillPoly函数对填充区域进行黑色填充。

其中，作为优选的，使用cv2.fillPoly(frame,[triangleLeft,triangleRight],(0,0,0))函数对填充区域进行颜色填充；

其中，frame表示将要修改的图片；第二参数为列表，列表中每个元素为一个numpy类型的序列，标识需要填图区域的顶点，填充区域会将顶点按顺序使用直线相连，构成所需要的填充区域；第三参数标识填充的颜色值，fillPoly函数向皮带以外的填充区域内填充黑色。

在步骤三中，使用getPerspectiveTransform函数对拍摄图片进行透视变换。