[发明专利]基于图像处理的整芯阻燃输送带质量检测方法及相关装置

说明书

本发明涉及图像处理技术领域，具体涉及基于图像处理的整芯阻燃输送带质量检测方法及相关装置，包括：获取输送带的检测待测图像，并基于待测图像中各个像素点在第一预设方向上的梯度幅值将像素点分为第一像素点组合和第二像素点组合；计算第一像素点组合中每一像素点的第一灰度值；计算第二像素点组合中每一像素点在第二预设方向上的权重和像素点在每一方向上的灰度值对应的预测值，并基于权重和预测值计算得到第二像素点组合中每一像素点的第二灰度值；基于第一灰度值和第二灰度值得到待测图像对应的超分辨率图像；基于超分辨率图像进行质量检测。该方法可以提高质量检测的准确率。

技术领域

本发明涉及图像处理领域，具体涉及一种基于图像处理的整芯阻燃输送带质量检测方法以及相关装置。

背景技术

整芯阻燃输送带的表面是否存在缺陷是衡量其安全性能的主要指标之一，其表面缺陷越多，阻燃效果越差，即安全性能越差。而图像的采集过程中常常会受到各种干扰，造成图像质量较差，通过图像对整芯阻燃输送带进行质量检测时，效果往往不理想，因此对采集到的图像使用图像超分辨率技术，增大图像的分辨率，提高图像质量，对其进行质量检测时的结果更准确。

传统的图像超分辨率算法都有其局限性，对图像质量的提高并不明显，无法达到质量检测的目的。传统的超分辨率算法有基于插值的超分辨率算法，如最邻近插值法，会造成图像的不连续，在灰度变化的地方会出现明显的锯齿状，双线性插值法与双三次插值法，对图像超分辨的效果较好，整体上较为平滑，但没有考虑边缘的特性，图像经过处理后存在模糊的现象，影响图像质量，增大了质量检测的难度；有基于神经网络的超分辨率算法，如SRCNN神经网络模型，相对于传统的识别算法，对图像边缘的处理更清晰，细节恢复效果好一些，但前期需要花费大量的人力物力对大量图像进行打标签，且在神经网络中进行训练也需要大量时间。因此，现有技术亟待改进。

发明内容

为解决上述技术问题，本发明提供一种基于图像处理的整芯阻燃输送带质量检测方法以及相关装置。

第一方面，本申请提供一种基于图像处理的整芯阻燃输送带质量检测方法，包括：获取输送带的检测待测图像，并基于所述待测图像中各个像素点在第一预设方向上的梯度幅值将所述像素点分为第一像素点组合和第二像素点组合，所述第一像素点组合包括无梯度幅值的像素点，所述第二像素点组合包括有梯度幅值的像素点；计算所述第一像素点组合中每一像素点的第一灰度值；计算所述第二像素点组合中每一像素点在第二预设方向上的权重和所述像素点在每一方向上的灰度值对应的预测值，并基于所述权重和所述预测值计算得到所述第二像素点组合中每一像素点的第二灰度值；基于第一灰度值和所述第二灰度值得到所述待测图像对应的超分辨率图像；基于所述超分辨率图像进行质量检测。

在一可选实施例中，所述获取输送带的检测待测图像，包括：获取输送带的初始图像；提取所述初始图像中的感兴趣区域，并将所述感兴趣区域转化为灰度图像，以得到所述待测图像。

在一可选实施例中，所述第一预设方向包括所述像素点的0°、45°、90°、135°方向；所述基于所述待测图像中各个像素点在第一预设方向上的梯度幅值将所述像素点分为第一像素点组合和第二像素点组合，包括：利用索伯算子计算每一像素点在0°、90°、180°方向上的梯度幅值；通过所述像素点在0°、90°方向上的梯度幅值的比值计算所述像素点在45°方向的梯度幅值，通过所述像素点在90°、180°方向上的梯度幅值的比值计算所述像素点在135°方向的梯度幅值；确定每一像素点在所述第一预设方向上的梯度幅值的最大值，如果所述最大值大于或等于梯度幅值阈值，则确定所述像素点为有梯度幅值的像素点；如果所述最大值小于所述梯度幅值阈值，则确定所述像素点为无梯度幅值的像素点。