基于图像处理的消防水带表面质量检测方法及系统与流程

1.本发明涉及图像处理技术领域，具体涉及一种基于图像处理的消防水带表面质量检测方法及系统。


背景技术：

2.随着人们对消防安全越来越重视，消防事务日益受到社会各界的关注和重视，消防工作的每个环节都关系到火灾现场的实际效果以及受灾程度。在发生火灾时，对水的需求量非常大，通常需要多个出水口同时进行供水，而且水源、大型消防车无法直达火源附近，需要使用消防水带较远距离铺设进行灭火。
3.消防水带是生活中常见的消防设备，在消防水带生产加工的过程中，对消防水带的表面质量有严格的要求。消防水带以橡胶为内衬，外表面包裹着亚麻编织物，在消防水带的国家标准中指出，消防水带的织物层应编织的均匀，表面整洁；无跳双经、断双经、跳纬及划伤。故在消防水带的生产过程中需要对消防水带的表面质量进行检测，现有的对消防水带的表面质量的检测方法通常是，根据人为的经验来观察消防水带的表面质量，不仅费时费力，而且效率低下。


技术实现要素：

4.本发明的目的在于提供一种基于图像处理的消防水带表面质量检测方法及系统，用于解决人为经验检测消防水带的表面质量效率低下的问题。
5.为了解决上述技术问题，本发明所采用的技术方案具体如下：本发明提供了一种基于图像处理的消防水带表面质量检测方法，该方法包括以下步骤：获取待检测的消防水带的表面图像，进而得到表面图像的紧固区域和编织区域；计算紧固区域中的各个连通域中各个轮廓点的特征向量，并根据紧固区域中的各个连通域中各个轮廓点的特征向量和紧固区域中的各个连通域中各个像素点的位置，确定紧固区域中的任意两相邻连通域之间的分布关系指标值；根据紧固区域中的任意两相邻连通域之间的分布关系指标值，确定紧固区域中的各个连通域的质量评估指标值；对编织区域进行超像素块划分，得到编织区域的各个超像素块，计算各个超像素块中各个轮廓点的特征向量，并根据各个超像素块中各个轮廓点的特征向量和各个超像素块中的各个像素点的位置，确定各个超像素块与其邻域超像素块之间的分布关系指标值；根据各个超像素块与其邻域超像素块之间的分布关系指标值，确定各个超像素块的质量评估指标值；根据紧固区域中的各个连通域的质量评估指标值和各个超像素块的质量评估指标值，确定待检测的消防水带的质量评估结果。
6.进一步地，确定紧固区域中的任意两相邻连通域之间的分布关系指标值的步骤包
括：按照待确定的位置变换矩阵，对紧固区域中的两相邻连通域中的第一连通域中各个像素点的位置进行平移、缩放和旋转处理，得到处理后的第一连通域中各个像素点的位置；计算处理后的第一连通域中各个轮廓点的特征向量，并根据处理后的第一连通域中各个轮廓点的特征向量以及该两相邻连通域中的第二连通域中各个轮廓点的特征向量，构建目标函数和约束条件；根据约束条件，求解目标函数取得最小值时所对应的位置变换矩阵，并根据求解出的位置变换矩阵以及目标函数的最小值，确定该两相邻连通域之间的分布关系指标值。
7.进一步地，目标函数和约束条件对应的计算公式为：目标函数为：约束条件为：约束条件为：其中，为处理后的第一连通域中第个轮廓点和第二连通域中第个轮廓点的欧氏距离，，为处理后的第一连通域中第个轮廓点的特征向量，为第二连通域中第个轮廓点的特征向量，为处理后的第一连通域中的轮廓点的数量，为第二连通域中的轮廓点的数量，为处理后的第一连通域中第个轮廓点与第二连通域中第个轮廓点的关联系数。
8.进一步地，分布关系指标值对应的计算公式为：其中，为紧固区域中的相邻的第个连通域与第个连通域之间的分布关系指标值，为位置变换矩阵中的平移矩阵，为位置变换矩阵中的缩放矩阵，为位置变换矩阵中的旋转矩阵，为自然常数，为目标函数的最小值。
9.进一步地，确定紧固区域中的各个连通域的质量评估指标值的步骤包括：根据紧固区域中的任意两相邻连通域之间的分布关系指标值，得到紧固区域中的任意两相邻连通域之间的分布关系指标值的偏差程度；根据紧固区域中的任意两相邻连通域之间的分布关系指标值的偏差程度，得到紧
固区域中的各个连通域的质量评估指标值。
10.进一步地，紧固区域各个连通域的质量评估指标值的计算公式为：其中，为紧固区域中的第个连通域的质量评估指标值，为紧固区域中的相邻的第个连通域和第个连通域之间的分布关系指标值的偏差程度，为紧固区域中的相邻的第个连通域和第个连通域的分布关系指标值的偏差程度。
11.进一步地，确定各个超像素块的质量评估指标值的步骤包括：根据各个超像素块与其邻域超像素块之间的分布关系指标值，得到各个超像素块的特征值；对各个超像素块的特征值进行统计，确定相同的特征值所对应的数目，并根据相同的特征值所对应的数目，得到正常超像素块的特征值；根据各个超像素块的特征值和正常超像素块的特征值，得到各个超像素块的质量评估指标值。
12.进一步地，各个超像素块的质量评估指标值的计算公式为：其中，为第个超像素块的质量评估指标值，为第个超像素块的特征值，为正常超像素块的特征值。
13.进一步地，确定待检测的消防水带的质量评估结果的步骤包括：根据紧固区域中的各个连通域的质量评估指标值，得到紧固区域的表面质量结果图；根据各个超像素块的质量评估指标值，得到编织区域的表面质量结果图；根据紧固区域的表面质量结果图和编织区域的表面质量结果图，得到消防水带的最终表面质量结果图；根据消防水带的最终表面质量结果图，确定待检测的消防水带的质量评估结果。
14.本发明还提供了一种基于图像处理的消防水带表面质量检测系统，包括处理器和存储器，处理器用于处理存储在存储器中的指令以实现上述的基于图像处理的消防水带表面质量检测方法。
15.本发明具有如下有益效果：本发明通过获取待检测的消防水带的表面图像，利用颜色分割获得消防水带表面的紧固区域和编织区域，确定紧固区域中的任意两相邻连通域之间的分布关系指标值，该分布关系指标值既能体现连通域的相似性又可以反应空间位置关系，根据紧固区域中的任意两相邻连通域之间的分布关系指标值，进而确定紧固区域中的各个连通域的质量评估指标值，对编织区域进行超像素块划分，根据各个超像素块中各个轮廓点的特征向量和位置，确定各个超像素块与其邻域超像素块之间的分布关系指标值，进而确定各个超像素块的质量评估指标值，最终确定待检测的消防水带的质量评估结果。本发明通过对待检测的消防
水带的紧固区域和编织区域的相邻连通域和相邻超像素块的相似性和空间位置关系进行分析，可以准确得到消防水带的表面质量检测结果，与根据经验和人为观察进行消防水带的表面质量检测相比，检测结果更准确，效率更高。
附图说明
16.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。
17.图1为本发明的基于图像处理的消防水带表面质量检测方法步骤流程图；图2为本发明消防水带的表面示意图。
具体实施方式
18.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技术方案的具体实施方式、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。
19.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。
20.下面结合附图具体的说明本发明所提供的一种基于图像处理的消防水带表面质量检测方法及系统的具体方案。
21.请参阅图1，其示出了本发明一个实施例提供的一种基于图像处理的消防水带表面质量检测方法的步骤流程图，该方法包括以下步骤：步骤1：获取待检测的消防水带的表面图像，进而得到表面图像的紧固区域和编织区域。
22.本实施例将消防水带分为两个区域：紧固区域g和编织区域h，如图2所示，编织区域为消防水带的主体区域，占据整个水带表面的大部分区域，紧固区域为编织区域中间或两侧用于紧固内衬的区域，根据消防水带中的紧固区域和编织区域在颜色上存在明显差异，设置rgb相机对生产出的消防水带表面进行拍摄，得到消防水带的表面图像，故将采集到的消防水带的表面rgb图像转换为hsv颜色空间，根据先验设定的三通道阈值即可得到消防水带表面的编织区域和紧固区域，将rgb图像转换为hsv颜色空间为公知技术，在此不再赘述。
23.步骤2：计算紧固区域中的各个连通域中各个轮廓点的特征向量，并根据紧固区域中的各个连通域中各个轮廓点的特征向量和紧固区域中的各个连通域中各个像素点的位置，确定紧固区域中的任意两相邻连通域之间的分布关系指标值。
24.根据消防水带的紧固区域，由于消防水带的紧固区域为间断不连续的连通域分布，获取消防水带的紧固区域的各个连通域，利用轮廓检测算法获得紧固区域的各个连通域的轮廓信息，由于轮廓检测算法为公知技术，在此不再赘述，紧固区域的各个连通域的轮廓信息由一系列的轮廓点构成，对每一个轮廓点进行编码，得到每一个轮廓点的特征向量，
以轮廓点为例详细介绍编码过程：获得轮廓点的邻域范围内所有轮廓点的梯度方向和梯度大小，获取过程属于现有技术，此处不再赘述。梯度方向的取值范围为，将其等分为9个子区间，9个子区间的梯度方向范围从小到大依次排列，分别为第一子区间、第二子区间、第三子区间、第四子区间、第五子区间、第六子区间、第七子区间、第八子区间、第九子区间，每一个子区间的梯度方向范围为，根据邻域范围内轮廓点的梯度方向确定对应的子区间，并将该轮廓点的梯度大小置于该子区间内，例如，若轮廓点a在轮廓点的邻域范围内，轮廓点a的梯度方向为，则将轮廓点a的梯度大小置于第一子区间内，若轮廓点b在轮廓点的邻域范围内，轮廓点b的梯度方向为，则将轮廓点b的梯度大小置于第六子区间内。遍历邻域内所有的轮廓点得到每一子区间内的梯度大小之和，得到1行9列的特征向量，对该1行9列的特征向量进行归一化操作得到该轮廓点最终的特征向量，记为。按照相同的方法得到每一个轮廓点的特征向量，至此得到紧固区域的各个连通域中的各个轮廓点的特征向量。
25.根据先验知识，消防水带的紧固区域为间断不连续的连通域分布，各个连通域之间的分布遵循一定的规律，故通过分析连通域之间的相对关系可以获得紧固区域各位置的质量评估指标值，具体步骤为：（2-1）按照待确定的位置变换矩阵，对紧固区域中的两相邻连通域中的第一连通域中各个像素点的位置进行平移、缩放和旋转处理，得到处理后的第一连通域中各个像素点的位置。
26.根据紧固区域的各个连通域中的各个像素点，得到紧固区域的各个连通域中的各个像素点的位置，对紧固区域的各个连通域中的各个像素点的位置进行平移、缩放和旋转操作后，可以使处理后的各个连通域中的各个像素点与其相邻连通域的各个像素点对齐，对齐之后各个连通域进行平移、缩放和旋转的位置变换矩阵以及对齐之后的关联程度，可以反应各个连通域与其相邻连通域之间的分布关系。
27.将紧固区域中的其中一组两相邻连通域分别记为第一连通域和第二连通域，记第一连通域沿着方向和方向的平移参数为，平移矩阵为：记第一连通域沿着方向和方向的缩放参数为，缩放矩阵为：记第一连通域沿着顺时针旋转角度为，旋转矩阵为：
获得第一连通域变换之后的位置信息为：其中，为第一连通域中的像素点的齐次坐标，为处理后的第一连通域中的像素点的齐次坐标，与尺寸相同，处理后的第一连通域与第二连通域的位置最大程度重合，至此得到处理后的第一连通域中各个像素点的位置。
28.（2-2）计算处理后的第一连通域中各个轮廓点的特征向量，并根据处理后的第一连通域中各个轮廓点的特征向量以及该两相邻连通域中的第二连通域中各个轮廓点的特征向量，构建目标函数和约束条件。
29.根据处理后的第一连通域中各个轮廓点和第二连通域中各个轮廓点，重复步骤（2）得到处理后的第一连通域中各个轮廓点的特征向量和第二连通域中各个轮廓点的特征向量，根据处理后的第一连通域中各个轮廓点的特征向量和第二连通域中各个轮廓点的特征向量，得到处理后的第一连通域的轮廓特征矩阵和第二连通域的轮廓特征矩阵。
30.构建目标函数使得处理后的第一连通域的各个轮廓点的特征向量与第二连通域的各个轮廓点的特征向量相似度最大，进而确定相似度最大时所对应的位置变换矩阵以及相邻两个连通域中各个轮廓点的关联程度：记处理后的第一连通域的轮廓特征矩阵第个轮廓点的特征向量为，第二连通域的轮廓特征矩阵中的第个轮廓点的特征向量为，则这两个轮廓点的欧氏距离为，需要说明的是，处理后的第一连通域的轮廓特征矩阵与第二连通域的轮廓特征矩阵中的轮廓点的数目可能不同，本实施例设定的第一连通域中的轮廓点数目少于或等于第二连通域中的轮廓点数目，构建转移矩阵表示处理后的第一连通域的轮廓特征矩阵中的轮廓点与第二连通域中的轮廓点的关联程度，该转移矩阵的尺寸为，其中，，为处理后的第一连通域中的轮廓点的数量，为第二连通域中的轮廓点的数量，转移矩阵中第行第列的数值表示两个轮廓点的关联系数，若处理后的第一连通域的轮廓特征矩阵中的第个轮廓点与第二连通域的轮廓特征矩阵中的第个轮廓点对齐之后，其转移矩阵中对应的关联系数为1。
31.目标函数为：
约束条件为：约束条件为：其中，为处理后的第一连通域中第个轮廓点和第二连通域中第个轮廓点的欧氏距离，为处理后的第一连通域中的轮廓点的数量，为第二连通域中的轮廓点的数量，为处理后的第一连通域中第个轮廓点与第二连通域中第个轮廓点的关联系数。
32.第一个约束条件约束了第二连通域的轮廓特征矩阵中的每一个轮廓点在处理后的第一连通域的轮廓特征矩阵中均存在对齐的轮廓点，第二个约束条件约束了存在关联程度的点对在转移矩阵中对应的位置的数值为1，即第二连通域的轮廓特征矩阵中每一个轮廓点在处理后的第一连通域的轮廓特征矩阵仅有一个关联的轮廓点。
33.（2-3）根据约束条件，求解目标函数取得最小值时所对应的位置变换矩阵，并根据求解出的位置变换矩阵以及目标函数的最小值，确定该两相邻连通域之间的分布关系指标值。
34.根据约束条件，对目标函数进行求解，得到位置变换后的第一连通域的轮廓特征矩阵与第二连通域的轮廓特征矩阵相似度最大时对应的目标函数的最小值和位置变换矩阵。本实施例将实际问题转化为线性规划问题，利用遗传算法、蚁群算法等最优化算法得到最优解，得到第一连通域的位置变换矩阵，以及目标函数对应的最小值，该数值可以表示第一连通域需要经过位置变换才能获得与第二连通域的最小距离，可以反应两个相邻连通域的分布关系指标值，分布关系指标值对应的计算公式为：其中，为紧固区域中的相邻的第个连通域与第个连通域之间的分布关系指标值，为位置变换矩阵中的平移矩阵，为位置变换矩阵中的缩放矩阵，为位置变换矩阵中的旋转矩阵，为自然常数，为目标函数的最小值。
35.步骤3：根据紧固区域中的任意两相邻连通域之间的分布关系指标值，确定紧固区域中的各个连通域的质量评估指标值。
36.（3-1）根据紧固区域中的任意两相邻连通域之间的分布关系指标值，得到紧固区
域中的任意两相邻连通域之间的分布关系指标值的偏差程度。
37.根据紧固区域中的各个连通域，对紧固区域的多个相邻连通域进行分析，获得紧固区域中的各个连通域的中心点坐标，根据中心点坐标沿着消防水带的长度方向进行编号，相邻编号的连通域存在相邻关系，根据步骤（2）获得存在相邻关系的两个连通域的分布关系，横坐标为相邻连通域的编号对，如等，纵坐标为对应编号对的相邻两个连通域的分布关系，表示第一个连通域与第二个连通域之间的分布关系，表示第二个连通域与第三个连通域之间的分布关系，表示第三个连通域与第四个连通域之间的分布关系，以此类推，得到紧固区域中的相邻连通域之间的分布关系曲线。当紧固区域质量达到要求时，分布关系曲线为一平滑的直线，利用最小二乘法得到该平滑直线的直线方程，获得每一个分布关系的偏差程度，其中，为在利用最小二乘法得到的平滑直线上，紧固区域相邻的第个连通域与第个连通域对应的纵坐标的值，为紧固区域相邻的第个连通域与第个连通域之间的分布关系指标值，相邻连通域之间的偏差程度越大表示相邻的第个连通域与第个连通域之间的表面质量越差。
38.（3-2）根据紧固区域中的任意两相邻连通域之间的分布关系指标值的偏差程度，得到紧固区域中的各个连通域的质量评估指标值。
39.紧固区域各个连通域的质量评估指标值的计算公式为：其中，为紧固区域中的第个连通域的质量评估指标值，为紧固区域中的相邻的第个连通域和第个连通域之间的分布关系指标值的偏差程度，为紧固区域中的相邻的第个连通域和第个连通域的分布关系指标值的偏差程度。
40.的取值范围为，紧固区域中的各个连通域的质量评估指标值越大，表示紧固区域各个连通域的表面质量越高，至此得到紧固区域中的每一个连通域的质量评估指标值。
41.步骤4：对编织区域进行超像素块划分，得到编织区域的各个超像素块，计算各个超像素块中各个轮廓点的特征向量，并根据各个超像素块中各个轮廓点的特征向量和各个超像素块中的各个像素点的位置，确定各个超像素块与其邻域超像素块之间的分布关系指标值。
42.该步骤的目的是对消防水带的编织区域进行分析，并得到编织区域内各连通域的质量评估结果，需要说明的是，由于编织区域内纹理特征与紧固区域的纹理特征不同，为了确保检测结果的准确性，故需要对编织区域和紧固区域的表面质量分别进行分析，具体步骤为：
根据步骤（1）获取的消防水带的表面图像，将编织区域的像素值置为1，将其他区域的像素值置为0，从而得到编织区域的遮罩图像。进一步为了防止紧固区域对区域缺陷的检测影响，利用插值算法对紧固区域进行填充，得到完整的消防水带表面区域，由于插值算法为公知技术，在此不再详述。
43.根据消防水带的编织区域的纹理特征，利用超像素分割算法将编织区域分割为多个超像素块，超像素分割算法可采用现有的简单线性迭代聚类（slic），为了得到精细的超像素分割结果，根据紧固区域的各个连通域的质量评估指标值，大于0.6的连通域的平均面积作为初始超像素块的尺寸。由于相机和消防水带之间的距离直接影响每一个像素点包含的纹理信息，利用图像自身获得紧固区域连通域面积大小可排除人为设定的初始面积不准确带来的超像素分割的精度误差，保障编织区域质量评估结果的准确性。
44.由于消防水带的编织区域的纹理特征遵循一定的分布规律。简单线性迭代聚类（slic）会根据编织区域的纹理特征自动调节初始超像素块的面积，将编织区域划分为多个超像素块，得到编织区域中的各个超像素块的面积，各个编织区域中的超像素块的形状一致且大小相等。根据超像素分割结果得到超像素块的实际面积，设定超像素块的邻域范围为，邻域范围内共包含9个超像素块，由于消防水带的紧固区域和编织区域的纹理分布特征具有相同的规律，因此将超像素块视为连通域按照步骤2的方法得到超像素块与其八邻域超像素块之间的分布关系指标值，即得到八邻域超像素块与中心超像素块之间的八个分布关系指标值，即得到各个超像素块与其邻域超像素块之间的分布关系指标值。
45.步骤5：根据各个超像素块与其邻域超像素块之间的分布关系指标值，确定各个超像素块的质量评估指标值。
46.根据各个超像素块与其邻域超像素块之间的分布关系指标值，通过分析每一个超像素块与邻域内超像素块的分布关系可以判定编织区域内每一个超像素块的表面质量评估指标值，确定各个超像素块的质量评估指标值的具体步骤为：（5-1）根据各个超像素块与其邻域超像素块之间的分布关系指标值，得到各个超像素块的特征值。
47.根据步骤（4）获取编织区域的各个超像素块的面积，根据各个超像素块与其邻域超像素块之间的分布关系指标值，在邻域范围内的中心超像素块与其八邻域之间的各个分布关系指标值取均值作为范围内的中心超像素块的特征值，从而得到各个超像素块的特征值，该特征值反应了超像素块与八邻域内的超像素块的分布特征。
48.（5-2）对各个超像素块的特征值进行统计，确定相同的特征值所对应的数目，并根据相同的特征值所对应的数目，得到正常超像素块的特征值。
49.根据各个超像素块的特征值，统计同一特征值的个数，根据先验知识，出现表面质量较差的超像素块为少数区域，故根据各个超像素块的特征值的个数，绘制特征直方图，特征直方图中数量最多的特征值即为正常超像素块对应的特征值，即得到正常超像素块的特征值。
50.（5-3）根据各个超像素块的特征值和正常超像素块的特征值，得到各个超像素块
的质量评估指标值，计算公式为：其中，为第个超像素块的质量评估指标值，为第个超像素块的特征值，为正常超像素块的特征值。
51.的取值范围为，编织区域中的各个超像素块的质量评估指标值越大，表示编织区域的各个超像素块的表面质量越高，至此得到编织区域中的每一个超像素块的质量评估指标值。
52.步骤6：根据紧固区域中的各个连通域的质量评估指标值和各个超像素块的质量评估指标值，确定待检测的消防水带的质量评估结果。
53.（6-1）根据紧固区域中的各个连通域的质量评估指标值，得到紧固区域的表面质量结果图。
54.根据紧固区域中的各个连通域的质量评估指标值，将各个连通域内各个像素点的灰度值置为对应的表面质量评估指标值，得到紧固区域的表面质量评估结果图，其灰度值反应了紧固区域各个像素点的表面质量检测结果。
55.（6-2）根据各个超像素块的质量评估指标值，得到编织区域的表面质量结果图。
56.根据编织区域中的各个超像素块的质量评估指标值，将各个超像素块内各个像素点的灰度值置为对应的表面质量评估指标值，得到编织区域的表面质量评估结果图，其灰度值反应了编织区域各像素点的表面质量检测结果。
57.（6-3）根据紧固区域的表面质量结果图和编织区域的表面质量结果图，得到消防水带的最终表面质量结果图。
58.根据步骤（4）获取的消防水带的编织区域的遮罩图像，步骤6中的步骤（6-1）和步骤（6-2）获取的紧固区域的表面质量结果图和编织区域的表面质量结果图，计算消防水带的最终表面质量结果图，对应的计算公式为；其中，为消防水带的最终表面质量结果图，为消防水带的紧固区域的表面质量结果图，为消防水带的编织区域的表面质量结果图，为消防水带的编织区域的遮罩图像。
59.消防水带的最终表面质量结果图中的数值越大，表示消防水带的表面质量越好。
60.（6-4）根据消防水带的最终表面质量结果图，确定待检测的消防水带的质量评估结果。
61.根据消防水带的最终表面质量结果图中的灰度值，设定经验阈值，消防水带的最终表面质量结果图中的灰度值小于的区域即为消防水带表面缺陷区域，消防水带的最终表面质量结果图中的灰度值大于或等于的区域即为消防水带表面正常区域，需要说明的是，本实施例中的经验阈值可根据生产要求进行调整，经验阈值设定的越
高，代表生产消防水带的要求越高。
62.根据消防水带紧固区域和编织区域的纹理分布特征，得到多个连通域信息和多个超像素块信息，通过最优化算法得到相邻两个连通域和相邻超像素块之间的分布关系，该分布关系既能体现连通域和超像素块的相似性，又可以反应空间位置关系，根据紧固区域的连通域和编织区域的超像素块之间的分布关系结合纹理分布规律，得到准确的消防水带的表面质量检测结果。
63.本实施例还提供了一种基于图像处理的消防水带表面质量检测系统，包括处理器和存储器，处理器用于处理存储在存储器中的指令以实现基于图像处理的消防水带表面质量检测方法，由于基于图像处理的消防水带表面质量检测方法在上文已做出详细说明，此处不再赘述。
64.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。
65.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。
66.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。