本发明涉及香烟生产的技术领域，具体涉及一种基于图像处理的链式传送带缺陷检测方法。
背景技术：
链式传送带的缺陷检测主要分为两种：基于人眼的缺陷检测和基于机器视觉的缺陷检测。其中，基于人眼的缺陷检测是人眼对链式传送带进行观察实现的，如果链式传送带的长度过长，抽检人员会产生视觉疲劳，易导致链式传送带的缺陷被遗漏，另外，抽检人员一般是定期检测链条，并不能实时监控链条，因此，传送带可能在抽检人员检测空隙发生损坏。而基于机器视觉的链式传送带缺陷检测是通过摄像头和计算机实现的，通过摄像头对链式传送带进行拍摄并将拍摄图片送入计算机中进行定位与分类，判断传送带是否存在缺陷。在定位时，当摄像头的位置发生变化时，传送带的定位会失败，导致检测发生漏检。另外，在分类时，有缺陷的链式传送带的数量远远少于无缺陷的链式传送带，有缺陷的链式传送带样本数量不足会导致计算机无法识别出裂缝、零件凸出和零件凹陷等缺陷的传送带，产生漏检。
综上所述，现阶段，基于人眼的链式传送带缺陷检测和基于机器视觉的链式传送带缺陷检测对裂纹、划痕、零件突出等缺陷容易出现漏检。
技术实现要素：
本发明的目的在于提供一种基于图像处理的链式传送带缺陷检测方法，以解决现有技术中导致的上述缺陷。
一种基于图像处理的链式传送带缺陷检测方法，该方法包括以下步骤：
步骤一：摄像头和光源架设：摄像头架设在链式传送带的侧面，光源安装在摄像头的左右两侧；
步骤二：图像获取和定位：通过摄像头采集链式传送带的实时图像，使用高斯尺度金字塔对图像img的(x0,y0)坐标的像素值img(x0,y0)进行尺度放缩得到多尺度图像src的(x,y)坐标点的像素值src(x,y)，通过预先构建的多角度旋转模型对尺度放缩后的图像进行定位，得到链式传送带的检测区域img1(x0,y0)，相关计算公式如下：
步骤三：图像增强：使用差异化多核高斯滤波对链式传送带的检测区域img1转换成灰度图并进行滤波，降低传送带的检测区域的高斯噪声，使用指数变化对链式传送带的检测区域进行增强，得到增强后的传送带区域图像img3，差异化多核高斯滤波函数由三种不同大小的σ值的函数组成，相关计算公式如下：
img3(x,y)＝aγimg2(x,y)；
其中，σ为高斯核，g为高斯函数，aγ为指数变换函数；
步骤四：图像分割：对增强后的图像进行图像分割，得到链式传送带的精细定位；
步骤五：特征选取：选取并统计的无缺陷的链式传送带的几何特征和特征点、灰度值特征和特征点；
步骤六：检测判断：根据预先统计的无缺陷的链式传送带的几何特征和特征点、灰度值特征和特征点的数值，与实时采集的图像中链式传送带的相应特征进行对比，判断链式传送带是否存在缺陷。
优选的，包括图像分隔的方法一：
对增强后的图像计算每个点与周围各个点之间的梯度值，将梯度值累加做平均，再使用贝叶斯公式对梯度值做计算，得到全图每个像素点属于链式传送带的概率，从而将传送带从图像中分割出，相关计算公式如下：
其中，贝叶斯公式p(b)是当前像素的概率，p(a|b)是在b像素值时a是传送带的概率，p(b|a)b是传送带的概率。
优选的，包括图像分隔的方法二：
对增强后的图像计算每个点与周围各个点之间的梯度值，将梯度值累加做平均，再使用马尔科夫状态方程对梯度值做计算，得到全图每个像素点属于链式传送带的概率，从而将传送带从图像中分割出，相关计算公式如下：
其中，img(x,y)o为链式传送带的像素梯度分布，img(x,y)bg+i为复杂背景的块梯度分布。
优选的，包括图像分隔的方法三：
根据单通道灰度值、三通道像素值以及梯度值对链式传送带进行分割，通过设定阈值，将在一定阈值内的像素值或梯度值的区域都认为是传送带，从而将传送带从图像中分割出，相关计算公式如下：
其中，像素值大于t的为0小于t的为1。
优选的，包括图像分隔的方法四：
将图像分为n×n个小块，使用相似度对图像每个小块内的像素特征进行计算，将像素特征接近的区域划分为同一类，从而将传送带从图像中分割出。
本发明的优点：本发明先通过将摄像头架设在待检测的链式传送带的侧面，再通过摄像头采集链式传送带的实时图像，再通过高斯尺度金字塔对图像进行尺度放缩，再使用预先构建的多角度旋转模型对尺度放缩后的图像进行定位，得到链式传送带区域，再通过差异化多核高斯滤波对链式传送带的区域转换成灰度图并进行滤波，再使用指数变化对链式传送带的检测区域进行增强，再对增强后的图像进行图像分割，选取并统计无缺陷的链式传送带的特征，最后，根据预先统计的无缺陷的链式传送带的特征，与实时采集的图像中链式传送带的相应特征进行对比，判断链式传送带是否存在缺陷。本发明中的基于图像处理的链式传送带缺陷检测方法：仅使用无缺陷的传送带的特征和特征点进行学习和统计，避免收集存在缺陷的链式传送带时的困难。当被检测的链式传送带的特征和特征点不符合无缺陷的链式传送带的特征时，即认为该传送带存在问题。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
一种基于图像处理的链式传送带缺陷检测方法，该方法包括以下步骤：
步骤一：摄像头和光源架设：摄像头架设在链式传送带的侧面，光源安装在摄像头的左右两侧；
步骤二：图像获取和定位：通过摄像头采集链式传送带的实时图像，使用高斯尺度金字塔对图像img的(x0,y0)坐标的像素值img(x0,y0)进行尺度放缩得到多尺度图像src的(x,y)坐标点的像素值src(x,y)，通过预先构建的多角度旋转模型对尺度放缩后的图像进行定位，得到链式传送带的检测区域img1(x0,y0)，相关计算公式如下：
步骤三：图像增强：使用差异化多核高斯滤波对链式传送带的检测区域img1转换成灰度图并进行滤波，降低传送带的检测区域的高斯噪声，使用指数变化对链式传送带的检测区域进行增强，得到增强后的传送带区域图像img3，差异化多核高斯滤波函数由三种不同大小的σ值的函数组成，相关计算公式如下：
img3(x,y)＝aγimg2(x,y)；
其中，σ为高斯核，g为高斯函数，aγ为指数变换函数；
步骤四：图像分割：对增强后的图像进行图像分割，得到链式传送带的精细定位；
步骤五：特征选取：选取并统计的无缺陷的链式传送带的几何特征和特征点、灰度值特征和特征点；
步骤六：检测判断：根据预先统计的无缺陷的链式传送带的几何特征和特征点、灰度值特征和特征点的数值，与实时采集的图像中链式传送带的相应特征进行对比，判断链式传送带是否存在缺陷。
在本发明中，包括图像分隔的方法一：
对增强后的图像计算每个点与周围各个点之间的梯度值，将梯度值累加做平均，再使用贝叶斯公式对梯度值做计算，得到全图每个像素点属于链式传送带的概率，从而将传送带从图像中分割出，相关计算公式如下：
其中，贝叶斯公式p(b)是当前像素的概率，p(a|b)是在b像素值时a是传送带的概率，p(b|a)b是传送带的概率。
在本发明中，包括图像分隔的方法二：
对增强后的图像计算每个点与周围各个点之间的梯度值，将梯度值累加做平均，再使用马尔科夫状态方程对梯度值做计算，得到全图每个像素点属于链式传送带的概率，从而将传送带从图像中分割出，相关计算公式如下：
其中，img(x,y)o为链式传送带的像素梯度分布，img(x,y)bg+i为复杂背景的块梯度分布。
在本发明中，包括图像分隔的方法三：
根据单通道灰度值、三通道像素值以及梯度值对链式传送带进行分割，通过设定阈值，将在一定阈值内的像素值或梯度值的区域都认为是传送带，从而将传送带从图像中分割出，相关计算公式如下：
其中，像素值大于t的为0小于t的为1。
在本发明中，包括图像分隔的方法四：
将图像分为n×n个小块，使用相似度对图像每个小块内的像素特征进行计算，将像素特征接近的区域划分为同一类，从而将传送带从图像中分割出。
综上所述，本发明先通过将摄像头架设在待检测的链式传送带的侧面，再通过摄像头采集链式传送带的实时图像，再通过高斯尺度金字塔对图像进行尺度放缩，再使用预先构建的多角度旋转模型对尺度放缩后的图像进行定位，得到链式传送带区域，再通过差异化多核高斯滤波对链式传送带的区域转换成灰度图并进行滤波，再使用指数变化对链式传送带的检测区域进行增强，再对增强后的图像进行图像分割，选取并统计无缺陷的链式传送带的特征，最后，根据预先统计的无缺陷的链式传送带的特征，与实时采集的图像中链式传送带的相应特征进行对比，判断链式传送带是否存在缺陷。本发明中的基于图像处理的链式传送带缺陷检测方法：仅使用无缺陷的传送带的特征和特征点进行学习和统计，避免收集存在缺陷的链式传送带时的困难。当被检测的链式传送带的特征和特征点不符合无缺陷的链式传送带的特征时，即认为该传送带存在问题。
因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。