一种运动护具外观材料缺陷检测方法及系统与流程

1.本发明涉及新材料产品缺陷检测技术领域，具体涉及一种运动护具外观材料缺陷检测方法及系统。


背景技术：

2.随着新材料行业的发展，越来越多的新型材料投入实用性的生产中。新材料在护具生产中有着广泛的应用。运动护具对于人体的安全保护具有重要作用，例如护膝护腕可以在剧烈运动中减少关节部位的磨损，防止意外事故发生。利用新材料制造的护具在防护性能和舒适性能中具有显著的效果体现，不仅可以提高护具的舒适性和安全保护能力，还可以附加其他对人体有益的效果，例如保温、防潮、自发热等效果。
3.在新材料进行护具生产过程中，材料经过加工可能会在护具表面出现色差和疵点或者受到生产环境的污染导致的脏污等缺陷。该类型的缺陷影响了护具产品的质量，影响产品的销售。
4.在现有技术中可通过对护具产品进行可见光照射，获取护具产品的图像信息。根据图像信息中的像素点类型判断出表面缺陷。但是因为生产环境复杂，容易在图像中出现大量噪点，如果单纯对噪点进行滤波，会使得护具失去自身的纹理信息，影响缺陷检测。


技术实现要素：

5.为了解决上述技术问题，本发明的目的在于提供一种运动护具外观材料缺陷检测方法及系统，所采用的技术方案具体如下：本发明提出了一种运动护具外观材料缺陷检测方法，所述方法包括：利用带有可见光光源的相机采集新材料材质护具的护具图像；在所述护具图像上设置第一滑窗，以所述第一滑窗内的最大像素值和最小像素值对应的像素点作为第一噪声点；根据所述第一噪声点的数量调整所述第一滑窗的尺寸，获得第二滑窗；根据所述第二滑窗内所述第一噪声点的分布信息对所述第一噪声点进行筛选，获得第二噪声点；以所述护具图像中梯度边缘上的所述第二噪声点作为边缘噪声点,其他为普通噪声点；根据所述边缘噪声点的梯度方向获得边缘线方向；以所述边缘噪声点为中心，沿着所述边缘线方向进行延伸，根据预设延伸数量获得多个延伸点；所述延伸点都为梯度边缘点；所述延伸点和所述边缘噪声点组成边缘滤波窗口；根据所述边缘滤波窗口对所述边缘噪声点进行滤波，根据预设尺寸的滤波窗口对所述普通噪声点进行滤波，获得护具优化图像；根据像素值大小对所述护具优化图像中的像素点进行分组，获得多个像素点组；根据每个像素点组中像素值大小和组内元素数量拟合高斯模型；根据每个高斯模型的均值与方差构建所述像素点组的特征向量；将所述特征向量的相似度大于预设相似度阈值的所述像素点组进行融合，获得融合像素点组；以组内元素数量小于预设数量阈值的所述融合像素点组作为缺陷像素点组。
6.进一步地，所述利用带有可见光光源的相机采集新材料材质护具的护具图像包
括：采集所述新材料材质护具的初始护具图像；去除所述初始护具图像中的背景信息，获得仅包含护具信息的护具图像。
7.进一步地，所述根据所述第一噪声点的数量调整所述第一滑窗的尺寸，获得第二滑窗包括：根据窗口尺寸调整模型获得所述第二滑窗的尺寸，所述窗口尺寸调整模型包括：其中，为所述第二滑窗的尺寸，为所述第一滑窗的初始尺寸，为所述护具图像中所述第一噪声点的数量，为所述护具图像中像素点的总数，为模型拟合参数，为向下取整函数。
8.进一步地，所述根据所述第二滑窗内所述第一噪声点的分布信息对所述第一噪声点进行筛选，获得第二噪声点包括：统计所述第二滑窗内像素点的像素值，若所述第二滑窗内所述第一噪声点的像素值为所述第二滑窗内的最大像素值或最小值，且所述第二滑窗内的最大像素值或最小值与像素值的中位数相等，则将对应的所述第一噪声点作为正常像素点；否则，将对应的所述第一噪声点作为所述第二噪声点。
9.进一步地，所述根据所述边缘噪声点的梯度方向获得边缘线方向包括：以所述梯度方向的垂直的两个方向作为所述边缘噪声点的所述边缘线方向。
10.进一步地，所述以所述边缘噪声点为中心，沿着所述边缘线方向进行延伸，根据预设延伸数量获得多个延伸点包括：以所述边缘噪声点为中心，沿着所述边缘线方向进行延伸；每获得一个所述延伸点，则根据所述延伸点的所述边缘线方向继续延伸；若所述延伸点的所述边缘线方向上的点不为所述梯度边缘点，则将所述边缘线方向沿着上一个所述延伸点的所述梯度方向偏移，以偏移后获得的所述梯度边缘点作为对应的所述延伸点。
11.进一步地，所述根据所述边缘滤波窗口对所述边缘噪声点进行滤波包括：若所述边缘滤波窗口中非边缘噪声点的数量不小于预设数量阈值，则以所述非边缘噪声点像素值的中位数作为所述边缘滤波窗口中所述边缘噪声点的像素值；若所述边缘滤波窗口中存在所述非边缘噪声点且数量小于预设数量阈值，则以所述非边缘噪声点像素值的均值作为所述边缘滤波窗口中所述边缘噪声点的像素值；若所述边缘滤波窗口中不存在所述非边缘噪声点，则以所述边缘滤波窗口中最大像素值和最小像素值的均值作为所述边缘滤波窗口中所述边缘噪声点的像素值。
12.进一步地，所述根据预设尺寸的滤波窗口对所述普通噪声点进行滤波包括：以所述普通噪声点作为所述滤波窗口的中心；获得所述滤波窗口内所述普通噪声点的密度；若所述密度小于预设密度阈值，则以所述滤波窗口内的平均像素值作为所述普通噪声点的像素值；否则，将所述滤波窗口根据预设步长进行扩大，直到所述密度小于所述密度阈值。
13.进一步地，所述根据像素值大小对所述护具优化图像中的像素点进行分组，获得多个像素点组包括：
根据像素值大小利用密度聚类算法对所述护具优化图像中的像素点进行分类，获得多个所述像素点组。
14.本发明还提出了一种运动护具外观材料缺陷检测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任意一项所述一种运动护具外观材料缺陷检测方法的步骤。
15.本发明具有如下有益效果：1.本发明实施例通过带有可见光光源的相机采集新材料材质护具的护具图像。通过可见光将新材料护具的表面信息放大，使其图像特征更加明显，方便后续的缺陷检测。
16.2.本发明实施例根据噪点的位置将噪点分为边缘噪声点和普通噪声点。根据边缘噪声点的分布和边缘线的走势对每个边缘噪声点设计特定的边缘滤波窗口，防止在图像中对护具边缘纹理的破坏。进一步结合普通噪声的常规滤波获得没有噪点的护具优化图像，对护具优化图像进行缺陷检测，可获得准确的检测结果。
17.3.本发明实施例将护具优化图像中的像素点按照像素值进行分类，并进行高斯拟合，通过高斯模型的参数将不同像素点组进行融合，因为正常像素点在护具优化图像中数量占比大，因此通过融合可将正常像素点组融合为一个或多个融合像素点组，缺陷像素点组融合为一个或者多个融合像素点组。因为正常像素点组的像素点数量远大于缺陷像素点组的像素点数量，因此可根据像素点数量阈值准确将缺陷像素点组识别出来，实现准确的新材料护具的缺陷检测。
附图说明
18.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。
19.图1为本发明一个实施例所提供的一种运动护具外观材料缺陷检测方法流程图。
具体实施方式
20.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一种运动护具外观材料缺陷检测方法及系统，其具体实施方式、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。
21.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。
22.下面结合附图具体的说明本发明所提供的一种运动护具外观材料缺陷检测方法及系统的具体方案。
23.请参阅图1，其示出了本发明一个实施例提供的一种运动护具外观材料缺陷检测方法流程图，该方法包括：步骤s1：利用带有可见光光源的相机采集新材料材质护具的护具图像；在护具图
像上设置第一滑窗，以第一滑窗内的最大像素值和最小像素值对应的像素点作为第一噪声点；根据第一噪声点的数量调整第一滑窗的尺寸，获得第二滑窗；根据第二滑窗内第一噪声点的分布信息对第一噪声点进行筛选，获得第二噪声点。
24.为了增强图像特征，方便后续缺陷检测，在本发明实施例中利用带有可见光光源的相机采集新材料材质护具的图像信息。需要说明的是，在实际操作时需要将护具进行翻转，以使相机拍摄到护具整体的所有信息。本发明实施例在检测台上部署可执行翻转动作的机械手，通过固定相机位置，利用机械手翻转护具，实现对护具整体信息的采集。需要说明的是，在采集到多个角度下的护具图像后，可根据重叠区域对图像进行拼接融合，获得整体图像数据，图像拼接融合为本领域技术人员常用的技术手段，在此不再赘述。
25.需要说明的是，可见光光源类型可根据护具的颜色和材质自行设置，在此不做限定。且为了方便后续对护具图像中像素点的像素值信息进行分析，在本发明实施例中将护具图像转化为对应的灰度图像。
26.在图像采集过程中，不仅会采集到护具信息，还会采集到生产环境中的无关信息，护具信息为检测需要的信息，无关信息为不需要的背景信息。因此需要将采集到的初始护具图像中的背景信息去除，仅保留护具信息，获得仅包含护具信息的护具图像。需要说明的是，去除背景信息可利用图像分割技术，如神经网络、阈值分割等技术，在此不做赘述。
27.因为光线或者生产环境的影响，在护具图像中容易出现噪点。噪点会影响后续的缺陷检测，因此需要对噪点进行识别并去除。由于光照形成的噪点在图像中通常为像素值较小的黑点或者像素值较大的白点，因此在护具图像上设置第一滑窗，通过第一滑窗遍历整个图像，以第一滑窗内的最大像素值和最小像素值对应的像素点作为第一噪声点。
28.需要说明的是，第一噪声点为初步筛选过程获得的像素点，其中不仅包括噪点，还可能包括正常像素点。因此需要对第一噪声点进行进一步的筛选。
29.因为在护具图像中，正常像素点相较于噪声点分布较多，即在一个窗口区域中，如果第一噪声点分布较多，则说明该类第一噪声点为误分类的正常像素点，需要将其剔除。因此可根据第一噪声点的分布信息对第一噪声点进行筛选。
30.为了更好的利用分布信息对第一噪声点进行筛选，需要根据第一噪声点的数量调整第一滑窗的尺寸。因为第一噪声点越多说明当前误分类的结果越多，第一噪声点中存在大量的正常像素点，需要将第一滑窗的尺寸增大，便于分析窗口区域内第一噪声点的分布信息。调整第一滑窗的尺寸具体包括：根据窗口尺寸调整模型获得第二滑窗的尺寸，窗口尺寸调整模型包括：其中，为第二滑窗的尺寸，为第一滑窗的初始尺寸，为护具图像中第一噪声点的数量，为护具图像中像素点的总数，为模型拟合参数，为向下取整函数。
31.在本发明实施例中，第一滑窗的初始尺寸设置为3，即第一滑窗为一个3*3大小的窗口。模型拟合参数设置为1。
32.通过尺寸较大的第二滑窗中第一噪声点的分布信息可对第一噪声点进行筛选，获得第二噪声点，具体包括：统计第二滑窗内像素点的像素值，若第二滑窗内第一噪声点的像素值为第二滑窗
内的最大像素值或最小值，且第二滑窗内的最大像素值或最小值与像素值的中位数相等，说明此时最大像素值或最小像素值对应的像素点数量较多，则将对应的第一噪声点作为正常像素点；否则，将对应的第一噪声点作为第二噪声点。
33.通过第二滑窗对护具图像的的多次遍历可获得护具图像中准确的噪点信息，获得第二噪声点。
34.步骤s2：以护具图像中梯度边缘上的第二噪声点作为边缘噪声点,其他为普通噪声点；根据边缘噪声点的梯度方向获得边缘线方向；以边缘噪声点为中心，沿着边缘线方向进行延伸，根据预设延伸数量获得多个延伸点；延伸点都为梯度边缘点；延伸点和边缘噪声点组成边缘滤波窗口；根据边缘滤波窗口对边缘噪声点进行滤波，根据预设尺寸的滤波窗口对普通噪声点进行滤波，获得护具优化图像。
35.根据第二噪声点的位置可进行针对性的滤波，传统的滤波方法通过分析噪声点邻域范围内其他像素点的像素值信息对噪声点进行重新赋值，实现噪声滤波。因为护具产品为纺织类产品，因此在护具图像中存在大量的纹理边缘，如果对边缘上的噪声点进行常规滤波，会导致该部分的纹理信息丢失，是的图像中的纹理边缘等细节信息不完整，影响后续的缺陷检测。
36.因此需要针对边缘上的噪声点进行特殊的滤波窗口设计。首先通过获取护具图像中的梯度信息获得梯度边缘。以梯度边缘上的第二噪声点作为边缘噪声点，其他为普通噪声点。
37.需要说明的是，获取图像的梯度信息为本领域技术人员熟知的技术手段，在此不做赘述。
38.根据边缘线上像素点的梯度方向可获得每个位置处的边缘线方向，即边缘线的走向。以梯度方向的垂直的两个方向作为边缘噪声点的边缘线方向。以边缘噪声点为中心，沿着边缘线方向进行延伸搜索，每次延伸会获得一个延伸点，当延伸点达到预设延伸数量时结束延伸，根据预设延伸数量获得多个延伸点。延伸点均为梯度边缘点。延伸点和边缘噪声点组成特殊的边缘滤波窗口，即边缘滤波窗口为一条曲线。
39.在本发明实施例中，延伸数量设置为6，即以边缘噪声点为中心，向两边各延伸3个延伸点，边缘滤波窗口的长度为7。
40.其中，延伸点的具体延伸过程包括：以边缘噪声点为中心，沿着边缘线方向进行延伸；每获得一个延伸点，则根据延伸点的边缘线方向继续延伸；若延伸点的边缘线方向上的点不为梯度边缘点，说明此时边缘线的走向出现了拐点，则将边缘线方向沿着上一个延伸点的梯度方向偏移，以偏移后获得的梯度边缘点作为对应的延伸点。
41.通过每个边缘像素点所在的边缘线的走势信息，获得对应的边缘滤波窗口，可根据边缘滤波窗口内像素点的像素值信息对边缘噪声点进行滤波，具体包括：若边缘滤波窗口中非边缘噪声点的数量不小于预设数量阈值，则以非边缘噪声点像素值的中位数作为边缘滤波窗口中边缘噪声点的像素值。
42.若边缘滤波窗口中存在非边缘噪声点且数量小于预设数量阈值，则以非边缘噪声点像素值的均值作为边缘滤波窗口中边缘噪声点的像素值。
43.若边缘滤波窗口中不存在非边缘噪声点，则以边缘滤波窗口中最大像素值和最小
像素值的均值作为边缘滤波窗口中边缘噪声点的像素值。
44.在本发明实施例中，将数量阈值设置为3。
45.通过每个边缘噪声点的自适应滤波窗口的优化处理，可保证边缘纹理信息的完整性，避免图像中的细节信息丢失。对于普通噪声点，可根据预设的尺寸的滤波窗口进行普通滤波，具体包括：以普通噪声点作为滤波窗口的中心。获得滤波窗口内普通噪声点的密度。若密度小于预设密度阈值，则以滤波窗口内的平均像素值作为普通噪声点的像素值。否则，将滤波窗口根据预设步长进行扩大，直到密度小于密度阈值。
46.通过调整滤波窗口的尺寸可增加正常像素点的像素值信息，使赋值更具有参考性，通过滤波窗口对普通像素点的滤波，最终可获得没有噪声的护具优化图像。
47.在本发明实施例中，密度阈值设置为0.75。步长设置为2，即每次滤波窗口的尺寸增加2个像素级。
48.步骤s3：根据像素值大小对护具优化图像中的像素点进行分组，获得多个像素点组；根据每个像素点组中像素值大小和组内元素数量拟合高斯模型；根据每个高斯模型的均值与方差构建像素点组的特征向量；将特征向量的相似度大于预设相似度阈值的像素点组进行融合，获得融合像素点组；以组内元素数量小于预设数量阈值的融合像素点组作为缺陷像素点组。
49.在护具优化图像中，正常像素点分布均匀且数量较多，因此可根据像素点的像素值和分布情况将像素点进行分组。
50.根据像素值大小利用密度聚类算法对护具优化图像中的像素点进行分类，获得多个像素点组，每个像素点组中的像素点的像素值大小都相似。
51.根据每个像素点组中的大小和像素点数量进行高斯拟合，获得对应的高斯模型。即一个像素点组对应一个高斯模型。高斯模型中的均值表示像素点组的像素值信息，方差表示像素点组的分布信息，因此可根据每个高斯模型的均值与方差构建对应像素点组的特征向量，即，其中为第个像素点组的特征向量，为第个像素点组的高斯模型方差，为第个像素点组的高斯模型均值。
52.将特征向量的相似度大于预设相似度阈值的像素点组进行融合，获得融合像素点组。在本发明实施例中，相似度计算方法采用余弦相似度，相似度阈值设置为0.85，即当两个特征向量的余弦像素点大于0.85时，认为两个特征向量的像素值和分布特征相似，通过迭代分析融合，直至任意两个特征向量之间的余弦相似度都小于0.85，完成融合过程，获得融合像素点组。
53.因为护具优化图像中，正常像素点的像素点数量较多，且分布丰富，因此像素点数量较大的融合像素点组可认为是正常像素点组，像素点数量较小的融合像素点组可认为是缺陷像素点组，因此以组内元素数量小于预设数量阈值的融合像素点组作为缺陷像素点组。
54.在本发明实施例中，为了使缺陷像素点组的分类更准确，将数量阈值设置为护具优化图像中像素点数量的十分之一。
55.根据缺陷像素点组的数量可获得当前护具表面缺陷的类型数量。根据缺陷像素点
组内的像素点数量可获得当前缺陷类型的缺陷程度，即缺陷像素点越多，缺陷程度越大。因此实现了新材料材质护具的缺陷检测及计量。
56.综上所述，本发明实施例通过第一滑窗进行初步筛选，获得第一噪声点。根据第一噪声点的数量调整第一滑窗尺寸获得第二滑窗，进一步通过第二滑窗内第一噪声点的分布获得第二噪声点。对梯度边缘上的第二噪声点设置特定的边缘滤波窗口进行滤波，对其他的普通噪声点进行普通滤波，获得护具优化图像。根据护具优化图像中像素点的像素值和分布进行分组融合，根据数量阈值判断出缺陷像素点组。本发明实施例通过可见光放大对新材料的图像特征并进行去噪优化，检测出缺陷像素点，根据缺陷像素点可实现对新材料护具的缺陷检测及计量。
57.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。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。
58.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。
59.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。