基于图像分割的筷子瑕疵检测研究

胡小慧, 江虹， 郭秋梅

（西南科技大学 信息工程学院,四川 绵阳， 621010）

摘要：针对筷子瑕疵人工检测存在效率低、成本高、工作环境恶劣等缺点,提出了一种基于图像分割的筷子瑕疵检测研究分析方法。该方法采用图像采集设备获取筷子图像，利用图像处理技术对筷子图像进行增强、边缘检测及图像分割,获取筷子图像的RGB数据;对RGB三通道所占百分比及百分比方差进行统计分析。实验结果表明，该方法能有效地将目标筷子的彩色图像与筷子的背景图像分离，得到准确的筷子RGB数据，数据分析结果对筷子瑕疵检测有很大的参考价值。

0引言

目前，我国筷子生产行业仍应用人工目检的方法挑选筷子，而人工检测效率低、成本高且环境比较恶劣，随着生产速度的提高以及越来越严格的质量要求，传统人工瑕疵检测的方法已不能保质保量地完成生产任务。近年来，采用图像处理技术对产品进行瑕疵检测已有相关的研究，如陈文达［1］利用图像处理及模式识别等技术对金属表面瑕疵进行了分析研究；王明景［2］实现了图案布匹瑕疵的在线实时检测；林如意［3］利用图像纹理等分析方法检测纺织品瑕疵；KUO C F J等人［4］在织物图像中利用灰度共生矩阵提取相异性、能量、对比度等特征向量，使用图像分析技术对织物瑕疵进行检测和分类。基于图像处理技术的瑕疵检测研究历经多年，得到了飞速的发展，一些成熟的机器视觉系统已应用在现代化生产线上。有关筷子瑕疵检测类的国内外文献，目前尚鲜见 道。

1筷子瑕疵分类

2边缘检测及图像分割

利用小波变换算法对筷子边缘检测步骤如下：

（1）对图像进行尺度为j的小波变换，得到垂直方向和水平方向的高频细节分量，分别用W12f(x,y)和W22f(x,y)表示；

（2）求出小波变换系数的模值：

（4）求出局部极大值；

（5）依次检验每个像素点，确认其在对应的幅角最接近的方向上是否是极大值，如果是，记录该梯度，否则将梯度值置0；

（6）对获得的可能的边缘图像进行阈值分割，选取阈值μ，所有模极大值小于μ的像素的模值都置为0；

（7）输出边缘检测图像。

FCM算法的核心思想是找到使得模糊聚类的目标函数最小的隶属度和聚类中心，表达式为：

J(U,V)=∑nk=1∑ci=1umikdik(xk,vi)(3)

X={x1,x2,…,xn}为图像像素的特征值，V={v1,v2,…,vn}为区域的聚类中心，u={uik}cn是隶属度矩阵。uik表示xi隶属于第k类区域的隶属度，m为权重指数，它决定分类结果的模糊程度。利用拉格朗日乘子求得隶属度和聚类中心的迭代更新公式如下：

使用小波变换对筷子进行边缘检测，检测结果如图1所示。其中图1(a)为筷子原图；图 (b)为使用小波边缘检测的结果；图 (c)为利用筷子边缘信息对图像中的筷子进行定位标号粗分割结果。

3实验数据分析结果

3.1单双筷子数据统计分析情况

实验结果证明：

(2)被分割的筷子为标准筷子不含瑕疵，该类筷子正确的数据分布情况是三个通道百分比方及百分比方差

32瑕疵筷子数据统计分析情况

对标准筷子、青皮筷子、色斑筷子、烧焦筷子的RGB值进行统计分析，统计结果如图5所示，其中图(a) 、(b)、(c) 、(d)分别是标准筷子、青皮筷子、色斑筷子、烧焦筷子的每个通道所占百分比及百分比方差统计结果。每幅图由两部分组成：(1) 每个通道所占百分比数据统计分布情况；(2) 根据每个通道百分比曲线统计得到百分比方差数据统计分布情况。

表2统计20双标准筷子、6双青皮筷子、7双色斑筷子、3双烧焦筷子的RGB三通道所占百分比分布范围、百分比均值及百分比均方差。

表3统计了三类瑕疵筷子分别与标准筷子的百分比均值、百分比均方差的对比情况。

3.3实验数据分析结果

根据图5可知，三类瑕疵筷子的RGB表2标准筷子与瑕疵筷子各通道所占百分比均值分布范围筷子类型各通道所占百分比分布范围R通道G通道B通道标准筷子038~041033~035027~028青皮筷子041~046033~035020~028色斑筷子040~048032~035020~027烧焦筷子041~045031~036019~024

图5百分比方差统计结果值的百分比方差曲线相对标准筷子的RGB数据分布曲线波动大；根据表2可知，瑕疵筷子R通道、B通道所占百分比数据分布范围最小值与最大值跨度值≥005,而标准筷子数据分布范围最小与最大值的跨度值≤003，即再次证明瑕疵筷子的百分比数据波动大；根据表3可知，在R通道、B通道，瑕疵筷子相对标准筷子百分比均值的差值均较大，且瑕疵筷子的百分比均方差远高于标准筷子的百分比方差。由以上实验结果可知，瑕疵类筷子的RGB三通道所占百分比、百分比方差与标准筷子存在较大差异，根据这些差异可对瑕疵筷子进行筛选。

4结论

参考文献

［1］ 陈文达. 金属工件表面瑕疵检测技术的研究与开发［D］. 无锡：江南大学， 2013.

［2］ 王明景,白瑞林,何薇，等.图案布匹瑕疵的在线视