一種基于梯度多閾值優(yōu)化缺陷檢測(cè)方法

基本信息

申請(qǐng)?zhí)?/td> CN201510349332.5 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN104990925B 公開(kāi)（公告）日 2017-12-19
申請(qǐng)公布號(hào) CN104990925B 申請(qǐng)公布日 2017-12-19
分類(lèi)號(hào) G01N21/88(2006.01)I 分類(lèi) 測(cè)量；測(cè)試;
發(fā)明人 李俊;高銀 申請(qǐng)（專(zhuān)利權(quán)）人 深圳市雅匯恒科技有限公司
代理機(jī)構(gòu) 泉州市文華專(zhuān)利代理有限公司 代理人 泉州裝備制造研究所;深圳市雅匯恒科技有限公司
地址 362100 福建省泉州市臺(tái)商投資區(qū)東園鎮(zhèn)群青村杏秀路行政服務(wù)大樓5樓511室
法律狀態(tài) -

摘要

摘要 本發(fā)明是一種基于梯度多閾值優(yōu)化缺陷檢測(cè)的方法，首先，通過(guò)簡(jiǎn)化的均值聚類(lèi)算法求出最優(yōu)化閾值；其次，通過(guò)正態(tài)分布模型統(tǒng)計(jì)每幅樣本梯度圖像中的100個(gè)模塊，計(jì)算獲取動(dòng)態(tài)的閾值；再次，通過(guò)對(duì)樣本圖像進(jìn)行分塊處理，基于統(tǒng)計(jì)學(xué)方法，提取模塊中像素最大值和像素差最大值；最后，在模塊化的基礎(chǔ)上，通過(guò)多閾值進(jìn)行判斷，獲取輸出的模塊并組合成完整的圖像，對(duì)其進(jìn)行中值濾波得到缺陷檢測(cè)結(jié)果圖像。本發(fā)明通過(guò)簡(jiǎn)化的均值聚類(lèi)算法，提高了算法的精度，降低了算法在迭代過(guò)程中的時(shí)間成本；基于統(tǒng)計(jì)學(xué)和正態(tài)分布模型，在梯度圖像中提取邊緣，顯著增加了算法的精度和處理效果；本發(fā)明能快速準(zhǔn)確檢測(cè)出木材的缺陷，提高檢測(cè)應(yīng)用范圍和生產(chǎn)木材的質(zhì)量。