針對淡水無核珍珠質層內部缺陷檢測的需求,提出一種通過光學相干層析圖像實現(xiàn)淡水無核珍珠內部缺陷自動檢測的方法。根據(jù)珠層灰度變化的特點,識別圖像中缺陷區(qū)域的梯度特征和缺陷位置變化特征,并利用缺陷特征建立反向傳播神經(jīng)網(wǎng)絡模型。實驗中采集了內部無缺陷和內部有多種類型缺陷淡水無核珍珠的光學相干層析圖像各20幅,對圖像進行預處理并提取特征,利用K-means算法檢測樣本類型與所提取特征的匹配度,用特征與類型相匹配的樣本特征訓練反向傳播神經(jīng)網(wǎng)絡模型,使用反向傳播網(wǎng)絡模型對淡水無核珍珠內部缺陷層進行分類識別。實驗結果表明該方法提取特征的匹配度為92.5%,分類準確率達到100%,驗證了該方法的可行性和有效性,提出的方法能夠作為淡水無核珍珠內部缺陷識別和自動分類的有效手段。 

【文章來源】：計量學報. 2020,41(10)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

典型淡水珍珠OCT圖像

為了定位OCT圖像中珍珠缺陷層的具體位置，缺陷識別方法分為圖像預處理、特征提取與樣本匹配度檢測、分類模型訓練及模型預測等4個主要步驟，方法流程如圖2所示。圖像預處理過程主要是為了消除圖像中噪聲對后續(xù)特征提取的影響，完成目標和背景的分割、目標對象的拉平變換和進行必要的裁剪，以便于后續(xù)的特征提取。特征提取主要根據(jù)珠層內部缺陷部位從“暗”到“亮”到“暗”的變化特點，從梯度變化和位置特征著手提取特征，樣本匹配度檢測是為了檢測從樣本中提取的特征是否對應樣本的類型，確保訓練BPNN模型的特征真實可靠。最后使用與樣本類型相匹配的特征訓練并測試BPNN模型，通過BPNN模型預測淡水無核珍珠質層內部是否存在缺陷，根據(jù)珍珠質層內部有無缺陷實現(xiàn)自動分類。2.2.1 圖像預處理

由于淡水無核珍珠的珠層在成形過程中，呈年輪狀結構，為了便于提取水平和垂直方向的梯度變換特征，隨即對圖像中的目標進行了拉平變換。以珍珠目標的上邊緣為基準，對圖像每列像素進行上移目標，使上邊緣上的點都位于第一行。OCT通過檢測珍珠內部散射介質的背向單次散射光成像，散射光隨著深度的增加而發(fā)生衰減，因此所采集到目標底部的灰度值較小，導致底部區(qū)域珍珠目標與背景的對比度過低，不能滿足有效的特征提取。另一方面，采集圖像時，OCT的焦點位于所采區(qū)域中心位置的上部，目標邊緣區(qū)域信息相較于目標中心區(qū)域灰度值小，因此目標的中心區(qū)域更能反映不同類型珍珠之間的特征差異。同時，目標拉平后，目標邊緣會變得模糊，為快速提取有效的特征，在不裁剪到缺陷區(qū)域的前提下，選擇裁去上部邊緣5%、下部邊緣25%、左右邊緣各25%的區(qū)域，裁剪后圖像尺寸為318×520;最后，為減小目標內部散斑噪聲對特征提取的影響，采用中值濾波對圖像降噪，經(jīng)過反復測試，[5×12]的模板有較好的效果。降噪后的圖像作為提取特征步驟的輸入。圖像預處理步驟中的具體過程如圖4所示。

【參考文獻】：
期刊論文
[1]基于機器視覺的條碼尺精確測量技術在落紗小車中的應用[J]. 馬丹丹,王鵬程,劉基宏.  計量學報. 2019(03)
[2]基于激光和機器視覺的微量液體容量計量方法[J]. 張竟月,孫斌,謝玄達,趙玉曉,佟林,張瓏,周璐.  計量學報. 2018(04)
[3]推動淡水珍珠養(yǎng)殖業(yè)轉型升級的思考和建議[J]. 劉曉軍.  中國水產. 2018(05)
[4]應用OCT成像技術對海水珍珠的無損測量研究[J]. 董俊卿,李青會.  紅外與激光工程. 2018(04)
[5]全面推進珍珠產業(yè)提質增效[J]. 梁靚,石潤潤.  浙江經(jīng)濟. 2017(20)
[6]中國北方珍珠的特征研究[J]. 羅永安,楚世辰,陳蓉娜.  湖北農業(yè)科學. 2017(02)
[7]基于OCT成像技術對常見陶瓷文物斷面結構的無損分析[J]. 董俊卿,李青會,嚴鑫.  自然雜志. 2015(05)
[8]光學相干層析成像技術對壁畫的檢測研究[J]. 楊珊珊,朱銳,米磊,曹一揮,李青云.  光學學報. 2015(05)
[9]珍珠的成分、結構及呈色機理研究進展[J]. 歐陽茜茜,楊磊,羅劍秋,勞贊,陳進.  廣州化工. 2012(12)
[10]應用于珍珠檢測的光學相干層析技術[J]. 曾楠,何永紅,馬輝,王淑霞.  中國激光. 2007(08)



本文編號：3407635