工业机器人块堆叠细分算法基于对图像过度曝光区域的纠正
Qiguang Li1, Huazheng Zheng1, Wensheng Wang1
1School of Mechanical and Electrical Engineering, Beijing Information Science and Technology University, Beijing 100192, China.
Sensors (Basel, Switzerland)
|August 12, 2023
概括
这项研究引入了适应性值细分算法,用于条,纠正因反射引起的过度曝光区域. 该方法有效地细分金条表面,达到94.38%的准确性,以提高质量控制.
科学领域:
- 材料科学 材料科学 材料科学
- 计算机视觉 计算机视觉
- 图像处理 图像处理
背景情况:
- 合金金条表面检查对于质量控制至关重要.
- 来自照明的镜子反射掩盖了关键的表面细节.
- 现有的细分方法与过度曝光的区域作斗争.
研究的目的:
- 开发一个适应性值细分算法,用于金条.
- 解决和纠正因反射引起的过度曝光区域.
- 为了提高合金块细分的准确性.
主要方法:
- 适应值图像过度曝光区域校正 (ATSIOAC) 算法.
- 根据亮度和色度,将曝光概率分为弱和强区域.
- 使用和差异来掩盖英格特区域.
- 使用相邻像素的RGB平均值纠正过度曝光的区域.
- 应用像素加权平均值 (WA) 来实现平滑的图像融合.
主要成果:
- 在过度曝光区域有效纠正色彩信息.
- 金条堆顶表面的完整细分.金条堆顶表面的完整细分.
- 在合金块细分精度的显著改善.
- 实现了94.38%的细分精度.
结论:
- 拟议的ATSIOAC算法成功地纠正了金条图像中的过度曝光区域.
- 该算法提高了质量检查的细分精度.
- 这种方法为合金条的自动检查提供了强大的解决方案.
