一种大张检查机机检数据在线二次检测核查的系统及方法

1.一种大张检查机机检数据在线二次检测核查的系统，其特征在于：包括检测从站、在线二次核查工作主站、显示主站、控制主站以及信号同步控制处理单元，所述检测从站包括正面检测从站和背面检测从站，用于实时采集印码机收纸部分送出的被检大张产品的全幅面图像，并将全幅面图像分割成若干个小图像进行检测，得到缺陷信息及缺陷图像，然后将缺陷信息及缺陷图像分别发送至在线二次核查工作主站、显示主站和控制主站；
所述在线二次核查工作主站用于将检测从站发送的缺陷信息及缺陷图像进行错误分级，并把错误分级结果分别发送给控制主站与显示主站；
所述控制主站用于接收在线二次核查工作主站的错误分级结果，并结合检测从站发送的缺陷信息及缺陷图像发出控制数据流；
所述显示主站用于接收在线二次核查工作主站的错误分级结果，并实时显示检测从站检测出的缺陷信息及缺陷图像和在线二次核查工作主站发送的错误分级结果；
所述信号同步控制处理单元包括分别与检测从站、在线二次核查工作主站以及控制主站连接的多个信号同步器，所述信号同步控制处理单元用于通过工业现场总线接收控制主站发送的控制数据流对人民币大张产品进行分仓处理。
2.根据权利要求1所述的大张检查机机检数据在线二次检测核查的系统，其特征在于：
所述检测从站设置在印码机收纸部分并与出纸链轮相接，包括传动装置、展平装置和检测装置；
所述传动装置包括与印码机出纸链轮(10)相接的检测滚筒(11)、与检测滚筒（11）相接的两个叼纸牙排链轮（12）、设置在两个叼纸牙排链轮之间的传动链条（18）、设置在传动链条上的多个均布的叼纸牙排（15）；所述叼纸牙排可将检测滚筒传送的被检大张产品从展平装置上拖过；
所述展平装置包括设置在两个叼纸牙排链轮（12）下方的吸风板（4）、设置在吸风板下方的两个长条形横向吸风口（3）、设置在吸风板上方且横向设置的吹风装置（14）；所述吸风口（3）与气泵（6）相通，所述吹风装置可向吸风板上吹气；
所述检测装置包括设置在吸风板（4）上的横向缺口（8）、与检测滚筒（11）同轴连接的编码器（13）、设置在吸风板上方的正面检测从站、设置在吸风板下方的背面检测从站、用于接收检测信息的显示主站、用于连接正面检测从站、背面检测从站和显示主站的千兆网络；
所述正面检测从站和背面检测从站分别包括两台彩色线阵CCD相机、两台与CCD相机分别相连的检测前端PC、为CCD相机提供照明的光源（2）；所述背面检测从站的CCD相机正对缺口(8)；
所述编码器可向所有的检测前端PC及信号同步控制处理单元提供同步信号。
3.根据权利要求1或2所述的大张检查机机检数据在线二次检测核查的系统，其特征在于：所述小图像的大小为180×120像素。
4.一张大张检查机机检数据在线二次检测核查的方法，其特征在于：其包括以下步骤：
1】检测从站实时采集大张产品的全幅面图像，并将全幅面图像分割成若干个小图像进行检测，得到缺陷信息及缺陷图像，然后将缺陷信息及缺陷图像发送至在线二次核查工作主站、显示主站和控制主站，具体步骤为：
1.1] 传动装置将印码机送出的被检大张产品从展平装置的吸风板上匀速拖过，展平装置的吸风口和吹风装置将该被检大张产品压紧在吸风板上以保持平整；所述传动装置包括与印码机出纸链轮（10）相接的检测滚筒(11)、与检测滚筒(11)相接的两个叼纸牙排链轮(12)、设置在两个叼纸牙排链轮之间的传动链条（18）、设置在传动链条上的多个均布的叼纸牙排（15）；所述叼纸牙排可将检测滚筒传送的被检大张产品从展平装置上拖过；
所述展平装置包括设置在两个叼纸牙排链轮（12）下方的吸风板（4）、设置在吸风板下方的两个长条形横向吸风口（3）、设置在吸风板上方且横向设置的吹风装置（14）；所述吸风口（3）与气泵（6）相通，所述吹风装置可向吸风板上吹气；
1.2] 与检测滚筒同步转动的编码器触发相应的CCD相机进行采图；
1.3] 检测前端PC分别与CCD相机和印码在线检测系统相连，将采集到的实时图像与内置的模型图像进行小图像对比分析，然后将有质量缺陷的图像信息与印码在线检测系统的号码对应；
1.4] 将有质量缺陷的缺陷图像和缺陷信息以及对应的号码通过千兆网络发送到在线二次核查工作主站、显示主站和控制主站；
2】在线二次核查工作主站将检测从站发送的缺陷信息及缺陷图像进行错误分级，并把错误分级结果分别发送给控制主站与显示主站，具体步骤为：
2.1】收集若干大张好品样张，进行图像特征信息提取过程，通过对所提取大量图像特征信息，采用非参数估计法建立一个多维特征概率分布模型，形成二次检测核查数据模型；
2.2】对于待检的来自各检测从站的缺陷图像，经过图像特征信息提取后得到图像特征信息集合；
2.3】步骤2.2】中所得出图像特征信息集合与步骤2.1】中二次检测核查数据模型进行比较运算，得到残点图像；
2.4】通过聚类操作，将残点图像中的噪点剔除，得到精细残点图像；所述聚类操作包括残点面积阈值和残点间的距离阈值；
2.5】筛选分类：对精细残点图像提取尺寸、能量以及颜色信息，根据图像作废类型及程度进行筛选分类，将其分为实废、疑似和误废三类，作为输出结果；
3】控制主站接收到错误分级结果，并结合各检测从站发送的缺陷信息及缺陷图像发出控制数据流给信号同步控制处理单元，通过PLC进行实时分仓；
4】显示主站接收在线二次核查工作主站的错误分级结果，并实时显示检测从站发送的缺陷信息及缺陷图像和在线二次核查工作主站发送的错误分级结果；信号同步控制处理单元分别控制各检测从站、在线二次核查工作主站以及控制主站的信号同步。
5.根据权利要求4所述的大张检查机机检数据二次检测核查的方法，其特征在于：
所述图像特征信息包括色彩信息、色差信息、定位核信息、空间位置信息、小尺度纹理信息以及大尺度图像结构信息。
6.根据权利要求5所述的大张检查机机检数据二次检测核查的方法，其特征在于：所述聚类操作为模糊C均值聚类操作。
7.根据权利要求6所述的大张检查机机检数据二次检测核查的方法，其特征在于：所述小图像的大小为180×120像素。

一种大张检查机机检数据在线二次检测核查的系统及方法\n技术领域\n[0001] 本发明涉及一种大张检查机机检数据二次检测核查的系统及方法。\n技术背景\n[0002] 现有人民币印刷产品质量检测系统对实时性要求较高，因此要求实时检测的算法复杂度不能太高。简单高效的算法往往会影响检测结果的精准性，因此误废数量较多。\n发明内容\n[0003] 为了解决现有人民币大张产品质量检测系统误废数量较多的技术问题，本发明提出了一种大张检查机机检数据在线二次检测并分仓的系统及方法。\n[0004] 本发明的技术解决方案是：\n[0005] 一种大张检查机机检数据在线二次检测核查的系统，其特殊之处是，包括检测从站、在线二次核查工作主站、显示主站、控制主站以及信号同步控制处理单元，所述检测从站包括正面检测从站和背面检测从站，用于实时采集印码机收纸部分送出的被检大张产品的全幅面图像，并将全幅面图像分割成若干个小图像进行检测，得到缺陷信息及缺陷图像，然后将缺陷信息及缺陷图像分别发送至在线二次核查工作主站、显示主站和控制主站；所述在线二次核查工作主站用于将检测从站发送的缺陷信息及缺陷图像进行错误分级，并把错误分级结果分别发送给控制主站与显示主站；所述控制主站用于接收二次核查工作主站的错误分级结果，并结合检测从站发送的缺陷信息及缺陷图像发出控制数据流；所述显示主站用于接收二次核查工作主站的错误分级结果，并实时显示检测从站检测出的缺陷信息及缺陷图像和二次核查工作主站发送的错误分级结果；所述信号同步控制处理单元包括分别与检测从站、在线二次核查工作主站以及控制主站连接的多个信号同步器，所述信号同步处理单元用于通过工业现场总线接收控制主站发送的控制数据流对人民币大张产品进行分仓处理。\n[0006] 上述检测从站设置在印码机收纸部分并与出纸链轮相接，包括传动装置、展平装置和检测装置；所述传动装置包括与印码机出纸链轮10相接的检测滚筒11、与检测滚筒11相接的两个叼纸牙排链轮12、设置在两个叼纸牙排链轮之间的传动链条18、设置在传动链条上的多个均布的叼纸牙排15；所述叼纸牙排可将检测滚筒传送的被检大张产品从展平装置上拖过；所述展平装置包括设置在两个叼纸牙排链轮12下方的吸风板4、设置在吸风板下方的两个长条形横向吸风口3、设置在吸风板上方且横向设置的吹风装置14；所述吸风口3与气泵6相通，所述吹风装置可向吸风板上吹气；所述检测装置包括设置在吸风板4上的横向缺口8、与印码机出纸链轮10相接的检测滚筒11、与检测滚筒11同轴连接的编码器13设置在吸风板上方的正面检测从站、设置在吸风板下方的背面检测从站、用于接收检测信息的显示主站、用于连接正面检测从站、背面检测从站和显示主站的千兆网络；所述正面检测从站和背面检测从站分别包括两台彩色线阵CCD相机、两台与CCD相机分别相连的检测前端PC、为前端PC提供照明的光源2；所述背面检测从站的CCD相机正对缺口8；所述编码器可向所有的检测前端PC及信号同步处理单元提供同步信号。\n[0007] 上述小图像的大小为180×120像素。\n[0008] 一张大张检查机机检数据在线二次检测核查的方法，其包括以下步骤：\n[0009] 1】检测从站实时采集大张产品的全幅面图像，并将全幅面图像分割成若干个小图像进行检测，得到缺陷信息及缺陷图像，然后将缺陷信息及缺陷图像发送至在线二次核查工作主站、显示主站和控制主站；\n[0010] 2】在线二次核查工作主站将检测从站发送的缺陷信息及图像进行错误分级，并把错误分级结果分别发送给控制主站与显示主站；\n[0011] 3】控制主站接收到错误分级结果，并结合各检测从站发送的缺陷信息及缺陷图像发出控制数据流给信号同步控制处理单元通过PLC进行实时分仓；\n[0012] 4】显示主站接收二次核查工作主站的错误分级结果，并实时显示检测从站发送的缺陷信息及缺陷图像和二次核查工作主站发送的错误分级结果；信号同步控制处理单元分别控制各检测从站、二次核查工作主站以及控制主站的信号同步。\n[0013] 上述步骤1】的具体步骤如下：\n[0014] 1.1]驱动装置将印码机送出的被检大张产品从展平装置的吸风板上匀速拖过，展平装置的吸风口和吹风装置将该被检大张产品压紧在吸风板上以保持平整；\n[0015] 1.2]与检测滚筒同步转动的编码器触发相应的CCD相机进行采图；\n[0016] 1.3]前端PC分别与CCD相机和印码在线检测系统相连，将采集到的实时图像与内置的模型图像进行小图像对比分析，然后将有质量缺陷的图像信息与印码在线检测系统的号码对应；\n[0017] 1.4]将有质量缺陷的缺陷图像和缺陷信息以及对应的号码通过千兆网络发送到在线二次核查工作主站、显示主站和控制主站。\n[0018] 上述二次核查工作主站对接收到的缺陷信息及缺陷图像进行错误分级，并把错误分级结果送入显示主站的具体步骤为：\n[0019] 2.1】收集若干大张好品样张，进行图像特征信息提取过程，通过对所提取大量图像特征信息，采用非参数估计法建立一个多维特征概率分布模型，形成二次检测核查数据模型；\n[0020] 2.2】对于待检的来自各检测从站的缺陷图像，经过图像特征信息提取后得到图像特征信息集合；\n[0021] 2.3】步骤2.2】中所得出图像特征信息集合与步骤2.1】中二次检测核查数据模型进行比较运算，得到残点图像；\n[0022] 2.4】通过聚类操作，将残点图像中的噪点剔除，得到精细残点图像；所述聚类操作包括残点面积阈值和残点间的距离阈值；\n[0023] 2.5】筛选分类：对精细残点图像提取尺寸、能量以及颜色信息，根据图像作废类型及程度进行筛选分类，将其分为实废、疑似和误废三类，作为输出结果。\n[0024] 上述图像特征信息包括色彩信息、色差信息、定位核信息、空间位置信息、小尺度纹理信息以及大尺度图像结构信息。\n[0025] 上述聚类操作为模糊C均值聚类操作。\n[0026] 上述小图像的大小为180×120像素。\n[0027] 本发明的有益效果：\n[0028] 1、本发明可实现大张检查机机检结果全图像区域自动、在线、高速的二次判废计算；可实现图像残点的精准提取与分类，实现大张检查机机检误废的自动剔除和严重废品的自动筛查。\n[0029] 2、本发明利用大张检查机检测完成到分仓的间隔时间，采用更精确的算法和数算反馈机制，把在线二次检测核查系统确定的大张检查机误废产品和实废产品按分仓要求精确分离投递，实现大张检查机在线二次核查并分仓，降低大张检查机半废品数量，从根本上解决半废品处理难的问题，对简化生产工序，加快检查速度，节省生产资源起到至关重要的作用。\n[0030] 3、大张在线二次核查技术实现大张检查机机检误废和实际废品的在线分离，直接减少大张检查机半废品数量，使大张好品率提升8％以上，误废率降低50％以上，经工艺应用，可有效消除人工图像判废和人工小张剔废的质量、数字和产品安全风险，对为简化工艺、解放清分机、提高检封效率，实现全机检工艺奠定坚实基础，具有更好的推广使用价值。\n本发明取消了工艺中的人工图像判废环节，不但能消除人工干预的质量、数字风险，而且节省人员、成本投入，具有一定的经济效益。\n[0031] 4、本发明对原纸黑色小点具有较强的鉴别能力，可以将这类小点视为误废予以剔出；本发明对纸张拉伸变形及光线变化具有一定的适应能力，减少了该类型引起的误报。二次核查将人脸识别方法应用于印刷产品检测，除了大张检测采用的色彩信息、色差信息、定位核信息之外，二次核查还从图像中提取了更多可用信息，如空间位置信息、小尺度纹理信息、大尺度图像结构信息等，结合这些信息，算法将具有比大张检测机更高的识别区分度。\n源于人脸识别的思想，这些信息对于光线变化、结构变化具有更高的鲁棒性，因而对于印刷品时常发生的微小且在允许范围内的光线及空间形状变化具有较强的容忍度。\n[0032] 5、本发明利用小张核查令牌环同步技术，令牌号之间采取反馈校验，并于硬件同步信号进行校验，在检测端处理完成到分仓这很短的时间内，保证二次核查结果信息能准确对应到相应大张。对于二次核查处理来不及的缺陷图像进行预判，尽量保证每张处理结果在分仓之前到达，并避免拥塞。对于同步失败的大张和来不及处理的大张按废品处理，完全杜绝同步风险。\n[0033] 6、本发明通过企业内部局域网和大张检查系统局域网的构建，可实现快速的图像数据下载和上传功能；数据传输采用索引效验机制，对数据在传输和存储时发生的错误能及时提示；数据访问采图共享互斥访问机制，避免大张检测机和二次检测核查系统信息共享冲突；开发的前台操作模块与后台维护模块，各级用户操作便捷，实现机检数据的实时处理、历史数据的条件索引、后台模板的维护优化了。\n[0034] 7、本发明完成了2000万生产验证，一般漏废率为0.03/万，误废剔废率达到68％。\n[0035] 8、：本发明小图像的大小优选180×120像素，图像太大影响检测质量，图像太小影响检测速度。\n附图说明\n[0036] 图1为本发明系统的结构示意图；\n[0037] 图2为本发明检测从站的正面结构示意图；\n[0038] 图3为本发明检测从站的侧面结构示意图；\n[0039] 图4为本发明方法原理图；\n[0040] 图5为本发明控制主站实现分仓的原理图；\n[0041] 图6为本发明二次检测核查方法原理图。\n具体实施方式\n[0042] 如图1所示，在线二次核查工作主站的图像获取(错误区域图像)通过图像数据传输网络(千兆网络)由各检测从站传输到在线二次核查工作主站，实现缺陷区域再处理。\n[0043] 在线二次核查工作主站检测结果信息通过信息数据传输网络(千兆网络)传输到控制主站，实现控制分仓、统计分析和信息显示等功能。\n[0044] 在线二次核查工作主站控制数据流通过专用的工业现场总线传输到信号同步控制处理单元，解决在线二次核查工作主站处理小图的大张序列同步问题。\n[0045] 检测从站：检测实时大张产品，300ms内完成一个大张的全幅面检测，把缺陷位置的图像发送到在线二次核查工作主站。\n[0046] 在线二次核查工作主站：利用各检测从站完成到分仓之间的间隔时间，对接收到的缺陷图像执行第二次检测、利用更为精细的算法对接收到的缺陷图像进行错误分级，并把分级的结果分别传送到控制主站与显示主站。\n[0047] 控制主站：接收二次核查工作主站的错误分级结果，综合利用检测从站检测出的缺陷信息和二次核查工作主站的错误分级结果输出进行实时分仓的控制数据流。\n[0048] 显示主站：接收二次核查工作主站的错误分级结果，实时显示检测从站检测出的缺陷信息、缺陷图像和二次核查工作主站的分级信息。\n[0049] 检测从站的结构：\n[0050] 检测从站设置在印码机收纸部分并与出纸链轮相接，包括传动装置、展平装置和检测装置；\n[0051] 传动装置包括与印码机出纸链轮10相接的检测滚筒11、与检测滚筒11相接的两个叼纸牙排链轮12、设置在两个叼纸牙排链轮之间的传动链条18、设置在传动链条上的多个均布的叼纸牙排15；所述叼纸牙排可将检测滚筒传送的被检大张产品从展平装置上拖过；\n[0052] 展平装置包括设置在两个叼纸牙排链轮12下方的吸风板4、设置在吸风板下方的两个长条形横向吸风口3、设置在吸风板上方且横向设置的吹风装置14；吸风口3与气泵6相通，所述吹风装置可向吸风板上吹气；\n[0053] 检测装置包括设置在吸风板4上的横向缺口8、与印码机出纸链轮10相接的检测滚筒11、与检测滚筒11同轴连接的编码器13设置在吸风板上方的正面检测从站、设置在吸风板下方的背面检测从站、用于接收检测信息的显示主站、用于连接正面检测从站、背面检测从站和显示主站的千兆网络；\n[0054] 正面检测从站和背面检测从站分别包括两台彩色线阵CCD相机、两台与CCD相机分别相连的检测前端PC、为前端PC提供照明的光源2；所述背面检测从站的CCD相机正对缺口8；\n[0055] 编码器可向所有的检测前端PC及信号同步器提供同步信号。\n[0056] 检测从站的工作过程：\n[0057] 1.1]驱动装置将印码机送出的被检大张产品从展平装置的吸风板上匀速拖过，展平装置的吸风口和吹风装置将该被检大张产品压紧在吸风板上以保持平整；\n[0058] 1.2]与检测滚筒同步转动的编码器触发相应的CCD相机进行采图；各检测从站在\n300ms内完成一个大张的全幅面检测，实质是将全幅面图像分割成若干个小图像进行检测，得到缺陷信息及缺陷图像；\n[0059] 1.3]前端PC分别与CCD相机和印码在线检测系统相连，将采集到的实时图像与内置的模型图像进行对比分析，然后将有质量缺陷的图像信息与印码在线检测系统的号码对应；\n[0060] 1.4]各检测从站将有质量缺陷的图像信息和号码通过千兆网络发送到二次核查工作主站、显示主站和控制主站。\n[0061] 在线二次核查工作主站包括建模过程和检查过程：\n[0062] 收集若干大张好品样张，通过特征提取过程，建立二次核查模型，作为检查的模板；对于每一张来自大张检查系统的缺陷小图，经过特征提取过程后，与二次核查模板做模板匹配操作；通过与模板的对比，提取残点后，将获得一个粗糙的残点图像；通过聚类操作，残点图像中的噪点被剔除，获得精细的残点图像；残点分析器根据判断规则，对精细残点图像进行分析，将其分为实废、疑似和误废三类，作为输出结果。\n[0063] 分仓控制：利用大张检查机首次检测完成到分仓之间的间隔时间，采用更精细的算法，误废分到三仓，把实废分到四仓，实现大张检查机误废和实废的在线分离。\n[0064] 在线二次核查同步分仓技术点：\n[0065] 采用主流、成熟的软件设计体系J2EE规范作为开发技术，多层分布式的应用模型，组件重用、一致化的安全模型和灵活的事务控制，支持应用的动态扩展和可伸缩性，采用数据缓冲技术实现对于大数量级的用户访问支持，采用实现动态负载平衡和事务管理、消息处理机制。\n[0066] 程序构架上采用模块-接口模式，把在线二次核查模块独立到大张机系统外，约定固定的接口进行通信，即使二次核查工作不正常也不影响大张机一次检测的正常分仓。\n数据流上继续沿用大张机成熟的图像数据流、信息数据流和控制数据流分离技术，数据上做到互不干扰，互不影响，保证了控制数据和信息数据的时效准确性。\n[0067] 数据的同步控制是项目的风险点之一，在高速运行下信号的丝毫延迟都可能会产生对应错位的现象，所以在方案上采用令牌环反馈校验技术和令牌环与硬件信号互相校验技术，对于同步校验不通过或数据不完整的产品分入废品仓，保证好品仓的产品都是同步正确的产品，从硬件和软件两个方面保证同步对应万无一失。\n[0068] 在线二次核查的缺陷小图处理速度是整个项目效率的核心，在线二次核查在海量的特征分析下，提高各个特征分析的速度是关键，在程序上采用多线程并行处理技术，对算法上可以并行分析的特征分配到各个线程当中去处理，充分利用服务器的资源，对核心耗时代码采用SSE技术，在算法上降低冗余，降低处理时间。还有一个风险点在于，如果产品质量不稳定，导致在某一段时间大规模报图，可能会对二次核查工作主站造成处理拥塞，对于这种情况，在二次核查工作主站对于分仓前来不及处理的小图在处理前进行处理时间的预判，专门编写了准确的处理时间预判法则，如果预判到缺陷小图来不及处理则直接丢弃处理下一个小图，保证程序处理的小图都是有效的，避免缺陷小图过多时导致的拥塞，影响核查效率。\n[0069] 在线二次核查工作主站的软件架构由模板数据库、建模模块、检测模块和查询模块组成。查询模块用于浏览已完成生产的产品，按车号、时间查询，浏览核查结果。检测模块用于执行在线二次核查检测功能。建模模块用于提供宏区域定义、各种检测参数配置交互接口。\n[0070] 本发明原理：\n[0071] 由于大张检测结果具有较高的识别敏感度(漏废少)，和较低的识别特异性(误报多)，因此，在线二次核查的核心思想在于采用与大张检测不同的图像处理算法对大张在线检测得到的局部小图(180×120像素)进行分析，该算法同样具有高敏感度特性，且检测侧重点与大张检测算法具有较高的不一致性，因而两种算法的先后使用将产生一个检测交集，将处于交集中的错误视为真实废品，这样的识别结果兼备高敏感度和高特异性，也即较大张检测算法具有更高的准确性。\n[0072] 算法流程：算法流程包含建模过程和检查过程。\n[0073] 第一步：收集若干大张好品样张，通过对所提取大量图像特征信息，采用非参数估计法建立一个多维特征概率分布模型，形成二次检测核查数据模型，作为检查的模板。以下是对“提取特征”的详细介绍：\n[0074] 在线二次核查将人脸识别方法应用于印刷产品检测，除了大张检测采用的色彩信息、色差信息、定位核信息之外，二次核查还从图像中提取了更多可用信息，如空间位置信息、小尺度纹理信息、大尺度图像结构信息等，结合这些信息，算法将具有比大张检测机更高的识别区分度。源于人脸识别的思想，这些信息对于光线变化、结构变化具有更高的鲁棒性，因而对于印刷品时常发生的微小且在允许范围内的光线及空间形状变化具有较强的容忍度。\n[0075] 为了使获得的信息对于旋转、尺度缩放、仿射变换、视角变化、光照变化等图像变化因素保持一定的不变性，需要从原始图像中提取鲁棒性特征，并对这些特征做归一化运算。\n[0076] 1、空间位置特征\n[0077] 采用基于相关的模板匹配(conrelation-based)，适用于纹理图像，聚焦不清的图像和形状变形。该方法利用模板图像Y与待检测特性X之间的相关系数，来确定两者之间的相对位移，通过图像平移实现空间位置的归一化。\n[0078] \n[0079] 2、色彩特征\n[0080] 采用颜色直方图(Color Histogram)提取颜色特征。颜色直方图直观的显示了图像在色彩空间的分布状况。将图像直方图以标准图像的直方图为标准作变换，使两图像的直方图相同和近似，从而使两幅图像具有类似的色调和反差，以达到对颜色特征进行归一化的目的。\n[0081] 3、小尺度纹理特征\n[0082] 小尺度空间的纹理特征采用灰度级的空间相关矩阵即共生矩阵为基础的纹理特征提法。图像中相距(Δx，Δy)的两个灰度像素同时出现的联合频率分布可以用灰度共生矩阵来表示。从共生矩阵导出以下反映矩阵状况的参数：\n[0083] (1)能量\n[0084] (2)对比度\n[0085] (3)相关\n[0086] (4)熵\n[0087] (5)逆差距\n[0088] 4、大尺度结构特征\n[0089] 采用图像局部特征描述算子(Scale Invariant Feature Transform)提取多尺度空间的结构特征。该算子完成以下过程：\n[0090] (1)对于图像上的点，计算其在每一尺度下DoG算子\n[0091] (Difference-of-Gaussian)的响应值，这些值连起来得到特征尺度轨迹曲线，以此初步确定关键点位置和所在尺度。\n[0092] (2)通过拟和三维二次函数以精确确定关键点的位置和尺度，同时去除低对比度的关键点和不稳定的边缘响应点，以增强匹配稳定性、提高抗噪声能力。\n[0093] (3)最后利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使算子具备旋转不变性。\n[0094] 通过对大量标准样张提取上述特征，采用非参数估计法\n[0095] (Nonparametric Estimation)建立一个多维特征概率分布模型，在上述多维特征空间中形成一幅标准“模板”，以作为缺陷检测的标准图像(GM Image)。\n[0096] 第二步：提取采集的待检测图像特征的方法同于第一步。\n[0097] 第三步：待检测图像的特征图像与训练保存好的模板图像进行比较运算(减运算，即减灰度)，得到残点的残差图像。根据将待检图像(S)与标准图像(T)之间做差分运算：I(S)-I(T)，并对该图像做二值化运算，获得一幅带有噪声的差异图像。\n[0098] 第四步：残点聚类，获得精致的残点图像。\n[0099] 因为待检测图像的特征图像与模板图像对比、提取，获得的是一个粗糙的残点图像。通过模糊C均值聚类(Fuzzy C Mean)操作，对图像中的紧致度高的残点进行聚合，从而剔除噪声或非同类点的干扰，获得精细的残点图像。\n[0100] 第五步：残点分析器根据判断规则，对精细残点图像进行分析，将其分为实废、疑似和误废三类，作为输出结果。\n[0101] 采用带监督机器学习方法(Supervised Machine Learning)，采集大量人工判废数据作为训练样本，根据图像特征与人工判废标志(废、疑似和误废)的关系，建立概率统计模型，形成分类器(Classifier)。对于新的图像样本，分类器能自动识别出其所属的类型。