[发明专利]一种手机摄像孔玻璃面板干涉条纹数目的检测方法

权利要求书

1.一种手机摄像孔玻璃面板干涉条纹数目的检测方法，其特征在于，包括以下步骤：

S1、采集手机摄像孔玻璃面板的干涉条纹图像，将干涉条纹图像进行数据增强和标注，构建样本数据集，按比例划分为训练集、验证集和测试集；

所述步骤S1包括：

S11、通过菲索式激光干涉仪采集不同类型、不同精度的手机摄像孔玻璃面板的干涉条纹图，剔除质量不合格的干涉条纹图，完成数据清洗；

S12、数据增强的方法是将清洗后的干涉条纹图数据集通过平移、翻转方式扩充一倍；

S13，使用LabelImg标注工具对目标区域的干涉条纹图进行标注；

S2、将训练集用于YOLOv2网络模型训练，将验证集用于YOLOv2网络模型参数调优，测试集用于网络模型准确性验证；

所述步骤S2包括：

S21，对摄像孔玻璃面板干涉条纹图的边界框进行K-means维度聚类；采用边界框与聚类中心的IOU值作为距离指标，IOU值为边界框与聚类中心交集面积占聚类中心与边界框并集面积的比值；将迭代后的聚类中心作为先验框；距离指标计算方法为：d(box,centroid)＝1-IOU(box,centroid)；

S22、基于Darkent-19网络结构的YOLOv2网络模型结构，包含卷积层、最大池化层、route层、reorg层以及输出层；

S23、针对摄像孔玻璃面板干涉条纹区域检测修改初始YOLOv2网络模型结构，修改为单目标检测网络和单类别输出；修改YOLOv2网络模型输出的维度大小：S×S×(K×(5+C))，其中，S为图片划分的格子区域个数，K为聚类的先验框个数，C为类别个数；

S24、对输出的目标检测框进行非极大值抑制，筛选出最优的目标检测框；

S25，利用损失函数对YOLOV2网络模型输出结果以及实际值进行计算和反向传播，更新网络结构的权重参数；

S3、将训练集待测干涉条纹图像输入YOLOv2网络模型，检测出手机摄像孔区域玻璃面板的干涉条纹图；

S4、将检测出的目标区域的长宽按一定比例扩大后截取分析；

为保证输出的边界框能够尽量包含目标区域的条纹图信息，因此将检测到的目标区域的边界框扩大，输出的长和宽扩大X倍，扩大倍数按照YOLOv2网络模型实际检测效果进行确定；

S5、对截取出的目标区域的干涉条纹图进行预处理，通过分析图像连通区域面积得到摄像孔玻璃面板的干涉条纹数量。

2.如权利要求1所述的手机摄像孔玻璃面板干涉条纹数目的检测方法，其特征在于，所述S24的非极大值抑制方法包括：

S241、对网络模型输出的所有候选框，将置信度最高的候选框设定为目标框；

S242、遍历除目标框以外所有的候选框，如果与目标框的IOU值大于阈值，删除目标框；

S243、从剩余的候选框中重新选取置信度最高的候选框作为新的目标框，重复S242，直到所有候选框都被筛选完毕，最后输出所有的目标框。

3.如权利要求1所述的手机摄像孔玻璃面板干涉条纹数目的检测方法，其特征在于，所述步骤S5包括：

S51、对条纹图进行自适应中值滤波，滤波方法为逐行扫描图像，当处理每一个图像时，判断该像素是否为滤波窗口下的极值，如果是就采用中值滤波处理该像素，如果不是，不予处理；

S52、为减小背景对条纹图像的干扰，根据目标框的大小，以目标中心点为圆点，直径为目标框最短边的长度，保留这个圆内的像素点，其余像素点都置为255作为背景；

S53、对处理后的条纹图进行二值化，并进行多次闭运算操作，即先膨胀图像再进行腐蚀，连接因噪声而断裂的条纹，最大限度保留条纹信息；

S54、利用扫描线种子填充法对连通域进行扫描填充，获得每个条纹连通域面积；对连通域面积进行降序排序，最大的连通域面积作为第一个连通域，如果前一个连通域面积是当前筛选的连通域面积的三倍以上且前一个连通域面积小于阈值，将之后的连通域忽略，根据剩余的连通域数量得到条纹数量。

4.如权利要求3所述的手机摄像孔玻璃面板干涉条纹数目的检测方法，其特征在于，所述S54的扫描线种子填充法包括：

S541、初始化空栈，将种子点(x1,x2)入栈；判断栈是否为空，如果栈为空则结束算法，否则取出栈顶元素作为当前扫描线的种子点(x1,x2)，x2是当前的扫描线；

S542、从种子点(x1,x2)出发，沿当前扫描线向左、右两个方向填充，直到边界，分别标记区段的左、右端点坐标为left和right；

S543、分别检查与当前扫描线相邻的x2-1和x2+1两条扫描线在区间[left，right]中的像素，从left开始向right方向搜索，若存在非边界且未填充的像素点，则找出这些相邻的像素点中最右边的一个，并将其作为种子点压入栈中，然后返回步骤S542。