亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于Hadoop的衛(wèi)生陶瓷缺陷檢測(cè)研究

        2018-09-04 16:36:08
        制造業(yè)自動(dòng)化 2018年8期
        關(guān)鍵詞:衛(wèi)生陶瓷灰色節(jié)點(diǎn)

        (唐山學(xué)院,唐山 063000)

        0 引言

        隨著人民群眾生活水平的日益提高,近20年來(lái),我國(guó)建筑衛(wèi)生陶瓷行業(yè)得到飛速發(fā)展,從20世紀(jì)90年代初開(kāi)始,其產(chǎn)量一直處于世界第一的位置。并且還創(chuàng)造了中國(guó)世界紀(jì)錄協(xié)會(huì)世界建筑衛(wèi)生陶瓷產(chǎn)生產(chǎn)量最多的國(guó)家新的世界紀(jì)錄。特別是2010年,隨著大規(guī)模的工業(yè)化生產(chǎn),我國(guó)建筑陶瓷行業(yè)已經(jīng)出現(xiàn)了廣東、福建、四川、江西等幾大陶瓷產(chǎn)區(qū),我國(guó)也成為世界上建筑陶瓷生產(chǎn)和出口大國(guó)。衛(wèi)生陶瓷作為一種有釉的陶瓷制品,在燒制上釉的過(guò)程中,也會(huì)出現(xiàn)開(kāi)裂、缺釉、色差等缺陷[1]。在機(jī)器視覺(jué)的檢測(cè)過(guò)程中,常用高清工業(yè)相機(jī)進(jìn)行拍攝,然后利用相應(yīng)算法進(jìn)行檢測(cè)[2,3]。

        這些機(jī)器視覺(jué)的檢測(cè)方法大多采用的是單處理器的方式,對(duì)應(yīng)于數(shù)量龐大的待測(cè)高清圖像集來(lái)說(shuō),存在處理數(shù)據(jù)量大,處理速度較慢的問(wèn)題,且無(wú)法并行運(yùn)算處理。在大數(shù)據(jù)時(shí)代,工業(yè)產(chǎn)品機(jī)器視覺(jué)檢測(cè)領(lǐng)域,待測(cè)圖像的數(shù)量不計(jì)其數(shù)。隨著云計(jì)算、大數(shù)據(jù)技術(shù)的發(fā)展,使得高效、快速進(jìn)行工業(yè)產(chǎn)品檢測(cè)成為可能。

        Hadoop是目前采用的一種并行、分布式的數(shù)據(jù)處理平臺(tái)[4]。在圖像處理相關(guān)領(lǐng)域有著廣泛的應(yīng)用前景。例如趙進(jìn)超[5]等在Hadoop平臺(tái)實(shí)現(xiàn)了圖像紋理特征的提??;余征等[6]利用Hadoop平臺(tái)進(jìn)行了人臉識(shí)別算法的應(yīng)用,運(yùn)行速度及效率較高;白靈[7]在Hadoop平臺(tái)下進(jìn)行SVM圖像識(shí)別,進(jìn)而實(shí)現(xiàn)了對(duì)圖像進(jìn)行快速分類;夏曉云等[8]使用Hadoop里的MapReduce技術(shù)結(jié)合圖像檢測(cè)算法對(duì)液晶屏幕缺陷進(jìn)行檢測(cè),提高了檢測(cè)效率。

        1 相關(guān)技術(shù)

        Hadoop是Apache基金會(huì)所開(kāi)發(fā)的一種分布式基礎(chǔ)架構(gòu),具有高可靠性、高拓展性、高效性、高容錯(cuò)性、低成本等一系列特性,用戶可以輕松地在Hadoop上開(kāi)發(fā)和運(yùn)行處理海量數(shù)據(jù)的應(yīng)用程序。Hadoop框架最核心的設(shè)計(jì)HDFS與MapReduce分別可以實(shí)現(xiàn)海量數(shù)據(jù)存儲(chǔ)與海量數(shù)據(jù)計(jì)算[9]。作為大數(shù)據(jù)時(shí)代的衍生物,Hadoop云計(jì)算平臺(tái)在海量數(shù)據(jù)并行處理方面效果顯著。Hadoop云計(jì)算平臺(tái)的核心技術(shù)為HDFS(Hadoop Distributed File System)和MapReduce(映射-歸一),分別表示分布式存儲(chǔ)技術(shù)和并行分布式計(jì)算技術(shù)。Hadoop最初是由Nutch項(xiàng)目的開(kāi)發(fā)團(tuán)隊(duì),在Google的GFS技術(shù)和MapReduce的基礎(chǔ)上,研發(fā)出了NDFS系統(tǒng),這個(gè)系統(tǒng)是個(gè)開(kāi)源系統(tǒng)。并逐漸被谷歌、微軟、阿里等大廠商認(rèn)可,后來(lái)更名為HDFS。Hadoop的底層是由Java編寫(xiě),也就是說(shuō)可以直接使用Java語(yǔ)言進(jìn)行編程,也可以用其他語(yǔ)言編寫(xiě)相關(guān)函數(shù)封裝使用。

        HDFS負(fù)責(zé)海量數(shù)據(jù)的分布存儲(chǔ),由一個(gè)主節(jié)點(diǎn)和若干從節(jié)點(diǎn)的典型主從結(jié)構(gòu)組成。其中主節(jié)點(diǎn)為主控服務(wù)器,用于管理協(xié)調(diào)從節(jié)點(diǎn)的分布作業(yè)調(diào)度。Hadoop在運(yùn)行過(guò)程中主要有兩個(gè)運(yùn)行階段,每個(gè)階段都使用鍵值作為作業(yè)處理的輸入和輸出。并且采用了標(biāo)準(zhǔn)的函數(shù)編程的模式,分別對(duì)應(yīng)了mapper( )和reducer( )兩個(gè)Hadoop自帶的函數(shù)。mapper( )函數(shù)對(duì)應(yīng)著輸入數(shù)據(jù)的分片映射處理,而reducer( )函數(shù)實(shí)現(xiàn)了mapper( )處理后數(shù)據(jù)的統(tǒng)計(jì)重構(gòu)。從而實(shí)現(xiàn)了數(shù)據(jù)分布式并行處理的過(guò)程。

        2 海量衛(wèi)生陶瓷圖像的并行檢測(cè)

        圖像處理技術(shù)經(jīng)過(guò)幾十年的發(fā)展,雖然有很多研究人員在算法的執(zhí)行效率方面進(jìn)行研究,但目前的圖像處理工作存在處理量大,算法較為復(fù)雜的特點(diǎn),在處理研究上已經(jīng)遇到瓶頸。因此將圖像處理算法引入到云計(jì)算平臺(tái)中是有重要意義的。因?yàn)镠adoop云平臺(tái)自身也帶了處理小文件的技術(shù)方案。Hadoop在HDFS中存儲(chǔ)塊的大小為64MB,小于64MB這種的文件統(tǒng)稱為Hadoop小文件。該方案稱為組合分片技術(shù),在此不用考慮文件怎樣被組合分片的。通過(guò)對(duì)大量Hadoop小文件的合并大大減少了Map映射任務(wù)的啟動(dòng)次數(shù),從而提升了文件處理的速度。云計(jì)算平臺(tái)的并行集群化計(jì)算,能在時(shí)間性能上得到顯著的提升。本文提出的衛(wèi)生陶瓷缺陷檢測(cè)云平臺(tái)處理步驟如下,其框架如圖1所示。

        圖1 衛(wèi)生陶瓷缺陷檢測(cè)云平臺(tái)的框架圖

        第一步:將待測(cè)的衛(wèi)生陶瓷圖像集合分成若干split,在這里每幅圖像即為一個(gè)split;

        第二步:各從節(jié)點(diǎn)調(diào)用mapper( )函數(shù),接收split傳入后的數(shù)據(jù),并行提取每幅圖像的特征,生成相應(yīng)的特征矩陣;

        第三步:利用灰色關(guān)聯(lián)算法[6]對(duì)選取的關(guān)鍵點(diǎn)進(jìn)行關(guān)聯(lián)處理,判斷是否有缺陷區(qū)域;

        第四步:主節(jié)點(diǎn)調(diào)用reducer( )函數(shù)將mapper( )函數(shù)處理的結(jié)果進(jìn)行合并,由RecordWriter類寫(xiě)回指定的HDFS中。

        3 衛(wèi)生陶瓷缺陷檢測(cè)云平臺(tái)系統(tǒng)設(shè)計(jì)

        3.1 Hadoop云平臺(tái)的搭建

        1)硬件平臺(tái)

        本文搭建的衛(wèi)生陶瓷缺陷檢測(cè)的Hadoop云平臺(tái)由5臺(tái)普通的PC機(jī)組成。其中主節(jié)點(diǎn)采用的是Intel酷睿i5 4460四核心,3.2GHz主頻,6M三級(jí)緩存,內(nèi)存8GB,硬盤2TB;4個(gè)從節(jié)點(diǎn)采用的是酷睿i3 6100四核心,3.7GHz主頻,6M三級(jí)緩存,內(nèi)存4GB,硬盤1TB。

        2)軟件平臺(tái)

        操作系統(tǒng):5臺(tái)PC機(jī)都安裝Ubuntu14.04,32位linux操作系統(tǒng);

        Hadoop版本:Hadoop 2.7.1;

        軟件框架:Eclipse和JDK 1.8。

        3)Hadoop網(wǎng)絡(luò)平臺(tái)的搭建

        該云平臺(tái)分布并行系統(tǒng)中的主、從節(jié)點(diǎn)都通過(guò)千兆以太網(wǎng)進(jìn)行連接,配置Java語(yǔ)言實(shí)現(xiàn)映射、歸一化。該Hadoop云平臺(tái)的各主從節(jié)點(diǎn)都屬于同一個(gè)局域網(wǎng),具體網(wǎng)絡(luò)配置如表1所示。

        表1 Hadoop云平臺(tái)網(wǎng)絡(luò)配置

        3.2 灰色關(guān)聯(lián)算法

        灰色決策系統(tǒng)關(guān)聯(lián)就是利用所研究對(duì)象的“部分信息已知,部分信息未知”的“小樣本”、“貧信息”,通過(guò)一定的方式和技巧對(duì)“部分”已知信息的生成、開(kāi)發(fā),提取有價(jià)值的信息,實(shí)現(xiàn)對(duì)研究對(duì)象的確切描述和認(rèn)識(shí),對(duì)未來(lái)的行動(dòng)作出決定[10,11]。對(duì)于所提取的具有缺陷的衛(wèi)生陶瓷制品圖像來(lái)說(shuō),要么有缺陷,要么沒(méi)有缺陷,因此可以將陶瓷制品缺陷圖像轉(zhuǎn)化為本文算法的灰色系統(tǒng),也就是可以使用灰色理論中非常重要的灰色關(guān)聯(lián)度算法進(jìn)行缺陷區(qū)域提取[12,13]。

        1)設(shè)m×n系統(tǒng)一個(gè)參考序列的初值像值,如式(1)所示。

        2)參考序列差,如式(2)所示。

        3)求解兩極端的最大差以及最小差,如式(3)所示。

        5)求解關(guān)聯(lián)度,如式(5)所示。

        首先,對(duì)原始待測(cè)圖像按照灰色關(guān)聯(lián)理論提取出顏色特征N種,即利用上述算法簡(jiǎn)化圖像所需計(jì)算的范圍,也就是將m×n的待測(cè)圖像,使用式(1)~式(5)分行進(jìn)行關(guān)聯(lián)度R0i的計(jì)算,分成N類。然后加入確定好的缺陷特征顏色,構(gòu)成N+1個(gè)參考序列,最后將圖像中的所有像素與N+1種顏色計(jì)算其灰色關(guān)聯(lián)度,取出關(guān)聯(lián)度最大者將其歸為該類,最后判斷歸為缺陷特征的顏色像素點(diǎn)的真?zhèn)巍_@樣就可以把缺陷目標(biāo)區(qū)域與正常圖像進(jìn)行本質(zhì)分割,達(dá)到預(yù)期的效果。

        3.3 缺陷檢測(cè)算法描述

        本系統(tǒng)平臺(tái)所使用的缺陷檢測(cè)算法,是對(duì)缺陷衛(wèi)生陶瓷的開(kāi)裂、顏色、形狀和尺寸等參數(shù),利用機(jī)器視覺(jué)算法進(jìn)行特征提取,然后進(jìn)行相應(yīng)的計(jì)算識(shí)別,具體步驟如下:

        舞蹈作品是由舞蹈動(dòng)作組成舞句再連成舞段再由舞段銜接成一個(gè)舞蹈作品的這樣一個(gè)過(guò)程,音樂(lè)是由音符組成小節(jié)再連成一句繼續(xù)延伸到一段再銜接成一首曲子的這樣一個(gè)過(guò)程,所以音樂(lè)與舞蹈的創(chuàng)編過(guò)程是相似的,音樂(lè)是由單個(gè)的音符、舞蹈是由單個(gè)的動(dòng)作這樣往后繼續(xù)延續(xù)形成的一個(gè)作品,而且都是具有行進(jìn)與推動(dòng)性的,在時(shí)間值上也都具有變化,因此音樂(lè)與舞蹈都是具有節(jié)奏的這便是它們的基礎(chǔ)與共性,也因此決定了音樂(lè)與舞蹈不可分割的藝術(shù)表演形式。

        1)建立衛(wèi)生陶瓷缺陷特征模型,主要包括顏色、形狀和尺寸等幾個(gè)方面,使用基于灰色理論的圖像處理方法,主要根據(jù)衛(wèi)生陶瓷缺陷的顏色特征進(jìn)行檢測(cè),形狀和尺寸特征作為缺陷判別的輔助手段。

        2)采集衛(wèi)生陶瓷圖像,這里使用彩色圖像。

        3)對(duì)圖像進(jìn)行常規(guī)處理,這里主要是彩色圖形的濾波處理,為了提高效率濾波算法也使用基于灰色理論的圖像處理方法[14]。

        4)對(duì)衛(wèi)生陶瓷圖像按照像素的顏色值進(jìn)行分類,為了便于處理和提高效率,這項(xiàng)操作選在RGB空間進(jìn)行。

        5)搜索與缺陷顏色特征隸屬度高的像素[15],然后通過(guò)其形狀和尺寸特征給出最終判斷。

        6)為了用戶能夠?qū)θ毕莘奖悴炜矗詫?duì)判斷出的缺陷區(qū)域,按照標(biāo)定算法對(duì)缺陷區(qū)域進(jìn)行標(biāo)定。

        3.4 基于Hadoop云平臺(tái)的衛(wèi)生陶瓷缺陷圖像區(qū)分

        如圖1所示,mapper( )函數(shù)映射后的圖像數(shù)據(jù),經(jīng)過(guò)灰色關(guān)聯(lián)算法進(jìn)行并行處理運(yùn)算,有缺陷的使用標(biāo)定算法在原圖像進(jìn)行標(biāo)定。然后將處理結(jié)果使用Hadoop自帶的API函數(shù)ImageRecordReader(此函數(shù)繼承于RecordReader類),把輸入的圖像split轉(zhuǎn)化為<key,value>對(duì)的形式。在這里經(jīng)過(guò)Java語(yǔ)言編程,將有缺陷的value標(biāo)為1,將沒(méi)有缺陷的value標(biāo)為0。然后將處理結(jié)果交由用戶自定義的reducer方法進(jìn)行處理,并將結(jié)果傳入預(yù)先指定的Hbase區(qū)域,進(jìn)行數(shù)據(jù)的存儲(chǔ)。最后將檢測(cè)結(jié)果,匯聚到主節(jié)點(diǎn)上,給用戶進(jìn)行反饋輸出。用戶既可以得到檢測(cè)結(jié)果,又可以根據(jù)檢測(cè)結(jié)果找到已測(cè)圖像從而進(jìn)行科學(xué)分析。

        4 實(shí)驗(yàn)結(jié)果分析

        為了驗(yàn)證本文提出的方法能夠并行檢測(cè)出衛(wèi)生陶瓷圖像的缺陷,筆者以4幅分辨率640×480的存在缺陷的衛(wèi)生陶瓷圖像為例,進(jìn)行基于Hadoop的MapReduce的分布式并行缺陷檢測(cè)實(shí)驗(yàn)和單機(jī)檢測(cè)實(shí)驗(yàn),待測(cè)圖像和相應(yīng)處理結(jié)果如圖2和圖3所示。

        圖2 Hadoop并行處理前待測(cè)圖像

        圖2(a)表示了衛(wèi)生陶瓷正面開(kāi)裂的缺陷,圖2(b)表示了衛(wèi)生陶瓷垂直面開(kāi)裂的缺陷,圖2(c)表示了衛(wèi)生陶瓷側(cè)面開(kāi)裂的圖像,圖2(d)表示了衛(wèi)生陶瓷側(cè)面開(kāi)裂的情況。通過(guò)分析可知,圖2中各圖像的亮度和對(duì)比度有所不同,是因?yàn)樾l(wèi)生陶瓷的立體特性,從而導(dǎo)致工業(yè)相機(jī)在拍攝時(shí)得到的圖像效果不同。如果用傳統(tǒng)的直方圖以及色差處理方法,很容易將沒(méi)有缺陷的圖像誤判為有缺陷。由圖3可知,灰色關(guān)聯(lián)算法很好的解決了這個(gè)問(wèn)題。因?yàn)樾l(wèi)生陶瓷缺陷區(qū)域在衛(wèi)生陶瓷生產(chǎn)過(guò)程中由于工藝的原因,占比很小,所以只需在拍攝的區(qū)域進(jìn)行缺陷檢測(cè),利用灰色關(guān)聯(lián)算法的歸類特性進(jìn)行缺陷檢測(cè)。

        表2 單機(jī)和Hadoop平臺(tái)檢測(cè)效率對(duì)比

        圖3 Hadoop并行處理后標(biāo)定的結(jié)果

        采用傳統(tǒng)的圖像缺陷檢測(cè)大都是單機(jī)運(yùn)算,也就是說(shuō)一次只能處理一幅待測(cè)圖像,檢測(cè)系統(tǒng)的吞吐率很低。而采用Hadoop平臺(tái)的并行缺陷圖像處理系統(tǒng),一次能處理多幅圖像,程序的吞吐率得到較大提升。筆者對(duì)比了單機(jī)和Hadoop平臺(tái)的系統(tǒng)圖像檢測(cè)的效率,如表2所示。由表2可知,單機(jī)系統(tǒng)處理這四幅待測(cè)圖像需要0.688秒,Hadoop平臺(tái)處理這四幅待測(cè)圖像需要0.181s。在處理單幅待測(cè)圖像時(shí)單機(jī)系統(tǒng)要比Hadoop平臺(tái)要快0.007s,這是因?yàn)?,Hadoop平臺(tái)在MapReduce執(zhí)行階段要耗費(fèi)一些時(shí)間;在處理4幅待測(cè)圖像的情況下,Hadoop平臺(tái)要比單機(jī)系統(tǒng)快0.507s。經(jīng)過(guò)大量實(shí)驗(yàn),當(dāng)待測(cè)圖像數(shù)量大于4時(shí)甚至達(dá)到海量級(jí)別,基于Hadoop平臺(tái)的檢測(cè)系統(tǒng)就能滿負(fù)荷工作,檢測(cè)效率最高。

        5 結(jié)論

        本文提出了基于Hadoop平臺(tái)的衛(wèi)生陶瓷缺陷檢測(cè)方案。此方案包括5臺(tái)PC機(jī),1臺(tái)作為主節(jié)點(diǎn),4臺(tái)作為從節(jié)點(diǎn)。并部署了Hadoop的MapReduce框架,在Mapper( )映射過(guò)程中,用Java編寫(xiě)了基于灰色關(guān)聯(lián)的衛(wèi)生陶瓷缺陷檢測(cè)系統(tǒng)。該系統(tǒng)能夠?qū)πl(wèi)生陶瓷缺陷圖像進(jìn)行并行檢測(cè),在滿負(fù)荷工作下,效率大大高于普通單PC機(jī)搭建的檢測(cè)系統(tǒng)。本文為工業(yè)產(chǎn)品的并行機(jī)器視覺(jué)檢測(cè)提供了相應(yīng)解決方案,有一定參考價(jià)值。

        猜你喜歡
        衛(wèi)生陶瓷灰色節(jié)點(diǎn)
        CM節(jié)點(diǎn)控制在船舶上的應(yīng)用
        Analysis of the characteristics of electronic equipment usage distance for common users
        基于AutoCAD的門窗節(jié)點(diǎn)圖快速構(gòu)建
        淺灰色的小豬
        灰色時(shí)代
        Coco薇(2017年2期)2017-04-25 17:59:38
        她、它的灰色時(shí)髦觀
        Coco薇(2017年2期)2017-04-25 17:57:49
        河南省質(zhì)監(jiān)局抽查115個(gè)批次衛(wèi)生陶瓷產(chǎn)品全部合格
        佛山陶瓷(2017年2期)2017-03-17 17:19:04
        感覺(jué)
        抓住人才培養(yǎng)的關(guān)鍵節(jié)點(diǎn)
        淺議從綠色角度看建筑衛(wèi)生陶瓷產(chǎn)品的發(fā)展趨勢(shì)
        丰满人妻一区二区三区精品高清| 一本一本久久久久a久久综合激情| 国产精品久久久久影院嫩草| 国产在线成人精品| 亚洲精品成人国产av| 国产农村妇女毛片精品久久麻豆| 手机在线免费观看av不卡网站| 亚洲色精品三区二区一区| 99久久精品费精品国产一区二区 | 国产午夜亚洲精品不卡免下载| 国产精东一区二区三区| gg55gg国产成人影院| av 日韩 人妻 黑人 综合 无码| 国产nv精品你懂得| 加勒比亚洲视频在线播放| 成人国产精品一区二区八戒网| 亚洲成av人片在线观看www| 日日碰狠狠躁久久躁96avv| 99视频全部免费精品全部四虎| 青青草视频原手机在线观看| 亚洲av区一区二区三区| 一区二区三区国产高清视频| 爆乳熟妇一区二区三区霸乳| 国产精品第1页在线观看| 久久久亚洲精品蜜臀av| 少妇人妻综合久久中文字幕| 成人亚洲精品777777| 丰满老熟妇好大bbbbb| 国产老妇伦国产熟女老妇高清| 国产精品又爽又粗又猛又黄| 国产精品国产精品国产专区不卡| 玩弄人妻少妇500系列网址| 中文字幕乱偷乱码亚洲| 亚洲国产精品久久性色av| 在线播放五十路熟妇| 国产精品户露av在线户外直播| 国内自拍第一区二区三区| 久久精品国产熟女亚洲| 九色九九九老阿姨| 亚洲另类激情综合偷自拍图| 男女上床视频在线观看|