卫生陶瓷在生产过程中会产生多种类型的缺陷,通过单机机器视觉检测系统进行缺陷检测存在着资源使用的瓶颈问题。随着云计算大数据时代的来临,利用Hadoop云平台进行集群并行分布计算,是处理海量高清卫生陶瓷图像的新思路。提出了基于Hadoop平台的卫生陶瓷缺陷检测方案。搭建了主从结构的Map Reduce框架,在Map映射阶段,使用灰色关联算法进行卫生陶瓷的缺陷检测,在Reduce阶段由主节点进行汇总输出。实验结果表明此能实现并行检测,提升了检测效率。已经遇到瓶颈。因此将图像处理算法引入到云计算平台中是有重要意义的。因为Hadoop云平台自身也带了处理小文件的技术方案。Hadoop在HDFS中存储块的大小为64MB卫生陶瓷缺陷检测-电动液压滚圆机滚弧机张家港钢管滚圆机滚弧机，小于64MB这种的文件统称为Hadoop小文件。该方案称为组合分片技术，在此不用考虑文件怎样被组合分片的。通过对大量Hadoop小文件的合并大大减少了Map映射任务的启动次数，从而提升了文件处理的速度。云计算平台的并行集群化计算，能在时间性能上得到显著的提升。本文提出的卫生陶瓷缺陷检测云平台处理步骤如下，其框架如图1所示。图1卫生陶瓷缺陷检测云平台的框架图第一步：本文由公司网站全自动滚圆机网站采集转载中国知网整理!    http://www.gunyuanji168.com/将待测的卫生陶瓷图像集合分成若干split，在这里每幅图像即为一个split；第二步：各从节点调用mapper()函数，接收split传入后的数据，并行提取每幅图像的特征，生成相应的特征矩阵；第三步：利用灰色关联算法[6]对选取的关键点进行关联处理，判断是否有缺陷区域；第四步：主节点调用reducer()函数将mapper()函数处理的结果进行合并，由RecordWriter类写回指定的HDFS中。3卫生陶瓷缺陷检测云平台系统设计3.1Hadoop云平台的搭建1）硬件平台本文搭建的卫生陶瓷缺陷检测的Hadoop云平台由5台普通的PC机组成。其中主节点采用的是Intel酷睿i54460四核心，3.2GHz主频，6M三级缓存，内存8GB，硬盘2TB；4个从节点采用的是酷睿i36100四核心，3.7GHz主频，6M三级缓存，内存4GB，硬盘1TB。2）软件平台操作系统：5台PC机都安装Ubuntu14.04，32位linux操作系统；Hadoop版本：Hadoop2.7.1；软件框架：Eclipse和JDK1.8卫生陶瓷缺陷检测-电动液压滚圆机滚弧机张家港钢管滚圆机滚弧机本文由公司网站全自动滚圆机网站采集转载中国知网整理!    http://www.gunyuanji168.com/