CN109596620A - 基于机器视觉的产品表面形状缺陷检测方法和系统 - Google Patents

Abstract

本发明提出一种基于机器视觉的产品表面形状缺陷检测方法，包括以下步骤：通过图像采集获取待检测产品的样本图像和目标图像；对所述样本图像和目标图像进行预处理，分别获取样本图像和目标图像的二值图；对所述样本图像的二值图和所述目标图像的二值图进行差运算，获取差影图和缺陷值，根据所述缺陷值判断所述目标图像是否有缺陷。本发明无接触的自动检测产品表面图案的质量，不需取回缺陷产品一一对比，大大减少工作人员的工作量。且该方法易于扩展，若需要对颜色也进行检查，只需在图像处理模块中的图像对比与分析中加入颜色对比算法即可。

Description

基于机器视觉的产品表面形状缺陷检测方法和系统

技术领域

本发明涉及产品缺陷检测领域，特别涉及一种基于机器视觉的产品表面形状缺陷检测方法和系统图像处理领域。

背景技术

工业产品表面会印有许多的花纹、图案以及一些必须的说明标签，当这些图案、标签有了缺陷，那不论是对产品的美观性、舒适性还是实用性都会产生不良影响。传统的检测方法一般都是人工检测，它有着效率低、成本高、准确率一般、实时性低，一般人工检测还会采取抽检方法，这样难免会有漏网之鱼，降低准确率，而基于机器视觉的方法将会大大克服这些弊端。目前为止关于这方面的方法基本都是面对有规则的花纹表面的检测，比如说壁纸、钢铁、太阳能电池等产品表面缺陷的检测，而对无规则图案表面的检测则很少。

中国发明专利200910232677.7揭示了一种基于视觉仿生的铜带表面质量智能检测装置及方法。但是由于产品表面缺陷出现的概率小于5％，当前的计算机视觉检测方法对获取的每一帧图像都进行分割、表面缺陷特征提取等操作，花费了大量时间在正常图像的处理上，降低了系统的实时性，存在检测效率不高、缺陷类型识别准确度低等不足。

发明内容

基于上述问题，本发明的目的旨在至少解决所述技术缺陷之一。本发明提出一种基于机器视觉的产品表面形状缺陷检测方法，该方法包括以下步骤：

通过图像采集获取待检测产品的样本图像和目标图像；

对所述样本图像和目标图像进行预处理，分别获取样本图像和目标图像的二值图；

对所述样本图像的二值图和所述目标图像的二值图进行差运算，获取差影图和缺陷值，根据所述缺陷值判断所述目标图像是否有缺陷。

优选的，所述对所述样本图像和目标图像进行预处理，分别获取样本图像和目标图像的二值图的步骤包括：

对所述样本图像和目标图像进行灰度处理，对处理后的样本图像和目标图像通过中值滤波进行去噪；

判断去噪后的图像是否为目标图像；

若是，则对去噪后的样本图像和目标图像进行hough变换检测，分别找出样本图像和目标图像的边界，获得边界集；

将目标图像的边界集与样本图像的边界进行匹配处理，对处理后的图像进行canny算子的边缘检测，分别得到样本图像和目标图像的二值图。

优选的，所述将目标图像的边界集与样本图像的边界进行匹配处理的步骤包括：

将目标图像的边界集与样本图像的边界进行对比，然后对目标图像进行旋转与缩放操作，使目标图像的边界与样本图像的边界吻合。

优选的，所述对所述样本图像和目标图像进行灰度处理的步骤包括：

通过加权平均法对所述样本图像和目标图像进行灰度处理。

优选的，所述根据所述缺陷值判断所述目标图像是否有缺陷的步骤包括：

若缺陷值大于阈值则目标图像有缺陷，否则，目标图像没有缺陷。

本发明实施例还提供一种基于机器视觉的产品表面形状缺陷检测系统，所述系统包括：

图像采集模块，获取待检测产品的样本图像和目标图像；

图像处理模块，对所述样本图像和目标图像进行预处理，分别获取样本图像和目标图像的二值图；

图像分析模块，对所述样本图像的二值图和所述目标图像的二值图进行差运算，获取差影图和缺陷值，根据所述缺陷值判断所述目标图像是否有缺陷。

优选的，还包括存储模块，所述存储模块连接所述图像分析模块，用于存储图像分析模块的分析结果和差影图。

优选的，图像采集模块通过工业相机拍摄待检测产品，获取待检测产品的样本图像和目标图像。

相对于现有技术中的方案，本发明的优点：

本发明实施例提出的基于机器视觉的产品表面形状缺陷检测方法，采用图像采集模块采集样本图像和目标图像，在图像处理模块中，通过hough变化和canny算法进行边缘检测，获取样本图像和目标图像的二值图，通过计算获取缺陷值，无接触的自动检测产品表面图案的质量，不需取回缺陷产品一一对比，大大减少工作人员的工作量。且该方法易于扩展，若需要对颜色也进行检查，只需在图像处理模块中的图像对比与分析中加入颜色对比算法即可。

附图说明

下面结合附图及实施例对本发明作进一步描述：

图1为本发明一种基于机器视觉的产品表面形状缺陷检测方法的流程示意图。

图2为本发明图1中步骤S2的具体流程图。

图3为本发明一种基于机器视觉的产品表面形状缺陷检测系统的结构示意图。

具体实施方式

以下结合具体实施例对上述方案做进一步说明。应理解，这些实施例是用于说明本发明而不限于限制本发明的范围。实施例中采用的实施条件可以如具体厂家的条件做进一步调整，未注明的实施条件通常为常规实验中的条件。

本申请公开了一种基于机器视觉的产品表面形状缺陷检测方法，请参考图1所示为本发明一种基于机器视觉的产品表面形状缺陷检测方法的流程示意图，包括以下步骤：

步骤S1：通过图像采集获取待检测产品的样本图像和目标图像。在本发明的其中一实施例中，通过传送带将产品运送到制定位置，CMOS工业相机用来拍摄产品的图像，同时，用过采用LED来补光。具体的，传送带每次应将产品运到大概位置，同时传送带与相机的相对位置也尽量固定，这样可以减少图片匹配时的旋转、缩放所带来的误差。

步骤S2：对样本图像和目标图像进行预处理，分别获取样本图像和目标图像的二值图。

首先对步骤S1采集到的样本图像和目标图像进行灰度处理，然后通过中值滤波进行去噪，使其可适应后续的处理。

对去噪处理后的图像先进行hough变化和canny算法进行边缘检测，找出待检测产品规则的边缘，然后进行旋转、缩放、裁剪一系列操作后使目标图像和样本图像匹配，最后将两图进行差运算和开运算，得到差影图和缺陷值，当缺陷值超过阈值则为有缺陷，否则则无缺陷。

在本发明的其中一实施例中，请参考图2所示，步骤S2具体还包括以下步骤:

步骤S21:对样本图像和目标图像进行灰度处理，对处理后的样本图像和目标图像通过中值滤波进行去噪。中值滤波法采用一种常用的非线性平滑滤波器,其基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点。

步骤S22：判断去噪后的图像是否为目标图像；若是，则执行步骤S23.

步骤S23：对去噪后的样本图像和目标图像进行hough变换检测，分别找出样本图像和目标图像的边界，获得边界集。若去噪后的图像是目标图像，对去噪后的目标图像进行hough变换检测，找出图像的边界(矩形、菱形、圆、椭圆)，得到边界集。

hough变换运用两个坐标空间之间的变换将在一个空间中具有相同形状的曲线或直线映射到另一个坐标空间的一个点上形成峰值，从而把检测任意形状的问题转化为统计峰值问题。识别矩阵、圆、椭圆时都需要使用不同的参数。

步骤S24：将目标图像的边界集与样本图像的边界进行匹配处理，对处理后的图像进行canny算子的边缘检测，分别得到样本图像和目标图像的二值图。

在本发明的其中一实施例中，所述将目标图像的边界集与样本图像的边界进行匹配处理的步骤包括：

将目标图像的边界集与样本图像的边界进行对比，然后对目标图像进行旋转与缩放操作，使目标图像的边界与样本图像的边界吻合。

步骤S3：对样本图像的二值图和目标图像的二值图进行差运算，获取差影图和缺陷值，根据缺陷值判断目标图像是否有缺陷。

在本发明的其中一实施例中，图像采集模块通过工业相机拍摄待检测产品，获取待检测产品的样本图像和目标图像，在上述步骤S3后，用图像采集模块中的相机采集到的图片判断是否有后续产品，若有，则重复上述步骤1至步骤3。

请参考图3所示为本发明一种基于机器视觉的产品表面形状缺陷检测系统的结构示意图，该检测系统包括：图像采集模块10，用来获取待检测产品的样本图像和目标图像；图像处理模块11，用来对所述样本图像和目标图像进行预处理，分别获取样本图像和目标图像的二值图；图像分析模块30，用来对所述样本图像的二值图和所述目标图像的二值图进行差运算，获取差影图和缺陷值，并根据所述缺陷值判断所述目标图像是否有缺陷。

在本发明的其中一实施例中，图像采集模块10包括工业相机11和传动带12，工业相机11用于拍摄待检测产品，获取待检测产品的样本图像和目标图像。具体的，传送带12将待检测产品运到制定位置，CMOS工业相机12拍摄待检测产品的图像，获取待检测产品的样本图像和目标图像，其中，具体的，还可以通过LED来补光，使每次采集到的图像的暗亮程度相仿；传送带12在传输过程中，每次将产品运到大概位置，同时传送带12与工业相机11的相对位置也尽量固定，这样可以减少图片匹配时的旋转、缩放所带来的误差。

图像处理模块20连接图像采集模块10，对图像采集模块10获取的样本图像和目标图像进行预处理，分别获取样本图像和目标图像的二值图；具体的，图像处理模块20对图像采集模块10采集到的图像进行灰度化，然后用中值滤波法进行去噪，使其可以适应后续的处理；对去噪后的图像先进行hough变化和canny算法进行边缘检测，分别获取样本图像和目标图像的二值图。

图像分析模块30连接图像处理模块20，对图像处理模块20传输的样本图像的二值图和目标图像的二值图进行差运算，获取差影图和缺陷值，根据所述缺陷值判断所述目标图像是否有缺陷。在本发明的其中一实施例中，图像分析模块30对图像处理模块20传输的样本图像的二值图和目标图像的二值图先进行旋转、缩放、裁剪一系列操作后使目标图像和样本图像匹配，最后将两图进行差运算和开运算，得到差影图和缺陷值，当缺陷值超过阈值则为有缺陷，否则则无缺陷。

在本发明的其中一实施例中，还包括存储模块，该存储模块连接图像分析模块30，用于存储图像分析模块30的分析结果和差影图。存储模块并将分析结果和差影图反馈到客户端。

本发明采用基于机器视觉的产品表面形状缺陷检测方法和系统，通过计算机与工业相机相结合的方式，无接触的自动检测产品表面图案的质量，而不需取回缺陷产品一一对比，大大减少工作人员的工作量。且该方法易于扩展，若需要对颜色也进行检查，只需在图像处理模块中的图像对比与分析中加入颜色对比算法即可。

上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人是能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡如本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于机器视觉的产品表面形状缺陷检测方法，其特征在于，包括以下步骤：

通过图像采集获取待检测产品的样本图像和目标图像；

对所述样本图像和目标图像进行预处理，分别获取样本图像和目标图像的二值图；

对所述样本图像的二值图和所述目标图像的二值图进行差运算，获取差影图和缺陷值，根据所述缺陷值判断所述目标图像是否有缺陷。

2.根据权利要求1所述的基于机器视觉的产品表面形状缺陷检测方法，其特征在于，所述对所述样本图像和目标图像进行预处理，分别获取样本图像和目标图像的二值图的步骤包括：

对所述样本图像和目标图像进行灰度处理，对处理后的样本图像和目标图像通过中值滤波进行去噪；

判断去噪后的图像是否为目标图像；

若是，则对去噪后的样本图像和目标图像进行hough变换检测，分别找出样本图像和目标图像的边界，获得边界集；

将目标图像的边界集与样本图像的边界进行匹配处理，对处理后的图像进行canny算子的边缘检测，分别得到样本图像和目标图像的二值图。

3.根据权利要求2所述的基于机器视觉的产品表面形状缺陷检测方法，其特征在于，所述将目标图像的边界集与样本图像的边界进行匹配处理的步骤包括：

将目标图像的边界集与样本图像的边界进行对比，然后对目标图像进行旋转与缩放操作，使目标图像的边界与样本图像的边界吻合。

4.根据权利要求2所述的基于机器视觉的产品表面形状缺陷检测方法，其特征在于，所述对所述样本图像和目标图像进行灰度处理的步骤包括：

通过加权平均法对所述样本图像和目标图像进行灰度处理。

5.根据权利要求1所述的基于机器视觉的产品表面形状缺陷检测方法，其特征在于，所述根据所述缺陷值判断所述目标图像是否有缺陷的步骤包括：

若缺陷值大于阈值则目标图像有缺陷，否则，目标图像没有缺陷。

6.一种基于机器视觉的产品表面形状缺陷检测系统，其特征在于，所述系统包括：

图像采集模块，获取待检测产品的样本图像和目标图像；

图像处理模块，对所述样本图像和目标图像进行预处理，分别获取样本图像和目标图像的二值图；

图像分析模块，对所述样本图像的二值图和所述目标图像的二值图进行差运算，获取差影图和缺陷值，根据所述缺陷值判断所述目标图像是否有缺陷。

7.根据权利要求6所述的基于机器视觉的产品表面形状缺陷检测系统，其特征在于，还包括存储模块，所述存储模块连接所述图像分析模块，用于存储图像分析模块的分析结果和差影图。

8.根据权利要求6所述的基于机器视觉的产品表面形状缺陷检测系统，其特征在于，图像采集模块通过工业相机拍摄待检测产品，获取待检测产品的样本图像和目标图像。