[go: up one dir, main page]

CN114240833A - 基于优先级的工业相机缺陷分类方法 - Google Patents

基于优先级的工业相机缺陷分类方法 Download PDF

Info

Publication number
CN114240833A
CN114240833A CN202111325508.5A CN202111325508A CN114240833A CN 114240833 A CN114240833 A CN 114240833A CN 202111325508 A CN202111325508 A CN 202111325508A CN 114240833 A CN114240833 A CN 114240833A
Authority
CN
China
Prior art keywords
defect
filter
priority
industrial camera
pixels
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111325508.5A
Other languages
English (en)
Inventor
葛铭
沈井学
魏江
尹广
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Baizijian Technology Co ltd
Original Assignee
Hangzhou Baizijian Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Baizijian Technology Co ltd filed Critical Hangzhou Baizijian Technology Co ltd
Priority to CN202111325508.5A priority Critical patent/CN114240833A/zh
Publication of CN114240833A publication Critical patent/CN114240833A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于优先级的工业相机缺陷分类方法。适用于工业相机表面检测领域。本发明所采用的技术方案是：一种基于优先级的工业相机缺陷分类方法，其特征在于：获取从产品图像上识别出的缺陷，并确定缺陷的尺寸；基于缺陷的尺寸从预设的图像滤波器组中触发一个或多个并行处理的滤波器，每个滤波器定义一个二维几何形状并设有一组灰度阈值组；基于缺陷所述触发滤波器的几何形状及该缺陷对应的灰度阈值范围，结合预设的缺陷类型速查表快速判定缺陷类型，其中缺陷类型速查表包括缺陷形状和灰度阈值组成的二维数据及相应的优先级。所述图像滤波器组定义有256x256像素的背景参考滤波器、8x8像素点滤波器。

Description

基于优先级的工业相机缺陷分类方法
技术领域
本发明涉及一种基于优先级的工业相机缺陷分类方法。适用于工业相机表面检测领域。
背景技术
在工业相机表面检测应用中，经常会遇到对缺陷需要分类识别的情况，并且由于实际缺陷的形状和灰度千差万别，非常复杂，难以使用相对简单的模式进行分类。同时常规使用的后端离线式的处理方法也存在效率低，延时长，不能满足很多动态根据缺陷类型进行反馈的实时性需求。
发明内容
本发明要解决的技术问题是：针对上述存在的问题，提供一种基于优先级的工业相机缺陷分类方法，以简单、快速而又有效的对缺陷进行分类。
本发明所采用的技术方案是：一种基于优先级的工业相机缺陷分类方法，其特征在于：
获取从产品图像上识别出的缺陷，并确定缺陷的尺寸；
基于缺陷的尺寸从预设的图像滤波器组中触发一个或多个并行处理的滤波器，每个滤波器定义一个二维几何形状并设有一组灰度阈值组；
基于缺陷所述触发滤波器的几何形状及该缺陷对应的灰度阈值范围，结合预设的缺陷类型速查表快速判定缺陷类型，其中缺陷类型速查表包括缺陷形状和灰度阈值组成的二维数据及相应的优先级。
所述图像滤波器组定义有256x256像素的背景参考滤波器、8x8像素点滤波器。
所述图像滤波器组还定义有8x64像素的纵条状滤波器和64x8像素的横条状滤波器。
所述灰度阈值组包括-255～-180、-180～-80、-80～80、80～180和180～255；
当缺陷灰度位于-255～-180判定为非常暗的缺陷像素；-180～-80中为暗缺陷像素；-80～80为正常像素；80～180为亮缺陷像素；180～255为非常亮的缺陷像素。
一种基于优先级的工业相机缺陷分类装置，其特征在于：
缺陷获取模块，用于获取从产品图像上识别出的缺陷，并确定缺陷的尺寸；
滤波器触发模块，用于基于缺陷的尺寸从预设的图像滤波器组中触发一个或多个并行处理的滤波器，每个滤波器定义一个二维几何形状并设有一组灰度阈值组；
缺陷类型判定模块，用于基于缺陷所述触发滤波器的几何形状及该缺陷对应的灰度阈值范围，结合预设的缺陷类型速查表快速判定缺陷类型，其中缺陷类型速查表包括缺陷形状和灰度阈值组成的二维数据及相应的优先级。
所述图像滤波器组定义有256x256像素的背景参考滤波器、8x8像素点滤波器。
所述图像滤波器组还定义有8x64像素的纵条状滤波器和64x8像素的横条状滤波器。
所述灰度阈值组包括-255～-180、-180～-80、-80～80、80～180和180～255；
当缺陷灰度位于-255～-180判定为非常暗的缺陷像素；-180～-80中为暗缺陷像素；-80～80为正常像素；80～180为亮缺陷像素；180～255为非常亮的缺陷像素。
一种存储介质，其上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现所述基于优先级的工业相机缺陷分类方法的步骤。
一种缺陷分类设备，具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现所述基于优先级的工业相机缺陷分类方法的步骤。
本发明的有益效果是：本发明基于缺陷尺寸触发滤波器，并通过滤波器确定缺陷形状及灰度特征，并基于形状和灰度特征从缺陷类型速查表快速判定缺陷类型。
本发明通过采用二维的矩阵数组的来快速、高效地处理预定义缺陷归类，通过使用多通道(对应多个滤波器)处理和内置快速查找表(LUT)极大地提高了基于机器视觉的表面检测系统的实时缺陷分类能力。
附图说明
图1为实施例中快速查找表形成流程图。
图2为实施例的流程图。
具体实施方式
本实施例为一种基于优先级的工业相机缺陷分类方法，具体包括以下步骤：
S1、获取从产品图像上识别出的缺陷，并确定缺陷的尺寸；
S2、基于缺陷的尺寸从预设的图像滤波器组中触发一个或多个并行处理的滤波器，每个滤波器定义一个二维几何形状并设有一组灰度阈值组；
S3、基于缺陷所述触发滤波器的几何形状及该缺陷对应的灰度阈值范围，结合预设的缺陷类型速查表快速判定缺陷类型，其中缺陷类型速查表包括缺陷形状和灰度阈值组成的二维数据及相应的优先级。
本实施例预先定义一组图像滤波器组，这是从几何维度上对缺陷进行增强，单位为像素，本例定义一个背景参考滤波器(256x256)和一个点滤波器(8x8)，然后可以定义多个具体的形状滤波器(根据具体的场景和要求)，本例还定义一个纵条状滤波器(8x64)和横条状滤波器(64x8)；
设定灰度阈值可以使系统忽略多数的灰度信息，减少数据处理量，在高速线扫系统检测策略中是一个关键的因素。本实施例对每一个滤波器分别设置一组灰度阈值组，常用的方法是以4个阈值将-255～+255个灰度等级(8位图像)划分位五个区间，如：-180<-80<80<180.这样在第一个区间(-255～-180)中的可以判定为非常暗的缺陷像素；(-180～-80)中的为暗缺陷像素；(-80～80)为可以接受的正常像素；(80～180)为亮缺陷像素；(180～255)为非常亮的缺陷像素。
本实施例在多个滤波器的阈值组之间设定优先级，当系统检测到一个缺陷，根据它的尺寸，可能触发在图像滤波器组中设置的多个滤波器，如果有多于一个滤波器阈值触发，优先级逻辑中设定的顺序就决定哪个滤波器先用于判断缺陷类型。通常的顺序如下：
·暗点＝1
·亮点＝2
·暗的纵向缺陷＝3
·暗的横向缺陷＝4
根据优先级设定好的滤波器阈值会组织成一个二维的缺陷类型速查表，并存入FPGA的内置存储中。
当相机采集的图像经二维滤波后，源图像进入FPGA中的滤波器处理流程，分别进入多个不同的滤波器管道，每个管道都是并行处理，FPGA对预处理图像通过对速查表的快速匹配确定对特定像素适用于哪个阈值组，从而快速判定缺陷类型。
本实施例还提供一种基于优先级的工业相机缺陷分类装置，包括缺陷获取模块、滤波器触发模块和缺陷类型判定模，其中缺陷获取模块用于获取从产品图像上识别出的缺陷，并确定缺陷的尺寸；滤波器触发模块用于基于缺陷的尺寸从预设的图像滤波器组中触发一个或多个滤波器，每个滤波器定义一个二维几何形状并设有一组灰度阈值组；缺陷类型判定模块用于基于缺陷所述触发滤波器的几何形状及该缺陷对应的灰度阈值范围，结合预设的基于形状和灰度的缺陷类型速查表快速判定缺陷类型。
本实施例还提供一种存储介质，其上存储有能被处理器执行的计算机程序，该计算机程序被执行时实现本例中基于优先级的工业相机缺陷分类方法的步骤。
本实施例还提供一种缺陷分类设备，具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，该计算机程序被执行时实现本例中基于优先级的工业相机缺陷分类方法的步骤。

Claims (10)

1.一种基于优先级的工业相机缺陷分类方法，其特征在于：
获取从产品图像上识别出的缺陷，并确定缺陷的尺寸；
基于缺陷的尺寸从预设的图像滤波器组中触发一个或多个滤波器，每个滤波器定义一个二维几何形状并设有一组灰度阈值组；
基于缺陷所述触发滤波器的几何形状及该缺陷对应的灰度阈值范围，结合预设的缺陷类型速查表快速判定缺陷类型，其中缺陷类型速查表包括缺陷形状和灰度阈值组成的二维数据及相应的优先级。
2.根据权利要求1所述的基于优先级的工业相机缺陷分类方法，其特征在于：所述图像滤波器组定义有256x256像素的背景参考滤波器、8x8像素点滤波器。
3.根据权利要求2所述的基于优先级的工业相机缺陷分类方法，其特征在于：所述图像滤波器组还定义有8x64像素的纵条状滤波器和64x8像素的横条状滤波器。
4.根据权利要求1所述的基于优先级的工业相机缺陷分类方法，其特征在于：所述灰度阈值组包括-255～-180、-180～-80、-80～80、80～180和180～255；
当缺陷灰度位于-255～-180判定为非常暗的缺陷像素；-180～-80中为暗缺陷像素；-80～80为正常像素；80～180为亮缺陷像素；180～255为非常亮的缺陷像素。
5.一种基于优先级的工业相机缺陷分类装置，其特征在于：
缺陷获取模块，用于获取从产品图像上识别出的缺陷，并确定缺陷的尺寸；
滤波器触发模块，用于基于缺陷的尺寸从预设的图像滤波器组中触发一个或多个滤波器，每个滤波器定义一个二维几何形状并设有一组灰度阈值组；
缺陷类型判定模块，用于基于缺陷所述触发滤波器的几何形状及该缺陷对应的灰度阈值范围，结合预设的缺陷类型速查表快速判定缺陷类型，其中缺陷类型速查表包括缺陷形状和灰度阈值组成的二维数据及相应的优先级。
6.根据权利要求5所述的基于优先级的工业相机缺陷分类装置，其特征在于：所述图像滤波器组定义有256x256像素的背景参考滤波器、8x8像素点滤波器。
7.根据权利要求6所述的基于优先级的工业相机缺陷分类装置，其特征在于：所述图像滤波器组还定义有8x64像素的纵条状滤波器和64x8像素的横条状滤波器。
8.根据权利要求5所述的基于优先级的工业相机缺陷分类方法，其特征在于：所述灰度阈值组包括-255～-180、-180～-80、-80～80、80～180和180～255；
当缺陷灰度位于-255～-180判定为非常暗的缺陷像素；-180～-80中为暗缺陷像素；-80～80为正常像素；80～180为亮缺陷像素；180～255为非常亮的缺陷像素。
9.一种存储介质，其上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现权利要求1～4任意一项所述基于优先级的工业相机缺陷分类方法的步骤。
10.一种缺陷分类设备，具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现权利要求1～4任意一项所述基于优先级的工业相机缺陷分类方法的步骤。
CN202111325508.5A 2021-11-10 2021-11-10 基于优先级的工业相机缺陷分类方法 Pending CN114240833A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111325508.5A CN114240833A (zh) 2021-11-10 2021-11-10 基于优先级的工业相机缺陷分类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111325508.5A CN114240833A (zh) 2021-11-10 2021-11-10 基于优先级的工业相机缺陷分类方法

Publications (1)

Publication Number Publication Date
CN114240833A true CN114240833A (zh) 2022-03-25

Family

ID=80748880

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111325508.5A Pending CN114240833A (zh) 2021-11-10 2021-11-10 基于优先级的工业相机缺陷分类方法

Country Status (1)

Country Link
CN (1) CN114240833A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0742431A1 (en) * 1995-05-10 1996-11-13 Mahlo GmbH &amp; Co. KG Method and apparatus for detecting flaws in moving fabrics or the like
CN110766095A (zh) * 2019-11-01 2020-02-07 易思维（杭州）科技有限公司 基于图像灰度特征的缺陷检测方法
CN111402236A (zh) * 2020-03-17 2020-07-10 北京科技大学 一种基于图像灰度值的热轧带钢表面缺陷分级方法
CN112241699A (zh) * 2020-10-13 2021-01-19 无锡先导智能装备股份有限公司 物体缺陷类别识别方法、装置、计算机设备和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0742431A1 (en) * 1995-05-10 1996-11-13 Mahlo GmbH &amp; Co. KG Method and apparatus for detecting flaws in moving fabrics or the like
CN110766095A (zh) * 2019-11-01 2020-02-07 易思维（杭州）科技有限公司 基于图像灰度特征的缺陷检测方法
CN111402236A (zh) * 2020-03-17 2020-07-10 北京科技大学 一种基于图像灰度值的热轧带钢表面缺陷分级方法
CN112241699A (zh) * 2020-10-13 2021-01-19 无锡先导智能装备股份有限公司 物体缺陷类别识别方法、装置、计算机设备和存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
QIWU LUO等: "Automated Visual Defect Classification for Flat Steel Surface: A Survey", IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT, vol. 69, no. 12, 12 October 2020 (2020-10-12), pages 9329, XP011819810, DOI: 10.1109/TIM.2020.3030167 *
王胜春;戴鹏;袁伟民;杜馨瑜;王昊;: "粗糙集理论在钢轨表面缺陷分类中的应用", 铁道建筑, vol. 58, no. 09, 20 September 2018 (2018-09-20), pages 109 - 113 *
范剑英等: "电机铜排表面毛刺缺陷检测技术研究", 仪器仪表学报, vol. 40, no. 3, 31 March 2019 (2019-03-31), pages 14 - 22 *

Similar Documents

Publication Publication Date Title
CN104866862B (zh) 一种带钢表面面积型缺陷识别分类的方法
CN114937055A (zh) 基于人工智能的图像自适应分割方法与系统
US7460732B2 (en) Method and system for object recognition using fractal maps
KR102770815B1 (ko) 검출 방법 및 검출 시스템
CN104034638B (zh) 基于机器视觉的金刚线颗粒在线质检方法
CN108169236A (zh) 一种基于视觉的金属表面缺陷检测方法
CN103366170A (zh) 图像二值化处理装置及其方法
CN116485764B (zh) 一种结构表面缺陷识别方法、系统、终端及介质
US7062079B2 (en) Method and system for image segmentation
CN112686890A (zh) 一种基于奇异值分解的人造板表面缺陷检测方法
CN115953373B (zh) 玻璃缺陷检测方法、装置、电子设备及存储介质
CN116630304B (zh) 一种基于人工智能的锂电池模具加工检测方法及系统
CN110189297A (zh) 一种基于灰度共生矩阵的磁性材料外观缺陷检测方法
CN111968082A (zh) 一种基于机器视觉的产品包装缺陷检测识别方法
CN110648330A (zh) 摄像头玻璃的缺陷检测方法
CN114495098A (zh) 一种基于显微镜图像的盘星藻类细胞统计方法及系统
CN109584212B (zh) 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法
CN114240833A (zh) 基于优先级的工业相机缺陷分类方法
CN118096734B (zh) 一种基于大数据的产品质量监测方法及系统
CN203965287U (zh) 基于机器视觉的金刚线颗粒在线质检装置
CN114813748A (zh) 一种基于机器视觉的钢表面缺陷检测方法及系统
CN116026861A (zh) 一种玻璃瓶的检测方法及系统
CN118365867B (zh) 一种基于图像分析的钛合金棒材识别方法及系统
Park et al. Automated surface inspection system for black resin coated steel
CN113139953B (zh) 检测识别图像中的颗粒污染物的方法及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination