CN118014925A - 一种多视角缺陷检测方法及缺陷检测装置 - Google Patents
一种多视角缺陷检测方法及缺陷检测装置 Download PDFInfo
- Publication number
- CN118014925A CN118014925A CN202211402104.6A CN202211402104A CN118014925A CN 118014925 A CN118014925 A CN 118014925A CN 202211402104 A CN202211402104 A CN 202211402104A CN 118014925 A CN118014925 A CN 118014925A
- Authority
- CN
- China
- Prior art keywords
- image
- defect
- defect detection
- area
- detected
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 110
- 238000001514 detection method Methods 0.000 title claims abstract description 80
- 238000013441 quality evaluation Methods 0.000 claims abstract description 9
- 230000003993 interaction Effects 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000000007 visual effect Effects 0.000 claims abstract description 7
- 238000002372 labelling Methods 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000002950 deficient Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 14
- 230000008569 process Effects 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000009776 industrial production Methods 0.000 abstract description 2
- 239000012535 impurity Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000012937 correction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 2
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 2
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 2
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 2
- 241000206607 Porphyra umbilicalis Species 0.000 description 2
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供了一种多视角缺陷检测方法及缺陷检测装置,其中,所述方法包括以下步骤:采集多视角待测图像,其中待测图像通过本发明所提出的多视角缺陷检测装置进行采集;对待测图像进行缺陷检测,确定所述待检测图像的缺陷检测结果;其中,所述缺陷检测过程包括对每个视角的图像进行预处理、缺陷信息检测与标注;对所述检测结果进行质量评价,其中,所述质量评价指标由缺陷数量及不良率决定;本发明可精确检测物体的缺陷情况,被检测物体类型覆盖广,检测结果直观,有良好的人机交互界面。可用于工业生产,产品质量检测等领域,有效减少人力成本,改善生产工艺。
Description
技术领域
本发明属于计算机视觉技术领域,涉及一种多视角缺陷检测方法及缺陷检测装置,准确地说是一种利用多色组合光源对图像受损情况进行获取的装置及检测方法,可精确检测物体的缺陷情况,被检测物体类型覆盖广,检测结果直观,有良好的人机交互界面。可用于工业生产,产品质量检测等领域,有效减少人力成本,改善生产工艺。
背景技术
通常,由于传输与磕碰等原因,工业产品在生产过程中会出现一定的损伤,如挤压导致的形变、剐蹭导致的划痕等。目前缺陷检测的方法众多,但大部分只对方法本身进行转变,其获取图像的视角大多都很单一,如只针对物体的单个面,事实上,在整个产品的生产过程中,缺陷在物体的任何一个区域都有可能产生。因此,单视角的缺陷检测结果通常由所拍摄的单个面决定,倘若产品的其它面存在缺陷,往往检测结果并不能反映真实的情况,造成漏检,影响检测准确性。
发明内容
针对上述视角单一的不足,本发明提出一种多视角缺陷检测方法及缺陷检测装置。能够利用蓝光、白光和红光分别获取物体整体,上下表面以及部分物体的中间层信息,从而更全面的判断待检物体的缺陷情况,此外,良好的人机交互界面可以直观的展示缺陷类别、数量与位置等信息,从而具有较好的实用性。
本发明采用的技术方案如下:
一种多视角缺陷检测方法,包括以下步骤:采集多视角待测图像,所述多视角图像包含物体多个视角的信息;对所述多视角待检测图像进行缺陷检测,确定所述待检测图像的缺陷检测结果;其中,所述缺陷检测过程包括对每个视角的图像进行预处理、缺陷信息检测与标注,所述缺陷检测结果包括缺陷类别、数量及位置,所述缺陷类别包括破损与含有杂质;对所述检测结果进行质量评价;其中,所述质量评价指标由一批产品含有的缺陷情况决定,由含有缺陷产品的数量计算出不良率;
根据本发明的一个实施例,所述多个视角的信息包括由蓝光获取的物体整体信息图像、由白光获取的物体上下表面图像杂质信息,以及由红光获取的物体内层杂质信息。
根据本发明的一个实施例,所述预处理包括图像倾斜校正、图像去噪、图像增强与参数设定,其中,所述图像倾斜校正能够将不同摆放位置的目标物体统一化,使得拍摄所得的图像处于同一坐标系,参数设定是人为根据目标物体类型确定的相关参数,包括:标准物体的模板误差与缺陷面积阈值。
根据本发明的一个实施例,所述缺陷信息检测的第一步是通过计算所获第一视角图像的面积与模板面积进行做差,并和所述模板误差参数做比较,通过比较结果判定物体是否破损。
根据本发明的一个实施例,所述缺陷信息检测包括图像二值化、邻域跟踪、连通区几何特征、缺陷位置标注与多视角图像融合并计算缺陷数量。
根据本发明的一个实施例,所述连通区几何特征主要为所检测出的缺陷区域的面积与长度。
根据本发明的一个实施例,所述缺陷位置标注包括圈定区域与位置数据,通过所述连通区几何特征与所述缺陷面积阈值作比较,确定所检测区域是否为缺陷;根据所述缺陷面积与长度确定所述缺陷的位置数据。
根据本发明的一个实施例,所述图像多视角融合包括上表面、下表面与中间的图像;所述缺陷数量是所述三个视角图像含有缺陷的总个数。
根据本发明的一个实施例,所述检测结果质量评价依据包括:缺陷类别与数量,根据评价依据计算不良率,其中评价结果以A、B、C等级的方式展示。
一种缺陷检测装置,该缺陷检测装置包括:组合光源模块,用于照射物体不同的区域,所述组合光源包含蓝、白、红颜色的光,所述组合光源可以从多个视角探测物体缺陷情况;图像获取模块,用于获取多视角的待检测图像,所述多视角信息包括物体整体、上表面,下表面以及内部包含杂质的信息,其中目标物体内部信息只针对能够使用红光穿透的目标,且工业相机所得不同视角图像的亮度信息不同,所述组合光源与工业相机的角度可以任意调整;处理模块,用于存储处理器可执行指令的存储器;其中,所述处理模块被配置为调用所述存储器存储的指令,以执行上述缺陷检测方法。可视化模块,用于对所述检测结果进行指标化以及展示,所述指标包含A、B、C三个等级,所述展示方式包括人机交互的GUI界面。
本发明的有益效果:
通过多视角缺陷检测方法及缺陷检测装置,可以有效获得图像不同视角的损伤情况,通过对所获图像依次进行预处理、缺陷检测与标注、质量评价,能够有效对目标物体的缺陷情况进行评估,大大提高了工业产品检测中的效率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的整体流程图;
图2是本发明中图像采集过程示意图;
图3是本发明多视角图像采集装置的结构示意图;
图4是本发明的缺陷检测方法的流程图;
图5是本发明缺陷检测结果评价系统的GUI界面;
图6是本发明缺陷检测结果评级划分示意图;
图7是用多视角图像采集装置得到的紫菜图像;
图8是用本发明的缺陷检测方法得到的结果。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明的整体流程图。
如图1所示,一种多视角缺陷检测装置及缺陷检测方法,包括如下步骤:
S1,采集多视角待测图像。
具体地,如图2所示,图像的采集主要由光源和工业相机组成。在点亮光源的情况下,可使用工业相机对目标对象进行拍摄,得到相应视角下的待处理图像。
更具体地,如图3所示,多视角图像采集装置主要包括工业相机1、蓝光光源2、白光光源3、红色光源4,目标物体5及传送装置6。其中,光源与工业相机的角度都是可以调节的,以确保所采集到的图像是最清晰的,本发明对目标物体的类型、光源亮度和数量不作限制,可根据物体类型的实际情况调节。多视角图像采集装置分为A和B两部分,其中B部分为可选项,用于检测红光可穿透的物体。对应上述实施例的多视角缺陷检测装置,本发明还提出了一种可视化人机交互界面,用于缺陷检测结果评价与可视化。如图6所示,其中所展示的内容包括检测前初始图像与检测后进行标注的图像、缺陷类别、缺陷数量及缺陷位置。
具体地,分别使用上述多组光源对目标物体的不同视角进行拍摄,其中视角1为蓝光光源照射所得,反应物体的整体信息,视角2为白光光源照射所得,反应物体上表面杂质信息,视角3为白光光源照射所得,反应物体下表面杂质信息,视角4为红光光源照射所得,反应物体内部杂质信息。
S2,对待测图像进行缺陷检测。
具体地,如图4所示,多视角缺陷检测方法主要包括以下步骤,获取待检测图像、图像预处理、缺陷信息检测与标注、图像融合。
具体地,待检测图像包括S1中所获得的四个视角的图像。图像预处理步骤包括图像倾斜矫正、图像去噪、图像增强及参数设定。其中,参数包括人为根据图像类型所设定的模板误差与缺陷面积阈值。
更具体地,使用BM3D算法对输入图像进行去噪处理,并使用拉普拉斯锐化对图像进行增强得到预处理图像。
具体地,缺陷信息检测与标注包括缺失筛选、缺陷区域检测与定位。其中,缺失筛选使用S1中视角1图像进行面积计算,与所给模板面积做差并与模板误差参数进行比较,若无缺失,则进行缺陷区域检测与定位,否则将目标物体归为缺失类。
更具体地,对无缺失图像首先进行二值化,初步提取出缺陷区域,并使用8领域跟踪算法进行连通域的标识,其次,计算计算连通区域几何特征,其中主要包括长度与面积,并与阈值参数进行比较得出具体的缺陷位置坐标。最后,对多个含有杂质视角的图像进行融合,计算出杂质数量,并将含有杂质的目标物体归为瑕疵类。
S3,对缺陷检测结果进行质量评价。
具体地,根据S2中得到的缺陷类别计算出不良率,根据缺陷类别和不良率得出产品评级。
更具体地,如图5所示,所述产品等级分为A、B、C三个级别,依次代表着产品质量由高到低三个等级。
进一步地,如图7所示为使用多视角采集装置对紫菜图像进行采集并融合后的图像,图8为使用本发明中的缺陷检测方法进行检测的结果。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (7)
1.一种多视角缺陷检测方法及缺陷检测装置,包括:
(1)采集多视角待测图像,其中,所述多视角根据光源种类可以拍摄到同一目标物体不同类型的图像,包括整体、上表面、下表面和内里图像。
(2)对待测图像进行缺陷检测,所述缺陷检测方法包括获取待检测图像步骤,所述待检测图像为四个视角的图像,用于后续步骤的输入;图像预处理步骤,所述预处理步骤包括图像去噪、图像增强以及参数设定;缺陷信息检测步骤,所述检测步骤是通过一系列处理算法寻找到缺陷信息来判断目标物体含有的缺陷情况;图像融合与标注步骤,所述融合与标注步骤可以直观的展现出目标物的缺陷类别,数量与位置。
(3)对检测结果进行质量评价,其中,根据(1)中所得到的缺陷类别,数量采用如下公式计算出不良率,根据不良率可以得出最终的物体质量评级。
2.根据权利要求1所述的缺陷检测方法,其特征在于先对输入图像进行倾斜校正,保证输入图像处于同一坐标系;使用BM3D算法对所述矫正后的图像进行去噪处理,并使用拉普拉斯锐化对图像进行增强得到预处理图像;所述参数设定包括模板误差与缺陷面积阈值,其中参数是可以根据目标物体的类型进行调整的。
3.根据权利要求1所述的缺陷检测方法,其特征在于计算预处理后的图像面积并与模板面积做差,若差值大于所给误差,则被划为破损类别。否则将预处理图像二值化,初步将缺陷区域与正常区域区分开来,使用8邻域跟踪算法寻找出连通区域,并计算连通区域几何特征。
4.根据权利要求1所述的缺陷检测方法,其特征在于连通区域几何特征主要包括长度与面积,通过与所给阈值参数比较可得到最后缺陷区域,若所得面积小于阈值则将目标物体输出为正常,否则,对所得缺陷区域进行标注;对多个视角图像进行融合叠加并根据缺陷长度与面积确定最终缺陷数量与位置。
5.根据权利要求1所述的缺陷检测方法,其特征在于使用缺陷检测评价系统对检测结果进行质量评价,所述缺陷检测评价系统包括检测结果的展示与产品等级的评定,并提供可视化界面,拥有良好的人机交互能力。
6.一种缺陷检测装置,其特征在于所述多视角主要是由多种组合光源所决定,所述组合光源包括蓝光、白光和红光。所述缺陷检测装置包括存储器、处理器及人机交互界面,所述存储器用于存储程序数据,所述处理器用于执行所述程序数据以实现如权利要求1-5任一项所述的缺陷检测方法。
7.一种多视角图像采集装置,其特征在于所述可视化人机交互界面为一种GUI界面,用于缺陷检测结果评价与可视化。其中所展示的内容包括检测前初始图像与检测后进行标注的图像、缺陷类别、缺陷数量及缺陷位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211402104.6A CN118014925A (zh) | 2022-11-09 | 2022-11-09 | 一种多视角缺陷检测方法及缺陷检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211402104.6A CN118014925A (zh) | 2022-11-09 | 2022-11-09 | 一种多视角缺陷检测方法及缺陷检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118014925A true CN118014925A (zh) | 2024-05-10 |
Family
ID=90946821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211402104.6A Pending CN118014925A (zh) | 2022-11-09 | 2022-11-09 | 一种多视角缺陷检测方法及缺陷检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118014925A (zh) |
-
2022
- 2022-11-09 CN CN202211402104.6A patent/CN118014925A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109087274B (zh) | 基于多维融合及语义分割的电子器件缺陷检测方法及装置 | |
CN110097542B (zh) | 芯片气泡的检测方法、装置及存储介质 | |
CN112889087B (zh) | 对片材部件的自动检查的系统、处理单元和方法 | |
CN113340909B (zh) | 一种基于机器视觉的胶线缺陷检测方法 | |
WO2021168733A1 (zh) | 缺陷图像的缺陷检测方法、装置及计算机可读存储介质 | |
US6687396B1 (en) | Optical member inspection apparatus, image-processing apparatus, image-processing method, and computer readable medium | |
TWI785270B (zh) | 在一晶圓上偵測一邏輯區域中之缺陷 | |
CN116258703A (zh) | 缺陷检测方法、装置、电子设备及计算机可读存储介质 | |
CN118501177A (zh) | 一种化成箔的外观缺陷检测方法及系统 | |
US20070115464A1 (en) | System and method for inspection of films | |
CN119579593B (zh) | 一种基于线路板缺陷检测模型的训练方法及系统 | |
CN116029987A (zh) | 一种焊接质量检测方法、装置及电子设备 | |
WO2025139960A1 (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN115393290A (zh) | 边缘缺陷检测方法、装置及设备 | |
CN119741698A (zh) | 聚氨酯滚轮的缺陷检测方法及相关设备 | |
CN118608457A (zh) | 一种基于机器视觉的特种设备检测方法及系统 | |
CN118014925A (zh) | 一种多视角缺陷检测方法及缺陷检测装置 | |
CN112213315A (zh) | 外观检查管理系统、装置、方法以及存储介质 | |
JP6114559B2 (ja) | フラットパネルディスプレイの自動ムラ検出装置 | |
CN117132797A (zh) | 一种lcd显示屏polmark定位检测方法及系统 | |
CN113592841B (zh) | 基于图像分割的透明待检物缺陷识别方法 | |
CN113406094B (zh) | 一种基于图像处理的金属表面缺陷在线检测装置和方法 | |
JP7207948B2 (ja) | 外観検査方法及びプログラム | |
Vaidya | Automatic optical inspection-based PCB fault detection using image processing | |
WO2008085160A1 (en) | System and method for inspection of films |
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 |