基于视觉识别的缺陷检测方法及系统技术方案

本发明专利技术涉及缺陷检测技术领域，公开一种基于视觉识别的缺陷检测方法及系统。该基于视觉识别的缺陷检测方法包括：获取待检测面板的图像；对图像进行边缘检测，提取目标轮廓；目标轮廓为待进行缺陷检测的轮廓；计算第一切向灰阶梯度；第一切向灰阶梯度为目标轮廓上第一像素点的切向灰阶梯度；第一切向灰阶梯度等于第一像素点的灰度与第二像素点灰度差值；第二像素点与第一像素点相邻，在目标轮廓上位于第一像素点前；根据第一切向灰阶梯度，判断是否检测到缺陷；若第一切向灰阶梯度满足预设缺陷判定条件，判定检测到缺陷。这样，实现了面板印刷过程中细微缺陷的自动检测，检测结果客观，避免了依赖于人工经验。

【技术实现步骤摘要】

本专利技术涉及缺陷检测
，特别涉及一种基于视觉识别的缺陷检测方法及系统。
技术介绍
电子设备玻璃盖板的生产加工工艺的流程一般包括：开料、开槽、倒边、精雕、平磨、清洗、电镀/丝印、镜片清洗、包装。在实现本专利技术的过程中，本专利技术的专利技术人发现，现有技术中存在如下问题：目前常用的印刷缺陷检查方法大多是基于玻璃盖板图像的边缘提取，而后分析边缘轮廓的平整性和凹凸区域，具体请参见图1，以一款手机面板实物为例，图1中的图像是基于面板的手机实物图像，图2是图1中A部分的放大示意图；从图2可以看出，图1中的印刷边缘存在缺陷，图3、图4分别是图1、图2的轮廓图。在对图3进行缺陷检测时，主要是分析面板边缘的轮廓是否平整或者存在凹凸区域，也就是检测图像边缘是否存在凸起或者凹陷，从图4可以看出，面板的边缘不平整。现有技术中对于细小的、由于印刷丝网破损造成的细微缺陷还无法检出，因为在这类细微缺陷附近的边缘轮廓仍然是平直的，具体请参见图5～图8。图5为手机面板图像，B部分为边缘存在微缺陷部分；图6是图5中B部分的放大示意图；图7、图8分别是图5、图6的轮廓图。现有技术中，对图5～图8中，对于细小的、由于印刷丝网破损造成的细微缺陷，是检测不到的。现有的工艺是采用终检时用人工目检，这种方法不能预先防范由于设备和生产过程发生的批量性不良，一片盖板从透明基板到成品通常要经过多达二十道的印刷和烘烤，累计耗时数小时。目前常规的自动化丝印机单道印刷产能都在每小时600-1400片，从不良产品的首次发生到终检发现有可能已造成上千片不良品的发生，导致生产成本提高和有效产能下降。专利技术内容本专利技术实施方式的目的在于提供一种基于视觉识别的缺陷检测方法，可以实现面板印刷过程中缺陷的自动检测，检测结果客观，避免了依赖于人工经验。为解决上述技术问题，本专利技术的实施方式提供了一种基于视觉识别的缺陷检测方法，包括：获取待检测面板的图像；对图像进行边缘检测，并提取目标轮廓；其中，目标轮廓为待进行缺陷检测的轮廓；计算第一切向灰阶梯度；其中，第一切向灰阶梯度为目标轮廓上第一像素点的切向灰阶梯度；第一切向灰阶梯度等于第一像素点的灰度与第二像素点的灰度的差值；第二像素点与第一像素点相邻，在目标轮廓上位于第一像素点之前；根据第一切向灰阶梯度，判断是否检测到缺陷；其中，若第一切向灰阶梯度满足预设的缺陷判定条件，则判定检测到缺陷。本专利技术的实施方式还提供了一种基于视觉识别的缺陷检测系统，包括：获取模块、检测模块、计算模块与判断模块；获取模块，用于获取待检测面板的图像；检测模块，用于对图像进行边缘检测，并提取目标轮廓；其中，目标轮廓为待进行缺陷检测的轮廓；计算模块，用于计算第一切向灰阶梯度；其中，第一切向灰阶梯度为目标轮廓上第一像素点的切向灰阶梯度；第一切向灰阶梯度等于第一像素点的灰度与第二像素点的灰度的差值；第二像素点与第一像素点相邻，在目标轮廓上位于第一像素点之前；判断模块，用于根据第一切向灰阶梯度，判断是否检测到缺陷；其中，若第一切向灰阶梯度满足预设的缺陷判定条件，则判定检测到缺陷。本专利技术实施方式相对于现有技术而言，通过边缘检测，得到可能含有缺陷的目标轮廓，缩小了进一步检测的范围，通过逐一计算切向灰阶梯度，判断每两个相邻的像素之间的灰度差值，该差值在满足预设缺陷判定条件下，就会被判定为检测到缺陷，实现了面板印刷过程中缺陷的自动检测，又由于像素是构成图像的最小单位，因此，像素间的灰度差值可以计算得到细微的差异值，同时可以检测到屏幕边缘的微缺陷，所以，本专利技术实施方式实现了面板印刷过程中细微缺陷的自动检测；并且，通过计算得出准确的灰度数值差异，使得检验结果更加准确、客观，避免了依赖于人工经验；另外，由于使用了边缘变化的梯度值，使得本专利技术实施方式的检测方法对相机和光源的设置相对不敏感，降低了对检测条件的要求，操作简单，易于实现。另外，沿目标轮廓的切向计算第一平均值与第一方差；其中，第一平均值为预设长度的第一窗口内梯度幅度的平均值，第一方差为第一窗口内梯度幅度的方差，第一像素点为第一窗口的最后一个像素点；计算第一偏差；其中，第一偏差为第一切向灰阶梯度与第一平均值的偏差；计算第一比值；第一比值为第一偏差与第一方差的比值；若第一比值大于预设比值，则判定第一像素点为奇异点；若相邻的奇异点的数目大于预设数目，则判定相邻的奇异点覆盖的区域存在缺陷；其中，预设数目根据可接受缺陷的尺寸设置。通过待检测点的切向灰阶梯度偏离定长窗口内梯度幅度的平均值的程度，来判定该待检测点处是否存在缺陷，使得本专利技术实施方式具备自适应功能，可以避免引入误判。另外，计算第二切向灰阶梯度；其中，第二切向灰阶梯度为目标轮廓上第三像素点的切向灰阶梯度；第二切向灰阶梯度等于第三像素点的灰度与第一像素点的灰度的差值；第三像素点与第一像素点相邻，位于第一像素点之后；根据第二切向灰阶梯度，判断是否检测到缺陷。本专利技术实施方式可以沿着轮廓切向逐点做灰阶梯度计算，进行微缺陷检测，直至遍历目标轮廓上所有的点，可以避免漏检。另外，若判定检测到缺陷，则输出报错信息、控制丝印机停机或将检测到的缺陷保存在缺陷记忆模块中。在检测到缺陷后，可以采取相应的措施，保证了本专利技术实施方式的多样性。另外，若连续检测到相同特征的缺陷，且相同特征的缺陷的重复次数大于预设次数，则判定检测到批量性缺陷，并输出警示信息。这样，可以避免印刷过程中的产品批量不良，并且，可以进一步降低生产成本，提高有效产能。另外，采用在线相机抓取待检测面板的图像；其中，根据最佳分辨率和最佳灰阶层次设置相机的对焦、光圈、曝光时间以及背光源的强度。这样，可以得到最佳分辨率和灰阶层的图像，提高分析结果的精确度，避免外界因素对分析结果造成的额外干扰。另外，根据图像的灰度方差，调整所述预设比值。这样，可以使得检测结果更准确，并且可以节省计算量。附图说明图1是现有技术中手机玻璃盖板的图像；图2是图1中A部分的放大图；图3是图1中图像的轮廓图；图4是图2中图像的轮廓图；图5是现有技术中边缘存在微缺陷的手机玻璃盖板的图像；图6是图5中B部分的放大图；图7是图5中图像的轮廓图；图8是图6中图像的轮廓图；图9是根据本专利技术第一实施方式的基于视觉识别的缺陷检测方法的流程图；图10是根据本专利技术第一实施方式中的根据灰度差识别缺陷的示意图；图11是图10中图像的轮廓图；图12是根据本专利技术第一实施方式中的轮廓上的缺陷示意图；图13是根据本专利技术第二实施方式的基于视觉识别的缺陷检测方法的流程图；图14是根据本专利技术第二实施方式中的基于视觉识别的缺陷检测方法的输出结果示意图；图15是根据本专利技术第四实施方式的一种基于视觉识别的缺陷检测系统的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本专利技术各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。本专利技术的第一实施方式涉及一种基于视觉识别的缺陷检测方法。具体流程如图9所示。步骤301：获取图像。具体地说，获取待检测面板的图像。在获取过程中，连线相机进行图像的获取，调本文档来自技高网...

【技术保护点】
一种基于视觉识别的缺陷检测方法，其特征在于，包括：获取待检测面板的图像；对所述图像进行边缘检测，并提取目标轮廓；其中，所述目标轮廓为待进行缺陷检测的轮廓；计算第一切向灰阶梯度；其中，所述第一切向灰阶梯度为所述目标轮廓上第一像素点的切向灰阶梯度；所述第一切向灰阶梯度等于所述第一像素点的灰度与第二像素点的灰度的差值；所述第二像素点与所述第一像素点相邻，在目标轮廓上位于所述第一像素点之前；根据所述第一切向灰阶梯度，判断是否检测到缺陷；其中，若所述第一切向灰阶梯度满足预设的缺陷判定条件，则判定检测到缺陷。

【技术特征摘要】
1.一种基于视觉识别的缺陷检测方法，其特征在于，包括：获取待检测面板的图像；对所述图像进行边缘检测，并提取目标轮廓；其中，所述目标轮廓为待进行缺陷检测的轮廓；计算第一切向灰阶梯度；其中，所述第一切向灰阶梯度为所述目标轮廓上第一像素点的切向灰阶梯度；所述第一切向灰阶梯度等于所述第一像素点的灰度与第二像素点的灰度的差值；所述第二像素点与所述第一像素点相邻，在目标轮廓上位于所述第一像素点之前；根据所述第一切向灰阶梯度，判断是否检测到缺陷；其中，若所述第一切向灰阶梯度满足预设的缺陷判定条件，则判定检测到缺陷。2.根据权利要求1所述的基于视觉识别的缺陷检测方法，其特征在于，在根据所述第一切向灰阶梯度，判断是否检测到缺陷中，具体包括：沿所述目标轮廓的切向计算第一平均值与第一方差；其中，所述第一平均值为预设长度的第一窗口内梯度幅度的平均值，所述第一方差为所述第一窗口内梯度幅度的方差，所述第一像素点为所述第一窗口的最后一个像素点；计算第一偏差；其中，所述第一偏差为所述第一切向灰阶梯度与所述第一平均值的偏差；计算第一比值；所述第一比值为所述第一偏差与所述第一方差的比值；若所述第一比值大于预设比值，则判定所述第一像素点为奇异点；若相邻的奇异点的数目大于预设数目，则判定所述相邻的奇异点覆盖的区域存在缺陷；其中，所述预设数目根据可接受缺陷的尺寸设置。3.根据权利要求2所述的基于视觉识别的缺陷检测方法，其特征在于，在计算第一切向灰阶梯度之后，还包括：计算第二切向灰阶梯度；其中，所述第二切向灰阶梯度为所述目标轮廓上第三像素点的切向灰阶梯度；所述第二切向灰阶梯度等于所述第三像素点的灰度与第一像素点的灰度的差值；所述第三像素点与所述第一像素点相邻，位于所述第一像素点之后；根据所述第二切向灰阶梯度，判断是否检测到缺陷。4.根据权利要求3所述的基于视觉识别的缺陷检测方法，其特征在于，根据所述第二切向灰阶梯度，判断是否检测到缺陷中，具体包括：沿所述目标轮廓的切向计算第二平均值与第二方差；其中，所述第二平均值为预设长度的第二窗口内梯度幅度的平均值，所述第二方差为所述第二窗口内梯度幅度的方差，所述第三像素点为所述第二窗口的最后一个像素点；计算第二偏差；其中，所述第二偏差为所述第二切向灰阶梯度与所述第二平均值的偏差；计算第二比值；所述第二比值为所述第二偏差与所述第二方差的比值；若所述第...

【专利技术属性】
技术研发人员：郑勤奋，
申请(专利权)人：上海晨兴希姆通电子科技有限公司，
类型：发明
国别省市：上海;31