一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法技术

本发明专利技术公开了一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法，步骤为：1，控制1+n组光源的开闭，分别获得自聚焦透镜2个端面的1+n幅原始图像；2，利用第1幅图像，进行圆形目标区域图像定位和8度斜面与直角面判定，利用动态阈值分割，得到二值图像，提取疑似缺陷区域特征，给出产品合格与否的判定；3，若判定为合格品，根据圆形目标区域位置在其余n幅图像上分割目标图像，对目标图像进行中值滤波差分处理，进行麻点检测，在所分割的目标图像上，利用细微划痕的形状特征进行划痕检测，并给出检测结果；4，对2个端面的1+n幅图像分别进行缺陷检测，并对产品进行综合判定。解决了现有技术中存在的人工检测效率低、检测质量不稳定的问题。

A method of machine vision detection for surface defects of self focusing lens

The invention discloses a method for machine vision detection, self focusing lens surface defects which comprises the following steps: 1, open and close control group 1+n source, 1+n original image self focusing lens 2 end respectively; 2, using first images of circular target image positioning and 8 degree slope with the rectangular surface determination, using dynamic threshold segmentation, get the two value image, feature extraction of defect region are suspected, determining whether or not qualified products; 3, determine if the qualified goods, according to the position of the circular target area in the rest of the N image segmentation of target image, median filtering differential processing of the target image, for on detection, the target image segmentation, scratch detection using shape features small scratches, and gives test results; 4, the 1+n images of 2 faces were defect detection Measurement and comprehensive judgment of the product. The problems of low efficiency of manual detection and unstable quality of detection are solved in the existing technology.

【技术实现步骤摘要】
一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法
本专利技术属于工业产品表面缺陷的检测方法
，涉及一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法。
技术介绍
自聚焦透镜是一种广泛应用于光纤通讯、微型光学系统、医用光学仪器等设备上的微小光学器件，其表面质量对于产品的性能影响很大。其表面质量缺陷主要以崩边、麻点和划痕为主，其中划痕出现的概率更大。现有技术是采用人工在显微镜下通过目视来观察缺陷的位置、大小、类型，并主观确定其缺陷的分类级别。该方法存在以下缺点：检测工作效率低，工作强度大，产品质量受到人为因素影响大，检验质量因人而异，缺乏稳定的检测质量一致性。
技术实现思路
本专利技术的目的是提供一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法，解决了现有技术中存在的人工检测效率低、检测质量不稳定的问题。本专利技术所采用的技术方案是，一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法，具体按照以下步骤实施：步骤1，控制1+n组光源在不同时间进行开、闭，分别获得自聚焦透镜的2个端面的1+n幅原始图像，即获得了2组1+n幅原始图像；步骤2，利用每组图像的第1幅图像，进行圆形目标区域图像的定位和8度斜面与直角面判定，并利用动态阈值分割，得到二值图像，再提取疑似缺陷区域特征，给出合格品和废品的判定；步骤3，若步骤2判定为合格品，则，根据第1幅图像得到的圆形目标区域位置在其余n幅图像上分别分割出要处理的目标图像，对目标图像进行中值滤波差分处理，并根据所提取的区域特征进行麻点检测，并给出检测结果；在所分割的目标图像上，利用区域快速滤波及区域跟踪方法提取区域形状特征，利用细微划痕的形状特征进行划痕检测，并给出检测结果。步骤4，经过步骤1-3，对2个端面的1+n幅图像分别进行缺陷检测，若在某个缺陷检测过程中判定为废品，则停止其他检测过程，则判定该产品为废品。否则，记录每次检测的结果，若各次检测结果均为良品，则产品为良品；若某次检测结果为次品，则产品被判定为次品。本专利技术的特征还在于，步骤1中的1+n组光源为：第1组光源是90°直射环形光源，另外n组光源是位于360度圆周上的n个点光源。步骤1中的1+n幅原始图像分别由1+n组光源照射获得，第1组光源分别照射两个端面获得两组1+n幅原始图像的第一幅图像，其余n组光源分别照射两个端面获得两组1+n幅原始图像的其余n幅图像。步骤2中的利用每组图像的第1幅图像，进行圆形目标区域图像的定位的方法为：步骤A、利用迭代法阈值分割，将第1幅图像分割为含有多个区域的二值图像；步骤B、利用拓扑结构分析进行区域跟踪，求取各个区域的最小外接圆，获得每个区域的圆心坐标和半径；步骤C、从各个区域最小外接圆中选取与目标区域圆形先验半径差异最小的区域，作为目标圆形区域，则该区域的圆心坐标和半径即为目标圆形区域的圆心坐标(xc，yc)和半径Rt。步骤2中的利用每组图像的第1幅图像，进行8度斜面与直角面判定的方法为：步骤a，获得第一幅图像的平均灰度，具体方法为：扫描整幅图像每一像素，其灰度值为Pix(x,y)，计算其与目标圆形区域圆心的距离，若Dis＞Rt，则该像素置为背景色；否则保留该像素灰度值，形成仅包含目标圆形区域的图像It，则目标圆形区域圆心变为图像It的中心(x′c,y′c)，x′c＝Width/2,y′c＝Heigth/2，其中Width为该图像的宽度，Height为该图像的高度，通过在距圆心(x′c，y′c)一定距离的圆周上采样取点的方式，累加采样点的灰度值，最终计算出目标圆形区域的平均灰度m_avg，即为获得第一幅图像的平均灰度；步骤b，根据平均灰度m_avg的大小分区间确定边缘检测中的阈值参数范围，然后利用高斯平滑滤波去除图像噪声，再用一阶偏导的有限差分来计算梯度的幅值和方向，对梯度幅值进行非极大值抑制，最终用双阈值算法检测和连接边缘，从而获得强边缘图像；步骤c，利用特征点对参数空间投票的直线检测算法，检测强边缘图像中的直线，计算直线到目标圆形区域圆心(x′c，y′c)间的距离，若强边缘图像中存在到圆心(x′c,y′c)距离与先验距离差在一定范围内的直线，则该第一图像为8度斜面图像，该端面为8度斜面，若无则为直角面。步骤2中利用动态阈值分割，得到二值图像，再提取疑似缺陷区域特征，给出合格品和废品的判定的具体方法为：步骤d，结合m_avg的大小根据实验数据进行分区间动态阈值划分，得到新的分割阈值Th1，逐行列扫描处理第一幅图像中每个像素，灰度值为Pix(x,y)，若Pix(x,y)＜Th1，则在处理后的二值图像上将该位置像素值置为255，否则将其置为0，得到如崩边这种显著缺陷的二值图像Ib；步骤e，对仅包含目标圆形区域的图像It逐行列扫描处理每个像素，灰度值为Pix(x,y)，以该像素为中心取宽度为W的滑动窗口内的所有像素值，并对其进行升序排序，计算排序后像素值序列的中间值Vm，对图像It进行滤波处理，得到滤波处理图像Imb，并将其对应位置像素值设置为Vm；将滤波处理图像Imb与仅包含目标圆形区域的图像It进行做差计算，即得到差值图像Id；对差值图像Id逐像素处理，灰度值为Pix(x,y)，Th2为控制差值显著性的阈值，若Pix(x,y)＞Th2，则在处理后的二值图像上将该位置像素值置为255，否则将其置为0，得到麻点、划痕这种非显著缺陷的二值图像Imh；步骤f，将二值图像Imh和二值图像Ib合并，得到兼有崩边、麻点、划痕缺陷特征的二值图像Ibmh，再利用拓扑结构分析进行区域跟踪，计算各个疑似缺陷区域的几何形状特征，并根据这些特征的先验知识进行缺陷类型划分及合格品和废品的判定。步骤3具体按照以下步骤实施：步骤3.1，对其余n幅图像In进行相同的处理，具体为：对图像In进行去背景处理，即扫描整幅图像每一像素，灰度值为Pix(x,y)，计算其与目标圆形区域圆心(x′c,y′c)的距离，若len＞Rt，Rt为第一幅图像检测得到的圆半径，则将该像素置为背景色；否则保留该像素灰度值，形成仅包含目标圆形区域的图像Int；步骤3.2，对仅包含目标圆形区域的图像Int进行中值滤波差分处理，根据所提取的区域特征进行麻点检测，并给出检测结果；步骤3.3，在仅包含目标圆形区域的图像Int上，利用区域快速滤波及区域跟踪方法提取区域形状特征，利用细微划痕的形状特征进行划痕检测，并给出检测结果。步骤3.2具体按照以下步骤实施：步骤3.2.1，对仅包含目标圆形区域的图像Int逐行列扫描处理每个像素，灰度值为Pix(x,y)，以该像素为中心取宽度为Wn的滑动窗口内的所有像素值，并对其进行升序排序，计算排序后像素值序列中的中间值Vm，对图像Int进行滤波处理，得到滤波处理图像Inb，并将其对应位置像素值设置为Vm；将滤波处理图像Inb与仅包含目标圆形区域的图像Int进行做差计算，即得到差值图像Ind；对差值图像Ind逐像素处理，灰度值为Pix(x,y)，Thn2为控制差值显著性的阈值，若Pix(x,y)＞Thn2，则在处理后的二值图像上将该位置像素值置为255，否则将其置为0，得到含有疑似麻点缺陷的二值图像Inh；步骤3.2.2，利用拓扑结构分析对图像Inh进行区域跟踪，计算各个区域的几何形状特征：四邻域平均灰度差Pavg、面本文档来自技高网...

【技术保护点】
一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法，其特征在于，具体按照以下步骤实施：步骤1，控制1+n组光源在不同时间进行开、闭，分别获得自聚焦透镜的2个端面的1+n幅原始图像，即获得了2组1+n幅原始图像；步骤2，利用每组图像的第1幅图像，进行圆形目标区域图像的定位和8度斜面与直角面判定，并利用动态阈值分割，得到二值图像，再提取疑似缺陷区域特征，给出合格品和废品的判定；步骤3，若步骤2判定为合格品，则，根据第1幅图像得到的圆形目标区域位置在其余n幅图像上分别分割出要处理的目标图像，对目标图像进行中值滤波差分处理，并根据所提取的区域特征进行麻点检测，并给出检测结果；在所分割的目标图像上，利用区域快速滤波及区域跟踪方法提取区域形状特征，利用细微划痕的形状特征进行划痕检测，并给出检测结果。步骤4，经过步骤1‑3，对2个端面的1+n幅图像分别进行缺陷检测，若在某个缺陷检测过程中判定为废品，则停止其他检测过程，则判定该产品为废品。否则，记录每次检测的结果，若各次检测结果均为良品，则产品为良品；若某次检测结果为次品，则产品被判定为次品。

【技术特征摘要】
1.一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法，其特征在于，具体按照以下步骤实施：步骤1，控制1+n组光源在不同时间进行开、闭，分别获得自聚焦透镜的2个端面的1+n幅原始图像，即获得了2组1+n幅原始图像；步骤2，利用每组图像的第1幅图像，进行圆形目标区域图像的定位和8度斜面与直角面判定，并利用动态阈值分割，得到二值图像，再提取疑似缺陷区域特征，给出合格品和废品的判定；步骤3，若步骤2判定为合格品，则，根据第1幅图像得到的圆形目标区域位置在其余n幅图像上分别分割出要处理的目标图像，对目标图像进行中值滤波差分处理，并根据所提取的区域特征进行麻点检测，并给出检测结果；在所分割的目标图像上，利用区域快速滤波及区域跟踪方法提取区域形状特征，利用细微划痕的形状特征进行划痕检测，并给出检测结果。步骤4，经过步骤1-3，对2个端面的1+n幅图像分别进行缺陷检测，若在某个缺陷检测过程中判定为废品，则停止其他检测过程，则判定该产品为废品。否则，记录每次检测的结果，若各次检测结果均为良品，则产品为良品；若某次检测结果为次品，则产品被判定为次品。2.根据权利要求1所述的一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法，其特征在于，步骤1中所述的1+n组光源为：第1组光源是90°直射环形光源，另外n组光源是位于360度圆周上的n个点光源。3.根据权利要求2所述的一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法，其特征在于，步骤1中所述的1+n幅原始图像分别由1+n组光源照射获得，第1组光源分别照射两个端面获得两组1+n幅原始图像的第一幅图像，其余n组光源分别照射两个端面获得两组1+n幅原始图像的其余n幅图像。4.根据权利要求3所述的一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法，其特征在于，步骤2中所述的利用每组图像的第1幅图像，进行圆形目标区域图像的定位的方法为：步骤A、利用迭代法阈值分割，将第1幅图像分割为含有多个区域的二值图像；步骤B、利用拓扑结构分析进行区域跟踪，求取各个区域的最小外接圆，获得每个区域的圆心坐标和半径；步骤C、从各个区域最小外接圆中选取与目标区域圆形先验半径差异最小的区域，作为目标圆形区域，则该区域的圆心坐标和半径即为目标圆形区域的圆心坐标(xc,yc)和半径Rt。5.根据权利要求4所述的一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法，其特征在于，步骤2中所述的利用每组图像的第1幅图像，进行8度斜面与直角面判定的方法为：步骤a，获得第一幅图像的平均灰度，具体方法为：扫描整幅图像每一像素，其灰度值为Pix(x,y)，计算其与目标圆形区域圆心的距离，若Dis＞Rt，则该像素置为背景色；否则保留该像素灰度值，形成仅包含目标圆形区域的图像It，则目标圆形区域圆心变为图像It的中心(x′c,y′c)，x′c＝Width/2,y′c＝Heigth/2，其中Width为该图像的宽度，Height为该图像的高度，通过在距圆心(x′c,y′c)一定距离的圆周上采样取点的方式，累加采样点的灰度值，最终计算出目标圆形区域的平均灰度m_avg，即为获得第一幅图像的平均灰度；步骤b，根据平均灰度m_avg的大小分区间确定边缘检测中的阈值参数范围，然后利用高斯平滑滤波去除图像噪声，再用一阶偏导的有限差分来计算梯度的幅值和方向，对梯度幅值进行非极大值抑制，最终用双阈值算法检测和连接边缘，从而获得强边缘图像；步骤c，利用特征点对参数空间投票的直线检测算法，检测强边缘图像中的直线，计算直线到目标圆形区域圆心(x′c,y′c)间的距离，若强边缘图像中存在到圆心(x′c,y′c)距离与先验距离差在一定范围内的直线，则该第一图像为8度斜面图像，该端面为8度斜面，若无则为直角面。6.根据权利要求4所述的一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法，其特征在于，步骤2中所述利用动态阈值分割，得到二值图像，再提取疑似缺陷区域特征，给出合格品和废品的判定的具体方法为：步骤d，结合m_avg的大小根据实验数据进行分区间动态阈值划分，得到新的分割阈值Th1，逐行列扫描处理第一幅图像中每个像素，灰度值为Pix(x,y)，若Pix(x,y)＜Th1，则在处理后的二值图像上将该位置像素值置为255，否则将其置为0，得到如崩边这种显著缺陷的二值图像Ib；步骤e，对仅包含目标圆形区域的图像It逐行列扫描处理每个像素，灰度值为Pix(x,y)，以该像素为中心取宽度为W的滑动窗口内的所有像素值，并对其进行升序排序，计算排序后像素值序列的中间值Vm，对图像It进行滤波处理，得到滤波处理图像Imb，并将其对应位置像素值设置为Vm；将滤波处理图像Imb与仅包含目标圆形区域的图像It进行做差计算，即得到差值图像Id；...

【专利技术属性】
技术研发人员：吴学毅，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西,61