The invention relates to a method for extracting and identifying the surface defects of transparent bodies. The method for extracting and identifying transparent body surface defects comprises the following steps: (1) smoothing the image by median filtering to eliminate noise; (2) defect extraction; and (3) defect discrimination. Compared with the prior art, the method of the invention adopts specific algorithm steps to extract and recognize the collected images, so that the line detection method for transparent bodies has the characteristics of wide application range, strong flexibility, stable operation, high detection efficiency and high precision. The experimental results show that the time needed to detect and process a 5'mobile glass panel by the method is 3s, the error detection rate is 1.58%, the detection accuracy of position and appearance size defects is 10um, and the detection accuracy of other defects is 20um.
【技术实现步骤摘要】
透明体表面缺陷提取及识别方法
本专利技术涉及机器视觉图像检测处理
,具体涉及透明体表面缺陷提取及识别方法。
技术介绍
近年来,伴随着互联网技术和集成电路技术的飞速发展,各种移动终端产品得到了大范围普及,手机、平板电脑等移动终端产品已成为人们日常工作生活中不可或缺的一部分。同时,随着这些电子产品日趋频繁的更新换代,作为显示屏幕重要组成部分的玻璃面板,其市场需求也呈飞跃式增长。然而,由于技术生产条件或及其他人为因素的影响,玻璃面板在生产加工运输过程中不可避免的会出现一些尺寸不良、刮痕、异物等缺陷,这些缺陷不仅影响显示屏幕质量和使用价值,而且会影响消费者对该电子产品品牌的认可度,对企业造成不可估量的损失。因此,通过严格的检测工序将具有缺陷的玻璃面板从众多的样品中筛选出来,对企业来说至关重要。针对如玻璃面板这样的透明体进行表面缺陷检测,传统的方法是通过人眼在强光下逐一进行检测,目前该方法无统一的判别标准,完全依靠工人的经验,容易受人主观因素的影响,从而导致误检或漏检;同时劳动强度大、成本高、检测效率低,严重影响产品的生产周期和质量。采用机器视觉技术和数字图像处理相结合的高速光学自动化在线检测方法,具有速度快,信息量大,实时性强,智能化程度高等优点,近来受到业界的广泛关注。高速光学自动化在线检测方法包括图像采集和图像处理两个过程。图像采集过程是指采用机器视觉产品(即图像摄取装置,分为CMOS和CCD两种)摄取图像的过程。图像处理过程即对缺陷进行提取及识别的过程。评判在线检测方法优劣的指标有:适用范围、灵活性、稳定性、检测效率和漏检率。目前,在透明体表面检测领域 ...
【技术保护点】
1.透明体表面缺陷提取及识别方法,其特征在于,包括以下步骤:①采用中值滤波的方式对图像进行平滑处理,消除噪声;②缺陷提取;③缺陷判别;所述步骤①中,中值滤波是采用一个含有奇数点滑动窗口,扫描整幅图像,将图像中间点用图像内各点的中间值代替,其表达式为:g(x,y)=Med{f(x‑k,y‑l)|(k,l∈W)},式中,f(x,y)为原始图像,g(x,y)为处理后的图像,W为二维模板;所述步骤②中,包括对透明体存在的尺寸缺陷、logo不良及各目标区域的位置缺陷进行提取的子步骤a和对透明体的刮痕、异物、缺损、裂纹、点、崩边/崩角缺陷进行提取的子步骤b;所述子步骤a是先利用Canny边缘检测算子提取出所检测透明体的边缘点,然后采取图像模板匹配比较法,将模板库中的标准图像与提取的图像进行匹配,即异或运算,判定该透明体是否存在尺寸缺陷、logo不良及目标区域的位置缺陷,并对目标区域位置进行确定;Canny算子求边缘点具体算法步骤如下:I.用高斯滤波函数,平滑图像以消除噪声;高斯函数为:
【技术特征摘要】
1.透明体表面缺陷提取及识别方法,其特征在于,包括以下步骤:①采用中值滤波的方式对图像进行平滑处理,消除噪声;②缺陷提取;③缺陷判别;所述步骤①中,中值滤波是采用一个含有奇数点滑动窗口,扫描整幅图像,将图像中间点用图像内各点的中间值代替,其表达式为:g(x,y)=Med{f(x-k,y-l)|(k,l∈W)},式中,f(x,y)为原始图像,g(x,y)为处理后的图像,W为二维模板;所述步骤②中,包括对透明体存在的尺寸缺陷、logo不良及各目标区域的位置缺陷进行提取的子步骤a和对透明体的刮痕、异物、缺损、裂纹、点、崩边/崩角缺陷进行提取的子步骤b;所述子步骤a是先利用Canny边缘检测算子提取出所检测透明体的边缘点,然后采取图像模板匹配比较法,将模板库中的标准图像与提取的图像进行匹配,即异或运算,判定该透明体是否存在尺寸缺陷、logo不良及目标区域的位置缺陷,并对目标区域位置进行确定;Canny算子求边缘点具体算法步骤如下:I.用高斯滤波函数,平滑图像以消除噪声;高斯函数为:n表示滤波器窗口大小;II.用一阶差分卷积函数,计算梯度幅值和方向,以增强边缘;采用2X2模板计算平滑后图像在x和y方向的梯度幅值和方向,如下:得出像素点的梯度幅值与方向分别如下:III.对梯度幅值进行非极大值抑制;具体是:对每一个像素点沿着其梯度方向与相邻两像素进行对比,保留每个像素点上梯度强度的极大值,并将其他值删掉,使模糊的边界变得清晰;IV.用双阈值算法检测和连接边缘;具体是:将图像像素点与设定的阈值上下界进行比较,如果图像像素点大于阈值上界则认为必然是边界,称强边界;如果图像像素点小于阈值下界则认为必然不是边...
【专利技术属性】
技术研发人员:袁巨龙,赵文宏,
申请(专利权)人:杭州智谷精工有限公司,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。