基于机器视觉的陶瓷瓦的缺陷检测方法及装置制造方法及图纸

基于机器视觉的陶瓷瓦缺陷检测方法及装置，涉及陶瓷瓦缺陷检测领域，旨在提高陶瓷瓦缺陷检测的效率。本发明专利技术首先获取陶瓷瓦的正面俯视图像；接着对该图像进行图像分割，将陶瓷瓦从传送带背景中提取出来；然后在分割后的图像上提取待检测陶瓷瓦的特征参数，与事先预设的特征参数进行比较，从而确定待检陶瓷瓦是否存在缺角、裂纹、鼓包、色差、缺釉等缺陷，进而对待检测陶瓷瓦进行分类，以便区分出废品、合格品。比起传统的人工检测，本发明专利技术可以高效地对所有陶瓷瓦进行逐一检测，极大地提高了生产效率，并显著提高了出厂陶瓷瓦的合格率。

Defect detection method and device of ceramic tile based on machine vision

【技术实现步骤摘要】
基于机器视觉的陶瓷瓦的缺陷检测方法及装置
本专利技术涉及陶瓷缺陷检测领域，具体涉及一种基于机器视觉的陶瓷瓦的缺陷检测方法及装置。
技术介绍
陶瓷瓦，属于一种屋顶建筑材料。它有呈长方形的瓦体。所述的瓦体的正面有纵向的凹槽，在凹槽上端的瓦体上有挂瓦挡头，瓦体的左、右两侧分别为左搭合边和右搭合边。在瓦体背面下端有后爪凸台，瓦体背面的凸起部位有突出的后肋。这种陶瓷瓦结构合理，排水流畅，不会出现漏水现象。安装时，将各片陶瓷瓦互相搭合在一起即可，方便性高，搭合严密，连接牢固。瓦体可用陶瓷材料制成，抗折抗压强度高，密度均匀，重量轻，不吸水，不会像缸瓦、水泥瓦那样因吸水增重而增大屋顶负荷。瓦体表面光滑平整，可有各种颜色，是现代化建筑的理想屋顶材料。生产陶瓷瓦和其他陶瓷产品一样，要经过原料准备、模具成型、干燥、施釉、烧结等多道生产工序。每道工序都可能出现质量缺陷，从而导致产品的不合格。典型的缺陷有：1)裂纹，是指陶瓷瓦表面的细小缝隙。若待检测陶瓷瓦表面裂纹长度或宽度大于预设的陶瓷瓦的裂纹长度或宽度，为废品；2)鼓包，是指陶瓷瓦表面有局部的异常凸起。若待检测陶瓷瓦表面鼓包面积大于预设的陶瓷瓦的鼓包面积，本文档来自技高网...

【技术保护点】
1.基于机器视觉的陶瓷瓦的缺陷检测方法，其特征在于包括以下步骤：步骤1：获取待检测陶瓷瓦的正面俯视图像；步骤2：对所述俯视图像进行图像分割，将陶瓷瓦所在区域从俯视图像中提取出来，从而得到纯陶瓷瓦图像；步骤3：对所述纯陶瓷瓦图像，采用并行计算算法，同时检测陶瓷瓦的缺角、色差、裂纹、缺釉、鼓包这五种常见缺陷，并输出相应的缺陷特征参数；步骤4：用步骤3的各缺陷特征参数，与预设的陶瓷瓦特征参数相比较，从而可将陶瓷瓦分为合格品或者废品。

【技术特征摘要】
1.基于机器视觉的陶瓷瓦的缺陷检测方法，其特征在于包括以下步骤：步骤1：获取待检测陶瓷瓦的正面俯视图像；步骤2：对所述俯视图像进行图像分割，将陶瓷瓦所在区域从俯视图像中提取出来，从而得到纯陶瓷瓦图像；步骤3：对所述纯陶瓷瓦图像，采用并行计算算法，同时检测陶瓷瓦的缺角、色差、裂纹、缺釉、鼓包这五种常见缺陷，并输出相应的缺陷特征参数；步骤4：用步骤3的各缺陷特征参数，与预设的陶瓷瓦特征参数相比较，从而可将陶瓷瓦分为合格品或者废品。2.根据权利要求1所述基于机器视觉的陶瓷瓦的缺陷检测方法，其特征在于：所述俯视图像，为陶瓷瓦水平放置时，从陶瓷瓦正上方拍摄的图像；所述预设的陶瓷瓦特征参数，包括预设的陶瓷瓦的裂纹长度或宽度、预设的陶瓷瓦的鼓包面积、预设的陶瓷瓦的缺釉面积、预设的陶瓷瓦的色差面积、预设的陶瓷瓦的缺角面积。3.根据权利要求1所述基于机器视觉的陶瓷瓦的缺陷检测方法，其特征在于：所述步骤2中，图像分割包括以下步骤：步骤2.1，对所述俯视图像的每一行求和，得到行投影向量；步骤2.2，对所述俯视图像的每一列求和，得到列投影向量；步骤2.3，分别查找行投影向量中的跃变位置、列投影向量中的跃变位置，进而确定陶瓷瓦在图像中的位置；步骤2.4，将陶瓷瓦所在区域从所述俯视图像中提取出来，得到纯陶瓷瓦图像。4.根据权利要求1所述基于机器视觉的陶瓷瓦的缺陷检测方法，其特征在于：所述步骤3中，并行计算算法，指的是利用工控机的多核配置，每个核负责检测一种缺陷，并将检测结果发送给主程序。5.根据权利要求1所述基于机器视觉的陶瓷瓦的缺陷检测方法，其特征在于：所述步骤3中，缺角检测算法包括以下步骤：步骤3.1.1：将纯陶瓷瓦图像灰度化，得到纯陶瓷瓦灰度图像；步骤3.1.2：在纯陶瓷瓦灰度图像四个角上分别截取一个小的矩形，并分别统计出这四个小矩形中各像素的平均灰度值Mi(i＝1,2,3,4)；步骤3.1.3：在纯陶瓷瓦灰度图像正中间截取一个小的矩形，并统计出这个小矩形中各像素的平均灰度值M0；步骤3.1.4：设定一个阈值Tq，如果|Mi-M0|>Tq，则第i个角上存在缺角，反之则不存在缺角。6.根据权利要求1所述基于机器视觉的陶瓷瓦的缺陷检测方法，其特征在于：所述步骤3中，色差检测算法包括以下步骤：步骤3.2.1：将纯陶瓷瓦图像灰度化，得到纯陶瓷瓦灰度图像；步骤3.2.2：在纯陶瓷瓦灰度图像左右两个边界处分别截取一个狭长的矩形，并分别统计出这两个矩形中各像素的平均灰度值Si(i＝1,2)；步骤3.2.3：在纯陶瓷瓦灰度图像正中间截取一个小的矩形，并统计出这个小矩形中各像素的平均灰度值S0；步骤3.2.4：设定一个阈值Ts，如果|Si-S0|>Ts，则第i个边上存在色差，反之则不存在色差。7.根据权利要求1所述基于机器视觉的陶瓷瓦的缺陷检测方法，其特征在于：所述步骤3中，裂纹检测算法包括以下步骤：步骤3.3.1：将纯陶瓷瓦图像灰度化，得到纯陶瓷瓦灰度图像；步骤3.3.2：根据裂纹的狭长特征，自定义一个M×N的高通滤波模板h1；步骤3.3.3：将纯陶瓷瓦灰度图像与高通滤波模板h1做卷积，得到滤波后图像；步骤3.3.4：将滤波后图像进行阈值分割，得到二值化图像；步骤3.3...

【专利技术属性】
技术研发人员：曾曙光，肖焱山，郑胜，李强，张邵伟，李小磊，
申请(专利权)人：三峡大学，
类型：发明
国别省市：湖北,42