一种通过机器视觉实现的缺陷标识系统技术方案

本发明专利技术公开了一种通过机器视觉实现的缺陷标识系统，包括如下流程步骤：S1：采用CCD或CMOS传感器等图像采集设备对被检测产品表面进行表面图像采集，并评判采集到图像的清晰程度，根据图像的清晰程度调整对焦状态；S2：通过图像预处理，将被检测产品的表面图像转换成具有边缘特征的灰度图像；S3：采用目标匹配定位算法，在灰度图像中寻找与对应标的物或模板图像相似度最高的区域并定义为目标区；S4：对采集到的目标区图像进行二维缺陷检测；S5：对采集到目标区图像进行三维缺陷检测；S6：缺陷特征分析；S7：把缺陷特征分析结果与预先设置在系统中的标准值进行比对，并将缺陷检测结果符合要求的产品分离，能够实现对产品中的缺陷部分进行有效检测并分割。

【技术实现步骤摘要】
一种通过机器视觉实现的缺陷标识系统
本专利技术涉及缺陷识别
，尤其涉及一种通过机器视觉实现的缺陷标识系统。
技术介绍
随着生活水平的提高和生产制造力技术的发展，人们对产品质量提出了更高的要求，3C件、加工件、纺织品、医药包装、食品包装等行业，都存在产品外观质量检测问题。通常人们对产品外观质量的关注，主要包括：(1)以产品外观质量作为价值依附的产品，如印刷、包装、工艺品等；(2)表面缺陷直接影响到产品的使用和深加工的产品，会给使用着和深加工客户带来极大的损失，因此，检测表面缺陷品质量的把控非常必要。现有的表面缺陷检测通常由检测人员通过人眼目测来完成或是通过整体扫描检测的方法，人工检测不仅检测结果容易受检测人员主观因素影响且很难检测到小的缺陷，而目前的整体扫描检测难以对产品具有缺陷的部分进行有效检测、分割后进行分析，常出现错误切割无缺陷部分或是切割部分过大、浪费检测时间，降低工作效率。
技术实现思路
为克服上述缺点，本专利技术的目的在于提供一种能够实现对产品中的缺陷部分进行有效检测并分割的通过机器视觉实现的缺陷标识系统。为了达到以上目的，本专利技术采用的技术方案是：一种通过机器视觉实现的缺陷标识系统，其特征在于，包括如下流程步骤：S1：采用CCD或CMOS传感器等图像采集设备对被检测产品表面进行表面图像采集，并评判采集到图像的清晰程度，根据图像的清晰程度调整对焦状态；S2：通过图像预处理，将被检测产品的表面图像转换成具有边缘特征的灰度图像；S3：采用目标匹配定位算法，在灰度图像中寻找与对应标的物或模板图像相似度最高的区域，并将区域该区域定义为目标区；S4：对采集到的目标区图像进行二维缺陷检测；S5：对采集到目标区图像进行基于频域的傅立叶变换的三维缺陷检测；S6：对步骤S4和S5中检测出的缺陷进行缺陷特征分析；S7：根据S5中被检测产品的缺陷特征分析结果，把缺陷特征分析结果与预先设置在系统中的标准值进行比对，并将缺陷检测结果符合要求的产品标识并分离开来。本专利技术提供的一种通过机器视觉实现的缺陷标识系统，其有益效果是：通过对被检测产品进行拍摄调整对焦状态、并对所采集的图像进行预处理、目标匹配定位选取目标区、二维缺陷检测及三维缺陷检测后，实现对产品中的缺陷部分进行有效检测，并对产品进行缺陷特征分析，在缺陷特征分析结果与预先设置在系统中的标准值进行比后，将具有缺陷的产品进行标识并分离。优选地，所述步骤S2中的图像预处理，包括图像灰度转换处理、图像去噪处理和图像边缘检测处理。进一步地，在步骤S2和步骤S3之间加入步骤S2.5：通过图像增强处理，增强步骤S2中具有边缘特征的灰度图像的图像特征，以便更好的确认缺陷位置。优选地，所述步骤S2.5中的图像增强处理，是通过全局二值化增强算法对预处理后的灰度图像进行增强处理。进一步地，步骤S1中所述的调整对焦状态，包括以下步骤：a：确定图像采集设备的视野；b：确定被检测产品的检测区域；c：确定拍摄基准点；d：根据所述图像采集设备的视野、所述检测区域和所述基准点，确定所述图像采集设备每次拍摄时候的旋转角度、每次拍摄需要检测的技术特征、每个被检测产品的拍摄次数，以便拍摄产品清晰。优选地，步骤S3中所述的目标匹配定位算法包括但不限于归一化互相关算法、广义霍夫变换算法、SIFT算法或尺度不变特征变换算法、几何哈希算法；所述寻找标的物算法采用单个或者多个模板进行匹配定位，或联合金字塔算法进行加速。进一步地，所述步骤S4二维缺陷检测步骤如下：需要在目标区图像基础上，采用设定的坐标偏置，进行掩模覆盖，标记为前景的区域为ROI区域，标记为背景的区域为滤除区域，滤除区域不参与缺陷检测过程和缺陷特征分析、缺陷等级评估过程，能够对缺陷有效检测并分割。进一步地，所述步骤S5三维缺陷检测步骤如下：e：创建高斯滤波器；f：图像预处理；g：预处理后的图像从空间域转换到频域处理；h：对频域图像进行卷积运算；i：将频域图像重新转换到空间域处理；j：空间域图像分割；k：连通域选取，能够对缺陷有效检测并分割。进一步地，步骤S6所述的缺陷特征分析过程建立在缺陷已经完全分割完成的基础上，对被分割之后缺陷进行缺陷特征描述主要采用全局特征和局部特征；特征提取的方法包括但不限于几何尺寸、面积、熵、灰度矩和各向异性特征，或者采用深度学习方法特征提取，深度学习方法特征提取包括但不限于采用卷积神经网络、卷积自编码模型提取的特征，能够对有缺陷的产品进行分析。附图说明图1为本专利技术的流程图。具体实施方式下面结合附图对本专利技术的较佳实施例进行详细阐述，以使本专利技术的优点和特征能更易于被本领域技术人员理解，从而对本专利技术的保护范围做出更为清楚明确的界定。参见附图1所示，一种通过机器视觉实现的缺陷标识系统，包括如下流程步骤：S1：采用CCD或CMOS传感器等图像采集设备对被检测产品表面进行表面图像采集，并评判采集到图像的清晰程度，根据图像的清晰程度调整对焦状态，包括以下步骤：a：确定图像采集设备的视野；b：确定被检测产品的检测区域；c：确定拍摄基准点；d：根据图像采集设备的视野、检测区域和基准点，确定图像采集设备每次拍摄时候的旋转角度、每次拍摄需要检测的技术特征、每个被检测产品的拍摄次数；S2：通过图像预处理，将被检测产品的表面图像转换成具有边缘特征的灰度图像,包括图像灰度转换处理(是通过加权平均法，将采集的金属工件表面图像数据转换成灰度图像)、图像去噪处理(是获取预存的加权的均值滤波器模板，将灰度图像中的噪声点替换为均值滤波器模板窗口内的像素的平均灰度值以进行图像去噪)和图像边缘检测处理(是通过边缘检测算法，检测灰度图像的边缘并连接边缘构成边界，根据各个边界生成大小端面区域和环形槽区域)；S2.5：通过图像增强处理，增强步骤S2中具有边缘特征的灰度图像的图像特征，通过全局二值化增强算法对预处理后的灰度图像进行增强处理。S3：采用目标匹配定位算法，在灰度图像中寻找与对应标的物或模板图像相似度最高的区域，并将区域该区域定义为目标区，包括但不限于归一化互相关算法、广义霍夫变换算法、SIFT算法或尺度不变特征变换算法、几何哈希算法；寻找标的物算法采用单个或者多个模板进行匹配定位，或联合金字塔算法进行加速；S4：对采集到的目标区图像进行二维缺陷检测，步骤如下：需要在目标区图像基础上，采用设定的坐标偏置，进行掩模覆盖，标记为前景的区域为ROI区域，标记为背景的区域为滤除区域，滤除区域不参与缺陷检测过程和缺陷特征分析、缺陷等级评估过程；S5：对采集到目标区图像进行基于频域的傅立叶变换的三维缺陷检测，步骤如下：e：创建高斯滤波器；f：图像预处理；g：预处理后的图像从空间域转换到频域处理；h：对频域图像进行卷积运算；i：将频域图像重新转换到空间域处理；j：空间域图像分割；k：连通域选取；S6：对步骤S4和S5中检测出的缺陷进行缺陷特征分析，过程建立在缺陷已经完全分割完成的基础上，对被分割之后缺陷进行缺陷本文档来自技高网...

【技术保护点】
1.一种通过机器视觉实现的缺陷标识系统，其特征在于，包括如下流程步骤：S1：采用CCD或CMOS传感器等图像采集设备对被检测产品表面进行表面图像采集，并评判采集到图像的清晰程度，根据图像的清晰程度调整对焦状态；S2：通过图像预处理，将被检测产品的表面图像转换成具有边缘特征的灰度图像；S3：采用目标匹配定位算法，在灰度图像中寻找与对应标的物或模板图像相似度最高的区域，并将区域该区域定义为目标区；S4：对采集到的目标区图像进行二维缺陷检测；S5：对采集到目标区图像进行基于频域的傅立叶变换的三维缺陷检测；S6：对步骤S4和S5中检测出的缺陷进行缺陷特征分析；S7：根据S5中被检测产品的缺陷特征分析结果，把缺陷特征分析结果与预先设置在系统中的标准值进行比对，并将缺陷检测结果符合要求的产品标识并分离开来。/n

【技术特征摘要】
1.一种通过机器视觉实现的缺陷标识系统，其特征在于，包括如下流程步骤：S1：采用CCD或CMOS传感器等图像采集设备对被检测产品表面进行表面图像采集，并评判采集到图像的清晰程度，根据图像的清晰程度调整对焦状态；S2：通过图像预处理，将被检测产品的表面图像转换成具有边缘特征的灰度图像；S3：采用目标匹配定位算法，在灰度图像中寻找与对应标的物或模板图像相似度最高的区域，并将区域该区域定义为目标区；S4：对采集到的目标区图像进行二维缺陷检测；S5：对采集到目标区图像进行基于频域的傅立叶变换的三维缺陷检测；S6：对步骤S4和S5中检测出的缺陷进行缺陷特征分析；S7：根据S5中被检测产品的缺陷特征分析结果，把缺陷特征分析结果与预先设置在系统中的标准值进行比对，并将缺陷检测结果符合要求的产品标识并分离开来。


2.根据权利要求1所述的一种通过机器视觉实现的缺陷标识系统，其特征在于：所述步骤S2中的图像预处理，包括图像灰度转换处理、图像去噪处理和图像边缘检测处理。


3.根据权利要求1所述的一种通过机器视觉实现的缺陷标识系统，其特征在于：在步骤S2和步骤S3之间加入步骤S2.5：通过图像增强处理，增强步骤S2中具有边缘特征的灰度图像的图像特征。


4.根据权利要求3所述的一种通过机器视觉实现的缺陷标识系统，其特征在于：所述步骤S2.5中的图像增强处理，是通过全局二值化增强算法对预处理后的灰度图像进行增强处理。


5.根据权利要求1所述的一种通过机器视觉实现的缺陷标识系统，其特征在于：步骤S1中所述的调整对焦状态，包括以下步骤：a：确定图像采集设备的视野；b：确定被检测产品的检测区域；c：确定拍摄基准点；d：根据所述图像采集设备的视野、所述检测区域和所述基准点，确定所述图像采集设备每次拍摄时...

【专利技术属性】
技术研发人员：苑学涛，
申请(专利权)人：苏州光领电子科技有限公司，
类型：发明
国别省市：江苏;32