一种产品不良外观检测的方法、系统及存储介质技术方案

本发明专利技术的提供了一种产品不良外观检测的方法，包括以下步骤：获取产品外观图像，对产品外观图像进行灰度化，得到第一灰度图像；对第一灰度图像进行二值化，得到第二灰度图像；从第二灰度图像进行轮廓提取，并进行筛选得到轮廓组合；获取轮廓组合的最小外接矩形，根据最小外接矩形通过神经网络完成产品外观图像的外观特征分类，根据分类结果识别外观不良产品；发明专利技术通过依次进行灰度化和二值化进行轮廓提取，避免了因光线的影响而导致识别准确率下降；并通过对轮廓组合的最小外接矩形结合神经网络，减少运算资源的占用，图像处理速度是毫秒级别，运算实时性较高、检测效果较好，能够实现自动化识别与测试，可广泛应用于产品质量检测技术领域。

【技术实现步骤摘要】
一种产品不良外观检测的方法、系统及存储介质
本专利技术涉及产品质量检测
，尤其是一种产品不良外观检测的方法、系统及存储介质。
技术介绍
在生产线上，大批量生产会以不同概率出现各种各样的不良品。其中有一部分是外观不良品，若通过人工筛选，对于人力消耗极大。而在现有技术，多数采用安装一套基于摄像头和识别算法的辅助检测系统的方式，实现自动化地识别出外观不良品。但是现有的识别系统容易受到光线影响，光照效果不好会导致识别效果差。复杂的程序能提升单张图像的识别效果，却有识别时间太长的缺点。传统的图像识别算法对于不同的机器，在安装好软件后仍需要多次现场调试已适配当前环境、提高识别率。基于云计算的图像识别方案有图像识别率较高的特点，但是每次计算都需要联网、图像处理速度受网络传输速率的影响。测试夹具过于简单会造成每台测试系统差异性较大，对软件要求高，夹具过于复杂会不便于工人测试、降低每个小时的测试完成产品数量。综上所述，现有技术对于生产线上对外观不良品的自动化筛选的方法所存在的缺点有：1.测试结果容易受到光线影响；2.识别效果本文档来自技高网...

【技术保护点】
1.一种产品不良外观检测的方法，其特征在于，包括以下步骤：/n获取产品外观图像，对所述产品外观图像进行灰度化，得到第一灰度图像；/n对所述第一灰度图像进行二值化，得到第二灰度图像；/n从所述第二灰度图像进行轮廓提取，并进行筛选得到轮廓组合；/n获取所述轮廓组合的最小外接矩形，根据所述最小外接矩形通过神经网络完成所述产品外观图像的外观特征分类，根据分类结果识别外观不良产品。/n

【技术特征摘要】
1.一种产品不良外观检测的方法，其特征在于，包括以下步骤：
获取产品外观图像，对所述产品外观图像进行灰度化，得到第一灰度图像；
对所述第一灰度图像进行二值化，得到第二灰度图像；
从所述第二灰度图像进行轮廓提取，并进行筛选得到轮廓组合；
获取所述轮廓组合的最小外接矩形，根据所述最小外接矩形通过神经网络完成所述产品外观图像的外观特征分类，根据分类结果识别外观不良产品。


2.根据权利要求1所述的一种产品不良外观检测的方法，其特征在于，所述对所述第一灰度图像进行二值化，得到第二灰度图像这一步骤，其具体包括：
选取一个像素点以及像素点周围像素点作为第一像素区域，根据所述第一像素区域的像素均值确定所述第一像素区内的像素阈值；
所述像素点的像素值高于所述像素阈值，将像素值重置为0；或，所述像素点的像素值高于所述像素阈值，将像素值重置为255；
根据像素值重置后的像素点得到第二灰度图像。


3.根据权利要求1所述的一种产品不良外观检测的方法，其特征在于，所述从所述第二灰度图像进行轮廓提取，并进行筛选得到轮廓组合这一步骤，其具体包括：
在所述第二灰度图像中选取目标区域，对所述目标区域内目标对象之间的空隙进行填补，得到连通的目标对象；所述目标对象包括印刷文字和商标图像；
根据所述连通的目标对象进行轮廓提取，并根据预设的面积区间筛选得到所述轮廓组合。


4.根据权利要求1所述的一种产品不良外观检测的方法，其特征在于，所述获取所述轮廓组合的最小外接矩形，根据所述最小外接矩形通过神经网络完成所述产品外观图像的外观特征分类这一步骤，其具体包括：
生成所述轮廓组合的最小外接矩形，并获取所述最小外接矩形的特征参数，其中，特征参数包括：中心位置、尺寸大小、旋转角度以及最小外接矩形中的点集；
根据所述最小外接矩形的特征参数旋转所述轮廓组合得到第一子图像；
根据所述最小外接矩形剪裁所述第一子图像，得到第二子图像；
根据所述第二子图像，通过神经网络完成所述产品外观图像的外观特征分类。


5.根据权利要求4所述的一种产品不良外观检测的方法，其特征在于，所述获取所述轮廓组合的最小外接矩形，根据所述最小外接矩形通过神经网络完成所述产品外观图像的外观特征分类这一步骤，其...

【专利技术属性】
技术研发人员：冯锵健，肖益珊，温振山，
申请(专利权)人：宜通世纪物联网研究院广州有限公司，
类型：发明
国别省市：广东;44