基于机器视觉的陶瓷产品表面斑点检测方法及设备技术

本发明专利技术提供一种基于机器视觉的陶瓷产品表面斑点检测方法，步骤S1、获得不同光源下图像信息并对图像进行预处理；步骤S2、识别斑点边缘的候选初始点；步骤S3、通过边缘检测模型确定粗边缘点及边缘颜色；步骤S4、基于反正切函数的亚像素表面斑点边缘检测，S5、对步骤S4得到的黑色斑点直径、红色斑点直径以及黄色斑点直径进行判断。本方法针对陶瓷产品三色斑点在三种光照环境下的亮度差异识别三色斑点粗边缘，又应用反正切函数亚像素拟合方法识别斑点边缘并确定斑点直径，具有检测时间短、结果准确的优越性，满足实际检测需要。

【技术实现步骤摘要】
基于机器视觉的陶瓷产品表面斑点检测方法及设备
本专利技术涉及图像处理技术，特别涉及一种基于机器视觉的陶瓷产品表面斑点检测方法及设备。
技术介绍
随着现在制造业自动化生产工业的日益提高，以及现代制造对产品表面外观、尺寸、性能要求的日益严格，传统人工肉眼检测来实现对产品生产时的质量过程控制已经无法满足当今企业对高速、高精度、实时的自动化生产要求，因此，如何实现快速高效、高精度、实时在线的表面斑点监测方法逐渐成为现代化生产企业的难题。尤其是在陶瓷生产领域的陶瓷产品表面斑点检测上。不同的生产过程以及生产过程中的杂质会使陶瓷产品产生不同颜色及大小的斑点，有些斑点微小，肉眼难以判断，而且由于CCD的规格化敏感面的像元有固定的尺寸，拍摄完成后，物体成像的边缘不一定正好落在像元的边缘处，就会造成物体真实边缘信息在成像过程中丢失。而人工检测不仅准确率低下，检测结果反馈慢，而且成本极大。
技术实现思路
本专利技术的目的在于提供一种基于机器视觉的陶瓷产品表面斑点检测方法，以解决现有的陶瓷产品表面斑点检测成本高难度大的特点。尤其在以往的拟合本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的陶瓷产品表面斑点检测方法，其特征在于：其包括以下步骤：/n步骤S1、利用检测设备在不同光源下对所述陶瓷产品进行拍照，获得白色、红色和黄色光源下的图像信息并对图像进行预处理，得到白色光源下图片、红色光源下图片以及黄色光源下图片；/n步骤S2、识别斑点边缘的候选初始点，候选初始点具有一个或多个，具体包括以下子步骤：/nS21、确定黑色斑点边缘条纹相关联的候选初始点：/n从起始点开始遍历所有像素点，在遍历所有像素点过程中，将每一个当前像素点的像素值P

【技术特征摘要】
1.一种基于机器视觉的陶瓷产品表面斑点检测方法，其特征在于：其包括以下步骤：
步骤S1、利用检测设备在不同光源下对所述陶瓷产品进行拍照，获得白色、红色和黄色光源下的图像信息并对图像进行预处理，得到白色光源下图片、红色光源下图片以及黄色光源下图片；
步骤S2、识别斑点边缘的候选初始点，候选初始点具有一个或多个，具体包括以下子步骤：
S21、确定黑色斑点边缘条纹相关联的候选初始点：
从起始点开始遍历所有像素点，在遍历所有像素点过程中，将每一个当前像素点的像素值P1与设定定位值PH做比较，若P1值与设定定位值PH之间差值处于差值阈值内，并且P1值位于PHH和PHL之间，则将该像素点记为黑色斑点边缘高点QH，进一步将每一个黑色斑点边缘高点QH的像素位置按八个方向分别移动，第一次移动距离为像素距离，接着每次移动距离为1像素距离，直到移动到距黑色斑点边缘高点QH距离为WW的终点为止，如果检测到当前像素点的像素值P1小于设定的黑色斑点边缘定位值PL，则将该多个像素点的终点位置记为黑色斑点边缘低点QL，计算每一个像素点QL到QH的黑色边缘斜率k：






其中，k为QL到QH的黑色边缘斜率，s为QL到QH的距离，(xH,yH)为QH点坐标，(xL,yL)为QL点坐标，WW的大小为QH到QL距离的1.5倍，PHH和PHL的值由理想边缘曲线确定，八个方向分别为0°、45°、90°、135°、180°、225°、270°、305°；
当某个像素点的黑色边缘斜率k值处于系统设定的黑色边缘斜率区间[KBH,KBL]内时，则将该像素点定义为黑色边缘初始点P2，理想黑色边缘斜率KBI介于[KBH,KBL]之间，KBL介于KBI和KYI之间，其中，KBH为黑色边缘斜率区间的高点，KBL为黑色边缘斜率区间的低点，KBI为理想黑色边缘斜率，KYI为理想黄色边缘斜率；
S22、当像素点不为黑色斑点边缘相关联的候选初始点时，确定该点是否为红色斑点边缘或黄色斑点边缘相关联的候选初始点；
S221、在遍历所有像素点过程中，当识别到黑色斑点边缘高点QH但是未识别到黑色斑点边缘低点QL时，记录黑色斑点边缘高点QH位置，并且分别对红色光源和黄色光源下图像以同样位置为中心进行一定范围内的标准差计算，识别红色或黄色斑点的边缘初始点；
S222、确定红色斑点边缘相关联的候选初始点：以黑色边缘高点QH为起始点，将该像素点的像素位置按八个方向分别移动，第一次移动距离为接着每次移动距离为1，直到移动到距起始点距离为WW的终点为止，当检测到当前像素点像素值P1小于设定的红色斑点边缘定位值PRL,则将该点记为红色斑点边缘低点QRL,计算QRL到QH的红色边缘斜率kR，当红色边缘斜率kR值处于红色边缘斜率区间[KRH,KRL]内时，则将当前像素点定义为红色边缘初始点P2R，理想红色边缘斜率KRI介于[KRH,KRL]之间，KRL介于KYH和KRI之间，其中，KRH为红色边缘斜率区间的高点，KRL为红色边缘斜率区间的低点，KRI为理想红色边缘斜率，KYH为黄色边缘斜率区间的高点；
S223、确定黄色斑点边缘相关联的候选初始点：
以黑色边缘高点QH为起始点，将像素位置按八个方向分别移动，第一次移动距离为接着每次移动距离为1，直到移动到距起始点距离为WW的终点为止，当检测到当前像素点像素值P1小于设定黄色斑点边缘定位值PYL,则将该点记为黄色斑点边缘低点QYL,计算QYL到QH的黄色边缘斜率kY，当黄色边缘斜率kY值处于黄色边缘斜率区间[KYH,KYL]内时，则将当前像素点定义为红色边缘初始点P2Y，理想黄色边缘斜率KYI介于[KYH,KYL]之间，KYL介于KYI和KRH之间，KYH介于KYI和KBL之间，其中KYL为黄色边缘斜率区间的高点、KYL为黄色边缘斜率区间的低点、KYI为理想黄色边缘斜率；
步骤S3、通过边缘检测模型确定粗边缘点及边缘颜色，具体包括以下子步骤：
S31、确定黑色边缘粗边缘点及边缘颜色：
识别步骤S2中所有黑色边缘初始点P2，对每一个黑色边缘初始点P2，以P2到QL为范围，对范围内所有像素点在大小为WW*WW矩形范围内与粗边缘点确定矩阵进行内积运算，得到多个像素点的边缘中点判断值CP，若范围内某个像素点的边缘中点判断值CP小于边缘判断阈值差值T，则当前像素点为边缘中点且P2点为黑色粗边缘点；
S32、确定红色边缘的粗边缘点及边缘颜色：
识别步骤S2中红色边缘初始点P2R，对每一个红色边缘初始点P2R，以P2R到QRL为范围，对范围内所有像素点在大小为WW*WW矩形范围内与粗边缘点确定矩阵进行内积运算，得到多个像素点的边缘中点判断值CPR，若范围内某个像素点的边缘中点判断值CPR小于边缘判断阈值差值TR，则当前像素点为红色边缘中点且P2R点为红色斑点粗边缘点；
S33、确定黄色边缘的粗边缘点及边缘颜色：
识别步骤S2中黄色边缘初始点P2Y，对每一个黄色边缘初始点P2Y，以P2Y到QYL为范围，对范围内所有像素点在大小为WW*WW矩形范围内与粗边缘点确定矩阵进行内积运算，得到多个像素点的边缘中点判...

【专利技术属性】
技术研发人员：张立国，马子荐，金梅，李义辉，杨曼，李媛媛，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北;13