一种基于图像处理的陶瓷表面缺陷检测方法及系统技术方案

本发明专利技术涉及陶瓷表面缺陷检测技术领域，具体涉及一种基于图像处理的陶瓷表面缺陷检测方法及系统，所述方法包括：获取陶瓷的RGB图像和NIR图像，从所述RGB图像中提取陶瓷所在区域的第一图像，从所述NIR图像中提取陶瓷所在区域的第二图像；将所述第一图像转换为YUV格式，得到YUV图像，根据YUV图像中的Y分量图像和第二图像得到混合图像；将所述混合图像转换为二值化图像，分割出所述二值化图像中的缺陷区域，根据所述缺陷区域确定陶瓷的表面缺陷类型，本发明专利技术基于图像处理进行陶瓷表面缺陷检测，具有高效可靠、且低成本的优点。且低成本的优点。且低成本的优点。

【技术实现步骤摘要】
一种基于图像处理的陶瓷表面缺陷检测方法及系统


[0001]本专利技术涉及陶瓷表面缺陷检测
，具体涉及一种基于图像处理的陶瓷表面缺陷检测方法及系统。

技术介绍

[0002]在陶瓷生产过程中，釉面缺陷是导致陶瓷质量不合格的一大困扰，特别是凹釉、釉泡、棕眼、针孔等陶瓷表面缺陷，是常见的几项质量问题点，对陶瓷表面质量进行检测，是保证陶瓷墙地砖外观质量和整个产品档次的重要途径和措施。
[0003]现有技术中，仅靠人工进行肉眼质检，容易存在错误检测的情况，且费时费力，不能适应当前智能制造的发展需求，因此，亟待一种高效可靠、且低成本的陶瓷表面缺陷检测手段，以解决上述问题。

技术实现思路

[0004]本专利技术提供一种基于图像处理的陶瓷表面缺陷检测方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
[0005]为了实现上述目的，本专利技术提供以下技术方案：
[0006]一种基于图像处理的陶瓷表面缺陷检测方法，所述方法包括以下步骤：
[0007]获取陶瓷的RGB图像和NIR图像，从所述RGB图像中提取陶瓷所在区域的第一图像，从所述NIR图像中提取陶瓷所在区域的第二图像；
[0008]将所述第一图像转换为YUV格式，得到YUV图像，根据YUV图像中的Y分量图像和第二图像得到混合图像；
[0009]将所述混合图像转换为二值化图像，分割出所述二值化图像中的缺陷区域，根据所述缺陷区域确定陶瓷的表面缺陷类型。
[0010]进一步，将所述第一图像转换为YUV格式的转换公式为：Y＝0.257*R+0.504*G+0.098*B+16，U＝－0.148*R－0.291*G+0.439*B+128，V＝0.439*R－0.368*G－0.071*B+128；
[0011]其中：Y、U、V分别为YUV图像的三个分量，R、G、B分别为RGB图像的三个分量。
[0012]进一步，所述混合图像的计算公式为：混合图像＝255*(第二图像/YUV图像中的Y分量图像)。
[0013]进一步，所述将所述混合图像转换为二值化图像，分割出所述二值化图像中的缺陷区域，根据所述缺陷区域确定陶瓷的表面缺陷类型，包括：
[0014]将所述混合图像转换为二值化图像，将所述二值化图像按设定比例值等比例缩小，得到基准模；所述设定比例值的取值范围为[0.001,0.01]；
[0015]从所述二值化图像的一端开始，以基准模对所述二值化图像进行分割，得到基准图像；
[0016]计算每张基准图像的亮度平均值，根据所述亮度平均值确定亮度区间；
[0017]将偏离所述亮度区间的图像区域作为所述基准图像中的缺陷区域；
[0018]确定所述缺陷区域的大小，若所述缺陷区域小于设定阈值，则确定所述缺陷区域为点状缺陷；若所述缺陷区域大于设定阈值，通过目标检测模型确定陶瓷的表面缺陷类型，所述缺陷类型包括凹釉、釉泡、棕眼、以及针孔。
[0019]进一步，所述通过目标检测模型确定陶瓷的表面缺陷类型，包括：
[0020]搭建神经网络模型，采用训练图像对所述经网络模型进行训练，得到目标检测模型，所述训练图像标定有至少一种缺陷类型，所述缺陷类型包括凹釉、釉泡、棕眼、以及针孔；
[0021]将大于设定阈值的输入目标检测模型进行识别，得到陶瓷的表面缺陷类型。
[0022]进一步，所述神经网络模型为FasterR
‑
CNN模型、YOLOv3模型或SSD模型中任一种。
[0023]一种基于图像处理的陶瓷表面缺陷检测系统，所述系统包括：
[0024]至少一个处理器；
[0025]至少一个存储器，用于存储至少一个程序；
[0026]当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上述任一项所述的基于图像处理的陶瓷表面缺陷检测方法。
[0027]一种计算机可读存储介质，所述计算机可读存储介质上存储有基于图像处理的陶瓷表面缺陷检测程序，所述基于图像处理的陶瓷表面缺陷检测程序被处理器执行时实现上述任意一项所述的基于图像处理的陶瓷表面缺陷检测方法的步骤。
[0028]本专利技术的有益效果是：本专利技术公开一种基于图像处理的陶瓷表面缺陷检测方法及系统，本专利技术通过获取陶瓷的RGB图像和NIR图像，即使在弱光下也可以呈现清晰的图像，可减少光照对图像信息的影响，接着将所述第一图像转换为YUV格式，得到YUV图像，根据YUV图像中的Y分量图像和第二图像得到混合图像，混合图像可以准确全面的体现陶瓷表面的情况，便于准确的进行陶瓷的表面缺陷检测；通过将所述混合图像转换为二值化图像，分割出所述二值化图像中的缺陷区域，根据所述缺陷区域确定陶瓷的表面缺陷类型，可以基于图像处理算法进行自动化检测。本专利技术基于图像处理进行陶瓷表面缺陷检测，具有高效可靠、且低成本的优点。
附图说明
[0029]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0030]图1是本专利技术实施例中基于图像处理的陶瓷表面缺陷检测方法的流程示意图。
具体实施方式
[0031]以下将结合实施例和附图对本申请的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本申请的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0032]参考图1，如图1所示为本申请实施例提供的一种基于图像处理的陶瓷表面缺陷检
测方法，所述方法包括以下步骤：
[0033]步骤S100、获取陶瓷的RGB图像和NIR图像，从所述RGB图像中提取陶瓷所在区域的第一图像，从所述NIR图像中提取陶瓷所在区域的第二图像；
[0034]具体的，采用图像分割算法从所述RGB图像中提取陶瓷所在区域的第一图像，采用图像分割算法从所述NIR图像中提取陶瓷所在区域的第二图像；所述图像分割算法包括分水岭算法、边缘检测算法中任一种。
[0035]步骤S200、将所述第一图像转换为YUV格式，得到YUV图像，根据YUV图像中的Y分量图像和第二图像得到混合图像；
[0036]步骤S300、将所述混合图像转换为二值化图像，分割出所述二值化图像中的缺陷区域，根据所述缺陷区域确定陶瓷的表面缺陷类型。
[0037]在一个实施例中，将所述第一图像转换为YUV格式的转换公式为：Y＝0.257*R+0.504*G+0.098*B+16，U＝－0.148*R－0.291*G+0.439*B+128，V＝0.439*R－0.368*G－0.071*B+128；其中，Y、U、V分别为YUV图像的三个分量，R、G、B分别为RGB图像的三个分量。
[0038]在一个实施例中，所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的陶瓷表面缺陷检测方法，其特征在于，所述方法包括以下步骤：获取陶瓷的RGB图像和NIR图像，从所述RGB图像中提取陶瓷所在区域的第一图像，从所述NIR图像中提取陶瓷所在区域的第二图像；将所述第一图像转换为YUV格式，得到YUV图像，根据YUV图像中的Y分量图像和第二图像得到混合图像；将所述混合图像转换为二值化图像，分割出所述二值化图像中的缺陷区域，根据所述缺陷区域确定陶瓷的表面缺陷类型。2.根据权利要求1所述的一种基于图像处理的陶瓷表面缺陷检测方法，其特征在于，将所述第一图像转换为YUV格式的转换公式为：Y＝0.257*R+0.504*G+0.098*B+16，U＝－0.148*R－0.291*G+0.439*B+128，V＝0.439*R－0.368*G－0.071*B+128；其中：Y、U、V分别为YUV图像的三个分量，R、G、B分别为RGB图像的三个分量。3.根据权利要求2所述的一种基于图像处理的陶瓷表面缺陷检测方法，其特征在于，所述混合图像的计算公式为：混合图像＝255*(第二图像/YUV图像中的Y分量图像)。4.根据权利要求3所述的一种基于图像处理的陶瓷表面缺陷检测方法，其特征在于，所述将所述混合图像转换为二值化图像，分割出所述二值化图像中的缺陷区域，根据所述缺陷区域确定陶瓷的表面缺陷类型，包括：将所述混合图像转换为二值化图像，将所述二值化图像按设定比例值等比例缩小，得到基准模；所述设定比例值的取值范围为[0.001,0.01]；从所述二值化图像的一端开始，以基准模对所述二值化图像进行分割，得到基准图像；...

【专利技术属性】
技术研发人员：李科，
申请(专利权)人：广东职业技术学院，
类型：发明
国别省市：