一种基于图像处理技术的产品表面瑕疵识别方法技术

本发明专利技术公开了一种基于图像处理技术的产品表面瑕疵识别方法，首先在产品流水线上设置产品检测点，利用高清摄像机对监测点处的产品进行拍摄，获得产品的图像；其次，基于得到的产品图像，对图片进行灰度操作得到灰度图像；再次次针对灰度图像利用瑕疵点识别算法计算并输出瑕疵点面积和图像上的中心点坐标；最后根据输出值触发激光打标机，对产品进行激光打标签，标识出不合格字样。本发明专利技术提出的基于计算机处理的瑕疵识别方法，能够很好的识别出产品表面瑕疵点，而对达到产品质量要求表面光滑的产品不生成误判现象。可以解决工业生产中检验汽车配件是否合格问题，提高工业生产效率，节约成本，并适于推广到工厂流水线产品检测上。并适于推广到工厂流水线产品检测上。并适于推广到工厂流水线产品检测上。

【技术实现步骤摘要】
一种基于图像处理技术的产品表面瑕疵识别方法


[0001]本专利技术涉及图像处理
，尤其涉及一种基于图像处理技术的产品表面瑕疵识别方法。

技术介绍

[0002]在汽车配件生产过程中，多采用人肉眼识别汽车配件表面瑕疵。而依靠人工方法检测的误检率高，检测的准确率受工人主观判断和疲劳度影响，为提高检测的准确率，采用机器视觉替代传统人类视觉检测的方法，成为发展趋势。
[0003]在实际工作中，产品的瑕疵点属于图像的局部特征，图像局部特征值不随图片的旋转、平移、仿射等变化而变化。目前在局部特征检测方面主要的算法有AKAZE、KAZE、BRISK或SIFT等算法。都是二进制描述符算法，每种算法都有自己的优缺点。AKAZE和KAZE是非线性算法，在处理图片方面花费的时间比较长，不适合在工业流水线上采用。BRISK或SIFT算法是线性算法，处理速度较快，但从多次实验结果的图片上分析来看，容易把非瑕疵的部分作为特征识别出来，造成判断错误的概率增大。
[0004]此外，产品表面的纹理是物品表面特有的特征，可以利用纹理研究图像的空间依赖关系，分析物体表面特征。目前，纹理检测算法有Tamura纹理分析法，Gabor小波的纹理特征提取法，LBP纹理统计特征提取等方法。在实验过程中，通过构建GABOR滤波器，对瑕疵产品表面图像进行多次实验进行验证，原始图片左图original经过GABOR滤波器处理后，得到gabor图片，从图片上看，产品纹理相似度极大，无法通过图像的纹理分析识别产品瑕疵。

技术实现思路

[0005]针对上述存在的问题，本专利技术提供一种基于图像处理技术的产品表面瑕疵识别方法，能够快速识别出产品表面瑕疵点，而对达到产品质量要求表面光滑的产品不生成误判现象。
[0006]实现本专利技术目的的技术解决方案为：
[0007]一种基于图像处理技术的产品表面瑕疵识别方法，其特征在于，包括以下步骤：
[0008]步骤1：在产品流水线上设置产品检测点，利用高清摄像机对监测点处的产品进行拍摄，获得产品的图像；
[0009]步骤2：基于得到的产品图像，对图片进行灰度操作得到灰度图像；
[0010]步骤3：针对灰度图像利用瑕疵点识别算法计算并输出瑕疵点面积和图像上的中心点坐标；
[0011]步骤4：根据输出值触发激光打标机，对产品进行激光打标签，标识出不合格字样。
[0012]进一步地，步骤3所述的瑕疵点识别算法的具体操作步骤包括：
[0013]步骤31：对输入的灰度图像进行归一量化处理；
[0014]步骤32：设置高斯滤波器尺度大小，利用高斯滤波器进行高斯卷积操作，对归一量化处理后的图像进行降噪处理；
[0015]步骤33：对降噪后的不同尺度图像做二值化操作，像素大于设置的获取图像像素角点的阈值minThreshold时，获取图像像素角点，过滤掉图像中非瑕疵点的像素值；
[0016]步骤34：对得到的多个处理后的二值化图片，利用OpenCV的库函数findContours()计算得到多个连通域，并计算每一个连通域的中心坐标和半径；
[0017]步骤35：根据步骤34得到的中心坐标和半径，若像素叠加或连接，则全部放在一起构成一个大的连通域，最终在像素级别上划分出多个连通区域；
[0018]步骤36：判断两个连通区域边缘点之间的距离，判断是否这两个连通区域归为一个group，若是，则作为一个块，否则视为分离的连通区域；
[0019]步骤37：计算所述每个块大小，对于值大于设置的阈值时，则将该块特征视为产品瑕疵点。
[0020]进一步地，所述高斯滤波器尺度值设置为5。
[0021]本方法与现有技术相比，具有以下有益效果：
[0022]本专利技术提出的基于图像处理技术的产品表面瑕疵识别方法，通过本专利技术中提出的瑕疵点识别算法，能够很好地识别出瑕疵点个数，达到准确无误，解决工业生产中检验汽车配件是否合格问题，避免人工检测花费时间长，检错误率高，从而提高工业生产效率，节约成本，并适于推广到工厂流水线产品检测上。
附图说明
[0023]图1为本专利技术中瑕疵点识别算法处理流程示意图；
[0024]图2为本专利技术中产品表面纹理处理效果；
[0025]图3为本专利技术中特征值检测算法实验结果比较图；
[0026]图4(a)
‑
(b)为本专利技术实施例中样品1处理后的效果图；
[0027]图5(a)
‑
(b)为本专利技术实施例中样品2处理后的效果图。
具体实施方式
[0028]为了使本领域的普通技术人员能更好的理解本专利技术的技术方案，下面结合附图和实施例对本专利技术的技术方案做进一步的描述。
[0029]本专利技术提出的一种基于图像处理技术的产品表面瑕疵识别方法，其操作步骤包括：
[0030]一种基于图像处理技术的产品表面瑕疵识别方法，包括以下步骤：
[0031]步骤1：在产品流水线上设置产品检测点，根据流水线速度，设定相机采集样本间隔时间并利用高清摄像机对监测点处的产品进行拍摄，获得产品的图像；
[0032]步骤2：基于得到的产品图像，将其存入计算机中，并对图片进行灰度操作得到灰度图像；
[0033]步骤3：针对灰度图像利用瑕疵点识别算法计算并输出瑕疵点面积和图像上的中心点坐标；
[0034]步骤4：根据输出值触发激光打标机，对产品进行激光打标签，标识出不合格字样。
[0035]优选地，参考附图1可以看出，所述瑕疵点识别算法的操作步骤包括：
[0036]步骤31：对输入的灰度图像进行归一量化处理，处理后的灰度图像特征具有对平
移、旋转、缩放等仿射变换具有不变特性；
[0037]步骤32：设置高斯滤波器尺度大小，利用高斯滤波器进行高斯卷积操作，对归一量化处理后的图像进行降噪处理；
[0038]步骤33：对降噪后的不同尺度图像做多次二值化操作，当像素大于所设置的图像像素角点(特征值)的阈值minThreshold时，获取图像像素角点(特征值)；
[0039]优选地，minThreshold的值设置为0.0001；
[0040]步骤34：对处理后的二值化图片，使用findContours函数方法生成多个连通域，并计算每一个连通域的中心；
[0041]所述的findContours函数是用于识别目标的轮廓的函数方法，其是OpenCV的库函数，通过设置该库函数的参数，得到多个连通域；该findContours函数的原型为findContours(image,contours,hierarchy,mode,method,offset＝Point())，本申请中各参数的输入为：
[0042]image：输入的是处理过的二值化图像；
[0043]contours：是Point点构成的点的集合的向量，每一组Point点集就是一个轮廓，有多少轮廓，向量contours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技术的产品表面瑕疵识别方法，其特征在于，包括以下步骤：步骤1：在产品流水线上设置产品检测点，利用高清摄像机对监测点处的产品进行拍摄，获得产品的图像；步骤2：基于得到的产品图像，对图片进行灰度操作得到灰度图像；步骤3：针对灰度图像利用瑕疵点识别算法计算并输出瑕疵点面积和图像上的中心点坐标；步骤4：根据输出值触发激光打标机，对产品进行激光打标签，标识出不合格字样。2.根据权利要求1所述的一种基于图像处理技术的产品表面瑕疵识别方法，其特征在于，步骤3所述的瑕疵点识别算法的具体操作步骤包括：步骤31：对输入的灰度图像进行归一量化处理；步骤32：设置高斯滤波器尺度大小，利用高斯滤波器进行高斯卷积操作，对归一量化处理后的图像进行降噪处理；步骤33：对降噪后的不同尺度图像做二值化操作，像素大于设置的...

【专利技术属性】
技术研发人员：张全友，冯永，寇琼洁，
申请(专利权)人：许昌学院，
类型：发明
国别省市：