一种基于相机RGB通道图像融合的手机壳表面缺陷检测方法技术

本发明专利技术涉及手机壳表面缺陷检测技术领域，尤其涉及一种基于相机RGB通道图像融合的手机壳表面缺陷检测方法，针对当前现有的手机壳表面缺陷检测技术存在检测过程大多采用人工进行导致检测成本高、检测时间长以及检测精确率较低的问题，现提出如下方案，其中包括以下步骤：S1：生成通道，S2:成像设置，S3：特征点获取及融合，S4：图像融合，S5：进行试验，S6：模型训练，本发明专利技术的目的是通过在大部分检测过程采用机器进行，减少了人员的浪费，降低了生产成本，同时通过对检测方法进行试验和模型训练，提高了检测方法的精确度。了检测方法的精确度。

【技术实现步骤摘要】
一种基于相机RGB通道图像融合的手机壳表面缺陷检测方法


[0001]本专利技术涉及手机壳表面缺陷检测
，尤其涉及一种基于相机RGB通道图像融合的手机壳表面缺陷检测方法。

技术介绍

[0002]手机作为一种便携式的移动终端，在人们的生活中扮演着越来越重要的角色。在手机的生产过程中，对各个零部件进行质量检测必不可少，手机壳的质量和美观直接影响到人们对手机的评价，是手机产品质量好坏的重要衡量标准之一，故在生产过程中，需要对手机壳表面缺陷进行检测。近几年来，随着社会的发展和科学技术的不断创新，智能手机得以长足发展，逐渐集通话视频、拍照录像、听歌、导航、支付等多种功能于一体，给人们的生活带来了极大的便利和改变，人们越来越依赖手机。手机的发展带来了手机壳缺陷检测行业的新时代，推进了手机壳缺陷检测行业的发展。
[0003]但是目前现有的手机壳表面缺陷检测技术存在检测过程大多采用人工进行导致检测成本高、检测时间长以及检测精确率较低的问题，因此，我们提出一种基于相机RGB通道图像融合的手机壳表面缺陷检测方法用于解决上述问题。

技术实现思路

[0004]本专利技术的目的是为了解决目前现有的手机壳表面缺陷检测技术存在检测过程大多采用人工进行导致检测成本高、检测时间长以及检测精确率较低等问题，而提出的一种基于相机RGB通道图像融合的手机壳表面缺陷检测方法。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种基于相机RGB通道图像融合的手机壳表面缺陷检测方法，包括以下步骤：
[0007]S1：生成通道：采用生成器生成R、G、B通道；
[0008]S2：成像设置：由专业人员进行设置，将RGB三通道分别对应三种不同光路的成像方法；
[0009]S3：特征点获取及融合：对生成的R、G、B通道分别进行光源照明，通过图像处理获取特征点，并对获取的特征点进行识别和特征点融合；
[0010]S4：图像融合：将R、G、B通道获得的融合结果进行获取，并将R、G、B通道的图像进行融合；
[0011]S5：进行试验：由专业人员对所述检测方法进行试验；
[0012]S6：模型训练：由专业人员建立训练模型对所述检测方法进行训练；
[0013]优选的，所述S1中，将待着色的灰度图片分别输入R、G、B通道的生成器生成R通道图片、G通道图片和B通道图片，所述R、G、B通道的生成器为卷积神经网络，其中所述卷积神经网络包括输入层、隐含层和输出层，其中隐含层由全连接层和多层卷积层组成，所述卷积层采用的卷积核大小为4
×
5的卷积层，且卷积步长为1，填充为0；
[0014]优选的，所述S2中，由专业人员进行设置，将RGB三通道分别对应三种不同光路的
成像方法，其中所述三种成像光路分别采用LED条形红色平行光源、绿色平行光源和蓝色同轴光源，并由专业人员分析手机壳表面划痕的典型缺陷特征在不同光源成像光路下缺陷突显效果确定最佳光源尺寸和光源照明方式，并由专业人员通过试验对相机、镜头、光源进行选型，设计搭建成像实验台；
[0015]优选的，所述S3中，对生成的R、G、B通道分别采用前向照明法进行光源照明，其中所述前向照明法是将光源和摄像机位于被测手机壳的同侧，并通过成像实验台进行单通道光学成像，将光学成像的结果进行CCD和CMOS处理，同时通过图像处理获取特征点，并对获取的特征点进行识别，将R、G、B通道通过特征点识别出的结果进行融合获得融合特征结果，并将融合特征结果与被测手机壳进行位置特征对比，并通过对比结果进行判断，其中融合特征结果与被测手机壳表面缺陷位置特征一致则判断为一次融合成功，融合特征结果与被测手机壳表面缺陷位置特征不一致则判断为一次融合失败，且判断为一次融合成功则对各个通道特征进行再次获取，并通过对比判断各个通道特征是否发生改变，同时计算出手机壳表面缺陷数量，判断为一次融合失败则重新进行单通道光学成像，并对成像结果进行处理，通过处理结果进行对比和判断，并通过判断结果进行处理，位置特征对比完成后进行大小特征对比，并通过对比结果进行判断，其中大小特征与被测手机壳表面缺陷大小一致则判断为二次融合成功，大小特征与被测手机壳表面缺陷大小不一致则判断为二次融合失败，判断为二次融合成功则进行手机壳表面缺陷面积计算，判断为二次融合失败则重新进行单通道光学成像，并对成像结果进行处理，通过处理结果进行对比和判断，并通过判断结果进行处理；
[0016]优选的，所述S4中，将R、G、B通道获得的融合结果进行获取，并将R、G、B通道的图像进行融合，且在R、G、B通道的图像融合过程中由计算机自动选取特征融合的最大值作为输入值计算出缺陷图像，并对手机壳的表面缺陷进行边缘检测，通过边缘检测提取边缘特征，将边缘特征输入计算机绘制出表面缺陷轮廓图，并计算出表面缺陷轮廓图面积，将计算出的表面缺陷轮廓图面积数据与计算出的缺陷图像数据进行对比，通过对比结果进行判断，并通过判断结果进行处理，其中表面缺陷轮廓图面积数据与计算出的缺陷图像数据差小于2m2则判断为融合正确，表面缺陷轮廓图面积数据与计算出的缺陷图像数据差大于等于2m2则判断为融合错误，判断为融合正确则将得到的手机壳表面缺陷数据发送至专业人员使用的计算机上，由专业人员通过获取的手机壳表面缺陷数据对手机壳进行处理，判断为融合错误则重新进行边缘检测；
[0017]优选的，所述S5中，由专业人员对所述检测方法进行试验，通过采用所述检测方法获得手机壳表面缺陷数据，并将获得的数据与人工进行一对一检测出的手机壳表面缺陷数据进行对比，通过对比结果进行判断，并通过判断结果进行处理，其中对比结果显示采用所述检测方法获得手机壳表面缺陷数据与人工进行一对一检测出的手机壳表面缺陷数据相同则判断为检测正确，对比结果显示采用所述检测方法获得手机壳表面缺陷数据与人工进行一对一检测出的手机壳表面缺陷数据不相同则判断为检测错误，且判断为检测正确则记录检测数据，判断为检测错误则由专业人员进行二次一对一检测，并对检测结果进行对比，直至对比结果显示采用所述检测方法获得手机壳表面缺陷数据与人工进行一对一检测出的手机壳表面缺陷数据相同停止检测，并记录检测数据，同时计算出所述方法检测的精确率；
[0018]优选的，所述S6中，由专业人员建立训练模型对所述检测方法进行训练，且进行训练时需由专业人员对训练结果进行检查，其中进行训练时由专业人员对手机壳表面进行人为选择性损坏，并对损坏的面积和数量进行记录，记录完成后采用所述检测方法进行手机壳表面缺陷检测，通过将检测出的数据与记录好的数据进行对比，计算所述方法的检测成功率，并由专业人员对计算出的检测成功率进行判定，其中检测成功率大于98％则判定为模型成熟，检测成功率不大于98％则判定为模型未成熟，且判定为模型成熟则将模型用于手机壳表面缺陷的检测，判定为模型未成熟则由专业人员继续更改手机壳表面缺陷数据，并进行模型训练，直至检测成功率大于98％停止训练，并将模型用于手机壳表面缺陷的检测。
[0019]与现有技术相比本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相机RGB通道图像融合的手机壳表面缺陷检测方法，其特征在于，包括以下步骤：S1：生成通道：采用生成器生成R、G、B通道；S2：成像设置：由专业人员进行设置，将RGB三通道分别对应三种不同光路的成像方法；S3：特征点获取及融合：对生成的R、G、B通道分别进行光源照明，通过图像处理获取特征点，并对获取的特征点进行识别和特征点融合；S4：图像融合：将R、G、B通道获得的融合结果进行获取，并将R、G、B通道的图像进行融合；S5：进行试验：由专业人员对所述检测方法进行试验；S6：模型训练：由专业人员建立训练模型对所述检测方法进行训练。2.根据权利要求1所述的一种基于相机RGB通道图像融合的手机壳表面缺陷检测方法，其特征在于，所述S1中，将待着色的灰度图片分别输入R、G、B通道的生成器生成R通道图片、G通道图片和B通道图片。3.根据权利要求2所述的一种基于相机RGB通道图像融合的手机壳表面缺陷检测方法，其特征在于，所述R、G、B通道的生成器为卷积神经网络，其中所述卷积神经网络包括输入层、隐含层和输出层，其中隐含层由全连接层和多层卷积层组成，所述卷积层采用的卷积核大小为4
×
5的卷积层，且卷积步长为1，填充为0。4.根据权利要求1所述的一种基于相机RGB通道图像融合的手机壳表面缺陷检测方法，其特征在于，所述S2中，由专业人员进行设置，将RGB三通道分别对应三种不同光路的成像方法，其中所述三种成像光路分别采用LED条形红色平行光源、绿色平行光源和蓝色同轴光源，并由专业人员分析手机壳表面划痕的典型缺陷特征在不同光源成像光路下缺陷突显效果确定最佳光源尺寸和光源照明方式，并由专业人员通过试验对相机、镜头、光源进行选型，设计搭建成像实验台。5.根据权利要求1所述的一种基于相机RGB通道图像融合的手机壳表面缺陷检测方法，其特征在于，所述S3中，对生成的R、G、B通道分别采用前向照明法进行光源照明，其中所述前向照明法是将光源和摄像机位于被测手机壳的同侧，并通过成像实验台进行单通道光学成像，将光学成像的结果进行CCD和CMOS处理，同时通过图像处理获取特征点，并对获取的特征点进行识别，将R、G、B通道通过特征点识别出的结果进行融合获得融合特征结果，并将融合特征结果与被测手机壳进行位置特征对比，并通过对比结果进行判断，其中融合特征结果与被测手机壳表面缺陷位置特征一致则判断为一次融合成功，融合特征结果与被测手机壳表面缺陷位置特征不一致则判断为一次融合失败，且判断为一次融合成功则对各个通道特征进行再次获取，并通过对比判断各个通道特征是否发生改变，同时计算出手机壳表面缺陷数量，判断为一次融合失败则重新进行单通道光学成像，并对成像结果进行处理，通过处理结果进行对比和判断，并通过判断结果进行处理，位置特征对比完成后进行大小特征对比，并通过对比结果进行判断，其中大小特征与被测手机壳表面缺陷大小一致则判断为二次融合成功，大小特征与被测手机壳表面缺陷大小不一致则判断为二次融合失败，判...

【专利技术属性】
技术研发人员：林龙涛，黄梓文，杨炎鑫，
申请(专利权)人：猫牙深圳信息科技有限公司，
类型：发明
国别省市：