一种基于机器视觉的双凸透镜缺陷检测方法技术

本发明专利技术属于双凸透镜缺陷检测技术领域，具体涉及一种基于机器视觉的双凸透镜缺陷检测方法。该方法首先通过调节点激光器的距离和光斑大小，使其能够完全覆盖整个透镜区域，根据透镜的成像原理，将放大后所成的像利用投影平面进行接收，然后利用CCD相机采集图像，并通过图像采集卡传输到电脑中，最后利用图像分割算法将缺陷提取出来，实现了对双凸透镜高精度的检测。检测。检测。

【技术实现步骤摘要】
一种基于机器视觉的双凸透镜缺陷检测方法


[0001]本专利技术属于双凸透镜缺陷检测
，具体涉及一种基于机器视觉的双凸透镜缺陷检测方法。

技术介绍

[0002]双凸透镜，作为光学元件的一种，它们主要用于成像系统来收集和聚焦光线，尤其在一些高科技工业领域中，双凸透镜在发射器，探测器，激光和光纤等产品领域中有广泛的应用。由于加工工艺的限制，双凸透镜在加工过程中会留下划痕、破边、麻点等各种缺陷。光束通过这些有缺陷的双凸透镜时，它将与这些离散缺陷和局部微观结构相互作用，从而使部分入射光成为杂散光。经过多次反射和透射后，散射光会到达光学系统的各个部分，严重影响光学仪器的测量性能。传统的光学镜片缺陷检测是通过人工操作来完成，不仅效率低，而且容易出现误判；现有的机器视觉检测方法实现也能取得较好的效果，但对于一些细微缺陷往往检测结果不太理想，因此，对双凸透镜进行精准缺陷检测具有重要意义。

技术实现思路

[0003]本专利技术针对双凸透镜中细微缺陷难以检测的问题，提供了一种基于机器视觉的双凸透镜缺陷检测方法。
[0004]为实现上述目的，本专利技术是通过以下技术方案来实现：
[0005]一种基于机器视觉的双凸透镜缺陷检测方法，包括如下步骤：
[0006]步骤1：固定双凸透镜和点激光器，将双凸透镜和点激光器的中心置于一条直线上，使得点激光器光束完全覆盖整个双凸透镜区域；
[0007]步骤2：搭建投影平面，并利用CCD相机进行图像采集；
[0008]步骤3：基于采集得到的图像求取投影区域的几何参数；
[0009]步骤4：根据所求得的几何参数信息(长轴、短轴及圆心坐标)建立顶点并确定ROI区域来覆盖整个投影区域，以达到只对投影区域进行处理的目的，然后采用受限对比度自适应直方图均衡化算法对投影区域进行均衡化处理，并采用巴特沃斯低通滤波器进行滤波；
[0010]步骤5：根据所求得的几何参数信息建立同心椭圆模型，将投影区域分区处理，得到内椭圆区域和外椭圆区域；
[0011]步骤6：采用基于粒子群优化的Otus算法对内椭圆区域的图像进行缺陷提取，并利用基于形态学的开闭运算和8区域标记算法分别对内椭圆区域图像的缺陷进行平滑处理和面积计算；
[0012]步骤7：采用条纹中心线算法对外椭圆区域的图像进行骨架提取，通过检测断点获得外椭圆区域图像的缺陷位置信息。
[0013]作为优选，所述步骤3中求取投影区域的几何参数的具体过程为：
[0014]步骤3.1：对采集得到的图像进行Otus二值化处理；
[0015]步骤3.2：采用孔洞填充算法对投影区域进行填充；
[0016]步骤3.3：利用Canny算子对投影区域进行边缘检测；
[0017]步骤3.4：利用基于最小二乘法的椭圆拟合算法计算出投影区域的几何参数。
[0018]作为优选，所述步骤5中内椭圆区域为中央明亮区域；外椭圆区域为明暗相间的衍射条纹区域。在相同实验条件下，只需首次以人工方式判定内椭圆区域，其余图像可以按照相同的标准执行。
[0019]作为优选，所述步骤6中采用基于粒子群优化的Otus算法对内椭圆区域的图像进行缺陷提取的具体过程为：
[0020]步骤6.1：设内椭圆区域的图像包含256个灰度级，即[0，1，2，...255]，灰度级为i的像素点个数为n
i
，图像总的像素点个数为N＝n1+n2+...+n
i
；
[0021]步骤6.2：阈值T将所有像素点划分为两个灰度子集C1＝[0，1，...，T
‑
1]和C2＝[T，T+1，...，255]，则类间方差表达式为σ2＝p1(m1‑
m)2+p2(m2‑
m)2，其中，p1、p2分别为像素点划分为C1、C2的概率，m1、m2分别为C1、C2的均值，m为图像全局均值；
[0022]步骤6.3：采用粒子群算法寻找最优阈值T，其粒子的速度和位置更新公式如下：
[0023]v
i，j
(t+1)＝wv
i，j
(t)+c1r1[pbest
‑
x
i，j
(t)]+c2r2[gtest
‑
x
i，j
(t)]ꢀꢀꢀ
(1)
[0024]x
i，j
(t+1)＝x
i，j
(t)+v
i，j
(t+1)
ꢀꢀꢀꢀꢀ
(2)
[0025]式中，c1和c2为学习因子，r1、r2为[0，1]区间的随机数，分别代表粒子自我总结和社会总结的学习能力，w为惯性权重因子，pbest为个体最优位置，gbest为群体最优位置，t为时间，v
i，j
为粒子的速度，x
i，j
为当前粒子的位置；
[0026]步骤6.4：将灰度级小于T的像素点置0，将灰度级大于T的像素点置1，将图像转化为二值图像，完成对内椭圆区域图像的缺陷提取。
[0027]作为优选，所述步骤6中基于形态学的开闭运算对内椭圆区域的图像的缺陷进行平滑处理的具体过程为：利用圆盘状结构体对内椭圆区域图像进行扫描，在不改变缺陷轮廓的前提下，对缺陷区域进行填充、平滑处理。
[0028]作为优选，所述步骤6中基于形态学的8区域标记算法对内椭圆区域图像的缺陷面积计算的具体过程为：选取以像素点P0为中心的3
×
3领域进行图像扫描，对出现的缺陷目标区域进行标记，对相邻的单体动态的进行合并、标号，直到扫描完毕，不再有单体出现为止，计算出各个不同标号的像素个数，即可计算出缺陷目标区域的面积。
[0029]作为优选，所述步骤7中采用条纹中心线算法对外椭圆区域的图像进行骨架提取的具体过程为：
[0030]步骤7.1：选取以像素点P0为中心的3
×
3领域进行图像扫描，接着进行第一次子迭代，对符合如下条件的像素点标记为删除：
[0031]2≤n(P0)≤6
ꢀꢀꢀꢀꢀ
(3)
[0032]s(P0)＝1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0033]P1·
P3·
P7＝0
ꢀꢀꢀꢀ
(5)
[0034]P1·
P5·
P7＝0
ꢀꢀꢀꢀ
(6)
[0035]其中，n(P0)为P0的8领域中非零值的个数，s(P0)为以P1P2P3P4P5P6P7P8P1为顺序的0
→
1的个数；
[0036]步骤7.2：进行第二次子迭代，对符合如下条件的像素点标记为删除：
[0037]1.2≤n(P0)≤6
ꢀꢀꢀꢀꢀ
(7)
[0038]s(P0)＝1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0039]P1·
P3·
P5＝0
ꢀꢀꢀꢀ
...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的双凸透镜缺陷检测方法，其特征在于：包括如下步骤：步骤1：固定双凸透镜和点激光器，将双凸透镜和点激光器的中心置于一条直线上，使得点激光器光束完全覆盖整个双凸透镜区域；步骤2：搭建投影平面，并利用CCD相机进行图像采集；步骤3：基于采集得到的图像求取投影区域的几何参数；步骤4：根据所求得的几何参数信息创建ROI区域来提取投影区域，采用受限对比度自适应直方图均衡化算法对投影区域进行均衡化处理，并采用巴特沃斯低通滤波器进行滤波；步骤5：根据所求得的几何参数信息建立同心椭圆模型，将投影区域分区处理，得到内椭圆区域和外椭圆区域；步骤6：采用基于粒子群优化的Otus算法对内椭圆区域的图像进行缺陷提取，并利用基于形态学的开闭运算和8区域标记算法分别对内椭圆区域图像的缺陷进行平滑处理和面积计算；步骤7：采用条纹中心线算法对外椭圆区域的图像进行骨架提取，通过检测断点获得外椭圆区域图像的缺陷位置信息。2.根据权利要求1所述的一种基于机器视觉的双凸透镜缺陷检测方法，特征在于：所述步骤3中求取投影区域的几何参数的具体过程为：步骤3.1：对采集得到的图像进行Otus二值化处理；步骤3.2：采用孔洞填充算法对投影区域进行填充；步骤3.3：利用Canny算子对投影区域进行边缘检测；步骤3.4：利用基于最小二乘法的椭圆拟合算法计算出投影区域的几何参数。3.根据权利要求1所述的一种基于机器视觉的双凸透镜缺陷检测方法，特征在于：所述步骤5中内椭圆区域为中央明亮区域；外椭圆区域为明暗相间的衍射条纹区域。4.根据权利要求1所述的一种基于机器视觉的双凸透镜缺陷检测方法，特征在于：所述步骤6中采用基于粒子群优化的Otus算法对内椭圆区域的图像进行缺陷提取的具体过程为：步骤6.1：设内椭圆区域的图像包含256个灰度级，即[0,1,2,...255]，灰度级为i的像素点个数为n
i
，图像总的像素点个数为N＝n1+n2+...+n
i
；步骤6.2：阈值T将所有像素点划分为两个灰度子集C1＝[0,1,...,T
‑
1]和C2＝[T,T+1,...,255]，则类间方差表达式为σ2＝p1(m1‑
m)2+p2(m2‑
m)2，其中，p1、p2分别为像素点划分为C1、C2的概率，m1、m2分别为C1、C2的均值，m为图像全局均值；步骤6.3：采用粒子群算法寻找最优阈值T，其粒子的速度和位置更新公式如下：v
i，j
(t+1)＝wv
i，j
(t)+c1r1[pbest
‑
x
i，j
(t)]+c2r2[gtest
‑
x
i，j
(t)]
ꢀꢀ
(1)x
i，j
(t+1)＝x
i，j
(t)+v
i，j
(t+1)
ꢀꢀꢀ
(2)式中，c1和c2为学习因子，r1、r2为[0,1]区间...

【专利技术属性】
技术研发人员：金永，杜培玉，陈友兴，王召巴，姚慧栋，
申请(专利权)人：中北大学，
类型：发明
国别省市：