一种基于机器视觉的高精镜面检测方法及系统技术方案

本发明专利技术涉及图像处理领域，更具体地，本发明专利技术涉及一种基于机器视觉的高精镜面检测方法及系统，方法包括：获取历史图像并进行图像处理，获得高精金属镜面的深度图和灰度图，其中，历史图像为高精度金属镜面暗场散射图像；根据所述深度图和灰度图，通过对高精金属镜面的暗场散射图像进行分析，使用图像处理的技术获得高精金属镜面中每个连通域的灰度起伏度

【技术实现步骤摘要】
一种基于机器视觉的高精镜面检测方法及系统


[0001]本专利技术一般地涉及图像处理领域
。
更具体地，本专利技术涉及一种基于机器视觉的高精镜面检测方法及系统
。

技术介绍

[0002]高精度金属镜面检测的重要性在于确保其表面质量和性能符合要求
。
由于金属镜面通常用于光学
、
电子
、
精密仪器等领域，对其反射率
、
平整度和光学性能的要求非常高
。
只有经过严格检测和筛选的高精度金属镜面，才能确保光学系统的高效运行，并实现精确的光学成像
、
精密测量和可靠的光学信号传输
。
通过进行细致的检测，可以及早发现并排除可能存在的缺陷，因此，高精度金属镜面检测是保证产品质量和性能的关键环节，具有重要的意义和价值
。
[0003]然而，目前检测高精金属镜面的方法分别是人工目视与离线抽检相结合
、
单纯机电技术或光学技术
(
涡流检测等
)、
光机电一体化的机器视觉
。
在长期的单一重复性工作中，工人容易产生疲劳，需要耗费大量的人力
、
物力，且检测结果往往存在主观性，不能很好的反映高精金属镜面的质量，提高人员成本，检测效率低下，存在误判的情况，因此，需要一种基于机器视觉的高精镜面检测方法及系统
。

技术实现思路

[0004]为解决上述一个或多个技术问题，本专利技术提出将多种方法进行，为此，本专利技术在如下的多个方面中提供方案
。
[0005]在第一方面中，获取历史图像并进行图像处理，获得高精金属镜面的深度图和灰度图，其中，历史图像为高精度金属镜面暗场散射图像；根据所述深度图和灰度图，确定连通域的缺陷灰度连续度和连通域的缺陷深度连续度；根据高精金属镜面和模版镜面构建连通域的缺陷灰度共生矩阵，根据所述缺陷灰度共生矩阵，计算高精金属镜面中每个连通域的灰度起伏度和深度起伏度；根据每个所述连通域构成一个向量；获取历史数据和预设标签，计算每张高精金属镜面图像的缺陷复杂度，其中，所述标签为高精镜面有麻点缺陷
、
有划痕缺陷
、
有凹陷缺陷或没有缺陷；根据所述向量训练预设的多标签神经网络模型，得到预测模型；响应于图像获取完成，根据预测模型，生成预测结果，其中预测结果表示高精金属镜面是否有缺陷
。
[0006]在一个实施例中，获得高精金属镜面暗场散射图像进行图像处理，确定高精金属镜面的深度图和灰度图，包括以下步骤：将获取的历史图像划分为深度图和
RGB
图；使用高斯滤波对所述
RGB
图进行去噪处理，将去噪后的
RGB
图转化为灰度图
。
[0007]上述实施例的一种基于机器视觉的高精镜面检测方法的有益效果，通过对高精金属镜面散射图像进行图线处理，在暗场的条件下，通过缺陷对入射光产生的散射像，可以反演出缺陷轮廓，从而对图像进行处理，将拍摄到的图像转化为灰度图，并拆分为高精金属镜面的深度图和灰度图，有利于对缺陷轮廓更清晰的进行处理
。
[0008]在一个实施例中，根据所述深度图和灰度图，确定连通域的缺陷灰度连续度和连通域的缺陷深度连续度，包括步骤：根据高精金属镜面灰度图和深度图进行阈值分割，得到高精金属镜面的
0/1
图；通过形态学操作去除噪声，得到高精金属镜面的前景缺陷
0/1
图；所述前景缺陷
0/1
图进行的多个连通域，计算所述每个连通域的灰度游程矩阵，根据所述灰度游程矩阵得到缺陷灰度连续度和缺陷深度连续度
。
[0009]上述实施例的一种基于机器视觉的高精镜面检测方法的有益效果，通过形体学去除噪声，有利于对高精金属镜面的缺陷图进一步深化，从而提取缺陷图，有利于对高精金属镜面的缺陷图进一步处理
。
[0010]在一个实施例中，根据高精金属镜面和模版镜面构建连通域的缺陷灰度共生矩阵，包括以下步骤：计算高精金属镜面的灰度图和模板高精金属镜面的灰度图上每个连通域范围内每个像素点灰度值的海森矩阵；计算所述海森矩阵的特征值和特征向量，其中，特征值的最大值表示目标位置灰度变化的曲率大小，特征向量表示目标位置灰度变化的方向；计算高精金属镜面的灰度图和模版镜面的灰度图上相同位置所述特征值和所述特征向量的距离，确定了高精金属镜面表面起伏的变化，计算公式如下：其中，为是高精金属镜面的前景图上每个连通域中相同位置的曲率值，为模板镜面的灰度图上每个连通域中相同位置的曲率值，表示相同位置两个曲率方向的夹角；计算第一灰度图和第二灰度图上每个连通域中每个位置曲率的距离得到高精金属镜面的曲率距离矩阵，将曲率距离的等级重新划分为8个等级，划分公式如下：其中，表示曲率距离矩阵中最大的值，划分曲率距离等级后得到矩阵
A
，计算矩阵
A
的缺陷灰度距离共生矩阵，为曲率距离的等级划分
。
[0011]上述实施例的一种基于机器视觉的高精镜面检测方法的有益效果，通过高精金属镜面和模版高精金属镜面构建连通域的缺陷灰度共生矩阵，有利于计算高精金属镜面和模版高精金属镜面共同位置的缺陷与模版的距离形成矩阵，将矩阵划分为8个等级，有利于减少缺陷灰度距离共生矩阵计算的复杂性，划分后得到矩阵所在位置，通过计算矩阵等级所在位置的缺陷灰度距离共生矩阵，从而对高精金属镜面的缺陷图进一步处理
。
[0012]在一个实施例中，根据所述缺陷灰度共生矩阵计算高精金属镜面中每个连通域的灰度起伏度和深度起伏度中：计算缺陷灰度共生矩阵得到高精金属镜面上每个连通域的灰度起伏度，计算公式如下：其中，表示矩阵中第
i
行第
j
列的值，表示高精金属镜面上第
k
个连通域的灰度起伏度
。
[0013]在一个实施例中，根据每个所述连通域构成一个向量，其中连通域包括缺陷灰度连续度
、
缺陷深度连续度
、
灰度起伏度和深度起伏度，确定高精金属镜面的缺陷复杂度中：
根据不同连通域之间特征的协方差得到协方差矩阵，协方差矩阵的计算公式为：其中，
cov
（
x
，
y
）为协方差矩阵，
x
，
y
表示不同连通域的特征，表示期望，计算不同连通域之间特征的协方差，计算协方差矩阵中值小于0的协方差绝对值之和得到高精金属镜面的缺陷复杂度
。
[0014]第二方面，一种压力变送器的在线监测系统，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现上述压力变送器的在线监测方法
。
[0015]本申请具有以下效果：
1、
本申请通过对高精金属镜面的暗场散射图像进行分析，使用图像处理的技术获得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于机器视觉的高精镜面检测方法，其特征在于，包括：获取历史图像并进行图像处理，获得高精金属镜面的深度图和灰度图，其中，历史图像为高精度金属镜面暗场散射图像；根据所述深度图和灰度图，确定连通域的缺陷灰度连续度和连通域的缺陷深度连续度；根据高精金属镜面和模版镜面构建连通域的缺陷灰度共生矩阵，根据所述缺陷灰度共生矩阵，计算高精金属镜面中每个连通域的灰度起伏度和深度起伏度；根据每个所述连通域构成一个向量，确定高精金属镜面的缺陷复杂度；获取历史数据和预设标签，计算每张高精金属镜面图像的缺陷复杂度，其中，所述标签为高精镜面有麻点缺陷
、
有划痕缺陷
、
有凹陷缺陷或没有缺陷；根据所述向量训练预设的多标签神经网络模型，得到预测模型；响应于图像获取完成，根据预测模型，生成预测结果，其中预测结果表示高精金属镜面是否有缺陷
。2.
根据权利要求1所述一种基于机器视觉的高精镜面检测方法，其特征在于，获得高精金属镜面暗场散射图像进行图像处理，确定高精金属镜面的深度图和灰度图，包括以下步骤：将获取的历史图像划分为深度图和
RGB
图；使用高斯滤波对所述
RGB
图进行去噪处理，将去噪后的
RGB
图转化为灰度图
。3.
根据权利要求1所述一种基于机器视觉的高精镜面检测方法，其特征在于，根据所述深度图和灰度图，确定连通域的缺陷灰度连续度和连通域的缺陷深度连续度，包括步骤：根据高精金属镜面灰度图和深度图进行阈值分割，得到高精金属镜面的
0/1
图；通过形态学操作去除噪声，得到高精金属镜面的前景缺陷
0/1
图；所述前景缺陷
0/1
图进行的多个连通域，计算所述每个连通域的灰度游程矩阵，根据所述灰度游程矩阵得到缺陷灰度连续度和缺陷深度连续度
。4.
根据权利要求1所述一种基于机器视觉的高精镜面检测方法，其特征在于，根据高精金属镜面和模版镜面构建连通域的缺陷灰度共生矩阵，包括以下步骤：计算高精金属镜面的灰度图和模板高精金属镜面的灰度图上每个连通域范围内每个像素点灰度值的海森矩...

【专利技术属性】
技术研发人员：张祖平，张焱锋，韦灿铁，罗臣，杨卫华，
申请(专利权)人：飞博尔智创科技湖北有限公司，
类型：发明
国别省市：