一种缺陷检测方法及系统技术方案

本发明专利技术适用于检测领域，提供了一种缺陷检测方法及系统，所述方法包括以下步骤：对待检测设备进行图像采集，对采集的图像进行预处理；将预存的灰度模板与预处理后的采集图像进行差值运算，得到灰度模板差值图像；对所述灰度模板差值图像进行二值化处理，得到差值二值化图像；将预存的二值模板与所述差值二值化图像进行差值运算，得到二值模板差值图像；对所述二值模板差值图进行轮廓查找，根据查找轮廓的结果对所述待检测设备判定是否有缺陷。本发明专利技术通过采用基于二重模板匹配的缺陷检测方法降低了光线变化带来的图像边缘干扰，特别对于表面较为复杂的检测设备，能有效降低误检率，提高检测精度，具有较强的实用性。

【技术实现步骤摘要】

本专利技术属于检测领域，尤其涉及一种缺陷检测方法及系统。
技术介绍
缺陷检测是机器视觉应用的一个重要领域，缺陷检测通常是指对物品表面缺陷的检测，表面缺陷检测是采用先进的机器视觉检测技术，对工件表面的斑点、凹坑、划痕、色差、缺损等缺陷进行检测。模板匹配算法作为机器视觉领域的常用算法，在缺陷检测中也得到广泛应用。模板匹配算法的好坏会直接影响到检测的结果。一般的模板匹配算法则是保存一幅模板，然后直接进行差值运算，得到缺陷图像。但是，由于现场检测环境的多样性，很难找到一种模板匹配算法能适应大部分的要求。一般的模板匹配算法，易受灯光变化，人影窜动，机械手动作等造成的光照变化的影响，从而造成误检。以模具保护器应用为例，通过传统的基于灰度的模板匹配算法进行缺陷检测时，对待检测模具进行图像采集时，采集图像与标准图像的光线总会有所差异，图1为仅通过灰度模板匹配算法得到的差值图像，图1明显留下部分冗余图像的边缘信息，这样，当所需的检测精度较高时，这些边缘信息较容易带来误检。综上，现有技术通过传统的模板匹配算法进行缺陷检测时，由于存在以下两个不足，容易造成误检第一，易受光线明暗变化的干扰；第二，对于复杂的图像容易产生噪点。
技术实现思路
本专利技术的目的在于提供一种缺陷检测方法，旨在解决现有技术在进行缺陷检测时，易受光线变化干扰、复杂图像易造成误检的问题。本专利技术是这样实现的，一种缺陷检测方法，包括以下步骤对待检测设备进行图像采集，对采集的图像进行预处理；将预存的灰度模板与预处理后的采集图像进行差值运算，得到灰度模板差值图像；对所述灰度模板差值图像进行二值化处理，得到差值二值化图像；将预存的二值模板与所述差值二值化图像进行差值运算，得到二值模板差值图像；对所述二值模板差值图像进行轮廓查找，根据查找轮廓的结果对所述待检测设备判定是否有缺陷。本专利技术的另一目的在于提供一种缺陷检测系统，系统包括图像采集和预处理单元，用于对待检测设备进行图像采集，对采集的图像进行预处理；灰度模板差值图像获取单元，用于将预存的灰度模板与所述图像采集和预处理单元预处理后的采集图像进行差值运算，得到灰度模板差值图像；差值二值化图像获取单元，用于对所述灰度模板差值图像获取单元获取的灰度模板差值图像进行二值化处理，得到差值二值化图像；二值模板差值图像获取单元，用于将预存的二值模板与所述差值二值化图像获取单元获取的差值二值化图像进行差值运算，得到二值模板差值图像；缺陷检测单元，用于对所述二值模板差值图像获取单元获取的二值模板差值图进行轮廓查找，根据查找轮廓的结果对所述待检测设备判定是否有缺陷。在本专利技术中，在本专利技术实施例中，对待检测设备进行图像采集并预处理，将预存的灰度模板与预处理后的采集图像进行差值运算，得到灰度模板差值图像；对灰度模板差值图像进行二值化处理，得到差值二值化图像；将预存的二值模板与差值二值化图像进行差值运算，得到二值模板差值图像；对二值模板差值图进行轮廓查找，根据查找轮廓的结果对待检测设备判定是否有缺陷。本专利技术能够有效降低了光线变化带来的图像边缘干扰，对于表面较为复杂的检测设备具有更高的表面缺陷检测精度，具有检测速度快，误检率低的优点ο附图说明图1是现有技术提供的模具保护器缺陷检测方法对应的差值图像；图2是本专利技术实施例提供的缺陷检测方法的流程图；图3是本专利技术一个示例提供的基于FPGA缺陷检测方法的流程图；图4是本专利技术实施例提供的缺陷检测系统的结构图。具体实施例方式为了使本专利技术的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。在本专利技术实施例中，对待检测设备进行图像采集并预处理，将预存的灰度模板与预处理后的采集图像进行差值运算，得到灰度模板差值图像；对灰度模板差值图像进行二值化处理，得到差值二值化图像；将预存的二值模板与差值二值化图像进行差值运算，得到二值模板差值图像；对二值模板差值图进行轮廓查找，根据查找轮廓的结果对待检测设备判定是否有缺陷。图2示出了本专利技术实施例提供的缺陷检测的处理流程。在步骤S201中，对待检测设备进行图像采集，对采集的图像进行预处理；具体应用时，采集的图像可以是灰度图像，也可以是彩色图像，如果是彩色图像， 需要对彩色图像进行灰度转换，例如，当采集的图像为RGB图像时，对采集的图像进行预处理具体包括灰度转换处理和高斯滤波处理。其中，高斯滤波处理，是为了去除杂波干扰。在步骤S201之前，本专利技术缺陷检测方法还包括对标准设备进行图像采集，得到标准图像；对标准图像进行学习，得到灰度模板和二值模板并保存。其中，标准设备可视为无缺陷的设备，通常作为样板设备，为待检测设备提供生产标准。在步骤S202中，将预存的灰度模板与预处理后的采集图像进行差值运算，得到灰度模板差值图像。在步骤S203中，对灰度模板差值图像进行二值化处理，得到差值二值化图像。在本专利技术实施例中，对灰度模板差值图像进行二值化处理的步骤具体为找出灰度模板差值图像的直方图的波峰；根据波峰计算出二值化阈值，然后对灰度模板差值图像进行二值化。在步骤S204中，将预存的二值模板与差值二值化图像进行差值运算，得到二值模板差值图像。为了进一步消除图像噪音的干扰，具体应用中，在步骤S204之前，缺陷检测方法还包括对二值模板差值图像进行膨胀腐蚀。在步骤S205中，对二值模板差值图像进行轮廓查找，根据查找轮廓的结果对待检测设备判定是否有缺陷。在本专利技术实施例中，步骤S205具体为当查找轮廓的结果为无轮廓时，则待检测目标不存在缺陷；当查找轮廓的结果为有轮廓时，根据轮廓确定轮廓大小，当轮廓大小超过预设范围时，轮廓对应的待检测设备该区域存在缺陷。值得一提的是，灰度模板和二值模板的学习是本专利技术实施例能够实现的基础，在本专利技术实施例中，灰度模板学习的具体步骤为对标准图像进行转灰度和高斯滤波处理后，得到灰度模板图像，然后保存在同步动态随机存储器(Synchronous Dynamic Random Access Memory, SDRAM)存储器中。二值模板学习的具体步骤为在输入标准图像，保存好灰度模板后，再次采集标准图像，经过转灰度和高斯滤波处理后，与之前保存的灰度模板进行差值运算，得到灰度模板差值图像，然后对灰度模板差值图像进行二值化处理，得到差值二值图像，最后将差值二值图像保存为二值模板图像，存入SDRAM存储器中。本专利技术提出了一种基于二重模板匹配的缺陷检测方法，在对标准图像学习保存一幅灰度模板的同时，还学习保存了一幅基于灰度差值的二值模板，在光线明暗变化不大时， 每个像素的灰度值近似线性变换，第一重的灰度模板匹配能够有效地减少光线明暗变化带来的影响，但仅仅通过灰度模板差值运算，在图像轮廓的边缘部分，仍会有较大的误差，通过第二重的二值模板的匹配处理有效消除第一重的灰度模板匹配对边缘信息的处理不足， 减少图像边缘带来的干扰，对于表面较为复杂的检测设备，能有效降低误检率。图3是本专利技术一个示例提供的基于现场可编程门阵列(Field Programmable Gate Array, FPGA)的缺陷检测方法的流程图；在步骤S301中，待检测设备RGB图像采集；在步骤S302中，灰度转换； 在步骤S本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：张俊，梁日雄，李运秀，杨江华，廖家亮，余加波，李佐广，李耀华，
申请(专利权)人：深圳市宝捷信科技有限公司，
类型：发明
国别省市：