一种滤光片表面缺陷的分离细化智能检测方法技术

本发明专利技术公开了一种滤光片表面缺陷的分离细化智能检测方法，该方法包括：拍摄滤光片图像，对滤光片图像进行边缘检测，得到边缘图像；所述边缘图像包含滤光片外缘边缘；提取滤光片外缘边缘，检测滤光片外形尺寸；将滤光片外缘边缘包围的目标区域平均分成多块，判断多块灰度平均值之间的标准偏差值是否小于标准偏差阈值，如果是，判断边缘图像中是否存在尺寸无关表面缺陷边缘，否则判定为膜色不均缺陷；存在尺寸无关表面缺陷边缘则提取缺陷ROI，计算缺陷ROI特征值，并将所述特征值输入不同分类器中提取不同类型的缺陷参数值；否则为无表面缺陷滤光片。本发明专利技术能快速、有效地实现滤光片表面缺陷的智能检测与识别。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，该方法包括：拍摄滤光片图像，对滤光片图像进行边缘检测，得到边缘图像；所述边缘图像包含滤光片外缘边缘；提取滤光片外缘边缘，检测滤光片外形尺寸；将滤光片外缘边缘包围的目标区域平均分成多块，判断多块灰度平均值之间的标准偏差值是否小于标准偏差阈值，如果是，判断边缘图像中是否存在尺寸无关表面缺陷边缘，否则判定为膜色不均缺陷；存在尺寸无关表面缺陷边缘则提取缺陷ROI，计算缺陷ROI特征值，并将所述特征值输入不同分类器中提取不同类型的缺陷参数值；否则为无表面缺陷滤光片。本专利技术能快速、有效地实现滤光片表面缺陷的智能检测与识别。【专利说明】
本专利技术涉及滤光片表面缺陷检测与识别
，尤其涉及一种将滤光片表面缺陷的检测对象进行分离与逐级细化的检测与识别方法。
技术介绍
光学薄膜滤光片广泛应用于光通信、激光技术、光学成像与检测等领域，在微型摄像头、生物医学仪器、先进激光系统中起着重要作用。如光通信领域中滤光片不仅是波分复用系统的关键器件，还用于增益平坦、全光上下话路、波长开关；光电产品中，每一个手机摄像头须配备一片滤光片。国内、国际市场对滤光片的需求巨大，国内仅手机摄像头滤光片的年需求量就有700，000, 000片。对滤光片的检测包括光谱检测及表面缺陷检测，其中表面缺陷目前普遍采用人工逐片检测的方法，在强光照射下通过显微镜观察作出判断，劳动强度大，无法实现在线检测。视觉检测通过摄像机拍摄被测物图像，利用图像处理等技术能够实现对滤光片表面缺陷的在线智能检测，不仅保证每片滤光片的检测精度，还用于统计各类缺陷出现的概率，进行质量控制。目前产品缺陷的自动检测对象多为钢板、焊缝等，主要步骤包括图像采集与缺陷检测、缺陷特征参数选择、缺陷识别与分类。其中特征参数选择即选取一组对各类缺陷区分能力最强的参数作为特征参数；缺陷识别与分类即根据某个缺陷的特征参数取值判断其类另O，通常由分类器完成。分类器判定的缺陷类别越多，所须特征参数的数量随之增多，分类器结构及分类算法越复杂，误判率升高。以BP神经网络分类器为例，该网络分为输入层、隐含层、输出层，其中输入层的神经元数量η等于特征参数个数；输出层神经元数量m与缺陷类别个数有关，类别较少时等于类别个数；隐含层的神经元数量nl与n、m之间的经验关系满足n,[刘怀广.浮法玻璃缺陷在线识别算法的研究及系统实现.华中科技大学博士.2011.]。可见缺陷类别越多BP神经网络各层神经元越多，而神经元数量决定了 BP网络的复杂度。因此同等条件下二分类器(识别两个类别)的性能优于多分类器(识别两个以上类别)，应优先选用二分类器。滤光片表面缺陷检测对象包括外形尺寸、斜切缺陷、膜色不均缺陷、崩缺陷、划伤缺陷、点缺陷、斑印缺陷。若滤光片的各类缺陷统一采用一个分类器进行识别，必然导致算法复杂、分类耗时长，难以保证分类正确率。分析滤光片的各类缺陷，发现它们具有如下特点:斜切缺陷导致外形尺寸不合格；膜色不均缺陷导致滤光片各区域内的颜色存在明显差别；崩缺陷与划伤缺陷的共同点是缺陷区域狭长，不同点是崩缺陷出现在滤光片外边缘处、划伤缺陷出现在滤光片中间区域；点缺陷与斑印缺陷的共同点是缺陷区域为矩形，不同点是点缺陷覆盖面积小、斑印缺陷覆盖面积大。
技术实现思路
为解决上述技术问题，本专利技术的目的是提供，该方法针对滤光片表面缺陷检测对象的特点，依次分离外形尺寸等检测任务，再利用结构简单、性能优良的二分类器处理其余缺陷，逐级细化识别缺陷类型，实现对滤光片表面缺陷的智能检测。本专利技术的目的通过以下的技术方案来实现:，包括:A拍摄滤光片图像，对滤光片图像进行边缘检测，得到边缘图像；所述边缘图像包含滤光片外缘边缘；B提取滤光片外缘边缘，检测滤光片外形尺寸；C将滤光片外缘边缘包围的目标区域平均分成多块，判断多块灰度平均值之间的标准偏差值是否小于标准偏差阈值，如果是，执行步骤D，否则判定为膜色不均缺陷；D判断边缘图像中是否存在尺寸无关表面缺陷边缘，如果是，执行步骤E，否则为无表面缺陷滤光片；E提取缺陷R0I，计算缺陷ROI特征值，并将所述特征值输入不同分类器中提取不同类型的缺陷参数值。与现有技术相比，本专利技术的一个或多个实施例可以具有如下优点:从滤光片表面缺陷检测对象中依次分离外形尺寸等部分检测任务，每次针对一项任务进行检测，简化了算法；其余缺陷利用二分类器逐级细化识别，从而简化分类器结构、优化分类性能；通过对检测对象的分离与细化，避免采用一个分类器统一识别时导致的算法复杂、耗时长、分类正确率难以保证的问题。通过本专利技术能快速、有效地实现滤光片表面缺陷的智能检测与识别。【专利附图】【附图说明】附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例共同用于解释本专利技术，并不构成对本专利技术的限制。在附图中:图1是滤光片表面缺陷的分离细化智能检测方法流程图。【具体实施方式】容易理解，根据本专利技术的技术方案，在不变更本专利技术的实质精神下，本领域的一般技术人员可以提出本专利技术的多个结构方式和制作方法。因此以下【具体实施方式】以及附图仅是本专利技术的技术方案的具体说明，而不应当视为本专利技术的全部或者视为本专利技术技术方案的限定或限制。下面结合实施例及附图对本专利技术作进一步详细的描述。图1是滤光片表面缺陷的分离细化智能检测方法，该方法包括:步骤101拍摄滤光片图形，进行边缘检测，得到边缘图像；上述边缘图形中必定包含滤光片外缘边缘；当滤光片存在尺寸无关表面缺陷，即膜色不均缺陷、划伤缺陷、崩缺陷、斑印缺陷或点缺陷时，上述边缘图像中还包含尺寸无关表面缺陷边缘。步骤102提取滤光片外缘边缘，检测滤光片外形尺寸；边缘图像中滤光片外缘边缘包围尺寸无关表面缺陷边缘，根据边缘出现位置实现从边缘图像中提取滤光片边缘边缘，完成滤光片外形尺寸检测。步骤103判断滤光片外形尺寸是否满足公差要求，满足要求执行步骤104，否则判定为斜切缺陷。步骤104将滤光片图像中由滤光片外缘边缘包围的目标区域平均分为9块，计算9块灰度平均值之间的标准偏差；所述目标区域平均分为9块即将目标区域分为3行3列，当目标区域由M行XN列像素组成时，分别以m及Am表示M/3的整数部分及余数，η及Λ η表示Ν/3的整数部分及余数，将所述目标区域分为9块时位于第1、2行的块均含m行像素，位于第3行的块均含m+Am行像素，位于第1、2列的块均含η列像素，第3列的块均含η+ Λ η列像素。步骤105判断9块灰度平均值之间的标准偏差是否小于标准偏差阈值，如果小于标准偏差阈值执行步骤106，否则判定为膜色不均缺陷。步骤106判断是否存在尺寸无关表面缺陷边缘，如果是，执行步骤107，否则判定为无表面缺陷滤光片；上述边缘图像中判断是否存在尺寸无关表面缺陷边缘的方法包括:在上述步骤102已提取出滤光片外缘边缘，将滤光片外缘边缘在所述边缘图像中除去滤光片外缘边缘后若还存在边缘，即判定为存在尺寸无关表面缺陷边缘，否则判定为不存在尺寸无关表面缺陷边缘。步骤107提取每个尺寸无关表面缺陷边缘的外接矩形，形成缺陷R0I，计算缺陷ROI 的 Curve-Rectangle 特征值；上述缺陷ROI的Curve-Rectangle特征值是将尺寸无关表面缺陷分为划伤_崩、斑印-点两种类型时的特征参数的取本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：王小辉，卫红，曹一鸣，
申请(专利权)人：广州市光机电技术研究院，
类型：发明
国别省市：