[發明專利]基于機器視覺的玻璃缺陷的檢測與分類方法

無效

• 申請號: 201110219599.4
• 申請日: 2011-08-02
• 公開（公告）號: CN102305798A
• 公開（公告）日: 2012-01-04
• 發明（設計）人: 趙杰;趙旭;吳哲;孔慶杰;劉允才
• 申請（專利權）人: 上海交通大學
• 主分類號: G01N21/958
• 分類號: G01N21/958
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 郭國中

技術領域

本發明涉及玻璃缺陷檢測分類方法，具體地涉及一種基于機器視覺的玻璃缺陷的檢測與分類方法。

背景技術

工業生產中，由于各種技術或者生產工藝問題，會造成一定的缺陷。比如玻璃生產過程中，就會有氣泡或者雜質引入。不同的缺陷對產品質量的影響不同。比如氣泡缺陷對于普通日用玻璃可能影響不大，而對于汽車的安全玻璃的性能影響卻非常大。從2003年5月1日起，我國對汽車安全玻璃、建筑安全玻璃、鐵道車輛用安全玻璃實行強制檢驗。而對于表面積很大的產品，僅靠人工去識別缺陷顯然不是一種高效的方法。為了避免人工檢測誤判造成的損失，有效降低生產成本與提升正品率，應用計算機視覺來解決缺陷的檢測與分類問題逐漸成為一種趨勢。由于照相機的精度以及現實條件問題，有時候獲取的缺陷圖像的分辨率非常低。有些缺陷只有4-6像素大小。在此尺寸的圖像上，較難獲得有效的特征。因此通過目標值的灰度值信息進行分類是一個辦法。

經過對現有技術文獻的查找發現，目前一些研究者的工作集中在缺陷的查找并統計缺陷的數目上。周雪芹等人2007年發表在《微計算機信息》上的論文《基于局部區域閾值的玻璃氣泡的檢測》中采用了如下方法：首先求方差圖像并二值化來確定氣泡在圖像中所在的局部區域，在該局部區域內，可認為光照是均勻的，然后運用局部區域閾值法保留較亮的目標，從而逐個提取出氣泡。在Peng?等人2008年發表在International?Journal?of?Advanced?Manufacturing?Technology（先進制造技術國際期刊）上的An?online?defects?inspection?method?for?float?glass?fabrication?based?on?machine?vision（一種基于機器視覺的浮法玻璃制作過程的缺陷在線檢測方法）論文中采用了OTSU方法來實現前景與背景分割。很少一部分研究者有進一步研究缺陷的類型。Han等人2009年發表在International?Conference?on?Convergence?and?Hybrid?Information?Technology（收斂與混合技術國際會議）的論文A?study?on?enhanced?algorithms?for?detecting?defects?of?glasses（玻璃缺陷監測的增強方法研究）中利用提取出來的缺陷的面積、邊界等信息來研究缺陷的圓形度。Hu等人2009年發表在International?Conference?on?Computational?Intelligence?and?Natural?Computing（計算機智能與自然計算國際會議）的論文An?algorithm?of?glass?image?recognition?based?on?wavelet?packet?decomposition（一種基于小波包分解的玻璃圖像識別算法）中采用了小波包分解來實現對缺陷圖像的二值化，再利用缺陷區域的面積，長寬比，灰度均值與方差，圓形度等方法嘗試給缺陷進行分類。他們對210個樣本（其中150個用于學習）進行實驗，最后的測試樣本的準確率達到93.3%。該方法雖然可以實現對缺陷的檢測與分類，不過訓練樣本過少沒法完全體現工業生產環境的真實情況，另外算法速度也不是非常令人滿意。

發明內容

本發明具體涉及一種從玻璃圖像中提取目標區域并進行圖像處理，然后根據處理后獲得的特征信息將缺陷類型進行分類的方法。可應用于工業品表面缺陷檢測與識別，屬于模式識別中的分類問題。本發明的目的在于針對玻璃表面缺陷檢測問題，提出一種基于圖像處理的缺陷類型的快速判斷方法。該方法能在光照不均勻，以及其他光源干擾（如玻璃氣泡中形成的透鏡）等背景下獲取的低分辨率缺陷圖像進行特征分析，從而判斷缺陷的類型。?

為實現上述目的，本發明首先提取相機（線掃描）給出的圖片中的缺陷區域，從而獲得目標的最小連通域。之后對目標區域進行二值化處理。按行按列掃描最小連通域，統計9類二值特征模式（下文將介紹）的數目。在此基礎上判斷缺陷的類型（空心的為氣泡，實心的為雜質）。

根據本發明的一個方面，提供一種基于機器視覺的玻璃缺陷的檢測與分類方法，其特征在于，包括如下步驟：

步驟一：對圖像進行缺陷邊緣檢測以獲得缺陷的邊緣信息，根據所述邊緣信息確定目標區域；

步驟二：對所述目標區域進行二值化處理；

步驟三：去除所述目標區域中的噪聲點；

步驟四：根據某行灰度值跳變的次數來定義9類特征模式；