[發明專利]一種基于機器視覺的陶瓷磚表面花紋缺陷檢測方法

有效

• 申請號: 201811087281.3
• 申請日: 2018-09-18
• 公開（公告）號: CN109523505B
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 潘俊洋
• 申請（專利權）人: 深圳市智信精密儀器有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/46;G06K9/62
• 代理公司: 深圳市瑞方達知識產權事務所(普通合伙) 44314
• 代理人: 楊波;郭方偉

1.一種基于機器視覺的陶瓷磚表面花紋缺陷檢測方法，其特征在于，包括：

S1、獲取標準花紋圖像并通過相機標定法對所述標準花紋圖像進行標定，根據標定結果獲取最終的待測花紋圖像；

S2、掃描所述標準花紋圖像以獲取所述標準花紋圖像中的非背景像素并分配第一標識；掃描所述待測花紋圖像以獲取所述待測花紋圖像中的非背景像素并分配第二標識；

S3、基于特征匹配算法，從所述第一標識對應的像素中提取標準特征點，并從所述第二標識對應的像素中提取與所述標準特征點滿足第一匹配關系的待測特征點；

S4、基于FLANN算法與灰度形心梯度向量，對所述標準特征點的描述符增加第一屬性，并對所述滿足第一匹配關系的待測特征點的描述符增加第二屬性；基于FLANN的描述符對特征點進行二次描述，對其定義一個表示方向的屬性，以包含特征點的局部區域計算出該區域內的灰度形心，根據所述灰度形心對提取出的特征點標明主方向，局部區域矩的公式是：

m_pq＝∑_x,yx^py^qI(x,y)

公式中，x，y代表所測區域內的計算點的坐標，I代表該點的灰度值；

則這些矩計算特征點區域上的灰度形心為：

則二次描述的FAST特征點的主方向為：

θ＝tan^-1(m₀₁,m₁₀)；

S5、基于KNN算法，針對所述第一屬性、第二屬性，以及特征點對間的歐式距離，進行比較分類，以獲取與所述標準特征點滿足第二匹配關系的待測特征點；

S6、對滿足所述匹配關系的待測特征點進行矢量計算，以獲取所述待測特征點坐標與所述標準特征點坐標的轉移關系矩陣；

S7、根據所述轉移關系矩陣獲取所述標準花紋圖像和所述待測花紋圖像的對應區域的色差，以確認是否存在缺陷。

2.根據權利要求1所述的基于機器視覺的陶瓷磚表面花紋缺陷檢測方法，其特征在于，在所述步驟S7中，當確認存在缺陷時，執行以下步驟：

S8、提取所述標準花紋圖像的RGB三通道數據以獲取對應的第一一維矩陣，提取所述待測花紋圖像的RGB三通道數據以獲取對應的第二一維矩陣，比較所述第二一維矩陣和第一一維矩陣相關性以確認所述待測花紋圖像的缺陷是否真實。

3.根據權利要求1所述的基于機器視覺的陶瓷磚表面花紋缺陷檢測方法，其特征在于，在所述步驟S1中，所述相機標定法包括張正友標定法。

4.根據權利要求1所述的基于機器視覺的陶瓷磚表面花紋缺陷檢測方法，其特征在于，在所述步驟S1后，還執行以下步驟：

S1-1、對所述標準花紋圖像和所述待測花紋圖像進行平滑濾波。

5.根據權利要求4所述的基于機器視覺的陶瓷磚表面花紋缺陷檢測方法，其特征在于，所述平滑濾波采用的方法包括：均值濾波法、高斯濾波法和超限鄰域平滑濾波法中的任意一種。

6.根據權利要求1所述的基于機器視覺的陶瓷磚表面花紋缺陷檢測方法，其特征在于，在所述步驟S2中，基于8鄰域聯通區域標記法進行聯通區域搜索，以對所述標準花紋圖像和所述待測花紋圖像分別進行掃描。

7.根據權利要求1所述的基于機器視覺的陶瓷磚表面花紋缺陷檢測方法，其特征在于，所述步驟S3中，所述特征匹配算法包括：SIFT算法、SURF算法和ORB算法中的任意一種。

8.根據權利要求1所述的基于機器視覺的陶瓷磚表面花紋缺陷檢測方法，其特征在于，在所述步驟S5中，還包括：基于勞氏算法對所述第二匹配關系進行進一步篩選，以獲取第三匹配關系。

9.根據權利要求1所述的基于機器視覺的陶瓷磚表面花紋缺陷檢測方法，其特征在于，在所述步驟S6中，所述轉移關系矩陣包括：旋轉矩陣和/或平移矩陣。

10.根據權利要求1所述的基于機器視覺的陶瓷磚表面花紋缺陷檢測方法，其特征在于，在所述步驟S7中，所述獲取所述標準花紋圖像和所述待測花紋圖像的對應區域的色差還包括：采用色差公式進行區域色差計算。