[發明專利]基于機器視覺的陶瓷瓦表面裂紋檢測方法

在審

• 申請號: 201911327643.6
• 申請日: 2019-12-20
• 公開（公告）號: CN111141753A
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 曾曙光;左肖雄;鄭勝;李強;羅志會
• 申請（專利權）人: 三峽大學
• 主分類號: G01N21/95
• 分類號: G01N21/95;G01N21/88;G06T7/00
• 代理公司: 宜昌市三峽專利事務所 42103
• 代理人: 吳思高

基于機器視覺的陶瓷瓦表面裂紋檢測方法，采用主成分分析PCA檢測陶瓷瓦表面裂紋缺陷。不含裂紋信息的圖像通過使用主成分分析技術重構得到，將預處理的圖像與重構不含裂紋信息的圖像進行差分，得到差分的圖像，再運用二值化與形態學處理相結合的方法來檢測出裂紋。本發明基于機器視覺的陶瓷瓦表面裂紋檢測方法，可以大大提高陶瓷瓦表面裂紋檢測的效率，為后續陶瓷瓦表面缺陷自動化檢測與等級分類研究提供了指導。

技術領域

本發明屬于機器視覺的技術領域，具體涉及一種基于機器視覺的陶瓷瓦表面裂紋檢測方法。

背景技術

陶瓷瓦表面缺陷檢測是陶瓷質量檢測中至關重要的環節。由于陶瓷瓦工藝、環境、設備等因素的影響，生產出的陶瓷瓦產品可能會產生裂紋、缺釉、鼓包、色差、缺角等缺陷。目前，仍然采用傳統的人工檢測的方法對陶瓷瓦表面缺陷進行檢測。這種人工檢測方法存在勞動強度大、檢測速度慢、主觀性強的問題。因此，在陶瓷瓦產業上的自動化檢測對于該行業顯得尤為重要。

近年來，在工業產品表面缺陷的檢測中，基于機器視覺的自動檢測技術得到廣泛地應用。在陶瓷瓦的缺陷中，裂紋是陶瓷瓦最常見也是最難檢測的表面缺陷。常見的裂紋檢測算法有邊緣檢測、小波變換、自動區域生長等。目前，基于機器視覺的表面裂紋的自動檢測技術已廣泛用于油管、磁瓦、瓷磚等行業。以上算法對于背景平滑、色彩單一的裂紋檢測效果良好，然而對有紋理干擾、且表面高低起伏的陶瓷瓦表面裂紋檢測較為困難。陶瓷瓦表面為立體的形態結構，且存在大量的花紋干擾。目前對具有立體結構和紋理豐富的陶瓷瓦表面裂紋檢測的研究報道較少。

發明內容

針對在陶瓷瓦的自動化檢測中，對有紋理干擾、且表面高低起伏的陶瓷瓦表面裂紋檢測較為困難的技術問題。本發明提供一種基于機器視覺的陶瓷瓦表面裂紋檢測方法，采用主成分分析(Principal Component Analysis，PCA)檢測陶瓷瓦表面裂紋缺陷。不含裂紋信息的圖像通過使用主成分分析技術重構得到，將預處理的圖像與重構不含裂紋信息的圖像進行差分，得到差分的圖像，再運用二值化與形態學處理相結合的方法來檢測出裂紋。可以大大提高陶瓷瓦表面裂紋檢測的效率，為后續陶瓷瓦表面缺陷自動化檢測與等級分類研究提供了指導。

本發明采取的技術方案為：

基于機器視覺的陶瓷瓦表面裂紋檢測方法，采用主成分分析PCA檢測陶瓷瓦表面裂紋缺陷，不含裂紋信息的圖像通過使用主成分分析PCA方法重構得到；將預處理的圖像與重構不含裂紋信息的圖像進行差分，得到差分的圖像；再運用二值化與形態學處理相結合的方法來檢測出裂紋。

在裂紋檢測前需要對原圖像進行預處理：采用原圖像中的紅色通道圖像，其紅色通道圖像保留裂紋完整性并且光照不均的干擾較小，將預處理的圖像數據矩陣A作為樣本進行中心化，以確保全部維度上的偏移都是以0為基點。

基于機器視覺的陶瓷瓦表面裂紋檢測方法，包括基于主成分分析PCA的陶瓷瓦表面裂紋檢測步驟：

Step1：將樣本數據矩陣A進行中心化,按照公式A-m_A,其中m_A為矩陣A的平均值；

Step2：獲得樣本中心化矩陣A-m_A的協方差矩陣；

Step3：對協方差矩陣進行奇異特征值分解，第一大特征值對應的特征向量被稱為第一主成分，第二大特征值對應的特征向量被稱為第二主成分，按照如上的計算方式進行推算；

Step₄：選擇前k階主成分，構造主成分矩陣X＝[X₁,X₂,...,X_k]作為投影矩陣；

Step5：對原始樣本矩陣按照Y＝(A-m_A)X進行投影，得到通過PCA降維的新樣本矩陣Y；

Step6：得到的樣本矩陣Y按照進行重構，得到重構圖像