[發(fā)明專利]一種基于邊緣形狀匹配的字符缺陷智能檢測算法

在審

• 申請?zhí)枺?/td>: 202110215572.1
• 申請日: 2021-02-22
• 公開（公告）號: CN112884746A
• 公開（公告）日: 2021-06-01
• 發(fā)明（設(shè)計）人: 孫洋;夾尚豐;于會泳
• 申請（專利權(quán)）人: 青島星科瑞升信息科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/136;G06T7/187
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于邊緣形狀匹配的字符缺陷智能檢測算法，包括：本算法通過Sobel算子濾波后得到的梯度數(shù)據(jù)為基礎(chǔ)，根據(jù)邊緣連通域長度，確定最優(yōu)的邊緣分割閾值，獲得邊緣輪廓點的梯度方向和坐標作為匹配信息。根據(jù)輪廓點匹配度，使用粗篩選和精篩選相結(jié)合的方式來尋找缺陷點，然后基于缺陷點填充尋找連通域的方式，標記字符缺陷區(qū)域。為了使匹配算法滿足實時性要求，采用自適應(yīng)圖像金字塔算法和通過閾值判斷提前結(jié)束的搜索策略。本發(fā)明采用的相似性度量不受遮擋、混亂、線性與非線性光照變化等情況的影響，所以在光照變化環(huán)境下依然可以快速準確的定位字符印刷缺陷。

技術(shù)領(lǐng)域

本發(fā)明涉及電子產(chǎn)品印刷的字符質(zhì)量缺陷檢測，尤其涉及一種基于邊緣形狀匹配的字符缺陷智能檢測算法，適用于各種電子器件中相關(guān)的印刷字符缺陷檢測。

背景技術(shù)

隨著工業(yè)自動化技術(shù)的高速發(fā)展，生產(chǎn)制造水平逐步提高，消費者對產(chǎn)品質(zhì)量的要求也不斷提高。因此對產(chǎn)品的生產(chǎn)過程進行質(zhì)量控制十分重要。

在很多的工業(yè)生產(chǎn)中，產(chǎn)品的印刷質(zhì)量檢測環(huán)節(jié)依舊采用傳統(tǒng)的人工檢測，人工檢測主要通過人眼對產(chǎn)品印刷的字體、字符、數(shù)字進行仔細觀察，并聯(lián)系既有經(jīng)驗或者標準模型進行判斷，完成產(chǎn)品的缺陷檢測。傳統(tǒng)的人工檢測方法比較靈活，對負責的檢測任務(wù)也能快速的適應(yīng)；但進行檢測時需要長時間精神高度集中，容易受到疲勞或者心理因素的影響，導(dǎo)致檢測準確率下降，同時，人眼檢測需要逐樣本觀察，效率低下，難以滿足工業(yè)自動化需求。

現(xiàn)有的產(chǎn)品印刷質(zhì)量缺陷檢測方法，大部分采用基于灰度的模板匹配算法對印刷區(qū)域進行定位，利用模板圖像和定位的區(qū)域作差實現(xiàn)目標的缺陷檢測，這種方法能夠?qū)τ∷⒆煮w的顏色，邊界、形狀進行有效檢測，但是受到光照變化的影響較大，且對旋轉(zhuǎn)沒有較好的魯棒性。

發(fā)明內(nèi)容

為避免傳統(tǒng)人工檢測缺點以及現(xiàn)有方法的不足，提出一種基于邊緣形狀匹配的字符缺陷智能檢測算法。該方法以Sobel算子濾波后得到的梯度數(shù)據(jù)為基礎(chǔ)，根據(jù)邊緣連通域長度，確定最優(yōu)的邊緣分割閾值。獲得邊緣輪廓點的梯度方向和坐標作為匹配信息，根據(jù)輪廓點匹配度，使用粗篩選和精篩選相結(jié)合的方式來尋找缺陷點，然后基于缺陷點鄰域填充尋找連通域的方式，標記字符缺陷區(qū)域。為了使匹配算法滿足實時性要求，采用自適應(yīng)圖像金字塔算法和通過閾值判斷提前結(jié)束的搜索策略。結(jié)果表明，該方法可以實現(xiàn)印刷字符缺陷的高精度實時檢測。

為解決上述技術(shù)問題，本發(fā)明采用如下的技術(shù)方案：

一種基于邊緣形狀匹配的字符缺陷智能檢測算法，包括以下步驟：

A、制作模板：提取最優(yōu)描述印刷字符的輪廓點，來去除紋理和噪聲的影響，利用得到的輪廓點求出其坐標位置和歸一化后的梯度方向向量制作模板。由于待檢測圖像中目標角度是隨機的，因此為了得到目標的精確位置，每隔一定的旋轉(zhuǎn)角度步長，來制作一次模板。

B、輪廓匹配：求待檢測圖像梯度方向，以模板邊緣輪廓點梯度與待檢測圖像對應(yīng)點梯度的點乘值作為相似性度量，通過逐像素滑窗計算得到待檢測圖像上目標字符的位置。

C、缺陷檢測與定位：在得到待檢測圖像上目標的位置后，根據(jù)字符輪廓點匹配度，通過粗篩選和精篩選相結(jié)合的方式來尋找缺陷點，基于缺陷點填充求最小外接矩形的方法來定位缺陷位置。

D、加速搜索策略：為了使缺陷檢測算法滿足工業(yè)檢測實時性要求，采用自適應(yīng)圖像金字塔算法和通過閾值判斷提前結(jié)束的搜索策略。