[發明專利]一種反光表面缺陷檢測方法、系統及電子設備

在審

• 申請號: 202110409731.1
• 申請日: 2021-04-16
• 公開（公告）號: CN113192013A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 劉宏展;陶嘉敏;金夢;劉文怡;陳利
• 申請（專利權）人: 華南師范大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/40;G06N3/08;G06N3/04
• 代理公司: 廣州容大知識產權代理事務所(普通合伙) 44326
• 代理人: 劉新年

本發明提供了一種反光表面缺陷檢測方法、系統及電子設備。該方案包括使用LCD顯示屏產生4幅相位步長差為π/2的標準正弦條紋光柵，并投影在反光表面，然后通過相機采集經反光面反射的條紋圖像發送至所述監測計算機；在所述4幅條紋圖像中確定平面坐標系，計算包裹相位圖和調制度圖；通過圖像融合網絡將所述包裹相位圖和所述調制度圖融合為中間融合圖，并通過數據增強處理，進行目標網絡的訓練，生成目標檢測模型，判斷所述目標檢測模型的評價性能。該方案通過條紋反射法進行包裹相位和調制度數據提取，進而結合包裹相位和調制度數據的多源融合數據處理，并利用改進網絡結構，實現光滑表面缺陷精準識別。

技術領域

本發明涉及圖像缺陷檢測技術領域，更具體地，涉及一種反光表面缺陷檢測方法、系統及電子設備。

背景技術

為了控制產品的品質，每臺筆記本電腦面板生產出廠前要經過多道流程反復的檢驗，才能進入市場。因此，必須經過嚴格的檢查工作，但是檢查工作量大，重復且枯燥，采用人工目檢的方式基本成為歷史，實現缺陷的自動化檢測是工業界發展的大趨勢。因此，必需研究如何使用機器視覺更高效和可靠地完成缺陷檢測。

但是，在本發明技術之前，現有方案在缺陷檢測方面存在諸多問題，一方面，現有方案對采用基于機器學習的視覺，而且主要有賴于缺陷特征大部分為紋理特征，雖然在低層次特征的判別上表現相對突出，例如，利用光學照明模塊和機構控制模塊收集圖像，通過軟件比如邊緣檢測、亞像素分析進行圖像處理，進而經過機器學習和數據管理進行智能分析，然而筆記本電腦平板缺陷特征大多數為紋理特征同時帶有一點語義信息，帶語義信息的缺陷很難通過人為規則設定閾值，最終導致傳統方法缺少了局部和整體的關系等高層次的語義信息，無法準確獲知檢測缺陷；另一方面，對于反光物體、五金器件、玻璃上的細小缺陷檢測時，在機器視覺中廣泛采用的打光方法，通常會使得圖像呈現大面積的白斑，難以提取缺陷特征，而由于不同外觀缺陷有著不同的特征，極難實現針對不同缺陷需求采用針對性圖像采集方式，導致現有照明方式對缺陷體現不夠全面，檢測率低。

發明內容

鑒于上述問題，本發明提出了一種反光表面缺陷檢測方法、系統及電子設備，通過條紋反射法進行包裹相位和調制度數據提取，進而結合包裹相位和調制度數據的多源融合數據處理，并利用改進網絡結構，實現光滑表面缺陷精準識別。

根據本發明實施例第一方面，提供了一種反光表面缺陷檢測方法。

在一個或多個實施例中，優選地，所述的一種反光表面缺陷檢測方法包括：

監測計算機向LCD顯示屏發出控制命令，在待測物體表面生成4幅條紋圖像，并通過相機采集經過所述待測物體表面反射生成的所述4幅條紋圖像，并將所述4幅條紋圖像發送至所述監測計算機，其中，所述4幅條紋圖像為相位步長差為π/2的標準正弦條紋光柵；

所述監測計算機根據所述4幅條紋圖像，自動識別像素點，在對應平面坐標系下將所述4幅條紋圖像分別表示為第一合成光強、第二合成光強、第三合成光強和第四合成光強的形式；

獲取所述第一合成光強、所述第二合成光強、所述第三合成光強、所述第四合成光強，計算包裹相位圖和調制度圖；

通過圖像融合網絡將所述包裹相位圖和所述調制度圖融合為中間融合圖；

對所述中間融合圖通過數據增強處理，生成訓練圖像；

對所述訓練圖像進行目標網絡的訓練，生成目標檢測模型；

根據所述目標檢測模型計算準確度、召回率和性能指標分數，判斷所述目標檢測模型的評價性能。

在一個或多個實施例中，優選地，監測計算機向LCD顯示屏發出控制命令，在待測物體表面生成4幅條紋圖像，并通過相機采集經過所述待測物體表面反射生成的所述4幅條紋圖像，并將所述4幅條紋圖像發送至所述監測計算機，其中，所述4幅條紋圖像為相位步長差為π/2的標準正弦條紋光柵，具體包括：