[發明專利]基于圖像分析的絲印缺陷檢測方法及裝置

有效

• 申請號: 202211384015.3
• 申請日: 2022-11-07
• 公開（公告）號: CN115439476B
• 公開（公告）日: 2023-03-14
• 發明（設計）人: 漆長松;李勇
• 申請（專利權）人: 成都博視廣達科技有限責任公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/13;G06T7/187;G06T7/70
• 代理公司: 成都立新致創知識產權代理事務所(特殊普通合伙) 51277
• 代理人: 劉俊

本發明公開了基于圖像分析的絲印缺陷檢測方法，包括：采集圖像并對圖像進行預處理，利用面積閾值和輪廓提取聯合分割得到數個待檢測的子區圖像；利用子區圖像生成方形黑色區域檢測掩膜和第一圓形區域掩膜，分別進行圓形殘缺檢測和區域缺陷檢測；采用連通域跟蹤算法求得第一圓形區域掩膜對應的圖像的圓形區域，對圓形區域的輪廓邊緣點進行圓度分析，求得圓形區域中任一殘缺圓環；求得方形黑色區域檢測掩膜對應的圖像的像素均值；基于像素均值求得方形區域二值化閾值，利用方形區域二值化閾值標記缺陷的位置和大小；采用梯度下降法求得第一圓形區域掩膜內的斷裂區域。本發明還提供了基于圖像分析的絲印缺陷檢測的裝置。

技術領域

本發明涉及絲印缺陷檢測技術領域，尤其是基于圖像分析的絲印缺陷檢測方法及裝置。

背景技術

絲網印刷是指用絲網作為版基，并通過感光制版方法，制成帶有圖文的絲網印版。絲網印刷由五大要素構成，絲網印版、刮板、油墨、印刷臺以及承印物。利用絲網印版圖文部分網孔可透過油墨，非圖文部分網孔不能透過油墨的基本原理進行印刷。印刷時在絲網印版的一端倒入油墨，用刮板對絲網印版上的油墨部位施加一定壓力，同時朝絲網印版另一端勻速移動，油墨在移動中被刮板從圖文部分的網孔中擠壓到承印物上。

目前，絲印缺陷主要分為線條失真，圖案或線條發花，圖案線邊毛刺、缺口、凸輪等，麻點，絲印中粘網板等等。上述缺陷的識別多采用人工方式，其依靠技術人員的經驗判斷。現有技術中也有其他領域的缺陷檢測技術，在工業生產、道路維護等諸多領域應用廣泛，已有的缺陷檢測方法主要分為兩類，即：基于模板比對的方法和基于機器學習的方法。

第一類，基于模板比對的方法通常需要采用圖像模板配準，圖像差分以及圖像形態學處理等步驟，這種檢測方法的優點是對樣本需求少，利用較少的缺陷樣本即可取得較好的檢測效果，但其缺陷也很明顯：對圖像配準算法的要求較高。若在圖像匹配過程中出現誤匹配或匹配精度漂移等問題則后續的圖像差分和形態學處理效果將出現大量的誤檢。

例如專利公開號為“CN113850756A”、名稱為“一種基于模板比對的標簽缺陷檢測方法”的中國發明專利，其包括以下步驟：步驟一：選取模板圖像；步驟二：制作模板，生成多幅模板特征圖像，用于制定需要檢測的物件或者區域的標準模型；步驟三：對于待檢測的樣本進行圖片校準；步驟四：獲取樣板特征圖像，并將模板特征圖像與樣本特征圖像進行比對；步驟五：測試多張待檢測樣本特征圖像，準確率是否達標，未達標則直接跳轉至步驟一重新制作模板。

第二類，基于機器學習的缺陷檢測方法則可以較好的避免誤匹配導致的缺陷誤檢問題，這類方法通常需要收集大量的缺陷樣本，并利用缺陷樣本訓練相應的機器學習或神經網絡模型，最后利用訓練得到的識別模型實現缺陷檢測。這類方法的優點在于當缺陷樣本充足時檢測效果較好，但其問題在于：實際生產過程中由環境等各方面因素導致的缺陷樣本十分稀缺，獲取充足的訓練樣本往往十分困難，導致其難以充分訓練識別模型，從而實際檢測效果欠佳。

例如專利公開號為“CN111179251A”、名稱為“基于孿生神經網絡利用模板比對的缺陷檢測系統及方法”的中國發明專利，其利用孿生神經網絡，通過少量數據與先驗知識在短時間內訓練出優于人工檢測漏檢率的神經網絡模型，所述模型為已訓練完成基于孿生神經網絡的深度學習模型，通過將待檢產品圖像與模板圖像輸入已訓練網絡得到缺陷的檢測結果。

因此，急需要提出一種邏輯簡單、準確可靠的基于圖像分析的絲印缺陷檢測方法及裝置。

發明內容

針對上述問題，本發明的目的在于提供基于圖像分析的絲印缺陷檢測方法及裝置，本發明采用的技術方案如下：

第一部分，本技術提供了基于圖像分析的絲印缺陷檢測方法，其包括以下步驟：

采集獲得待檢測的圖像，并對圖像進行預處理，利用面積閾值和輪廓提取聯合分割得到數個待檢測的子區圖像；

利用子區圖像生成方形黑色區域檢測掩膜和第一圓形區域掩膜，并分別進行圓形殘缺檢測和區域缺陷檢測；