CN102854193A - 一种用于图像瑕疵检测的检测方法和检测系统 - Google Patents
一种用于图像瑕疵检测的检测方法和检测系统 Download PDFInfo
- Publication number
- CN102854193A CN102854193A CN2012103138156A CN201210313815A CN102854193A CN 102854193 A CN102854193 A CN 102854193A CN 2012103138156 A CN2012103138156 A CN 2012103138156A CN 201210313815 A CN201210313815 A CN 201210313815A CN 102854193 A CN102854193 A CN 102854193A
- Authority
- CN
- China
- Prior art keywords
- module
- image
- detection
- flaw
- detection system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种用于图像瑕疵检测的检测方法,设置一检测系统,检测系统包括方法处理模块和工作模块;所述方法处理模块和工作模块都包括图像分区模块;所述方法处理模块包括多线程处理模块和图像分区模块;所述工作模块包括高斯平滑处理模块、边框寻找模块、图像分区模块、瑕疵检出模块、形状约束过滤模块、瑕疵标注模块和亮度判断模块;所述工作模块在检测系统工作过程中按照高斯平滑处理模块、亮度判断模块、边框寻找模块、图像分区模块、瑕疵检出模块、形状约束过滤模块和瑕疵标注模块的顺序运行。本发明还提供了一种实现上述方法的检测系统。
Description
技术领域
本发明涉及一种瑕疵检测方法及系统,尤其是一种用于图像瑕疵检测的检测方法及实现该方法的检测系统。
背景技术
在精密工件和产品的生产和检验中,对于表面的瑕疵进行检测是十分重要的,直接关系到最终质量,而该项检测往往涉及的工件品种多,数量大,因此检测过程的自动化已成为相关企业发展的一个迫切需求,目前国内相关大部分企业仍然采用的是传统的目视检测方法,检测时间长、功效低和漏检率高,对人视觉要求高,人工成本大,并且工件表面的一些微小瑕疵、颜色区别及工件材质问题根本无法用人工肉眼方式连续稳定精确的进行检测。进入21世纪光电子、信息、机电、汽车等产业技术不断革新,各种高科技产品快速渗透进入每个家庭,对产品和工件的瑕疵检测要求也越来越严密,传统的目视检测已远远达不到要求。因此如何立足于各类精密工件的瑕疵检测需求,满足服务于现在高新技术等产业需求是目前迫切需要解决的问题,要满足上述要求,目前还存在多方面的技术缺陷。
发明内容
为解决上述问题,本发明采用的技术方案如下:
一种用于图像瑕疵检测的检测方法,包括以下步骤;
(1)设置一检测系统,检测系统包括方法处理模块和工作模块;
(2)所述方法处理模块和工作模块都包括图像分区模块;
(3)所述方法处理模块包括多线程处理模块和图像分区模块;
(4)所述工作模块包括高斯平滑处理模块、边框寻找模块、图像分区模块、瑕疵检出模块、形状约束过滤模块、瑕疵标注模块和亮度判断模块;
(5)所述工作模块在检测系统工作过程中按照高斯平滑处理模块、亮度判断模块、边框寻找模块、图像分区模块、瑕疵检出模块、形状约束过滤模块和瑕疵标注模块的顺序运行。
所述多线程处理模块提供的多线程处理方法可同时处理多个图像检测任务,并且不同检测线程之间互不干扰。
所述图像分区模块在检测系统工作过程中不仅作为方法处理模块提供检测方法,同时作为工作模块参与检测系统工作流程。
所述图像分区模块可将图像合理分区,每个区域加载不同的检测参数以适配瑕疵检出模块。
高斯平滑处理模块采用标准的高斯滤波函数对图像进行滤波,滤波参数根据具体的检测对象、检测要求来调节。
边框寻找模块采用PCA主成分分析技术对被检工件的边框进行边缘匹配,以搜索出边框。在进行匹配之前,首先采用Sobel算法进行边缘提取。
为了提高检测效率,图像分区模块将图像划分为多个分区,将各个分区交给不同的线程去处理,达到并行处理的效果。
瑕疵检出模块采用人工神经元网络技术进行瑕疵的检出。在检测之前,对瑕疵检出模块输入大量的已知瑕疵图像数据,对模块中的人工神经元网络进行训练。在检测时,模块即可自动的识别出被检图像中的瑕疵来。
瑕疵检出模块检测到的瑕疵包括了大小各种瑕疵,为了确保可靠性,形状约束过滤模块将其中尺寸较小的瑕疵进行滤除,保证了检测结果的稳定性。
瑕疵标注模块将检测的瑕疵标注到图像中,供检测人员查看或进一步处理。
一种实现上述用于图像瑕疵检测方法的检测系统,包括:
多线程处理模块,用于同时处理多个检测任务;
边框寻找模块,用于有效排除图像中需检测内容以外的其余内容;
图像分区模块,用于将图像合理的分区进行后续处理;
高斯平滑处理模块,用于把图像进行高斯平滑处理后,去除不同图像间差异后进行后续统一处理;
瑕疵检出模块,用于找出并标注图像中颜色变化差异较大的区域,并标注图像中变化最大区域中心点的坐标;
形状约束过滤模块,用于判断瑕疵检出模块得出的一系列亮度变化较大的区域及候选瑕疵区域,排除其中可以忽略的区域及纹理本身的明亮变化区域,最终得出过滤后的瑕疵位置坐标;
瑕疵标注模块,用于把形状约束过滤模块处理后的瑕疵位置坐标在原图像上标注,并传回给用户界面;
亮度判断模块,用于通过判断图像整体灰度值是否和设定值一致还是在一个误差范围内,确定图像对应工件有没有材质问题;
所述各模块通过数据传输线路相互连接实现数据交换。
本发明的有益效果是:本发明提供的一种用于图像瑕疵检测的检测方法及检测系统可实现同时处理多个图像瑕疵检测任务并且互不干扰,极大的提高了工作效率;节省了传统人工目视检测的工作量,降低成本;通过计算机实现图像的瑕疵检测,增强了检测精度和速度的可靠性。
附图说明
图1为本发明检测系统结构图。
图2为本发明检测方法流程图。
具体实施方式
参照图1和图2,一种用于图像瑕疵检测的检测方法,包括以下步骤;
(1)设置一检测系统,检测系统包括方法处理模块和工作模块;
(2)所述方法处理模块和工作模块都包括图像分区模块;
(3)所述方法处理模块包括多线程处理模块和图像分区模块;
(4)所述工作模块包括高斯平滑处理模块、边框寻找模块、图像分区模块、瑕疵检出模块、形状约束过滤模块、瑕疵标注模块和亮度判断模块;
(5)所述工作模块在检测系统工作过程中按照高斯平滑处理模块、亮度判断模块、边框寻找模块、图像分区模块、瑕疵检出模块、形状约束过滤模块和瑕疵标注模块的顺序运行。
所述多线程处理模块提供的多线程处理方法可同时处理多个图像检测任务,并且不同检测线程之间互不干扰。
所述图像分区模块在检测系统工作过程中不仅作为方法处理模块提供检测方法,同时作为工作模块参与检测系统工作流程。
所述图像分区模块可将图像合理分区,每个区域加载不同的检测参数以适配瑕疵检出模块。
一种实现上述用于图像瑕疵检测方法的检测系统,包括:
多线程处理模块,用于同时处理多个检测任务;
边框寻找模块,用于有效排除图像中需检测内容以外的其余内容;
图像分区模块,用于将图像合理的分区进行后续处理;
高斯平滑处理模块,用于把图像进行高斯平滑处理后,去除不同图像间差异后进行后续统一处理;
瑕疵检出模块,用于找出并标注图像中颜色变化差异较大的区域,并标注图像中变化最大区域中心点的坐标;
形状约束过滤模块,用于判断瑕疵检出模块得出的一系列亮度变化较大的区域及候选瑕疵区域,排除其中可以忽略的区域及纹理本身的明亮变化区域,最终得出过滤后的瑕疵位置坐标;
瑕疵标注模块,用于把形状约束过滤模块处理后的瑕疵位置坐标在原图像上标注,并传回给用户界面;
亮度判断模块,用于通过判断图像整体灰度值是否和设定值一致还是在一个误差范围内,确定图像对应工件有没有材质问题;
所述各模块通过数据传输线路相互连接实现数据交换。
本发明提供的图像瑕疵检测方法及系统检测工件图像上的瑕疵时系统中各模块工作流程具体为:边框寻找模块先有效排除工件的边框、工件的附件和工件所在托盘等无需检测的内容,确定需要检测的内容;下一步亮度判断模块判断图像整体灰度值是否和设定的值一致或在一个误差范围内,如一致的话,工件材质正常,进行下一步操作,如果超出误差范围,确定图像对应的工件材质存在的问题,如存在多材或少材等情况;下一步由于工件图像因光照原因,图像的亮度不是均匀分布的,而是存在渐变,同时由于采用了两个线性光的照明方式,使图像有三段明显的明亮交接段,图像分区模块把图像合理的分成几个区域,每个区域加载不同的检测参数以适配瑕疵检出模块;下一步由于不同工件在不同时刻被CCD相机采集的图像有细微的差别,如整体灰度变化、局部灰度变化和局部纹理变化等,高斯平滑处理模块把图像进行高斯平滑处理后,去除不同图像间差异,使LBP算法模块可以统一进行处理;下一步瑕疵检出模块的找出图像中颜色变化差异较大的区域,如点状、线状和片状等区域,并标注图像中变化最大区域中心点的坐标;下一步在瑕疵检出模块计算后,会得出一系列亮度变化较大的区域坐标,及候选瑕疵区域,形状约束过滤模块在这些区域中逐个判断,排除设定的可以忽略的区域,如过小和过淡等区域,排除纹理 本身的明亮变化区域,最终得出过滤后的瑕疵位置坐标;最后一步瑕疵标注模块把形状约束过滤模块处理后的瑕疵位置坐标在原图像上标注,并传回给用户界面。至此完成整个图像瑕疵检测的过程。
Claims (5)
1.一种用于图像瑕疵检测的检测方法,其特征在于,包括以下步骤;
(1)设置一检测系统,检测系统包括方法处理模块和工作模块;
(2)所述方法处理模块和工作模块都包括图像分区模块;
(3)所述方法处理模块包括多线程处理模块和图像分区模块;
(4)所述工作模块包括高斯平滑处理模块、边框寻找模块、图像分区模块、瑕疵检出模块、形状约束过滤模块、瑕疵标注模块和亮度判断模块;
(5)所述工作模块在检测系统工作过程中按照高斯平滑处理模块、亮度判断模块、边框寻找模块、图像分区模块、瑕疵检出模块、形状约束过滤模块和瑕疵标注模块的顺序运行。
2.如权利要求1所述的图像瑕疵检测方法,其特征在于:所述多线程处理模块提供的多线程处理方法可同时处理多个图像检测任务,并且不同检测线程之间互不干扰。
3.如权利要求1所述的图像瑕疵检测方法,其特征在于:所述图像分区模块在检测系统工作过程中不仅作为方法处理模块提供检测方法,同时作为工作模块参与检测系统工作流程。
4.如权利要求3所述的图像瑕疵检测方法,其特征在于:所述图像分区模块可将图像合理分区,每个区域交给多线程处理模块的不同线程进行处理。
5.一种图像瑕疵检测系统,其特征在于,包括以下模块:
多线程处理模块同时处理多个检测任务;
边框寻找模块排除图像中需检测内容以外的其余内容;
图像分区模块将图像合理的分区;
高斯平滑处理模块把图像进行高斯平滑处理;
瑕疵检出模块找出并标注图像中颜色变化差异较大的区域,并标注图像中变化最大区域中心点的坐标;
形状约束过滤模块判断瑕疵检出模块输出的一系列亮度变化较大的区域及候选瑕疵区域,排除其中可以忽略的区域及纹理本身的明亮变化区域,得出过滤后的瑕疵位置坐标;
瑕疵标注模块把形状约束过滤模块处理后的瑕疵位置坐标在原图像上标注,并传回给用户界面;
亮度判断模块判断图像整体灰度值是否和设定值一致还是在一个误差范围内,确定图像对应工件有没有材质问题;
所述各模块通过数据传输线路相互连接实现数据交换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012103138156A CN102854193A (zh) | 2012-08-30 | 2012-08-30 | 一种用于图像瑕疵检测的检测方法和检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012103138156A CN102854193A (zh) | 2012-08-30 | 2012-08-30 | 一种用于图像瑕疵检测的检测方法和检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102854193A true CN102854193A (zh) | 2013-01-02 |
Family
ID=47400969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012103138156A Pending CN102854193A (zh) | 2012-08-30 | 2012-08-30 | 一种用于图像瑕疵检测的检测方法和检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102854193A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104837006A (zh) * | 2014-02-11 | 2015-08-12 | 京元电子股份有限公司 | 半导体元件测试系统及其影像处理加速方法 |
CN110487808A (zh) * | 2019-08-22 | 2019-11-22 | 广东智源机器人科技有限公司 | 一种用于自动化炒锅锅胆的卫生状态检测方法及系统 |
CN111640110A (zh) * | 2020-06-08 | 2020-09-08 | 广州致景信息科技有限公司 | 一种基于图像匹配技术的智能图像瑕疵检测系统 |
CN113052796A (zh) * | 2021-03-02 | 2021-06-29 | 成都小淞科技有限公司 | 通过图像算法检出喷涂瑕疵的方法 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06174658A (ja) * | 1992-12-02 | 1994-06-24 | Matsushita Electric Ind Co Ltd | 画像フィルタリング方法 |
JPH08190633A (ja) * | 1995-01-06 | 1996-07-23 | Hitachi Metals Ltd | 欠陥判別方法 |
CN1335496A (zh) * | 2000-04-18 | 2002-02-13 | 香港大学 | 一种检查图象以检测缺陷的方法及装置 |
CN1760437A (zh) * | 2005-11-10 | 2006-04-19 | 东华大学 | 一种自动验布等级客观评定系统 |
CN1871506A (zh) * | 2003-10-21 | 2006-11-29 | 大发工业株式会社 | 表面缺陷检查方法及装置 |
CN101419176A (zh) * | 2007-10-26 | 2009-04-29 | 比亚迪股份有限公司 | 表面瑕疵检测方法及装置 |
JP2009229197A (ja) * | 2008-03-21 | 2009-10-08 | Seiko Epson Corp | 線状欠陥検出方法および線状欠陥検出装置 |
CN101600957A (zh) * | 2007-01-16 | 2009-12-09 | 奥林巴斯株式会社 | 缺陷检测装置及缺陷检测方法 |
CN101706959A (zh) * | 2009-10-21 | 2010-05-12 | 苏州有色金属研究院有限公司 | 基于二维信息熵金属板带表面缺陷提取方法 |
CN101852768A (zh) * | 2010-05-05 | 2010-10-06 | 电子科技大学 | 磁粉探伤环境下基于复合特征的工件伤痕识别方法 |
CN101995223A (zh) * | 2009-08-25 | 2011-03-30 | 比亚迪股份有限公司 | 一种芯片外观检测方法及系统 |
CN102042812A (zh) * | 2010-09-15 | 2011-05-04 | 苏州凌创电子系统有限公司 | 一种机器视觉检测方法 |
CN102084213A (zh) * | 2008-06-04 | 2011-06-01 | 株式会社神户制钢所 | 轮胎形状检查方法、轮胎形状检查装置 |
CN102169093A (zh) * | 2010-12-20 | 2011-08-31 | 湖南大学 | 基于图形处理器的多工位机器视觉成像检测方法及系统 |
CN102192911A (zh) * | 2010-03-17 | 2011-09-21 | 中国科学院自动化研究所 | 一种基于机器视觉的金属瓶盖质量检测系统和方法 |
CN102224412A (zh) * | 2008-11-21 | 2011-10-19 | 住友化学株式会社 | 成形片材的缺陷检查装置 |
CN102221559A (zh) * | 2011-03-05 | 2011-10-19 | 河海大学常州校区 | 基于机器视觉的织物疵点在线自动检测方法及其装置 |
CN102313740A (zh) * | 2010-07-05 | 2012-01-11 | 汉王科技股份有限公司 | 太阳能电池板裂痕检测方法 |
CN102455171A (zh) * | 2010-10-27 | 2012-05-16 | 中国科学院沈阳自动化研究所 | 一种激光拼焊焊缝背面几何形貌检测方法及其实现装置 |
CN102519972A (zh) * | 2011-12-10 | 2012-06-27 | 山东明佳包装检测科技有限公司 | 一种pet瓶瓶盖和液位的检测方法 |
-
2012
- 2012-08-30 CN CN2012103138156A patent/CN102854193A/zh active Pending
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06174658A (ja) * | 1992-12-02 | 1994-06-24 | Matsushita Electric Ind Co Ltd | 画像フィルタリング方法 |
JPH08190633A (ja) * | 1995-01-06 | 1996-07-23 | Hitachi Metals Ltd | 欠陥判別方法 |
CN1335496A (zh) * | 2000-04-18 | 2002-02-13 | 香港大学 | 一种检查图象以检测缺陷的方法及装置 |
CN1871506A (zh) * | 2003-10-21 | 2006-11-29 | 大发工业株式会社 | 表面缺陷检查方法及装置 |
CN1760437A (zh) * | 2005-11-10 | 2006-04-19 | 东华大学 | 一种自动验布等级客观评定系统 |
CN101600957A (zh) * | 2007-01-16 | 2009-12-09 | 奥林巴斯株式会社 | 缺陷检测装置及缺陷检测方法 |
CN101419176A (zh) * | 2007-10-26 | 2009-04-29 | 比亚迪股份有限公司 | 表面瑕疵检测方法及装置 |
JP2009229197A (ja) * | 2008-03-21 | 2009-10-08 | Seiko Epson Corp | 線状欠陥検出方法および線状欠陥検出装置 |
CN102084213A (zh) * | 2008-06-04 | 2011-06-01 | 株式会社神户制钢所 | 轮胎形状检查方法、轮胎形状检查装置 |
CN102224412A (zh) * | 2008-11-21 | 2011-10-19 | 住友化学株式会社 | 成形片材的缺陷检查装置 |
CN101995223A (zh) * | 2009-08-25 | 2011-03-30 | 比亚迪股份有限公司 | 一种芯片外观检测方法及系统 |
CN101706959A (zh) * | 2009-10-21 | 2010-05-12 | 苏州有色金属研究院有限公司 | 基于二维信息熵金属板带表面缺陷提取方法 |
CN102192911A (zh) * | 2010-03-17 | 2011-09-21 | 中国科学院自动化研究所 | 一种基于机器视觉的金属瓶盖质量检测系统和方法 |
CN101852768A (zh) * | 2010-05-05 | 2010-10-06 | 电子科技大学 | 磁粉探伤环境下基于复合特征的工件伤痕识别方法 |
CN102313740A (zh) * | 2010-07-05 | 2012-01-11 | 汉王科技股份有限公司 | 太阳能电池板裂痕检测方法 |
CN102042812A (zh) * | 2010-09-15 | 2011-05-04 | 苏州凌创电子系统有限公司 | 一种机器视觉检测方法 |
CN102455171A (zh) * | 2010-10-27 | 2012-05-16 | 中国科学院沈阳自动化研究所 | 一种激光拼焊焊缝背面几何形貌检测方法及其实现装置 |
CN102169093A (zh) * | 2010-12-20 | 2011-08-31 | 湖南大学 | 基于图形处理器的多工位机器视觉成像检测方法及系统 |
CN102221559A (zh) * | 2011-03-05 | 2011-10-19 | 河海大学常州校区 | 基于机器视觉的织物疵点在线自动检测方法及其装置 |
CN102519972A (zh) * | 2011-12-10 | 2012-06-27 | 山东明佳包装检测科技有限公司 | 一种pet瓶瓶盖和液位的检测方法 |
Non-Patent Citations (3)
Title |
---|
戴天虹等: "基于形态学的木材缺陷检测", 《机电产品开发与创新》 * |
李晓舟等: "微小尺寸零件表面缺陷光学检测方法", 《兵工学报》 * |
陈作炳等: "基于ARM/DSP双核与μClinux的玻璃缺陷在线检测系统", 《工业控制计算机》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104837006A (zh) * | 2014-02-11 | 2015-08-12 | 京元电子股份有限公司 | 半导体元件测试系统及其影像处理加速方法 |
CN110487808A (zh) * | 2019-08-22 | 2019-11-22 | 广东智源机器人科技有限公司 | 一种用于自动化炒锅锅胆的卫生状态检测方法及系统 |
CN111640110A (zh) * | 2020-06-08 | 2020-09-08 | 广州致景信息科技有限公司 | 一种基于图像匹配技术的智能图像瑕疵检测系统 |
CN113052796A (zh) * | 2021-03-02 | 2021-06-29 | 成都小淞科技有限公司 | 通过图像算法检出喷涂瑕疵的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105894036B (zh) | 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法 | |
CN102253048B (zh) | 可用于多种产品检测的机器视觉检测方法及系统 | |
CN105453153B (zh) | 交通灯检测 | |
CN109685760B (zh) | 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法 | |
CN108765402B (zh) | 无纺布缺陷检测与分类方法 | |
CN111415343B (zh) | 一种基于人工智能的片式多层陶瓷电容六面外观检测方法 | |
CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
CN111047655A (zh) | 基于卷积神经网络的高清摄像机布料疵点检测方法 | |
CN106780464A (zh) | 一种基于改进阈值分割的织物疵点检测方法 | |
CN102854193A (zh) | 一种用于图像瑕疵检测的检测方法和检测系统 | |
CN104535589A (zh) | 一种低压电流互感器在线检测方法和装置 | |
Shire et al. | Plain ceramic tiles surface defect detection using image processing | |
CN102854195B (zh) | 彩色滤光片上缺陷坐标的检测方法 | |
CN103630544A (zh) | 一种视觉在线检测系统 | |
CN114372980A (zh) | 一种工业缺陷检测方法及系统 | |
CN115866502A (zh) | 一种麦克风零件表面缺陷在线检测流程 | |
Fan et al. | An automatic machine vision method for the flaw detection on car's body | |
CN103245666A (zh) | 一种蓄电池极板外观缺陷自动检测方法 | |
Kaushik et al. | Machine vision based automated inspection approach for clutch friction disc (CFD) | |
Kim et al. | Broken stitch detection system for industrial sewing machines using HSV color space and image processing techniques | |
CN117309892A (zh) | 一种电池蓝膜的缺陷检测方法、装置及系统和光源控制器 | |
CN109584212B (zh) | 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法 | |
CN114813748A (zh) | 一种基于机器视觉的钢表面缺陷检测方法及系统 | |
CN109272480B (zh) | 一种不相溶溶液分界线的检测方法 | |
CN115393290A (zh) | 边缘缺陷检测方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130102 |