CN103196917A - 基于ccd线阵相机的在线卷板材表面瑕疵检测系统及其检测方法 - Google Patents
基于ccd线阵相机的在线卷板材表面瑕疵检测系统及其检测方法 Download PDFInfo
- Publication number
- CN103196917A CN103196917A CN2013100786058A CN201310078605A CN103196917A CN 103196917 A CN103196917 A CN 103196917A CN 2013100786058 A CN2013100786058 A CN 2013100786058A CN 201310078605 A CN201310078605 A CN 201310078605A CN 103196917 A CN103196917 A CN 103196917A
- Authority
- CN
- China
- Prior art keywords
- row
- image
- value
- equal value
- mark
- 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.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种基于CCD线阵相机的在线卷板材表面瑕疵检测系统及其检测方法,所述检测系统由相机单元、光源、显示器、编码器、图像处理器和标签机组成,检测方法包括:对检测系统中相机单元采集的图像数据首先要进行Shading操作,对shading后的灰度图像瑕疵初步标记,利用等价表的概念将临近的瑕疵合并为同一瑕疵赋给同一标号,利用IntelCPU+windows的多核多线程编程。本发明最后该设计能实现实时,完整的反馈检测结果:瑕疵的个数,大小,坐标位置,形状,面积,像素均值等信息并按此来对瑕疵分类,可以对瑕疵截图并分类等功能这是或者部分是以往的产品所没有的。本发明主要是自我完善设计标记方法,将方法编写成软件应用在工业生产上。
Description
技术领域
本发明涉及工业图像处理,产品表面瑕疵检测,尤其涉及一种基于CCD线阵相机的在线卷板材表面瑕疵检测系统及其检测方法。
背景技术
卷板材的使用覆盖着我们日常生活的方方面面,比如:合成革、纸张、橡胶、薄膜、玻璃板、钢板、有色金属板、亚克力板、铝箔及应用在电子液晶屏上的光学膜等。目前在卷板材生产工业,为提高产品质量,减少材料的表面瑕疵, 增加瑕疵检测设备的在线检测手段成为高质量卷板材生产的主要任务。传统的检测是由人眼“目测”完成, 由于人类生理因素的限制, 不可能完全准确客观的检测出瑕疵。
而机器视觉是利用工业相机配合处理器来代替人眼做测量和判断的技术, 不仅能够替代人工监检, 而且具有能适应在线生产的高速、连续工作、高测量精度等优点。卷板材的生产速度一般在几十米到几千米每分钟,并且需检测瑕疵大小大多在零点几毫米,有的高端光学膜的生产需要检测的精度在几微米的程度。因此只有借助高速相机才可以完成在线检测。目前国内此项检测技术几乎为和空白,而在欧美日等发达国家,该类设备都已经非常成熟。例如:德国的ISRA(伊斯拉)、日本的FUTEC(飞达科)等公司的检测设备。他们的处理大多以FPGA进行并行处理的系统方案为主。
假定一副图像背景色用0表示,而瑕疵部分用1表示,那么标记瑕疵就是将图像中所有为1的连通成分的像素点标记为对应标号,标号和连通域一一对应。所谓连通域是指一个像素集合,如果集合内每一个像素和其它像素连通则该集合为一个连通域。又有四连通域和八连通域之分。四连通域是一个像素点和它上下左右4点的连通。八连通是和它上、下、左、右、左上,左下、右上、右下8点的连通。
标记示意图如附图1,其中a图为原始图像背景色用空白表示,物体用1表示,b图为标记结果。
最早的Rosenfeld和Pfaltz提出来的4邻域和8邻域采用数组结构标记法类似于二分法查找,将图像数组依次二分查找后再合并。
Haralick提出了一种新的方法先将黑色全部标记为-1,白色标记为0,从上往下扫面图像更改标记,再从下往上扫描更改标记,反复进行直到标记不改变为止。
以上两种方法随图像的大小变化复杂度成倍数递增,而且只适合静态图像标记。
剩下经典的是递归方法和序贯方法,还有较新的基于游程编码的递归方法,但递归方法同样不适用于大图片和动态更新图片为应用于高速的在线检测采用序贯方法。
所谓序贯方法具体步骤如下:
背景色为0,物体像素值为1。
从左至右、从上到下逐行扫描图像:
1、如果像素点为1,则:
2、在等价表的每一等价集中找到最低的标记;
3、扫描图像,用等价集中的最低标记取代每一标记;
原始的序贯方法没有给出等价表的具体操作和等价集的完备化方案,具体实践中如果不对仅通过扫描图像得到的原始的等价表进行处理会使得标记结果出现同一个连通域出现不同标号的情况。本发明就这一问题作了完备化的设计并给出证明。
发明内容
本发明的目的在于提出一种基于CCD线阵相机的在线卷板材表面瑕疵检测系统及其检测方法。
本发明利用Intel CPU+windows的多核多线程编程实现在线瑕疵标记,给出被检测卷板材有多少瑕疵,瑕疵的大小、位置、形状并将瑕疵区域截图的功能。
本发明提出的一种基于CCD线阵相机的在线卷板材表面瑕疵检测系统,由相机单元1、光源2、显示器3、编码器4、图像处理器5和标签机6组成。所述检测系统放置于工作台上,工作台上设有支架和平台,其中:被测线卷板材位于平台上由电机带着卷动,被测线卷板材的上部和下部设有光源2,位于上部的光源2上方设有相机单元1,相机单元1 固定于支架上,所述编码器4和标签机6也分别位于支架上,相机单元1的输出端连接图像处理器5的输入端,图像处理器5的输出端分别连接标签机6和显示器3,标签机6的输出端连接被测卷板材,编码器4采输出端连接相机单元1的输入端;图像处理器5包括图像抓取板卡和Intel 多核CPU的计算机,编码器4采集卷板材速率,将位移转换成周期性的电信号,再把这个电信号转变成计数脉冲,用脉冲的个数表示位移的大小。通过脉冲信号控制相机单元1的曝光速率,相机单元1采集实时图像并传输到图像处理器5的图像抓取板卡上,图像抓取板卡存储的图像可以被编码器的Intel CPU直接读取,采用C++多线程编程方法对实时的图像进行标记处理,并在显示器3上显示标记结果,同时反馈给标签机6执行标签命令。
本发明中,所述光源2为照明设备,相机镜头及CCD传感器组成,采用智能图像传感器的专用照明:标准LED频闪光源,使图像的亮度比较均匀,有利于图像的采集和后期处理。
本发明中,所述相机单元1采集实时图像并传输到接收数据的图像处理器的图像抓取板卡上,机器视觉系统中,图像传感器的选择涉及到图像分辨率、成像质量、图像采集传输速度以及可靠性等能否满足使用需求。选择图像传感器的依据是用户实际需要:检测最小缺陷尺寸、机组速度、现场安装条件等。考虑到在线卷板材的高速运动,本系统采用线阵CCD相机扫描图像。
本发明中,编码器4在卷板材生产时速度有快有慢,为使相机拍摄速度和卷板材生产一致需要用编码器采集卷板材生产速率,然后根据生产速度由编码器发射不同脉冲信号来控制相机曝光频率使拍摄的图像不被拉长或缩短。
本发明中,所述图像处理器5为具有多核Intel CPU的台式计算机和连接在计算机上的收取图像数据的板卡,板卡存储的图像可以被台式机直接读取,在微处理器上实现图像处理软件(visual C++)的编程,将相关方法利用C++多核多线程编程技术对实时的图像进行标记处理并记录瑕疵的大小位置形状等相关信息,对瑕疵截图,并在显示器上显示记录的信息。
本发明中,显示器3显示被标记卷板材瑕疵的大小位置截图等信息。
本发明中,标签机6即为输出控制,为卷板材在瑕疵处做上标记。以便于处理不合格产品。
在图像处理器5上设计的图像检测软件主要是为用户提供简洁友好的操作界面,并完成智能图像传感器与计算机之间的图像通信,以及图像预处理、特征提取等工作。总之,这套系统主要任务是在整个检测过程中完成图像采集、光电信号转换、图像处理、特征提取、等工作,使各个系统组成部分能够协调工作,按照要求对卷板材的瑕疵进行检测,以克服人工检测的许多弊端。
本发明提出的一种基于CCD线阵相机的在线卷板材表面瑕疵检测系统及其检测方法,具体步骤如下:
步骤1:对检测系统中相机单元采集的图像数据首先要进行Shading操作
由于相机镜头及CCD传感器各部分感光能力不均的原因,线阵相机的光波辉度呈现中间高两边低的现象。利用本系统提案的Shading方法将相机光波实时地处理成同一辉度范围内波动。本试验的相机拍摄的像素值为0到255的灰度图像。
Shading方法的步骤:
(一)取模版
系统在检测之前收取图像数据10000行,每一百行取一行,取出的100行平均,计算出模板中各点像素值和128之间的差,记为第一模板差值。模板差值是一维数组。图像数据采集板卡每次收取图像2000行,程序每次读取500行,即每次取5个模版。共取20次。
(二)更新模版差值
在收取10000行之后,每格100行仍需抽取一行,计算出模板中各点像素值和128之间的差,得到第二模板差值,用这一行得出的第二模板差值和第一模板差值进行加权操作,第二模板差值*0.01%+第一模板差值*(1-0.01%)= 第三模板差值。使第三模版差值不受光亮度变化的影响。
(三)修正图像
得到的新图像的每一行的像素值和第三模板差值做差,用此次的结果取代步骤(二)得到的图像,就使各点都达到128左右。
实际抽取的一行图像的像素值和shading后的像素值进行比较,结果使得原来该行弯曲的像素值,变得平齐,且都集中在128左右,便于后续处理。
步骤2:对shading后的灰度图像瑕疵初步标记
由于被测线卷板材相对于相机单元的相对运动,将相机单元拍摄到的每行像素值拼接即可得到被测线卷板材的图像,和在线扫描一致,采用序贯方法逐行扫描图像,采用八连通域的标记。具体如下:
背景色为0,物体像素值为1。
(1)、从左至右、从上到下逐行扫描图像;
如果像素点为1,则:
如果左上点,上点,右上点和左点,只有一个标记,则复制这一标记;
(2)、在等价表的每一等价集中找到最低的标记;
(3)、扫描图像,用等价集中的最低标记取代每一标记;
首先介绍等价表的构建方式:
所谓等价表是首列为依次增大的自然数代表不同的标号,其它列元素为首列值的等价值的二维表格,最后一列可以记录为该行等价集的最小值,如表3所示。
当遇到典型的图像某一部分其图像的像素分布如下表时,
表1.原始像素
1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | ||||||||
1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
按照序贯方法初次扫描后赋值表如表2,得到的等价表如表3,由表3最小值代替首列值的修正后标号如表4。
表2.初次扫描后赋值
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | ||||||||
1 | 1 | 2 | 2 | 3 | 3 | 4 | 4 | 5 | 5 | 6 | 6 | 7 | 7 | 8 | 8 | 9 |
表3.由初次扫描的赋值得到的原始等价表
表4.由原始的等价表用每行最小值修正后的标记
1 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | ||||||||
1 | 1 | 1 | 1 | 2 | 2 | 3 | 3 | 4 | 4 | 5 | 5 | 6 | 6 | 7 | 7 | 8 |
明显所有的像素都是同一连通域,但是按照序贯方法的原始等价表并不能得出1和9是等价的,因为等价表没有进行间接等价的归并操作。
由以上整个等价表相当于多个无向图杂糅在一起。
按背景中所述序贯方法初次记录的等价表是不完备的,方法将扫描的同一瑕疵不同标记记录到等价表同一行,等价表每一行相当于一个单向树链。某些行与行之间还有等价相继的关系。整个等价表就是由多个图构成的一个集合,需要将从表中抽取出相关联的单个的多叉树并记录最小标记值以及图像瑕疵的坐标信息等。
首先方法中需要做到以下几点:
a.具体编程中采用0,1数组的形式:m的等价值为n则将等价表第m行第n列置为1,否则置为0;
b.等价表必须是双向的即第n行第m列也必须置为1;
c.为避免重复抽取带来无止境循环需要利用两个标志FlagOne和FlagTwo来判断对应附带数组是否为空,有一个为空则停止操作一次抽取结束;
d.在抽取等价表的同时需要记录坐标信息并合并坐标;
(4)等价表的获得,具体步骤如下:
首先设置三个数组用来存储从原始等价表中抽取的数,分别是抽取矩阵、附带数组一、附带数组二。抽取矩阵采用和原始等价表相同的设计。
初始时抽取矩阵除首列外其它列位空,附带数组一、附带数组二为空。
假定原始等价表如表5所示,这里省略了最后一列的最小值。
表5 原始等价表
(4.1)首次从头逐行扫描原始等价表,复制第一个扫描到的不为空的那一行到抽取矩阵,并清空原始等价表该行,如表6所示,即抽取第一行。
表6 第一次抽取后的抽取矩阵和原始等价表
(4.2)扫描步骤(4.1)中抽取矩阵抽取的行首列后各列的等价值,有记录就拷贝到附带数组一,如表7所示:
表7 拷贝得到的附带数组一
(4.3)扫描附带数组一记录的值所对应的原始等价表的那一行,即为原始等价表c,d,j行,有记录就抽取到抽取矩阵对应行,清空附带数组一和原始等价表该行,如表8所示:
表8 由附带数组一第二次抽取的各表
(4.4)扫描步骤(4.3)中抽取矩阵中所抽取的各行首列后各列的值,有记录就拷贝到附带数组二,即扫描抽取矩阵c,d,j行的值,只有a和f如表9所示(采用0,1数组的形式可以在这一步去除重复记录,步骤(6)同样):
表9 由上次抽取得到的附带数组二
(4.5)扫描附带数组二记录的值所对应的原始等价表的那一行,有记录就再次抽取到抽取矩阵,只有f行有数据,就抽取该行,清空附带数组二和原始等价表该行,结果如表10所示:
表10由附带数组二再次抽取的各表
(4.6)扫描步骤(4.5)中抽取矩阵中所抽取的各行首列后各列的值,有记录就拷贝到附带数组一,即扫描第f行,有c和l记录下,如表11所示:
表11 拷贝得到的附带数组一
(4.7)回到步骤(4.3),并循环执行,直到附带数组无记录时一棵树抽取结束。此时应抽取原始等价表c和l行,只有l行有记录,抽取出来,如表12所示:
表12由附带数组一再次抽取的各表
再回到步骤(4.4),得到的附带数组二,如表13所示:
表13由上次抽取拷贝得到的附带数组二
再根据附带数组二的值从原始等价表中抽取f和i行,只有i行有数据,抽取出来,如表14所示:
表14 由附带数组二再次抽取的各表
最终得到的抽取矩阵就是一个完备的等价集,如上图所示,求取其最小值即为该抽取矩阵所有元素的标号。
剩下的原始等价表需要进行下一轮的抽取。
(5)对等价表完备性的证明
A、如果等价表不是双向的则会导致抽取的不完全,如下表:
M | n |
N |
(5.1)、假定(m,n)等价,若只记录第m行第n个数为1;
(5.2)、先抽取到第m行后接下去会抽取第n行;
(5.3)、先抽取到第n行则不会再抽取m行该行可能会丢失;
B、值表是双向时的证明:
(6.1)、只需证明每个等价值都被串接;
(6.2)、证明:不失一般性,任意等价数m,n;
(6.3)、直接等价时若(m,n)等价,由以上m等价的值与n等价的值都会被抽取到同一抽取矩阵中;
(6.4)、间接等价时(m,p),(p,n)分别等价等价则等价表如下,无论先抽取到谁,该三行m,n,p都会被抽到同一抽取矩阵下:
m | p | |
p | m | n |
n | p |
(6.5)、同理多次间接等价时也会被抽到同一矩阵下;
(6.6)、故该方案是完备的;
步骤3:利用等价表的概念将临近的瑕疵合并为同一瑕疵赋给同一标号
扫描标记后的像有标记的即为瑕疵,标号不同的即为不同的瑕疵,具体做法如下:
(1)、计算所有瑕疵外接矩形顶点坐标的相对距离;
(2)、四个顶点只有两个横坐标两个纵坐标;
(3)、两个瑕疵取横坐标和纵坐标差各四次;
(4)、取横坐标纵坐标差最小值利用距离公式求距离;
(5)、设定阀值,将小于阀值距离的两个标号记录到等价表中,并记录相关坐标信息等;
(6)、按照等价表的操作方法再次处理使临近区域也被赋上同一标号;
步骤4:利用Intel CPU+windows的多核多线程编程
(1)利用多核多线程编程充分利用cpu资源,防止丢帧,要求:
(1.1)各个线程间的传递要求是必须对同一帧图像的处理;
(1.2)返回的数据必须相互对应:瑕疵的坐标位置大小种类等信息和显示的图像必须一致;
(1.3)线程中需要尽量减少至消除丢帧的情况;
(2) 线程设计如下:
(2.1)线程1:读取图像数据(板卡每次读取2000行,程序每次读取行数自定义,初设为500行,若板卡剩余的行数不够500行则需从下一次中补足);
(2.2)线程2:对图像数据处理(shading方法将图像像素拉到128附近的灰度图便于处理,逐行扫描图像数据记录初步的等价表等相关信息);
(2.3)线程3:等价表处理(从初步等价表中抽取多叉树,并合并坐标相近的瑕疵作为同一瑕疵记录瑕疵坐标等相关信息);
(2.4)线程4:显示标记图像数据。
本发明的优点在于:
1、利用shading方法对线阵相机采集的图像数据初步处理在工业实践的应用;
2、图像瑕疵标记方法适用于在线逐行扫描并更新的动态图像的实时标记,需要对原有的方法进行重新设计,设计了等价表的完备化方案,并给出证明,使其能快速在线标记;
3、利用等价表的概念将临近的瑕疵合并为同一瑕疵赋给同一标号;
4、利用Intel CPU+windows的多核多线程编程 ;
最后该设计能实现实时,完整的反馈检测结果:瑕疵的个数,大小,坐标位置,形状,面积,像素均值等信息并按此来对瑕疵分类,可以对瑕疵截图并分类等功能这是或者部分是以往的产品所没有的。
本发明主要是自我完善设计标记方法,将方法编写成软件应用在工业生产上。
附图说明
图1为标记示意图,其中a图为原始图像背景色用空白表示,物体用1表示,b图为标记结果。
图2为检测系统的原理图。
图3为实际抽取的一行图像的像素值和shading后的像素值以及它们的差值。可以看到shading后的图像变得平整,像素都集中在128附近。
图4为完备等价表的方法流程图。是按照步骤2中所述的标记方法利用抽取矩阵和两个附带数组进行图像标记所绘制的流程图。
图5为搭建的一个检测系统的试验平台,
图6为实例中所采集的一副原始纸张卷板材的图像,包含两个人为标上去的瑕疵。
图7为对附图五的标记结果,(a)、(b)分别为对瑕疵部位进行的截图。
图中标号: 1-相机单元,2-光源,3-显示器,4-编码器,5-图像处理器,6-标签机。
具体实施方式
下面通过实施例进一步说明本发明。
实施例1:
如图2和图5所示,检测系统由相机单元1、光源2、显示器3、编码器4、图像处理器5和标签机6组成。包含六个部件和被测卷板材,图中连接线和箭头即表示连接方式和数据传输方向。其中光源2照射卷板材,相机单元1拍摄卷板材图片,编码器4测量卷板材速度并控制相机单元1曝光速率,相机单元1的图像数据传输给图像处理器5,最后标签机6给卷板材打标签。其中相机单元1是NED Sufi74 CCD线扫描相机,横向分辨率7400,宽度只有一行,行频12500。光源2为LED照明灯。显示器3显示标记瑕疵的大小位置截图等信息。编码器4通过测卷板材生产速度反馈控制相机曝光速率。图像处理器5为多核Intel CPU的台式计算机,CPU型号是Inter(R)Core(TM)i7 -2600,主频3.4GHZ。标签机6为卷板材在瑕疵处做上标记。
在这个系统中各个组成部分运行的流程和图2一致,具体如下:
1、调整好光源2的亮度和角度,打开所有电源,卷板材开始滚动;
2、相机单元1开始采集图像数据传输到插在微处理器PCI插槽的数据接收板卡上;
3、图像处理器5可以直接读取板卡上图像数据;
4、在图像处理器5即计算机上运行利用C++编写的多线程程序。即为步骤4的多核多线程编程,它包含所述的4个线程。这4个线程包含了另外的3个步骤。具体如下所述:
(4.1)按时间顺序,首先第一个线程读取板卡图像数据;
软件设计中图像数据采集板卡每次收取图像的行数可以自己设定,这里设定为板卡每次收取图像2000行。软件设计中程序每次读取的行数也可以自己设定,设定程序每次读取500行。即每帧图像为500行。
(4.2)第二个线程对上一线程该帧图像每行进行步骤1的shading方法操作,得到处理后的灰度图像。步骤和前面所述一致摘抄如下:
(一)取模版
设备在检测之前收取图像数据10000行,每一百行取一行,取出的100行平均,计算出模板中各点像素值和128之间的差,记为第一模板差值。模板差值是一维数组。本次试验,图像数据采集板卡每次收取图像2000行,程序每次读取500行,即每次取5个模版。共取20次。
(二)更新模版差值
在收取10000行之后,每格100行仍需抽取一行,计算出模板中各点像素值和128之间的差,记为第二模板差值,用这一行得出的第二模板差值和第一模板差值进行加权操作,本试验中采用方式是:第二模板差值*0.01%+第一模板差值*(1-0.01%)= 第三模板差值。这样可以使模版差值不受光亮度变化的影响。
(三)修正图像
得到的新图像的每一行的像素值和第三模板差值做差,用此次的结果取代原图像,就使各点都达到128左右。
实际抽取的一行图像的像素值和shading后的像素值进行比较,结果使得原来该行弯曲的像素值,变得平齐,且都集中在128左右,便于后续处理。
实际抽取的一行图像如附图3所示。
(4.3)第三线程对得到的shading后该帧图像数据进行两步操作:第一步利用改进的序贯方法进行标记即为步骤2的操作,第二步合并临近瑕疵即为步骤3的操作。由于灰度图像值为0-255,所以这里需要设定阀值,不在阀值范围内的即为瑕疵,本试验由于设备不够精细,另外被测的卷板材瑕疵较多,全部显示会占用较大空间,所以只设定像素值为0的点为瑕疵,即全黑的点为瑕疵。
具体如下:
(一)按照之前所述的8连通序贯算法扫描图像中像素值为0的点,这里的图像每帧为500行。将得到的等价表记录在原始等价表中,还要记录每一标号对应的坐标。
(二)按照之前所述,需要从原始等价表中抽取等价集,按步骤2设定抽取矩阵,附带数组一和附带数组二,并按之前的方法进行抽取,得到每一等价集的最小标号,将最小标号取代该等价集所有标号,并记录每一等价集的标号所对应图像的外接矩形的坐标,即对每一等价集对应原始等价表标号所对应的坐标进行比较排序求横纵坐标的最大最小值。还要记录外接矩形内图像瑕疵的面积,非瑕疵的面积,最大和最小像素值等。
(三)有了每一瑕疵外接矩形的坐标,之后就可以利用该坐标进行瑕疵的合并,按之前步骤3,需要对一帧图像中所有的瑕疵,两两求顶点间最小距离,这里设定阀值为50个像素,顶点间最小距离小于该阀值就将两个标号记录到归并瑕疵的新等价表,然后对该等价表也进行步骤2的抽取操作,得到新的等价集,并用每一等价集的最小标号取代其它标号。并记录每一新等价集的标号所对应图像的外接矩形的坐标,即对每一等新价集对应新等价表标号所对应的坐标进行比较排序求横纵坐标的最大最小值。还要记录外接矩形内图像瑕疵的面积,非瑕疵的面积,最大和最小像素值等。
(4.4)最后第四线程在显示器3上显示瑕疵截图和信息并保存在计算机上。这里也需要设定显示最小瑕疵的大小,本试验显示了大于100*100 的瑕疵,全部显示仍然会出现瑕疵较多,甚至单个像素点的情况。最后对四个线程利用事件触发的方式联系到一起,使得四个线程中数据一致,即四个线程中所传递的数据应当是对同一帧图像。线程应当是依次触发,第一个线程结束则触发第二个线程接受第一个线程的数据,第一个线程未结束第二个线程需要等待第一个线程运行结束。下面的进程依次类推。
5、根据需求将图像处理器5的控制命令发给标签机6;
6、标签机6执行控制命令;
检测系统的试验平台做了对纸张检测的试验,按照图5的平台搭建好,将在线扫描纸张的图像截取一个2000行的图像,如附图6所示,有两个大的瑕疵,对其截图如附图7所示,结果即为瑕疵的外接矩形。
Claims (3)
1.一种基于CCD线阵相机的在线卷板材表面瑕疵检测系统,由相机单元(1)、光源(2)、显示器(3)、编码器(4)、图像处理器(5)和标签机(6)组成,其特征在于所述检测系统放置于工作台上,工作台上设有支架和平台,其中:被测线卷板材位于平台上由电机带着卷动,被测线卷板材的上部和下部设有光源(2),位于上部的光源(2)上方设有相机单元(1),相机单元(1) 固定于支架上,所述编码器(4)和标签机(6)也分别位于支架上,相机单元(1)的输出端连接图像处理器(5)的输入端,图像处理器(5)的输出端分别连接标签机(6)和显示器(3),标签机(6)的输出端连接被测卷板材,编码器(4)采输出端连接相机单元(1)的输入端;图像处理器(5)包括图像抓取板卡和Intel 多核CPU的计算机,编码器(4)采集卷板材速率,将位移转换成周期性的电信号,再把这个电信号转变成计数脉冲,用脉冲的个数表示位移的大小;通过脉冲信号控制相机单元(1)的曝光速率,相机单元(1)采集实时图像并传输到图像处理器(5)的图像抓取板卡上,图像抓取板卡存储的图像可以被编码器的Intel CPU直接读取,采用C++多线程编程方法对实时的图像进行标记处理,并在显示器(3)上显示标记结果,同时反馈给标签机(6)执行标签命令。
2.根据权利要求1所述的检测系统,其特征在于所述光源(2)为照明设备,由相机镜头及CCD传感器组成,采用智能图像传感器的专用照明:标准LED频闪光源。
3.一种如权利要求1所述的基于CCD线阵相机的在线卷板材表面瑕疵检测系统采用的检测方法,其特征在于具体步骤如下:
步骤1:对检测系统中相机单元采集的图像数据首先要进行Shading操作
由于相机镜头及CCD传感器各部分感光能力不均的原因,线阵相机的光波辉度呈现中间高两边低的现象;利用本系统提案的Shading方法将相机光波实时地处理成同一辉度范围内波动;本试验的相机拍摄的像素值为0到255的灰度图像;
Shading方法的步骤:
(一)取模版
系统在检测之前收取图像数据10000行,每一百行取一行,取出的100行平均,计算出模板中各点像素值和128之间的差,记为第一模板差值;模板差值是一维数组;图像数据采集板卡每次收取图像2000行,程序每次读取500行,即每次取5个模版;共取20次;
(二)更新模版差值
在收取10000行之后,每格100行仍需抽取一行,计算出模板中各点像素值和128之间的差,得到第二模板差值,用这一行得出的第二模板差值和第一模板差值进行加权操作,第二模板差值*0.01%+第一模板差值*(1-0.01%)= 第三模板差值;使第三模版差值不受光亮度变化的影响;
(三)修正图像
得到的新图像的每一行的像素值和第三模板差值做差,用此次的结果取代步骤(二)得到的图像,就使各点都达到128左右;
实际抽取的一行图像的像素值和shading后的像素值进行比较,结果使得原来该行弯曲的像素值,变得平齐,且都集中在128左右,便于后续处理;
步骤2:对shading后的灰度图像瑕疵初步标记
由于被测线卷板材相对于相机单元的相对运动,将相机单元拍摄到的每行像素值拼接即可得到被测线卷板材的图像,和在线扫描一致,采用序贯方法逐行扫描图像,采用八连通域的标记;具体如下:
背景色为0,物体像素值为1;
(1)、从左至右、从上到下逐行扫描图像;
如果像素点为1,则:
(2)、在等价表的每一等价集中找到最低的标记;
(3)、扫描图像,用等价集中的最低标记取代每一标记;
(4)等价表的获得,具体步骤如下:
首先设置三个数组用来存储从原始等价表中抽取的数,分别是抽取矩阵、附带数组一、附带数组二;抽取矩阵采用和原始等价表相同的设计;
初始时抽取矩阵除首列外其它列位空,附带数组一、附带数组二为空;
假定原始等价表如表5所示,这里省略了最后一列的最小值;
表5 原始等价表
(4.1)首次从头逐行扫描原始等价表,复制第一个扫描到的不为空的那一行到抽取矩阵,并清空原始等价表该行,如表6所示,即抽取第一行;
表6 第一次抽取后的抽取矩阵和原始等价表
(4.2)扫描步骤(4.1)中抽取矩阵抽取的行首列后各列的等价值,有记录就拷贝到附带数组一,如表7所示:
表7 拷贝得到的附带数组一
(4.3)扫描附带数组一记录的值所对应的原始等价表的那一行,即为原始等价表c,d,j行,有记录就抽取到抽取矩阵对应行,清空附带数组一和原始等价表该行,如表8所示:
表8 由附带数组一第二次抽取的各表
(4.4)扫描步骤(4.3)中抽取矩阵中所抽取的各行首列后各列的值,有记录就拷贝到附带数组二,即扫描抽取矩阵c,d,j行的值,只有a和f如表9所示(采用0,1数组的形式可以在这一步去除重复记录,步骤(6)同样):
表9 由上次抽取得到的附带数组二
(4.5)扫描附带数组二记录的值所对应的原始等价表的那一行,有记录就再次抽取到抽取矩阵,只有f行有数据,就抽取该行,清空附带数组二和原始等价表该行,结果如表10所示:
表10由附带数组二再次抽取的各表
(4.6)扫描步骤(4.5)中抽取矩阵中所抽取的各行首列后各列的值,有记录就拷贝到附带数组一,即扫描第f行,有c和l记录下,如表11所示:
表11 拷贝得到的附带数组一
(4.7)回到步骤(4.3),并循环执行,直到附带数组无记录时一棵树抽取结束;此时应抽取原始等价表c和l行,只有l行有记录,抽取出来,如表12所示:
表12由附带数组一再次抽取的各表
再回到步骤(4.4),得到的附带数组二,如表13所示:
表13由上次抽取拷贝得到的附带数组二
再根据附带数组二的值从原始等价表中抽取f和i行,只有i行有数据,抽取出来,如表14所示:
表14 由附带数组二再次抽取的各表
最终得到的抽取矩阵就是一个完备的等价集,如上图所示,求取其最小值即为该抽取矩阵所有元素的标号;
剩下的原始等价表需要进行下一轮的抽取;
(5)对等价表完备性的证明
A、如果等价表不是双向的则会导致抽取的不完全,如下表:
(5.1)、假定(m,n)等价,若只记录第m行第n个数为1;
(5.2)、先抽取到第m行后接下去会抽取第n行;
(5.3)、先抽取到第n行则不会再抽取m行该行可能会丢失;
B、值表是双向时的证明:
(6.1)、只需证明每个等价值都被串接;
(6.2)、证明:不失一般性,任意等价数m,n;
(6.3)、直接等价时若(m,n)等价,由以上m等价的值与n等价的值都会被抽取到同一抽取矩阵中;
(6.4)、间接等价时(m,p),(p,n)分别等价等价则等价表如下,无论先抽取到谁,该三行m,n,p都会被抽到同一抽取矩阵下:
(6.5)、同理多次间接等价时也会被抽到同一矩阵下;
(6.6)、故该方案是完备的;
步骤3:利用等价表的概念将临近的瑕疵合并为同一瑕疵赋给同一标号
扫描标记后的像有标记的即为瑕疵,标号不同的即为不同的瑕疵,具体做法如下:
(1)、计算所有瑕疵外接矩形顶点坐标的相对距离;
(2)、四个顶点只有两个横坐标两个纵坐标;
(3)、两个瑕疵取横坐标和纵坐标差各四次;
(4)、取横坐标纵坐标差最小值利用距离公式求距离;
(5)、设定阀值,将小于阀值距离的两个标号记录到等价表中,并记录相关坐标信息等;
(6)、按照等价表的操作方法再次处理使临近区域也被赋上同一标号;
步骤4:利用Intel CPU+windows的多核多线程编程
(1)利用多核多线程编程充分利用cpu资源,防止丢帧,要求:
(1.1)各个线程间的传递要求是必须对同一帧图像的处理;
(1.2)返回的数据必须相互对应:瑕疵的坐标位置大小种类等信息和显示的图像必须一致;
(1.3)线程中需要尽量减少至消除丢帧的情况;
(2) 线程设计如下:
(2.1)线程1:读取图像数据,板卡每次读取2000行,程序每次读取行数自定义,初设为500行,若板卡剩余的行数不够500行则需从下一次中补足;
(2.2)线程2:对图像数据处理,shading方法将图像像素拉到128附近的灰度图便于处理,逐行扫描图像数据记录初步的等价表等相关信息;
(2.3)线程3:等价表处理;
(2.4)线程4:显示标记图像数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310078605.8A CN103196917B (zh) | 2013-03-13 | 2013-03-13 | 基于ccd线阵相机的在线卷板材表面瑕疵检测系统及其检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310078605.8A CN103196917B (zh) | 2013-03-13 | 2013-03-13 | 基于ccd线阵相机的在线卷板材表面瑕疵检测系统及其检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103196917A true CN103196917A (zh) | 2013-07-10 |
CN103196917B CN103196917B (zh) | 2015-08-19 |
Family
ID=48719609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310078605.8A Active CN103196917B (zh) | 2013-03-13 | 2013-03-13 | 基于ccd线阵相机的在线卷板材表面瑕疵检测系统及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103196917B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103913463A (zh) * | 2014-03-07 | 2014-07-09 | 陕西理工学院 | 一种用线阵ccd实现滚珠丝杠重构的方法 |
CN104048744A (zh) * | 2014-07-08 | 2014-09-17 | 安徽常春藤光电智能科技有限公司 | 一种非接触式的基于影像的实时在线振动测量方法 |
CN104254179A (zh) * | 2014-09-03 | 2014-12-31 | 宁波欣达印刷机器有限公司 | 一种led自动同步频闪装置及其控制方法 |
CN105628710A (zh) * | 2014-11-28 | 2016-06-01 | 浙江金徕镀膜有限公司 | 物料检测系统及其检测方法 |
CN106530291A (zh) * | 2016-10-28 | 2017-03-22 | 重庆工商职业学院 | 一种基于图像处理的抛光表面检测方法及其系统 |
CN106662429A (zh) * | 2014-07-23 | 2017-05-10 | 株式会社普利司通 | 重叠量测量装置和重叠量测量方法 |
CN106975675A (zh) * | 2017-03-16 | 2017-07-25 | 南通蓝岛海洋工程有限公司 | 一种卷板机的光感监测和控制系统及应用该系统的风电钢管桩筒体卷制工艺 |
CN107300559A (zh) * | 2017-08-25 | 2017-10-27 | 山东众鑫电子材料有限公司 | 一种聚酰亚胺薄膜疵点检测系统及方法 |
CN107402221A (zh) * | 2017-08-08 | 2017-11-28 | 广东工业大学 | 一种基于机器视觉的显示面板缺陷识别方法及系统 |
CN107525813A (zh) * | 2017-09-21 | 2017-12-29 | 常州有恒智能装备科技有限公司 | 钢板缺陷在线智能视觉检测系统 |
CN108225402A (zh) * | 2017-12-13 | 2018-06-29 | 全椒祥瑞塑胶有限公司 | 一种注塑产品智能二次检测方法 |
CN108961298A (zh) * | 2018-07-25 | 2018-12-07 | 安徽师范大学 | 一种基于线阵ccd图像流的快速连通域检测fpga实现方法 |
CN108982530A (zh) * | 2018-05-24 | 2018-12-11 | 京东方科技集团股份有限公司 | 一种背光卷料的检测系统 |
CN109584262A (zh) * | 2018-12-15 | 2019-04-05 | 中国科学院深圳先进技术研究院 | 基于遥感影像的云检测方法、装置及电子设备 |
CN110659661A (zh) * | 2018-06-29 | 2020-01-07 | 由田新技股份有限公司 | 瑕疵分类标记系统及瑕疵分类标记方法 |
CN111563869A (zh) * | 2019-01-25 | 2020-08-21 | 宁波舜宇光电信息有限公司 | 用于摄像模组质检的污点测试方法 |
CN112676376A (zh) * | 2020-12-30 | 2021-04-20 | 南通铭泰机床有限公司 | 一种提高数字控制的卷板机的控制精度的方法及系统 |
CN113486937A (zh) * | 2021-06-28 | 2021-10-08 | 华侨大学 | 一种基于卷积神经网络的固废识别数据集构建系统 |
CN113933248A (zh) * | 2021-10-12 | 2022-01-14 | 广东省科学院智能制造研究所 | 一种高光谱在线检测系统及方法 |
CN114486903A (zh) * | 2021-12-06 | 2022-05-13 | 浙江大学台州研究院 | 一种灰度自适应的卷材检测系统及装置、算法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236925A (zh) * | 2011-05-03 | 2011-11-09 | 西安印钞有限公司 | 大张检查机机检数据离线二次检测核查的系统及方法 |
CN202221415U (zh) * | 2011-09-03 | 2012-05-16 | 山东轻工业学院 | 宽幅面纸张表面缺陷在线检测系统 |
-
2013
- 2013-03-13 CN CN201310078605.8A patent/CN103196917B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236925A (zh) * | 2011-05-03 | 2011-11-09 | 西安印钞有限公司 | 大张检查机机检数据离线二次检测核查的系统及方法 |
CN202221415U (zh) * | 2011-09-03 | 2012-05-16 | 山东轻工业学院 | 宽幅面纸张表面缺陷在线检测系统 |
Non-Patent Citations (5)
Title |
---|
ROSENFELD R.等: "Sequential operations in digital picture processing", 《JOURNAL OF THE ASSOCIATION FOR COMPUTING MACHINERY》 * |
于蒙蒙 等: "浅析全自动印刷品在线检测系统", 《广东印刷》 * |
张磊 等: "全画面印刷品质量在线检测系统设计实践", 《印刷世界》 * |
王时俊: "基于图像处理的印刷缺陷在线检测系统的综述", 《印刷工程》 * |
胡亮 等: "基于线阵CCD 钢板表面缺陷在线检测系统的研究", 《计量学报》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103913463A (zh) * | 2014-03-07 | 2014-07-09 | 陕西理工学院 | 一种用线阵ccd实现滚珠丝杠重构的方法 |
CN104048744A (zh) * | 2014-07-08 | 2014-09-17 | 安徽常春藤光电智能科技有限公司 | 一种非接触式的基于影像的实时在线振动测量方法 |
US10563972B2 (en) | 2014-07-23 | 2020-02-18 | Bridgestone Corporation | Overlap measuring apparatus and overlap measuring method |
CN106662429A (zh) * | 2014-07-23 | 2017-05-10 | 株式会社普利司通 | 重叠量测量装置和重叠量测量方法 |
CN106662429B (zh) * | 2014-07-23 | 2019-05-14 | 株式会社普利司通 | 重叠量测量装置和重叠量测量方法 |
CN104254179A (zh) * | 2014-09-03 | 2014-12-31 | 宁波欣达印刷机器有限公司 | 一种led自动同步频闪装置及其控制方法 |
CN105628710A (zh) * | 2014-11-28 | 2016-06-01 | 浙江金徕镀膜有限公司 | 物料检测系统及其检测方法 |
CN106530291A (zh) * | 2016-10-28 | 2017-03-22 | 重庆工商职业学院 | 一种基于图像处理的抛光表面检测方法及其系统 |
CN106530291B (zh) * | 2016-10-28 | 2019-01-22 | 重庆工商职业学院 | 一种基于图像处理的抛光表面检测方法及其系统 |
CN106975675A (zh) * | 2017-03-16 | 2017-07-25 | 南通蓝岛海洋工程有限公司 | 一种卷板机的光感监测和控制系统及应用该系统的风电钢管桩筒体卷制工艺 |
CN107402221A (zh) * | 2017-08-08 | 2017-11-28 | 广东工业大学 | 一种基于机器视觉的显示面板缺陷识别方法及系统 |
CN107300559A (zh) * | 2017-08-25 | 2017-10-27 | 山东众鑫电子材料有限公司 | 一种聚酰亚胺薄膜疵点检测系统及方法 |
CN107525813A (zh) * | 2017-09-21 | 2017-12-29 | 常州有恒智能装备科技有限公司 | 钢板缺陷在线智能视觉检测系统 |
CN108225402A (zh) * | 2017-12-13 | 2018-06-29 | 全椒祥瑞塑胶有限公司 | 一种注塑产品智能二次检测方法 |
CN108982530A (zh) * | 2018-05-24 | 2018-12-11 | 京东方科技集团股份有限公司 | 一种背光卷料的检测系统 |
CN110659661A (zh) * | 2018-06-29 | 2020-01-07 | 由田新技股份有限公司 | 瑕疵分类标记系统及瑕疵分类标记方法 |
CN108961298A (zh) * | 2018-07-25 | 2018-12-07 | 安徽师范大学 | 一种基于线阵ccd图像流的快速连通域检测fpga实现方法 |
CN109584262A (zh) * | 2018-12-15 | 2019-04-05 | 中国科学院深圳先进技术研究院 | 基于遥感影像的云检测方法、装置及电子设备 |
CN111563869A (zh) * | 2019-01-25 | 2020-08-21 | 宁波舜宇光电信息有限公司 | 用于摄像模组质检的污点测试方法 |
CN112676376A (zh) * | 2020-12-30 | 2021-04-20 | 南通铭泰机床有限公司 | 一种提高数字控制的卷板机的控制精度的方法及系统 |
CN112676376B (zh) * | 2020-12-30 | 2021-12-14 | 南通铭泰机床有限公司 | 一种提高数字控制的卷板机的控制精度的方法及系统 |
CN113486937A (zh) * | 2021-06-28 | 2021-10-08 | 华侨大学 | 一种基于卷积神经网络的固废识别数据集构建系统 |
CN113933248A (zh) * | 2021-10-12 | 2022-01-14 | 广东省科学院智能制造研究所 | 一种高光谱在线检测系统及方法 |
CN114486903A (zh) * | 2021-12-06 | 2022-05-13 | 浙江大学台州研究院 | 一种灰度自适应的卷材检测系统及装置、算法 |
Also Published As
Publication number | Publication date |
---|---|
CN103196917B (zh) | 2015-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103196917B (zh) | 基于ccd线阵相机的在线卷板材表面瑕疵检测系统及其检测方法 | |
CN102410811B (zh) | 一种弯管参数的测量方法和系统 | |
CN103499303B (zh) | 一种羊毛细度自动测量方法 | |
CN108956645A (zh) | 一种多视觉系统的光学镜片缺陷检测装置及方法 | |
CN110940670B (zh) | 基于机器视觉的柔印标签印刷首稿检测系统及其实现方法 | |
CN104101611A (zh) | 一种类镜面物体表面光学成像装置及其成像方法 | |
US8315457B2 (en) | System and method for performing multi-image training for pattern recognition and registration | |
CN202393697U (zh) | 一种基于机器视觉的农产品检测的图像采集装置 | |
CN110334760B (zh) | 一种基于resUnet的光学元器件损伤检测方法及系统 | |
CN105509659A (zh) | 基于图像处理的平面度检测系统 | |
CN107156902A (zh) | 一种烟支外观质量在线检测装置 | |
CN109490320A (zh) | 一种基于机器视觉的动力电池组正负极异常检测系统和方法 | |
CN110688996A (zh) | 一种基于视觉传感的嵌入式自动读尺装置与方法 | |
CN113284154A (zh) | 钢卷端面图像分割方法、装置及电子设备 | |
CN113327243B (zh) | 基于AYOLOv3-Tiny新框架的PAD导光板缺陷可视化检测方法 | |
CN114881987A (zh) | 基于改进YOLOv5的热压导光板缺陷可视化检测方法 | |
CN116721104B (zh) | 实景三维模型缺陷检测方法、装置、电子设备及存储介质 | |
CN113657339A (zh) | 一种基于机器视觉的仪表指针计数读取方法及介质 | |
CN107300360A (zh) | 一种杂粮作物籽粒三轴尺寸快速检测算法 | |
CN110160750B (zh) | 一种led显示屏视觉检测系统、检测方法及检测装置 | |
CN103697833A (zh) | 农产品形状检测方法及装置 | |
CN115453783A (zh) | 一种液晶屏检测区域的定位设备及方法 | |
CN115909359A (zh) | 一种基于智能视觉的电容字符检测方法 | |
CN205120611U (zh) | 一种基于线阵相机的钢板表面缺陷检测系统 | |
CN110895665B (zh) | 一种用于屏下成像的坐标变换方法、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |