CN103308530B - 表面花纹的检测方法 - Google Patents
表面花纹的检测方法 Download PDFInfo
- Publication number
- CN103308530B CN103308530B CN201210065302.8A CN201210065302A CN103308530B CN 103308530 B CN103308530 B CN 103308530B CN 201210065302 A CN201210065302 A CN 201210065302A CN 103308530 B CN103308530 B CN 103308530B
- Authority
- CN
- China
- Prior art keywords
- pixel
- making
- determinand
- detection method
- value
- 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.)
- Expired - Fee Related
Links
Abstract
一种表面花纹的检测方法,包含以下步骤:首先对一待测物的表面撷取一具有N个像素的灰阶影像,且N为正整数;接着依据一筛选比例f,选出f×N个灰阶值较小的像素定义为一前景区域,并依据该前景区域的像素数量及灰阶值计算出一前景平均值;以及选出f×N个灰阶值较大的像素定义为一背景区域,并依据该背景区域的像素数量及灰阶值计算出一背景平均值;最后依据该前景平均值与该背景平均值判断该待测物的表面是否具有瑕疵。
Description
技术领域
本发明涉及一种光学检测方法,且特别涉及一种表面花纹的检测方法。
背景技术
在大量工业产品的生产上,如何追求更高的产品品质以及提高所生产产品的均一性,一直是人们所重视的重点,因此除了对产品的生产程序进行改进,更须对所生产产品的品质进行检测,以满足客户对于产品品质的要求,而其中,产品外观是否完好无瑕疵,更是在产品生产时,最为直观的检测项目。
然而在许多生产领域上,受限于其材料本质的限制,在制作完成后,其表面容易形成各式各样的纹路或斑点图案,虽然花纹多半对于产品性能影响不大,但就其外观来看,其不规则的表面花纹无法符合大多数人对于美感的要求,造成其产品价值下降,而客户也多将此类表面花色过于斑驳不一的产品予以退货,因此若是此类产品未能在出货前被检测出来,将造成出货成本上的损失。
举例而言,在目前主流的硅晶太阳能电池工艺中,由于硅晶板的生长特性,其晶格控制不易而难以控制其表面花色,容易造成太阳能电池表面花色不一,虽然表面花色不均匀不影响其光电性能,不妨碍一般发电运用,但若要将太阳能电池应用于建筑领域,其表面花色的均匀性便极为重要,生产者必需于品管过程中检出表面花纹过花的太阳能电池。
然而目前在产品花纹检测中,多依赖人工目测的方法,以检出其表面花色较不均匀的产品,然而由于表面花色的均匀与否,并无统一的标准以及明确的数值可予以界定,仅能依赖生产线人员其个人主观意识与个人经验,来评断产品表面是否过花,但由于不同检测人员之间,彼此对于均匀的感官认知均不相同,往往对于瑕疵产品有误判或过判的情事,因此,若是未能把瑕疵产品检出而造成客户退货,将使得生产者必须付出额外的出货成本。
发明内容
本发明所欲解决的技术问题与目的:
综观以上所述,由于在以往的表面花纹的检测方法中,所采用的人工目测检出方法,来检测产品表面是否具有瑕疵,往往会有检出标准不一以及个人主观性不同所造成误判或过判的问题。
因此为了解决上述问题,本发明的主要目的在于提供一种表面花纹的检测方法,其是以自动化的判断待测物表面花纹的不均匀度,用以改善传统人工目测方法的缺点。
本发明解决问题的技术手段:
本发明为解决现有技术的问题所采用的技术手段为提供一种表面花纹的检测方法,其包含以下步骤:首先对一待测物的表面撷取一具有N个像素的灰阶影像,且N为正整数;接着依据一筛选比例f,选出f×N个灰阶值较小的像素定义为一前景区域,并依据该前景区域的像素数量及灰阶值计算出一前景平均值。
同时,选出f×N个灰阶值较大的像素定义为一背景区域,并依据该背景区域的像素数量及灰阶值计算出一背景平均值;最后依据该前景平均值与该背景平均值判断该待测物的表面是否具有瑕疵。其中较佳者,该筛选比例f介于0至0.5之间,且该具有N个像素的灰阶值为一常态分布。
该表面花纹的检测方法还是先统计每一灰阶值的像素数量,若该灰阶值的像素数量小于一预设数量时,则忽略该灰阶值的像素。
在本发明的另一较佳实施例中,当该前景平均值与该背景平均值的差值大于一预设差值时,则判断该待测物的表面具有瑕疵。
在本发明的另一较佳实施例中,当该前景平均值大于一预设前景值,且该前景区域的像素数量大于一区域数量时,则判断该待测物的表面具有瑕疵。
在本发明的另一较佳实施例中,另先依据该前景区域的像素的分布位置,计算出该前景区域的一分散度;且当该分散度大于一预设分散度时,则判断该待测物的表面具有瑕疵。
此外,本发明所提供的表面花纹的检测方法更特别适于应用在太阳能电池的检测。
本发明对照现有技术的功效:
从以上述可知,由于在本发明所提供的一种表面花纹的检测方法中,是利用分析待测物表面的灰阶影像,藉以分类出前景区域与背景区域,并归纳其前景区域与背景区域的各项影像特性,诸如前景区域数量的多少、前景平均值与背景平均值彼此间的差值大小,以及计算前景区域的像素的分布分散度;利用该些规则定义,将可以自动地将表面具有瑕疵的待测物检出,以避免由于人工目测所造成的误判或过判的问题,使检测过程中排除人为主观意识的影响,降低检测的失误机率,并减少生产者的出货成本。
通过以下结合附图和具体实施例对本发明进行详细描述,但不作为对本发明的限定。
附图说明
图1A至图1E显示不同的灰阶影像示意图;
图2为本发明较佳实施例的表面花纹的检测方法的流程图;
图3为待测物表面的灰阶影像示意图;
图4为待测物表面的灰阶影像的灰阶值示意图;
图5为本发明另一较佳实施例的表面花纹的检测方法的流程图;以及
图6为本发明另一较佳实施例的表面花纹的检测方法的流程图。
其中,附图标记
1、1a、1b、1c、1d、1e 灰阶影像
101、101a、101b、101c、101d、101e 前景区域
102、102a、102b、102c、102d、102e 背景区域
具体实施方式
下面结合附图对本发明的结构原理和工作原理作具体的描述:
本发明所提供的一种表面花纹的检测方法,其是撷取待测物的表面影像,分析其灰阶数据的影像特性,而判断待测物的表面是否具有瑕疵。然而由于实施本发明的实施方式不胜枚举,致使本发明所提供的表面花纹的检测方法可依照多种形式而加以实施,故在此不再一一赘述,仅列举其中较佳实施例来加以具体说明。
请参阅图2、图3与图4,图2为本发明较佳实施例的表面花纹的检测方法的流程图,图3为待测物表面的灰阶影像示意图,图4为待测物表面的灰阶影像的灰阶值示意图。在本方法的流程中,待测物为太阳能电池。本发明的表面花纹的检测方法包含以下步骤:首先进行步骤S10,其是对待测物的表面撷取N个像素的灰阶影像,且该具有N个像素的灰阶值是为一常态分布;接着进行步骤S11,其是统计各灰阶值的像素数量,并忽略其中像素数量少于预设数量的灰阶值的像素,以获得M个像素的灰阶影像1。
然后进行步骤S12,依据一筛选比例f,选出f×M个灰阶值较小的像素定义为前景区域101,在本实施例中该筛选比例f为0.2;而后进行步骤S13,依据该前景区域101的像素数量及灰阶值计算出前景平均值;接着进行步骤S14,其是依据同步骤S12的筛选比例f,选出f×M个灰阶值较大的像素定义为背景区域102;如图4所示,配合筛选比例f即可将前景区域101以及背景区域102自M个像素的灰阶影像1中定义出来。
接着进行步骤S15,其是依据背景区域102的像素数量及灰阶值计算出背景平均值;最后进行步骤S16,依据前景平均值与背景平均值判断待测物的表面是否具有瑕疵。其判断准则,主要是通过前景区域101与背景区域102的差异,加以评断表面花色的不均匀程度。
请参阅图1A至图1E,图1A至图1E显示不同的灰阶影像示意图。如图1A与图1B所示,虽然图1A的前景区域101a与图1B的前景区域101b数量相同,但图1B的前景区域101b与背景区域102b对比相较图1A明显,因此在视觉检测上图1B的表面花纹较为明显。
除此之外,花纹明显程度也可由前景区域的数量多少来判断,如图1B与图1C所示,由于图1B的前景区域101b数量较图1C的前景区域101c多,因此在视觉检测上图1B的表面花纹也较为明显。
前景区域位置的分散程度也是用以评断花纹是否明显,如图1D与图1E所示,虽然图1D的前景区域101d与图1E的前景区域101e数量相同,但图1E的前景区域101e较图1D的前景区域101d分散,因此在视觉检测上图1E的表面花纹较为明显。
请同时参阅图2与图5,图5本发明另一较佳实施例的表面花纹的检测方法的流程图。如图5所示,该表面花纹的检测方法的步骤S16,还包含:步骤S161,判断前景平均值与背景平均值的差值是否大于预设差值,若前景平均值与背景平均值的差值大于预设差值,则进行步骤S162;倘若前景平均值与背景平均值的差值小于预设差值,则进入步骤S17b,判断待测物的表面不具有瑕疵。
步骤S162是依据前景区域101的像素的分布位置,计算出前景区域101的分散度;接着进行步骤S163,判断分散度是否大于预设分散度,若分散度大于预设分散度,则进入步骤S17a,判断待测物的表面具有瑕疵;而若当分散度小于预设分散度,则进入步骤S17b,判断待测物的表面不具有瑕疵。
请同时参阅图2与图6,图6为本发明另一较佳实施例的表面花纹的检测方法的流程图。步骤S16还包含:步骤S164,判断前景平均值是否大于预设前景值,若前景平均值大于预设前景值,则进入步骤S 165;倘若前景平均值小于预设前景值,则进入步骤S161。
步骤S165是判断前景区域的像素数量是否大于区域数量,若前景区域的像素数量大于区域数量,则进入步骤S17a,判断待测物的表面具有瑕疵;倘若前景区域的像素数量小于区域数量,则进入步骤S17b,判断待测物的表面不具有瑕疵。
步骤S 161是判断前景平均值与背景平均值的差值是否大于预设差值,若前景平均值与背景平均值的差值大于预设差值,则进行步骤S17a,判断待测物的表面具有瑕疵;而倘若前景平均值与背景平均值的差值小于预设差值,则进入步骤S17b,判断待测物的表面不具有瑕疵。
上述针对步骤S16所包含的步骤S161、S162、S163、S164与S165,其组合以及步骤顺序的选用仅为一举例,可视所欲达到的检测效果,组合该些步骤以及进行顺序即可,在此并不再一一多做赘述。
综上所述,相信在所属技术领域中具有通常知识者,在阅读上述的实施例后应可理解,相较习知的人工目测的检出方法,由于本发明是搜集待测物的表面的灰阶影像,并分析其灰阶影像的各项影像特性,而藉以判断待测物表面是否具有瑕疵,不存有人为主观上或个人经验的判断,并具有统一的瑕疵表面的检出标准,将可大幅减少人为误判或过判所造成的问题。
当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (7)
1.一种表面花纹的检测方法,其特征在于,包含:
对一待测物的表面撷取一具有N个像素的灰阶影像,且N为正整数;
依据一筛选比例f,选出f×N个灰阶值较小的像素定义为一前景区域,并依据该前景区域的像素数量及灰阶值计算出一前景平均值;
选出f×N个灰阶值较大的像素定义为一背景区域,并依据该背景区域的像素数量及灰阶值计算出一背景平均值;以及
依据该前景平均值与该背景平均值判断该待测物的表面是否具有瑕疵。
2.根据权利要求1所述的表面花纹的检测方法,其特征在于,还包含:
统计每一灰阶值的像素数量,若该灰阶值的像素数量小于一预设数量时,忽略该灰阶值的像素。
3.根据权利要求1所述的表面花纹的检测方法,其特征在于,依据该前景平均值与该背景平均值判断该待测物的表面是否具有瑕疵包含:
若该前景平均值与该背景平均值的差值大于一预设差值,则判断该待测物的表面具有瑕疵。
4.根据权利要求1所述的表面花纹的检测方法,其特征在于,还包含:
依据该前景区域的像素的分布位置,计算出该前景区域的一分散度;以及
若该分散度大于一预设分散度时,则判断该待测物的表面具有瑕疵。
5.根据权利要求1所述的表面花纹的检测方法,其特征在于,该筛选比例f介于0至0.5之间。
6.根据权利要求1所述的表面花纹的检测方法,其特征在于,该待测物为一太阳能电池。
7.根据权利要求1所述的表面花纹的检测方法,其特征在于,该具有N个像素的灰阶值为一常态分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210065302.8A CN103308530B (zh) | 2012-03-09 | 2012-03-09 | 表面花纹的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210065302.8A CN103308530B (zh) | 2012-03-09 | 2012-03-09 | 表面花纹的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103308530A CN103308530A (zh) | 2013-09-18 |
CN103308530B true CN103308530B (zh) | 2015-04-01 |
Family
ID=49133986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210065302.8A Expired - Fee Related CN103308530B (zh) | 2012-03-09 | 2012-03-09 | 表面花纹的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103308530B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105424190A (zh) * | 2015-09-30 | 2016-03-23 | 广州超音速自动化科技股份有限公司 | 产品外观的灰度检测方法 |
HUE042725T2 (hu) * | 2017-05-18 | 2019-07-29 | Grob Gmbh & Co Kg | Eljárás és készülék bevont felületek minõségének vizsgálatára |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1610826A (zh) * | 2001-11-28 | 2005-04-27 | 应用材料有限公司 | 探测缺陷的方法 |
CN1842417A (zh) * | 2003-08-28 | 2006-10-04 | 曼·罗兰·德鲁克马辛伦公司 | 印刷期间制版控制的方法和装置 |
CN102261895A (zh) * | 2010-04-16 | 2011-11-30 | 株式会社高永科技 | 区别对象区与基底区的方法及用该方法测量三维形状的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10135287A (ja) * | 1996-10-31 | 1998-05-22 | Toshiba Corp | ウエーハ検査装置および検査方法 |
JP2010043941A (ja) * | 2008-08-12 | 2010-02-25 | Tokyo Seimitsu Co Ltd | 画像検査装置及び画像検査方法 |
-
2012
- 2012-03-09 CN CN201210065302.8A patent/CN103308530B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1610826A (zh) * | 2001-11-28 | 2005-04-27 | 应用材料有限公司 | 探测缺陷的方法 |
CN1842417A (zh) * | 2003-08-28 | 2006-10-04 | 曼·罗兰·德鲁克马辛伦公司 | 印刷期间制版控制的方法和装置 |
CN102261895A (zh) * | 2010-04-16 | 2011-11-30 | 株式会社高永科技 | 区别对象区与基底区的方法及用该方法测量三维形状的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103308530A (zh) | 2013-09-18 |
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 | |
TWI489420B (zh) | 表面花紋之檢測方法 | |
US10803573B2 (en) | Method for automated detection of defects in cast wheel products | |
CN104794491B (zh) | 基于预分类的模糊聚类钢板表面缺陷检测方法 | |
Jeon et al. | Steel-surface defect detection using a switching-lighting scheme | |
CN1948603A (zh) | 一种识别机织物疵点的方法 | |
KR101477665B1 (ko) | 불균일한 텍스쳐 표면의 불량 검출방법 | |
CN109035226B (zh) | 基于LSTM模型的Mura缺陷检测方法 | |
Ghazvini et al. | Defect detection of tiles using 2D-wavelet transform and statistical features | |
CN103308530B (zh) | 表面花纹的检测方法 | |
CN101676040B (zh) | 用以分类太阳能电池的光学检测系统以及方法 | |
CN106373124A (zh) | 基于灰度共生矩阵与ransac的工业产品表面缺陷视觉检测方法 | |
Lin et al. | Flaw detection of domed surfaces in LED packages by machine vision system | |
CN111860531A (zh) | 一种基于图像处理的扬尘污染识别方法 | |
CN103903009A (zh) | 一种基于机器视觉的工业品检测方法 | |
CN114565607A (zh) | 基于神经网络的织物缺陷图像分割方法 | |
CN110378433A (zh) | 基于pso-svm的桥梁拉索表面缺陷的分类识别方法 | |
Kumru | Assessing the visual quality of sanitary ware by fuzzy logic | |
Hassan et al. | Visual inspection of products with geometrical quality characteristics of known tolerances | |
Tolba et al. | A self-organizing feature map for automated visual inspection of textile products | |
Zhang et al. | Belt Deviation Detection System Based on Deep Learning under Complex Working Conditions | |
CN107607548A (zh) | 通过三维图像检测光伏组件的隐裂缺陷的方法 | |
CN107391616A (zh) | 一种生产业务噪声数据检测和分离系统 | |
Kang et al. | Automatic defect classification of TFT-LCD panels using machine learning | |
Jeffrey Kuo et al. | Self-organizing map network for automatically recognizing color texture fabric nature |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150401 Termination date: 20200309 |