CN104458764A - 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法 - Google Patents

Abstract

本发明公开了一种基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法，该方法的步骤如下：步骤1)、成像系统将直条纹大景深条带图像成像到移动中的待测样品表面，调整成像系统相对于待测样品表面的位置，使投影条纹的边缘清晰锐利；步骤2)、启动高速相机采集待测样品表面图像信息并将其传递给图像处理模块；步骤3)、图像处理模块提取条纹的两边缘，分析对比条纹两边缘获取缺陷信息；步骤4)、综合分析连续采集的多幅图像，输出鉴别结果。本发明能够形成边缘清晰锐边的条纹，有利于获取条纹边缘形貌特征，排除色斑等非三维缺陷干扰等。

Description

基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法

技术领域

本发明属于检测技术领域，具体涉及一种基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法。

背景技术

目前存在许多基于机器视觉的表面缺陷检测系统。按照原理主要分为两类：一种是二维成像方法，通过图像传感器获取待测表面的二维图像，提取缺陷信息。由于缺陷形状方位、样品的材质纹理和光照的角度强度等对待测表面成像质量影响较大，对算法要求较高，而且这种方法不能反映待测样品表面的三维信息，容易受到色斑纹理等的干扰。另一种是三维成像方法，使用线激光器将线激光投影至待测对象表面，通过监测光带的变化鉴别缺陷，这种方法在检测粗糙的待测对象表面时，光带受粗糙表面强烈散射，对图像质量的影响较大。中国专利CN102749336A采用线结构光投射至被测被测物表面，并利用canny边缘检测方法得到线结构光投影边缘，将像素点与之前的像素点与预设阈值对比判别缺陷，这种方法存在一些不足：第一，采用canny算子检测粗糙表面时会出现一些伪边缘；第二，结构光投影扫描至与其方向一致的条状缺陷时，由于被测对象速度快会导致高速相机来不及采集而出现漏检。

发明内容

本发明的目的在于：直条纹大景深条带图像在样品表面弯曲的情况下投影，能够形成边缘清晰锐边的条纹，有利于获取条纹边缘形貌特征，排除色斑等非三维缺陷干扰。配合样品或鉴别系统的连续移动，对连续采集的多幅图像实时对比条纹两边缘即可获得待测对象表面的缺陷信息，算法简单、精度高且受系统振动影响较小。采用多个方向的条带图像组合可有效避免因扫描方向与条状缺陷方向平行或垂直带来的漏检。

为实现对待测对象表面的鉴别，本发明采用如下的技术方案：基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法，该方法的步骤如下：

步骤1)、成像系统将直条纹大景深条带图像成像到移动中的待测样品表面，调整成像系统相对于待测样品表面的位置，使投影条纹的边缘清晰锐利；

步骤2)、启动高速相机采集待测样品表面图像信息并将其传递给图像处理模块；

步骤3)、图像处理模块提取条纹的两边缘，分析对比条纹两边缘获取缺陷信息；

步骤4)、综合分析连续采集的多幅图像，输出鉴别结果。

进一步的，所述直条纹大景深条带图像是一条或多条不同方向的组合；所述成像系统景深能保证投影条纹的边缘清晰锐利。

进一步的，所述高速相机的参数可根据实际需要调整，且高速相机的视场需覆盖待测样品表面上的条纹。

进一步的，所述图像处理模块首先对图像进行二值化处理，粗提取所述投影条纹的两边缘，根据边缘点邻域对条纹边缘进行校正，然后求取条纹两边缘的对应点差值，若差值与标准条纹宽度的偏差大于一定阈值则判定存在缺陷；将所有边缘对应点差值求和，，若和值与标准条纹面积的偏差大于一定阈值则判定存在缺陷；所述标准条纹宽度即无缺陷样本表面条纹边缘对应点差值的均值，标准条纹面积即无缺陷样本表面条纹边缘对应点差值的和值。

进一步的，所述待测样品表面是平面或者柱面，在连续检测过程中试样或检测系统沿着待测样品表面直母线方向移动；若根据上述方法对连续采集的多幅图像预判定均存在缺陷，则判定待测样品在条纹边缘扫描区域存在缺陷。

本发明的优点和积极效果为：

直条纹大景深条带图像在样品表面弯曲的情况下投影，能够形成边缘清晰锐边的条纹，有利于获取条纹边缘形貌特征，排除色斑等非三维缺陷干扰。配合样品或鉴别系统的连续移动，对连续采集的多幅图像实时对比条纹两边缘即可获得待测对象表面的缺陷信息，算法简单、精度高且受系统振动影响较小。采用多个方向的条带图像组合可有效避免因扫描方向与条状缺陷方向平行或垂直带来的漏检。

附图说明

图1为曲面鉴别示意图；

图2为平面鉴别示意图；

图3为划伤缺陷原理图；

图4为磨损缺陷原理图；

图5为图像处理流程图；

图中标号：1-高速相机、2-成像系统、3-条纹、4-待测样品表面、5-划伤缺陷、6-磨损缺陷、a-标准条纹宽度、b-缺陷处窄条纹宽度、c-缺陷处宽条纹宽度、d-标准条纹面积、e-有缺陷条纹面积。

具体实施方式

下面结合附图以及具体实施例进一步说明本发明。

参照图1和图2，基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法，包括：高速相机1、成像系统2、图像处理模块(未图示)和待测样品表面4。其中，成像系统2将直条纹大景深条带图像按一定角度投影至待测样品表面4，在待测样品表面4上形成边缘清晰锐利的条纹3，高速相机1采集待测样品表面4图像信息并将其传递给图像处理模块，图像处理模块负责提取条纹3的两边缘，分析对比获取缺陷信息。

参照图3，当待测样品表面4存在划伤缺陷5时，条纹3两边缘会发生畸变，其畸变的程度与缺陷深度成正比。在缺陷处条纹宽度b、c与标准条纹宽度a存在一定偏差。参见图4，当待测样品表面4存在磨损缺陷6时，条纹3两边缘同样会发生畸变，由于一般磨损缺陷6的深度较小，使得条纹宽度偏差较小，不利于缺陷鉴别，但是标准条纹面积d与有缺陷条纹面积e差异明显，可作为缺陷鉴别标准。综合图3和图4分析，同时采用条纹宽度偏差与条纹面积偏差作为缺陷鉴别标准，鲁棒性较好。

参照图5，图像处理模块接收了高速相机1采集的原始图像信息，可根据图5所示流程对其进行缺陷鉴别：

1)、滤波，采用5×5模版对原始图像进行中值滤波得到图像img，中值滤波作为一种非线性滤波方式，在去除噪声的同时还能很好的保护边缘信息。

2)、二值化处理，由于条纹3的灰度和待测样品表面4的灰度相差较大，可设置一个低阈值进行二值化分割。

3)、形态学处理，二值化分割后的图像难免会存在一些孔洞，采用形态学腐蚀膨胀操作对其进行填充。

4)、边缘粗提取，使用水平边缘检测算子[-1,1]与形态学处理后的图像进行卷积运算，粗提取条纹3的左右两边缘。

5)、边缘校正，对于坐标为(x,y)的边缘点，用其行邻域灰度重心坐标(x,z)对其进行校正，其中z的计算公式如下：

$z=\frac{\underset{y-3\≤j\≤y+3}{\mathrm{\Σ}}j*\mathrm{img}(x,j)}{\underset{y-3\≤j\≤y+3}{\mathrm{\Σ}}\mathrm{img}(x,j)}$

此处行邻域包括边缘点和其左右各3个像素，边缘经校正后精度可达到亚像素级别。

6)、标准条纹宽度和标准条纹面积获取：选取一无缺陷标准条纹图像，经上述流程1)-5)提取标准条纹的两边缘，求标准条纹两边缘对应点差值，将所有对应点差值的均值作为标准条纹宽度，将标准条纹所有边缘对应点差值的和值作为标准条纹面积。

待测样品表面图像边缘对比：求条纹3两边缘的对应点差值，差值可近似看作条纹宽度，若差值与标准条纹宽度的偏差大于一定阈值则预判定存在缺陷；将所有边缘对应点差值求和，和值可近似看作条纹面积，若和值与标准条纹面积的偏差大于一定阈值则预判定存在缺陷。

7)、若经过流程6)，连续采集的多幅图像预判定均存在缺陷，则判定待测样品在条纹边缘扫描区域存在缺陷，可以排除随机误差的干扰。

8)、缺陷鉴别结果输出。

本发明未详细阐述部分属于本领域技术人员的公知技术。

Claims (5)

1.基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法，其特征在于：该方法的步骤如下：

步骤1)、成像系统将直条纹大景深条带图像成像到移动中的待测样品表面，调整成像系统相对于待测样品表面的位置，使投影条纹的边缘清晰锐利；

步骤2)、启动高速相机采集待测样品表面图像信息并将其传递给图像处理模块；

步骤3)、图像处理模块提取条纹的两边缘，分析对比条纹两边缘获取缺陷信息；

步骤4)、综合分析连续采集的多幅图像，输出鉴别结果。

2.根据权利要求1所述的基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法，其特征在于：所述直条纹大景深条带图像是一条或多条不同方向的组合；所述成像系统景深能保证投影条纹的边缘清晰锐利。

3.根据权利要求1所述的基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法，其特征在于：所述高速相机的参数可根据实际需要调整，且高速相机的视场需覆盖待测样品表面上的条纹。

4.根据权利要求1所述的基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法，其特征在于：所述图像处理模块首先对图像进行二值化处理，粗提取所述投影条纹的两边缘，根据边缘点邻域对条纹边缘进行校正，然后求取条纹两边缘的对应点差值，若差值与标准条纹宽度的偏差大于一定阈值则预判定存在缺陷；将所有边缘对应点差值求和，若和值与标准条纹面积的偏差大于一定阈值则预判定存在缺陷；所述标准条纹宽度即无缺陷样本表面条纹边缘对应点差值的均值，标准条纹面积即无缺陷样本表面条纹边缘对应点差值的和值。

5.根据权利要求1所述的基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法，其特征在于：所述待测样品表面是平面或者柱面，在连续检测过程中试样或检测系统沿着待测样品表面直母线方向移动；若根据权利要求4中所述方法对连续采集的多幅图像预判定均存在缺陷，则判定待测样品在条纹边缘扫描区域存在缺陷。