CN104614386A - 一种镜片疵病类型的识别方法 - Google Patents
一种镜片疵病类型的识别方法 Download PDFInfo
- Publication number
- CN104614386A CN104614386A CN201510072024.2A CN201510072024A CN104614386A CN 104614386 A CN104614386 A CN 104614386A CN 201510072024 A CN201510072024 A CN 201510072024A CN 104614386 A CN104614386 A CN 104614386A
- Authority
- CN
- China
- Prior art keywords
- defect
- target
- lens
- coefficient
- close
- 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
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种镜片疵病类型的识别方法,首先用CCD获取镜片图像并用中值滤波法进行除噪处理,用最大类间方差法进行阈值分割将所得结果二值化,其特征在于:再利用疵病的面积、圆形系数和长形系数来表征它们的形状特征,通过试验统计确定出镜片各种疵病形状特征的阈值,将计算出的疵病形状特征参数与阈值比较,识别出气泡、点、羽毛和划痕这四种常见的疵病。本发明的优点是:该方法算法简单,只需要调整相应的阈值就能适应不同的检测标准,为实现镜片质量的自动化检测奠定了基础。同时能够准确识别出镜片中最常见的气泡、点、羽毛、划痕四种疵病,尤其是对最难区分而又比较常见的羽毛和划痕识别的准确率很高。
Description
技术领域
本发明涉及一种镜片疵病类型的识别方法,属于镜片质量自动化检测领域。
背景技术
镜片制造工艺复杂,精度要求高,在制造过程中往往会产生一些缺陷,主要包括气泡、羽毛、划痕、点等。这些缺陷会严重影响镜片品质,因此在生产过程中,必须对镜片可能产生的各种疵病进行在线检测。目前国内镜片疵病检测技术还不成熟,企业主要以人工检测为主。结果容易受眼睛分辨能力以及工作经验、个人态度、容易疲劳等主观性的影响,很容易混淆不同的疵病类型,漏检率高并且速度慢,而且检测数据的保存和查询不方便,不能满足统计质量控制需求。因此对这些飞速从生产线上穿过的产品进行自动化检测成为镜片制造行业未来发展的方向。
镜片的自动化检测中确定镜片质量优劣的依据就是各种疵病的类种类以及相应类型疵病的位置和数目。所以疵病类型的确定是镜片自动化检测中的难点和核心。国外90年代初开始研制计算机视觉在线检测设备,但主要针对制造流程相对简单,缺陷明显且标准低的玻璃,在镜片检测方面相关的研究很少。镜片质量要求高,疵病面积小而且多种疵病外形、亮度差异不大,很难辨分,对实现镜片的自动化检测造成极大的困扰。
发明内容
本发明为克服上述情况,通过试验统计确定出镜片各种疵病特征的阈值,提出一种根据疵病外形特征通过简单的算法实现对疵病类型的快速识别方法。
本发明采用的技术方案是:
一种镜片疵病类型的识别方法,首先用CCD获取镜片图像并用中值滤波法进行除噪处理,用最大类间方差法进行阈值分割将所得结果二值化,再利用疵病的面积、圆形系数和长形系数来表征它们的形状特征,通过试验统计确定出镜片各种疵病形状特征的阈值,将计算出的疵病形状特征参数与阈值比较,识别出气泡、点、羽毛和划痕这四种常见的疵病。
将气泡疵病的阀值设定为500,去除边缘亮痕提取疵病并计算疵病的像素个数N,若N≥500,则输出疵病类型为气泡;
设定点状疵病的阀值为0.85~1.15,定义圆形系数C,C=S/N,式中S为疵病最小外接圆面积,N为疵病像素个数,S与N之比越接近1,形状越接近圆,辨别完气泡后对其它疵病进行标记,对目标依次进行上下和左右扫描,上下方向M=m2-m1, m1、m2分别为目标最上端和最底端像素的所在行数;T=t2-t1,t1、t2分别为目标最左端和最右端像素的所在列数,用目标外接矩形的对角线作为最小外接圆直径D=(M2+T2)0.5,面积S=(π×D2)/4,若0.85≦C≦1.15时,则目标为点状疵病;
设定羽毛状疵病的阀值为1.1,定义长形系数L为L=Ln/D,式中Ln为疵病细化后的像素个数即它的长度,D为疵病最小外接圆直径,由于划痕和羽毛的外形接近线条形状,长宽之比远远大于1,所以对目标进行标定后可先求出目标的周长,即疵病的外围像素个数n,则线性化长度Ln=n/2,Ln与D之比越接近1,形状越接近直线,若1.1≦L则目标为羽毛疵病,否则为划痕疵病。
本发明的优点是:该方法算法简单,只需要调整相应的阈值就能适应不同的检测标准,为实现镜片质量的自动化检测奠定了基础。同时能够准确识别出镜片中最常见的气泡、点、羽毛、划痕四种疵病,尤其是对最难区分而又比较常见的羽毛和划痕识别的准确率很高。
附图说明
图1为本发明疵病类型识别方法的流程图。
图2为不同阈值时辨别羽毛和划痕的结果图。
具体实施方式
如图1所示,1)用CCD获取镜片图像后先用中值滤波法进行除噪处理,然后用最大类间方差法进行阈值分割将所得结果二值化,实现对图像的预处理。
2)去除边缘亮痕提取气泡并计算气泡的像素个数N,对镜片样品的统计分析,将阈值设定为500,即如果500≦N则直接输出疵病类型为气泡。
3)定义圆形系数C,C=S/N,式中S为疵病最小外接圆面积,N为疵病像素个数,S与N之比越接近1,形状越接近圆。辨别出气泡后对其它疵病进行标记,对目标依次进行上下和左右扫描,上下方向M=m2-m1, m1、m2分别为目标最上端和最底端像素的所在行数。T=t2-t1,t1、t2分别为目标最左端和最右端像素的所在列数,用目标外接矩形的对角线作为最小外接圆直径D=(M2+T2)0.5,面积S=(π×D2)/4。本发明取圆形系数C范围为0.85—1.15,即当0.85≦C≦1.15时,目标为点状疵病。
4)定义长形系数L为L=Ln/D,式中Ln—疵病细化后的像素个数即它的长度,D为疵病最小外接圆直径。由于划痕和羽毛的外形接近线条形状,长宽之比远远大于1,所以对目标进行标定后可先求出目标的周长,即疵病的外围像素个数n,则线性化长度Ln=n/2,Ln与D之比越接近1,形状越接近直线。如图2所示,通过实验确定最佳阈值为1.1,即若1.1≦L则目标为羽毛,否则为划痕。
Claims (2)
1. 一种镜片疵病类型的识别方法,首先用CCD获取镜片图像并用中值滤波法进行除噪处理,用最大类间方差法进行阈值分割将所得结果二值化,其特征在于:再利用疵病的面积、圆形系数和长形系数来表征它们的形状特征,通过试验统计确定出镜片各种疵病形状特征的阈值,将计算出的疵病形状特征参数与阈值比较,识别出气泡、点、羽毛和划痕这四种常见的疵病。
2.根据权利要求1所述的一种镜片疵病类型的识别方法,其特征在于:将气泡疵病的阀值设定为500,去除边缘亮痕提取疵病并计算疵病的像素个数N,若N≥500,则输出疵病类型为气泡;
设定点状疵病的阀值为0.85~1.15,定义圆形系数C,C=S/N,式中S为疵病最小外接圆面积,N为疵病像素个数,S与N之比越接近1,形状越接近圆,辨别完气泡后对其它疵病进行标记,对目标依次进行上下和左右扫描,上下方向M=m2-m1, m1、m2分别为目标最上端和最底端像素的所在行数;T=t2-t1,t1、t2分别为目标最左端和最右端像素的所在列数,用目标外接矩形的对角线作为最小外接圆直径D=(M2+T2)0.5,面积S=(π×D2)/4,若0.85≦C≦1.15时,则目标为点状疵病;
设定羽毛状疵病的阀值为1.1,定义长形系数L为L=Ln/D,式中Ln为疵病细化后的像素个数即它的长度,D为疵病最小外接圆直径,由于划痕和羽毛的外形接近线条形状,长宽之比远远大于1,所以对目标进行标定后可先求出目标的周长,即疵病的外围像素个数n,则线性化长度Ln=n/2,Ln与D之比越接近1,形状越接近直线,若1.1≦L则目标为羽毛疵病,否则为划痕疵病。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510072024.2A CN104614386A (zh) | 2015-02-12 | 2015-02-12 | 一种镜片疵病类型的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510072024.2A CN104614386A (zh) | 2015-02-12 | 2015-02-12 | 一种镜片疵病类型的识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104614386A true CN104614386A (zh) | 2015-05-13 |
Family
ID=53148931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510072024.2A Pending CN104614386A (zh) | 2015-02-12 | 2015-02-12 | 一种镜片疵病类型的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104614386A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105445277A (zh) * | 2015-11-12 | 2016-03-30 | 湖北工业大学 | 一种fpc表面质量视觉智能检测方法 |
CN107545560A (zh) * | 2016-06-28 | 2018-01-05 | 合肥美亚光电技术股份有限公司 | 用于轮胎胎侧气泡的检测方法和装置 |
CN108459030A (zh) * | 2018-02-08 | 2018-08-28 | 东华大学 | 一种应用于非平面塑料光滑表面瑕疵在线检测装置与方法 |
CN108490002A (zh) * | 2018-03-06 | 2018-09-04 | 浙江工业大学 | 一种微结构棱镜镜片质量检测方法 |
CN112903720A (zh) * | 2021-02-07 | 2021-06-04 | 电子科技大学 | 一种卫星望远镜镜片表面疵病定量检测方法 |
CN113012103A (zh) * | 2021-02-07 | 2021-06-22 | 电子科技大学 | 一种大口径望远镜镜片表面疵病定量检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09287920A (ja) * | 1996-04-23 | 1997-11-04 | Asahi Glass Co Ltd | 被測定物の形状、ガラス内部にある泡の形状およびガラスの欠陥の度合の評価方法 |
CN101025399A (zh) * | 2006-02-20 | 2007-08-29 | 鸿富锦精密工业(深圳)有限公司 | 快速检验镜片缺陷的方法 |
CN101074932A (zh) * | 2006-05-16 | 2007-11-21 | 三菱电机株式会社 | 图像检查方法以及使用了该方法的图像检查装置 |
CN102162797A (zh) * | 2010-11-24 | 2011-08-24 | 哈尔滨工业大学(威海) | 玻璃瓶瓶口破损和瓶底污物检测算法 |
CN102735695A (zh) * | 2012-06-04 | 2012-10-17 | 华中科技大学 | 一种镜片瑕疵快速检测方法及装置 |
CN103163156A (zh) * | 2013-03-21 | 2013-06-19 | 万新光学集团有限公司 | 一种基于机器视觉技术的镜片疵病自动分级方法 |
CN103630553A (zh) * | 2013-11-06 | 2014-03-12 | 江苏大学 | 一种镜片表面点状与线状杂质的检测装置 |
-
2015
- 2015-02-12 CN CN201510072024.2A patent/CN104614386A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09287920A (ja) * | 1996-04-23 | 1997-11-04 | Asahi Glass Co Ltd | 被測定物の形状、ガラス内部にある泡の形状およびガラスの欠陥の度合の評価方法 |
CN101025399A (zh) * | 2006-02-20 | 2007-08-29 | 鸿富锦精密工业(深圳)有限公司 | 快速检验镜片缺陷的方法 |
CN101074932A (zh) * | 2006-05-16 | 2007-11-21 | 三菱电机株式会社 | 图像检查方法以及使用了该方法的图像检查装置 |
CN102162797A (zh) * | 2010-11-24 | 2011-08-24 | 哈尔滨工业大学(威海) | 玻璃瓶瓶口破损和瓶底污物检测算法 |
CN102735695A (zh) * | 2012-06-04 | 2012-10-17 | 华中科技大学 | 一种镜片瑕疵快速检测方法及装置 |
CN103163156A (zh) * | 2013-03-21 | 2013-06-19 | 万新光学集团有限公司 | 一种基于机器视觉技术的镜片疵病自动分级方法 |
CN103630553A (zh) * | 2013-11-06 | 2014-03-12 | 江苏大学 | 一种镜片表面点状与线状杂质的检测装置 |
Non-Patent Citations (1)
Title |
---|
姚红兵等: "基于图像处理的镜片疵病类型识别研究", 《激光与光电子学进展》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105445277A (zh) * | 2015-11-12 | 2016-03-30 | 湖北工业大学 | 一种fpc表面质量视觉智能检测方法 |
CN105445277B (zh) * | 2015-11-12 | 2018-02-06 | 湖北工业大学 | 一种fpc表面质量视觉智能检测方法 |
CN107545560A (zh) * | 2016-06-28 | 2018-01-05 | 合肥美亚光电技术股份有限公司 | 用于轮胎胎侧气泡的检测方法和装置 |
CN107545560B (zh) * | 2016-06-28 | 2020-05-15 | 合肥美亚光电技术股份有限公司 | 用于轮胎胎侧气泡的检测方法和装置 |
CN108459030A (zh) * | 2018-02-08 | 2018-08-28 | 东华大学 | 一种应用于非平面塑料光滑表面瑕疵在线检测装置与方法 |
CN108490002A (zh) * | 2018-03-06 | 2018-09-04 | 浙江工业大学 | 一种微结构棱镜镜片质量检测方法 |
CN108490002B (zh) * | 2018-03-06 | 2021-02-26 | 浙江工业大学 | 一种微结构棱镜镜片质量检测方法 |
CN112903720A (zh) * | 2021-02-07 | 2021-06-04 | 电子科技大学 | 一种卫星望远镜镜片表面疵病定量检测方法 |
CN113012103A (zh) * | 2021-02-07 | 2021-06-22 | 电子科技大学 | 一种大口径望远镜镜片表面疵病定量检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104614386A (zh) | 一种镜片疵病类型的识别方法 | |
CN105913415B (zh) | 一种具有广泛适应性的图像亚像素边缘提取方法 | |
CN104504388B (zh) | 一种路面裂缝识别和特征提取算法及系统 | |
CN104101600B (zh) | 连铸坯断面微小裂纹检测方法 | |
CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
CN115861291B (zh) | 基于机器视觉的贴片电路板生产缺陷检测方法 | |
CN109409290B (zh) | 一种温度表检定读数自动识别系统及方法 | |
CN109215009B (zh) | 基于深度卷积神经网络的连铸坯表面图像缺陷检测方法 | |
CN103345755A (zh) | 一种基于Harris算子的棋盘格角点亚像素提取方法 | |
CN115063423B (zh) | 基于计算机视觉的机械铸件冷热裂纹自适应辨别方法 | |
CN103606167A (zh) | 一种用于缺陷检测的瓶盖图像外轮廓确定方法 | |
CN102441581A (zh) | 基于机器视觉的型钢断面尺寸在线检测的装置及方法 | |
CN111815555A (zh) | 对抗神经网络结合局部二值的金属增材制造图像检测方法及装置 | |
CN116740072B (zh) | 基于机器视觉的道路表面缺陷检测方法及系统 | |
CN111754422A (zh) | 一种基于EDLines和LSM的视觉巡边方法 | |
CN112884746A (zh) | 一种基于边缘形状匹配的字符缺陷智能检测算法 | |
CN108320799B (zh) | 一种用于侧向流纸条疾病诊断的图像分析与识别方法 | |
CN113643276A (zh) | 一种基于统计分析的纺织物纹理缺陷自动检测方法 | |
CN104112123A (zh) | 一种用于子弹表观缺陷检测的aoi系统的缺陷特征提取与识别方法 | |
CN105184792B (zh) | 一种圆锯片磨损量在线测量方法 | |
CN114581805A (zh) | 一种采用3d线激光轮廓技术的涂敷辊面缺陷检测方法 | |
CN113393447B (zh) | 基于深度学习的针尖正位度检测方法及系统 | |
CN106530273B (zh) | 高精度fpc直线线路检测与缺陷定位方法 | |
CN111539951B (zh) | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 | |
Lin et al. | A new prediction method for edge detection based on human visual feature |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150513 |