CN107490579B - 缺陷检查方法及其设备 - Google Patents

缺陷检查方法及其设备 Download PDF

Info

Publication number
CN107490579B
CN107490579B CN201710421637.1A CN201710421637A CN107490579B CN 107490579 B CN107490579 B CN 107490579B CN 201710421637 A CN201710421637 A CN 201710421637A CN 107490579 B CN107490579 B CN 107490579B
Authority
CN
China
Prior art keywords
image
filtering process
photographed
respect
defect inspection
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.)
Active
Application number
CN201710421637.1A
Other languages
English (en)
Other versions
CN107490579A (zh
Inventor
松本淳一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honda Motor Co Ltd
Original Assignee
Honda Motor Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Honda Motor Co Ltd filed Critical Honda Motor Co Ltd
Publication of CN107490579A publication Critical patent/CN107490579A/zh
Application granted granted Critical
Publication of CN107490579B publication Critical patent/CN107490579B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B26/00—Optical devices or arrangements for the control of light using movable or deformable optical elements
    • G02B26/02—Optical devices or arrangements for the control of light using movable or deformable optical elements for controlling the intensity of light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • G01N2021/8829—Shadow projection or structured background, e.g. for deflectometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30156—Vehicle coating

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Optics & Photonics (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及缺陷检查方法及其设备。将细长光(L)照明到待拍摄对象(20)(例如，汽车车身)上，以得到源图像。接下来，对源图像执行最大值过滤处理和最小值过滤处理中的任一个，由此得到第一过滤处理后图像。此外，在通过相对于第一过滤处理后图像执行最小值过滤处理和最大值过滤处理中的剩余一个来得到第二过滤处理后图像之后，确定第二过滤处理后图像和源图像之间的差异，并且得到差异图像。此后，相对于差异图像实施二值化处理。

Description

缺陷检查方法及其设备
技术领域
本发明涉及缺陷检查方法及其设备，该缺陷检查方法及其设备用于通过用条纹照明照射待拍摄对象来检查该待拍摄对象上是否存在缺陷。
背景技术
在制造汽车车身的制造过程中，对汽车车身执行喷漆。因此，提供了涂覆膜。在这种情形下，在涂覆膜中会形成大约数十微米的突起或者换句话讲喷漆缺陷。如果形成这样的喷漆缺陷并且这些缺陷原样保留下来，则有损汽车车身的美观外观。为此原因，在形成涂覆膜之后，执行检查，以确定是否存在这样的喷漆缺陷。
作为用于执行这种缺陷检查的缺陷检查设备，已知用于照射条纹对比图案(条纹照明)的缺陷检查设备，如日本特许专利公开09-210922中描述的。在这种技术中，在待拍摄对象上，用相机拍摄用对比图案照射的位置，并且通过相对于所得到的源图像执行图像处理来确定是否存在缺陷。
另外，在日本特许专利公开No.2014-066657中，提出了以下的技术：将源图像中不存在缺陷的图像作为主图像，并且通过获取主图像和检查部位的捕获图像之间的差异来确定喷漆表面上划痕的存在与否。
发明内容
在检查工位，在传送出已经完成油漆缺陷检查的汽车车身之后，将接下来待检查的汽车车身传送到检查工位。在这种情况下，向外传送的汽车车身的位置经常不与向内传送的汽车车身的位置重合。
当实施日本特许专利公开No.09-210922中描述的方法时，如果待拍摄对象与照射装置和相机之间的距离或相对定位有变化，则对比图案的明暗差异也发生变化。此变化是造成错误确定缺陷存在与否的可能成因。然而，如上所述，由于检查工位处的汽车车身的位置不一定每次都重合，因此必须在出现此位置偏差时进行校正。因此，需要用额外的时间来分析图像。
另外，为了实现日本特许专利公开No.2014-066657的方法，必须预先准备和创建主图像。按以上方式，用根据传统技术的缺陷检查技术，不容易进行关于是否存在缺陷的有效判断。
本发明的主要目的是提供一种缺陷检查方法，该缺陷检查方法是简单的过程，同时可高效且高度可靠地执行关于是否存在缺陷的确定。
本发明的另一个目的是提供用于实现以上提到的缺陷检查方法的缺陷检查设备。
根据本发明的实施方式，提供了一种缺陷检查方法，所述缺陷检查方法通过相对于待拍摄对象照射条纹照明并且基于得自所述待拍摄对象的图像来检查在所述待拍摄对象上是否存在缺陷，所述方法缺陷检查包括以下步骤：
从条纹照明照射单元在所述待拍摄对象上照射条纹照明；
用图像捕获单元来拍摄用所述条纹照明照射的所述待拍摄对象，并且得到源图像；
通过第一过滤处理来得到第一过滤处理后图像，所述第一过滤处理相对于所述源图像执行最大值过滤处理和最小值过滤处理中的任一个；
通过第二过滤处理来得到第二过滤处理后图像，所述第二过滤处理相对于所述第一过滤处理后图像执行所述最小值过滤处理和所述最大值过滤处理中的剩余一个；
使用所述第二过滤处理后图像作为背景图像来得到差异图像，在所述差异图像中确定了与所述源图像的差异；以及
相对于所述差异图像来执行二值化处理，并且得到二值化图像，以便确定在成像范围内是否存在缺陷。
另外，根据本发明的实施方式，提供了一种缺陷检查设备，所述缺陷检查设备适于通过相对于待拍摄对象照射条纹照明并且基于得自所述待拍摄对象的图像来检查在所述待拍摄对象上是否存在缺陷，所述缺陷检查设备包括：
条纹照明照射单元，所述条纹照明照射单元适于用条纹照明照射所述待拍摄对象；
图像捕获单元，所述图像捕获单元适于拍摄用所述条纹照明照射的所述待拍摄对象；
图像分析处理单元，所述图像分析处理单元适于相对于由所述图像捕获单元得到的源图像执行图像分析处理；以及
移位装置，所述移位装置适于将所述条纹照明照射单元和所述图像捕获单元移位；
其中，所述图像分析处理单元：通过相对于所述源图像执行最大值过滤处理和最小值过滤处理中的任一个来执行第一过滤处理，从而得到第一过滤处理后图像；通过相对于所述第一过滤处理后图像执行所述最小值过滤处理和所述最大值过滤处理中的剩余一个来执行第二过滤处理，从而得到第二过滤处理后图像；使用所述第二过滤处理后图像作为背景图像来执行求差处理，从而得到差异图像，在所述差异图像中确定了与所述源图像的差异；以及相对于所述差异图像执行二值化处理。
按以上方式，根据本发明，相对于源图像连续地执行最大值过滤处理和最小值过滤处理。在这种情形下，执行最大值过滤处理和最小值过滤处理的次序不受特别限制，并且可首先执行其中任一个。
伴随着连续执行最大值过滤处理和最小值过滤处理，大大消除了基于缺陷的任何亮度。因此，通过这些过滤处理而得到的第二过滤处理后图像是其中待拍摄对象的背景纹理显现的对比图案(灰度图像)。因此，通过将第二过滤处理后图像作为背景图像处理并且从第二过滤处理后图像减去源图像部分(得到第二过滤处理后图像和源图像之间的差异)，可得到其中强调了缺陷的差异图像。
通过基于差异图像来执行二值化处理，得到二值化图像。基于二值化图像，可容易地确定是否存在缺陷。
按以上方式，根据本发明，从待拍摄对象的拍摄位置创建源图像，对源图像执行两阶段过滤处理以得到背景图像，并且从背景图像减去源图像部分。因此，源图像的拍摄位置与已经历两阶段过滤处理的第二过滤处理后图像的拍摄位置重合。
因此，在例如待拍摄对象是传送到检查工位的汽车车身的情况下，不管汽车车身的位置是否移位离开之前的检查位置，在不执行任何校正的情况下，可以确定是否存在缺陷。另外，不需要预先预备用作参考背景的主图像。因此，图像分析处理高效进行。
另外，可高度准确地执行二值化处理。这是因为，如之前所述的，源图像的拍摄位置与已经历两阶段过滤处理的第二过滤处理后图像的拍摄位置重合。因此，可高度准确地确定是否存在缺陷。
可执行多次第一过滤处理。在这种情况下，第二过滤处理的执行次数与第一过滤处理的执行次数相同。更具体地，当执行作为第一过滤处理的最大值过滤处理和作为第二过滤处理的最小值过滤处理时，在多次连续地执行最大值过滤处理之后，多次连续地执行最小值过滤处理。另外，最小值过滤处理的执行次数与最大值过滤处理的执行次数相同。
通过执行以上处理，可得到其中基于缺陷的亮度更清晰显现的差异图像。因此，变得更容易确认缺陷是否存在。
倘若执行多次第一过滤处理和第二过滤处理，每个处理的执行次数是两次或更多次。这是因为，在这种情况下，相比于这些处理的执行次数是仅仅一次，基于缺陷的亮度更清晰地显现。更优选地，这些处理的执行次数是三次。
根据本发明，从待拍摄对象的拍摄位置创建源图像，而通过相对于源图像执行最大值过滤处理和最小值过滤处理来得到第二过滤处理后图像，并且将第二过滤处理后图像作为背景图像进行处理并且从第二过滤处理后图像减去源图像。因此，由于源图像的拍摄位置与第二过滤处理后图像的拍摄位置重合，因此不需要预先预备用作参考背景的主图像。
另外，不管待拍摄对象是处于与之前检查位置重合的位置还是处于不同位置，或者换句话讲，不管是否已发生位置偏移，在不执行任何校正的情况下，仍然可以确定是否存在缺陷。出于以上提到的原因，图像分析处理高效地进行。
另外，如之前所述的，因为源图像的拍摄位置与已经历两阶段过滤处理的第二过滤处理后图像的拍摄位置重合，所以可高度精确地执行二值化处理。因此，可高度准确地确定是否存在缺陷。
根据以下结合附图进行的描述，本发明的以上和其他目的、特征和优点将变得更清楚，在附图中，以例示示例的方式示出了本发明的优选实施方式。
附图说明
图1是示出构成根据本发明的实施方式的缺陷检查设备的组成部分的机器底座的主要部分的示意性立体图；
图2是包括图1中示出的机器底座的缺陷检查设备的主要部分的示意性竖直剖视图；
图3是示出在作为待拍摄对象的汽车车身上形成的条纹对比图案的平面图；
图4是根据本发明的实施方式的缺陷检查方法的流程略图；
图5是通过用相机拍摄被细长光照射的汽车车身上的位置而得到的源图像；
图6是通过相对于图5的源图像执行最大值过滤处理(第一过滤处理)而得到的最大值过滤处理后图像(第一过滤处理后图像)；
图7是通过相对于图6的最大值过滤处理后图像(第一过滤处理后图像)执行最小值过滤处理(第二过滤处理)而得到的最小值过滤处理后图像(第二过滤处理后图像)；
图8是通过从图7的最小值过滤处理后图像(第二过滤处理后图像)中减去图5的源图像而确定的差异图像；
图9是通过相对于图8的差异图像执行二值化处理而得到的二值化图像；
图10是通过相对于图9的二值化图像执行区域过滤标记处理而得到的图像；以及
图11是用于确定是否存在缺陷的诊断图像。
具体实施方式
以下，将参照附图详细描述针对根据本发明的缺陷检查方法和用于实施此方法的缺陷检查设备的优选实施方式。
图1是示出构成根据本发明的实施方式的缺陷检查设备10的组成部分的机器底座12的主要部分的示意性立体图，并且图2是缺陷检查设备10的主要部分的示意性竖直剖视图。缺陷检查设备10包括机器底座12和设置在机器底座12上的细长光源14(条纹照明照射单元)。细长光L(条纹照明)从细长光源14照射到作为待拍摄对象的汽车车身20上。
如图2所示，容纳腔室22形成在机器底座12上且在面向汽车车身20的下侧，并且在容纳腔室22中容纳多个个体白光发光二极管(白光LED)24。细长光源14由白光LED 24构成。白光LED 24所发射的光穿过半透明覆盖件26的半透明部分26a，并且向着汽车车身20的侧面竖直向下前进。
多个个体光屏蔽线28以条纹形状或图案设置在半透明覆盖件26上。白光LED 24所发射的光在存在光屏蔽线28的位置处被阻挡。为此原因，入射到汽车车身20上的光具有细长形状(条纹形状)。换句话讲，得到细长光L。
沿着厚度方向(或者换句话讲，沿着机器底座12的竖直方向)，在机器底座12的大体中心形成有具有大体矩形横截面的通孔30。当然，在形成通孔30的位置处，不存在白光LED 24。
用作图像捕获装置的相机40通过未例示的支撑框架(未示出)设置在机器底座12中且在通孔30上方的位置处。经由通孔30，相机40拍摄或捕获用细长光照射的位置的图像。
相机40所捕获的图像被传输到用作图像分析处理单元的计算机42。计算机42执行随后将描述的图像分析，并且基于此分析的结果，确定是否存在缺陷。
在以上配置中，通过未例示的移位装置(例如，致动器或类似物)将机器底座12和相机40一体地移位。因此，用细长光L照射的位置和用相机40拍摄的位置连续改变。
根据本实施方式的缺陷检查设备10基本上按上述方式构成。接下来，将针对根据本实施方式的缺陷检查方法来描述缺陷检查设备10的操作和效果。
图4是根据本实施方式的缺陷检查方法的流程略图。缺陷检查方法被大致分成源图像得到步骤S1、第一过滤处理后图像得到步骤S2、第二过滤处理后图像得到步骤S3、差异图像得到步骤S4和二值化图像得到步骤S5。
为了确定在已经被施用油漆的汽车车身20上是否存在喷漆缺陷，为移位装置提供能量，并且将机器底座12设置在汽车车身20的预定位置处。此后，或者在进行此移位之前，打开细长光源14。
从细长光源14发射的光的一部分穿过半透明覆盖件26的半透明部分26a，并且此光的一部分被光屏蔽线28阻挡。因此，形成细长光L，使细长光L在竖直向下的方向上入射到汽车车身20上。结果，形成条纹状对比图案P1，如图3所示。
相机40捕获对比图案P1的图像，并且将所捕获的图像作为图像信息传输到计算机42。更具体地，基于此图像信息，计算机42得到图5中示出的源图像(图4的步骤S1)。在图5中，用圆圈出的位置是喷漆缺陷。
接下来，计算机42相对于源图像执行第一过滤处理和第二过滤处理。更具体地，初始地，执行最大值过滤处理或最小值过滤处理中的任一个，接下来，执行最大值过滤处理或最小值过滤处理中的剩余一个。本文中，将把以下情况作为示例：最大值过滤处理被作为第一过滤处理执行，而最小值过滤处理被作为第二过滤处理执行。
如熟知的，根据最大值过滤处理，取目标像素的亮度值作为邻近像素的亮度值的最大值。通过这个图像分析处理，得到如图6中所示的最大值过滤处理后图像(第一过滤处理后图像)(图4中的步骤S2)。
接下来，相对于最大值过滤处理后图像执行最小值过滤处理。在这种情况下，由于取目标像素的亮度值作为邻近像素的亮度值的最小值，因此得到如图7中所示的最小值过滤处理后图像(第二过滤处理后图像)(图4中的步骤S3)。以这种方式，在通过执行两阶段过滤处理而得到的最小值过滤处理后图像中，基于缺陷的亮度被大大消除，汽车车身20的背景纹理显现。
接下来，计算机42将最小值过滤处理后图像作为背景图像进行处理，并且从中提取源图像部分。换句话讲，确定最小值过滤处理后图像和源图像之间的差异。据此，得到图8中示出的差异图像(图4中的步骤S4)。源图像是汽车车身20的背景纹理和喷漆缺陷都被反映的图像，而最小值过滤处理后图像是只有汽车车身20的背景纹理显现的图像。因此，在差异图像中，基本上消除了汽车车身20的背景纹理(该背景纹理限定汽车车身的背景)，并且强调喷漆缺陷。
接下来，相对于按上述方式得到的差异图像执行二值化处理。因此，如图9中所示，得到二值化图像，在该二值化图像中强调喷漆缺陷(图4中的步骤S5)。
如可能必要的，相对于二值化图像执行噪声去除处理和区域过滤标记处理。在噪声去除处理中，消除二值化图像中的线性白光区域。另外，在区域过滤标记处理中，消除面积小于或等于预定阈值的白光区域和面积大于或等于预定阈值的白光区域，使得最终只保留了面积处于预定范围内的白光区域。
在图10中示出在被执行了区域过滤标记处理之后的图像，并且在图11中示出最终得到的诊断图像。根据图10和图11，可理解，能容易地识别喷漆缺陷。
另外，如可根据上文理解的，在本实施方式中，可获取源图像和过滤处理后图像之间的差异，源图像是通过拍摄已经被传送到检查工位中的汽车车身20的被照射细长光L的位置而得到的，过滤处理后图像是通过相对于源图像执行两阶段过滤处理而得到的。因此，即使汽车车身20经历相对于之前已经被检查的汽车车身20的位置偏离，也不需要对其执行校正。因此，图像分析处理高效进行。此外，因为源图像的拍摄位置与过滤处理后图像的拍摄位置重合，所以可高度准确地执行二值化处理。
另外，根据本实施方式，不需要预先预备用作参考背景的主图像。也由于该特征，图像分析处理高效进行。出于上述原因，可以高效且准确地确定是否出现喷漆缺陷形式的突起。
移位装置将机器底座12连续移位。伴随着机器底座12的移位，细长光源14和相机40也与机器底座12一体移位。因此，用细长光L照射的位置和被相机40拍摄的位置(或换句话讲，检查位置)改变。结果，可在大范围的汽车车身20上实现缺陷检查。
当确定在对比图案P1内存在突起时，例如，相对于突起执行预定标柱处理。如果突起的数量小，则通过研磨等来去除突起。另一方面，如果突起的数量大，则可优选的是，对汽车车身20执行重新喷漆。按以上方式，可得到优异美学外观的汽车车身20。
可执行两次或更多次作为第一过滤处理的最大值过滤处理。更具体地，相对于汽车车身20的同一位置(源图像)重复进行多次最大值过滤处理，得到第一过滤处理后图像。相对于第一过滤处理后图像执行多次作为第二过滤处理的最小值过滤处理。执行最小值过滤处理的次数与执行最大值过滤处理的次数相同。
在这种情况下，在诊断图像中，任何喷漆缺陷变得更清晰。更具体地，可更容易地确定是否存在喷漆缺陷。
本发明的发明人对第一过滤处理和第二过滤处理的执行次数互不相同时的诊断图像进行了比较。结果，经确认，当执行三次第一过滤处理和第二过滤处理时，基于喷漆缺陷的亮度变得更清晰更明显。更具体地，通过将第一过滤处理和第二过滤处理均执行三次，变得更容易确定喷漆缺陷是否存在。
在第一过滤处理和第二过滤处理的实施次数仅仅是一次的情况下，或者甚至在第一过滤处理和第二过滤处理被实施多次的情况下，第一过滤处理可以是最小值过滤处理，而第二过滤处理可以是最大值过滤处理。此时，通过两阶段过滤处理而得到的第二过滤处理后图像是最大值过滤处理后图像。此时，同样，可得到与以上讨论的优点和效果相同的优点和效果。
本发明不特别限于以上讨论的实施方式，并且可在不脱离本发明的精神和主旨的范围内对这些实施方式进行各种修改。
例如，倘若相对于汽车车身20的侧表面执行缺陷检查，可使细长光L在水平方向上前进。
另外，在本发明中，待检查对象不特别限于油漆材料，并且本发明可应用于其他涂覆材料。在这种情况下，也可以基于是否存在突起来确定是否存在缺陷。
此外，可在通孔30上方设置反射镜，并且可用相机40拍摄被反射在反射镜上的位置。
另外，无须说，待拍摄对象不限于是汽车20。

Claims (6)

1.一种缺陷检查方法，所述缺陷检查方法通过相对于待拍摄对象（20）照射条纹照明（L）并且基于得自所述待拍摄对象（20）的图像来检查在所述待拍摄对象（20）上是否存在缺陷，所述缺陷检查方法包括以下步骤：
从条纹照明照射单元（14）在所述待拍摄对象（20）上照射条纹照明（L），该条纹照明照射单元（14）配置于在机器底座（12）形成的具有大体矩形横截面的通孔（30）；
用图像捕获单元（40）来拍摄用所述条纹照明（L）照射的所述待拍摄对象（20），并且得到源图像，该图像捕获单元（40）通过支撑框架设置于所述机器底座（12），并且配置在所述通孔（30）的上方；
通过第一过滤处理来得到第一过滤处理后图像，所述第一过滤处理相对于所述源图像执行最大值过滤处理和最小值过滤处理中的任一个；
通过第二过滤处理来得到第二过滤处理后图像，所述第二过滤处理相对于所述第一过滤处理后图像执行所述最小值过滤处理和所述最大值过滤处理中的剩余一个；
使用所述第二过滤处理后图像作为背景图像来得到差异图像，在所述差异图像中确定了与所述源图像的差异；
相对于所述差异图像执行二值化处理，并且得到二值化图像，以便强调在成像范围内存在的缺陷；以及
对所述二值化图像进行噪声去除处理和区域过滤标记处理，在噪声去除处理中，消除二值化图像中的线性白光区域，在区域过滤标记处理中，消除面积小于或等于预定阈值的白光区域和面积大于或等于预定阈值的白光区域，使得最终只保留了面积处于预定范围内的白光区域，
通过移位装置使所述机器底座（12）移位，由此使所述条纹照明照射单元（14）和所述图像捕获单元（40）一体地移位并进行各所述步骤。
2.根据权利要求1所述的缺陷检查方法，其中，在已执行多次所述第一过滤处理之后，执行与所述第一过滤处理相同次数的所述第二过滤处理。
3.根据权利要求2所述的缺陷检查方法，其中，分别执行两次或更多次所述第一过滤处理和所述第二过滤处理。
4.一种缺陷检查设备（10），所述缺陷检查设备适于通过相对于待拍摄对象（20）照射条纹照明（L）并且基于得自所述待拍摄对象（20）的图像来检查在所述待拍摄对象（20）上是否存在缺陷，所述缺陷检查设备包括：
条纹照明照射单元（14），所述条纹照明照射单元（14）适于用条纹照明（L）照射所述待拍摄对象（20）；
图像捕获单元（40），所述图像捕获单元（40）适于拍摄用所述条纹照明（L）照射的所述待拍摄对象（20）；
图像分析处理单元（42），所述图像分析处理单元（42）适于相对于由所述图像捕获单元（40）得到的源图像执行图像分析处理 ；以及
移位装置，所述移位装置适于将所述条纹照明照射单元（14）和所述图像捕获单元（40）移位；
其中，所述图像分析处理单元（42）：
通过相对于所述源图像执行最大值过滤处理和最小值过滤处理中的任一个来执行第一过滤处理，从而得到第一过滤处理后图像；
通过相对于所述第一过滤处理后图像执行所述最小值过滤处理和所述最大值过滤处理中的剩余一个来执行第二过滤处理，从而得到第二过滤处理后图像；
使用所述第二过滤处理后图像作为背景图像来执行求差处理，从而得到差异图像，在所述差异图像中确定了与所述源图像的差异；以及
相对于所述差异图像执行二值化处理，
对强调了存在于成像范围内的缺陷的二值化图像进行噪声去除处理和区域过滤标记处理，在噪声去除处理中，消除二值化图像中的线性白光区域，在区域过滤标记处理中，消除面积小于或等于预定阈值的白光区域和面积大于或等于预定阈值的白光区域，使得最终只保留了面积处于预定范围内的白光区域，
所述图像捕获单元（40）通过支撑框架设置于机器底座（12），配置于在机器底座（12）形成的具有大体矩形横截面的通孔（30）的上方，
所述条纹照明照射单元（14）设置于所述机器底座（12），
通过所述移位装置使所述机器底座（12）移位，由此使所述条纹照明照射单元（14）和所述图像捕获单元（40）一体地移位。
5.根据权利要求4所述的缺陷检查设备（10），其中，所述图像分析处理单元（42）在已执行多次所述第一过滤处理之后，执行与所述第一过滤处理相同次数的所述第二过滤处理。
6.根据权利要求5所述的缺陷检查设备（10），其中，所述图像分析处理单元（42）分别执行两次或更多次的所述第一过滤处理和所述第二过滤处理。
CN201710421637.1A 2016-06-09 2017-06-07 缺陷检查方法及其设备 Active CN107490579B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016115498A JP6474756B2 (ja) 2016-06-09 2016-06-09 欠陥検査方法及びその装置
JP2016-115498 2016-06-09

Publications (2)

Publication Number Publication Date
CN107490579A CN107490579A (zh) 2017-12-19
CN107490579B true CN107490579B (zh) 2021-09-07

Family

ID=60573858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710421637.1A Active CN107490579B (zh) 2016-06-09 2017-06-07 缺陷检查方法及其设备

Country Status (4)

Country Link
US (1) US9970887B2 (zh)
JP (1) JP6474756B2 (zh)
CN (1) CN107490579B (zh)
CA (1) CA2968843C (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190238796A1 (en) * 2017-05-11 2019-08-01 Jacob Nathaniel Allen Object Inspection System And Method For Inspecting An Object
CZ307838B6 (cs) * 2018-02-05 2019-06-12 Christoph Vávra 3D analytický měřicí přístroj optických dat
JP2020154208A (ja) 2019-03-22 2020-09-24 本田技研工業株式会社 カメラ焦点調整治具、及びカメラ焦点調整方法
CN110530881A (zh) * 2019-09-23 2019-12-03 苏州科洛尼自动化有限公司 高精度屏幕视觉检测系统
WO2021257846A1 (en) 2020-06-17 2021-12-23 Inovision Software Solutions, Inc. System and method for defect repair
CN114095721B (zh) * 2020-08-25 2023-04-28 京东方科技集团股份有限公司 视频坏点检测的方法和装置、计算机可读介质
CN113030102A (zh) * 2021-03-02 2021-06-25 成都小淞科技有限公司 基于机器视觉的漆面瑕疵检查系统
CN114240888B (zh) * 2021-12-17 2022-09-20 沭阳安宏木制品厂 一种基于图像处理的家具组件喷漆缺陷修复方法及系统
JP7297354B1 (ja) * 2023-02-07 2023-06-26 株式会社シュヴァルベル 画像処理システム及び画像処理方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0886633A (ja) * 1994-09-14 1996-04-02 Nissan Motor Co Ltd 表面欠陥検査装置
JPH08159725A (ja) * 1994-12-07 1996-06-21 Canon Inc 形状計測方法
WO1998036572A1 (en) * 1997-02-14 1998-08-20 At & T Corp. Method and apparatus for removing color artifacts in region-based coding
CN102279191A (zh) * 2010-06-13 2011-12-14 中钞特种防伪科技有限公司 周期性纹理图像中缺陷的检测方法和装置
CN102331241A (zh) * 2010-07-12 2012-01-25 旭硝子株式会社 表面形状的评价方法和表面形状的评价装置
CN102529019A (zh) * 2012-01-31 2012-07-04 温州大学 一种模具检测、保护及零件检测、摘取的方法
EP2546064B1 (en) * 2011-07-15 2017-03-08 SCREEN Holdings Co., Ltd. Image inspection apparatus, image recording apparatus, and image inspection method

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5060118A (en) * 1989-04-06 1991-10-22 Frank A. Arone Apparatus for daylight color duplication
DE4121464A1 (de) * 1990-06-28 1992-01-09 Mazda Motor Vorrichtung zur feststellung von oberflaechendefekten
US5309222A (en) * 1991-07-16 1994-05-03 Mitsubishi Denki Kabushiki Kaisha Surface undulation inspection apparatus
US5414518A (en) * 1992-08-10 1995-05-09 Chrysler Corporation Method and apparatus for the evaluation of reflective surfaces
US5436726A (en) * 1994-05-23 1995-07-25 It's Dents Or Us Flaw highlighting light panel and booth for automobile body repair
US5734742A (en) * 1994-09-19 1998-03-31 Nissan Motor Co., Ltd. Inspection system and process
JPH08184567A (ja) * 1994-10-05 1996-07-16 Musco Corp 鏡面反射性又は半鏡面反射性表面を点検するための装置及び方法
JP2976869B2 (ja) * 1995-12-28 1999-11-10 日産自動車株式会社 表面欠陥検査装置
JP3259624B2 (ja) 1996-01-31 2002-02-25 日産自動車株式会社 表面状態検査装置
JP3514107B2 (ja) * 1998-03-24 2004-03-31 日産自動車株式会社 塗装欠陥検査装置
US6266138B1 (en) * 1999-10-12 2001-07-24 Perceptron, Inc. System and method for detecting defects in a surface of a workpiece
CN100520376C (zh) * 2003-10-21 2009-07-29 大发工业株式会社 表面缺陷检查方法及装置
DE102006008840B4 (de) * 2006-02-25 2009-05-14 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Beleuchtungsvorrichtung für zylindrische Objekte, damit durchgeführtes Oberflächenuntersuchungsverfahren und Computerprogrammprodukt
US7471383B2 (en) * 2006-12-19 2008-12-30 Pilkington North America, Inc. Method of automated quantitative analysis of distortion in shaped vehicle glass by reflected optical imaging
CN101122999B (zh) * 2007-04-16 2010-07-07 北京联合大学 一种自动提取中国书画作品中印章图像的方法
JP5521440B2 (ja) * 2009-08-28 2014-06-11 株式会社リコー 画像検査装置、画像検査方法、プログラムおよび記録媒体
CN102339378A (zh) * 2010-07-22 2012-02-01 中国农业机械化科学研究院 一种自动提取棉苗的方法及其装置
US20120133761A1 (en) * 2010-11-30 2012-05-31 Angstrom, Inc. Uneven area inspection system
FR2993662B1 (fr) * 2012-07-23 2015-05-15 Msc & Sgcc Procede et installation pour la detection notamment de defauts refractants
JP6052590B2 (ja) 2012-09-27 2016-12-27 日産自動車株式会社 自動車車体の表面検査装置および表面検査方法
KR101759632B1 (ko) * 2013-06-03 2017-07-20 야마하하쓰도키 가부시키가이샤 외관 검사 장치
KR101827180B1 (ko) * 2013-06-19 2018-02-07 애플 인크. 통합 구조화된 광 프로젝터
JP6433268B2 (ja) * 2014-03-31 2018-12-05 国立大学法人 東京大学 検査システムおよび検査方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0886633A (ja) * 1994-09-14 1996-04-02 Nissan Motor Co Ltd 表面欠陥検査装置
JPH08159725A (ja) * 1994-12-07 1996-06-21 Canon Inc 形状計測方法
WO1998036572A1 (en) * 1997-02-14 1998-08-20 At & T Corp. Method and apparatus for removing color artifacts in region-based coding
CN102279191A (zh) * 2010-06-13 2011-12-14 中钞特种防伪科技有限公司 周期性纹理图像中缺陷的检测方法和装置
CN102331241A (zh) * 2010-07-12 2012-01-25 旭硝子株式会社 表面形状的评价方法和表面形状的评价装置
EP2546064B1 (en) * 2011-07-15 2017-03-08 SCREEN Holdings Co., Ltd. Image inspection apparatus, image recording apparatus, and image inspection method
CN102529019A (zh) * 2012-01-31 2012-07-04 温州大学 一种模具检测、保护及零件检测、摘取的方法

Also Published As

Publication number Publication date
CN107490579A (zh) 2017-12-19
JP2017219478A (ja) 2017-12-14
CA2968843A1 (en) 2017-12-09
US9970887B2 (en) 2018-05-15
US20170356856A1 (en) 2017-12-14
CA2968843C (en) 2019-03-26
JP6474756B2 (ja) 2019-02-27

Similar Documents

Publication Publication Date Title
CN107490579B (zh) 缺陷检查方法及其设备
CN106796179B (zh) 检查装置以及检查方法
US20220084183A1 (en) Defect detection device, defect detection method, and program
CN107490580B (zh) 缺陷检查方法及其设备
KR0180082B1 (ko) 검사 시스템 및 방법
JP6191204B2 (ja) 自動車車体の外観検査装置および外観検査方法
EP2602763B1 (en) Method for monitoring the quality of the primer layer applied on a motor-vehicle body before painting
JP6052590B2 (ja) 自動車車体の表面検査装置および表面検査方法
JP6264132B2 (ja) 車体塗装面の検査装置および検査方法
WO2008123604A1 (ja) 表面検査装置
JP4633245B2 (ja) 表面検査装置及び表面検査方法
EP3447725B1 (en) Apparatus for inspecting appearance of article and method for inspecting appearance of article using same
KR20130108971A (ko) 콘택트 렌즈 결함 검사
US10410336B2 (en) Inspection device, storage medium, and program
JP5832167B2 (ja) 部品有無判定装置及び部品有無判定方法
JP7306620B2 (ja) 表面欠陥検査装置及び表面欠陥検査方法
KR102117697B1 (ko) 표면검사 장치 및 방법
JP6358884B2 (ja) 検査装置
KR102005345B1 (ko) 라인 스캔 카메라를 이용한 자동차 정션 박스 터미널 단자 비전 검사 방법
JP2024155236A (ja) フォーカス設定選択装置、表面欠陥検査装置、フォーカス設定選択方法、及び、表面欠陥検査方法
CN118414540A (zh) 表面检查装置、表面检查方法、缺陷自动修理系统以及程序
JP2009250752A (ja) 外形検査システム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant