CN108122226A - 一种玻璃缺陷的检测方法及装置 - Google Patents
一种玻璃缺陷的检测方法及装置 Download PDFInfo
- Publication number
- CN108122226A CN108122226A CN201711367046.7A CN201711367046A CN108122226A CN 108122226 A CN108122226 A CN 108122226A CN 201711367046 A CN201711367046 A CN 201711367046A CN 108122226 A CN108122226 A CN 108122226A
- Authority
- CN
- China
- Prior art keywords
- result
- unit
- defect
- defect image
- realtime graphic
- 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
Classifications
-
- 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
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种玻璃缺陷的检测方法及装置,方法部分包括:根据预设滤波器组参数,训练无缺陷图像,得到无缺陷图像的能量响应结果,所述无缺陷图像的能量响应结果包括无缺陷图像的滤波能量均值和无缺陷图像的滤波能量标准差;根据所述预设滤波器组参数,滤波实时图像,得到实时图像的滤波结果;根据所述实时图像的滤波结果,估计实时图像的滤波能量响应结果,所述实时图像的滤波能量响应结果包括实时图像的滤波能量均值;根据所述无缺陷图像的能量响应结果和所述实时图像的滤波结果能量响应结果,绘制单位缺陷图像;根据所述单位缺陷图像,绘制整体缺陷图像。能够有效解决现有检测方法准确度低的问题。
Description
技术领域
本申请涉及玻璃生产领域,尤其涉及一种玻璃缺陷的检测方法。
背景技术
光伏玻璃是一种通过层压装入太阳能电池,进而利用太阳能辐射发电,并且具有相关电流引出装置以及电缆的特种玻璃。在资源匮乏的今天,这种能够充分利用自然可再生资源来创造资源的玻璃具有良好的应用前景。如图1所示,光伏玻璃在制作的过程中容易因为工艺制度的破坏,例如熔化过程中玻璃液物化均一性被破坏、成型期间混入杂质等,从而令光伏玻璃成型后带有缺陷,例如结石(结晶夹杂物)、条纹、节瘤(玻璃态夹杂物)和气泡(气体夹杂物)等,而这些缺陷会对光伏玻璃的强度、韧性、发电性、美观等造成巨大的影响,因此,及时对光伏玻璃的缺陷进行检查,避免不合格的光伏玻璃流入市场被使用具有重要的意义。
目前,通常采用人工对光伏玻璃缺陷进行检测,具体地,将待检查光伏玻璃放置在观察台上,检查员通过观察台自带灯光或者检查员手持灯光对光伏玻璃进行逐处光照,根据玻璃缺陷在光照下呈现的更清楚的原理来检查光伏玻璃上的缺陷。对检查出的缺陷处做标记,然后对玻璃缺陷进行分类,并判断该玻璃缺陷是否影响正常使用。但是在实际应用时,通过人工检查光伏玻璃缺陷,由于检查时需要长时间在强光下操作,极容易造成视觉疲劳,影响检查的准确率和效率;而且光伏玻璃通常尺寸较大,人工需要对整体光伏玻璃逐处检查并与无缺陷的玻璃对照,检查时间长,效率低。
为了解决上述问题,逐渐开发出利用机器对光伏玻璃进行检测,而这种方法中也仅是利用相机代替人眼对光伏玻璃进行扫描拍摄,并且能够起到一定的放大作用。但是仍然需要人工对拍摄到的缺陷图像与无缺陷图像进行对照,并且判断缺陷类型及缺陷度,检测结果仍然准确度不高,而且效率仍较低。
发明内容
本申请提供了一种玻璃缺陷的检测方法及装置,以解决现有缺陷检测方法准确度低的问题。
根据本申请的实施例,第一方面,本申请提供一种玻璃缺陷的检测方法,包括:
根据预设滤波器组参数,训练无缺陷图像,得到无缺陷图像的能量响应结果;所述无缺陷图像的能量响应结果包括无缺陷图像的滤波能量均值和无缺陷图像的滤波能量标准差;
根据所述预设滤波器组参数,滤波实时图像,得到实时图像的滤波结果;
根据所述实时图像的滤波结果,估计实时图像的滤波能量响应结果,所述实时图像的滤波能量响应结果包括实时图像的滤波能量均值;
根据所述无缺陷图像的能量响应结果和所述实时图像的滤波结果能量响应结果,绘制单位缺陷图像;
根据所述单位缺陷图像,绘制整体缺陷图像。
可选地,使用第一滤波器组检测结石缺陷,使用第二滤波器组检测气泡缺陷;
所述第一滤波器组设定为多方向、低频滤波器组;
所述第二滤波器组设定为固定方向滤波器组。
可选地,按照下述步骤确定预设滤波器组参数:
获取带缺陷玻璃的参考图像,并识别缺陷点;
在所述参考图像上,建立直角坐标系;
获取所述缺陷点在所述直角坐标系内的缺陷点坐标;
获取所述第一滤波器组和所述第二滤波器组内各滤波器在所述直角坐标系内的单位滤波器坐标;
根据所述缺陷点坐标与所述单位滤波器坐标,确定所述第一滤波器组与所述第二滤波器组的工作参数。
可选地,按照下述步骤绘制单位缺陷图像:
计算所述无缺陷图像的滤波能量均值与所述实时图像的滤波能量的能量差异;
根据预设敏感度系数和所述无缺陷图像的滤波能量标准差,阈值化所述能量差异,得到阈值化能量差异;
归一化所述阈值化能量差异,得到归一化结果;
根据所述归一化结果,绘制单位缺陷图像。
可选地,按照下列步骤绘制整体缺陷图像:
遍历全部所述归一化结果,根据相同尺度且不同方向的规则,分组所述归一化结果为子归一化结果组;
计算各所述子归一化结果组的算术平均融合值,得到算术平均融合结果;
遍历全部所述算术平均融合结果,根据预设相邻尺度,分组所述算术平均融合结果为相邻融合结果组;
计算所述相邻融合结果组的几何平均融合值,得到几何平均融合结果;
计算所述几何平均融合结果的算术平均值,得到算术平均结果;
根据所述算术平均结果,绘制整体缺陷图像。
第二方面,本申请提供了一种玻璃缺陷的检测装置,包括:
图像训练单元,用于根据预设滤波器组参数,训练无缺陷图像,得到无缺陷图像的能量响应结果;所述无缺陷图像的能量响应结果包括无缺陷图像的滤波能量均值和无缺陷图像的滤波能量标准差;
滤波单元,用于根据所述预设滤波器组参数,滤波实时图像,得到实时图像的滤波结果;
能量估计单元,用于根据所述实时图像的滤波结果,估计实时图像的滤波能量响应结果,所述实时图像的滤波能量响应结果包括实时图像的滤波能量均值;
单位图像绘制单元,用于根据所述无缺陷图像的能量响应结果和所述实时图像的滤波结果能量响应结果,绘制单位缺陷图像;
整体图像绘制单元,用于根据所述单位缺陷图像,绘制整体缺陷图像。
可选地,使用第一滤波器组检测结石缺陷,使用第二滤波器组检测气泡缺陷;
所述第一滤波器组设定为多方向、低频滤波器组;
所述第二滤波器组设定为固定方向滤波器组。
可选地,所述检测装置还包括:
参考图像获取单元,用于获取带缺陷玻璃的参考图像,并识别缺陷点;
坐标系建立单元,用于在所述实时图像上,建立直角坐标系;
缺陷点坐标获取单元,用于获取所述缺陷点在所述直角坐标系内的缺陷点坐标;
滤波器坐标获取单元,用于获取所述第一滤波器组和所述第二滤波器组内各滤波器在所述直角坐标系内的单位滤波器坐标;
参数确定单元,用于根据所述缺陷点坐标与所述单位滤波器坐标,确定所述第一滤波器组与所述第二滤波器组的工作参数。
可选地,所述单位图像绘制单元包括:
差值计算单元,用于计算所述无缺陷图像的滤波能量均值与所述实时图像的滤波能量的能量差异;
阈值化单元,用于根据预设敏感度系数和所述无缺陷图像的滤波能量标准差,阈值化所述能量差异,得到阈值化能量差异;
归一化单元,用于归一化所述阈值化能量差异,得到归一化结果;
单位缺陷图像绘制单元,用于根据所述归一化结果,绘制单位缺陷图像。
可选地,所述整体图像绘制单元包括:
归一化结果分组单元,用于遍历全部所述归一化结果,根据相同尺度且不同方向的规则,分组所述归一化结果为子归一化结果组;
算术平均融合值计算单元,用于计算各所述子归一化结果组的算术平均融合值,得到算术平均融合结果;
融合结果分组单元,用于遍历全部所述算术平均融合结果,根据预设相邻尺度,分组所述算术平均融合结果为相邻融合结果组;
几何平均融合值计算单元,用于计算所述相邻融合结果组的几何平均融合值,得到几何平均融合结果;
算术平均值计算单元,用于计算所述几何平均融合结果的算术平均值,得到算术平均结果;
整体缺陷图像绘制单元,用于根据所述算术平均结果,绘制整体缺陷图像。
第三方面,本申请还提供了一种存储介质,所述存储介质可存储有程序,所述程序执行时可实现包括本申请提供的玻璃缺陷的检测方法的各实施例中部分或全部步骤。
由以上技术可知,本申请提供了一种玻璃缺陷的检测方法及装置,其中,缺陷的检测方法包括:根据预设滤波器组参数,训练无缺陷图像,得到无缺陷图像的能量响应结果;所述无缺陷图像的能量响应结果包括无缺陷图像的滤波能量均值和无缺陷图像的滤波能量标准差;根据所述预设滤波器组参数,滤波实时图像,得到实时图像的滤波结果;根据所述实时图像的滤波结果,估计实时图像的滤波能量响应结果,所述实时图像的滤波能量响应结果包括实时图像的滤波能量均值;根据所述无缺陷图像的能量响应结果和所述实时图像的滤波结果能量响应结果,绘制单位缺陷图像;根据所述单位缺陷图像,绘制整体缺陷图像。
使用时,为了提升检测效果,采取分别对玻璃缺陷及背景进行训练,然后进行重叠对比的检测方法。第一部分,首先采集不存在结石、气泡等缺陷的标准玻璃样本的图像,即无缺陷图像,然后对无缺陷图像进行训练,得到的结果为无缺陷图像的能量响应结果,即玻璃背景纹理的响应能量。第二部分,首先对需要检测的玻璃产品进行实时图像的获取,得到可能包含缺陷的玻璃产品图像。然后利用Gabor滤波器对实时图像进行滤波,并且对应得到实时图像的滤波结果的能量响应结果。第三部分,根据第一部分中得到的无缺陷图像的能量响应结果与第三部分得到的实时图像的滤波结果的能量响应结果,绘制出当前计算值所对应的单位缺陷图像。最后根据全部单位缺陷图像绘制出完整的整体缺陷图像,能够准确反映出该待检测玻璃产品的表面缺陷图像,从而能够快速、准确地判断出缺陷类型,进而判断存在缺陷的玻璃产品是否仍然能够满足使用要求。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请提供的光伏玻璃宏观缺陷示意图;
图2(1)为本申请提供的一种玻璃产品经Gabor滤波器组后的空域示意图;
图2(2)为本申请提供的一种玻璃产品经Gabor滤波器组后的频域示意图;
图3为本申请实施例提供的一种玻璃缺陷的检测方法流程图;
图4为本申请实施例提供的一种确定预设滤波器组参数的方法流程图;
图5为本申请实施例提供的一种绘制单位缺陷图像的方法流程图;
图6为本申请实施例提供的一种绘制整体缺陷图像的方法流程图;
图7为本申请实施例提供的一种玻璃缺陷的检测装置;
图8为本申请实施例提供的一种确定预设滤波器组参数的结构示意图;
图9为本申请实施例提供的一种单位图像绘制单元的结构示意图;
图10为本申请实施例提供的一种整体图像绘制单元的结构示意图。
具体实施方式
存在缺陷的玻璃产品通常由两部分构成,缺陷部分和玻璃正常的纹理背景部分。频域(Frequency Domain)是描述信号在频率方面特性时的表示方式,每个给定频带内具有特定的信号量。任何一个波形都可以分解成多个正弦波之和,每个正弦波都有自己的频率和振幅,所以任意一个波形信号都有自己的频率和集合,具有不同的频域。由于缺陷部分和纹理背景部分具有不同的频率、方向等,两者在频域的能量分布也会不同,Gabor滤波器对方向和尺度均有良好的适应性,并且对不同方向和尺度的滤波响应不同。空域(SpatialDomain)即所说的像素域,在空域层面的处理就是在像素级别的处理,由于玻璃表面缺陷和背景纹理有时在像素级差异较小,不易区分。因此,采用Gabor滤波器在不同尺度和方向下对玻璃产品的图像进行滤波,能够得到不同的频域图像,及对应的能量响应结果。
本申请使用多尺度、多方向的Gabor滤波器代替人眼,如图2(1)和图2(2)所示,将玻璃产品的图像分解为不同尺度和不同方向范围下的图像,通过计算不同尺度和方向下的频率、方向等特征的差异,进而准确区分玻璃产品的缺陷部分和纹理背景部分。
参见图3,一种玻璃缺陷的检测方法流程图。
本实施例提供了一种玻璃缺陷的检测方法,包括:
S100、根据预设滤波器组参数,训练无缺陷图像,得到无缺陷图像的能量响应结果,所述无缺陷图像的能量响应结果包括无缺陷图像的滤波能量均值和无缺陷图像的滤波能量标准差;
S200、根据所述预设滤波器组参数,滤波实时图像,得到实时图像的滤波结果;
S300、根据所述实时图像的滤波结果,估计实时图像的滤波能量响应结果,所述实时图像的滤波能量响应结果包括实时图像的滤波能量均值;
S400、根据所述无缺陷图像的能量响应结果和所述实时图像的滤波结果能量响应结果,绘制单位缺陷图像;
S500、根据所述单位缺陷图像,绘制整体缺陷图像。
使用时,为了提升检测效果,采取分别对玻璃缺陷及背景进行训练,然后进行重叠对比的检测方法。第一部分,首先采集存在结石、气泡等缺陷的玻璃样本的图像,即缺陷图像,对Gabor滤波器组进行工作参数的设定。
可以根据历史经验设定工作参数,也可以采取检测带有特定缺陷类型,如结石和气泡的玻璃图像来确定相应的工作参数。
具体地,如图4所示,根据以下步骤确定预设滤波器组参数。
S101、获取带缺陷玻璃的参考图像,并识别缺陷点。
首先,通过点阵相机、线阵相机等拍摄设备拍摄带有特定缺陷类型,如结石、气泡等的玻璃产品的图像,将该图像作为设定滤波器组工作参数的参考图像。拍摄得到的参考图像需要清晰记录拍摄的时间,以便之后进行排序操作。如果参考图像存在缺陷,由于缺陷部分及背景纹理部分的灰度值不同,存在起伏变化,所以通过灰度值的变化能够快速获得缺陷点信息,并且能够大概判断缺陷点的位置,以及提取到缺陷点的边缘点。
S102、在所述参考图像上,建立直角坐标系。
在参考图像上建立坐标系,该坐标系可以为直角坐标系,也可为斜坐标系等,能够实现清楚示意缺陷部分各点坐标和滤波器组内各滤波器坐标的任何坐标系。本实施例中优选直角坐标系,直角坐标系能够减少由于坐标系本身坐标轴属性产生的多余角度换算运算,提高生成缺陷点坐标及各滤波器坐标的效率。建立直角坐标系时,尽量沿着所需缺陷部分边缘点多的方向,以及与各滤波器呈较规则角度的方向建立坐标轴,从而有效减少运算量,提高计算效率,并且能够提高计算准确率。
S103、获取所述缺陷点在所述直角坐标系内的缺陷点坐标。
根据所建立的坐标系,对应获得缺陷部分的各点坐标,主要包括,缺陷部分边缘的各关键点的坐标;以及当需要计算各滤波器与整体缺陷部分的角度、尺度等参数关系时所需要的缺陷部分整体坐标,此时,需要将缺陷部分整体抽象为一个点,进而在坐标系中,找到一个对应的点坐标。为了方便计算,可以将抽象成一个点的缺陷部分处为坐标系原点,计算其与各滤波器的关系;也可以将整体缺陷部分放入坐标系的第一象限,保证坐标值均为正数,从而减少运算量。
S104、获取所述第一滤波器组和所述第二滤波器组内各滤波器在所述直角坐标系内的单位滤波器坐标;
S105、根据所述缺陷点坐标与所述单位滤波器坐标,确定所述第一滤波器组与所述第二滤波器组的工作参数。
根据缺陷点坐标与各单位滤波器坐标,依照距离与角度的计算公式,能够计算出缺陷部分各边缘点与各单位滤波器之间的距离及角度关系,从而确定第一滤波器组与第二滤波器组的滤波参数。
例如,利用第一滤波器组对应检测结石缺陷,则根据结石缺陷坐标与第一滤波器组内的各单位滤波器坐标,计算结石缺陷各边缘点与各单位滤波器之间的距离及角度关系;利用第二滤波器组对应检测气泡缺陷,则根据气泡缺陷坐标与第二滤波器组内的各单位滤波器坐标,计算气泡缺陷各边缘点与各单位滤波器之间的距离及角度关系。
为了减少运算量,尽量将各单位滤波器设置于坐标系的坐标轴上,从而将x或y其中一项参数确定为0。
由于玻璃产品的缺陷存在不同形式,主要有结石缺陷、气泡缺陷等,针对每种不同的缺陷需要采用不同的滤波器组进行滤波处理分析,通过以下方法分类测量不同类型的缺陷。
使用第一滤波器组检测结石缺陷,并使用第二滤波器组来检测气泡缺陷,上述分组序号与检测缺陷类型无绝对的对应关系。其中,用于检测结石缺陷的第一滤波器组设定参数具体为,第一滤波器组内至少具有两个单位滤波器;滤波器组内的各单位滤波器至少具有两个方向;采用多方向滤波器组能够有效去除实时图像的噪声,保留重要的图像特征,提高缺陷部分形状及尺寸的检测精确度,同时能够利用多个滤波器组得到的能量梯度准确确定缺陷部分的边缘位置,基于精确确定的边缘位置,能够获得精确完整的缺陷部分形状及尺寸,从而提高检测准确率。依据拍摄获得的实时图像信息,确定第一滤波器组为通过波频率贴近缺陷部分频率的滤波频率,从而有效剔除干扰频率。介于结石缺陷为低频缺陷类型,故采用低频滤波器组进行滤波,从而有目的的检测到结石缺陷的所在部位。
用于检测气泡缺陷的第二滤波器组设定的参数具体为,第二滤波器组内的各单位滤波器具有固定方向,即缺陷方向,将识别到的缺陷部分的位置与各单位滤波器之间构成的方向设定为第二滤波器组的滤波方向。其余参数,例如滤波频率、滤波尺寸等的选择方式均遵循上述第一滤波器组的参数选择方式,此处不再赘述。两个滤波器组设定的工作参数均为能够测量,并且准确测量出多种尺寸及方位缺陷的参数。例如,能够测量到的结石最小尺寸为5个像素圆形,能够检测到的气泡最小尺寸为2×16个像素长条形。
使用Gabor滤波器组处理实时图像,主要为了消除图像中的各种噪声,从而突出图像中的有用信息,比如边缘点信息、改善对比度、增强图像轮廓特征等,进而有效提高检测的准确性,令处理的结果更适用于识别系统。
利用预先设定好工作参数的Gabor滤波器组,对无缺陷图像进行训练。具体地,Gabor滤波器组内的多个滤波器能够实现对无缺陷图像进行多重方位的滤波操作,通过在无缺陷图像上抽取已知的物属性,或者物体特征的区域,或者少量像元,通过对这些像元图像特征的分析和统计,建立分类模型,得到无缺陷图像的能量响应结果,即获得玻璃背景纹理的响应能量。
具体地,假设无缺陷图像通过Gabor滤波器滤波后的结果为F(x,y),根据公式(1)能够计算出无缺陷图像的滤波能量均值,
其中,T(x,y)为无缺陷图像的滤波能量均值,β为固定系数。所谓滤波能量均值即为无缺陷图像中所有点的能量与图像尺寸的比值,在公式(1)中,通常将β的取值定为0.3,滤波响应能量结果的值域范围为[0,1]。
无缺陷图像的滤波能量标准差为无缺陷图像上各点的能量偏离滤波能量均值的程度,根据公式(1)能够准确计算出无缺陷图像的滤波能量均值T(x,y),根据公式(2)计算无缺陷图像的滤波能量标准差,
其中,σ(x,y)为无缺陷图像的滤波能量标准差,T(xi,yi)为无缺陷图像上各点的滤波能量均值,T(x,y)为无缺陷图像的滤波能量均值。
利用Gabor滤波器组对无缺陷玻璃进行滤波,能够准确获得玻璃产品在无缺陷状态下,或者有缺陷玻璃产品在避开缺陷处的纹理背景能量,从而作为下述检测缺陷部分的对比基准,提高检测玻璃缺陷的准确度与可靠性。
第二部分,对需要检测的玻璃产品进行实时图像的获取,主要抽取实时图像上已知的物属性,或者物体特征的区域,对实时图像上各点的像素值、灰度值、能量等进行获取。然后利用与训练无缺陷图像时具有相同工作参数的Gabor滤波器对实时图像进行滤波,并通过对实时图像上各点特征的分析和统计,建立分类模型,对应得到实时图像的滤波结果的能量响应结果。
具体地,假设实时图像通过Gabor滤波器滤波后的结果为F'(x,y),根据公式(3)能够计算出实时图像的滤波能量均值,
其中,T'(x,y)为实时图像的滤波能量均值,β为固定系数。所谓滤波能量均值即为实时图像中所有点的能量与图像尺寸的比值,在公式(1)中,通常将β的取值定为0.3,滤波响应能量结果的值域范围为[0,1]。
根据第一部分中得到的无缺陷图像的能量响应结果与第二部分得到的实时图像的滤波结果的能量响应结果,绘制出当前计算值所对应的单位缺陷图像。
具体地,如图5所示,按照下列步骤绘制单位缺陷图像。
S401、计算所述无缺陷图像的滤波能量均值与所述实时图像的滤波能量的能量差异。
根据公式(4)计算出无缺陷图像的滤波能量与实时图像的滤波能量的能量差异,
M(x,y)=|T'(x,y)-T(x,y)| (4)
其中,M(x,y)为能量差异,T'(x,y)为实时图像的滤波能量均值,T(x,y)为无缺陷图像的滤波能量均值。
S402、根据预设敏感度系数和所述无缺陷图像的滤波能量标准差,阈值化所述能量差异,得到阈值化能量差异。
将能量差异阈值化的过程相当于将实时图像二值化的过程,即对实时图像检测计算出缺陷部分的滤波响应能量之后,对实时图像的每一点能量值与无缺陷图像的滤波响应能量均值进行比较,根据公式(5)进行比较计算,
其中,S(x,y)为阈值化结果,T'(x,y)为实时图像的滤波能量均值,T(x,y)为无缺陷图像的滤波能量均值,τ为敏感度系数,std为无缺陷图像的滤波能量标准差。
对于敏感度系数,由用户自行输入数值,敏感度系数越高,则滤波器对噪声的抑制能力越强;敏感度系数越低,则滤波器对缺陷部分的保留能力越强。通常对敏感度系数选择在1.5。
实际计算时,如若实时图像与缺陷图像的滤波能量均值相差较大,则满足公式(5),认为检测到的点为缺陷点;如若实时图像与缺陷图像的滤波能量均值相差较小,即该点为0,不是缺陷点。
S403、归一化所述阈值化能量差异,得到归一化结果。
由于玻璃本身性质,导致拍摄的图像灰度值变化容易存在不清晰的问题,因此需要将阈值化结果经过归一化处理,将实时图像中灰度界限不清的点进行灰度值扩大或者缩小的处理,力求将实时图像中各点的灰度值落入0-255的范围内,得到归一化结果。其中将背景纹理灰度值,定义为255,将缺陷部分的灰度值定义为0,从而提高实时图像各特征点的辨识度,进而提高缺陷部分的检测力度,提高准确度。
S404、根据所述归一化结果,绘制单位缺陷图像。
根据全部单位缺陷图像绘制出完整的整体缺陷图像,具体地,如图6所示,按照下列步骤绘制出整体缺陷图像。
S501、遍历全部所述归一化结果,根据相同尺度且不同方向的规则,分组所述归一化结果为子归一化结果组;
S502、计算各所述子归一化结果组的算术平均融合值,得到算术平均融合结果。
根据公式(6)计算各尺度相同、方向不同的归一化结果组的整体归一化结果,
其中,Omn(x,y)为整体归一化结果,Smn(x,y)为单位缺陷处的归一化结果。根据公式(6)计算出平均不同方向的归一化结果相对于总体归一化结果的贡献度。再根据公式(7)对不同方向的整体归一化结果进行融合计算,
其中,Nm(x,y)为融合结果,Omn(x,y)为整体归一化结果。
最后对融合结果求平均值,从而计算出算术平均融合结果。
S503、遍历全部所述算术平均融合结果,根据预设相邻尺度,分组所述算术平均融合结果为相邻融合结果组;
S504、计算所述相邻融合结果组的几何平均融合值,得到几何平均融合结果。
根据公式(8)计算融合结果的几何平均融合值,
其中,Nm(m+1)(x,y)为几何平均融合结果,Nm(x,y)为前一尺度的融合结果,Nm+1(x,y)为后一尺度的融合结果。
具体地,相邻尺度根据滤波器参数来确定,第一个尺度由滤波器组中的最高频率来确定,后面的尺度均由当次频率为上次频率一半的频率来确定。
S505、计算所述几何平均融合结果的算术平均值,得到算术平均结果。
根据公式(9)来计算几何平均融合结果的算术平均值,即对全部尺度的结果做算术平均,
其中,N(x,y)为几何平均融合结果的算术平均结果,Nm(m+1)(x,y)为几何平均融合结果。
S506、根据所述算术平均结果,绘制整体缺陷图像。
通过本实施例提供的检测方法能够准确反映出该待检测玻璃产品的表面缺陷图像,从而能够快速、准确地判断出缺陷类型,进而判断存在缺陷的玻璃产品是否仍然能够满足使用要求。
如图7所示,本实施例提供了一种玻璃缺陷的检测装置,其特征在于,包括:
图像训练单元1,用于根据预设滤波器组参数,训练无缺陷图像,得到无缺陷图像的能量响应结果;所述无缺陷图像的能量响应结果包括无缺陷图像的滤波能量均值和无缺陷图像的滤波能量标准差;
滤波单元2,用于根据所述预设滤波器组参数,滤波实时图像,得到实时图像的滤波结果;
能量估计单元3,用于根据所述实时图像的滤波结果,估计实时图像的滤波能量响应结果,所述实时图像的滤波能量响应结果包括实时图像的滤波能量均值;
单位图像绘制单元4,用于根据所述无缺陷图像的能量响应结果和所述实时图像的滤波结果能量响应结果,绘制单位缺陷图像;
整体图像绘制单元5,用于根据所述单位缺陷图像,绘制整体缺陷图像。
可选地,使用第一滤波器组检测结石缺陷,使用第二滤波器组检测气泡缺陷;
所述第一滤波器组设定为多方向、低频滤波器组;
所述第二滤波器组设定为固定方向滤波器组。
如图8所示,所述检测装置还包括:
参考图像获取单元6,用于获取带缺陷玻璃的参考图像,并识别缺陷点;
坐标系建立单元7,用于在所述参考图像上,建立直角坐标系;
缺陷点坐标获取单元8,用于获取所述缺陷点在所述直角坐标系内的缺陷点坐标;
滤波器坐标获取单元9,用于获取所述第一滤波器组和所述第二滤波器组内各滤波器在所述直角坐标系内的单位滤波器坐标;
参数确定单元10,用于根据所述缺陷点坐标与所述单位滤波器坐标,确定所述第一滤波器组与所述第二滤波器组的工作参数。
如图9所示,所述单位图像绘制单元4包括:
差值计算单元41,用于计算所述无缺陷图像的滤波能量均值与所述实时图像的滤波能量的能量差异;
阈值化单元42,用于根据预设敏感度系数和所述无缺陷图像的滤波能量标准差,阈值化所述能量差异,得到阈值化能量差异;
归一化单元43,用于归一化所述阈值化能量差异,得到归一化结果;
单位缺陷图像绘制单元54,用于根据所述归一化结果,绘制单位缺陷图像。
如图10所示,所述整体图像绘制单元5包括:
归一化结果分组单元51,用于遍历全部所述归一化结果,根据相同尺度且不同方向的规则,分组所述归一化结果为子归一化结果组;
算术平均融合值计算单元52,用于计算各所述子归一化结果组的算术平均融合值,得到算术平均融合结果;
融合结果分组单元53,用于遍历全部所述算术平均融合结果,根据预设相邻尺度,分组所述算术平均融合结果为相邻融合结果组;
几何平均融合值计算单元54,用于计算所述相邻融合结果组的几何平均融合值,得到几何平均融合结果;
算术平均值计算单元55,用于计算所述几何平均融合结果的算术平均值,得到算术平均结果;
整体缺陷图像绘制单元56,用于根据所述算术平均结果,绘制整体缺陷图像。
具体实现中,本申请还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时可包括本申请提供的呼叫方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文:read-only memory,简称:ROM)或随机存储记忆体(英文:random access memory,简称:RAM)等。
本领域的技术人员可以清楚地了解到本申请中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种玻璃缺陷的检测方法,其特征在于,包括:
根据预设滤波器组参数,训练无缺陷图像,得到无缺陷图像的能量响应结果,所述无缺陷图像的能量响应结果包括无缺陷图像的滤波能量均值和无缺陷图像的滤波能量标准差;
根据所述预设滤波器组参数,滤波实时图像,得到实时图像的滤波结果;
根据所述实时图像的滤波结果,估计实时图像的滤波能量响应结果,所述实时图像的滤波能量响应结果包括实时图像的滤波能量均值;
根据所述无缺陷图像的能量响应结果和所述实时图像的滤波结果能量响应结果,绘制单位缺陷图像;
根据所述单位缺陷图像,绘制整体缺陷图像。
2.根据权利要求1所述的检测方法,其特征在于,
使用第一滤波器组检测结石缺陷,使用第二滤波器组检测气泡缺陷;
所述第一滤波器组设定为多方向、低频滤波器组;
所述第二滤波器组设定为固定方向滤波器组。
3.根据权利要求2所述的检测方法,其特征在于,按照下述步骤确定预设滤波器组参数:
获取带缺陷玻璃的参考图像,并识别缺陷点;
在所述参考图像上,建立直角坐标系;
获取所述缺陷点在所述直角坐标系内的缺陷点坐标;
获取所述第一滤波器组和所述第二滤波器组内各滤波器在所述直角坐标系内的单位滤波器坐标;
根据所述缺陷点坐标与所述单位滤波器坐标,确定所述第一滤波器组与所述第二滤波器组的工作参数。
4.根据权利要求1所述的检测方法,其特征在于,按照下述步骤绘制单位缺陷图像:
计算所述无缺陷图像的滤波能量均值与所述实时图像的滤波能量的能量差异;
根据预设敏感度系数和所述无缺陷图像的滤波能量标准差,阈值化所述能量差异,得到阈值化能量差异;
归一化所述阈值化能量差异,得到归一化结果;
根据所述归一化结果,绘制单位缺陷图像。
5.根据权利要求4所述的检测方法,其特征在于,按照下列步骤绘制整体缺陷图像:
遍历全部所述归一化结果,根据相同尺度且不同方向的规则,分组所述归一化结果为子归一化结果组;
计算各所述子归一化结果组的算术平均融合值,得到算术平均融合结果;
遍历全部所述算术平均融合结果,根据预设相邻尺度,分组所述算术平均融合结果为相邻融合结果组;
计算所述相邻融合结果组的几何平均融合值,得到几何平均融合结果;
计算所述几何平均融合结果的算术平均值,得到算术平均结果;
根据所述算术平均结果,绘制整体缺陷图像。
6.一种玻璃缺陷的检测装置,其特征在于,包括:
图像训练单元,用于根据预设滤波器组参数,训练无缺陷图像,得到无缺陷图像的能量响应结果;所述无缺陷图像的能量响应结果包括无缺陷图像的滤波能量均值和无缺陷图像的滤波能量标准差;
滤波单元,用于根据所述预设滤波器组参数,滤波实时图像,得到实时图像的滤波结果;
能量估计单元,用于根据所述实时图像的滤波结果,估计实时图像的滤波能量响应结果,所述实时图像的滤波能量响应结果包括实时图像的滤波能量均值;
单位图像绘制单元,用于根据所述无缺陷图像的能量响应结果和所述实时图像的滤波结果能量响应结果,绘制单位缺陷图像;
整体图像绘制单元,用于根据所述单位缺陷图像,绘制整体缺陷图像。
7.根据权利要求6所述的检测装置,其特征在于,
使用第一滤波器组检测结石缺陷,使用第二滤波器组检测气泡缺陷;
所述第一滤波器组设定为多方向、低频滤波器组;
所述第二滤波器组设定为固定方向滤波器组。
8.根据权利要求7所述的检测装置,其特征在于,所述检测装置还包括:
参考图像获取单元,用于获取带缺陷玻璃的参考图像,并识别缺陷点;
坐标系建立单元,用于在所述参考图像上,建立直角坐标系;
缺陷点坐标获取单元,用于获取所述缺陷点在所述直角坐标系内的缺陷点坐标;
滤波器坐标获取单元,用于获取所述第一滤波器组和所述第二滤波器组内各滤波器在所述直角坐标系内的单位滤波器坐标;
参数确定单元,用于根据所述缺陷点坐标与所述单位滤波器坐标,确定所述第一滤波器组与所述第二滤波器组的工作参数。
9.根据权利要求6所述的检测装置,其特征在于,所述单位图像绘制单元包括:
差值计算单元,用于计算所述无缺陷图像的滤波能量均值与所述实时图像的滤波能量的能量差异;
阈值化单元,用于根据预设敏感度系数和所述无缺陷图像的滤波能量标准差,阈值化所述能量差异,得到阈值化能量差异;
归一化单元,用于归一化所述阈值化能量差异,得到归一化结果;
单位缺陷图像绘制单元,用于根据所述归一化结果,绘制单位缺陷图像。
10.根据权利要求9所述的检测装置,其特征在于,所述整体图像绘制单元包括:
归一化结果分组单元,用于遍历全部所述归一化结果,根据相同尺度且不同方向的规则,分组所述归一化结果为子归一化结果组;
算术平均融合值计算单元,用于计算各所述子归一化结果组的算术平均融合值,得到算术平均融合结果;
融合结果分组单元,用于遍历全部所述算术平均融合结果,根据预设相邻尺度,分组所述算术平均融合结果为相邻融合结果组;
几何平均融合值计算单元,用于计算所述相邻融合结果组的几何平均融合值,得到几何平均融合结果;
算术平均值计算单元,用于计算所述几何平均融合结果的算术平均值,得到算术平均结果;
整体缺陷图像绘制单元,用于根据所述算术平均结果,绘制整体缺陷图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711367046.7A CN108122226B (zh) | 2017-12-18 | 2017-12-18 | 一种玻璃缺陷的检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711367046.7A CN108122226B (zh) | 2017-12-18 | 2017-12-18 | 一种玻璃缺陷的检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108122226A true CN108122226A (zh) | 2018-06-05 |
CN108122226B CN108122226B (zh) | 2020-08-11 |
Family
ID=62230294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711367046.7A Active CN108122226B (zh) | 2017-12-18 | 2017-12-18 | 一种玻璃缺陷的检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108122226B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107742291A (zh) * | 2017-10-20 | 2018-02-27 | 凌云光技术集团有限责任公司 | 一种光伏玻璃的缺陷检测方法及装置 |
-
2017
- 2017-12-18 CN CN201711367046.7A patent/CN108122226B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107742291A (zh) * | 2017-10-20 | 2018-02-27 | 凌云光技术集团有限责任公司 | 一种光伏玻璃的缺陷检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
徐建亮: "基于优化Gabor滤波器的铸坏表面缺陷检测应用研究", 《表面技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108122226B (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110287932B (zh) | 基于深度学习图像语义分割的道路阻断信息提取方法 | |
US7933441B2 (en) | Method of inspection for inner defects of an object and apparatus for same | |
CN109087274A (zh) | 基于多维融合及语义分割的电子器件缺陷检测方法及装置 | |
CN108257121B (zh) | 产品缺陷检测模型更新的方法、装置、存储介质及终端设备 | |
CN103619238B (zh) | 用于确定皮炎值的装置和方法 | |
CN110163853A (zh) | 一种边缘缺陷的检测方法 | |
CN109190473A (zh) | 一种“机器视觉理解”在电力远程监控中的应用 | |
CN110378232B (zh) | 改进的ssd双网络的考场考生位置快速检测方法 | |
CN109613002A (zh) | 一种玻璃缺陷检测方法、装置和存储介质 | |
CN110210448B (zh) | 一种智能人脸皮肤老化程度的识别与评估方法 | |
CN102621154B (zh) | 基于改进差分盒多重分形算法的布匹疵点在线自动检测方法 | |
CN108186051A (zh) | 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理系统 | |
CN109671058A (zh) | 一种大分辨率图像的缺陷检测方法及系统 | |
CN110008947A (zh) | 一种基于卷积神经网络的粮仓粮食数量监测方法及装置 | |
CN108052909B (zh) | 一种基于心血管oct影像的薄纤维帽斑块自动检测方法和装置 | |
CN103674968A (zh) | 材料外观腐蚀形貌特征机器视觉原值检测评价方法及装置 | |
CN107631782A (zh) | 一种基于Harris角点检测的水位检测方法 | |
CN112215217B (zh) | 模拟医师阅片的数字图像识别方法及装置 | |
CN116152697A (zh) | 一种混凝土结构裂缝的三维模型测量方法及相关装置 | |
CN104198998B (zh) | 非均匀背景下基于聚类处理的恒虚警检测方法 | |
CN117274251B (zh) | 基于图像数据的药品生产过程中药片质量检测方法 | |
CN109102486B (zh) | 基于机器学习的表面缺陷检测方法及装置 | |
CN1323545C (zh) | 医学影像坏点自动检测门限确定方法 | |
CN108428247A (zh) | 焊锡点方向的检测方法和系统 | |
CN108122226A (zh) | 一种玻璃缺陷的检测方法及装置 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701 Patentee after: Lingyunguang Technology Co., Ltd Address before: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701 Patentee before: LUSTER LIGHTTECH GROUP Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |