CN108320282A - 多特征信息融合的陶瓷墙地砖表面缺陷检测装置及其方法 - Google Patents
多特征信息融合的陶瓷墙地砖表面缺陷检测装置及其方法 Download PDFInfo
- Publication number
- CN108320282A CN108320282A CN201810073611.7A CN201810073611A CN108320282A CN 108320282 A CN108320282 A CN 108320282A CN 201810073611 A CN201810073611 A CN 201810073611A CN 108320282 A CN108320282 A CN 108320282A
- Authority
- CN
- China
- Prior art keywords
- defect
- ceramic wall
- floor bricks
- indicate
- area
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 220
- 239000000919 ceramic Substances 0.000 title claims abstract description 167
- 239000011449 brick Substances 0.000 title claims abstract description 145
- 230000004927 fusion Effects 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title abstract description 5
- 238000005286 illumination Methods 0.000 claims abstract description 30
- 238000000605 extraction Methods 0.000 claims description 26
- 238000007781 pre-processing Methods 0.000 claims description 18
- 238000007621 cluster analysis Methods 0.000 claims description 14
- 238000005452 bending Methods 0.000 claims description 6
- 230000001678 irradiating effect Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000003760 hair shine Effects 0.000 claims 1
- 230000000149 penetrating effect Effects 0.000 claims 1
- 230000000877 morphologic effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000002950 deficient Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及多特征信息融合的陶瓷墙地砖表面缺陷检测装置及其方法,采用两块亮度可调的LED白色背光源以低角度倾斜于瓷砖表面的照明方式对其表面进行照射,获得光照均匀分布的陶瓷墙地砖,通过CCD相机采集所述陶瓷墙地砖图像数据,提取图像数据的疑似缺陷区域,调节LED白色背光源的亮度、高度及角度并控制CCD相机的高度,采集更清晰的疑似缺陷区域的图像数据,采用基于模糊C‑均值算法的模糊分类器,完成对疑似缺陷区域多特征量的计算和信息融合,辨识出所述疑似缺陷区域对应的缺陷类型。本发明能融合陶瓷墙地砖疑似缺陷区域分布于灰度特征空间和形态特征空间的多种特征量,准确有效地确定缺陷有无及其类型,缺陷检测效果良好。
Description
技术领域
本发明涉及缺陷检测领域,具体涉及一种多特征信息融合的陶瓷墙地砖表面缺陷检测装置及其方法。
背景技术
陶瓷墙地砖的表面缺陷是影响其品质的主要因素之一,所以陶瓷墙地砖的缺陷检测问题尤为重要。
陶瓷墙地砖表面缺陷种类众多,这些缺陷的特征量分散在灰度特征空间和形态特征空间等特征空间内。当前针对这些缺陷学者提出的大部分检测方法是在单一特征空间内利用单一特征量进行辨识,辨识范围有限,仅能够对少数缺陷进行辨识,对于多种陶瓷墙地砖缺陷的检测效果并不好。
发明内容
本发明的目的是提供一种多特征信息融合的陶瓷墙地砖表面缺陷检测装置及其方法,以解决陶瓷墙地砖表面缺陷的检测精度低的问题,能融合陶瓷墙地砖疑似区域分布于灰度特征空间和形态特征空间的多种特征值,从而准确有效地确定缺陷有无及其类型。
本发明所采用的技术方案为:
多特征信息融合的陶瓷墙地砖表面缺陷检测装置,其特征在于:
包括光照模块、采集模块、机械控制模块、预处理模块和辨识模块;
所述光照模块,采用两块亮度可调的LED白色背光源以低角度倾斜于瓷砖表面的照明方式对陶瓷墙地砖表面进行照射,获得光照均匀分布的陶瓷墙地砖;
所述采集模块,通过CCD相机采集所述陶瓷墙地砖图像数据并发送给预处理模块;
所述预处理模块,提取所述图像数据的疑似缺陷区域并发送给机械控制模块;
所述机械控制模块,用于调节所述光照模块的亮度、高度及角度并控制采集模块的高度,采集更清晰的所述疑似缺陷区域的图像数据并发送给辨识模块;
所述辨识模块,用于采用基于模糊C-均值算法的模糊分类器,完成对所述疑似缺陷区域多特征量的计算和信息融合,辨识出所述疑似缺陷区域对应的缺陷类型。
所述光照模块包含:
两块正方形且面积为250mm*250mm的LED白色背光源,所述LED 白色背光源以距离砖面hcm且倾斜于瓷砖表面角度为α的照明方式照射陶瓷墙地砖表面,10cm≤h≤40cm,10°≤α≤60°,并获得光照均匀分布的陶瓷墙地砖。
所述采集模块包括:
面阵CCD相机,一个黑白摄像头和一个置于摄像头前的偏光镜,在距离砖面Lcm处对陶瓷墙地砖表面进行拍摄,15cm≤L≤50cm,用于采集清晰的陶瓷墙地砖图像数据并将所述图像数据传输给预处理模块。
所述机械控制模块包括:
一个平台控制子模块、光源控制子模块和一个相机控制子模块,其中:
所述平台控制子模块用于平稳移动瓷砖所在位置;
所述光源控制子模块为一个闭环控制系统,在平台控制子模块将瓷砖移出CCD相机照射范围内后,通过光源控制器获取瓷砖下方且依据瓷砖大小呈3*3形式均匀分布的光敏元件的光照强度,再由两个分别为100路的LED驱动电路来控制两个LED白色背光源光照强度,从而获得分布均匀的光照,并调节两块LED白色背光源的照射角度及其高度;
所述相机控制子模块用于调节相机的拍摄高度;
三个模块相互配合,采集更清晰的所述疑似缺陷区域的图像数据,并将所属疑似缺陷区域发送给辨识模块。
所述辨识模块包括:
特征量提取子模块和信息融合子模块,其中:
所述特征量提取子模块,用于获取疑似缺陷区域分布于灰度特征空间和形态空间的多种特征量:灰度均值、灰度标准差、周长、面积、矩形拟合因子、宽长比、圆形度,并向所述信息融合子模块发送特征量,所述特征量提取子模块包含的特征量计算方式如下:
A、灰度均值
式g(x,y)中表示滤波后图像在(x,y)处的灰度值,∑{}表示对陶瓷墙地砖缺陷区域S内像素点灰度值求和,M为陶瓷墙地砖缺陷区域内像素点的个数;
B、灰度标准差
式g(x,y)中表示滤波后图像在(x,y)处的灰度值,∑{}表示对陶瓷墙地砖缺陷区域S内像素点灰度值求和,M为陶瓷墙地砖缺陷区域内像素点的个数,Mean表示陶瓷墙地砖区域的灰度均值,Std 用以描述陶瓷墙地砖缺陷区域内灰度值相对灰度均值的偏程度;
C、周长
P=∑{F(x,y)=0|x,y∈L} (3)
式中,P表示陶瓷墙地砖缺陷部分的周长,F(x,y)表示二值化陶瓷墙地砖缺陷图像灰度值,∑{}表示统计缺陷区域边缘L上的像素点灰度值F(x,y)=0的个数;
D、面积
A=∑{F(x,y)=0|x,y∈S} (4)
式中,A表示陶瓷墙地砖缺陷部分的面积,F(x,y)表示二值化陶瓷墙地砖缺陷图像灰度值,∑{}表示统计缺陷区域边缘L上的像素点灰度值F(x,y)=0的个数;
E、矩形拟合因子
Pr=A/Ar (5)
式中,Pr表示陶瓷墙地砖缺陷部分的矩形拟合因子,A表示缺陷部分的面积,Ar表示缺陷部分最小外接矩形面积;Pr的值在(0,1] 范围内变化,当缺陷轮廓为矩形时,Pr取得最大值1;当缺陷轮廓为圆形时,Pr取值为π/4;细长、弯曲的缺陷Pr取值较小;
F、宽长比
Pwl=Wr/Lr (6)
式中,Pwl表示陶瓷墙地砖缺陷部分的宽长比,Wr表示缺陷部分最小外接矩形宽度,Lr表示缺陷部分最小外接矩形长度;
G、圆形度
C=4πA/P2 (7)
式中,A表示陶瓷墙地砖缺陷部分的面积,P表示缺陷部分周长;且圆形缺陷的圆形度C取得最大值1;
所述信息融合子模块,用于当接收到所述特征量提取子模块发送的特征量,并利用基于模糊C-均值算法的模糊分类器对这些特征量进行信息融合,从而确定缺陷有无及其类;其中,模糊C-均值算法流程主要分为以下步骤:
a、确定聚类数目和参数;
b、初始化各个聚类中心;
c、用当前聚类中心计算隶属度函数;
d、若算法收敛则完成模糊聚类分类;
e、若算法未收敛,则重复步骤c、d直至算法收敛,完成模糊聚类分类。
多特征信息融合的陶瓷墙地砖表面缺陷检测方法,其特征在于:
由以下步骤实现:
光照:采用两块亮度可调的LED白色背光源以低角度倾斜于瓷砖表面的照明方式对其表面进行照射,获得光照均匀分布的陶瓷墙地砖;
采集:通过CCD相机采集所述陶瓷墙地砖图像数据;
预处理:提取图像数据的疑似缺陷区域;
机械控制:调节LED白色背光源的亮度、高度及角度并控制CCD 相机的高度,采集更清晰的疑似缺陷区域的图像数据;
辨识:采用基于模糊C-均值算法的模糊分类器,完成对疑似缺陷区域多特征量的计算和信息融合,辨识出所述疑似缺陷区域对应的缺陷类型。
辨识的具体步骤包括特征量提取和信息融合,其中:
特征量提取:
当获取疑似缺陷区域分布于灰度特征空间和形态空间的多种特征量:灰度均值、灰度标准差、周长、面积、矩形拟合因子、宽长比、圆形度,并向所述信息融合子模块发送特征量,所述特征量提取子模块包含的特征量计算方式如下:
A、灰度均值
式g(x,y)中表示滤波后图像在(x,y)处的灰度值,∑{}表示对陶瓷墙地砖缺陷区域S内像素点灰度值求和,M为陶瓷墙地砖缺陷区域内像素点的个数;
B、灰度标准差
式g(x,y)中表示滤波后图像在(x,y)处的灰度值,∑{}表示对陶瓷墙地砖缺陷区域S内像素点灰度值求和,M为陶瓷墙地砖缺陷区域内像素点的个数,Mean表示陶瓷墙地砖区域的灰度均值,Std 用以描述陶瓷墙地砖缺陷区域内灰度值相对灰度均值的偏程度;
C、周长
P=∑{F(x,y)=0|x,y∈L} (3)
式中,P表示陶瓷墙地砖缺陷部分的周长,F(x,y)表示二值化陶瓷墙地砖缺陷图像灰度值,∑{}表示统计缺陷区域边缘L上的像素点灰度值F(x,y)=0的个数;
D、面积
A=∑{F(x,y)=0|x,y∈S} (4)
式中,A表示陶瓷墙地砖缺陷部分的面积,F(x,y)表示二值化陶瓷墙地砖缺陷图像灰度值,∑{}表示统计缺陷区域边缘L上的像素点灰度值F(x,y)=0的个数;
E、矩形拟合因子
Pr=A/Ar (5)
式中,Pr表示陶瓷墙地砖缺陷部分的矩形拟合因子,A表示缺陷部分的面积,Ar表示缺陷部分最小外接矩形面积;Pr的值在(0,1] 范围内变化,当缺陷轮廓为矩形时,Pr取得最大值1;当缺陷轮廓为圆形时,Pr取值为π/4;细长、弯曲的缺陷Pr取值较小;
F、宽长比
Pwl=Wr/Lr (6)
式中,Pwl表示陶瓷墙地砖缺陷部分的宽长比,Wr表示缺陷部分最小外接矩形宽度,Lr表示缺陷部分最小外接矩形长度;
G、圆形度
C=4πA/P2 (7)
式中,A表示陶瓷墙地砖缺陷部分的面积,P表示缺陷部分周长;且圆形缺陷的圆形度C取得最大值1;
信息融合:
当接收到所述特征量提取子模块发送的特征量,并利用基于模糊 C-均值算法的模糊分类器对这些特征量进行信息融合,从而确定缺陷有无及其类;其中,模糊C-均值算法流程主要分为以下步骤:
a、确定聚类数目和参数;
b、初始化各个聚类中心;
c、用当前聚类中心计算隶属度函数;
d、若算法收敛则完成模糊聚类分类;
e、若算法未收敛,则重复步骤c、d直至算法收敛,完成模糊聚类分类。
本发明具有以下优点:
本发明提供了一种陶瓷墙地砖表面缺陷检测装置,所述光照模块,采用两块亮度可调的LED白色背光源以低角度倾斜于瓷砖表面的照明方式对其表面进行照射,获得光照均匀分布的陶瓷墙地砖;所述采集模块,用于通过CCD相机采集所述陶瓷墙地砖图像数据,并将所述图像数据发送给预处理模块;所述预处理模块,用于提取所述图像数据的疑似缺陷区域并发送给机械控制模块;所述机械控制模块,用于调节所述光照模块和采集模块的高度及角度,采集更清晰的所述疑似缺陷区域的图像数据并发送给辨识模块;所述辨识模块,用于采用基于模糊C-均值算法的模糊分类器,完成对所述疑似缺陷区域多特征量的计算和信息融合,辨识出所述疑似缺陷区域对应的缺陷类型,以解决陶瓷墙地砖表面缺陷的检测精度低的问题。本发明能够融合陶瓷墙地砖疑似缺陷区域分布于灰度特征空间和形态特征空间的多种特征量,从而准确有效地确定缺陷有无及其类型,缺陷检测效果良好。
附图说明
图1为本发明的整体结构框图;
图2为预处理模块流程图;
图3为机械控制模块示意图;
图4为光敏元件安装位置示意图;
图5为辨识控模块控制流程图;
图6为信息融合子模块控制流程图;
图7为模糊C-均值算法控制流程图。
具体实施方式
下面结合具体实施方式对本发明进行详细的说明。
本发明涉及一种多特征信息融合的陶瓷墙地砖表面缺陷检测装置,包括光照模块、采集模块、机械控制模块、预处理模块和辨识模块。
所述光照模块,采用两块亮度可调的LED白色背光源以低角度倾斜于瓷砖表面的照明方式对陶瓷墙地砖表面进行照射,获得光照均匀分布的陶瓷墙地砖;所述采集模块,通过CCD相机采集所述陶瓷墙地砖图像数据并发送给预处理模块;所述预处理模块,提取所述图像数据的疑似缺陷区域并发送给机械控制模块;所述机械控制模块,用于调节所述光照模块的亮度、高度及角度并控制采集模块的高度,采集更清晰的所述疑似缺陷区域的图像数据并发送给辨识模块;所述辨识模块,用于采用基于模糊C-均值算法的模糊分类器,完成对所述疑似缺陷区域多特征量的计算和信息融合,辨识出所述疑似缺陷区域对应的缺陷类型。
所述光照模块包含:
两块正方形且面积为250mm*250mm的LED白色背光源,所述LED 白色背光源以距离砖面hcm(10cm≤h≤40cm)且倾斜于瓷砖表面角度为α(10°≤α≤60°)的照明方式照射陶瓷墙地砖表面,并获得光照均匀分布的陶瓷墙地砖,例如,可采用型号为AFT-BL250W的LED 白色背光源。
所述采集模块包括:
面阵CCD相机、一个黑白摄像头和一个置于摄像头前的偏光镜,在距离砖面Lcm(15cm≤L≤50cm)处对陶瓷墙地砖表面进行拍摄,用于采集清晰的所述陶瓷墙地砖图像数据并将所述图像数据传输给预处理模块,例如,可采用型号为MV-EM200M分辨率高达1600*1200 的面阵CCD相机,型号为M0814-MP2焦距8mm的黑白摄像头及 CPL偏光镜来获取所述陶瓷墙地砖图像数据。
所述机械控制模块包括:
一个平台控制子模块、光源控制子模块和一个相机控制子模块,其中:
所述平台控制子模块用于平稳移动瓷砖所在位置;
所述光源控制子模块为一个闭环控制系统,在平台控制子模块将瓷砖移出CCD相机照射范围内后,通过光源控制器获取瓷砖下方且依据瓷砖大小呈3*3形式均匀分布的光敏元件的光照强度,再由两个分别为100路的LED驱动电路来控制两个LED白色背光源光照强度,从而获得分布均匀的光照,并调节两块LED白色背光源的照射角度及其高度;
所述相机控制子模块用于调节相机的拍摄高度;
三个模块相互配合,采集更清晰的所述疑似缺陷区域的图像数据,并将所属疑似缺陷区域发送给辨识模块。
所述辨识模块包括:
特征量提取子模块和信息融合子模块,其中:
所述特征量提取子模块,用于当获取疑似缺陷区域分布于灰度特征空间和形态空间的多种特征量:灰度均值、灰度标准差、周长、面积、矩形拟合因子、宽长比、圆形度,并向所述信息融合子模块发送特征量,所述特征量提取子模块包含的特征量计算方式如下:
(1)灰度均值
式g(x,y)中表示滤波后图像在(x,y)处的灰度值,∑{}表示对陶瓷墙地砖缺陷区域S内像素点灰度值求和,M为陶瓷墙地砖缺陷区域内像素点的个数;
(2)灰度标准差
式g(x,y)中表示滤波后图像在(x,y)处的灰度值,∑{}表示对陶瓷墙地砖缺陷区域S内像素点灰度值求和,M为陶瓷墙地砖缺陷区域内像素点的个数,Mean表示陶瓷墙地砖区域的灰度均值,Std 用以描述陶瓷墙地砖缺陷区域内灰度值相对灰度均值的偏程度;
(3)周长
P=∑{F(x,y)=0|x,y∈L} (3)
式中,P表示陶瓷墙地砖缺陷部分的周长,F(x,y)表示二值化陶瓷墙地砖缺陷图像灰度值,∑{}表示统计缺陷区域边缘L上的像素点灰度值F(x,y)=0的个数;
(4)面积
A=∑{F(x,y)=0|x,y∈S} (4)
式中,A表示陶瓷墙地砖缺陷部分的面积,F(x,y)表示二值化陶瓷墙地砖缺陷图像灰度值,∑{}表示统计缺陷区域边缘L上的像素点灰度值F(x,y)=0的个数;
(5)矩形拟合因子
Pr=A/Ar (5)
式中,Pr表示陶瓷墙地砖缺陷部分的矩形拟合因子,A表示缺陷部分的面积,Ar表示缺陷部分最小外接矩形面积;Pr的值在(0,1]范围内变化,当缺陷轮廓为矩形时,Pr取得最大值1;当缺陷轮廓为圆形时,Pr取值为π/4;细长、弯曲的缺陷Pr取值较小;
(6)宽长比
Pwl=Wr/Lr (6)
式中,Pwl表示陶瓷墙地砖缺陷部分的宽长比,Wr表示缺陷部分最小外接矩形宽度,Lr表示缺陷部分最小外接矩形长度;
(7)圆形度
C=4πA/P2 (7)
式中,A表示陶瓷墙地砖缺陷部分的面积,P表示缺陷部分周长;且圆形缺陷的圆形度C取得最大值1;
所述信息融合子模块,用于当接收到所述特征量提取子模块发送的特征量,并利用基于模糊C-均值算法的模糊分类器对这些特征量进行信息融合,从而确定缺陷有无及其类;其中,模糊C-均值算法流程主要分为以下步骤:
(1)确定聚类数目和参数;
(2)初始化各个聚类中心;
(3)用当前聚类中心计算隶属度函数;
(4)若算法收敛则完成模糊聚类分类;
(5)若算法未收敛,则重复步骤(3)(4)直至算法收敛,完成模糊聚类分类。
基于上述装置结构的多特征信息融合陶瓷墙地砖表面缺陷检测方法,由以下步骤实现:
光照:采用两块亮度可调的LED白色背光源以低角度倾斜于瓷砖表面的照明方式对其表面进行照射,获得光照均匀分布的陶瓷墙地砖;
采集:通过CCD相机采集所述陶瓷墙地砖图像数据;
预处理:提取图像数据的疑似缺陷区域;
机械控制:调节LED白色背光源的亮度、高度及角度并控制CCD 相机的高度,采集更清晰的疑似缺陷区域的图像数据;
辨识:采用基于模糊C-均值算法的模糊分类器,完成对疑似缺陷区域多特征量的计算和信息融合,辨识出所述疑似缺陷区域对应的缺陷类型。
其中,辨识的具体步骤包括特征量提取和信息融合,其中:
特征量提取:
当获取疑似缺陷区域分布于灰度特征空间和形态空间的多种特征量:灰度均值、灰度标准差、周长、面积、矩形拟合因子、宽长比、圆形度,并向所述信息融合子模块发送特征量,所述特征量提取子模块包含的特征量计算方式如下:
(1)灰度均值
式g(x,y)中表示滤波后图像在(x,y)处的灰度值,∑{}表示对陶瓷墙地砖缺陷区域S内像素点灰度值求和,M为陶瓷墙地砖缺陷区域内像素点的个数;
(2)灰度标准差
式g(x,y)中表示滤波后图像在(x,y)处的灰度值,∑{}表示对陶瓷墙地砖缺陷区域S内像素点灰度值求和,M为陶瓷墙地砖缺陷区域内像素点的个数,Mean表示陶瓷墙地砖区域的灰度均值,Std 用以描述陶瓷墙地砖缺陷区域内灰度值相对灰度均值的偏程度;
(3)周长
P=∑{F(x,y)=0|x,y∈L} (3)
式中,P表示陶瓷墙地砖缺陷部分的周长,F(x,y)表示二值化陶瓷墙地砖缺陷图像灰度值,∑{}表示统计缺陷区域边缘L上的像素点灰度值F(x,y)=0的个数;
(4)面积
A=∑{F(x,y)=0|x,y∈S} (4)
式中,A表示陶瓷墙地砖缺陷部分的面积,F(x,y)表示二值化陶瓷墙地砖缺陷图像灰度值,∑{}表示统计缺陷区域边缘L上的像素点灰度值F(x,y)=0的个数;
(5)矩形拟合因子
Pr=A/Ar (5)
式中,Pr表示陶瓷墙地砖缺陷部分的矩形拟合因子,A表示缺陷部分的面积,Ar表示缺陷部分最小外接矩形面积;Pr的值在(0,1] 范围内变化,当缺陷轮廓为矩形时,Pr取得最大值1;当缺陷轮廓为圆形时,Pr取值为π/4;细长、弯曲的缺陷Pr取值较小;
(6)宽长比
Pwl=Wr/Lr (6)
式中,Pwl表示陶瓷墙地砖缺陷部分的宽长比,Wr表示缺陷部分最小外接矩形宽度,Lr表示缺陷部分最小外接矩形长度;
(7)圆形度
C=4πA/P2 (7)
式中,A表示陶瓷墙地砖缺陷部分的面积,P表示缺陷部分周长;且圆形缺陷的圆形度C取得最大值1;
信息融合:
当接收到所述特征量提取子模块发送的特征量,并利用基于模糊 C-均值算法的模糊分类器对这些特征量进行信息融合,从而确定缺陷有无及其类;其中,模糊C-均值算法流程主要分为以下步骤:
(1)确定聚类数目和参数;
(2)初始化各个聚类中心;
(3)用当前聚类中心计算隶属度函数;
(4)若算法收敛则完成模糊聚类分类;
(5)若算法未收敛,则重复步骤(3)(4)直至算法收敛,完成模糊聚类分类。
以下结合附图对本发明技术方案进行进一步说明:
参见图1,本发明包括光照模块、采集模块、预处理模块机械控制模块和辨识模块。
所述光照模块,采用两块亮度可调的LED白色背光源以低角度倾斜于瓷砖表面的照明方式对其表面进行照射,获得光照均匀分布的陶瓷墙地砖;所述采集模块,用于通过CCD相机采集所述陶瓷墙地砖图像数据,并将所述图像数据发送给预处理模块;所述预处理模块,用于提取所述图像数据的疑似缺陷区域并发送给机械控制模块;所述机械控制模块,用于调节所述光照模块和采集模块的参数信息,采集更清晰的所述疑似缺陷区域的图像数据并发送给辨识模块;所述辨识模块,用于采用基于模糊C-均值算法的模糊分类器,完成对所述疑似缺陷区域多特征量的计算和信息融合,辨识出所述疑似缺陷区域对应的缺陷类型,以解决陶瓷墙地砖表面缺陷的检测精度低的问题。
参见图2,本发明的预处理模块控制流程图,在前端利用 CCD相机采集待检测的陶瓷墙地砖图像,首先通过滤波算法对采集到的陶瓷墙地砖图像去除噪声干扰;然后对去噪后的图像进行阈值分割,完成对陶瓷墙地砖疑似缺陷部分的提取;最后对疑似缺陷部分进行边缘提取,为后续缺陷辨识部分奠定基础。
参见图3,本发明的机械控制模块示意图,包含一个平台控制子模块、光源控制子模块和一个相机控制子模块,其中,所述平台控制子模块用于平稳移动瓷砖所在位置;所述光源控制子模块用于调节两块LED白色背光源的亮度、照射角度及其高度;所述相机控制子模块用于调节相机的拍摄高度;三个模块相互配合,采集更清晰的所述疑似缺陷区域的图像数据,并将所属疑似缺陷区域发送给辨识模块。
参见图4,本发明的光照控制子模块控制结构示意图,所述光源控制子通过光源控制器获取瓷砖下方且依据瓷砖大小呈3*3形式均匀分布的光敏元件的光照强度,再由两个分别为100路的LED 驱动电路来控制两个LED白色背光源光照强度,从而获得分布均匀的光照,并调节两块LED白色背光源的照射角度及其高度;
参见图4,本发明的辨识模块控制流程图,首先对提取到的疑似缺陷区域进行多种特征量的计算;其次利用基于模糊C-均值算法的模糊分类器对这些特征量进行信息融合;最后确定缺陷有无及其类型,完成缺陷辨识。
参见图5,本发明的辨识模块中的信息融合子模块控制流程图,利用基于模糊C-均值算法的模糊分类器将提取到的多种特征量灰度均值、灰度标准差、周长、面积、矩形拟合因子、宽长比、圆形度进行信息融合,从而完成缺陷分类。
参见图6,本发明辨识模块中所采用的基于模糊C-均值算法的模糊分类器中模糊C-均值算法控制流程图,主要分为以下几个步骤:(1)确定聚类数目和参数;(2)初始化各个聚类中心;(3)用当前聚类中心计算隶属度函数;(4)若算法收敛则完成模糊聚类分类; (5)若算法未收敛,则重复步骤(3)(4)直至算法收敛,完成模糊聚类分类。
上述发明中经各个模块间的相互配合,完成陶瓷墙地砖表面多种缺陷的检测。
本发明的内容不限于实施例所列举,本领域普通技术人员通过阅读本发明说明书而对本发明技术方案采取的任何等效的变换,均为本发明的权利要求所涵盖。
Claims (7)
1.多特征信息融合的陶瓷墙地砖表面缺陷检测装置,其特征在于:
包括光照模块、采集模块、机械控制模块、预处理模块和辨识模块;
所述光照模块,采用两块亮度可调的LED白色背光源以低角度倾斜于瓷砖表面的照明方式对陶瓷墙地砖表面进行照射,获得光照均匀分布的陶瓷墙地砖;
所述采集模块,通过CCD相机采集所述陶瓷墙地砖图像数据并发送给预处理模块;
所述预处理模块,提取所述图像数据的疑似缺陷区域并发送给机械控制模块;
所述机械控制模块,用于调节所述光照模块的亮度、高度及角度并控制采集模块的高度,采集更清晰的所述疑似缺陷区域的图像数据并发送给辨识模块;
所述辨识模块,用于采用基于模糊C-均值算法的模糊分类器,完成对所述疑似缺陷区域多特征量的计算和信息融合,辨识出所述疑似缺陷区域对应的缺陷类型。
2.根据权利要求1所述的多特征信息融合的陶瓷墙地砖表面缺陷检测装置,其特征在于:
所述光照模块包含:
两块正方形且面积为250mm*250mm的LED白色背光源,所述LED白色背光源以距离砖面hcm且倾斜于瓷砖表面角度为α的照明方式照射陶瓷墙地砖表面,10cm≤h≤40cm,10°≤α≤60°,并获得光照均匀分布的陶瓷墙地砖。
3.根据权利要求1所述的多特征信息融合的陶瓷墙地砖表面缺陷检测装置,其特征在于:
所述采集模块包括:
面阵CCD相机,一个黑白摄像头和一个置于摄像头前的偏光镜,在距离砖面Lcm处对陶瓷墙地砖表面进行拍摄,15cm≤L≤50cm,用于采集清晰的陶瓷墙地砖图像数据并将所述图像数据传输给预处理模块。
4.根据权利要求1所述的多特征信息融合的陶瓷墙地砖表面缺陷检测装置,其特征在于:
所述机械控制模块包括:
一个平台控制子模块、光源控制子模块和一个相机控制子模块,其中:
所述平台控制子模块用于平稳移动瓷砖所在位置;
所述光源控制子模块为一个闭环控制系统,在平台控制子模块将瓷砖移出CCD相机照射范围内后,通过光源控制器获取瓷砖下方且依据瓷砖大小呈3*3形式均匀分布的光敏元件的光照强度,再由两个分别为100路的LED驱动电路来控制两个LED白色背光源光照强度,从而获得分布均匀的光照,并调节两块LED白色背光源的照射角度及其高度;
所述相机控制子模块用于调节相机的拍摄高度;
三个模块相互配合,采集更清晰的所述疑似缺陷区域的图像数据,并将所属疑似缺陷区域发送给辨识模块。
5.根据权利要求1所述的多特征信息融合的陶瓷墙地砖表面缺陷检测装置,其特征在于:
所述辨识模块包括:
特征量提取子模块和信息融合子模块,其中:
所述特征量提取子模块,用于获取疑似缺陷区域分布于灰度特征空间和形态空间的多种特征量:灰度均值、灰度标准差、周长、面积、矩形拟合因子、宽长比、圆形度,并向所述信息融合子模块发送特征量,所述特征量提取子模块包含的特征量计算方式如下:
A、灰度均值
式g(x,y)中表示滤波后图像在(x,y)处的灰度值,∑{}表示对陶瓷墙地砖缺陷区域S内像素点灰度值求和,M为陶瓷墙地砖缺陷区域内像素点的个数;
B、灰度标准差
式g(x,y)中表示滤波后图像在(x,y)处的灰度值,∑{}表示对陶瓷墙地砖缺陷区域S内像素点灰度值求和,M为陶瓷墙地砖缺陷区域内像素点的个数,Mean表示陶瓷墙地砖区域的灰度均值,Std用以描述陶瓷墙地砖缺陷区域内灰度值相对灰度均值的偏程度;
C、周长
P=∑{F(x,y)=0|x,y∈L} (3)
式中,P表示陶瓷墙地砖缺陷部分的周长,F(x,y)表示二值化陶瓷墙地砖缺陷图像灰度值,∑{}表示统计缺陷区域边缘L上的像素点灰度值F(x,y)=0的个数;
D、面积
A=∑{F(x,y)=0|x,y∈S} (4)
式中,A表示陶瓷墙地砖缺陷部分的面积,F(x,y)表示二值化陶瓷墙地砖缺陷图像灰度值,∑{}表示统计缺陷区域边缘L上的像素点灰度值F(x,y)=0的个数;
E、矩形拟合因子
Pr=A/Ar (5)
式中,Pr表示陶瓷墙地砖缺陷部分的矩形拟合因子,A表示缺陷部分的面积,Ar表示缺陷部分最小外接矩形面积;Pr的值在(0,1]范围内变化,当缺陷轮廓为矩形时,Pr取得最大值1;当缺陷轮廓为圆形时,Pr取值为π/4;细长、弯曲的缺陷Pr取值较小;
F、宽长比
Pwl=Wr/Lr (6)
式中,Pwl表示陶瓷墙地砖缺陷部分的宽长比,Wr表示缺陷部分最小外接矩形宽度,Lr表示缺陷部分最小外接矩形长度;
G、圆形度
C=4πA/P2 (7)
式中,A表示陶瓷墙地砖缺陷部分的面积,P表示缺陷部分周长;且圆形缺陷的圆形度C取得最大值1;
所述信息融合子模块,用于当接收到所述特征量提取子模块发送的特征量,并利用基于模糊C-均值算法的模糊分类器对这些特征量进行信息融合,从而确定缺陷有无及其类;其中,模糊C-均值算法流程主要分为以下步骤:
a、确定聚类数目和参数;
b、初始化各个聚类中心;
c、用当前聚类中心计算隶属度函数;
d、若算法收敛则完成模糊聚类分类;
e、若算法未收敛,则重复步骤c、d直至算法收敛,完成模糊聚类分类。
6.多特征信息融合的陶瓷墙地砖表面缺陷检测方法,其特征在于:
由以下步骤实现:
光照:采用两块亮度可调的LED白色背光源以低角度倾斜于瓷砖表面的照明方式对其表面进行照射,获得光照均匀分布的陶瓷墙地砖;
采集:通过CCD相机采集所述陶瓷墙地砖图像数据;
预处理:提取图像数据的疑似缺陷区域;
机械控制:调节LED白色背光源的亮度、高度及角度并控制CCD相机的高度,采集更清晰的疑似缺陷区域的图像数据;
辨识:采用基于模糊C-均值算法的模糊分类器,完成对疑似缺陷区域多特征量的计算和信息融合,辨识出所述疑似缺陷区域对应的缺陷类型。
7.根据权利要求6所述的多特征信息融合的陶瓷墙地砖表面缺陷检测方法,其特征在于:
辨识的具体步骤包括特征量提取和信息融合,其中:
特征量提取:
当获取疑似缺陷区域分布于灰度特征空间和形态空间的多种特征量:灰度均值、灰度标准差、周长、面积、矩形拟合因子、宽长比、圆形度,并向所述信息融合子模块发送特征量,所述特征量提取子模块包含的特征量计算方式如下:
A、灰度均值
式g(x,y)中表示滤波后图像在(x,y)处的灰度值,∑{}表示对陶瓷墙地砖缺陷区域S内像素点灰度值求和,M为陶瓷墙地砖缺陷区域内像素点的个数;
B、灰度标准差
式g(x,y)中表示滤波后图像在(x,y)处的灰度值,∑{}表示对陶瓷墙地砖缺陷区域S内像素点灰度值求和,M为陶瓷墙地砖缺陷区域内像素点的个数,Mean表示陶瓷墙地砖区域的灰度均值,Std用以描述陶瓷墙地砖缺陷区域内灰度值相对灰度均值的偏程度;
C、周长
P=∑{F(x,y)=0|x,y∈L} (3)
式中,P表示陶瓷墙地砖缺陷部分的周长,F(x,y)表示二值化陶瓷墙地砖缺陷图像灰度值,∑{}表示统计缺陷区域边缘L上的像素点灰度值F(x,y)=0的个数;
D、面积
A=∑{F(x,y)=0|x,y∈S} (4)
式中,A表示陶瓷墙地砖缺陷部分的面积,F(x,y)表示二值化陶瓷墙地砖缺陷图像灰度值,∑{}表示统计缺陷区域边缘L上的像素点灰度值F(x,y)=0的个数;
E、矩形拟合因子
Pr=A/Ar (5)
式中,Pr表示陶瓷墙地砖缺陷部分的矩形拟合因子,A表示缺陷部分的面积,Ar表示缺陷部分最小外接矩形面积;Pr的值在(0,1]范围内变化,当缺陷轮廓为矩形时,Pr取得最大值1;当缺陷轮廓为圆形时,Pr取值为π/4;细长、弯曲的缺陷Pr取值较小;
F、宽长比
Pwl=Wr/Lr (6)
式中,Pwl表示陶瓷墙地砖缺陷部分的宽长比,Wr表示缺陷部分最小外接矩形宽度,Lr表示缺陷部分最小外接矩形长度;
G、圆形度
C=4πA/P2 (7)
式中,A表示陶瓷墙地砖缺陷部分的面积,P表示缺陷部分周长;且圆形缺陷的圆形度C取得最大值1;
信息融合:
当接收到所述特征量提取子模块发送的特征量,并利用基于模糊C-均值算法的模糊分类器对这些特征量进行信息融合,从而确定缺陷有无及其类;其中,模糊C-均值算法流程主要分为以下步骤:
a、确定聚类数目和参数;
b、初始化各个聚类中心;
c、用当前聚类中心计算隶属度函数;
d、若算法收敛则完成模糊聚类分类;
e、若算法未收敛,则重复步骤c、d直至算法收敛,完成模糊聚类分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810073611.7A CN108320282A (zh) | 2018-01-25 | 2018-01-25 | 多特征信息融合的陶瓷墙地砖表面缺陷检测装置及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810073611.7A CN108320282A (zh) | 2018-01-25 | 2018-01-25 | 多特征信息融合的陶瓷墙地砖表面缺陷检测装置及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108320282A true CN108320282A (zh) | 2018-07-24 |
Family
ID=62887203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810073611.7A Pending CN108320282A (zh) | 2018-01-25 | 2018-01-25 | 多特征信息融合的陶瓷墙地砖表面缺陷检测装置及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108320282A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109583376A (zh) * | 2018-11-30 | 2019-04-05 | 陕西科技大学 | 基于多特征信息融合的古陶瓷断源断代方法 |
CN110517233A (zh) * | 2019-08-15 | 2019-11-29 | 浙江赤霄智能检测技术有限公司 | 一种基于人工智能的缺陷分类学习系统及其分类方法 |
CN110853014A (zh) * | 2019-11-12 | 2020-02-28 | 王文学 | 癌症手术室故障率解析装置 |
CN111122590A (zh) * | 2019-12-03 | 2020-05-08 | 佛山市景瞳科技有限公司 | 一种陶瓷表面缺陷检测装置及检测方法 |
CN111272766A (zh) * | 2020-02-20 | 2020-06-12 | 上海普密德自动化科技有限公司 | 一种基于视觉技术的表面缺陷检测系统及其检测方法 |
CN113640310A (zh) * | 2021-10-18 | 2021-11-12 | 南京光衡科技有限公司 | 瓷砖表面缺陷检测视觉系统及检测方法 |
CN113935666A (zh) * | 2021-12-17 | 2022-01-14 | 武汉精装房装饰材料有限公司 | 基于图像处理的建筑装饰墙面砖异常评估方法 |
CN115294120A (zh) * | 2022-10-08 | 2022-11-04 | 誉隆半导体设备(江苏)有限公司 | 基于图像识别的阀门表面质量检测方法 |
CN117333483A (zh) * | 2023-11-30 | 2024-01-02 | 中科慧远视觉技术(洛阳)有限公司 | 一种用于金属凹陷结构底部的缺陷检测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102590218A (zh) * | 2012-01-16 | 2012-07-18 | 安徽中科智能高技术有限责任公司 | 基于机器视觉的金属零件光洁表面微缺陷检测装置及方法 |
WO2015055060A1 (zh) * | 2013-10-16 | 2015-04-23 | 湖南镭目科技有限公司 | 一种连铸坯表面质量在线检测方法 |
CN104794491A (zh) * | 2015-04-28 | 2015-07-22 | 重庆大学 | 基于预分类的模糊聚类钢板表面缺陷检测方法 |
CN106093073A (zh) * | 2016-06-02 | 2016-11-09 | 昆山国显光电有限公司 | 基板缺陷位置定位方法及装置和系统 |
CN106705897A (zh) * | 2016-12-23 | 2017-05-24 | 电子科技大学 | 曲面电子显示屏用弧形玻璃面板缺陷检测方法 |
-
2018
- 2018-01-25 CN CN201810073611.7A patent/CN108320282A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102590218A (zh) * | 2012-01-16 | 2012-07-18 | 安徽中科智能高技术有限责任公司 | 基于机器视觉的金属零件光洁表面微缺陷检测装置及方法 |
WO2015055060A1 (zh) * | 2013-10-16 | 2015-04-23 | 湖南镭目科技有限公司 | 一种连铸坯表面质量在线检测方法 |
CN104794491A (zh) * | 2015-04-28 | 2015-07-22 | 重庆大学 | 基于预分类的模糊聚类钢板表面缺陷检测方法 |
CN106093073A (zh) * | 2016-06-02 | 2016-11-09 | 昆山国显光电有限公司 | 基板缺陷位置定位方法及装置和系统 |
CN106705897A (zh) * | 2016-12-23 | 2017-05-24 | 电子科技大学 | 曲面电子显示屏用弧形玻璃面板缺陷检测方法 |
Non-Patent Citations (2)
Title |
---|
于润桥等: "焊缝超声检测缺陷类型的模糊C均值聚类识别", 《测试技术学报》 * |
许雷: "实木地板图像融合分割与BP-SOM网络识别方法研究", 《中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109583376A (zh) * | 2018-11-30 | 2019-04-05 | 陕西科技大学 | 基于多特征信息融合的古陶瓷断源断代方法 |
CN109583376B (zh) * | 2018-11-30 | 2022-09-27 | 陕西科技大学 | 基于多特征信息融合的古陶瓷断源断代方法 |
CN110517233A (zh) * | 2019-08-15 | 2019-11-29 | 浙江赤霄智能检测技术有限公司 | 一种基于人工智能的缺陷分类学习系统及其分类方法 |
CN110853014A (zh) * | 2019-11-12 | 2020-02-28 | 王文学 | 癌症手术室故障率解析装置 |
CN111122590A (zh) * | 2019-12-03 | 2020-05-08 | 佛山市景瞳科技有限公司 | 一种陶瓷表面缺陷检测装置及检测方法 |
CN111272766A (zh) * | 2020-02-20 | 2020-06-12 | 上海普密德自动化科技有限公司 | 一种基于视觉技术的表面缺陷检测系统及其检测方法 |
CN113640310A (zh) * | 2021-10-18 | 2021-11-12 | 南京光衡科技有限公司 | 瓷砖表面缺陷检测视觉系统及检测方法 |
CN113935666A (zh) * | 2021-12-17 | 2022-01-14 | 武汉精装房装饰材料有限公司 | 基于图像处理的建筑装饰墙面砖异常评估方法 |
CN113935666B (zh) * | 2021-12-17 | 2022-03-22 | 武汉精装房装饰材料有限公司 | 基于图像处理的建筑装饰墙面砖异常评估方法 |
CN115294120A (zh) * | 2022-10-08 | 2022-11-04 | 誉隆半导体设备(江苏)有限公司 | 基于图像识别的阀门表面质量检测方法 |
CN117333483A (zh) * | 2023-11-30 | 2024-01-02 | 中科慧远视觉技术(洛阳)有限公司 | 一种用于金属凹陷结构底部的缺陷检测方法及装置 |
CN117333483B (zh) * | 2023-11-30 | 2024-06-25 | 中科慧远视觉技术(洛阳)有限公司 | 一种用于金属凹陷结构底部的缺陷检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108320282A (zh) | 多特征信息融合的陶瓷墙地砖表面缺陷检测装置及其方法 | |
Moaveni et al. | Evaluation of aggregate size and shape by means of segmentation techniques and aggregate image processing algorithms | |
CN102297660B (zh) | 一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置 | |
WO2006051813A1 (ja) | 細胞培養装置、画像処理装置及び細胞検出システム | |
US8326084B1 (en) | System and method of auto-exposure control for image acquisition hardware using three dimensional information | |
CN108387516A (zh) | 基于ccd像机图像处理技术的螺纹缺陷检测装置及检测方法 | |
CN114638797A (zh) | 一种基于线阵相机的铜表面缺陷检测方法及装置 | |
CN111601047A (zh) | 一种油液泄漏图像采集方法 | |
KR20160108644A (ko) | 디바이스 결함 검출장치 | |
TWI512284B (zh) | 玻璃氣泡瑕疵檢測系統 | |
CN108445010A (zh) | 自动光学检测方法及装置 | |
CN105391998B (zh) | 微光夜视仪分辨率自动检测方法和装置 | |
CN103091332B (zh) | 一种基于机器视觉的u型粉管的检测方法及其检测系统 | |
CN110148141B (zh) | 一种丝印滤光片小片检测计数方法及设备 | |
Zheng et al. | Three-dimensional translucent segregation table (3D-TST) test for soil particle size and shape distribution | |
CN110216082B (zh) | 荧光标记种子动态识别方法和系统 | |
CN115598136B (zh) | 屏幕涂胶质量的检测装置 | |
Yao et al. | Fusing complementary images for pavement cracking measurements | |
CN110412056A (zh) | 一种车载玻璃模组自动光学检测方法及装置 | |
CN115690077A (zh) | 一种泡罩板背面缺陷检测方法及系统 | |
KR102082102B1 (ko) | 토양 이미지를 이용한 토양 분류 방법 및 함수비 추정 방법 | |
CN206583440U (zh) | 一种投影图像视距检测系统 | |
CN112648920B (zh) | 掩模开口尺寸测量方法、掩模版拉伸装置以及张网机 | |
KR101555685B1 (ko) | 글라스 품질 검사 방법 및 시스템 | |
KR20150137497A (ko) | 후판 표면 결함 탐상 장치 및 방법 |
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 |