CN108414531A - 一种基于机器视觉的柔性薄膜缺陷检测装置及其检测方法 - Google Patents

Abstract

本发明公开了一种基于机器视觉的柔性薄膜缺陷检测装置及其检测方法，属于基于机器视觉的快速图像识别技术领域，适用于自动化生产线上的快速运动薄膜表面缺陷的自动检测。本发明基于集合连通性原理，定义了图像内像素之间距离、集合之间距离和集合之间连通性，并给出了相应的计算公式，设计了逐行处理线阵相机输出数据的柔性薄膜缺陷快速识别方法，解决了当前柔性薄膜缺陷检测系统不能实时在线检测高速生产线产品异常的问题。本发明的数据处理速率达到750M/S，而且缺陷定位准确，可广泛应用于PVC生产、食品/药品包装印刷检测和半导体行业。

Description

一种基于机器视觉的柔性薄膜缺陷检测装置及其检测方法

技术领域

本发明属于基于机器视觉的快速图像识别技术领域，具体涉及一种基于机器视觉的柔性薄膜缺陷检测装置及其检测方法。

背景技术

现代工业生产线在高速运行时，生产出的产品表面经常会出现瑕疵、不准确等质量问题。如高速印刷机出现的污点和套印不准确，高速PVC生产线上出现的蚊虫、金属丝、头发等异物，药品灌装过程中药液会出现玻璃碎屑、铝屑、橡皮屑、毛发等可见异物等。这些质量问题如不及时发现，不仅会降低产品信誉，甚至可能威胁到用户生命。对这类生产线产品的传统的检测方法是依靠人工目视，检查挑除废品。但人工检测速度慢、效率低，而且容易疲劳，漏检率较高。为获得高可靠的检测效果，同时减少成本损耗、节约人力，依据机器视觉原理的在线检测系统可以解决上述问题。

以1800mm宽、速度0～200m/min的PVC(聚氯乙烯)生产线为例，产品颜色为淡蓝色的透明材料，需要对透明PVC产品中0.3*0.3mm2以上的异物(蚊虫、金属丝、头发等)进行实时识别检测。分析发现，如果要满足对上述生产线产品中异物进行实时检测的要求，相机必须采用行分辨率8k、纵向行频18kHz的CCD线阵相机，检测的异物图像面积为大于60*60个像素的连续深色噪点块，检测系统的图像输出数据率为144MB/s。

基于机器视觉的在线检测系统，通过计算机检测产品图像中的异常，达到自动检测的目的。目前对图像异物检测算法，都使用成熟专业机器视觉软件HALCON和NI VISIOINBUILDER中的图像分析算法，如膨胀、腐蚀、Sobel边缘检测、亚像素边缘检测、直方图、几何变换、形态学、几何特征匹配等。现有图像识别算法存在以下不足：

(a)上述算法虽然有较好的检测效果，但算法复杂、计算速度慢，不能满足高速运动生产线的实时异常检测需求。即现存算法在普通计算机上，不能达到图像输出数据率为144MB/s的处理速度。

(b)上述算法都是以一副图像为处理单元，不能以逐行方式进行识别处理，即识别处理有较大的滞后性，也不适于识别运动产品的在线识别。

此外，检测装置设计中也会遇到如下问题：

生产线运动过程中会出现振动、速度不均匀等情况，对生产线上获取到的柔性薄膜图像质量造成不良影响；生产车间光线亮度变化会影响图像显示效果，最终影响缺陷检测正确率与检测精度。

因此，如何能够更优地解决实时快速异物识别，已经成为亟待解决的重要问题。

(一)解决的技术问题

本发明的目的在于克服上述现有技术问题的缺陷，解决当前检测系统不能实时检测高速生产线产品异常的问题，基于集合连通性原理，定义了图像内像素之间距离、集合之间距离和集合之间连通性，并给出了相应的计算公式，提供一种基于机器视觉的柔性薄膜缺陷检测装置及其检测方法。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于机器视觉的柔性薄膜缺陷检测装置，由在线检测端和PC控制端组成，在线检测端包括铝合金支架、底座、主动滚轮、从动滚轮、同动带、线性光源、高速工业CCD相机，底座内部装有传动系统以及控制线性光源亮度的控制系统，铝合金支架固定安装在底座上，线性光源安装在底座上方，主动滚轮、从动滚轮固定安装在铝合金支架上，主动滚轮、从动滚轮之间通过同动带连接，高速工业CCD相机固定安装在铝合金支架的上方；PC控制端包括机壳、控制箱，控制箱内部装有工控机，控制箱上部通过机壳集成了人机交互端，人机交互端由键盘、鼠标及显示器组成，控制箱通过导线分别与在线检测端的线性光源、高速工业CCD相机电气连接；在线检测端置于薄膜生产线末端，薄膜生产线末端设有型材支架，型材支架上固定安装有薄膜，使薄膜由一对平行的主动滚轮、从动滚轮传送到在线检测端的高速工业CCD相机正下方。

一种基于机器视觉的柔性薄膜缺陷检测方法，包括以下步骤：

S1、系统初始化，整个系统启动，高速工业CCD相机开始工作；

S2、判断相机所成的薄膜图像的灰度是否在可以检测缺陷的范围内，如果不在，则通过负反馈调节线性光源的LED灯的亮度，以改变成像的灰度；

S3、当图像灰度在可检测范围内时，相机开始持续检测薄膜，并将数据传输回PC端的工控机，通过预存的灰度集合连通域算法判断缺陷与否并对于出现缺陷的图像帧进行抓取和保存，且内嵌的算法还对缺陷面积累加并计算缺陷出现频率；

S4、当薄膜缺陷出现频率在不可接受范围，通过PC控制端，控制薄膜生产线，紧急停止，并拉响警报，系统结束。

根据本发明的一实施例，步骤S3通过预存的灰度集合连通域算法判断缺陷，包括以下步骤：

步骤1)定义像素与像素之间的距离：

像素p(x₁,y₁)和p(x₂,y₂)的距离表示为

其中：T是一个门限值，t＝N_x*y+x，N_x为图像每行包含的像素数，x和y分别表示该像素的横坐标和纵坐标；

步骤2)定义像素集合与像素集合之间的距离：

集合P{p(t₁),p(t₂),L,p(t_n)}和集合P'{p(t₁'),p(t₂'),L,p(t_m')}之间的距离定义为

d(p',p)＝min(d(t_i,t'_j)),i＝1,…,n；j＝1,…,m (2)

步骤3)定义给出像素集合联通性原理和判别依据；当d(P',P)＝0则集合P和P'是连通的，否则就是分离的若集合E可以分成两个分离的集合则称之为分离集，否则称其为连通集；

步骤4)给出判断图像内一个集合为噪点集合P的判据：噪点集合为连通集，且集合面积大于一个给定的阈值；

步骤5)根据步骤4)的判别方法进行逐行识别处理；

步骤6)以输入的一行图像为一个处理单元，快速的处理高速线扫相机输入的图像数据，实时检测出图像中出现的异物，并记录异物的重心坐标和面积。

根据本发明的一实施例，所述步骤5)进行逐行识别处理进一步包括对一行图像判断像素与潜在噪点集合的连通性，剔除不连通的像素，合并连通像素到潜在噪点集；若潜在噪点集若面积大于给定阈值，则识别为真正的噪点集合。

根据本发明的一实施例，对于分布较为稀疏的噪点集合，在保持集合连通性判断效果不变的条件下，通过重新定义集合距离的方式减少计算复杂度，步骤2)中像素集合与像素集合之间的距离可重新定义为：

定义2’：

(2)这里和分别对应P和P'的重心的横纵坐标,MAXD为集合之间连通性判据阈值。

根据本发明的一实施例，其中在识别逐行输入的图像时，行集合与其他集合之间特殊的距离计算公式：

其中P_line为该行构成的集合，y_line为该行的纵坐标。

根据本发明的一实施例，其中一行图像的处理过程包括以下步骤：

步骤6.1)从第一个像素开始扫描，找出该行内连续3个以上像素值小于FIXHD的子集，并计算该子集重心坐标，其中FIXHD取值为150；

步骤6.2)把该子集与疑似噪点集合链表中的疑似噪点集合逐个进行连通性分析，即判断当前子集与链表中哪一个集合是连通的；

步骤6.3)剔除链表中面积小于阈值RGAREA，且与当前子集不连通的潜在噪点集合；

步骤6.4)如果该子集与链表中任何潜在噪点集合都不连通，则把该子集作为一个新的潜在噪点集合插入到链表中。

根据本发明的一实施例，步骤6.1)中计算行和列坐标的公式为：

其中：M为当前子集中符合要求像素的个数。

根据本发明的一实施例，其中步骤6.2)中集合连通性测度为两个集合重心之间的距离，如果两个集合是连通的，则满足以下公式

和为链表中第m个疑似噪点集合重心坐标，在这里MAXD取值为30；

如果当前子集重心与链表中第m个潜在噪点集合重心小于MAXD，即认为该子集与第m个疑似噪点集合是连通的，否则是不连通的；

在判断当前子集与第m个潜在噪点集合是连通的之后，把当前子集与第m个潜在噪点集合进行融合，并更新第m个潜在噪点集合的重心坐标和面积。

根据本发明的一实施例，其中步骤6.3)中剔除潜在噪点集合的条件为：

且p-＞pCnts_m＜RGAREA (8)

其中p-＞pCnts_m为第m个潜在噪点集合的面积，即集合内像素个数。

(三)有益效果

本发明的有益效果：一种基于机器视觉的柔性薄膜缺陷检测装置及其检测方法，检测装置由底座、型材支架、滚轮、线性光源、传动带以及控制系统组成，其中线性光源亮度可调，传送装置运行平稳，振动幅度小，适应不同检测场景下的检测要求以及精度要求；本发明检测方法具有算法简单、执行速度快、检测精确有效、内存要求低等特征，并且通过在线参数设置，可以任意设定被检测异物的大小和色差信息，数据处理速率达到750M/S，并且异物定位准确，算法通用性强，除柔性薄膜缺陷检测之外，还可以广泛地应用于PVC生产、食品/药品包装印刷检测和半导体行业。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明薄膜缺陷检测装置结构示意图；

图2示出了本发明检测方法流程图；

图3示出了灰度集合连通域算法判断缺陷流程图；

图4示出了潜在噪点集合链表的示意图；

图5示出了一行图像连通性分析控制流程图；

图6示出了一个噪点集合与链表内噪点集合之间连通性识别流程图；

图7示出了本发明检测方法测试图像。

相关元件符号说明：

1、机壳；2、显示器；3、键盘；4、鼠标；5、控制箱；6、底座；7、型材支架；8、薄膜；9、同动带；10、铝合金支架；11、主动滚轮；12、高速工业CCD相机；13、线性光源；14、从动滚轮。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

结合图1，一种基于机器视觉的柔性薄膜缺陷检测装置，由在线检测端和PC控制端组成。在线检测端包括铝合金支架10、底座6、主动滚轮11、从动滚轮14、同动带9、线性光源13、高速工业CCD相机12，底座6内部装有一系列传动系统以及控制线性光源13亮度的控制系统，铝合金支架10固定安装在底座6上，线性光源13安装在底座6上方，主动滚轮11、从动滚轮14固定安装在铝合金支架10上，主动滚轮11、从动滚轮14之间通过同动带9连接，高速工业CCD相机12固定安装在铝合金支架10的上方；PC控制端包括机壳1、控制箱5，控制箱5内部装有工控机，控制箱5上部通过机壳1集成了人机交互端，由键盘3、鼠标4及显示器2组成，控制箱通过导线分别与在线检测端的线性光源、高速工业CCD相机电气连接。系统工作时在线检测端置于薄膜生产线末端，薄膜生产线末端设有型材支架7，型材支架7上固定安装有薄膜8，使得薄膜8由一对平行的滚轮传送到在线检测端的高速工业CCD相机12正下方。

具体工作时，首先启动系统，高速工业CCD相机12开始工作，首先检测透过薄膜所成图像的灰度集是否在设定阈值内，以负反馈的形式修正总体的灰度集使其在检测标准之间，并辅与伽马算法对图像的正常部位和缺陷部位的差异进行增强，当成像的灰度集在检测范围内时，高速工业CCD相机12开始对薄膜8进行持续检测，并将每一帧图像传回PC控制端，通过其中集成的集合连通性算法来判断缺陷与否，以及缺陷的大小位置等信息，并保存缺陷的图像帧，以方便后续工人处理，同时内嵌的算法会累加缺陷的面积且计算缺陷出现的频率，当缺陷薄膜出现过于频繁时，则PC控制端将紧急停止薄膜生产线并警报拉响。线性光源由下至上打光，通过算法的反馈机制调节线性光源的强度，底座内部装有一系列传动系统，通过PC机实现人机交互。

结合流程图2，一种基于机器视觉的柔性薄膜缺陷检测方法，包括以下步骤：

S1、系统初始化，整个系统启动，高速工业CCD相机开始工作；

S2、判断相机所成的薄膜图像的灰度是否在可以检测缺陷的范围内，如果不在，则通过负反馈调节线性光源的LED灯的亮度，以改变成像的灰度；

S3、当图像灰度在可检测范围内时，相机开始持续检测薄膜，并将数据传输回PC端的工控机，通过预存的灰度集合连通域算法判断缺陷与否并对于出现缺陷的图像帧进行抓取和保存，且内嵌的算法还对缺陷面积累加并计算缺陷出现频率；

S4、当薄膜缺陷出现频率在不可接受范围，通过PC控制端，控制薄膜生产线，紧急停止，并拉响警报，系统结束。

步骤S3通过预存的灰度集合连通域算法判断缺陷，首先用公式定义图像内像素之间和集合之间的距离；定义图像集合连通性原理，给出图像内一个集合成为噪点集合的判据；对一行图像判断像素与潜在噪点集合的连通性，剔除不连通的像素，合并连通像素到潜在噪点集，潜在噪点集若面积大于给定阈值，则将其识别为真正的噪点集合。

结合流程图3，步骤S3通过预存的灰度集合连通域算法判断缺陷，包括以下步骤：

步骤1)定义像素与像素之间的距离：

像素p(x₁,y₁)和p(x₂,y₂)的距离表示为

其中：T是一个门限值，t＝N_x*y+x，N_x为图像每行包含的像素数，x和y分别表示该像素的横坐标和纵坐标；

步骤2)定义像素集合与像素集合之间的距离：

集合P{p(t₁),p(t₂),L,p(t_n)}和集合P'{p(t₁'),p(t₂'),L,p(t_m')}之间的距离定义为

d(p',p)＝min(d(t_i,t'_j)),i＝1,…,n；j＝1,…,m (2)

步骤3)定义给出像素集合联通性原理和判别依据；当d(P',P)＝0则集合P和P'是连通的，否则就是分离的若集合E可以分成两个分离的集合则称之为分离集，否则称其为连通集；

根据上述定义，判定的噪点集合P都应该是连通集，并且其面积|P|应该大于某一个阈值RGAREA。|P|是集合P的势，即集合中元素的个数，也就是噪点集合包含的像素个数。噪点集合中的元素都应该是值小于阈值FIXHD的像素。如果已知特定图像，可以采用二值划分法，将图像中所有值大于FIXHD的像素组成一个集合，并采用递归算法将其划分为若干个两两分离的连通集，再考察每个连通集的势，把面积大于RGAREA的噪点集合作为异物进行识别。但在上述过程中，计算两个集合的距离的算法复杂度太大，也不适合需要边扫描边识别的需求。若集合|P|＝m集合和|P'|＝n，则求d(P,P')的时间复杂度为O(mn)。

对于分布较为稀疏的噪点集合，在保持集合连通性判断效果不变的条件下，通过重新定义集合距离的方式减少计算复杂度，步骤2)中像素集合与像素集合之间的距离可重新定义为：

定义2’：

这里和分别对应P和P'的重心的横纵坐标,MAXD为集合之间连通性判据阈值。

其中在识别逐行输入的图像时，行集合与其他集合之间特殊的距离计算公式：

其中P_line为该行构成的集合，y_line为该行的纵坐标。

采用行集合与其他集合之间特殊的距离计算公式计算集合距离的时间复杂度降低到O(m+n)。

步骤4)给出判断图像内一个集合为噪点集合P的判据：噪点集合为连通集，且集合面积大于一个给定的阈值；

步骤5)根据步骤4)的判别方法进行逐行识别处理。

对一行图像判断像素与潜在噪点集合的连通性，剔除不连通的像素，合并连通像素到潜在噪点集；若潜在噪点集若面积大于给定阈值，则识别为真正的噪点集合。

在程序实现过程中潜在噪点集合P使用一维链表表示，链表节点为值小于FIXHD的潜在噪点像素的集合，作为节点的潜在噪点集合之间是不连通的，图4为存储潜在噪点集合的链表示意图。

潜在噪点集合(链表的节点)数据结构为

步骤6)以输入的一行图像为一个处理单元，快速的处理高速线扫相机输入的图像数据，实时检测出图像中出现的异物，并记录异物的重心坐标和面积。

其中一行图像的处理过程包括以下步骤：

步骤6.1)从第一个像素开始扫描，找出该行内连续3个以上像素值小于FIXHD的子集，并计算该子集重心坐标，其中FIXHD取值为150；

步骤6.1)中计算行和列坐标的公式为：

其中：M为当前子集中符合要求像素的个数。

步骤6.2)把该子集与疑似噪点集合链表中的疑似噪点集合逐个进行连通性分析，即判断当前子集与链表中哪一个集合是连通的；如流程图5所示。

其中步骤6.2)中集合连通性测度为两个集合重心之间的距离，如果两个集合是连通的，则满足以下公式

和为链表中第m个疑似噪点集合重心坐标，在这里MAXD取值为30；

如果当前子集重心与链表中第m个潜在噪点集合重心小于MAXD，即认为该子集与第m个疑似噪点集合是连通的，否则是不连通的；

在判断当前子集与第m个潜在噪点集合是连通的之后，把当前子集与第m个潜在噪点集合进行融合，并更新第m个潜在噪点集合的重心坐标和面积。如流程图6所示。

步骤6.3)剔除链表中面积小于阈值RGAREA，且与当前子集不连通的潜在噪点集合；

其中步骤6.3)中剔除潜在噪点集合的条件为：

且p-＞pCnts_m＜RGAREA (8)

其中p-＞pCnts_m为第m个潜在噪点集合的面积，即集合内像素个数。

步骤6.4)如果该子集与链表中任何潜在噪点集合都不连通，则把该子集作为一个新的潜在噪点集合插入到链表中。

实例应用和执行时间分析

本发明采用C语言控制台编程，程序输入采用模拟光栅扫描过程，测试图像为一个柔性薄膜生产线生产的一个下次样品照片，照片中有3个需要识别出的缺陷(大于0.3*0.3mm2)，有数十个色度较浅(像素值大于FIXHD)和尺寸较小的缺陷，如图7(a)所示。程序采用边识别边用矩形框定位异物位置的方式，结果如图7(b)所示。检测结果证明本发明的检测方法能够准确地定位异物。图7(a)测试图像为2400*2048的8位灰度图像，识别程序完成该图像处理的时间为6ms，识别系统处理图像数据的速率为750MB/s，完全满足柔性薄膜生产线检测系统的图像输出数据率144MB/s的需求。

综上所述，本发明实施例，基于机器视觉的柔性薄膜缺陷检测装置及其检测方法，检测装置由底座、型材支架、滚轮、线性光源、传动带以及控制系统组成，其中线性光源亮度可调，传送装置运行平稳，振动幅度小，适应不同检测场景下的检测要求以及精度要求；本发明检测方法具有算法简单、执行速度快、检测精确有效、内存要求低等特征，并且通过在线参数设置，可以任意设定被检测异物的大小和色差信息，数据处理速率达到750M/S，并且异物定位准确，算法通用性强，除柔性薄膜缺陷检测之外，还可以广泛地应用于PVC生产、食品/药品包装印刷检测和半导体行业。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于机器视觉的柔性薄膜缺陷检测装置，其特征在于，由在线检测端和PC控制端组成，

在线检测端包括铝合金支架、底座、主动滚轮、从动滚轮、同动带、线性光源、高速工业CCD相机，底座内部装有传动系统以及控制线性光源亮度的控制系统，铝合金支架固定安装在底座上，线性光源安装在底座上方，主动滚轮、从动滚轮固定安装在铝合金支架上，主动滚轮、从动滚轮之间通过同动带连接，高速工业CCD相机固定安装在铝合金支架的上方；

PC控制端包括机壳、控制箱，控制箱内部装有工控机，控制箱上部通过机壳集成了人机交互端，人机交互端由键盘、鼠标及显示器组成，控制箱通过导线分别与在线检测端的线性光源、高速工业CCD相机电气连接；

在线检测端置于薄膜生产线末端，薄膜生产线末端设有型材支架，型材支架上固定安装有薄膜，使薄膜由一对平行的主动滚轮、从动滚轮传送到在线检测端的高速工业CCD相机正下方。

2.如权利要求1所述的一种基于机器视觉的柔性薄膜缺陷检测方法，其特征在于：包括以下步骤：

S1、系统初始化，整个系统启动，高速工业CCD相机开始工作；

S2、判断相机所成的薄膜图像的灰度是否在可以检测缺陷的范围内，如果不在，则通过负反馈调节线性光源的LED灯的亮度，以改变成像的灰度；

S3、当图像灰度在可检测范围内时，相机开始持续检测薄膜，并将数据传输回PC端的工控机，通过预存的灰度集合连通域算法判断缺陷与否并对于出现缺陷的图像帧进行抓取和保存，且内嵌的算法还对缺陷面积累加并计算缺陷出现频率；

S4、当薄膜缺陷出现频率在不可接受范围，通过PC控制端，控制薄膜生产线，紧急停止，并拉响警报，系统结束。

3.如权利要求2所述的一种基于机器视觉的柔性薄膜缺陷检测方法，其特征在于，步骤S3通过预存的灰度集合连通域算法判断缺陷，包括以下步骤：

步骤1)定义像素与像素之间的距离：

像素p(x₁,y₁)和p(x₂,y₂)的距离表示为

其中：T是一个门限值，t＝N_x*y+x，N_x为图像每行包含的像素数，x和y分别表示该像素的横坐标和纵坐标；

步骤2)定义像素集合与像素集合之间的距离：

集合P{p(t₁),p(t₂),L,p(t_n)}和集合P'{p(t'₁),p(t'₂),L,p(t'_m)}之间的距离定义为

d(p',p)＝min(d(t_i,t'_j)),i＝1,…,n；j＝1,…,m (2)

步骤3)定义给出像素集合联通性原理和判别依据；当d(P',P)＝0则集合P和P'是连通的，否则就是分离的若集合E可以分成两个分离的集合则称之为分离集，否则称其为连通集；

步骤4)给出判断图像内一个集合为噪点集合P的判据：噪点集合为连通集，且集合面积大于一个给定的阈值；

步骤5)根据步骤4)的判别方法进行逐行识别处理；

步骤6)以输入的一行图像为一个处理单元，快速的处理高速线扫相机输入的图像数据，实时检测出图像中出现的异物，并记录异物的重心坐标和面积。

4.如权利要求3所述的一种基于机器视觉的柔性薄膜缺陷检测方法，其特征在于，所述步骤5)进行逐行识别处理进一步包括对一行图像判断像素与潜在噪点集合的连通性，剔除不连通的像素，合并连通像素到潜在噪点集；若潜在噪点集若面积大于给定阈值，则识别为真正的噪点集合。

5.如权利要求3所述的一种基于机器视觉的柔性薄膜缺陷检测方法，其特征在于：对于分布较为稀疏的噪点集合，在保持集合连通性判断效果不变的条件下，通过重新定义集合距离的方式减少计算复杂度，步骤2)中像素集合与像素集合之间的距离可重新定义为：

定义2’：

(1)这里和分别对应P和P'的重心的横纵坐标,MAXD为集合之间连通性判据阈值。

6.如权利要求5所述的一种基于机器视觉的柔性薄膜缺陷检测方法，其特征在于：其中在识别逐行输入的图像时，行集合与其他集合之间特殊的距离计算公式：

其中P_line为该行构成的集合，y_line为该行的纵坐标。

7.如权利要求3所述的一种基于机器视觉的柔性薄膜缺陷检测方法，其特征在于：其中一行图像的处理过程包括以下步骤：

步骤6.1)从第一个像素开始扫描，找出该行内连续3个以上像素值小于FIXHD的子集，并计算该子集重心坐标，其中FIXHD取值为150；

步骤6.2)把该子集与疑似噪点集合链表中的疑似噪点集合逐个进行连通性分析，即判断当前子集与链表中哪一个集合是连通的；

步骤6.3)剔除链表中面积小于阈值RGAREA，且与当前子集不连通的潜在噪点集合；

步骤6.4)如果该子集与链表中任何潜在噪点集合都不连通，则把该子集作为一个新的潜在噪点集合插入到链表中。

8.如权利要求7所述的一种基于机器视觉的柔性薄膜缺陷检测方法，其特征在于：步骤6.1)中计算行和列坐标的公式为：

其中：M为当前子集中符合要求像素的个数。

9.如权利要求7所述的一种基于机器视觉的柔性薄膜缺陷检测方法，其特征在于：其中步骤6.2)中集合连通性测度为两个集合重心之间的距离，如果两个集合是连通的，则满足以下公式

和为链表中第m个疑似噪点集合重心坐标，在这里MAXD取值为30；

如果当前子集重心与链表中第m个潜在噪点集合重心小于MAXD，即认为该子集与第m个疑似噪点集合是连通的，否则是不连通的；

在判断当前子集与第m个潜在噪点集合是连通的之后，把当前子集与第m个潜在噪点集合进行融合，并更新第m个潜在噪点集合的重心坐标和面积。

10.如权利要求7所述的一种基于机器视觉的柔性薄膜缺陷检测方法，其特征在于：其中步骤6.3)中剔除潜在噪点集合的条件为：

且p-＞pCnts_m＜RGAREA (8)

其中p-＞pCnts_m为第m个潜在噪点集合的面积，即集合内像素个数。