CN108827181A - 一种基于视觉的板材表面检测方法 - Google Patents

Abstract

本发明公开了一种基于视觉的板材表面检测方法，包括步骤：获取挤压成型图步骤、图像预处理步骤、Canny边缘检测步骤、膨胀处理步骤、连通域面积判定产品合格步骤；本发明提供了一种降低企业生产成本、提高生产效率、减少人员误判的一种基于视觉的板材表面检测方法。

Description

一种基于视觉的板材表面检测方法

技术领域

本发明涉及表面检测领域，更具体的说，它涉及一种基于视觉的板材表面检测方法。

背景技术

挤塑聚苯乙烯泡沫板，简称挤塑板，又名XPS板，以及较好的隔热性能，不吸水，保温、抗压、阻燃性能好，质量轻等特点，广泛应用于墙体保温、高速公路、机场跑道等领域的防潮保温等场合。

XPS板是以聚苯乙烯树脂加上其他的辅料与聚合物，通过加热混合同时注入催化剂，然后挤塑而成压制而成，化学反应过程对温度和压力的变化尤为敏感，一旦产生较大变化就会造成XPS板发泡不均，表面情况和三维尺寸都会有较大的变化。

在许多民营企业中，都是通过人工检查XPS板的表面情况和三维尺寸，一旦发现异常立即对生产线的温度和压力等参数进行调节。

目前，企业中都采用人工检查，而人工检查表面情况依赖于工人的主观判断，长时间观察容易造成员工视觉疲劳，不能及时发现问题。若员工经验不充足，容易造成误判，由于生产工艺复杂，目前尚未有一套完善的生产理论体系，在进行参数调节时需花费较长时间同时会产生大量的废品，严重影响了企业利润，因此急需一种更好的更客观的判断板材表面挤压状况的方法。

发明内容

本发明克服了现有技术的不足，提供了一种降低企业生产成本、提高生产效率、减少人员误判的一种基于视觉的板材表面检测方法。

本发明的技术方案如下：

一种基于视觉的板材表面检测方法，包括如下步骤：

101)获取挤压成型图步骤：获取待测泡沫板材的原始灰度图像；

102)图像预处理步骤：对原始灰度图像进行降噪，获得降噪图像；

103)Canny边缘检测步骤：对降噪图像进行边缘处理，获得识别更清晰的纹路图；

104)膨胀处理步骤：将纹路图的边缘连接起来，形成完整边缘图；所述边缘连接是对纹路图与任意形状的内核进行卷积，将内核划过图像，并筛选内核覆盖区域的像素最大值，用该像素最大值代替内核中心位置的像素，从而将边缘连接起来，形成完整边缘图；

105)连通域面积判定产品合格步骤：预设最小阈值和一个产品总面积比较值，通过对完整边缘图进行统计图像中具有相同像素值，且位置相邻的前景像素点组成的图像区域，来判断表面瑕疵的面积大小，瑕疵面积判断时去除其中面积小于面积比较值的连通域的值，再对剩下的连通域进行统计得到瑕疵总面积，当瑕疵总面积大于产品总面积比较值时，判定检测结果为不合格。

进一步的，连通域面积判定产品合格具体方法如下：

首先通过阈值化将所有前景像素设置为1，背景像素为0；再使用种子填充法得到所有的连通域，相邻关系采用邻域法，领域法处理后再进行确认，并为方便观察，连通域标记之后对不同label值的区域添加不同颜色；

其中，所述种子填充法具体包括如下步骤：

501)首先逐行扫描图像像素值，直至遇到像素值为1的前景像素：

a)对label赋予一个大于1的值，将当前像素值设置为label；通过领域法将其相邻的所有前景像素压入栈中；

b)弹出栈顶像素，对接下来的栈顶像素赋予同样的label值，然后将此像素相邻的所有前景像素都压入栈中；

502)重复步骤501)，将所有同一块连通域的所有像素位置压入同一个栈中，赋予相同的label值，当栈为空时，将新的label值设置为label+1；继续逐行扫描像素为非0像素的前景像素，直至扫描结束；

从而最终得到所有连通域，并通过瑕疵面积判断时去除其中面积小于100的连通域的值，再对剩下的连通域进行统计得到瑕疵总面积，当该瑕疵总面积大于5000则判断为废品，并进行警告。

进一步的，所述图像预处理包括双边滤波处理，其公式如下：

其中，g(i,j)为(i,j)位置处经处理后的像素值；f(k,l)为在像素坐标系坐标(k,l)处的像素值，ω(i,j,k,l)是加权系数，即遍历(i,j)像素位置周围(k,l)处的像素值大小和位置，求取所占权重，其大小取决定义域核与值域核的乘积；(i,j)和(k,l)都是相当于(x,y)的坐标；

定义域核为：

σ是高斯函数的标准差，σ_d表示距离高斯函数的标准差；

值域核为：

其中，σ是高斯函数的标准差，σ_r表示关于权值大小高斯函数的标准差；

两者相乘即得权重系数：

最终代入得到改善图像噪声后的信息。

进一步的，所述Canny边缘检测具体包括如下步骤：

301)高斯模糊步骤：使用高斯模糊进一步去除步骤102)处理后的图像的噪声，减少伪边缘的识别；

302)计算梯度幅值和方向的步骤：图像的边缘可以指向不同方向，从而用两个梯度算子来分别计算水平，垂直方向的梯度；

303)非极大值抑制步骤：比较当前点的梯度强度和正负梯度方向点的梯度强度；如果当前点的梯度强度和同方向的其他点的梯度强度相比较是最大，保留其值，否则抑制，即设为0；

304)滞后阈值步骤：滞后阈值需要两个阈值即高阈值和低阈值，若某一像素位置的幅值超过高阈值，则该像素保留为边缘像素；若某一像素位置的幅值小于低阈值，则该像素被排除；若幅值在两个阈值之间，则像素仅仅在连接到一个高于高阈值的像素时被保留。

本发明相比现有技术优点在于：

本发明为了能够解决传统人工检测时造成的浪费问题，降低企业生产成本，本文采用通过工业相机获取XPS板表面图片，因为边缘检测对噪声比较敏感，因此使用双边滤波对图像进行小幅度的平滑，既能保留图像的边缘信息，又可以抑制噪声。

通过Canny边缘检测提取XPS板的表面轮廓，对轮廓图像进行阈值化处理，得到只有0和1两个像素值的二值图，使用连通域标记法标记相邻轮廓面积，以轮廓面积的大小为依据对XPS板进行品质判断，确定工艺参数是否需要调整。在现场调试好参数之后，便可实行自动判别。

附图说明

图1为本发明的整体处理流程图；

图2为本发明的不合格板和合格板的图片；

图3为本发明的双边滤波处理后不合格板和合格板的效果图；

图4为本发明的Canny边缘检测后不合格板和合格板的效果图；

图5为本发明膨胀处理后不合格板和合格板的效果图；

图6为本发明连通域标记后不合格板和合格板的效果图。

具体实施方式

下面结合附图和具体实施方式对本发明进一步说明。

实施例一：

如图1至图6所示，一种基于视觉的板材表面检测方法，包括如下步骤：

101)获取挤压成型图步骤：获取待测泡沫板材的原始灰度图像。即相机通过外部机械架放置在待测泡沫板材上部，距成型泡沫板材1.5米处，进行图像生成获取。

102)图像预处理步骤：对步骤101)获取的图片进行非线性滤波的双边滤波处理，达到既能保留图像的边缘信息，又能达到去噪的效果。双边滤波是结合图像的空间邻近度和像素值相似度的一种折中处理，同时考虑空域信息和灰度相似性，既能保留图像的边缘信息，又能达到去噪的目的。

103)Canny边缘检测步骤：对步骤102)预处理后的图片进行一阶微分算子，并增加通过非最大值抑制提高边缘的定位精度和双阈值来有效减少边缘的漏检率的处理。

104)膨胀处理步骤：是将步骤103处理的后的图像与任意形状的内核进行卷积，将内核划过图像，并筛选内核覆盖区域的像素最大值，用该像素最大值代替内核中心位置的像素，从而将细小边缘连接起来。

105)连通域面积判定产品合格步骤：通过对步骤104)处理后的图像进行计算图像中具有相同像素值且位置相邻的前景像素点组成的图像区域来判断表面瑕疵的面积大小，从而判定检测结果的合格；具体方法如下：

首先通过阈值化将所有前景像素设置为1，背景像素为0；再使用种子填充法得到所有的连通域，相邻关系采用邻域法，领域法处理后再进行确认，并为方便观察，连通域标记之后对不同label值的区域添加不同颜色。

其中，所述种子填充法具体包括如下步骤：

501)首先逐行扫描图像像素值，直至遇到像素值为1的前景像素：

a)对label赋予一个大于1的值，将当前像素值设置为label。通过领域法将其相邻的所有前景像素压入栈中。

b)弹出栈顶像素，对接下来的栈顶像素赋予同样的label值，然后将此像素相邻的所有前景像素都压入栈中。

502)重复步骤501)，将所有同一块连通域的所有像素位置压入同一个栈中，赋予相同的label值，当栈为空时，将新的label值设置为label+1；继续逐行扫描像素为非0像素的前景像素，直至扫描结束。

从而最终得到所有连通域，并通过瑕疵面积判断时去除其中面积小于100的连通域的值，再对剩下的连通域进行统计得到瑕疵总面积，当该瑕疵总面积大于5000则判断为废品，并进行警告。

实施例二：

如图1所示，一种基于视觉的板材表面检测方法，包括如下步骤：

101)获取挤压成型图步骤：相机通过外部机械架放置在待测泡沫板材上部，距成型泡沫板材1米至2米处，进行图像生成获取原始灰度图像。其中，最佳距泡沫板1.5米，因在此位置检测即能涵盖板材的全貌，又能最大程度的看清板材表面信息。

其在相机选型上：

1)分辨率计算:检测精度定为1mm，由于XPS板为连续生产，故只需设定好宽度分辨率。XPS板宽度为680mm，故相机视野设为750mm，因此得到宽度方向分辨率为750，实际应用一般会选取计算值的2-3倍来确保精度，故分辨率范围1500-2250。

2)曝光时间计算：由于检测过程中XPS板是运动的，故需要计算合适的曝光时间，以得到较好的板材表面图片。生产线速度为1m/s，长度方向视野初定400mm，可得曝光时间在0.1ms左右为最佳。

3)帧数计算：长度方向上视野为400mm，运动速度为1m/s，则每秒拍摄2.5张即可，即实际每秒拍摄4张，即帧率4fps。

由以上参数进行相机选型，最终选用大恒图像的MER-200-20GM/C 200万像素GigE工业相机。拍摄图像为灰度图，效果如图2所示。

102)图像预处理步骤：对步骤101)获取的图片进行非线性滤波的双边滤波处理，达到既能保留图像的边缘信息，又能达到去噪的效果，获得降噪图像。那是因为边缘检测的方法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。其中双边滤波是结合图像的空间邻近度和像素值相似度的一种折中处理，同时考虑空域信息和灰度相似性，既能保留图像的边缘信息，又能达到去噪的目的。因此在此使用了非线性滤波方法——双边滤波，而双边滤波计算量较大，为了能够实时计算，核的大小设置为5。

双边滤波公式如下：

其中，g(i,j)为(i,j)位置处经处理后的像素值；f(k,l)为在像素坐标系坐标(k,l)处的像素值，ω(i,j,k,l)是加权系数，即遍历(i,j)像素位置周围(k,l)处的像素值大小和位置，求取所占权重，其大小取决定义域核与值域核的乘积；(i,j)和(k,l)都是相当于(x,y)的坐标。

定义域核为：

σ是高斯函数的标准差，σ_d表示距离高斯函数的标准差；

值域核为：

其中，σ是高斯函数的标准差，σ_r表示关于权值大小高斯函数的标准差；

两者相乘即得权重系数：

最终代入得到改善图像噪声后的信息，具体对原始图像进行双边滤波后，效果图如图3所示。

103)Canny边缘检测步骤：对步骤102)预处理后的图片进行一阶微分算子，并增加通过非最大值抑制提高边缘的定位精度和双阈值来有效减少边缘的漏检率的处理。那正是利用非极大值抑制不仅可以有效地抑制多响应边缘，而且还可以提高边缘的定位精度；利用双阈值可以有效减少边缘的漏检率，，获得识别更清晰的纹路图。具体步骤如下：

301)高斯模糊步骤：使用高斯模糊进一步去除步骤102)处理后的图像的噪声，减少伪边缘的识别；

302)计算梯度幅值和方向的步骤：图像的边缘可以指向不同方向，从而用四个梯度算子来分别计算水平，垂直方向的梯度；其正因为图像的边缘可以指向不同方向，因此经典方法是用了四个梯度算子来分别计算水平，垂直和对角线方向的梯度，但是通常又都不用四个梯度算子来分别计算四个方向。因此本文采用计算水平和垂直两个方向上的梯度，来保证处理效果上不降低要求，又不会因为并非所有方向的梯度都计算而造成计算效率的降低。

水平梯度和垂直梯度上的表达式如下：

其中，A是原图像像素矩阵。

最终得到梯度幅值：

梯度方向：

303)非极大值抑制步骤：非最大值抑制是一种边缘细化方法。通常得出来的梯度边缘不止一个像素宽，而是多个像素宽，因此这样的梯度图还是很“模糊”。非最大值抑制能帮助保留局部最大梯度而抑制所有其他梯度值。这意味着只保留了梯度变化中最锐利的位置。其方法步骤如下：首先比较当前点的梯度强度和正负梯度方向点的梯度强度；再者进行比较，如果当前点的梯度强度和同方向的其他点的梯度强度相比较是最大，保留其值，否则抑制，即设为0。具体例子比如当前点的方向指向正上方90°方向，那它需要垂直方向，即它的正上方和正下方的像素进行比较。

304)滞后阈值步骤：滞后阈值需要两个阈值即高阈值和低阈值，若某一像素位置的幅值超过高阈值，则该像素保留为边缘像素；若某一像素位置的幅值小于低阈值，则该像素被排除；若幅值在两个阈值之间，则像素仅仅在连接到一个高于高阈值的像素时被保留。一般高低阈值比在2:1到3:1之间。最终对双边滤波效果图进行边缘检测得到如图4所示。

104)膨胀处理步骤：因为图像进行步骤103)Canny边缘检测得到的边缘比较琐碎，为方便接下来的连通域操作，对边缘结果采用3×3的模板进行膨胀处理。具体过程是将步骤103)处理的后的图像A与任意形状的内核B(本文选用正方形)进行卷积，将内核B划过图像，并筛选内核B覆盖区域的像素最大值，用该像素最大值代替内核中心位置的像素，从而将细小边缘连接起来。达到如图5所示的效果。

105)连通域面积判定产品合格步骤：通过对步骤104)处理后的图像进行计算图像中具有相同像素值且位置相邻的前景像素点组成的图像区域来判断表面瑕疵的面积大小，从而判定检测结果的合格；具体方法如下：

首先通过阈值化将所有前景像素设置为1，背景像素为0；再使用种子填充法得到所有的连通域，相邻关系采用邻域法进行确认，并为方便观察，连通域标记之后对不同label值的区域添加不同颜色。假设图像像素如下表：

表1

其中，所述种子填充法具体包括如下步骤：

501)首先逐行扫描图像像素值，直至遇到像素值为1的前景像素：

a)对label赋予一个大于1的值，将当前像素值设置为label；通过领域法将其相邻的所有前景像素压入栈中；

b)弹出栈顶像素，对接下来的栈顶像素赋予同样的label值，然后将此像素相邻的所有前景像素都压入栈中；

502)重复步骤501)，将所有同一块连通域的所有像素位置压入同一个栈中，赋予相同的label值，当栈为空时，将新的label值设置为label+1；继续逐行扫描像素为非0像素的前景像素，直至扫描结束，会得到填充后的表2如下：

像素位置	0	1	2	3	4	5
							0	0	0	0	0	0	0
1	0	2	2	0	0	0
							2	0	2	0	3	3	0
3	0	0	0	0	0	0
							4	0	0	0	0	0	0

表2

从而最终得到所有连通域，并对不同label值的连通域赋予不同的颜色，得到效果图如图6所示。再者对不同区域面积值进行统计。因为光照、相机性能和生产材料特性等原因，使得合格品经过检测之后也显示出表面瑕疵，而对于产品来说，较小的瑕疵对性能影响也较小，同样可以作为合格品出售，因此在通过瑕疵面积判断时去除一些面积小于100的值，对剩下的进行统计得到瑕疵总面积，大于5000则判断为废品，并进行警告。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明构思的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明保护范围内。

Claims (4)

1.一种基于视觉的板材表面检测方法，其特征在于，包括如下步骤：

101)获取挤压成型图步骤：获取待测泡沫板材的原始灰度图像；

102)图像预处理步骤：对原始灰度图像进行降噪，获得降噪图像；

103)Canny边缘检测步骤：对降噪图像进行边缘处理，获得识别更清晰的纹路图；

104)膨胀处理步骤：将纹路图的边缘连接起来，形成完整边缘图；所述边缘连接是对纹路图与任意形状的内核进行卷积，将内核划过图像，并筛选内核覆盖区域的像素最大值，用该像素最大值代替内核中心位置的像素，从而将边缘连接起来，形成完整边缘图；

105)连通域面积判定产品合格步骤：预设最小阈值和一个产品总面积比较值，通过对完整边缘图进行统计图像中具有相同像素值，且位置相邻的前景像素点组成的图像区域，来判断表面瑕疵的面积大小，瑕疵面积判断时去除其中面积小于面积比较值的连通域的值，再对剩下的连通域进行统计得到瑕疵总面积，当瑕疵总面积大于产品总面积比较值时，判定检测结果为不合格。

2.根据权利要求1所述的一种基于视觉的板材表面检测方法，其特征在于，连通域面积判定产品合格具体方法如下：

首先通过阈值化将所有前景像素设置为1，背景像素为0；再使用种子填充法得到所有的连通域，相邻关系采用邻域法，领域法处理后再进行确认，并为方便观察，连通域标记之后对不同label值的区域添加不同颜色；

其中，所述种子填充法具体包括如下步骤：

501)首先逐行扫描图像像素值，直至遇到像素值为1的前景像素：

a)对label赋予一个大于1的值，将当前像素值设置为label；通过领域法将其相邻的所有前景像素压入栈中；

b)弹出栈顶像素，对接下来的栈顶像素赋予同样的label值，然后将此像素相邻的所有前景像素都压入栈中；

502)重复步骤501)，将所有同一块连通域的所有像素位置压入同一个栈中，赋予相同的label值，当栈为空时，将新的label值设置为label+1；继续逐行扫描像素为非0像素的前景像素，直至扫描结束；

从而最终得到所有连通域，并通过瑕疵面积判断时去除其中面积小于100的连通域的值，再对剩下的连通域进行统计得到瑕疵总面积，当该瑕疵总面积大于5000则判断为废品，并进行警告。

3.根据权利要求1所述的一种基于视觉的板材表面检测方法，其特征在于，所述图像预处理包括双边滤波处理，其公式如下：

其中，g(i,j)为(i,j)位置处经处理后的像素值；f(k,l)为在像素坐标系坐标(k,l)处的像素值，ω(i,j,k,l)是加权系数，即遍历(i,j)像素位置周围(k,l)处的像素值大小和位置，求取所占权重，其大小取决定义域核与值域核的乘积；(i,j)和(k,l)都是相当于(x,y)的坐标；

定义域核为：

σ是高斯函数的标准差，σ_d表示距离高斯函数的标准差；

值域核为：

其中，σ是高斯函数的标准差，σ_r表示关于权值大小高斯函数的标准差；

两者相乘即得权重系数：

最终代入得到改善图像噪声后的信息。

4.根据权利要求1所述的一种基于视觉的板材表面检测方法，其特征在于，所述Canny边缘检测具体包括如下步骤：

301)高斯模糊步骤：使用高斯模糊进一步去除步骤102)处理后的图像的噪声，减少伪边缘的识别；

302)计算梯度幅值和方向的步骤：图像的边缘可以指向不同方向，从而用两个梯度算子来分别计算水平，垂直方向的梯度；

303)非极大值抑制步骤：比较当前点的梯度强度和正负梯度方向点的梯度强度；如果当前点的梯度强度和同方向的其他点的梯度强度相比较是最大，保留其值，否则抑制，即设为0；

304)滞后阈值步骤：滞后阈值需要两个阈值即高阈值和低阈值，若某一像素位置的幅值超过高阈值，则该像素保留为边缘像素；若某一像素位置的幅值小于低阈值，则该像素被排除；若幅值在两个阈值之间，则像素仅仅在连接到一个高于高阈值的像素时被保留。