CN109671075B - 缺陷检测方法、装置、设备和存储介质 - Google Patents
缺陷检测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109671075B CN109671075B CN201811574185.1A CN201811574185A CN109671075B CN 109671075 B CN109671075 B CN 109671075B CN 201811574185 A CN201811574185 A CN 201811574185A CN 109671075 B CN109671075 B CN 109671075B
- Authority
- CN
- China
- Prior art keywords
- image
- target image
- determining
- defect detection
- base
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 103
- 230000007547 defect Effects 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000012937 correction Methods 0.000 claims description 15
- 230000004927 fusion Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 abstract description 16
- 238000005286 illumination Methods 0.000 abstract description 10
- 230000000007 visual effect Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 8
- 238000011179 visual inspection Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明实施例公开了一种缺陷检测方法、装置、设备和存储介质，该方法包括：获取待测对象的目标图像；确定目标图像的基面图像，基面图像通过对目标图像基面拟合得到；确定目标图像的矫正图像，矫正图像根据基面图像得到；基于矫正图像得到待测对象表面的缺陷检测结果。本发明实施例解决了现有技术中因光照不均匀引起的成像问题，有效提高了缺陷检测的准确率。
Description
技术领域
本发明实施例涉及机器视觉图像处理技术领域，尤其涉及一种缺陷检测方法、装置、设备和存储介质。
背景技术
表面缺陷的检测是产品超精密加工技术可持续发展的重要环节，在表面面形及粗糙度得到良好控制的时候，表面缺陷越来越成为制约产品超精密加工工艺和水平的主要因素。
目前，工业领域对表面缺陷检测主要采用人工检测方法和视觉检测方式。人工检测方式是让工人通过人眼加先验知识进行检测，该种方式容易造成工人的视觉疲劳从而增加误检率，且随着社会发展，人工成本也在逐渐提高。而视觉检测方式是根据产品的特性等因素，采用不同的成像系统机构设计及视觉检测算法进行检测。
在实现本发明过程中，发明人发现视觉检测方式中成像系统因光源的不同存在下述缺陷：穹顶光成像均匀，但光源体积与相机检测视场成正比，但检测视场较大时，体积太大不易安装，不适合大面积的缺陷检测系统；面成像较均匀，但当检测表面光滑反光时，相机成像就会出现光源的投影，不利于检测；条形光体积较小易于安装，但是成像不均匀，不利于视觉检测；同轴光适用于表面放光的物质，切成像效果很好，但是体积与检测视场成正比，对于，大范围检测，体积较大，不易安装检测。视觉检测方式中视觉检测算法存在下述缺陷：视觉检测算法主要分为智能学习算法和传统算法，智能学习算法例如卷积神经网络等等，实际工业使用中，该类算法实际检测效果并不理想，并且需要大量的样本数据进行训练；传统算法人为对检测问题进行数学建模，然后用程序设计出来，检测具有针对性，但是设计建模较难，检测效果完全跟设计的数学模型是否符合实际情况有关。因此，在视觉检测方式中成像系统和视觉检测算法的设计会很大程度地影响缺陷检测效果，现有技术中因上述缺陷不能实现理想的检测效果。
发明内容
本发明实施例提供了一种缺陷检测方法、装置、设备和存储介质，可以提高缺陷检测的准确率。
第一方面，本发明实施例提供了一种缺陷检测方法，包括：
获取待测对象的目标图像；
确定所述目标图像的基面图像，所述基面图像通过对所述目标图像基面拟合得到；
确定所述目标图像的矫正图像，所述矫正图像根据所述基面图像得到；
基于所述矫正图像得到所述待测对象表面的缺陷检测结果。
第二方面，本发明实施例还提供了一种缺陷检测装置，该装置包括：
图像获取模块，用于获取待测对象的目标图像；
基面图像模块，用于确定所述目标图像的基面图像，所述基面图像通过对所述目标图像基面拟合得到；
矫正图像模块，用于确定所述目标图像的矫正图像，所述矫正图像根据所述基面图像得到；
检测模块，用于基于所述矫正图像得到所述待测对象表面的缺陷检测结果。
第三方面，本发明实施例还提供了一种设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的缺陷检测方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的缺陷检测方法。
本发明实施例通过获取待测对象的目标图像，通过对目标图像基面拟合确定目标图像的基面图像，根据基面图像确定目标图像的矫正图像，并基于矫正图像得到待测对象表面的缺陷检测结果。本发明实施例提供的技术方案通过对传统类的视觉检测算法中矫正算法的重新设计可以实现对待测对象所对应目标图像的矫正，解决了现有技术中因光照不均匀引起的成像问题，有效提高了缺陷检测的准确率。
附图说明
图1为本发明实施例一中的缺陷检测方法的流程图；
图2为本发明实施例一中的视觉检测装置的机械结构效果图；
图3为本发明实施例一中的缺陷检测成像示意图；
图4为本发明实施例一中的光衰减示意图；
图5为本发明实施例二中的缺陷检测方法的流程图；
图6为本发明实施例三中的缺陷检测装置的结构示意图；
图7为本发明实施例四中的设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一中的缺陷检测方法的流程图，本实施例可适用于对待测对象表面进行缺陷检测的情况，该方法可以由缺陷检测装置执行，该装置可以采用软件和/或硬件的方式实现，例如，该装置可配置于设备中。该方法具体可以包括：
S110、获取待测对象的目标图像。
其中，待测对象可以为任意需要进行表面缺陷检测的产品，待测对象的具体类型本实施例中不作限定，例如待测对象可以为曲面产品或平面产品。目标图像为视觉检测装置采集到的待测对象的图像，视觉检测装置可以由整机钢架、横向运动导轨(即X轴运动导轨)、纵向运动导轨(即Y轴运动导轨)、产品放置台、成像系统、相机及光源等组成，参见图2，图2为本发明实施例一中的视觉检测装置的机械结构效果图。其中，成像系统采用的光源以及光源的数量可以根据需要进行设置，具体实施例中不作限定，本实施例中以图2中两个条形光为例进行说明，该条形光的亮度和照射角度可以根据需要进行调整。视觉检测装置工作时，横向运动导轨运动到边缘，等待机械手将待测对象放入至横向运动导轨的产品放置台上，产品妥善放置后，横向运动导轨和纵向运动导轨移动，将待测对象送至相机视野内，以采集待测对象的图像。
图3为本发明实施例一中的缺陷检测成像示意图，图3中相机位于顶部，两个条形光位于左右两侧，底部为待测对象。由于待测对象的表面可能会光滑且具有反光特性，如果光源的镜像在相机视场内，就会在图像中出现光源的倒影，同时由于待测对象的表面可能会因存在凹凸性也具有反光特性，故在一侧打光时必然会出现局部过曝光的特性，该些干扰都非常不利于后期算法的处理。因此本实施例中在利用条形光打光时，采用侧方斜向打光的方式，将条形光的镜像移出到相机的视场外，并利用左右两个条形光源打光时采集此时待测对象的图像，即为目标图像。
S120、确定目标图像的基面图像，基面图像通过对目标图像基面拟合得到。
在本实施例中，光源打光时会或多或少存在光照不均匀的现象，以条形光为例进行说明。由于条形光光源的聚集性与稳定性较好，可假设从光源射出的光线强度稳定不变且不发散，具体的光照不均匀的原因参见图4。图4为本发明实施例一中的光衰减示意图，如图4所示，就单光源而言，相机获得图像对应位置的像素值大小直接与光的传播路程长短有关系，如图中B点的光程小于A点的光程，故B点的对应位置的像素值大于A点，所以图像中沿X轴方向的像素值是线性变化的函数关系。
光照不均匀时，获取的待测对象的目标图像也会存在问题，因此本实施例中对目标图像进行矫正以解决该问题，具体参见S120-S130。
其中，基面图像又称背景图像，基面拟合可以为利用预设算法进行拟合，预设算法的具体类型可以根据需要进行设置，本实施例中不作限定，例如预设算法可以为最小二乘法。示例性的，若预设算法为B样条最小二乘法，则可以获取目标图像包含的像素点数量和节点向量，然后根据像素点数量确定控制点数量和样条基次数，根据控制点数量、样条基次数和节点向量，利用B样条最小二乘法拟合出目标图像所对应的背景图像，即确定基面图像。
S130、确定目标图像的矫正图像，矫正图像根据基面图像得到。
其中，该矫正图像为消除光照不均匀的影响之后的目标图像。
确定目标图像的矫正图像之前，还包括：确定差分图像，差分图像为根据基面图像的最大像素与基面图像各像素的差值得到。差分图像基于基面图像的最大像素确定，得到目标图像各像素需要反向补偿的差值。
可选地，确定目标图像的矫正图像，包括：依据Ir＝Ic+Id(Ic/If)，确定目标图像的矫正图像，其中Ir为矫正图像的像素，Ic为目标图像的像素，Id为目标图像所对应差分图像的像素，If为目标图像所对应基面图像的像素。
其中，Ic/If代表目标图像各像素进行反向补偿的权重值，使得目标图像的像素越小，反向补偿的权重值越小，反之则越大。例如目标图像中白色的区域权重值较大，补偿较多，黑色的区域权重值较小，补偿较小。Id(Ic/If)代表目标图像各像素的矫正值，将目标图像各像素与矫正值的和作为矫正图像的各像素。
S140、基于矫正图像得到待测对象表面的缺陷检测结果。
具体的，确定目标图像的矫正图像之后，基于该矫正图像进行缺陷统计，若缺陷区域像素点的数量小于预设的缺陷像素数量阈值时，则确定待测对象表面的缺陷检测结果为合格，否则为不合格。
本实施例通过获取待测对象的目标图像，通过对目标图像基面拟合确定目标图像的基面图像，根据基面图像确定目标图像的矫正图像，并基于矫正图像得到待测对象表面的缺陷检测结果。本实施例提供的技术方案通过对传统类的视觉检测算法中矫正算法的重新设计可以实现对待测对象所对应目标图像的矫正，解决了现有技术中因光照不均匀引起的成像问题，有效提高了缺陷检测的准确率。
实施例二
图5为本发明实施例二中的缺陷检测方法的流程图。本实施例在上述实施例的基础上，进一步优化了上述缺陷检测方法。相应的，本实施例的方法具体包括：
S210、获取待测对象的原始图像，原始图像为至少两个条形光分别对待测对象打光时的图像，原始图像的数量为至少两个。
其中，原始图像为对待测对象仅利用一个光源打光时采集的待测对象的图像，本实施例中光源采用的是条形光，则原始图像的数量与条形光的数量一致，都为至少两个。
参见图2和图3，本实施例中以两个条形光为例进行说明，该条形光的亮度和照射角度可以根据需要进行调整。具体的，获取图2中的视觉检测装置分别利用左右两个条形光打光时的待测对象的原始图像a和原始图像b。
S220、将各原始图像融合形成的融合图像确定为目标图像。
具体的，通过第一预设融合算法将各原始图像进行融合，得到的融合图像即为目标图像，其中第一预设融合算法可以根据需要进行设置。本实施例中通过将各光源分别对待测对象打光时的各原始图像进行融合，可以有效消除局部过曝光的影响。
示例性的，获取到原始图像a和原始图像b以后，第一预设融合算法可以为：设原始图像a任意位置像素为：fa(x,y)，原始图像b任意位置像素为：fb(x,y)，融合图像的像素为：fc(x,y)＝min[fa(x,y),fb(x,y)]，其中min代表取最小值。
S230、分别对目标图像横向和纵向的像素进行曲线拟合并生成横向基面和纵向基面。
参见图3，单光源打光时采集的图像中沿横向(即X轴方向)的像素值是线性变化的函数关系，对于至少两个原始图像融合形成的目标图像，其中间亮两边暗，是高斯曲线的函数关系。因此对于纵向(即Y轴方向)的图像灰度变化，主要与曲面纵向截面的形状有关，也可以通过高斯曲线进行拟合。
具体的，获取目标图像横向和纵向的像素，分别进行曲线拟合得到s(x)和s(y)，基于s(x)和s(y)分别生成横向基面Ih(x,y)和纵向基面Iv(x，y)。
S240、将横向基面和纵向基面进行融合得到目标图像的基面图像。
具体的，利用第二融合算法将横向基面Ih(x,y)和纵向基面Iv(x,y)进行融合可以得到目标图像的基面图像。其中第二融合算法的可以根据需要进行设置，本实施例中不做限定，例如第二融合算法可以为If＝(Ih(x,y)+Iv(x,y))/2，其中If为基面图像。
S250、确定差分图像，差分图像为根据基面图像的最大像素与基面图像各像素的差值得到。
差分图像基于基面图像的最大像素确定，差分图像的各像素为目标图像各像素需要反向补偿的差值。
S260、确定目标图像的矫正图像，矫正图像根据基面图像得到。
可选地，确定目标图像的矫正图像，包括：依据Ir＝Ic+Id(Ic/If)，确定目标图像的矫正图像，其中Ir为矫正图像的像素，Ic为目标图像的像素，Id为目标图像所对应差分图像的像素，If为目标图像所对应基面图像的像素。
其中，Ic/If代表目标图像各像素进行反向补偿的权重值，该权重值的设置使得目标图像的像素越小，反向补偿的权重值越小，反之则越大。例如目标图像中白色的区域权重值较大，补偿较多，黑色的区域权重值较小，补偿较少。Id(Ic/If)代表目标图像各像素的矫正值，将目标图像各像素与矫正值的和作为矫正图像的各像素。
S270、对矫正图像进行二值化处理，得到二值化图像。
其中，图像二值化处理是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。
S280、确定二值化图像中白色前景的面积小于面积阈值，则缺陷检测结果为合格，否则缺陷检测结果为不合格。
其中，白色前景为划痕、黑点等缺陷，若二值化图像中白色前景的面积小于预设的面积阈值时，则缺陷检测结果为合格，否则缺陷检测结果为不合格。
本实施例通过将各光源分别对待测对象打光时的各原始图像进行融合得到目标图像，通过对目标图像基面拟合确定目标图像的基面图像，根据基面图像确定目标图像的矫正图像，并基于矫正图像的二值化图像得到待测对象表面的缺陷检测结果。本实施例提供的技术方案获取的目标图像可以有效消除局部过曝光的影响，并通过对传统类的视觉检测算法中矫正算法的重新设计可以实现对待测对象所对应目标图像的矫正，解决了现有技术中因光照不均匀引起的成像问题，有效提高了缺陷检测的准确率。
实施例三
图6为本发明实施例三中的缺陷检测装置的结构示意图，本实施例可适用于对待测对象表面进行缺陷检测的情况。本发明实施例所提供的缺陷检测装置可执行本发明任意实施例所提供的缺陷检测方法，具备执行方法相应的功能模块和有益效果。该装置具体包括图像获取模块310、基面图像模块320、矫正图像模块330和检测模块340，其中：
图像获取模块310，用于获取待测对象的目标图像；
基面图像模块320，用于确定目标图像的基面图像，基面图像通过对目标图像基面拟合得到；
矫正图像模块330，用于确定目标图像的矫正图像，矫正图像根据基面图像得到；
检测模块340，用于基于矫正图像得到待测对象表面的缺陷检测结果。
本发明实施例通过获取待测对象的目标图像，通过对目标图像基面拟合确定目标图像的基面图像，根据基面图像确定目标图像的矫正图像，并基于矫正图像得到待测对象表面的缺陷检测结果。本发明实施例提供的技术方案通过对传统类的视觉检测算法中矫正算法的重新设计可以实现对待测对象所对应目标图像的矫正，解决了现有技术中因光照不均匀引起的成像问题，有效提高了缺陷检测的准确率。
可选地，基面图像模块320包括：
拟合单元，用于分别对目标图像横向和纵向的像素进行曲线拟合并生成横向基面和纵向基面；
融合单元，用于将横向基面和纵向基面进行融合得到目标图像的基面图像。
可选地，图像获取模块310包括：
原始图像单元，用于获取待测对象的原始图像，原始图像为至少两个条形光分别对待测对象打光时的图像，原始图像的数量为至少两个
融合单元，用于将各原始图像融合形成的融合图像确定为目标图像。
可选地，该装置还包括差分模块，差分模块用于：
确定所述目标图像的矫正图像之前，确定差分图像，差分图像为根据基面图像的最大像素与基面图像各像素的差值得到。
可选地，矫正图像模块330具体用于：
依据Ir＝Ic+Id(Ic/If)，确定目标图像的矫正图像，其中Ir为矫正图像的像素，Ic为目标图像的像素，Id为目标图像所对应差分图像的像素，If为目标图像所对应基面图像的像素。
可选地，检测模块340包括：
处理单元，用于对矫正图像进行二值化处理，得到二值化图像；
结果确定单元，用于确定二值化图像中白色前景的面积小于面积阈值，则缺陷检测结果为合格，否则缺陷检测结果为不合格。
本发明实施例所提供的缺陷检测装置可执行本发明任意实施例所提供的缺陷检测方法，具备执行方法相应的功能模块和有益效果。
实施例四
图7为本发明实施例四中的设备的结构示意图。图7示出了适于用来实现本发明实施方式的示例性设备412的框图。图7显示的设备412仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，设备412以通用设备的形式表现。设备412的组件可以包括但不限于：一个或者多个处理器416，存储装置428，连接不同系统组件(包括存储装置428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种，包括存储装置总线或者存储装置控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry SubversiveAlliance，ISA)总线，微通道体系结构(Micro Channel Architecture，MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
设备412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备412访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置428可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)430和/或高速缓存存储器432。设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘，例如只读光盘(Compact Disc Read-Only Memory，CD-ROM),数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440，可以存储在例如存储装置428中，这样的程序模块442包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。
设备412也可以与一个或多个外部设备414(例如键盘、指向终端、显示器424等)通信，还可与一个或者多个使得用户能与该设备412交互的终端通信，和/或与使得该设备412能与一个或多个其它计算终端进行通信的任何终端(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且，设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网(Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图7所示，网络适配器420通过总线418与设备412的其它模块通信。应当明白，尽管图中未示出，可以结合设备412使用其它硬件和/或软件模块，包括但不限于：微代码、终端驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器416通过运行存储在存储装置428中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的缺陷检测方法，该方法包括：
获取待测对象的目标图像；
确定目标图像的基面图像，基面图像通过对目标图像基面拟合得到；
确定目标图像的矫正图像，矫正图像根据基面图像得到；
基于矫正图像得到待测对象表面的缺陷检测结果。
实施例五
本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的缺陷检测方法，该方法包括：
获取待测对象的目标图像；
确定目标图像的基面图像，基面图像通过对目标图像基面拟合得到；
确定目标图像的矫正图像，矫正图像根据基面图像得到；
基于矫正图像得到待测对象表面的缺陷检测结果。。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (6)
1.一种缺陷检测方法，其特征在于，包括：
获取待测对象的目标图像；
确定所述目标图像的基面图像，所述基面图像通过对所述目标图像基面拟合得到；
确定所述目标图像的矫正图像，所述矫正图像根据所述基面图像得到；
基于所述矫正图像得到所述待测对象表面的缺陷检测结果；
确定所述目标图像的矫正图像之前，还包括：
确定差分图像，所述差分图像为根据所述基面图像的最大像素与所述基面图像各像素的差值得到；
确定所述目标图像的矫正图像，包括：
依据Ir＝Ic+Id(Ic/If)，确定所述目标图像的矫正图像，其中Ir为矫正图像的像素，Ic为目标图像的像素，Id为目标图像所对应差分图像的像素，If为目标图像所对应基面图像的像素；
确定所述目标图像的基面图像，包括：
分别对所述目标图像横向和纵向的像素进行曲线拟合并生成横向基面和纵向基面；
将所述横向基面和所述纵向基面进行融合得到所述目标图像的基面图像。
2.根据权利要求1所述的方法，其特征在于，获取待测对象的目标图像，包括：
获取待测对象的原始图像，所述原始图像为至少两个条形光分别对所述待测对象打光时的图像，所述原始图像的数量为至少两个；
将各所述原始图像融合形成的融合图像确定为目标图像。
3.根据权利要求1所述的方法，其特征在于，基于所述矫正图像得到所述待测对象表面的缺陷检测结果，包括：
对所述矫正图像进行二值化处理，得到二值化图像；
确定所述二值化图像中白色前景的面积小于面积阈值，则缺陷检测结果为合格，否则缺陷检测结果为不合格。
4.一种缺陷检测装置，其特征在于，包括：
图像获取模块，用于获取待测对象的目标图像；
基面图像模块，用于确定所述目标图像的基面图像，所述基面图像通过对所述目标图像基面拟合得到；
矫正图像模块，用于确定所述目标图像的矫正图像，所述矫正图像根据所述基面图像得到；
检测模块，用于基于所述矫正图像得到所述待测对象表面的缺陷检测结果；
差分模块，用于确定所述目标图像的矫正图像之前，确定差分图像，差分图像为根据基面图像的最大像素与基面图像各像素的差值得到；
所述矫正图像模块，具体用于依据Ir＝Ic+Id(Ic/If)，确定目标图像的矫正图像，其中Ir为矫正图像的像素，Ic为目标图像的像素，Id为目标图像所对应差分图像的像素，If为目标图像所对应基面图像的像素；
所述基面图像模块包括：
拟合单元，用于分别对所述目标图像横向和纵向的像素进行曲线拟合并生成横向基面和纵向基面；
融合单元，用于将所述横向基面和所述纵向基面进行融合得到所述目标图像的基面图像。
5.一种缺陷检测设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-3中任一所述的缺陷检测方法。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-3中任一所述的缺陷检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811574185.1A CN109671075B (zh) | 2018-12-21 | 2018-12-21 | 缺陷检测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811574185.1A CN109671075B (zh) | 2018-12-21 | 2018-12-21 | 缺陷检测方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109671075A CN109671075A (zh) | 2019-04-23 |
| CN109671075B true CN109671075B (zh) | 2020-11-03 |
Family
ID=66145843
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811574185.1A Active CN109671075B (zh) | 2018-12-21 | 2018-12-21 | 缺陷检测方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109671075B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113034455B (zh) * | 2021-03-17 | 2023-01-10 | 清华大学深圳国际研究生院 | 一种平面物件麻点检测方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101984346A (zh) * | 2010-10-19 | 2011-03-09 | 浙江大学 | 基于低通滤波的水果表面缺陷检测方法 |
| CN104637067B (zh) * | 2015-03-18 | 2017-06-20 | 厦门麦克玛视电子信息技术有限公司 | 一种纹理表面的缺陷检测方法 |
| CN108596909A (zh) * | 2018-05-09 | 2018-09-28 | 芜湖哈特机器人产业技术研究院有限公司 | 空心圆柱工件表面缺陷检测系统及方法 |
-
2018
- 2018-12-21 CN CN201811574185.1A patent/CN109671075B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109671075A (zh) | 2019-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tsiotsios et al. | Backscatter compensated photometric stereo with 3 sources | |
| CN104101611A (zh) | 一种类镜面物体表面光学成像装置及其成像方法 | |
| CN103217108B (zh) | 一种眼镜架几何参数检测方法 | |
| AU2019395238B2 (en) | Method for restoring underground image on basis of ray reverse tracing technology | |
| CN113146073A (zh) | 基于视觉的激光切割方法及装置、电子设备、存储介质 | |
| CN115272256A (zh) | 亚像素级传感光纤路径高斯提取方法及系统 | |
| CN109671075B (zh) | 缺陷检测方法、装置、设备和存储介质 | |
| US11657495B2 (en) | Non-lambertian surface inspection system using images scanned in different directions | |
| CN105572133B (zh) | 瑕疵检测方法及其装置 | |
| Du et al. | An automated optical inspection (AOI) platform for three-dimensional (3D) defects detection on glass micro-optical components (GMOC) | |
| CN111189840B (zh) | 近场均匀照明的纸病检测方法 | |
| CN109612408B (zh) | 半导体激光器发射角度测试方法、装置及可读存储介质 | |
| IL233523A (en) | A system and method for quantifying repetition such as in the analysis of laminated documents | |
| CN109580174A (zh) | 半导体激光器局部均匀度的检测方法、装置及可读存储介质 | |
| KR101996917B1 (ko) | 평판 검사 방법 및 장치 | |
| CN112040138B (zh) | 立体光源系统、摄像方法、装置、存储介质及电子设备 | |
| CN113706508B (zh) | 光束质量分析方法、设备、光束分析系统及存储介质 | |
| CN115731195A (zh) | 一种缺陷检测方法、装置、设备以及系统 | |
| Zhang et al. | Simulation of a machine vision system for reflective surface defect inspection based on ray tracing | |
| CN101995735B (zh) | 图像处理设备、图像处理方法和电子装置 | |
| CN117058078B (zh) | 缺陷检测系统及方法、存储介质、电子设备 | |
| KR102433319B1 (ko) | Led 광원용 확산 렌즈 비전 검사 방법 | |
| JP2015175821A (ja) | 防眩性検査装置、方法、及びプログラム | |
| KR102073676B1 (ko) | 평판 검사 방법 및 장치 | |
| Castellini et al. | Optimization of spatial light distribution through genetic algorithms for vision systems applied to quality control |
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 | ||
| CP03 | Change of name, title or address |
Address after: 510530 No. 6, Yun Po four road, Whampoa District, Guangzhou, Guangdong. Patentee after: Guangzhou Shiyuan Electronic Technology Company Limited Patentee after: Guangzhou leichen Intelligent Technology Co.,Ltd. Address before: 510530 No. 6, Yunpu Fourth Road, Yunpu Industrial Park, Huangpu District, Guangzhou City, Guangdong Province Patentee before: Guangzhou Shiyuan Electronic Technology Company Limited Patentee before: GUANGZHOU LEICHEN TECHNOLOGY Co.,Ltd. |
|
| CP03 | Change of name, title or address |