CN109799240A - 一种表面缺陷检测方法 - Google Patents
一种表面缺陷检测方法 Download PDFInfo
- Publication number
- CN109799240A CN109799240A CN201910104763.3A CN201910104763A CN109799240A CN 109799240 A CN109799240 A CN 109799240A CN 201910104763 A CN201910104763 A CN 201910104763A CN 109799240 A CN109799240 A CN 109799240A
- Authority
- CN
- China
- Prior art keywords
- unit
- detection method
- surface flaw
- detection
- defect
- 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
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种表面缺陷检测方法,包括:S1、利用视觉系统采集图片,提取图片的检测区域;S2、将所述图片的检测区域分割成n2个单元,计算每个单元的标准差;S3、将每个所述单元的标准差与设定阈值范围进行比较,判断所述单元是否为缺陷单元找出所述检测区域中所有所述缺陷单元。本发明的表面缺陷检测方法效率高,不需要滤波工序,缺陷检测精度高,有效避免漏检的情况。
Description
技术领域
本发明涉及一种检测方法,尤其涉及一种表面缺陷检测方法。
背景技术
物体表面缺陷检测是工业领域必不可少的工序,检测表面细微的、不明显的缺陷一直是行业内的一大难题。现有技术中通常是通过人工利用显微镜检测。然而人工检测效率低,并且人工抽检容易造成误检、漏检的情况。
随着科技的进步,市场上也逐渐出现相关的缺陷检测设备。然而现有的缺陷检测设备和检测方法虽然可以检测出镜片上的划痕和污渍,但却需要滤波工序,导致一些较浅的脏污被忽略掉,造成后续设备无法有效检出相关缺陷,缺陷检测精度较差,不能满足高精度检测的使用要求。
发明内容
本发明的目的在于提供一种高精度的表面缺陷检测方法。
为实现上述目的,本发明提供一种表面缺陷检测方法,包括:
S1、利用视觉系统采集图片,提取图片的检测区域;
S2、将所述图片的检测区域分割成n2个单元,计算每个单元的标准差;
S3、将每个所述单元的标准差与设定阈值范围进行比较,判断所述单元是否为缺陷单元,找出所述检测区域中所有所述缺陷单元。
根据本发明的一个方面,还包括:S4、整合所述步骤S3中连续相连所述缺陷单元形成缺陷区域,统计所述缺陷区域中缺陷单元的数量并与预设阈值比较,判断所述缺陷区域是否为噪点。
根据本发明的一个方面,在所述步骤S1之后且在步骤S2之前,需要对所述检测区域进行边缘裁剪。
根据本发明的一个方面,对所述检测区域进行边缘裁剪时,对所述检测区域四边等宽度范围地裁剪。
根据本发明的一个方面,裁剪范围为5至10个像素。根据本发明的一个方面,在所述步骤S2中,利用公式计算每个所述单元的标准差;
其中σ为亮度标准差,xi为第i单元的亮度参数值,μ为所有亮度参数值的算数平均值,N为大于1的整数。
根据本发明的一个方面,在所述步骤S3中,若所述单元的标准差落入所述设定阈值范围内,则所述单元为缺陷单元。
根据本发明的一个方面,在所述步骤S4中,若所述缺陷区域中缺陷单元的数量小于所述预设阈值,则所述缺陷区域为噪点;
若所述缺陷区域中缺陷单元的数量大于或等于所述预设阈值,则所述缺陷区域为缺陷。
根据本发明的一个方面,所述视觉系统包括采集相机。
根据本发明的一个方面,在所述步骤S1之前,依据预设亮度标准值设置所述采集相机的参数,确保所述采集相机拍摄的图片能够显示出缺陷。
根据本发明的一个方案,依据本发明的表面缺陷检测方法,将检测区域分割成n2个单元,计算每个单元的标准值,进而判断每个单元是否为缺陷单元,找出所述有的缺陷单元。即本发明的方法,将整个检测区域分割成多个小区域,通过判断每个小区域是否有缺陷的方式来判断检测区域的缺陷数量和位置,使得对于缺陷单元的判断十分精准,同时为后续方法的精确性提供保障。相比于现有技术中采用滤波方式的检测方法而言,将检测区域分割成多个单元并分别判断是否为缺陷单元的方法,可以准确有效地检测出一些较浅的脏污缺陷,即本发明的方法可以有效避免较浅缺陷的漏检和误检,有效提升检测精度。
根据本发明的一个方案,在本发明中,还包括:S4、整合步骤S3中连续相连缺陷单元形成缺陷区域,统计缺陷区域中缺陷单元的数量并与预设阈值比较,判断缺陷区域是否为噪点。即在本发明中,通过步骤S3找出了所有的缺陷单元之后,还需要整合判断是否伪缺陷(噪点)。依据此步骤可以进一步将上述方法中找出的缺陷进行排查,排除其中的伪缺陷(噪点),最终确认缺陷的数量和位置,方法简便高效,进一步提升缺陷检测精度。
根据本发明的一个方案,对检测区域进行边缘裁剪时,裁剪范围为5至10个像素。如此可以避免检测区域和非检测区域交接边缘部分灰度值变化较大会对检测结果造成较大误差。
根据本发明的一个方案,在采集图片之前,应当根据预设亮度标准值来设置采集相机的参数,相机参数包括曝光参数和镜头光圈数等。如此可以保证采集相机拍摄的图片能够显示出缺陷,为后续缺陷检测高精度检测提供保障。
附图说明
图1示意性表示根据本发明一种实施方式的表面缺陷检测方法的步骤图;
图2示意性表示根据本发明一种实施方式的表面缺陷检测方法的流程图。
具体实施方式
为了更清楚地说明本发明实施方式或现有技术中的技术方案,下面将对实施方式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方式,对于本领域普通技术人员而言,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。
在针对本发明的实施方式进行描述时,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”所表达的方位或位置关系是基于相关附图所示的方位或位置关系,其仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此上述术语不能理解为对本发明的限制。
下面结合附图和具体实施方式对本发明作详细地描述,实施方式不能在此一一赘述,但本发明的实施方式并不因此限定于以下实施方式。
如图1所示,本发明的表面缺陷检测方法包括S1、利用视觉系统采集图片,提取图片的检测区域;S2、将图片的检测区域分割成n2个单元,计算每个单元的标准差;S3、将每个单元的标准差与设定阈值范围进行比较,判断单元是否为缺陷单元,找出检测区域中所有的缺陷单元。
依据本发明的表面缺陷检测方法,将检测区域分割成n2个单元,计算每个单元的标准值,进而判断每个单元是否为缺陷单元,找出所述有的缺陷单元。即本发明的方法,将整个检测区域划分为多个小区域进行一一判断,使得对于缺陷单元的判断十分精准,同时为后续方法的精确性提供保障。从而确保使用本发明的表面缺陷检测方法得出的检测结果更准确,精度更高。
在本发明中,还包括S4、整合步骤S3中连续相连缺陷单元形成缺陷区域,统计缺陷区域中缺陷单元的数量并与预设阈值比较,判断缺陷区域是否为噪点。即在本发明中,通过步骤S3找出了所有的缺陷单元之后,还需要整合判断是否伪缺陷(噪点),需要找出噪点,将其排除,剩余的缺陷才是真正的缺陷,有利于保证本发明的缺陷检测精度,明显降低漏检率。
结合图1和图2所示,具体来说,在步骤S1中,视觉系统包括采集相机,在采集图片之前,应当根据预设亮度标准值来设置采集相机的参数,以保证采集相机拍摄的图片能够显示出缺陷,相机参数包括曝光参数和镜头光圈数等。例如,将采集图片的亮度标准值设置在正负5之间,以保证采集到的图片能够显示出缺陷。
采集图片之后,需要提取图像的检测区域,然后将检测区域分割成n2个单元,计算每个单元的亮度标准差。在本发明中,在将检测区域分割成n2个单元之前,需要对检测区域进行裁剪处理。具体来说,必须对检测区域和非检测区域交接部分裁剪掉一部分像素,因为检测区域和非检测区域交接边缘部分灰度值变化较大会对检测结果造成较大误差。在本发明中,在对检测区域进行裁剪时,对检测区域四个边进行等宽度的裁剪处理,确保裁剪后的检测区域不会对检测结果造成误差。在本发明中,裁剪范围为5-10个像素,例如即对检测区域四边均裁剪掉5个像素。
在步骤S2中,将检测区域分割成n2个单元,其中n为大于1的整数,具体可以根据实际情况设定。例如,检测区域像素为1200,可以将检测区域分割中40*40个单元,之后计算每一个单元的标准差。
在本发明中,采用计算每个单元的标准差,其中xi表示第i单元的亮度参数值,μ表示所有亮度参数值的算术平均值,σ表示亮度标准差。
之后在步骤S3中,将计算出的每一个单元的亮度标准差与设定阈值范围进行比较,判断单元是否为缺陷单元,找出所有的缺陷单元。具体来说,可以根据对于缺陷的要求设置设定阈值范围,若计算出的单元的亮度标准差落入设定阈值范围内,则该单元为缺陷单元。例如,根据本发明的一种实施方式,设定阈值范围为33-40,也就是说,计算出的单元的标准差在33-40之间,则该单元为缺陷单元。若计算出的单元的亮度标准差小于33或大于40,则不是缺陷。
本发明的表面缺陷检测方法,将检测区域分割成n2个单元,通过计算每个单元标准差的方式判断每个单元是否为缺陷单元,使得对于缺陷单元的判断十分精准,同时为后续方法的精确性提供保障。
将所有单元判断完是否为缺陷单元之后,进行步骤S4,整合连续相连缺陷单元形成缺陷区域,统计缺陷区域中缺陷单元的数量并与预设阈值比较,判断缺陷区域是否为噪点。具体来说,若缺陷区域中缺陷单元的数量小于预设阈值,则缺陷区域为噪点,即为伪缺陷。若缺陷区域中缺陷单元的数量大于或等于预设阈值,则缺陷区域为缺陷。在本发明中,可以根据对于缺陷的要求来设定预设阈值,例如,根据本发明的一种实施方式,预设阈值设定为3,即若某一缺陷区域中缺陷单元的数量大于或等于3,该缺陷区域为缺陷。若某一缺陷区域中缺陷单元的数量小于3,则该区域为噪点,不是缺陷。所有的缺陷区域判断完成之后,最终输出缺陷数量和位置。
以图2为例,对利用本发明的表面缺陷检测方法检测批量产品进行说明,首先调整视觉系统(采集相机)的相关参数,确保能够采集到的图片能够显示出缺陷,之后可以设置好用于判断单元是否为缺陷单元的设定阈值范围和用于判断缺陷区域是否为噪点的预设阈值,然后夹爪抓取产品送至检测区域进行检测,即根据本发明的表面缺陷检测方法检测产品缺陷,直至检测完所有产品。
本发明的表面缺陷检测方法,通过将检测区域分割成n2个单元,计算每个单元的标准差值来判断每个单元是否为缺陷单元,将整个检测区域分割成多个小区域,通过判断每个小区域是否有缺陷的方式来判断检测区域的缺陷数量和位置,缺陷检测精度更好,可明显降低漏检率。相比于现有技术中采用滤波方式的检测方法而言,将检测区域分割成多个单元并分别判断是否为缺陷单元的方法,可以准确有效地检测出一些较浅的脏污缺陷,即本发明的方法可以有效避免较浅缺陷的漏检和误检,有效提升检测精度。
之后通过整合连接相连的缺陷单元为缺陷区域,判断缺陷区域是否为噪点,依据此步骤可以进一步将上述方法中找出的缺陷进行排查,排除其中的伪缺陷(噪点),最终确认缺陷的数量和位置,方法简便高效,进一步提升缺陷检测精度。
利用本发明的表面缺陷检测方法和现有技术中的检测方法对35张漏检片进行检测试验,现有技术中的检测方法仅可以检测出其中10张有缺陷,而本发明的表面缺陷检测方法可以检测出30张缺陷,即本发明的表面缺陷检测方法检测精度高,极大提升了对表面较浅缺陷的检测能力,解决了由于产品表面缺陷较浅造成漏检的问题,满足较为严苛的使用要求。
上述内容仅为本发明的具体方案的例子,对于其中未详尽描述的设备和结构,应当理解为采取本领域已有的通用设备及通用方法来予以实施。
以上所述仅为本发明的一个方案而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种表面缺陷检测方法,包括:
S1、利用视觉系统采集图片,提取图片的检测区域;
S2、将所述图片的检测区域分割成n2个单元,计算每个单元的标准差;
S3、将每个所述单元的标准差与设定阈值范围进行比较,判断所述单元是否为缺陷单元,找出所述检测区域中所有所述缺陷单元。
2.根据权利要求1所述的表面缺陷检测方法,其特征在于,还包括:
S4、整合所述步骤S3中连续相连所述缺陷单元形成缺陷区域,统计所述缺陷区域中缺陷单元的数量并与预设阈值比较,判断所述缺陷区域是否为噪点。
3.根据权利要求1或2所述的表面缺陷检测方法,其特征在于,在所述步骤S1之后且在步骤S2之前,对所述检测区域进行边缘裁剪。
4.根据权利要求3所述的表面缺陷检测方法,其特征在于,对所述检测区域进行边缘裁剪时,对所述检测区域四边等宽度范围地裁剪。
5.根据权利要求4所述的表面缺陷检测方法,其特征在于,裁剪范围为5至10个像素。
6.根据权利要求1或2所述的表面缺陷检测方法,其特征在于,在所述步骤S2中,利用公式计算每个所述单元的标准差;
其中σ为亮度标准差,xi为第i单元的亮度参数值,μ为所有亮度参数值的算数平均值,N为大于1的整数。
7.根据权利要求1或2所述的表面缺陷检测方法,其特征在于,在所述步骤S3中,若所述单元的标准差落入所述设定阈值范围内,则所述单元为缺陷单元。
8.根据权利要求1或2所述的表面缺陷检测方法,其特征在于,在所述步骤S4中,若所述缺陷区域中缺陷单元的数量小于所述预设阈值,则所述缺陷区域为噪点;
若所述缺陷区域中缺陷单元的数量大于或等于所述预设阈值,则所述缺陷区域为缺陷。
9.根据权利要求1或2所述的表面缺陷检测方法,其特征在于,所述视觉系统包括采集相机。
10.根据权利要求9所述的表面缺陷检测方法,其特征在于,在所述步骤S1之前,依据预设亮度标准值设置所述采集相机的参数,确保所述采集相机拍摄的图片能够显示出缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910104763.3A CN109799240A (zh) | 2019-02-01 | 2019-02-01 | 一种表面缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910104763.3A CN109799240A (zh) | 2019-02-01 | 2019-02-01 | 一种表面缺陷检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109799240A true CN109799240A (zh) | 2019-05-24 |
Family
ID=66561939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910104763.3A Pending CN109799240A (zh) | 2019-02-01 | 2019-02-01 | 一种表面缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109799240A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020001405A1 (en) * | 2000-06-30 | 2002-01-03 | Nidek Co., Ltd. | Defect inspection method and defect inspection apparatus |
JP2004045125A (ja) * | 2002-07-10 | 2004-02-12 | Matsushita Electric Ind Co Ltd | 欠陥検査方法及び装置 |
JP2009222513A (ja) * | 2008-03-14 | 2009-10-01 | Seiko Epson Corp | 欠陥検出装置、および欠陥検出方法 |
CN101107512B (zh) * | 2005-01-28 | 2010-05-19 | Ykk株式会社 | 物品的外观检查装置 |
CN102074031A (zh) * | 2011-01-13 | 2011-05-25 | 广东正业科技股份有限公司 | 一种印刷电路板外观检查机的建标方法 |
JP5384264B2 (ja) * | 2009-09-11 | 2014-01-08 | 株式会社ブリヂストン | タイヤ外観検査装置 |
CN105044114A (zh) * | 2015-04-27 | 2015-11-11 | 中国人民解放军理工大学 | 一种电解电容外观包装缺陷图像检测系统与方法 |
CN105548217A (zh) * | 2016-02-23 | 2016-05-04 | 信阳舜宇光学有限公司 | 镀膜制品的外观检测装置及检测方法 |
CN106053593A (zh) * | 2015-04-02 | 2016-10-26 | 码科泰克株式会社 | 探伤装置以及利用探伤装置的伤部检测方法 |
CN106934795A (zh) * | 2017-01-23 | 2017-07-07 | 陕西师范大学 | 一种混凝土桥梁裂缝的自动检测方法和预测方法 |
-
2019
- 2019-02-01 CN CN201910104763.3A patent/CN109799240A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020001405A1 (en) * | 2000-06-30 | 2002-01-03 | Nidek Co., Ltd. | Defect inspection method and defect inspection apparatus |
JP2004045125A (ja) * | 2002-07-10 | 2004-02-12 | Matsushita Electric Ind Co Ltd | 欠陥検査方法及び装置 |
CN101107512B (zh) * | 2005-01-28 | 2010-05-19 | Ykk株式会社 | 物品的外观检查装置 |
JP2009222513A (ja) * | 2008-03-14 | 2009-10-01 | Seiko Epson Corp | 欠陥検出装置、および欠陥検出方法 |
JP5384264B2 (ja) * | 2009-09-11 | 2014-01-08 | 株式会社ブリヂストン | タイヤ外観検査装置 |
CN102074031A (zh) * | 2011-01-13 | 2011-05-25 | 广东正业科技股份有限公司 | 一种印刷电路板外观检查机的建标方法 |
CN106053593A (zh) * | 2015-04-02 | 2016-10-26 | 码科泰克株式会社 | 探伤装置以及利用探伤装置的伤部检测方法 |
CN105044114A (zh) * | 2015-04-27 | 2015-11-11 | 中国人民解放军理工大学 | 一种电解电容外观包装缺陷图像检测系统与方法 |
CN105548217A (zh) * | 2016-02-23 | 2016-05-04 | 信阳舜宇光学有限公司 | 镀膜制品的外观检测装置及检测方法 |
CN106934795A (zh) * | 2017-01-23 | 2017-07-07 | 陕西师范大学 | 一种混凝土桥梁裂缝的自动检测方法和预测方法 |
Non-Patent Citations (2)
Title |
---|
彭海涛: "基于图像分析技术的混凝土表面色差检测及评定", 《公路工程》 * |
程万胜: "表面检测中微小缺陷的识别", 《无损检测》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109816678B (zh) | 一种基于视觉的喷嘴雾化角度自动检测系统及方法 | |
CN104256882B (zh) | 基于计算机视觉的烟丝中再造烟叶比例测定方法 | |
CN104198325B (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
CN107610104A (zh) | 一种基于机器视觉的电梯补偿链r处裂纹检测方法 | |
CN105021628A (zh) | 一种用于光纤倒像器表面缺陷的检测方法 | |
CN105651776A (zh) | 基于计算机视觉的牛胴体产肉量自动分级装置与方法 | |
CN109859160A (zh) | 基于机器视觉的铝镁合金铸件内部缺陷图像识别方法 | |
CN104483320A (zh) | 工业脱硝催化剂的数字化缺陷检测装置与检测方法 | |
CN110261069B (zh) | 一种用于光学镜头的检测方法 | |
WO2017071406A1 (zh) | 金针类元件的引脚检测方法和系统 | |
CN109461156B (zh) | 基于视觉的螺纹密封塞装配检测方法 | |
CN108280838A (zh) | 一种基于边缘检测的夹片牙型缺陷检测方法 | |
CN110096980A (zh) | 字符检测识别系统 | |
CN106228517A (zh) | 图像采集装置成像元件缺陷校准方法 | |
CN103245666B (zh) | 一种蓄电池极板外观缺陷自动检测方法 | |
CN109387524A (zh) | 基于线性偏振光的螺纹缺陷检测方法及装置 | |
CN103389312B (zh) | 铜管检测系统 | |
CN111458345A (zh) | 一种口罩缺陷视觉检测机构 | |
CN111665249B (zh) | 一种光强调整方法、系统及光学检测设备 | |
CN105391998B (zh) | 微光夜视仪分辨率自动检测方法和装置 | |
CN114219758A (zh) | 缺陷检测方法、系统、电子设备和计算机可读存储介质 | |
CN111458344A (zh) | 一种口罩缺陷视觉检测方法、设备、存储介质 | |
CN109799240A (zh) | 一种表面缺陷检测方法 | |
CN111563869B (zh) | 用于摄像模组质检的污点测试方法 | |
CN212658633U (zh) | 一种口罩缺陷视觉检测机构 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190524 |
|
RJ01 | Rejection of invention patent application after publication |