CN109916914A - 一种产品缺陷检测方法及装置 - Google Patents

Abstract

本发明提供一种产品缺陷检测方法及装置，该方法对原始图像中的产品提取外轮廓，并采用形态学操作依次提取次级内轮廓，将轮廓信息存储在链表中，并利用轮廓信息进行特定图像处理，实现高精度缺陷检测。本发明这种基于轮廓信息的缺陷检测方法达到了对边缘过渡圆角部分的缺陷检测。

Description

一种产品缺陷检测方法及装置

技术领域

本发明涉及缺陷检测领域，特别是涉及一种产品缺陷检测方法及装置。

背景技术

随着现代工业制造技术发展，对产品的品质控制以及自动化生产的要求越来越高，基于机器视觉的缺陷检测技术作为一项新兴的工业自动化技术在各行各业得到了广泛应用，替代人工进行产品的识别、定位、缺陷检查、运动引导等工作，在高速流水线、危险环境、高重复性动作、高精密度检查等人力越来越难以胜任的场合发挥着重要作用。

缺陷检测从系统工作方式上分为两类，面阵系统与线阵扫描系统，面阵系统使用面较广，在各种小尺寸产品、图像检测分辨率低、采集速度慢的场合得到了广泛应用。随着产品尺寸增大、采集速度增加，如印刷电路板领域、平板显示领域、晶圆制造、印刷品检测等，面阵系统越来越难以满足要求，因此必须采用线阵系统工作方式。但是目前使用缺陷检测系统检测产品(如手机玻璃盖板)的缺陷，只能有效检测产品边缘直线部分的缺陷，而无法检测出产品边缘过渡圆角部分的缺陷，从而影响到产品缺陷检测质量，也难以实现高精度检测。

发明内容

本发明的主要目的在于克服现有技术的不足，提供一种产品缺陷检测方法及装置，除了能检测产品边缘直线部分的缺陷之外，还实现对产品的边缘过渡圆角部分的缺陷检测。

为实现上述目的，本发明采用以下技术方案：

一种产品缺陷检测方法，包括以下步骤：

S1、采集产品的原始图像，并提供具有与所述原始图像中的产品像素点一一对应的像素点的空白图像，所述空白图像的各像素点按照二值形式初始设为0值；

S2、对所述原始图像进行形态学操作，取得包括产品的外轮廓和一级以上次级内轮廓在内的多级轮廓；

S3、从所述原始图像中提取产品外轮廓的像素点信息，并存储在一首尾相接的链表中，所述像素点信息包括像素点的坐标值、灰度值以及用于确定当前像素点的前、后像素点的信息；

S4、确定所述链表中的每个像素点灰度值与周围像素点灰度值的差异度值；

S5、将每个像素点的所述差异度值与设定阈值进行比较，当像素点的所述差异度值大于设定阈值时，确定该像素点为缺陷位置像素点；

S6、从所述链表中获得所述缺陷位置像素点的坐标信息，根据所述坐标信息在所述空白图像中找到对应的像素点，所述空白图像中找到的对应像素点的灰度值调整成1值；

S7、对每一级内轮廓均重复执行步骤S3-S6，其中根据在每一级内轮廓上所确定的缺陷位置像素点的坐标信息，对所述空白图像的对应像素点的灰度值进行调整；

S8、将调整后的所述空白图像与所述原始图像进行叠加融合，得到将产品缺陷突出显示的图像。

进一步地：

在步骤S8之前还包括：对步骤S7的得到的空白图像通过连通域处理将不同级的轮廓上的缺陷区域聚团，以突出缺陷位置。

步骤S3中在提取像素点信息之前还包括：

使用卷积核按照以下式对原始图像进行二阶梯度增强：

其中，f(x，y)为双边滤波后的图像在坐标(x，y)处灰度值，g(x，y)为二阶梯度增强后图像在(x，y)处灰度值，w(s，t)为卷积核在(s，t)处的值。

其中卷积核尺寸对应a＝1，b＝1。

步骤S2中，先对所述原始图像进行双边滤波处理，在保留产品轮廓边缘信息同时去除噪声。

步骤S4中，确定所述链表中的每个像素点灰度值与周围像素点灰度值的差异度值包括：

将所述链表中包括当前像素点在内的前后共2m个点的灰度值取均值作为参考值，按照下式计算当前像素点的灰度值与该参考值的差异值：

其中，n为递增变量，范围为[-m+1，m]，L_i为所述链表中序号为i的像素点的灰度值，M_i为所述链表中序号为i的像素点的灰度值与该参考值的差异值，以所述差异值作为当前像素点灰度值与周围像素点灰度值的差异度值；优选地，m＝50。

步骤S4中，确定所述链表中的每个像素点灰度值与周围像素点灰度值的差异度值包括：

设置尺寸为1*100的卷积核K，并初始化为：

[0.01 … 0.01]

按照下式计算M_i

其中n为递增变量，范围为[1，100]，L_i为所述链表中序号为i的像素点的灰度值，M_i为所述链表中序号为i的像素点的灰度值与该参考值的差异值，K_i为卷积核K中i处的值，以所述差异值作为当前像素点灰度值与周围像素点灰度值的差异度值。

所述产品为手机玻璃面板。

一种产品缺陷检测装置，包括图像采集装置和数据处理装置，所述数据处理装置是使用所述的产品缺陷检测方法处理图像数据以检测产品缺陷的数据处理装置。

进一步地，所述图像采集装置采用时间延迟积分线阵相机。

本发明具有如下有益效果：

本发明提供的产品缺陷检测方法及装置能够克服现有技术只能有效检测出产品边缘直线部分缺陷的不足，本发明除了能够检测出产品边缘直线部分的缺陷之外，还能够实现对产品边缘过渡圆角部分的缺陷进行有效、准确的检测，且本发明的方法简便可靠，该检测方法鲁棒性强，误检率低，其不仅能够提高检测的精度，而且检测效率高，通用性强。本发明还可用在高速，低照度环境下进行缺陷检测，并且获得高精度的检测结果。本发明尤其能够针对高速，低光照环境实现高精度的手机玻璃面板缺陷检测。进一步地，采用时间延迟积分相机，基于本发明的方法及装置，能够在提高成像信噪比同时不降低图像采集效率，实现对高速物体的缺陷的高精度测量。

附图说明

图1为本发明的产品缺陷检测方法的原理示意图；

图2为本发明实施例的产品缺陷检测装置的结构框图；

图3为本发明实施例的产品缺陷检测装置三维图。

具体实施方式

以下对本发明的实施方式作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

在一种实施例中，一种产品缺陷检测方法，包括以下步骤：

S1、采集产品的原始图像，并提供具有与所述原始图像中的产品像素点一一对应的像素点的空白图像，所述空白图像的各像素点按照二值形式初始设为0值；

S2、对所述原始图像进行形态学操作，取得包括产品的外轮廓和一级以上次级内轮廓在内的多级轮廓；

S3、从所述原始图像中提取产品外轮廓的像素点信息，并存储在一首尾相接的链表中，所述像素点信息包括像素点的坐标值、灰度值以及用于确定当前像素点的前、后像素点的信息；

S4、确定所述链表中的每个像素点灰度值与周围像素点灰度值的差异度值；

S5、将每个像素点的所述差异度值与设定阈值进行比较，当像素点的所述差异度值大于设定阈值时，确定该像素点为缺陷位置像素点；

S6、从所述链表中获得所述缺陷位置像素点的坐标信息，根据所述坐标信息在所述空白图像中找到对应的像素点，所述空白图像中找到的对应像素点的灰度值调整成1值；

S7、对每一级内轮廓均重复执行步骤S3-S6，其中根据在每一级内轮廓上所确定的缺陷位置像素点的坐标信息，对所述空白图像的对应像素点的灰度值进行调整；

S8、将调整后的所述空白图像与所述原始图像进行叠加融合，得到将产品缺陷突出显示的图像。

在优选的实施例中，在步骤S8之前还包括：对步骤S7的得到的空白图像通过连通域处理将不同级的轮廓上的缺陷区域聚团，以突出缺陷位置。

在优选的实施例中，步骤S3中在提取像素点信息之前还包括：

使用卷积核按照以下式对原始图像进行二阶梯度增强：

其中，f(x，y)为双边滤波后的图像在坐标(x，y)处灰度值，g(x，y)为二阶梯度增强后图像在(x，y)处灰度值，w(s，t)为卷积核在(s，t)处的值。

其中卷积核尺寸对应a＝1，b＝1。

在优选的实施例中，步骤S2中，先对所述原始图像进行双边滤波处理，在保留产品轮廓边缘信息同时去除噪声。

根据一种优选的实施例，步骤S4中，确定所述链表中的每个像素点灰度值与周围像素点灰度值的差异度值的一种方式包括：

将所述链表中包括当前像素点在内的前后共2m个像素点的灰度值取均值作为参考值，按照下式计算当前像素点的灰度值与该参考值的差异值：

其中，n为递增变量，范围为[-m+1，m]，L_i为所述链表中序号为i的像素点的灰度值，M_i为所述链表中序号为i的像素点的灰度值与该参考值的差异值，以所述差异值作为当前像素点灰度值与周围像素点灰度值的差异度值。

在较佳实施例中，m取50，即取当前像素点前后共100点。

根据另一种优选的实施例，步骤S4中，确定所述链表中的每个像素点灰度值与周围像素点灰度值的差异度值的另一种方式包括：

设置尺寸为1*100的卷积核K，并初始化为：

[0.01 … 0.01]

按照下式计算M_i

其中n为递增变量，范围为[1，100]，L_i为所述链表中序号为i的像素点的灰度值，M_i为所述链表中序号为i的像素点的灰度值与该参考值的差异值，K_i为卷积核K中i处的值，以所述差异值作为当前像素点灰度值与周围像素点灰度值的差异度值。

在典型的实施例中，所述产品为手机玻璃面板。

在另一种实施例中，一种产品缺陷检测装置，包括图像采集装置和数据处理装置，所述数据处理装置是使用前述任一实施例所述的产品缺陷检测方法处理图像数据，以检测产品缺陷的数据处理装置。

较佳地，所述图像采集装置采用时间延迟积分线阵相机。

参阅图2至图3，在一种实施例中，产品缺陷检测装置包括：

时间延迟积分线阵相机1，用于对被测物体3进行图像采集；

线光源2，为成像提供所需光场；

数据传输装置5，用于将采集到的图像数据采集传输到数据处理装置；

运动平移装置4，用于放置被测物体并带着被测物体进行平移运动，以完成线阵相机扫描过程；

数据处理装置6，用于控制运动平移装置4进行运动，并用于控制线阵相机采集被测物体3的线阵扫描图像，然后对其进行数据处理，得到缺陷检测结果，即，获取突出显示缺陷位置的图像。

时间延迟积分线阵相机1和线光源2可分别固定在支架上。时间延迟积分线阵相机1将采集的图像通过数据传输装置5传输给数据处理装置6。

时间延迟积分线阵相机1可设置在六自由度位移台7上，使得时间延迟积分线阵相机1可以进行六自由度的位姿调整，以提高成像质量。

数据处理装置对图像进行分割裁剪，并根据本发明实施例的方法处理手机玻璃面板图像，提取手机玻璃面板外边缘，并对轮廓实施上述处理，实现高精度缺陷识别。

一个实例中，基于线阵相机的高精度手机玻璃面板缺陷检测方法包括以下步骤：

a)数据处理装置标定相机的内参和外参，具体指的是相机系统在空间坐标系中的位置，以及相机的焦距、相元尺寸、畸变度。

b)运动平移装置控制被测物体进行运动，同时图像采集装置采集线光源照亮被测物体表面的图像，数据处理装置将其拼接为物体表面的连续图像。

c)控制运动平移装置和图像采集装置的频率一致，可以提升低照度高速环境下成像质量。

d)数据处理装置对所采集图像进行提取边缘处理，并对轮廓信息进行上述卷积核运算，检测缺陷位置。

TDI线阵相机采用时间延迟积分技术，可通过将多线光传感器信号叠加来提升信噪比。实施例的装置能够满足相机采集行频率与运动平移装置同步性要求，可以采集到清晰无明显畸变拉伸的图像，为下一步进行图像处理提供基础。

在图像采集前，由工作时脉冲频率及导轨导程，镜头放大倍率等参数来确定TDI线阵相机图像采集行频率。对整个系统做校准处理，根据预先指定的镜头放大倍率、运动平移装置丝杠导轨导程、相机像元尺寸、步进电机脉冲频率、图像采集行频率，由配准程序计算出相对放大倍率。

在一个实例中，图像处理过程中所采用的高精度检测算法具体过程包括：提取手机玻璃面板外轮廓，并采用形态学操作依次提取次级内轮廓，对每一级轮廓均采用100*1尺寸卷积核来进行卷积运算以检测缺陷，并通过连通操作将不同层级轮廓上的缺陷位置结合，突出缺陷位置。本发明将轮廓信息存储在链表中，本发明的方法利用该链表，对于手机玻璃盖板的所有位置，包括边缘过渡圆角部分均可以实现缺陷检测。示意图参见图1。图1中所示为某一级轮廓，编号1-100部分为100*1卷积核，通过该卷积核遍历此级轮廓所有像素并做卷积运算，可以得出缺陷位置。

由此，通过TDI线阵相机扫描采集整张图，并按照本发明实施例的方法进行图像算法处理过程。

以上内容是结合具体/优选的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，其还可以对这些已描述的实施方式做出若干替代或变型，而这些替代或变型方式都应当视为属于本发明的保护范围。

Claims (10)

1.一种产品缺陷检测方法，其特征在于，包括以下步骤：

S1、采集产品的原始图像，并提供具有与所述原始图像中的产品像素点一一对应的像素点的空白图像，所述空白图像的各像素点按照二值形式初始设为0值；

S2、对所述原始图像进行形态学操作，取得包括产品的外轮廓和一级以上次级内轮廓在内的多级轮廓；

S3、从所述原始图像中提取产品外轮廓的像素点信息，并存储在一首尾相接的链表中，所述像素点信息包括像素点的坐标值、灰度值以及用于确定当前像素点的前、后像素点的信息；

S4、确定所述链表中的每个像素点灰度值与周围像素点灰度值的差异度值；

S5、将每个像素点的所述差异度值与设定阈值进行比较，当像素点的所述差异度值大于设定阈值时，确定该像素点为缺陷位置像素点；

S6、从所述链表中获得所述缺陷位置像素点的坐标信息，根据所述坐标信息在所述空白图像中找到对应的像素点，所述空白图像中找到的对应像素点的灰度值调整成1值；

S7、对每一级内轮廓均重复执行步骤S3-S6，其中根据在每一级内轮廓上所确定的缺陷位置像素点的坐标信息，对所述空白图像的对应像素点的灰度值进行调整；

S8、将调整后的所述空白图像与所述原始图像进行叠加融合，得到将产品缺陷突出显示的图像。

2.如权利要求1所述的产品缺陷检测方法，其特征在于，在步骤S8之前还包括：对步骤S7的得到的空白图像通过连通域处理将不同级的轮廓上的缺陷区域聚团，以突出缺陷位置。

3.如权利要求1或2所述的产品缺陷检测方法，其特征在于，步骤S3中在提取像素点信息之前还包括：

使用卷积核按照以下式对原始图像进行二阶梯度增强：

其中，f(x，y)为双边滤波后的图像在坐标(x，y)处灰度值，g(x，y)为二阶梯度增强后图像在(x，y)处灰度值，w(s，t)为卷积核在(s，t)处的值。

4.如权利要求3所述的产品缺陷检测方法，其特征在于，其中卷积核尺寸对应a＝1，b＝1。

5.如权利要求1至4任一项所述的产品缺陷检测方法，其特征在于，步骤S2中，先对所述原始图像进行双边滤波处理，在保留产品轮廓边缘信息同时去除噪声。

6.如权利要求1至5任一项所述的产品缺陷检测方法，其特征在于，步骤S4中，确定所述链表中的每个像素点灰度值与周围像素点灰度值的差异度值包括：

将所述链表中包括当前像素点在内的前后共2m个点的灰度值取均值作为参考值，按照下式计算当前像素点的灰度值与该参考值的差异值：

其中，n为递增变量，范围为[-m+1，m]，L_i为所述链表中序号为i的像素点的灰度值，M_i为所述链表中序号为i的像素点的灰度值与该参考值的差异值，以所述差异值作为当前像素点灰度值与周围像素点灰度值的差异度值；优选地，m＝50。

7.如权利要求1至5任一项所述的产品缺陷检测方法，其特征在于，步骤S4中，确定所述链表中的每个像素点灰度值与周围像素点灰度值的差异度值包括：

设置尺寸为1*100的卷积核K，并初始化为：

[0.01 … 0.01]

按照下式计算M_i

其中n为递增变量，范围为[1，100]，L_i为所述链表中序号为i的像素点的灰度值，M_i为所述链表中序号为i的像素点的灰度值与该参考值的差异值，K_i为卷积核K中i处的值，以所述差异值作为当前像素点灰度值与周围像素点灰度值的差异度值。

8.如权利要求1至7任一项所述的产品缺陷检测方法，其特征在于，所述产品为手机玻璃面板。

9.一种产品缺陷检测装置，包括图像采集装置和数据处理装置，其特征在于，所述数据处理装置是使用权利要求1至7任一项所述的产品缺陷检测方法处理图像数据以检测产品缺陷的数据处理装置。

10.如权利要求9所述的产品缺陷检测装置，其特征在于，所述图像采集装置采用时间延迟积分线阵相机。