CN109916922A - 镜面/类镜面物体的缺陷检测方法 - Google Patents
镜面/类镜面物体的缺陷检测方法 Download PDFInfo
- Publication number
- CN109916922A CN109916922A CN201910262066.0A CN201910262066A CN109916922A CN 109916922 A CN109916922 A CN 109916922A CN 201910262066 A CN201910262066 A CN 201910262066A CN 109916922 A CN109916922 A CN 109916922A
- Authority
- CN
- China
- Prior art keywords
- image
- mirror
- class
- mirror surface
- inspection method
- 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
本发明公开了一种镜面/类镜面物体的缺陷检测方法，包括如下步骤：1)将多幅正弦相移图像按照预设次序投影在待测镜面/类镜面物体表面，利用相机采集图像；2)计算图像上所有点(u,v)处的调制质量Z(u,v)；3)计算所有Z(u,v)的均值μ和标准差σ；4)对图像上所有点(u,v)判断|Z(u,v)‑μ|≤mσ，若成立，则无缺陷，若不成立，则标记为缺陷点；m为依据误差范围所确定的系数；本发明通过相机获得正弦条纹图像，进而计算调制信息质量图，通过分析调制信息质量图，能够有效检出高度仅为微米级的缺漆涂层缺陷，成本较低，检测精度可控。
Description
技术领域
本发明涉及镜面/类镜面物体缺陷检测领域，具体涉及一种镜面/类镜面物体的缺陷检测方法。
背景技术
随着科学技术的发展，镜面/类镜面物体在工业生产中的应用范围日益扩大，如何检测镜面/类镜面物体表面缺陷，保证镜面/类镜面产品加工精度和使用性能成为了一项重要的研究内容。
传统的检测方法，要么依靠人工目视寻找缺陷，要么通过接触式或非接触式测量手段重建镜面/类镜面物体三维面型，继而实现缺陷检测。但是，人工目视方法存在耗时时间长、检出率低、易受人工影响等缺点，难以满足现代工业自动化检测需求。通过不同手段实现三维面型重建再进行缺陷检测的方法存在设备昂贵、操作复杂、对环境要求较高等缺陷，值得注意的是：现有方法仅能检测出三维面型发生较大改变的缺陷，譬如：凹坑，其对于涂装车身缺少罩光漆等高度仅为几微米的缺陷，无法实时检测。
发明内容
为了解决上述技术问题，本发明提供一种镜面/类镜面物体的缺陷检测方法，该方法通过对镜面物体反射率的检测，能够有效检出高度仅为微米级的缺漆涂层缺陷，成本较低，检测精度可控。
技术方案如下：
一种镜面/类镜面物体的缺陷检测方法，包括如下步骤：
1)将多幅正弦相移图像按照预设次序投影在待测镜面/类镜面物体表面，利用相机采集图像，所述图像为灰度图，有多幅，分别包含了各个正弦相移图像在所述待测镜面/类镜面物体表面所形成的影像；
2)按照如下公式计算图像上所有点(u,v)处的调制质量Z(u,v)；
Z(u,v)＝B(u,v)/A(u,v)
其中，A(u,v)为在点(u,v)处的背景光强，B(u,v)为点(u,v)处的调制光强；
3)计算所有Z(u,v)的均值μ和标准差σ；
4)对图像上所有点(u,v)判断|Z(u,v)-μ|≤mσ，若成立，则无缺陷，若不成立，则标记为缺陷点；m为依据误差范围所确定的系数。
进一步，所述多幅正弦相移图像至少有3张。
进一步，A(u,v)、B(u,v)是依据相机所采集的多幅图像的灰度值计算得到的。
进一步，相机采集图像时的位置、向待测镜面/类镜面物体表面投影正弦相移图像的设备的位置、以及待测镜面/类镜面物体的位置相对固定。
进一步，所述所述图像中点(u,v)处的灰度值，计算公式如下：
其中，为点(u,v)处相位；n为第n幅采集图像，取值为0～N之间的自然数；N为相机采集图像的总张数；Irn(u,v)为第n张图在点(u,v)处的灰度值。
进一步，向待测镜面/类镜面物体表面投影正弦相移图像的幅数等于相机采集图像的张数。
进一步，m＝1～5。
本发明通过分析正弦相移灰度图像，获得正弦条纹的调制信息质量图，对调制信息质量图进行处理，获得图像的均值μ和标准差σ，由于缺陷会造成镜面/类镜面物体表面反射率下降，而调制信息就是物体表面反射率的一种反映，因此，技术方案通过分析调制信息质量图，能够有效检出引起镜面/类镜面物体表面反射率发生改变的缺陷，对于镜面/类镜面物体而言，即使是厚度为几微米的漆面缺陷也会因表面的反射率变化而被检出，成本较低，检测精度可控。
附图说明
图1为使用本发明缺陷检测方法可使用的一种设备示意图；
图2为现有方法处理后的少罩光漆部分的图像；
图3为利用本发明提供的缺陷检测方法处理少罩光漆部分的图像。
具体实施方式
以下结合附图和具体实施方式对本发明的技术方案进行详细描述。
一种镜面/类镜面物体的缺陷检测方法，图1给出了该方法可使用的一种设备示意图，如图1所示，相机2、显示器1、以及待测镜面/类镜面物体3的位置相对固定；
步骤1)显示器1将4幅正弦相移图像按照预设次序投影在待测镜面/类镜面物体3表面，相机2采集4幅正弦相移图像在待测镜面/类镜面物体表面所形成的灰度图像；
第1至第4幅图像中点(u,v)处的灰度值，计算公式如下：
Irn(u,v)为第n张图在点(u,v)处的灰度值；A(u,v)为在点(u,v)处的背景光强，B(u,v)为点(u,v)处的调制光强；
联立公式，求得A(u,v)和B(u,v)；
2)按照如下公式计算灰度图像上所有点(u,v)处的调制质量Z(u,v)；
Z(u,v)＝B(u,v)/A(u,v)
3)计算所有Z(u,v)的均值μ和标准差σ；
4)对图像上所有点(u,v)判断|Z(u,v)-μ|≤mσ，若成立，则无缺陷，若不成立，则标记为缺陷点；m为依据误差范围所确定的系数，此处m＝3；得到结果如图3所示：图中方框为实验前用记号笔标记的区域，白色处代表待检测物正常状态，黑色处代表缺少罩光漆区域。图2给出的是现有方法对同区域图像处理后得到的结果，可见，现有方法并不能有效检测出厚度很薄区域的缺陷。
实施例方案利用相机采集投影在物体漆面表面的正弦条纹图像，进而通过图像灰度值计算调制信息质量图，分析调制信息质量图，有效检出引起镜面/类镜面物体表面反射率发生改变的缺陷，成本较低，检测精度可控。
前面对本发明具体示例性实施方案所呈现的描述是出于说明和描述的目的。前面的描述并不想要成为毫无遗漏的，也不是想要把本发明限制为所公开的精确形式，显然，根据上述教导很多改变和变化都是可能的。选择示例性实施方案并进行描述是为了解释本发明的特定原理及其实际应用，从而使得本领域的其它技术人员能够实现并利用本发明的各种示例性实施方案及其不同选择形式和修改形式。本发明的范围旨在由所附权利要求书及其等价形式所限定。
Claims (7)
1.一种镜面/类镜面物体的缺陷检测方法，其特征在于包括如下步骤：
1)将多幅正弦相移图像按照预设次序投影在待测镜面/类镜面物体表面，利用相机采集图像，所述图像为灰度图，有多幅，分别包含了各个正弦相移图像在所述待测镜面/类镜面物体表面所形成的影像；
2)按照如下公式计算图像上所有点(u,v)处的调制质量Z(u,v)；
Z(u,v)＝B(u,v)/A(u,v)
其中，A(u,v)为在点(u,v)处的背景光强，B(u,v)为点(u,v)处的调制光强；
3)计算所有Z(u,v)的均值μ和标准差σ；
4)对图像上所有点(u,v)判断|Z(u,v)-μ|≤mσ，若成立，则无缺陷，若不成立，则标记为缺陷点；m为依据误差范围所确定的系数。
2.如权利要求1所述镜面/类镜面物体的缺陷检测方法，其特征在于：所述多幅正弦相移图像至少有3张。
3.如权利要求1所述镜面/类镜面物体的缺陷检测方法，其特征在于：A(u,v)、B(u,v)是依据相机所采集的多幅图像的灰度值计算得到的。
4.如权利要求1所述镜面/类镜面物体的缺陷检测方法，其特征在于：相机采集图像时的位置、向待测镜面/类镜面物体表面投影正弦相移图像的设备的位置、以及待测镜面/类镜面物体的位置相对固定。
5.如权利要求1～4中任意一项所述镜面/类镜面物体的缺陷检测方法，其特征在于：所述图像中点(u,v)处的灰度值，计算公式如下：
其中，为点(u,v)处相位；n为第n幅采集图像，取值为0～N之间的自然数；N为相机采集图像的总张数；Irn(u,v)为第n张图在点(u,v)处的灰度值。
6.如权利要求1所述镜面/类镜面物体的缺陷检测方法，其特征在于：向待测镜面/类镜面物体表面投影正弦相移图像的幅数等于相机采集图像的张数。
7.如权利要求1所述镜面/类镜面物体的缺陷检测方法，其特征在于：m＝1～5。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910262066.0A CN109916922A (zh) | 2019-04-02 | 2019-04-02 | 镜面/类镜面物体的缺陷检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910262066.0A CN109916922A (zh) | 2019-04-02 | 2019-04-02 | 镜面/类镜面物体的缺陷检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109916922A true CN109916922A (zh) | 2019-06-21 |
Family
ID=66968137
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910262066.0A Pending CN109916922A (zh) | 2019-04-02 | 2019-04-02 | 镜面/类镜面物体的缺陷检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109916922A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110490864A (zh) * | 2019-08-22 | 2019-11-22 | 易思维（杭州）科技有限公司 | 图像的自适应缺陷检测方法 |
| CN111862080A (zh) * | 2020-07-31 | 2020-10-30 | 易思维（杭州）科技有限公司 | 基于多特征融合的深度学习缺陷识别方法 |
| CN115619767A (zh) * | 2022-11-09 | 2023-01-17 | 南京云创大数据科技股份有限公司 | 基于多光照条件的类镜面工件表面缺陷检测方法及装置 |
| CN117191809A (zh) * | 2023-08-30 | 2023-12-08 | 宿州绍宸智能科技有限公司 | 基于数据分析的玻璃检测设备故障监测预警系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106841237A (zh) * | 2017-04-18 | 2017-06-13 | 电子科技大学 | 一种电子显示屏玻璃盖板表面缺陷检测系统及方法 |
| CN108225217A (zh) * | 2017-12-28 | 2018-06-29 | 中国科学院西安光学精密机械研究所 | 彩色物体三维轮廓测量方法 |
-
2019
- 2019-04-02 CN CN201910262066.0A patent/CN109916922A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106841237A (zh) * | 2017-04-18 | 2017-06-13 | 电子科技大学 | 一种电子显示屏玻璃盖板表面缺陷检测系统及方法 |
| CN108225217A (zh) * | 2017-12-28 | 2018-06-29 | 中国科学院西安光学精密机械研究所 | 彩色物体三维轮廓测量方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110490864A (zh) * | 2019-08-22 | 2019-11-22 | 易思维（杭州）科技有限公司 | 图像的自适应缺陷检测方法 |
| CN110490864B (zh) * | 2019-08-22 | 2021-09-21 | 易思维（杭州）科技有限公司 | 图像的自适应缺陷检测方法 |
| CN111862080A (zh) * | 2020-07-31 | 2020-10-30 | 易思维（杭州）科技有限公司 | 基于多特征融合的深度学习缺陷识别方法 |
| CN115619767A (zh) * | 2022-11-09 | 2023-01-17 | 南京云创大数据科技股份有限公司 | 基于多光照条件的类镜面工件表面缺陷检测方法及装置 |
| CN115619767B (zh) * | 2022-11-09 | 2023-04-18 | 南京云创大数据科技股份有限公司 | 基于多光照条件的类镜面工件表面缺陷检测方法及装置 |
| CN117191809A (zh) * | 2023-08-30 | 2023-12-08 | 宿州绍宸智能科技有限公司 | 基于数据分析的玻璃检测设备故障监测预警系统 |
| CN117191809B (zh) * | 2023-08-30 | 2024-03-22 | 宿州绍宸智能科技有限公司 | 基于数据分析的玻璃检测设备故障监测预警系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109916922A (zh) | 镜面/类镜面物体的缺陷检测方法 | |
| CN109932371A (zh) | 镜面/类镜面物体的缺陷检测装置 | |
| CN107014294B (zh) | 一种基于红外图像的接触网几何参数检测方法及系统 | |
| CN106546263B (zh) | 一种基于机器视觉的激光水平仪出射激光线检测方法 | |
| Peng et al. | Computer vision algorithm for measurement and inspection of O-rings | |
| CN110675376A (zh) | 一种基于模板匹配的pcb缺陷检测方法 | |
| CN110906875B (zh) | 一种孔径测量的视觉处理方法 | |
| CA2464033C (en) | Inspection system and method | |
| CN109284718B (zh) | 面向巡检机器人的变视角多仪表同时识别方法 | |
| KR20150021049A (ko) | 검사대상 물체의 표면 검사 방법 및 장치 | |
| CN113643371B (zh) | 一种飞行器模型表面标记点的定位方法 | |
| CN109064481B (zh) | 一种机器视觉定位方法 | |
| CN109751964A (zh) | 一种高精度非接触式管径测量方法及装置 | |
| Liu et al. | An automatic system for bearing surface tiny defect detection based on multi-angle illuminations | |
| CN114998308A (zh) | 一种基于光度立体的缺陷检测方法及系统 | |
| CN106018179A (zh) | 一种基于图像处理的胶料表面黏性测量方法及装置 | |
| CN106813570B (zh) | 基于线结构光扫描的长圆柱形物体三维识别与定位方法 | |
| CN110514110B (zh) | 一种平台调平控制方法 | |
| CN115375610A (zh) | 检测方法及装置、检测设备和存储介质 | |
| CN107392899B (zh) | 一种钢球磨斑图像的磨痕水平角的自动检测方法 | |
| CN114486732B (zh) | 一种基于线扫描三维的瓷砖缺陷在线检测方法 | |
| CN106123808A (zh) | 一种用于汽车后视镜镜面角度偏转测量的方法 | |
| Rao et al. | A real-time auto-recognition method for pointer-meter under uneven illumination | |
| Vacho et al. | Selected method of image analysis used in quality control of manufactured components | |
| CN114485464B (zh) | 一种大范围平面元件白光干涉快速测量方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190621 |