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
- mirror
- images
- image
- points
- camera
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000007689 inspection Methods 0.000 title abstract 2
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 230000010363 phase shift Effects 0.000 claims description 11
- 239000004922 lacquer Substances 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 238000002310 reflectometry Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000003973 paint Substances 0.000 description 2
- 239000002966 varnish Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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 (5)
| 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 |
| CN115656177A (zh) * | 2022-08-11 | 2023-01-31 | 西北工业大学 | 基于条纹图像统计分布规律的镜面物体表面缺陷检测方法 |
| 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 (9)
| 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 |
| CN115656177A (zh) * | 2022-08-11 | 2023-01-31 | 西北工业大学 | 基于条纹图像统计分布规律的镜面物体表面缺陷检测方法 |
| CN115656177B (zh) * | 2022-08-11 | 2024-09-17 | 西北工业大学 | 基于条纹图像统计分布规律的镜面物体表面缺陷检测方法 |
| 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 | |
| CN107341802B (zh) | 一种基于曲率与灰度复合的角点亚像素定位方法 | |
| Peng et al. | Computer vision algorithm for measurement and inspection of O-rings | |
| CN107388991B (zh) | 一种端面多圆角轴类零件圆角半径测量方法 | |
| CN113643371B (zh) | 一种飞行器模型表面标记点的定位方法 | |
| CN113237889A (zh) | 一种多尺度的陶瓷检测方法及系统 | |
| CN114719749A (zh) | 基于机器视觉的金属表面裂纹检测及真实尺寸测量方法及系统 | |
| US9482526B2 (en) | Method for representing the surface of an object | |
| Moradi et al. | A new approach for detecting and grading blistering defect of coatings using a machine vision system | |
| JP2022526146A (ja) | ターゲットコーティングの画像データにおける欠陥検出の方法とシステム | |
| CN110969357A (zh) | 一种铝合金机加工零件孔洞视觉检测方法 | |
| CN113970560A (zh) | 一种基于多传感融合的缺陷三维检测方法 | |
| US20170208255A1 (en) | System for assessing the visual appearance of a reflective surface | |
| CN108020633B (zh) | 一种涂装涂层缺陷快速鉴别方法 | |
| KR101024598B1 (ko) | 표면 밝기 분포의 분산 산출 알고리즘을 이용한 대상물 표면의 영상 검사방법 | |
| Leon | Model-based inspection of shot-peened surfaces using fusion techniques | |
| WO2020145023A1 (ja) | 光学特性解析装置及びプログラム | |
| CN111008628B (zh) | 一种对光照鲁棒的指针式仪表自动读数方法及装置 | |
| Rao et al. | A real-time auto-recognition method for pointer-meter under uneven illumination | |
| Gospodnetić et al. | Detection and visibility estimation of surface defects under various illumination angles using bidirectional reflectance distribution function and local binary pattern | |
| Shao et al. | High-Speed and Accurate Method for the Gear Surface Integrity Detection Based on Visual Imaging | |
| CN108460763A (zh) | 一种磁粉探伤图像自动检测识别方法 | |
| Siatou et al. | Reflectance Transformation Imaging (RTI) Data Analysis for Change Detection: Application to Monitoring Protective Coating Failure on Low Carbon Steel | |
| Gauda et al. | Application of optical profilometry in the analysis of the destruction process of renovation organic coatings for the automotive industry |
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 |