CN110987954A - 一种消除皮革表面缺陷检测盲区的方法及系统 - Google Patents

一种消除皮革表面缺陷检测盲区的方法及系统 Download PDF

Info

Publication number
CN110987954A
CN110987954A CN201911420022.2A CN201911420022A CN110987954A CN 110987954 A CN110987954 A CN 110987954A CN 201911420022 A CN201911420022 A CN 201911420022A CN 110987954 A CN110987954 A CN 110987954A
Authority
CN
China
Prior art keywords
leather
defect
area
detection
detection system
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.)
Granted
Application number
CN201911420022.2A
Other languages
English (en)
Other versions
CN110987954B (zh
Inventor
高淑梅
王雪琨
钱维莹
于文文
曹建军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangnan University
Original Assignee
Jiangnan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangnan University filed Critical Jiangnan University
Priority to CN201911420022.2A priority Critical patent/CN110987954B/zh
Publication of CN110987954A publication Critical patent/CN110987954A/zh
Application granted granted Critical
Publication of CN110987954B publication Critical patent/CN110987954B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/89Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/892Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01Arrangements or apparatus for facilitating the optical investigation

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Textile Engineering (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种消除皮革表面缺陷检测盲区的方法及系统,属于机器视觉表面检测技术领域。所述方法通过提供一种线阵和面阵正交复合的机器视觉检测系统,采用侧入式面阵系统辅助检测,比较二者检测结果得出最终检测结果,使得对于皮革的在线监测既能够检测出折痕、气泡、穿孔等各项同性的缺陷以及皮革传送方向上的光哑度不均匀、油墨、压印等各项异性的缺陷,也能够检测出与皮革传送方向垂直的方向上的光哑度不均匀、油墨、压印等各项异性的缺陷,使得对皮革表面压印、油墨等缺陷的识别率可达到100%,大幅度降低产品的次品率。同时,相较于光度立体视觉等技术,本发明在消除了缺陷检测盲区的前提下,大大减少相机使用数量,降低生产成本。

Description

一种消除皮革表面缺陷检测盲区的方法及系统
技术领域
本发明涉及一种消除皮革表面缺陷检测盲区的方法及系统,属于机器视觉表面检测技术领域。
背景技术
皮革分为动物皮革和人造皮革,其中人造皮革(简称皮革)以其品种多、可以大批量、宽幅度生产而得到广泛应用。生产线可采用造皮、印染、检测一体化,生产效率高。然而,皮革在加工过程中表面易出现的褶皱、穿孔、划痕、光哑度不均匀、油墨、压印、气泡等缺陷,会降低皮革的质量,因此,及时、在线快速检测出上述缺陷一直是皮革类生产企业迫切期望解决的问题。
随着人工智能技术的快速发展,目前很多企业采用了机器视觉在线检测技术,其优点是检测质量稳定、效率高,对穿孔、划痕、破损、气泡等缺陷检出率较高,但其缺点是对光哑度不均匀、油墨、压印等缺陷则存在漏检或错检的情况。
目前企业所采用的机器视觉在线检测技术,在对皮革、布匹等平面、宽幅且连续的产品进行在线表面缺陷检测时,主要采用线扫模式,即线阵相机结合线光源照明系统,以获得均匀的图像信息。比如采用单一方向采集,单一角度或多角度照明的方式进行检测,实现了明场和暗场同时检测,可以检测出折痕、气泡、穿孔等大部分缺陷。但如上所述,有些表面缺陷(比如光哑度不均匀、油墨、压印等缺陷)只有在某些角度上才能有效的观测到,即缺陷呈现检测方向的各向异性(为描述方便,后续将此类缺陷称为各向异性缺陷),如杨星宇等人(杨星宇.超光滑表面疵病的显微散射检测方法[D].2015.)发现在用散射显微镜成像检测超光面划痕时,采集方向与缺陷的方向有关,需要旋转目标面才能检测到。而现有的单一方向采集,单一角度或多角度照明的检测方式很难将此类各向异性缺陷完全检测出来。
另外,皮革表面又有着纹理和光面的区别,上述提及的各向异性缺陷对于有纹理的皮革表面检测难度更大,很多皮革类生产企业只能采用人工方式对有纹理的皮革表面进行此类缺陷的检测,而人工方式又存在着检测效率低、成本高的问题。
发明内容
为了提高对各向异性缺陷的检出率,本发明提供了一种消除皮革表面缺陷检测盲区的方法及系统。
一种皮革缺陷在线检测方法,所述方法包括:
获取线阵检测系统的缺陷检测结果和面阵检测系统的缺陷检测结果;
比较线阵检测系统的缺陷检测结果和面阵检测系统的缺陷检测结果,根据二者的比较结果确定最终检测结果;
所述线阵检测系统包括线阵相机和线扫光源;所述线阵相机的镜头光轴垂直于皮革表面;所述线扫光源设置于皮革传送方向的前向或者后向;
所述面阵检测系统包括面阵相机和侧入式面阵光源;所述面阵相机的镜头光轴垂直于皮革表面;所述侧入式面阵光源设置于皮革传送方向一侧。
可选的,所述线阵检测系统中的线扫光源的光线在皮革表面的投影线与皮革传送方向平行,所述面阵检测系统中的侧入式面阵光源的光线在皮革表面的投影线与皮革传送方向垂直。
可选的,所述缺陷检测结果包括缺陷区域的信息变化量,所述根据二者的比较结果确定最终检测结果,包括:
若二者的比较结果一致,或者线阵检测系统的缺陷检测结果中的缺陷区域的信息变化量更大,则直接采用线阵检测系统的缺陷检测结果;
反之,采用面阵检测系统的缺陷检测结果。
可选的,所述获取线阵检测系统的缺陷检测结果和面阵检测系统的缺陷检测结果,包括:
分别获取各检测系统中的光源条件下的皮革图像;
对获取到的皮革图像进行图像处理以获得皮革图像中的缺陷区域的信息变化量。
可选的,所述对获取到的皮革图像进行图像处理以获得皮革图像中的缺陷区域的信息变化量,包括:
采用纹底滤波对获取到的皮革图像滤去纹底,使用分水岭分割缺陷区域,进而计算缺陷区域的信息变化量。
可选的,所述纹底滤波包括:
获取到的皮革图像进行傅里叶变换、高斯滤波、图像增强以及中值滤波。
可选的,所述缺陷检测结果还包括缺陷形态特征。
本发明还提供一种皮革缺陷在线检测系统,所述系统包括:线阵检测系统、面阵检测系统、图像处理系统和结果比较系统;
所述线阵检测系统包括线阵相机和线扫光源;所述线阵相机的镜头光轴垂直于皮革表面;所述线扫光源设置于皮革传送方向的前向或者后向;
所述面阵检测系统包括面阵相机和侧入式面阵光源;所述面阵相机的镜头光轴垂直于皮革表面;所述侧入式面阵光源设置于皮革传送方向一侧;
所述线阵检测系统中的线扫光源的光线在皮革表面的投影线与皮革传送方向平行,所述面阵检测系统中的侧入式面阵光源的光线在皮革表面的投影线与皮革传送方向垂直。
可选的,所述结果比较系统包括比较器,用于比较线阵检测系统的缺陷检测结果和面阵检测系统的缺陷检测结果,根据二者的比较结果确定最终检测结果;所述缺陷检测结果包括缺陷信息量和缺陷形态特征;
所述比较器用于比较线阵检测系统的缺陷检测结果和面阵检测系统的缺陷检测结果,以缺陷区域的信息变化量为评价依据,比较检测结果,选择信息改变量较大的为最终检测结果,若线阵检测系统与面阵检测系统的检测结果相近,则以线阵检测系统的缺陷检测结果为主。
可选的,所述评价依据包括形态学和/或特征值。
本申请还提供上述皮革缺陷在线检测方法和/或上述皮革缺陷在线检测系统在皮革生产及检测过程中的应用。
本发明有益效果是:
通过提供一种线阵和面阵复合的机器视觉检测系统,采用侧入式面阵系统辅助检测,将二者的检测结果进行比较得出最终检测结果,使得对于皮革的在线监测不仅可以检测出折痕、气泡、穿孔等各项同性的缺陷以及皮革传送方向上的光哑度不均匀、油墨、压印等各项异性的缺陷,同时也可以检测出皮革表面与传送方向上垂直的方向上的光哑度不均匀、油墨、压印等各项异性的缺陷,使得对皮革表面压印、油墨等缺陷的识别率可达到100%,大幅度降低产品的次品率,提升了皮革产品质量。同时,相较于光度立体视觉等技术,本发明在消除了缺陷检测盲区的前提下,大大减少相机使用数量,降低生产成本。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述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例,对于本领域普通技术人员来讲,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。
图1为本申请所提出的皮革缺陷在线检测方法检测流程图。
图2本申请所提出的皮革缺陷在线检测系统构成示意图。
图3为图像处理流程图。
图4线性检测系统示意图。
图5缺陷区域信息变化量H′随旋转角度θ的变化曲线图。
图6实验装置实物图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一:
本实施例提供一种皮革缺陷在线检测方法,如图1所示,所述方法包括:
获取线阵检测系统的缺陷检测结果和面阵检测系统的缺陷检测结果;
比较线阵检测系统的缺陷检测结果和面阵检测系统的缺陷检测结果,根据二者的比较结果确定最终检测结果;
其中,如图2所示,所述线阵检测系统包括线阵相机和线扫光源;所述线阵相机的镜头光轴垂直于皮革表面;所述线扫光源设置于皮革传送方向的前向或者后向;所述面阵检测系统包括面阵相机和侧入式面阵光源;所述面阵相机的镜头光轴垂直于皮革表面;所述侧入式面阵光源设置于皮革传送方向一侧。
所述线阵检测系统中的线扫光源的光线在皮革表面的投影线与皮革传送方向平行,所述面阵检测系统中的侧入式面阵光源的光线在皮革表面的投影线与皮革传送方向垂直;
实际应用中,侧入式面阵光源采用离轴LED曲面照明光源,线阵相机采用线阵CCD,面阵相机采用面阵CCD。
所述获取线阵检测系统的缺陷检测结果和面阵检测系统的缺陷检测结果,包括:
两个系统分别获取各自检测系统中的光源条件下的皮革图像;
对获取到的皮革图像进行图像处理以获得皮革图像中的缺陷区域的信息变化量H,H包括线阵检测系统对应的缺陷区域的信息变化量H1和面阵检测系统对应的缺陷区域的信息变化量H2。
如图3所示,对获取到的皮革图像进行傅里叶变换、高斯滤波、图像增强以及中值滤波等纹底滤波操作滤去纹底,使用分水岭分割缺陷区域,进而计算得到区域缺陷的信息变化量。
具体的,对获取到的皮革图像进行空频域转换,使用高斯滤波gauss_filter消除部分图像噪声的干扰,再利用图像相减sub_image弱化背景纹底,增强缺陷区域。之后利用中值滤波median_image滤除纹底干扰,保留缺陷信息,通过分水岭算法watersheds_threshold划分灰度梯度,再使用灰度共生矩阵cooc_feature_image设定适当的能量、对比度参数将缺陷划分出来。
划出缺陷在原图中对应的区域,intensity计算缺陷区域和非缺陷区域的平均灰度及两者的灰度差,与区域面积相乘得到缺陷区域内总体的信息的变化量即区域缺陷的信息变化量。
将述线阵检测系统的缺陷检测结果和面阵检测系统的缺陷检测结果进行比较,若二者的比较结果一致,或者线阵检测系统的缺陷检测结果中的区域缺陷的信息变化量更大,则直接采用线阵检测系统的缺陷检测结果;
反之,采用面阵检测系统的缺陷检测结果。
如此即可获得最终检测结果。
采用比较器比较H1和H2,得出最终检测结果。
上述处理过程中,对于图像处理得到区域缺陷的信息变化量均采用现有技术实现。
为验证本申请所提出方法和系统能够提高对皮革表面压印、油墨等缺陷的识别率,特进行实验以及理论分析如下:
众所周知,对于纹理表面的皮革,当光照射在其表面会产生吸收和散射等现象。
表面吸收及散射强度不仅与表面材料本身特性有关,也会与光照方向、强度、波长和采集方向等有关。工业生产过程中,皮革的加工印染都是以传送带形式进行的,即沿单一方向均匀运动,故对其在线检测常用的是线光源照明,线扫相机采集模式,如图4所示。图中xOy为皮革所在平面,x方向为理想线光源放置方向,y方向为皮革运动方向。
设线光源入射光强为I0,皮革表面无缺陷存在,检测过程中光源照射方向与相机采集方向和位置都固定不变,这时皮革表面的散射吸收系数可写为α0(x,y),其分布只与(x,y)有关。A是与探测器的性能和空间位置有关的量,当检测系统确定后,探测器在空间的位置也不会变的,A近似为常量。则探测器接收到的皮革表面光强可写为
L0(x,y)=Aα0(x,y)I0
若存在缺陷,缺陷处会产生不同的吸收和散射光强,设此时表面吸收散射系数分布为α(x,y),采集到表面的光强分布为L(x,y)。
若对有缺陷的皮革图像进行滤波处理,即滤除非缺陷区域,则图像中只显示缺陷处的相对光强分布:
ΔL(x,y)=A[α(x,y)-α0(x,y)]I0=AΔα(x,y)I0
实际上,皮革表面大部分缺陷的采集是各向同性的,这一性质体现在从不同的采集方向下缺陷处损失的光强基本固定,即从不同方向采集的ΔL(x,y)基本不变。但也存在一些缺陷对检测呈各向异性,即ΔL会随采集方向的改变而改变,本申请称这类缺陷为各向异性缺陷。
为研究探测方向的改变对缺陷检测结果的影响及各向异性缺陷的检测特性,图4中保持其他不变,仅令被测样品沿z轴方向旋转θ角,运动方向不变。
设F(θ)为与各向异性缺陷相关的函数,对ΔL起到调制作用,则缺陷处光强变化量可改写为:
ΔL'(x,y,θ)=ΔL(x,y)F(θ)
式中F(θ)为与采集方向相关的函数,当缺陷不具有方向特征时,F(θ)为1。
ΔL(x,y)为缺陷信息变化量H最大时的强度分布,令此时F(θ0)为1。
实际上,判断缺陷信息量变化的多少是以所能采集到的有效缺陷区域来定的,则在采集系统转过θ时缺陷的信息变化量为
Figure BDA0002345358480000061
式中δ0是F(θ0)时缺陷的区域范围,δ是采集系统转过θ时所能采集到的缺陷区域范围。因此,可以通过采集到的图像缺陷有效区域(包括形态上的一致性)的大小来确定缺陷信息量的得失。
由于视觉检测通常是先通过传感器将采集到的光强转化为灰度图像,再进行图像信息处理。设G(x,y)为图像灰度分布,K为相机参数相关系数,设ΔG(x,y)为缺陷信息变化量H最大时图像的灰度分布,则
Figure BDA0002345358480000062
对于给定的缺陷,δ0和ΔG(x,y)为确定值,所以H(θ)与F(θ)呈正相关,是表征缺陷检测的各向异性特征函数。
采用图4所示实验系统,对皮革表面存在的压印、油墨缺陷进行检测。为了便于标记缺陷方向,选择的缺陷呈长型,设θ为缺陷长度方向与采集的方向的夹角,在0°~90°的范围内间隔5°改变θ的值,对压印及油墨缺陷进行多方向图像的采集,根据图3流程进行图像处理。由于实验数据量大,表1仅给出部分代表性数据的处理过程。
表1
Figure BDA0002345358480000063
Figure BDA0002345358480000071
缺陷区域损失信息量H随旋转角度θ的变化情况如图5所示,对图中实验结果分别进行了函数拟合。
显然,图5(a)、(b)中缺陷函数关系曲线有明显差异。对于图5(a),θ<50°左右时H1值随θ呈上升趋势,之后逐步下降。当θ≥30°时,H1≥1.7×105,可以有效提取缺陷信息;20°<θ<30°时虽然能够识别有缺陷,但缺陷信息并不完整;而在θ≤20°时,H1≤9.6×104,虽然H1数值较大,但单位面积下缺陷与纹底的灰度差异却很小,缺陷分割受到影响,已无法将缺陷与滤波后纹底造成细小的干扰区分。此时会造成错检、漏检,即为系统的检测盲区。
同理,对图5(b)油墨缺陷,当θ≤60°时,即H2≥7.1×103可有效识别;60°<θ<70°时缺陷信综上分析可以看出,对皮革表面压印和油墨类缺陷检测均存在各向异性,单纯采用线扫模式进行在线缺陷检测,对这种各向异性缺陷漏检率近30%。
进一步分析发现,无论缺陷的各向异性特征函数H(θ)的形式如何,检测盲区与有效检测区90°位置呈正交态。因此本申请在与线扫检测方向垂直的位置(皮革运动方向的垂直方向)增加一个检测系统即面阵检测系统,就可以消除检测盲区,实现各向异性缺陷全方位检测。通常,线扫检测所使用的光源的光线在皮革表面的投影线是与皮革传送方向平行的,那么本申请所添加的所增加的面阵检测系统只需要保证其所设置的光源的光线在皮革表面的投影线与皮革传送方向垂直即可实现消除检测盲区的目的。
在实验分析得到在与线扫检测方向垂直的位置(皮革运动的垂直方向)增加一个检测系统即面阵检测系统,就可以消除检测盲区,实现各向异性缺陷全方位检测的结果后,发明人搭建了线面结合的多方向检测系统,如图6所示,其中,1.线阵CCD,2.线扫光源,3.面阵CCD,4.离轴LED曲面光源,5.平移台。
图6中面阵辅助优化采集系统,考虑光源均匀性和可实现性,由侧入式照明光源和Linea黑白面阵相机构成。
为了保证缺陷的检测效果,简化程序逻辑复杂度和检测速度,采用以线扫描辅以面阵检测的方式,实现对缺陷的检测。具体逻辑判断如图1所示。辅助检测系统主要作用是将其处理结果与线阵处理结果放入比较器中进行比较。比较器可通过设定方向性缺陷检测效果的评价依据(如:形态学、特征值等等),其作用是比较线阵系统和面系统的检测效果,选择缺陷区域内信息量损失较大作为处理结果,此时对比缺陷区域对比效果明显,进行缺陷判定及后续处理,实现缺陷的检测。
考虑到工业上检测装置体积较大,皮革面幅宽,且流水线上生产到检测的过程为连续性的,实验室中难以完全实现。故在实验室中,以电控平移台代替传动装置保持表面平展,裁剪皮革样本,在同一平面进行检测达到相同效果。
采用图6所示实物平台,对压印及油墨两种各向异性缺陷进行了100次方向性检测实验。从实验检测结果中挑选出具有代表性的六组实验数据,其中压印缺陷三组,油墨缺陷三组,如表2所示,两类缺陷所对应的第一组数据,所对应的皮革具有的缺陷只能够从皮革传送方向的垂直方向上检测出来;第二组数据所对应的皮革具有的缺陷只能够从皮革传送方向上检测出来;第三组数据所对应的皮革具有的缺陷既能够在皮革传送方向上检测出来又能在其垂直方向上检测出来。
表2
Figure BDA0002345358480000081
如表2所示,第一组数据对应的结果1确实表明,对于只能够从皮革传送方向的垂直方向上检测出来的压印和油墨缺陷,线阵系统无法检测识别,只能由面阵辅助系统检出;而第二组数据对应的结果2则表明只能够从皮革传送方向上检测出来的压印和油墨缺陷,线阵可以检出,面阵无法检出;第三组数据对应的结果3表明了既能够在皮革传送方向上检测出来又能在其垂直方向上检测出来的压印和油墨缺陷,线阵面阵均可以检出,但是由于线扫描模式在运动状态下,因此其检测精度更高,故以线阵检测结果为主。
本申请所提出的方法和系统能够提高对皮革表面压印、油墨等缺陷的识别率能够有效识别。引入侧入式面阵系统辅助对随机方向的缺陷进行的100次测试实验中,缺陷均能被检出,识别率达到100%,从而大幅度降低产品的次品率,提升皮革产品质量。
本发明实施例中的部分步骤,可以利用软件实现,相应的软件程序可以存储在可读取的存储介质中,如光盘或硬盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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)

1.一种皮革缺陷在线检测方法,其特征在于,所述方法包括:
获取线阵检测系统的缺陷检测结果和面阵检测系统的缺陷检测结果;
比较线阵检测系统的缺陷检测结果和面阵检测系统的缺陷检测结果,根据二者的比较结果确定最终检测结果;
所述线阵检测系统包括线阵相机和线扫光源;所述线阵相机的镜头光轴垂直于皮革表面;所述线扫光源设置于皮革传送方向的前向或者后向;
所述面阵检测系统包括面阵相机和侧入式面阵光源;所述面阵相机的镜头光轴垂直于皮革表面;所述侧入式面阵光源设置于皮革传送方向一侧。
2.根据权利要求1所述的方法,其特征在于,所述线阵检测系统中的线扫光源的光线在皮革表面的投影线与皮革传送方向平行,所述面阵检测系统中的侧入式面阵光源的光线在皮革表面的投影线与皮革传送方向垂直;所述缺陷检测结果包括缺陷区域的信息变化量,所述根据二者的比较结果确定最终检测结果,包括:
若二者的比较结果一致,或者线阵检测系统的缺陷检测结果中的缺陷区域的信息变化量更大,则直接采用线阵检测系统的缺陷检测结果;
反之,采用面阵检测系统的缺陷检测结果。
3.根据权利要求1或2所述的方法,其特征在于,所述获取线阵检测系统的缺陷检测结果和面阵检测系统的缺陷检测结果,包括:
分别获取各检测系统中的光源照射条件下的皮革图像;
对获取到的皮革图像进行图像处理以获得皮革图像中的缺陷区域的信息变化量。
4.根据权利要求3所述的方法,其特征在于,所述对获取到的皮革图像进行图像处理以获得皮革图像中的缺陷区域的信息变化量,包括:
采用纹底滤波对获取到的皮革图像滤去纹底,使用分水岭分割缺陷区域,进而计算缺陷区域的信息变化量。
5.根据权利要求3所述的方法,其特征在于,所述纹底滤波包括:
获取到的皮革图像进行傅里叶变换、高斯滤波、图像增强以及中值滤波。
6.根据权利要求2所述的方法,其特征在于,所述缺陷检测结果还包括缺陷形态特征。
7.一种皮革缺陷在线检测系统,其特征在于,所述系统包括:线阵检测系统、面阵检测系统、图像处理系统和结果比较系统;
所述线阵检测系统包括线阵相机和线扫光源;所述线阵相机的镜头光轴垂直于皮革表面;所述线扫光源设置于皮革传送方向的前向或者后向;
所述面阵检测系统包括面阵相机和侧入式面阵光源;所述面阵相机的镜头光轴垂直于皮革表面;所述侧入式面阵光源设置于皮革传送方向一侧;
所述线阵检测系统中的线扫光源的光线在皮革表面的投影线与皮革传送方向平行,所述面阵检测系统中的侧入式面阵光源的光线在皮革表面的投影线与皮革传送方向垂直。
8.根据权利要求7所述的系统,其特征在于,所述结果比较系统包括比较器,用于比较线阵检测系统的缺陷检测结果和面阵检测系统的缺陷检测结果,根据二者的比较结果确定最终检测结果;所述缺陷检测结果包括缺陷信息量和缺陷形态特征;
所述比较器用于比较线阵检测系统的缺陷检测结果和面阵检测系统的缺陷检测结果,以缺陷区域的信息变化量为评价依据,比较检测结果,选择信息改变量较大的为最终检测结果,若线阵检测系统与面阵检测系统的检测结果相近,则以线阵检测系统的缺陷检测结果为主。
9.根据权利要求8所述的系统,其特征在于,所述评价依据包括形态学和/或特征值。
10.权利要求1-6任一所述的皮革缺陷在线检测方法和/或权利要求7-9任一所述的皮革缺陷在线检测系统在皮革生产及检测过程中的应用。
CN201911420022.2A 2019-12-30 2019-12-30 一种消除皮革表面缺陷检测盲区的方法及系统 Active CN110987954B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911420022.2A CN110987954B (zh) 2019-12-30 2019-12-30 一种消除皮革表面缺陷检测盲区的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911420022.2A CN110987954B (zh) 2019-12-30 2019-12-30 一种消除皮革表面缺陷检测盲区的方法及系统

Publications (2)

Publication Number Publication Date
CN110987954A true CN110987954A (zh) 2020-04-10
CN110987954B CN110987954B (zh) 2021-10-22

Family

ID=70080184

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911420022.2A Active CN110987954B (zh) 2019-12-30 2019-12-30 一种消除皮革表面缺陷检测盲区的方法及系统

Country Status (1)

Country Link
CN (1) CN110987954B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111812106A (zh) * 2020-09-15 2020-10-23 沈阳风驰软件股份有限公司 一种无线耳机外观面溢胶检测方法和检测系统
CN112669311A (zh) * 2021-01-08 2021-04-16 西北大学 一种陶瓷显微图像气泡的提取方法
CN114324372A (zh) * 2021-12-21 2022-04-12 苏州凌云视界智能设备有限责任公司 一种不锈钢卷材外观检测装置

Citations (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB8816730D0 (en) * 1988-07-14 1988-08-17 Pa Consulting Services Improved vision system
US20030227619A1 (en) * 1996-06-04 2003-12-11 Leslie Brian C. Optical scanning system for surface inspection
US20050110989A1 (en) * 2003-11-21 2005-05-26 Schermer Mack J. Optical device integrated with well
US20050226466A1 (en) * 2004-04-06 2005-10-13 Quad/Tech, Inc. Image acquisition assembly
CN2849715Y (zh) * 2005-11-29 2006-12-20 上海铁路局科学技术研究所 一种非接触式ccd高速动态检测装置
CN101124453A (zh) * 2004-10-06 2008-02-13 精益视觉科技有限公司 用于二维和三维图像检测的系统
JP2010071722A (ja) * 2008-09-17 2010-04-02 Nippon Steel Corp 凹凸疵検査方法及び装置
CN101988908A (zh) * 2009-07-31 2011-03-23 法国圣-戈班玻璃公司 用于对基板的缺陷进行区分的方法和系统
US20120307236A1 (en) * 2009-10-26 2012-12-06 Schott Ag Method and device for detecting cracks in semiconductor substrates
CN103743748A (zh) * 2013-12-31 2014-04-23 江苏大学 一种快速、低成本机器视觉在线检测系统
CN104020177A (zh) * 2014-06-26 2014-09-03 重庆大学 连铸坯表面缺陷双ccd扫描成像检测方法
CN105021618A (zh) * 2015-07-22 2015-11-04 深圳市赛拓工控技术有限公司 皮革纹理检测装置
CN105259188A (zh) * 2015-10-29 2016-01-20 宜兴爱特盟光电科技有限公司 一种面阵与线阵ccd相机组合的多角度扫描探头
DE102014115355A1 (de) * 2014-10-22 2016-04-28 Pqc - Process Quality Competence Gmbh Vorrichtung sowie Verfahren zur Analyse von flächigen Materialien
CN105973912A (zh) * 2016-06-12 2016-09-28 合肥汉重智能装备有限公司 基于机器视觉的真皮表面缺陷检测系统及其检测方法
US20170191946A1 (en) * 2014-06-05 2017-07-06 University Of The West Of England, Bristol Apparatus for and method of inspecting surface topography of a moving object
CN107228864A (zh) * 2016-03-24 2017-10-03 苍南县三维电子塑胶有限公司 显示面板表面缺陷的检测系统
CN107607546A (zh) * 2017-09-19 2018-01-19 佛山缔乐视觉科技有限公司 基于光度立体视觉的皮革缺陷检测方法、系统及装置
US20180164225A1 (en) * 2015-06-03 2018-06-14 Saint-Gobain Glass France Optical device for detecting an internal flaw of a transparent substrate and method for the same
CN108416766A (zh) * 2018-01-31 2018-08-17 浙江理工大学 双侧入光式导光板缺陷视觉检测方法
CN208043682U (zh) * 2018-01-12 2018-11-02 嵊州市东浩电子科技有限公司 一种导光板缺陷自动视觉检测装置
CN208476812U (zh) * 2018-08-10 2019-02-05 北京妙想科技有限公司 一种小张印铁双面质量检测设备
CN109345521A (zh) * 2018-09-25 2019-02-15 江南大学 一种基于皮革表面缺陷检测的led自由曲面阵列
CN109344489A (zh) * 2018-09-25 2019-02-15 江南大学 一种基于皮革表面缺陷检测的led自由曲面阵列设计方法
CN109900716A (zh) * 2019-04-12 2019-06-18 中民筑友科技投资有限公司 一种检测pc构件外观质量的系统和方法
US20190204236A1 (en) * 2017-12-29 2019-07-04 Radiant Vision Systems, LLC Adaptive diffuse illumination systems and methods
CN110006905A (zh) * 2019-01-25 2019-07-12 杭州晶耐科光电技术有限公司 一种线面阵相机结合的大口径超净光滑表面缺陷检测装置
CN110057828A (zh) * 2019-04-28 2019-07-26 广东工业大学 一种基于机器视觉的表面检测方法及系统
CN209327230U (zh) * 2018-12-19 2019-08-30 成都精工华耀科技有限公司 一种铁路接触网支撑机构缺陷检测成像装置
CN110567977A (zh) * 2019-10-11 2019-12-13 湖南讯目科技有限公司 曲面玻璃缺陷检测系统及方法

Patent Citations (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB8816730D0 (en) * 1988-07-14 1988-08-17 Pa Consulting Services Improved vision system
US20030227619A1 (en) * 1996-06-04 2003-12-11 Leslie Brian C. Optical scanning system for surface inspection
US20050110989A1 (en) * 2003-11-21 2005-05-26 Schermer Mack J. Optical device integrated with well
US20050226466A1 (en) * 2004-04-06 2005-10-13 Quad/Tech, Inc. Image acquisition assembly
CN101124453A (zh) * 2004-10-06 2008-02-13 精益视觉科技有限公司 用于二维和三维图像检测的系统
CN2849715Y (zh) * 2005-11-29 2006-12-20 上海铁路局科学技术研究所 一种非接触式ccd高速动态检测装置
JP2010071722A (ja) * 2008-09-17 2010-04-02 Nippon Steel Corp 凹凸疵検査方法及び装置
CN101988908A (zh) * 2009-07-31 2011-03-23 法国圣-戈班玻璃公司 用于对基板的缺陷进行区分的方法和系统
US20120307236A1 (en) * 2009-10-26 2012-12-06 Schott Ag Method and device for detecting cracks in semiconductor substrates
CN103743748A (zh) * 2013-12-31 2014-04-23 江苏大学 一种快速、低成本机器视觉在线检测系统
US20170191946A1 (en) * 2014-06-05 2017-07-06 University Of The West Of England, Bristol Apparatus for and method of inspecting surface topography of a moving object
CN104020177A (zh) * 2014-06-26 2014-09-03 重庆大学 连铸坯表面缺陷双ccd扫描成像检测方法
DE102014115355A1 (de) * 2014-10-22 2016-04-28 Pqc - Process Quality Competence Gmbh Vorrichtung sowie Verfahren zur Analyse von flächigen Materialien
US20180164225A1 (en) * 2015-06-03 2018-06-14 Saint-Gobain Glass France Optical device for detecting an internal flaw of a transparent substrate and method for the same
CN105021618A (zh) * 2015-07-22 2015-11-04 深圳市赛拓工控技术有限公司 皮革纹理检测装置
CN105259188A (zh) * 2015-10-29 2016-01-20 宜兴爱特盟光电科技有限公司 一种面阵与线阵ccd相机组合的多角度扫描探头
CN107228864A (zh) * 2016-03-24 2017-10-03 苍南县三维电子塑胶有限公司 显示面板表面缺陷的检测系统
CN105973912A (zh) * 2016-06-12 2016-09-28 合肥汉重智能装备有限公司 基于机器视觉的真皮表面缺陷检测系统及其检测方法
CN107607546A (zh) * 2017-09-19 2018-01-19 佛山缔乐视觉科技有限公司 基于光度立体视觉的皮革缺陷检测方法、系统及装置
US20190204236A1 (en) * 2017-12-29 2019-07-04 Radiant Vision Systems, LLC Adaptive diffuse illumination systems and methods
CN208043682U (zh) * 2018-01-12 2018-11-02 嵊州市东浩电子科技有限公司 一种导光板缺陷自动视觉检测装置
CN108416766A (zh) * 2018-01-31 2018-08-17 浙江理工大学 双侧入光式导光板缺陷视觉检测方法
CN208476812U (zh) * 2018-08-10 2019-02-05 北京妙想科技有限公司 一种小张印铁双面质量检测设备
CN109345521A (zh) * 2018-09-25 2019-02-15 江南大学 一种基于皮革表面缺陷检测的led自由曲面阵列
CN109344489A (zh) * 2018-09-25 2019-02-15 江南大学 一种基于皮革表面缺陷检测的led自由曲面阵列设计方法
CN209327230U (zh) * 2018-12-19 2019-08-30 成都精工华耀科技有限公司 一种铁路接触网支撑机构缺陷检测成像装置
CN110006905A (zh) * 2019-01-25 2019-07-12 杭州晶耐科光电技术有限公司 一种线面阵相机结合的大口径超净光滑表面缺陷检测装置
CN109900716A (zh) * 2019-04-12 2019-06-18 中民筑友科技投资有限公司 一种检测pc构件外观质量的系统和方法
CN110057828A (zh) * 2019-04-28 2019-07-26 广东工业大学 一种基于机器视觉的表面检测方法及系统
CN110567977A (zh) * 2019-10-11 2019-12-13 湖南讯目科技有限公司 曲面玻璃缺陷检测系统及方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111812106A (zh) * 2020-09-15 2020-10-23 沈阳风驰软件股份有限公司 一种无线耳机外观面溢胶检测方法和检测系统
CN112669311A (zh) * 2021-01-08 2021-04-16 西北大学 一种陶瓷显微图像气泡的提取方法
CN114324372A (zh) * 2021-12-21 2022-04-12 苏州凌云视界智能设备有限责任公司 一种不锈钢卷材外观检测装置

Also Published As

Publication number Publication date
CN110987954B (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN110987954B (zh) 一种消除皮革表面缺陷检测盲区的方法及系统
Elbehiery et al. Surface defects detection for ceramic tiles using image processing and morphological techniques
CN108765402B (zh) 无纺布缺陷检测与分类方法
GB2569751A (en) Static infrared thermal image processing-based underground pipe leakage detection method
CN104574353B (zh) 基于视觉显著性的表面缺陷判定方法
US20080292176A1 (en) Pattern inspection method and pattern inspection apparatus
CN102654464A (zh) 基于多特征模糊识别的铜带表面缺陷检测系统
KR101477665B1 (ko) 불균일한 텍스쳐 표면의 불량 검출방법
CN109596530B (zh) 光学表面麻点和灰尘缺陷分类的暗场偏振成像方法
CN104458764B (zh) 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法
CN115100206B (zh) 用于具有周期图案纺织物的印花缺陷识别方法
Boby et al. Identification of defects on highly reflective ring components and analysis using machine vision
CN109801286A (zh) 一种lcd导光板的表面缺陷检测算法
CN111311537A (zh) 缺陷检测装置及检测方法
JP5794629B2 (ja) 表面検査装置、表面検査方法、表面検査プログラム、およびコンピュータ読み取り可能な記録媒体
Landstrom et al. Sub-millimeter crack detection in casted steel using color photometric stereo
CN116596899A (zh) 基于荧光图像识别循环肿瘤细胞方法、装置、终端及介质
CN107545565B (zh) 一种太阳能网版检测方法
EP3459045B1 (en) Real-time, full web image processing method and system for web manufacturing supervision
US10388011B2 (en) Real-time, full web image processing method and system for web manufacturing supervision
Mishra et al. Surface defects detection for ceramic tiles using image processing and morphological techniques
CN115524337A (zh) 基于机器视觉的验布方法
CN111179248B (zh) 一种透明平滑曲面缺陷识别方法及检测装置
Guo et al. Automatic visual pit detection system for bottom surface of cylindrical lithium battery
CN113222880A (zh) 分析检测方法

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
GR01 Patent grant
GR01 Patent grant