CN111583258B - 缺陷检测方法、装置、系统及存储介质 - Google Patents

缺陷检测方法、装置、系统及存储介质 Download PDF

Info

Publication number
CN111583258B
CN111583258B CN202010473431.5A CN202010473431A CN111583258B CN 111583258 B CN111583258 B CN 111583258B CN 202010473431 A CN202010473431 A CN 202010473431A CN 111583258 B CN111583258 B CN 111583258B
Authority
CN
China
Prior art keywords
light guide
detection
image
target light
detection image
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.)
Active
Application number
CN202010473431.5A
Other languages
English (en)
Other versions
CN111583258A (zh
Inventor
李明洋
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.)
Changzhou Jaka Intelligent Equipment Co ltd
Original Assignee
Changzhou Jaka Intelligent Equipment Co ltd
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 Changzhou Jaka Intelligent Equipment Co ltd filed Critical Changzhou Jaka Intelligent Equipment Co ltd
Priority to CN202010473431.5A priority Critical patent/CN111583258B/zh
Publication of CN111583258A publication Critical patent/CN111583258A/zh
Application granted granted Critical
Publication of CN111583258B publication Critical patent/CN111583258B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本申请提供了一种缺陷检测方法、装置、系统及存储介质，涉及缺陷检测技术领域，该方法包括：获取目标光导条对应的至少一个检测点中每个检测点处采集的检测图像；对每个检测图像中目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，以判断每个检测点处的目标光导条的缺陷检测结果。本申请能够通过对每个检测图像中目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析,减少噪声以能够更好地提取关于物体形状的信息以及重要放大特征，提高得到缺陷检测的效率以及准确率。

Description

缺陷检测方法、装置、系统及存储介质
技术领域
本申请涉及缺陷检测技术领域，具体而言，涉及一种缺陷检测方法、装置、系统及存储介质。
背景技术
在现阶段光导条缺陷检测的方法是进行人工检测，即通过肉眼观察判断管道条是否存在缺陷(不均匀、存在杂质等问题)，这种检测方法存在效率低和检测误差大下的问题。
发明内容
本申请的实施例在于提供一种缺陷检测方法、装置、系统及存储介质，以解决目前方法进行缺陷检测时存在效率低和检测误差大下的问题。
本申请的实施例提供了一种缺陷检测方法，所述方法包括：获取目标光导条对应的至少一个检测点中每个检测点处采集的检测图像；对每个所述检测图像中所述目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，以判断每个检测点处的所述目标光导条的缺陷检测结果。
在上述实现过程中，能够通过对每个检测点处的目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，从而减少噪声以能够更好地提取关于物体形状的信息以及重要放大特征，避免人工肉眼检测耗时长、误差大的情况，提高得到缺陷检测的效率以及准确率。
可选地，所述获取目标光导条对应的至少一个检测点中每个检测点处采集的检测图像，包括：通过将图像采集设备分别移动至每个检测点处，对所述目标光导条进行拍照获取每个检测点处的检测图像。
在上述实现过程中，分多个检测点对所述目标光导条进行采集，能够得到完整的所述目标光导条的检测图像，提高对所述目标光导条进行检测的准确性。
可选地，在所述对每个所述检测图像中所述目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，以判断每个检测点处的所述目标光导条的缺陷检测结果之前，所述方法还包括：
提取每个所述检测图像中的所述目标光导条的轮廓点；
对每个所述检测图像中的所述目标光导条的轮廓点进行拟合得到每个所述检测图像对应的光导边缘曲线；
将每个所述检测图像对应的所述光导边缘曲线之间的区域作为所述每个所述检测图像中所述目标光导条的内部区域。
在上述实现过程中，以所述目标光导条的轮廓点进行拟合得到的光导边缘曲线能够用于确定所述内部区域，能够避免人工确定内部区域时由于视觉误差造成的偏差，提高划定的内部区域的准确性。
可选地，所述提取每个所述检测图像中的所述目标光导条的轮廓点，包括：
将每个所述检测图像进行高斯滤波模糊处理，获得每个检测图像的滤波图像；
基于预设动态阈值提取每个所述滤波图像中所述目标光导条的边缘；
采用检测轮廓方式提取每个所述滤波图像中所述目标光导条的所述边缘上的轮廓点。
在上述实现过程中，通过高斯滤波模糊处理能够过滤掉对每个所述检测图像形成干扰的点，提高从高斯滤波后得到的所述滤波图像上轮廓点的准确性。
可选地，所述对每个所述检测图像中的所述目标光导条的轮廓点进行拟合得到每个所述检测图像对应的光导边缘曲线，包括：
基于最小二乘法多项式拟合的方法对每个所述检测图像中的所述目标光导条的轮廓点进行拟合得到每个所述检测图像对应的光导边缘曲线。
在上述实现过程中，基于最小二乘法多项式拟合的方法得到每个所述检测图像对应的光导边缘曲线，能够提高光导边缘曲线对于所述目标光导条的实际的边缘的贴合度，提高得到的每个所述检测图像对应的所述光导边缘曲线的准确度。
可选地，在所述将每个所述检测图像对应的所述光导边缘曲线之间的区域作为所述每个所述检测图像中所述目标光导条的内部区域之后，所述方法还包括：
计算所述每个所述检测图像中所述目标光导条的内部区域的亮度平均值；
基于所述亮度平均值获得每个所述检测图像中所述目标光导条的均匀性分析结果；
基于所述均匀性分析结果判断所述目标光导条是否存在混料或发光不均匀。
在上述实现过程中，通过得到每个所述检测图像对应的所述目标光导条的均匀性分析结果，判断每个所述检测图像对应的所述目标光导条是否存在均匀性以及混料的问题，扩大了筛查所述目标光导条缺陷的范围，以提高目标光导条缺陷判断的准确性。
本申请的实施例还提供了一种缺陷检测装置，所述装置包括：获取模块，用于获取目标光导条对应的至少一个检测点中每个检测点处采集的检测图像；
分析模块，用于对每个所述检测图像中所述目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，以判断每个检测点处的所述目标光导条的缺陷检测结果。
在上述实现过程中，能够通过对每个所述检测图像中的所述目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，从而减少噪声以能够更好地提取关于物体形状的信息以及重要放大特征，避免人工肉眼检测耗时长、误差大的情况，提高得到缺陷检测的效率以及准确率。
可选地，所述获取模块具体用于：通过将图像采集设备分别移动至每个检测点处，对所述目标光导条进行拍照获取每个检测点处的检测图像。
在上述实现过程中，分多个检测点对所述目标光导条进行采集，能够得到完整的所述目标光导条的检测图像，提高对所述目标光导条进行检测的准确性。
可选地，所述分析模块具体用于：提取每个所述检测图像中的所述目标光导条的轮廓点；对每个所述检测图像中的所述目标光导条的轮廓点进行拟合得到每个所述检测图像对应的光导边缘曲线；将每个所述检测图像对应的所述光导边缘曲线之间的区域作为每个所述检测图像中所述目标光导条的所述内部区域。
在上述实现过程中，以每个所述检测图像对应的所述目标光导条的轮廓点进行拟合得到的光导边缘曲线能够用于确定每个所述检测图像对应的所述内部区域，能够避免人工确定每个所述检测图像对应的内部区域时由于视觉误差造成的偏差，提高划定每个所述检测图像对应的内部区域的准确性。
可选地，所述分析模块具体用于：将每个所述检测图像进行高斯滤波模糊处理，获得每个检测图像的滤波图像；基于预设动态阈值提取每个所述滤波图像中所述目标光导条的边缘；采用检测轮廓方式提取每个所述滤波图像中所述目标光导条的边缘上的轮廓点。
在上述实现过程中，通过高斯滤波模糊处理能够过滤掉对每个所述检测图像形成干扰的点，提高从高斯滤波后得到的每个检测点处所述滤波图像上轮廓点的准确性。
可选地，所述分析模块具体用于：基于最小二乘法多项式拟合的方法对每个所述检测图像中的所述目标光导条的轮廓点进行拟合得到每个所述检测图像中的光导边缘曲线。
在上述实现过程中，基于最小二乘法多项式拟合的方法得到每个所述检测图像中的光导边缘曲线，能够提高光导边缘曲线对于所述目标光导条的实际的边缘的贴合度，提高得到的每个所述检测图像中的所述光导边缘曲线的准确度。
可选地，所述分析模块具体用于：计算每个所述检测图像中所述目标光导条的所述内部区域的亮度平均值；基于所述亮度平均值获得每个所述检测图像中所述目标光导条的均匀性分析结果；基于所述均匀性分析结果判断所述目标光导条是否存在混料或发光不均匀。
在上述实现过程中，通过得到每个所述检测图像中所述目标光导条的均匀性分析结果，判断每个所述检测图像中所述目标光导条是否存在均匀性以及混料的问题，扩大了筛查所述目标光导条缺陷的范围，以提高目标光导条缺陷判断的准确性。
本实施例还提供了一种缺陷检测系统，所述检测系统包括：滑动板、图像采集设备、分析子系统，所述图像采集设备安装在滑动板上，所述图像采集设备与所述分析子系统电连接；所述图像采集设备与所述滑动板连接在一起，用于获取目标光导条对应的至少一个检测点中每个检测点处采集的检测图像；所述分析子系统用于对每个所述检测图像中所述目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，以判断每个检测点处的所述目标光导条的缺陷检测结果。
在上述实现过程中，能够通过对每个所述检测图像中目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，避免人工肉眼检测耗时长、误差大的情况，提高对所述目标光导条进行缺陷检测的效率以及准确率。
本实施例还提供了一种存储介质，所述存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器运行时，执行上述任一项方法中的步骤。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
图1为本申请实施例提供的一种缺陷检测方法的步骤流程图。
图2为本申请的实施例提供的一种获得内部区域的步骤流程图。
图3为本申请实施例提供的一种提取目标光导条的轮廓点的步骤流程图。
图4为本申请实施例提供的一种判断目标光导条均匀性方法的步骤流程图。
图5为本申请实施例提供的一种缺陷检测系统的框图。
图6为本申请实施例提供的一种缺陷检测装置示意图。
图例：10-缺陷检测系统；101-滑动板；102-图像采集设备；103-分析子系统；20-缺陷检测装置；201-获取模块；202-分析模块。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
在本申请的描述中，需要说明的是，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例而了解。本申请的目的和其他优点可通过在所写的说明书、以及附图中所特别指出的结构来实现和获得。
本申请的实施例提供了一种缺陷检测方法，请参看图1，图1为本申请实施例提供的一种缺陷检测方法的步骤流程图，所述方法分为以下步骤：
步骤S1：获取目标光导条对应的至少一个检测点中每个检测点处采集的检测图像。
可以理解的是，检测点的数目可以根据目标光导条的长度设置，目标光导条越长时设置的检测点的数目越多。
可选地，步骤S1具体包括：通过将图像采集设备分别移动至每个检测点处，对目标光导条进行拍照获取每个检测点处的检测图像。
作为一种实施方式，图像采集设备可以是相机、摄像机等可以用于拍摄的设备，本实施例以相机举例说明，将相机设置在滑轨上，滑轨沿着目标光导条平行设置，在相机上沿着滑轨在每个检测点处对目标光导条进行拍照获取每个检测点处的检测图像。
步骤S2：对每个检测图像中目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，以判断每个检测点处的目标光导条的缺陷检测结果。
为了方便对每个检测点处采集的检测图像进行分析，同时保证呈现整根光导条的连贯性，作为一种实施方式，将获取到的检测图像顺时针旋转90度(在滑轨沿着目标光导条平行设置时)，将图像中有目标光导条的部分裁剪出来单独进行分析以提高图像分析的效率。
在每个检测图像中目标光导条的内部区域对应的图像区域中的任何形状和大小的区域即核，核中带有单独定义的参考点也就是锚点，可以将核视为掩码。对目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，具体包括：膨胀是求局部最大值的操作，将核与目标光导条的内部区域对应的图像区域进行卷积，即计算核覆盖的区域(体现局部)的像素点的最大值，并把这个最大值赋值给锚点指定的像素，这样就会使目标光导条的内部区域对应的图像区域中的高亮区域逐渐增长，可以用来填补高亮区域中某些空洞以及消除包含在高亮区域中的小颗粒噪声。腐蚀与膨胀是相反的操作，腐蚀是求局部最小值。经过膨胀和腐蚀就缩小目标光导条的内部区域对应的图像区域中的高亮区域，可以用来消除小且无意义的目标物。先膨胀后腐蚀的过程称为闭运算，具有填充物体内细小空洞，连接邻近物体和平滑边界的作用。
在对每个检测图像中目标光导条的内部区域对应的图像区域进行膨胀腐蚀之后，可以采用Blob(连通域)分析进行连通域的确定。按照处理方式的不同Blob分析基本上分成两种：基于像素扫描的处理方法和基于游程编码的处理方法。基于像素扫描的处理方法代表性的方法有递归法与两次扫描法。基于游程编码的方法是对于二值图像有一种编码方法，这种变成方法的基本思想是对连在一起的黑色或者白色像素数(游程)用不同的码字来编码，具体方法为：计算连续出现的数据长度来进行压缩，并将相连的像素块合并，最终提取出多个连通区域，得到每个连通区域的链码表和线性表。获得链码表就可以计算出区域边界轮廓长度和周长，线性表则可以计算面积和重心等参数。
在得到目标光导条的内部区域对应的图像区域对应的连通域后，对区域边界轮廓进行面积筛选，具体为：提取目标光导条的内部区域对应的图像区域中的所有轮廓，然后计算每个轮廓包围的面积，设置存在大于预定面积值的轮廓为存在杂质、垃圾、隐私、亮点等缺陷问题。预定面积值的设定可以根据实际情况选定。
可选地，在得到每个检测图像中的缺陷检测结果后进行汇总，例如对每个检测点处的目标光导条缺陷情况进行记录，就可以得到整个目标光导条的缺陷检测结果。
请参看图2，图2为本申请的实施例提供的一种获得内部区域的步骤流程图。可选地，在步骤S2之前，所述方法还包括步骤S3，步骤S3具体用于获得内部区域，步骤S3分为以下子步骤：
步骤S31：提取每个检测图像中的目标光导条的轮廓点。
请参看图3，图3为本申请实施例提供的一种提取目标光导条的轮廓点的步骤流程图。可选地，步骤S31分为以下子步骤：
步骤S311：将每个检测图像进行高斯滤波模糊处理，获得每个检测图像的滤波图像。
步骤S312：基于预设动态阈值提取每个滤波图像中目标光导条的边缘。
作为一种实施方式，提取每个滤波图像中目标光导条的边缘可以通过步骤S2中所述的Blob分析方法，将符合指定面积、指定长宽比的轮廓认定为目标光导条的边缘。
步骤S313：采用检测轮廓方式提取每个滤波图像中目标光导条的边缘上的轮廓点。
利用检测轮廓的方法提取出轮廓上的点，并将每个轮廓点保存对应的容器里，例如对两条目标光导条进行拍照，每根目标光导条有上下两个边缘，总共会有四个容器用于保存两条目标光导条的轮廓点。
作为一种实施方式，检测轮廓方式可以采用轮廓跟踪的方法，这个算法首先是每个检测点处的滤波图像进行二值化处理得到二值图像，将二值图像的点集保存在可以随机访问的数组当中，寻找轮廓的起始点，每当找到一个轮廓起始点后接着以顺时针或逆时针方向对其所在轮廓进行追踪查找，直到重新回到起始点，这种算法的优点就是高效、简单，并且检测出来的轮廓带有序列化信息。
作为一种实施方式，检测轮廓方式可以采用基于游程的方法，这个算法采用对图像数据进行顺序访问的方式，基于游程的算法在扫描过程中要先对图像数据进行游程编码，并以游程作为分析对象来实现轮廓检测。基于游程的方法改进了困扰着上述第二类算法的邻域运算问题，做到了对每一个像素点均只需访问一次。因为游程编码本身所带有的数据压缩特性，常常可以大规模降低所需处理的数据量，从而算法的实现往往更加高效、简单。
步骤S32：对每个检测图像中的目标光导条的轮廓点进行拟合得到每个检测图像对应的光导边缘曲线。可选地，步骤S32包括：基于最小二乘法多项式拟合的方法对每个检测图像中的目标光导条的轮廓点进行拟合得到每个检测图像对应的光导边缘曲线。
最小二乘法(又称最小平方法)是一种数学优化技术，通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。将最小二乘法用于曲线拟合，能够减小拟合的光导边缘曲线与实际光导边缘曲线的误差，提高拟合的光导边缘曲线的准确性。
步骤S33：将每个检测图像对应的光导边缘曲线之间的区域作为每个检测图像中目标光导条的内部区域。
请参看图4，图4为本申请实施例提供的一种判断目标光导条均匀性方法的步骤流程图。可选地，在步骤S3之后，所述方法还包括步骤S4，步骤S4用于判断每个检测点处的目标光导条中是否存在混料或发光不均匀，具体分为以下子步骤：
步骤S41：计算每个检测图像中目标光导条的内部区域的亮度平均值。
作为一种实施方式，可以将每个检测图像中目标光导条的内部区域的RGB颜色空间转为YIQ色彩空间。YIQ颜色空间具有能将图像中的亮度分量分离提取出来的优点，并且YIQ颜色空间与RGB颜色空间之间是线性变换的关系，计算量小，聚类特性也比较好，可以适应光照强度不断变化的场合，因此能够有效地用于彩色图像处理。
YIQ是NTSC(National Television Standards Committee)电视系统标准，其中Y是提供黑白电视及彩色电视的亮度信号(Luminance)，I代表In-phase，即色彩从橙色到青色，Q代表Quadrature-phase，即色彩从紫色到黄绿色。
RGB是通过红绿蓝三原色来描述颜色的颜色空间，R表示红色(Red)、G表示绿色(Green)、B表示蓝色(Blue)。YIQ色彩空间属于NTSC系统。这里Y是指颜色的明视度，即亮度。其实Y就是图像灰度值，I和Q都指的是指色调，即描述图像色彩与饱和度的属性。
YIQ色彩空间具有能将图像中的亮度分量分离提取出来的优点，并且YIQ颜色空间与RGB颜色空间之间是线性变换的关系。RGB和YIQ的对应关系的方程式表示：Y＝0.299R+0.587G+0.114B，Y就是图像灰度值，其中，R表示红色(Red)，G表示绿色(Green)，B表示蓝色(Blue)。
步骤S42：基于亮度平均值获得每个检测图像中目标光导条的均匀性分析结果。
步骤S43：基于均匀性分析结果判断目标光导条是否存在混料或发光不均匀。
在步骤S42、步骤S43中，将内部区域进行划分得到多个子区域，对比各个子区域的亮度平均值，若存在各个子区域中亮度平均值的差值超过预设差值，判定为目标光导条存在混料或发光不均匀。预设值可以根据实际需要进行设定。
请参看图5，图5为本申请实施例提供的一种缺陷检测系统的框图。
缺陷检测系统10包括：滑动板101、图像采集设备102、分析子系统103，图像采集设备102安装在滑动板101上，图像采集设备102与分析子系统103电连接。
图像采集设备102与滑动板101连接在一起，用于获取目标光导条对应的至少一个检测点中每个检测点处采集的检测图像；
分析子系统103用于对每个检测图像中目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，以判断每个检测点处的目标光导条的缺陷检测结果。
可以理解的是分析子系统可以是电脑终端、掌上电脑等具有运算功能的电子设备。
可以理解的是，为了获得更清晰的光导条的检测图像，将目标光导条设置在暗室中，将滑动板101平行于目标光导条设置在暗室中，在暗室中设置光源将目标光导条点亮，以便对得到清晰的检测图像。一般情况下，光源与光导条的距离为毫米级，这种距离设置可以避免拍摄时目标光导条的曝光过度。
作为一种实施方式，可以采用可编程逻辑控制器来实现对于获取目标光导条的每个检测图像的控制。在开启对目标光导条的拍照时，由可编程逻辑控制器发送推送信号将推送图像采集设备102推入暗室，并在关闭暗室的移动门之后点亮光源，与光源连接的光感传感器将光源点亮的信号传回可编程逻辑控制器，可编程逻辑控制器发送控制信号控制图像采集设备102沿着滑动板101在每个检测点处进行拍照得到每个检测点处的检测图像。作为一种实施方式，推送信号和控制信号可以通过Socket(套接字)通信的形式进行传递。
请参看图6，图6为本申请实施例提供的一种缺陷检测装置示意图。
缺陷检测装置20包括：获取模块201，用于获取目标光导条对应的至少一个检测点中每个检测点处采集的检测图像。
分析模块202，用于对每个检测图像中目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，以判断每个检测点处的目标光导条的缺陷检测结果。
可选地，获取模块201具体用于：通过将图像采集设备相机分别移动至每个检测点处，对目标光导条进行拍照获取每个检测点处的检测图像。
可选地，分析模块202具体用于：提取每个检测图像中的目标光导条的轮廓点；对每个检测图像中的目标光导条的轮廓点进行拟合得到每个检测图像对应的光导边缘曲线；将每个检测图像对应的光导边缘曲线之间的区域每个检测图像中目标光导条的作为内部区域。
可选地，分析模块202具体用于：将每个检测图像进行高斯滤波模糊处理，获得每个检测图像的滤波图像；基于预设动态阈值提取每个滤波图像中目标光导条的边缘；采用检测轮廓方式提取每个滤波图像中目标光导条的边缘上的轮廓点。
可选地，分析模块202具体用于：基于最小二乘法多项式拟合的方法对每个检测图像中的目标光导条的轮廓点进行拟合得到每个检测图像对应的光导边缘曲线。
可选地，分析模块202具体用于：计算每个检测图像中目标光导条的内部区域的亮度平均值；基于亮度平均值获得每个检测图像中目标光导条的均匀性分析结果；基于均匀性分析结果判断目标光导条是否存在混料或发光不均匀。
本实施例还提供了一种存储介质，所述存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器运行时，执行上述任一项方法中的步骤。
综上所述，本申请的实施例提供了一种缺陷检测方法、装置、系统及存储介质，涉及缺陷检测技术领域，所述缺陷检测方法包括：获取目标光导条对应的至少一个检测点中每个检测点处采集的检测图像；对每个检测图像中所述目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，以判断每个检测点处的所述目标光导条的缺陷检测结果。
在上述实现过程中，能够通过对每个检测点处的目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，从而减少噪声以能够更好地提取关于物体形状的信息以及重要放大特征，避免人工肉眼检测耗时长、误差大的情况，提高得到缺陷检测的效率以及准确率。
本申请的实施例提供的一种缺陷检测系统包括：滑动板、图像采集设备、分析子系统，图像采集设备安装在滑动板上，图像采集设备与分析子系统电连接；图像采集设备与滑动板连接在一起，用于获取目标光导条对应的至少一个检测点中每个检测点处采集的检测图像；分析子系统用于对每个检测图像中目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，以判断每个检测点处的目标光导条的缺陷检测结果。
在上述实现过程中，能够通过对每个所述检测图像中目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，从而减少噪声以能够更好地提取关于物体形状的信息以及重要放大特征，避免人工肉眼检测耗时长、误差大的情况，提高对所述目标光导条进行得到缺陷检测的效率以及准确率。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的框图显示了根据本申请的多个实施例的设备的可能实现的体系架构、功能和操作。在这点上，框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图中的每个方框、以及框图的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。因此本实施例还提供了一种可读取存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行区块数据存储方法中任一项所述方法中的步骤。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种缺陷检测方法，其特征在于，所述方法包括：
获取目标光导条对应的至少一个检测点中每个检测点处采集的检测图像；
对每个所述检测图像中所述目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，以判断每个检测点处的所述目标光导条的缺陷检测结果；
其中，在所述对每个所述检测图像中所述目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，以判断每个检测点处的所述目标光导条的缺陷检测结果之前，所述方法还包括：提取每个所述检测图像中的所述目标光导条的轮廓点；对每个所述检测图像中的所述目标光导条的轮廓点进行拟合得到每个所述检测图像对应的光导边缘曲线；将每个所述检测图像对应的所述光导边缘曲线之间的区域作为每个所述检测图像中所述目标光导条的内部区域；
其中，所述提取每个所述检测图像中的所述目标光导条的轮廓点，包括：将每个所述检测图像进行高斯滤波模糊处理，获得每个检测图像的滤波图像；基于预设动态阈值提取每个所述滤波图像中所述目标光导条的边缘；采用检测轮廓方式提取每个所述滤波图像中所述目标光导条的边缘上的轮廓点。
2.根据权利要求1所述的方法，其特征在于，所述获取目标光导条对应的至少一个检测点中每个检测点处采集的检测图像，包括：
通过将图像采集设备分别移动至每个检测点处，对所述目标光导条进行拍照获取每个检测点处的检测图像。
3.根据权利要求1所述的方法，其特征在于，所述对每个所述检测图像中的所述目标光导条的轮廓点进行拟合得到每个所述检测图像对应的光导边缘曲线，包括：
基于最小二乘法多项式拟合的方法对每个所述检测图像中的所述目标光导条的轮廓点进行拟合得到每个所述检测图像对应的光导边缘曲线。
4.根据权利要求1所述的方法，其特征在于，在所述将每个所述检测图像对应的所述光导边缘曲线之间的区域作为所述每个所述检测图像中所述目标光导条的内部区域之后，所述方法还包括：
计算所述每个所述检测图像中所述目标光导条的内部区域的亮度平均值；
基于所述亮度平均值获得每个所述检测图像中所述目标光导条的均匀性分析结果；
基于所述均匀性分析结果判断所述目标光导条是否存在混料或发光不均匀。
5.一种缺陷检测装置，其特征在于，所述装置包括：
获取模块，用于获取目标光导条对应的至少一个检测点中每个检测点处采集的检测图像；
分析模块，用于对每个所述检测图像中所述目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，以判断每个检测点处的所述目标光导条的缺陷检测结果；
其中，所述分析模块还用于：提取每个检测图像中的目标光导条的轮廓点；对每个检测图像中的目标光导条的轮廓点进行拟合得到每个检测图像对应的光导边缘曲线；将每个检测图像对应的光导边缘曲线之间的区域每个检测图像中目标光导条的作为内部区域；以及，
将每个检测图像进行高斯滤波模糊处理，获得每个检测图像的滤波图像；基于预设动态阈值提取每个滤波图像中目标光导条的边缘；采用检测轮廓方式提取每个滤波图像中目标光导条的边缘上的轮廓点。
6.根据权利要求5所述的装置，其特征在于，所述获取模块具体用于：
通过将图像采集设备分别移动至每个检测点处，对所述目标光导条进行拍照获取每个检测点处的检测图像。
7.一种缺陷检测系统，其特征在于，所述系统包括：滑动板、图像采集设备、分析子系统，所述图像采集设备安装在滑动板上，所述图像采集设备与所述分析子系统电连接；
所述图像采集设备与所述滑动板连接在一起，用于获取目标光导条对应的至少一个检测点中每个检测点处采集的检测图像；
所述分析子系统用于对每个所述检测图像中所述目标光导条的内部区域对应的图像区域进行膨胀腐蚀及连通域分析，以判断每个检测点处的所述目标光导条的缺陷检测结果；
其中，所述分析子系统还用于：提取每个检测图像中的目标光导条的轮廓点；对每个检测图像中的目标光导条的轮廓点进行拟合得到每个检测图像对应的光导边缘曲线；将每个检测图像对应的光导边缘曲线之间的区域每个检测图像中目标光导条的作为内部区域；以及，
将每个检测图像进行高斯滤波模糊处理，获得每个检测图像的滤波图像；基于预设动态阈值提取每个滤波图像中目标光导条的边缘；采用检测轮廓方式提取每个滤波图像中目标光导条的边缘上的轮廓点。
8.一种存储介质，其特征在于，所述存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器运行时，执行权利要求1-4中任一项所述方法中的步骤。
CN202010473431.5A 2020-05-28 2020-05-28 缺陷检测方法、装置、系统及存储介质 Active CN111583258B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010473431.5A CN111583258B (zh) 2020-05-28 2020-05-28 缺陷检测方法、装置、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010473431.5A CN111583258B (zh) 2020-05-28 2020-05-28 缺陷检测方法、装置、系统及存储介质

Publications (2)

Publication Number Publication Date
CN111583258A CN111583258A (zh) 2020-08-25
CN111583258B true CN111583258B (zh) 2024-03-15

Family

ID=72112375

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010473431.5A Active CN111583258B (zh) 2020-05-28 2020-05-28 缺陷检测方法、装置、系统及存储介质

Country Status (1)

Country Link
CN (1) CN111583258B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112802022B (zh) * 2021-04-14 2021-10-29 高视科技(苏州)有限公司 智能检测缺陷玻璃图像的方法、电子设备以及存储介质
CN113139952B (zh) * 2021-05-08 2024-04-09 佳都科技集团股份有限公司 一种图像处理的方法及装置
CN115049621A (zh) * 2022-06-17 2022-09-13 清华大学 微管缺陷检测方法、装置、设备、存储介质和程序产品

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106780438A (zh) * 2016-11-11 2017-05-31 广东电网有限责任公司清远供电局 基于图像处理的绝缘子缺陷检测方法及系统
CN106934803A (zh) * 2017-03-13 2017-07-07 珠海格力智能装备有限公司 电子器件表面缺陷的检测方法及装置
CN108230321A (zh) * 2018-01-19 2018-06-29 深圳市亿图视觉自动化技术有限公司 缺陷检测方法及装置
CN108550160A (zh) * 2018-04-03 2018-09-18 大连理工大学 基于光强模板的非均匀光条特征区域提取方法
CN109598738A (zh) * 2018-11-12 2019-04-09 长安大学 一种线结构光中心线提取方法
CN110866920A (zh) * 2020-01-20 2020-03-06 长沙琢冶信息技术有限公司 镀铜焊丝的缺陷检测方法、装置、设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106780438A (zh) * 2016-11-11 2017-05-31 广东电网有限责任公司清远供电局 基于图像处理的绝缘子缺陷检测方法及系统
CN106934803A (zh) * 2017-03-13 2017-07-07 珠海格力智能装备有限公司 电子器件表面缺陷的检测方法及装置
CN108230321A (zh) * 2018-01-19 2018-06-29 深圳市亿图视觉自动化技术有限公司 缺陷检测方法及装置
CN108550160A (zh) * 2018-04-03 2018-09-18 大连理工大学 基于光强模板的非均匀光条特征区域提取方法
CN109598738A (zh) * 2018-11-12 2019-04-09 长安大学 一种线结构光中心线提取方法
CN110866920A (zh) * 2020-01-20 2020-03-06 长沙琢冶信息技术有限公司 镀铜焊丝的缺陷检测方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111583258A (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
CN111583258B (zh) 缺陷检测方法、装置、系统及存储介质
JP2005331929A (ja) 画像解析方法、画像解析プログラム、及びそれらを有する画素評価システム
CN113781396B (zh) 屏幕缺陷检测方法、装置、设备和存储介质
JP2018120445A (ja) 車番認識装置
CN115201092A (zh) 细胞扫描图像的获取方法和装置
CN114913109A (zh) 图像异常检测方法、装置、测试图卡和终端设备
CN117094975A (zh) 钢铁表面缺陷检测方法、装置及电子设备
CN113935927A (zh) 一种检测方法、装置以及存储介质
JP2004212311A (ja) ムラ欠陥の検出方法及び装置
JP2005165387A (ja) 画面のスジ欠陥検出方法及び装置並びに表示装置
JP4244046B2 (ja) 画像処理方法および画像処理装置
CN111738984B (zh) 基于分水岭和种子填充的皮肤图像斑点评估方法及系统
KR20050022320A (ko) 결함 검사 방법 및 장치
CN114937003A (zh) 一种针对玻璃面板的多类型缺陷检测系统和方法
CN115272173A (zh) 锡球缺陷检测方法及其装置、计算机设备、存储介质
CN115829848A (zh) 处理图形符号的方法、装置和计算机可读存储介质
JP2005184787A (ja) 画像処理方法及び画像処理装置
Yang et al. A novel binarization approach for license plate
CN114705696A (zh) 一种基于数字图像处理和自动光学检测的缺陷检测方法
US10958899B2 (en) Evaluation of dynamic ranges of imaging devices
Long et al. An Efficient Method For Dark License Plate Detection
JPH0624014B2 (ja) 濃淡画像の処理方法
JPH10269352A (ja) 画像処理装置および方法
JP3941403B2 (ja) 画像濃淡ムラ検出方法及びこの検査装置
JP3912063B2 (ja) 画像濃淡ムラの検出方法

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