CN113252568A - 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端 - Google Patents
基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端 Download PDFInfo
- Publication number
- CN113252568A CN113252568A CN202110646442.3A CN202110646442A CN113252568A CN 113252568 A CN113252568 A CN 113252568A CN 202110646442 A CN202110646442 A CN 202110646442A CN 113252568 A CN113252568 A CN 113252568A
- Authority
- CN
- China
- Prior art keywords
- lens
- defects
- image
- machine vision
- light sources
- 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 139
- 238000001514 detection method Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 230000005540 biological transmission Effects 0.000 claims abstract description 11
- 230000001678 irradiating effect Effects 0.000 claims abstract description 5
- 238000000605 extraction Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 13
- 238000003384 imaging method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000011179 visual inspection Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000012780 transparent material Substances 0.000 description 3
- 235000002566 Capsicum Nutrition 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 2
- 241000722363 Piper Species 0.000 description 2
- 235000016761 Piper aduncum Nutrition 0.000 description 2
- 235000017804 Piper guineense Nutrition 0.000 description 2
- 235000008184 Piper nigrum Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/958—Inspecting transparent materials or objects, e.g. windscreens
-
- 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
- G01N21/958—Inspecting transparent materials or objects, e.g. windscreens
- G01N2021/9583—Lenses
Abstract
本发明公开是关于基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端,涉及数字图像处理技术领域。将两个面阵光源成一定的角度摆放,将光源照射到镜片表面,利用光源的余光进行缺陷的检测,使麻点、指纹、划痕等缺陷被突显出来,使缺陷位于光源明暗交接处的位置;镜片在传动结构上传送,当镜片到达相机下方时,相机开始采图,并将图像信息实时传输到工控机中,实现镜片缺陷的快速在线检测;对采集图像进行算法处理,突显缺陷的特征,利用缺陷的特征对缺陷进行分类,最终得出检测结果。采用两个面阵光源向两侧的打光方式,利用光源的余光检测镜片的缺陷,能够增强对镜片表面缺陷的显现力,得到具有高质量的缺陷图像。
Description
技术领域
本发明公开涉及数字图像处理技术领域,尤其涉及基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端。
背景技术
自20世纪90年代中期以来,眼镜行业从飞速发展的成长期进入了成熟期,人们对光学镜片表面的质量要求也不断提高。镜片在加工过程中不可避免的会产生一些划痕、麻点等缺陷,尤其是划痕缺陷所引起的衍射或散射将严重影响到光学系统的性能。因此,国内外众多科研机构和学者展开了对镜片表面缺陷检测的研究。
随着国内外对镜片表面缺陷检测方法的不断探索研究与发展,已经形成了许多检测方法,基本检测原理利用缺陷对光的散射特性使其与周围表面有较大差异,依据所采取检测方式的不同,主要分为散射能量法和成像法两类,具体分析如下:
一、散射能量分析法是通过对镜片表面缺陷所散射的光能量的大小以及角度分布情况进行观测和分析,进而对镜片表面的缺陷状况进行评价,常用的方法主要分为散射光能量积分法和散射光能量角分布分析法两类。散射能量分析法难以得到缺陷种类及位置。
二、成像法通过对整个镜片表面或者部分区域实现成像,来检测镜片缺陷,根据所采取成像方法的不同,该方法主要包括目测法、虚像叠加比较法和机器视觉显微成像法等。目测法即人工检测法,是目前国内实际使用中较为广泛的一种检测方法,也是所有成像法的基础,该检测方法是在暗场中采用经过约束的强光束定发散角照亮被测镜片表面区域,并通过光学放大镜,用肉眼直接观测被测区域表面缺陷情况,然后依据经验及判断标准对缺陷进行评定。机器视觉检测方法在光学镜片表面缺陷检测应用上也得到广泛研究,其基本原理是利用表面缺陷处区域光线的散射特性来完成的,采用合适的图像处理算法对图像进行处理与信息提取,得到相关参数信息。目测法存在易受人的主观因素影响,其稳定性和可靠性难以保证;检测耗时耗力,且检测人员需要相关培训:难以对所检测缺陷的几何尺寸等参数进行量化,精度难以保证,无法进行精确标定等诸多缺陷。
现存检测方法都存在各种各样的问题,导致精确率和速度较低。而机器视觉成像法较其他几种方法在灵敏度以及精确度等方面都有显著提高,但是随着现代精密光学加工工艺的不断提高和改进,对缺陷检测精确度的要求也随之不断提高,现有缺陷图像处理方法的检测精度难以满足实际应用的需求,因此需要更高精度的检测方法来更加全面地测量镜片表面缺陷的具体参数及提高缺陷检测精确度。本发明就此问题进行了基于机器视觉的镜片缺陷检测的创新。
鉴于上述分析,现有技术中存在的问题是:
(1)散射能量分析法很难判断缺陷的种类及其位置。
(2)目测法存在易受人的主观因素,如工作经验、疲劳程度、所处环境以及责任必等的影响,因而使检测结果产生较大差异,其稳定性和可靠性难以保证;检测耗时耗力,且检测人员需要相关培训:难以对所检测缺陷的几何尺寸等参数进行量化,精度难以保证,无法进行精确标定等诸多缺陷。
(3)虽然机器视觉成像法在灵敏度和准确率上相比其他方法有所提高,但镜片表面缺陷非常小,很难分辨,且精度要求越来越高,因此镜片缺陷检测在机器视觉中的方法需要改善。
解决上述技术问题的难度在于:镜片表面缺陷非常小,很难分辨,且精度要求越来越高。本文提出一种基于机器视觉的镜片表面缺陷检测方法,利用光源的余光,可以快速的检测出镜片缺陷。
解决上述技术问题的意义在于:考虑到传统人工检测方式以及其他技术的检测方式,采用本文提出的检测方法可以快速的找出缺陷,计算出缺陷的大小和类型。使用本发明,可以节省人工,减轻人工检测中强光对于人的视力损伤,增加检测的效率和准确率。
发明内容
为克服相关技术中存在的问题,本发明公开实施例提供了一种基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端。所述技术方案如下:
该基于机器视觉的镜片表面缺陷检测方法包括以下步骤:
步骤一、将两个面阵光源成角度摆放,将光源照射到镜片表面,利用光源的余光进行缺陷的检测,使麻点、指纹、划痕缺陷被突显出来,使缺陷位于光源明暗交接处的位置;
步骤二、镜片在传动结构上传送,当镜片到达相机下方时,相机开始采图,并将图像信息实时传输到工控机中,实现镜片缺陷的快速在线检测;
步骤三、对采集图像进行算法处理,突显缺陷的特征,利用缺陷的特征对缺陷进行分类,最终得出检测结果。
在一个实施例中,面阵光源的角度根据镜片的直径大小进行设计,其角度范围为30度至80度。
在一个实施例中,在步骤一中,将相机和镜头模组垂直于镜片表面架设,镜片与镜头下端距离为125mm,光源向设备两侧投射粗细均匀、间隔均匀的光线。
在一个实施例中,在步骤二中,在传动结构上,镜片快速的移动,当相机捕捉到镜片时抓取图像,然后将相机拍摄的图片实时的传输到工控机上,对镜片缺陷进行在线检测。
在一个实施例中,在步骤三中,为缩短灰度信息的提取时间,计算图像中像素点的灰度梯度和幅值,带有噪声干扰的镜片缺陷图像经过有效的图像预处理、消除镜片中的无关信息、恢复其真实有效的信息,对图像进行滤波、二值化、特征提取、图像分割,最后提取出灰度发生变化的地方。
在一个实施例中,对滤波后的图像进行了图像二值化,使灰度值在阈值以下的部分和大于阈值的部分分别设置为0和255,使整个图像呈现出明显的只有黑和白的视觉效果,处理后的图片缺陷区域与正常区域的灰度差别增大;
对任何坐标的(x,y)出的值由下式给出:
其中,TM是个阈值。
在一个实施例中,将经过滤波和二值化的图像分割划分出关键有意义的区域,利用图像中需要提取的目标区域与其背景在灰度特性上的差异,把图像看作具有不同灰度级的目标区域和背景区域的组合,确定一个最合理的分割阈值,以确定图像中每个像素点应该属于目标区域还是背景区域,最终生成相应的二值图像。
本发明的另一目的在于提供一种实现所述基于机器视觉的镜片表面缺陷检测方法的系统,基于机器视觉的镜片表面缺陷检测系统包括:
运动控制模块,用于镜片的传送,当镜片运动出现在镜头下方时,开启拍照,直至镜头捕捉不到镜片;
图像采集模块,与所述运动控制模块和图像处理模块相连接,用于图像的拍摄和传递;
图像处理模块,与所述图像采集模块相连接,用于处理采集到的图片,将图片中的缺陷用算法检测出来。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述基于机器视觉的镜片表面缺陷检测方法。
本发明的另一目的在于提供一种信息数据处理终端,所述信息数据处理终端包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1-7任意一项所述的基于机器视觉的镜片表面缺陷检测方法。
本发明公开的实施例提供的技术方案具有以下有益效果:
第一、采用两个面阵光源向两侧的打光方式,利用光源的余光检测镜片的缺陷,能够增强对镜片表面缺陷的显现力,得到具有高质量的缺陷图像。针对不同镜片缺陷,检出准确率高,说明此方式适应于镜片表面缺陷检测。
第二、利用滤波、二值化、阈值分割和特征提取的处理,图像的灰度差别增大,利用灰度的差别,我们就能找出缺陷的位置,进而判断出缺陷的类型。
第三、因镜片属于透明的材质,当表面存在麻点、指纹、划伤等缺陷,根据光沿直线传播的原理,图像中缺陷位置处存在灰度的变化,如麻点体现的特征为一个亮点,划伤体现为一条亮线。增大灰度的变化可以更好计算出缺陷的位置。
第四、本发明为镜片检测提供智能解决方案,与人工检测相比,检测效率有效提高,还可减轻人工检测中强光对于人眼的视力损伤。
第五、本发明可以对检测数据进行记录,实现数据的可追溯性,现场产线可以根据计算的结果进行有条件的筛选,实现在线检测,提升检出效率,降低企业的运行成本。
第六、现有技术与本发明提供的技术对比,如下表所示:
当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明的公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是本发明提供的基于机器视觉的镜片缺陷检测方法的流程图。
图2是本发明提供的涉及到镜片表面的常见缺陷图。
图3是本发明提供的打光环境示意图;
其中,a为立体结构图,b为结构主视图,c为结构右视图。
图4是本发明提供的涉及到缺陷拍摄图;
其中,a为麻点图,b为划痕图,c为指纹图。
图5是本发明提供的缺陷放大图;
其中,a为麻点图,b为划痕图,c为指纹图。
图6是本发明提供的算法处理后的图像。
其中,a为麻点图,b为划痕图,c为指纹图。
图7是本发明提供的算法处理后的缺陷放大图;
其中,a为麻点图,b为划痕图,c为指纹图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施的限制。
需要说明的是,当元件被称为“固定于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本发明所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的,并不表示是唯一的实施方式。
除非另有定义,本发明所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本发明中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本发明所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
该基于机器视觉的镜片表面缺陷检测方法充分利用工业光源与工业相机,采用机器视觉的检测方法,实现了对镜片表面缺陷进行快速并准确地检测,并把数据进行实时处理。本发明的技术方案如下:
将两个面阵光源投射到镜片表面,利用光源的余光进行缺陷的检测,使麻点、指纹、划痕等缺陷被突显出来,使用工业相机采集投影图像;设备正常开启后,镜片在传动结构上传送,当镜片到达相机下方时,相机开始采图,并将图像信息实时传输到工控机中,实现镜片缺陷的快速在线检测;对采集的图像进行算法处理,突显了图像的灰度变化信息,提取图像中信息,通过算法判断缺陷的类型及其大小。
上述方法中,因镜片属于透明的材质,当表面存在麻点、指纹、划伤等缺陷,根据光沿直线传播的原理,图像中缺陷位置处存在灰度的变化,如麻点体现的特征为一个亮点,划伤体现为一条亮线。对图像进行中值滤波、二值化、阈值分割后,提取出缺陷所在位置,通过算法判断图像的灰度变化,继而判断缺陷的类型和大小。
下面结合图1对本申请提供的基于机器视觉的镜片表面缺陷检测方法进行详细介绍,该方法包括以下步骤:
S101、将两个面阵光源成一定的角度摆放,其角度根据镜片的直径大小进行设计,其范围在30度至80度。将光源照射到镜片表面,利用光源的余光进行缺陷的检测,使麻点、指纹、划痕等缺陷被突显出来,即缺陷位于光源明暗交接处的位置;
S102、设备正常开启后,镜片在传动结构上传送,当镜片到达相机下方时,相机开始采图,并将图像信息实时传输到工控机中,实现镜片缺陷的快速在线检测;
S103、对采集图像进行算法处理,突显缺陷的特征,利用缺陷的特征对缺陷进行分类,最终得出检测结果。
在步骤S101中,将两个面阵光源向两侧打光,光线投射到镜片表面,利用光源的余光进行缺陷的检测,在光源的余光中,麻点、指纹、划痕等缺陷被突显出来,使用工业相机采集投影图像,具体包括:
将相机和镜头模组垂直于镜片表面架设,将两个面阵光源成一定的角度摆放,其角度根据镜片的直径大小进行设计,其范围在30度至80度进行架设镜片与镜头下端距离为125mm,光源向设备两侧投射粗细均匀、间隔均匀的光线。如图3所示。然后使用摄像机采集图像,如图4所示。
在步骤S102中,设备正常开启后,镜片在传动结构上传送,当镜片到达相机下方时,相机立即开始采图,传动结构的相机与工控机直接相连,实时的将图像传递到工控机中,实现镜片检测的实时性、快速性。在具体的实施过程中,在传动结构上,镜片快速的移动,当相机捕捉到镜片时,快速抓取图像,然后将相机拍摄的图片实时的传输到工控机上,对镜片缺陷进行实时的在线检测。因镜片属于透明的材质,当表面存在麻点、指纹、划伤等缺陷,根据光沿直线传播的原理,图像中缺陷位置处存在灰度的变化,如麻点体现的特征为一个亮点,划伤体现为一条亮线。
在步骤S103中,为缩短灰度信息的提取时间,计算图像中像素点的灰度梯度和幅值,带有噪声干扰的镜片缺陷图像需经过有效的图像预处理、消除镜片中的无关信息、恢复其真实有效的信息,对图像进行滤波、二值化、特征提取、图像分割,最后提取出灰度发生变化的地方,以提高检测系统的可靠性。
鉴于待检测图片椒盐噪声多的特点,本发明采用中值滤波算法对镜片图像进行处理,从而消除引入的干扰信号,去除椒盐噪声增强缺陷信息。
对滤波后的图像进行了图像二值化,即选取一定的阈值,使灰度值在阈值以下的部分和大于阈值的部分分别设置为0和255。使整个图像呈现出明显的只有黑和白的视觉效果,处理后的图片缺陷区域与正常区域的灰度差别增大,便于缺陷的提取。
对任何坐标的(x,y)出的值由下式给出:
其中,TM是个阈值。
在一个实施例中,将经过滤波和二值化的图像分割划分出关键有意义的区域,也就是可能出现缺陷的区域,利用图像中需要提取的目标区域与其背景在灰度特性上的差异,把图像看作具有不同灰度级的两类区域(目标区域和背景区域)的组合,确定一个最合理的分割阈值,以确定图像中每个像素点应该属于目标区域还是背景区域,最终生成相应的二值图像,为后续的图像识别等操作做准备。
在一个实施例中,hough检测圆法去除边缘光圈,消除了由于拍摄镜片图像的边缘对后续的影响,避免了缺陷和边缘的混淆,实现了图像阈值分割的目的。
使整个图像呈现出明显的只有黑和白的视觉效果,处理后的图片缺陷区域与正常区域的灰度差别增大,便于缺陷的提取。
黑白图像中包含有背景信息和目标缺陷信息,背景像素在对测量结果产生影响的同时会增加图像处理的计算量,因此采用阈值分割法处理图像,粗略的分割出缺陷信息。利用图像中需要提取的目标区域与其背景在灰度特性上的差异,把图像看作具有不同灰度级的两类区域的组合,确定一个最合理的分割阈值,以确定图像中每个像素点应该属于目标区域还是背景区域,最终生成相应的二值图像。
本发明所提方法对大小为2448pixel*2048pixel的图像进行处理,处理过程与结果如图4所示。
本发明所提方法的工作原理部分,在步骤S101中,将两个面阵光源成一定的角度摆放,其角度根据镜片的直径大小进行设计,其范围在30度至80度,具体结构如图3所示。将光源照射到镜片表面,利用光源的余光进行缺陷的检测,使麻点、指纹、划痕等缺陷被突显出来,即缺陷位于光源明暗交接处的位置,至此镜片的缺陷已经完整展示出来;
在S102中,设备正常开启后,镜片在传动结构上传送,在运动控制模块的控制下,镜片水平运动,当相机捕捉到镜片时,相机开始采图,所采图片如图4所示,图5为所测缺陷的局部放大图,并将图像信息实时传输到工控机中,在无人参与的情况下,实现镜片缺陷的快速在线检测;
在S103中,运用图像处理模块对采集图像进行算法处理,突显缺陷的特征,利用缺陷的特征对缺陷进行分类,最终得出检测结果,结果如图6所示。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围应由所附的权利要求来限制。
Claims (10)
1.一种基于机器视觉的镜片表面缺陷检测方法,其特征在于,该基于机器视觉的镜片表面缺陷检测方法包括以下步骤:
步骤一、将两个面阵光源成角度摆放,将光源照射到镜片表面,利用光源的余光进行缺陷的检测,使麻点、指纹、划痕缺陷被突显出来,使缺陷位于光源明暗交接处的位置;
步骤二、镜片在传动结构上传送,当镜片到达相机下方时,相机开始采图,并将图像信息实时传输到工控机中,实现镜片缺陷的快速在线检测;
步骤三、对采集图像进行算法处理,突显缺陷的特征,利用缺陷的特征对缺陷进行分类,最终得出检测结果。
2.根据权利要求1所述的基于机器视觉的镜片表面缺陷检测方法,其特征在于,面阵光源的角度根据镜片的直径大小进行设计,其角度范围为30度至80度。
3.根据权利要求1所述的基于机器视觉的镜片表面缺陷检测方法,其特征在于,在步骤一中,将相机和镜头模组垂直于镜片表面架设,镜片与镜头下端距离为125mm,光源向设备两侧投射粗细均匀、间隔均匀的光线。
4.根据权利要求1所述的基于机器视觉的镜片表面缺陷检测方法,其特征在于,在步骤二中,在传动结构上,镜片快速的移动,当相机捕捉到镜片时抓取图像,然后将相机拍摄的图片实时的传输到工控机上,对镜片缺陷进行在线检测。
5.根据权利要求1所述的基于机器视觉的镜片表面缺陷检测方法,其特征在于,在步骤三中,为缩短灰度信息的提取时间,计算图像中像素点的灰度梯度和幅值,带有噪声干扰的镜片缺陷图像经过有效的图像预处理、消除镜片中的无关信息、恢复其真实有效的信息,对图像进行滤波、二值化、特征提取、图像分割,最后提取出灰度发生变化的地方。
7.根据权利要求5所述的基于机器视觉的镜片表面缺陷检测方法,其特征在于,将经过滤波和二值化的图像分割划分出关键有意义的区域,利用图像中需要提取的目标区域与其背景在灰度特性上的差异,把图像看作具有不同灰度级的目标区域和背景区域的组合,确定一个最合理的分割阈值,以确定图像中每个像素点应该属于目标区域还是背景区域,最终生成相应的二值图像。
8.一种实现如权利要求1至7任意一项所述基于机器视觉的镜片表面缺陷检测方法的系统,其特征在于,基于机器视觉的镜片表面缺陷检测系统包括:
运动控制模块,用于镜片的传送,当镜片运动出现在镜头下方时,开启拍照,直至镜头捕捉不到镜片;
图像采集模块,与所述运动控制模块和图像处理模块相连接,用于图像的拍摄和传递;
图像处理模块,与所述图像采集模块相连接,用于处理采集到的图片,将图片中的缺陷用算法检测出来。
9.一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施如权利要求1-7任意一项所述基于机器视觉的镜片表面缺陷检测方法。
10.一种信息数据处理终端,其特征在于,所述信息数据处理终端包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1-7任意一项所述的基于机器视觉的镜片表面缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110646442.3A CN113252568A (zh) | 2021-06-10 | 2021-06-10 | 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110646442.3A CN113252568A (zh) | 2021-06-10 | 2021-06-10 | 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113252568A true CN113252568A (zh) | 2021-08-13 |
Family
ID=77187413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110646442.3A Pending CN113252568A (zh) | 2021-06-10 | 2021-06-10 | 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113252568A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113390885A (zh) * | 2021-08-17 | 2021-09-14 | 济南邦德激光股份有限公司 | 一种激光头切割保护镜状态检测装置及检测方法 |
CN114113110A (zh) * | 2021-11-26 | 2022-03-01 | 博迈科海洋工程股份有限公司 | 一种基于机器视觉的天然气管线保温层缺陷检测方法 |
CN114136987A (zh) * | 2021-12-03 | 2022-03-04 | 中科计算技术西部研究院 | 一种镜片形变缺陷检测装置及方法 |
CN115070779A (zh) * | 2022-08-22 | 2022-09-20 | 菲特(天津)检测技术有限公司 | 机器人抓取控制方法、系统及电子设备 |
CN115393358A (zh) * | 2022-10-28 | 2022-11-25 | 菲特(天津)检测技术有限公司 | 一种镜片检测方法及多工位检测装置 |
CN115393357A (zh) * | 2022-10-28 | 2022-11-25 | 菲特(天津)检测技术有限公司 | 一种镜片表面缺陷检测方法 |
CN117058078A (zh) * | 2023-08-01 | 2023-11-14 | 中科慧远视觉技术(洛阳)有限公司 | 缺陷检测系统及方法、存储介质、电子设备 |
CN114136987B (zh) * | 2021-12-03 | 2024-04-30 | 中科计算技术西部研究院 | 一种镜片形变缺陷检测装置及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105891233A (zh) * | 2016-05-26 | 2016-08-24 | 福州大学 | 基于机器视觉的镜片表面缺陷智能检测系统及其实现方法 |
CN107255641A (zh) * | 2017-06-06 | 2017-10-17 | 西安理工大学 | 一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法 |
CN109030495A (zh) * | 2018-06-26 | 2018-12-18 | 大连鉴影光学科技有限公司 | 一种基于机器视觉技术的光学元件缺陷检测方法 |
CN111551568A (zh) * | 2020-06-04 | 2020-08-18 | 哈尔滨理工大学 | 一种基于机器视觉的镜片缺陷检测与分类方法 |
-
2021
- 2021-06-10 CN CN202110646442.3A patent/CN113252568A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105891233A (zh) * | 2016-05-26 | 2016-08-24 | 福州大学 | 基于机器视觉的镜片表面缺陷智能检测系统及其实现方法 |
CN107255641A (zh) * | 2017-06-06 | 2017-10-17 | 西安理工大学 | 一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法 |
CN109030495A (zh) * | 2018-06-26 | 2018-12-18 | 大连鉴影光学科技有限公司 | 一种基于机器视觉技术的光学元件缺陷检测方法 |
CN111551568A (zh) * | 2020-06-04 | 2020-08-18 | 哈尔滨理工大学 | 一种基于机器视觉的镜片缺陷检测与分类方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113390885A (zh) * | 2021-08-17 | 2021-09-14 | 济南邦德激光股份有限公司 | 一种激光头切割保护镜状态检测装置及检测方法 |
CN114113110A (zh) * | 2021-11-26 | 2022-03-01 | 博迈科海洋工程股份有限公司 | 一种基于机器视觉的天然气管线保温层缺陷检测方法 |
CN114113110B (zh) * | 2021-11-26 | 2023-10-13 | 博迈科海洋工程股份有限公司 | 一种基于机器视觉的天然气管线保温层缺陷检测方法 |
CN114136987A (zh) * | 2021-12-03 | 2022-03-04 | 中科计算技术西部研究院 | 一种镜片形变缺陷检测装置及方法 |
CN114136987B (zh) * | 2021-12-03 | 2024-04-30 | 中科计算技术西部研究院 | 一种镜片形变缺陷检测装置及方法 |
CN115070779A (zh) * | 2022-08-22 | 2022-09-20 | 菲特(天津)检测技术有限公司 | 机器人抓取控制方法、系统及电子设备 |
CN115393358A (zh) * | 2022-10-28 | 2022-11-25 | 菲特(天津)检测技术有限公司 | 一种镜片检测方法及多工位检测装置 |
CN115393357A (zh) * | 2022-10-28 | 2022-11-25 | 菲特(天津)检测技术有限公司 | 一种镜片表面缺陷检测方法 |
CN115393357B (zh) * | 2022-10-28 | 2023-01-17 | 菲特(天津)检测技术有限公司 | 一种镜片表面缺陷检测方法 |
CN115393358B (zh) * | 2022-10-28 | 2023-01-31 | 菲特(天津)检测技术有限公司 | 一种镜片检测方法及多工位检测装置 |
CN117058078A (zh) * | 2023-08-01 | 2023-11-14 | 中科慧远视觉技术(洛阳)有限公司 | 缺陷检测系统及方法、存储介质、电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113252568A (zh) | 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端 | |
CN106053479B (zh) | 一种基于图像处理的工件外观缺陷的视觉检测系统 | |
GB2569751A (en) | Static infrared thermal image processing-based underground pipe leakage detection method | |
CN109490316A (zh) | 一种基于机器视觉的表面缺陷检测算法 | |
CN105891233A (zh) | 基于机器视觉的镜片表面缺陷智能检测系统及其实现方法 | |
CN106824806A (zh) | 基于机器视觉的小模数塑料齿轮的检测系统及检测方法 | |
CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
CN112184648A (zh) | 一种基于深度学习的活塞表面缺陷检测方法及系统 | |
CN110189375A (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
CN110096980A (zh) | 字符检测识别系统 | |
CN111665199A (zh) | 一种基于机器视觉的电线电缆颜色检测识别方法 | |
CN113177924A (zh) | 一种工业流水线产品瑕疵检测方法 | |
CN108802052A (zh) | 一种关于拉链缺陷的检测系统及其检测方法 | |
Fu et al. | Medicine glass bottle defect detection based on machine vision | |
Fu et al. | Research on image-based detection and recognition technologies for cracks on rail surface | |
CN114612418A (zh) | 一种鼠标外壳表面缺陷检测方法及装置、系统、电子设备 | |
CN109387524A (zh) | 基于线性偏振光的螺纹缺陷检测方法及装置 | |
CN111563869B (zh) | 用于摄像模组质检的污点测试方法 | |
Lin et al. | Defect detection system for optical element surface based on machine vision | |
CN115294119B (zh) | 基于机器视觉的梅花螺纹头部内槽污渍检测方法 | |
CN109544535B (zh) | 一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法及系统 | |
CN116500052A (zh) | 一种食用油杂质视觉检测系统及其使用方法 | |
Huang et al. | Mango surface defect detection based on HALCON | |
CN114755236A (zh) | 一种回转曲面电镀件表面缺陷的检测系统及方法 | |
Lin et al. | Incorporating Visual Defect Identification and Determination of Occurrence Side in Touch Panel Quality Inspection |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210813 |
|
RJ01 | Rejection of invention patent application after publication |