CN114486918B - 一种自适应产品外观缺陷定位方法及系统 - Google Patents

一种自适应产品外观缺陷定位方法及系统 Download PDF

Info

Publication number
CN114486918B
CN114486918B CN202210137839.4A CN202210137839A CN114486918B CN 114486918 B CN114486918 B CN 114486918B CN 202210137839 A CN202210137839 A CN 202210137839A CN 114486918 B CN114486918 B CN 114486918B
Authority
CN
China
Prior art keywords
image
product
adaptive
connected domain
detection target
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
CN202210137839.4A
Other languages
English (en)
Other versions
CN114486918A (zh
Inventor
乔留春
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.)
Luster LightTech Co Ltd
Original Assignee
Luster LightTech 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 Luster LightTech Co Ltd filed Critical Luster LightTech Co Ltd
Priority to CN202210137839.4A priority Critical patent/CN114486918B/zh
Publication of CN114486918A publication Critical patent/CN114486918A/zh
Application granted granted Critical
Publication of CN114486918B publication Critical patent/CN114486918B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01N21/84—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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G01N2021/0106—General arrangement of respective parts
    • G01N2021/0112—Apparatus in one mechanical, optical or electronic block
    • 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
    • G01N2021/8887—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 based on image processing techniques
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供一种自适应产品外观缺陷定位方法及系统，方法包括获取待测产品图像；对待测产品图像进行预处理，获得待处理连通域；对待处理连通域进行Blob分析，获得初筛参数；获取待处理的特定连通域，特定连通域通过设置相应的初筛参数得到；判断待测产品图像中检测目标是否满足预设条件；满足预设条件，将特定连通域输出为自适应ROI定位区域；不满足预设条件，通过模板匹配算法对特定连通域进行处理，得到自适应匹配ROI定位区域。本申请采用Blob分析和模板匹配算法相结合的定位方法，排除了待测产品图像的噪声干扰，大幅度缩小了匹配搜索的范围，可以快速定位检测区域跳动跨度大时产品外观缺陷的有效检测区域，定位时间较短。

Description

一种自适应产品外观缺陷定位方法及系统
技术领域
本申请涉及工业外观缺陷检测定位技术领域，尤其涉及一种自适应产品外观缺陷定位方法及系统。
背景技术
在智能工业检测领域中，需要对产品表面的凹坑、凸起、划痕、脏污等产品外观缺陷进行检测。在检测产品外观缺陷时，首先要获取该产品外观缺陷的有效检测区域，即ROI区域，有效检测区域，即ROI区域通常采用具有实时监控、实时检测、质量可控特点的机器视觉检测方法定位得到。
现有技术中，产品外观缺陷定位方法采用基于灰度或形状特性的图像快速匹配算法对产品外观缺陷的有效检测区域，即ROI区域进行定位。但是当待测产品图像中存在相距较远的多个规格尺寸/形态相同或相似产品时，需要对待测产品图像进行全图搜索完成定位，定位时间较长，匹配效率低，不能快速精准地定位产品外观缺陷的有效检测区域，即ROI区域。
发明内容
本申请提供了一种自适应产品外观缺陷定位方法及系统，以解决现有技术中当待测产品图像中存在相距较远的多个规格尺寸/形态相同或相似产品时，需要对待测产品图像进行全图搜索完成定位，定位时间较长，匹配效率低，不能快速精准地定位产品外观缺陷的有效检测区域，即ROI区域的问题。
一方面，本申请提供一种自适应产品外观缺陷定位方法，包括以下步骤：
获取待测产品图像；
对所述待测产品图像进行预处理，获得所述待测产品图像的待处理连通域；
对所述待处理连通域进行Blob分析，获得所述待处理连通域的初筛参数；
获取待处理的特定连通域，所述特定连通域通过设置相应的初筛参数得到；
判断所述待测产品图像中检测目标是否满足预设条件，所述预设条件包括检测目标的唯一性或检测目标的辨识程度；
满足预设条件，将所述特定连通域输出为包含所述检测目标的自适应ROI定位区域；
不满足预设条件，通过模板匹配算法对所述特定连通域进行处理，得到包含所述检测目标的自适应匹配ROI定位区域。
上述技术方案中，初筛参数需要结合产品的形态特征和实际检测需求进行相应设置，从而对待处理连通域进行初步筛选，将产品外观缺陷的范围进一步缩小到特定连通域。预设条件指的是是否需要开启模板匹配的条件，预设条件包括检测目标是否唯一和检测目标的辨识程度是否较高；满足预设条件，即检测目标唯一，且辨识程度较高，则不需要开启模板匹配；不满足预设条件，即检测目标不唯一，且辨识程度较低，无明显特征可与其他无效区域区分开，则需要开启模板匹配进一步进行匹配定位。
在本申请的较佳实施例中，对所述待测产品图像进行预处理，获得所述待测产品图像的待处理连通域，包括：
对所述待测产品图像进行平滑处理，获得第一图像；
对所述第一图像进行二值化处理，获得第二图像；
对所述第二图像进行形态学处理，获得所述待测产品图像的待处理连通域。
在本申请的较佳实施例中，不满足预设条件，通过模板匹配算法对所述特定连通域进行处理，得到包含所述检测目标的自适应匹配ROI定位区域，包括：
对所述特定连通域进行区域闭合和区域扩展处理，得到第三图像；
将所述第三图像与所述待测产品图像进行交集运算，得到待匹配小图；
对所述待匹配小图进行图像增强处理，得到第四图像；
根据所述第四图像中的检测目标特征，选择对应的灰度模板匹配算法或形状模板匹配算法进行处理，得到包含所述检测目标的自适应匹配ROI定位区域。
在本申请的较佳实施例中，根据所述第四图像中的检测目标特征，选择对应的灰度模板匹配算法或形状模板匹配算法进行处理，得到包含所述检测目标的自适应匹配ROI定位区域，包括：
根据所述第四图像创建模板匹配图像；
将待测产品图像和所述模板匹配图像进行对比，得到对应的匹配分数；
若所述匹配分数大于等于预设分数，则匹配成功，得到包含所述检测目标的自适应匹配ROI定位区域；
若所述匹配分数小于预设分数，则匹配失败，将所述特定连通域输出为包含所述检测目标的自适应ROI定位区域。
在本申请的较佳实施例中，将所述第三图像与所述待测产品图像进行交集运算，得到待匹配小图，包括：
获取所述第三图像的外接正矩形；
将所述外接正矩形与所述待测产品图像进行交集运算，得到待匹配小图。
在本申请的较佳实施例中，所述外接正矩形通过外接正矩形算子进行获取。
在本申请的较佳实施例中，初筛参数包括产品的尺寸、方位角和形态特征。
另一方面，本申请还提供一种自适应产品外观缺陷定位系统，系统包括：相互连接的获取单元、预处理单元、初筛单元、判断单元和自适应模板匹配单元，
其中，所述获取单元被配置为：
获取待测产品图像并传输至所述预处理单元；
所述预处理单元被配置为：
对所述获取单元获取到的待测产品图像进行预处理，获得所述待测产品图像的待处理连通域；
所述初筛单元被配置为：
对所述预处理单元得到的待处理连通域进行Blob分析，获得所述待处理连通域的初筛参数；
获取待处理的特定连通域，所述特定连通域通过设置相应的初筛参数得到；
所述判断单元被配置为：
判断所述待测产品图像中检测目标是否满足预设条件，所述预设条件包括检测目标的唯一性或检测目标的辨识程度；
所述自适应模板匹配单元被配置为：
若所述判断单元的判断结果为满足预设条件，将所述特定连通域输出为包含所述检测目标的自适应ROI定位区域；
若所述判断单元的判断结果为不满足预设条件，通过所述自适应模板匹配单元中的模板匹配算法对所述特定连通域进行处理，得到包含所述检测目标的自适应匹配ROI定位区域。
第三方面，本申请提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现一种自适应产品外观缺陷定位方法的步骤。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现一种自适应产品外观缺陷定位方法的步骤。
本申请提供的一种自适应产品外观缺陷定位方法及系统，相较于现有技术而言，具有以下有益效果：
(1)本申请通过自适应的图像预处理初步筛选出产品外观缺陷的疑似有效检测区域，进一步采用Blob分析和模板匹配算法相结合的定位方法，排除了待测产品图像的噪声干扰，大幅度缩小了匹配搜索的范围，可以快速定位检测区域跳动跨度大时产品外观缺陷的有效检测区域，定位时间较短。
(2)本申请通过在较小的范围内进行图像快速匹配，并对小范围的待匹配区域进行局部图像增强处理，缩短了图像增强处理的数据量，大幅减低了匹配时间，提高了匹配精度。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本申请实施例1的一种自适应产品外观缺陷定位方法流程图；
图2为本实施例1中步骤S200的流程图；
图3为本实施例1中步骤S700的流程图；
图4为本实施例1中步骤S704的流程图；
图5为本申请应用例的待测产品图像示意图。
具体实施方式
为使本申请的目的、实施方式和优点更加清楚，下面将结合本申请示例性实施例中的附图，对本申请示例性实施方式进行清楚、完整地描述，显然，所描述的示例性实施例仅是本申请一部分实施例，而不是全部的实施例。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
基于本申请描述的示例性实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请所附权利要求保护的范围。此外，虽然本申请中公开内容按照示范性一个或几个实例来介绍，但应理解，可以就这些公开内容的各个方面也可以单独构成一个完整实施方式。
需要说明的是，本申请中对于术语的简要说明，仅是为了方便理解接下来描述的实施方式，而不是意图限定本申请的实施方式。除非另有说明，这些术语应当按照其普通和通常的含义理解。
为便于对申请的技术方案进行，以下首先在对本申请所涉及到的一些概念进行说明。
在本申请中，诸如“第一”、“第二”、“第三”和“第四”等术语仅仅是用来将一个实体或者操作与另一个实体或者操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或顺序。另外，术语“包括”、“还包括”、“被配置为”或者任何其他变体意在涵盖非排他性的包含，从而使得其不仅包括明确列出的要素，还包括没有明确列出的其他要素。而且，本申请中的描述方位的词语“上”等均是根据本申请的附图位置或者该产品在实际使用时的方位进行描述，因此，不会造成本申请的方案不清楚。
机器视觉检测方法中包括时效性很强的图像定位算法，可以保证在检测时间满足要求的情况下，提高算法定位效率和定位精度。
机器视觉检测方法定位耗时太长，由于智能工业检测对产品的检测时间要求很高，定位时间较长会导致检测时间中留给主检流程的时间不够，所以主检流程中需要结合大量的优化检测算法进行优化检测，缩短主检流程的检测时间，但是其无法在检测区域跳动跨度较大，即相同或相似检测目标在待测产品图像中的距离较远时快速定位产品外观缺陷的有效检测区域，即ROI区域。
现有技术中的产品外观缺陷定位方法对相机成像质量要求过高，同时，若成像背景复杂，更容易受背景噪声干扰。
实施例1
如图1所示，本申请实施例1提供了一种自适应产品外观缺陷定位方法，包括以下步骤：
S100，获取待测产品图像；
S200，对所述待测产品图像进行预处理，获得所述待测产品图像的待处理连通域；
S300，对所述待处理连通域进行Blob分析，获得所述待处理连通域的初筛参数，所述初筛参数包括尺寸、方位角和形态特征；
S400，获取待处理的特定连通域，所述特定连通域通过设置相应的初筛参数得到；
S500，判断所述待测产品图像中检测目标是否满足预设条件，所述预设条件包括检测目标的唯一性或检测目标的辨识程度；
S600，满足预设条件，将所述特定连通域输出为包含所述检测目标的自适应ROI定位区域；
S700，不满足预设条件，通过模板匹配算法对所述特定连通域进行处理，得到包含所述检测目标的自适应匹配ROI定位区域。
需要说明的是，步骤S100中的待测产品图像可通过相机拍摄得到。步骤S200中预处理包括采用多种图像处理算法对待测产品图像进行处理，本实施例1仅列出最佳的图像处理算法处理过程，本领域技术人员还可根据实际需要在本实施例1的基础上增加其他图像处理算法，以满足实际应用中可能会出现的多种情况。步骤S400中相应的初筛参数需要结合产品的形态特征和实际检测需求进行设置，从而对步骤S200中得到的待处理连通域进行初步筛选，将产品外观缺陷的范围进一步缩小到特定连通域。步骤S500中预设条件即为本实施例1中是否需要开启模板匹配的条件，预设条件包括检测目标是否唯一和检测目标的辨识程度是否较高；满足预设条件，即检测目标唯一，且辨识程度较高，则不需要开启模板匹配，可得到步骤S600中的自适应ROI定位区域；不满足预设条件，即检测目标不唯一，且辨识程度较低，无明显特征可与其他无效区域区分开，则需要开启模板匹配进一步进行匹配定位，得到步骤S700中的自适应匹配ROI定位区域。
进一步地，在本实施例1的一种具体实施方式中，如图2所示，步骤S200具体包括以下步骤：
S201，对所述待测产品图像进行平滑处理，获得第一图像；
S202，对所述第一图像进行二值化处理，获得第二图像；
S203，对所述第二图像进行形态学处理，获得所述待测产品图像的待处理连通域。
需要特别说明的是，步骤S201中平滑处理是为了减少待测产品图像中的噪声干扰。另外，上述第一图像、第二图像均为在图像处理过程中的中间图像，并无任何实质性含义，也不存在任何前后顺序之分。
进一步地，在本实施例1的一种具体实施方式中，如图3所示，步骤S700具体包括以下步骤：
S701，对所述特定连通域进行区域闭合和区域扩展处理，得到第三图像；
S702，将所述第三图像与所述待测产品图像进行交集运算，得到待匹配小图；
S703，对所述待匹配小图进行图像增强处理，得到第四图像；
S704，根据所述第四图像中的检测目标特征，选择对应的灰度模板匹配算法或形状模板匹配算法进行处理，得到包含所述检测目标的自适应匹配ROI定位区域。
其中，步骤S701中对特定连通域进行区域闭合和区域扩展处理，是为了减少步骤S203中二值化处理过程中边缘轮廓区域像素损伤对产品外观缺陷定位结果的影响。步骤S702中待匹配小图是通过外接正矩形算子获取所述第三图像的外接正矩形，然后将所述外接正矩形与所述待测产品图像进行交集运算后得到的。步骤S703中对所述待匹配小图进行图像增强处理为局部图像增强，可以提高待匹配小图的图像对比度，减少轮廓噪点，一定程度上可以容忍打光不均匀造成的噪声干扰，进一步提高步骤S704中采用模板匹配算法处理的精度，并且，局部图像增强相对于对整个待测产品图像进行图像增强处理而言，耗时较短，步骤S704中的灰度模板匹配算法在第四图像中检测目标无明显轮廓的情况下使用，形状模板匹配算法在第四图像中检测目标有明显轮廓的情况下使用。另外，上述第三图像、第四图像均为在图像处理过程中的中间图像，仅为了更好说明本申请的技术方案，并无任何实质性含义，也不存在任何前后顺序之分。
更进一步地，在本实施例1的一种具体实施方式中，如图4所示，步骤S704，包括以下步骤：
S7040，根据所述第四图像创建模板匹配图像；
S7041，将待测产品图像和所述模板匹配图像进行对比，得到对应的匹配分数；
S7042，若所述匹配分数大于等于预设分数，则匹配成功，得到包含所述检测目标的自适应匹配ROI定位区域；
S7043，若所述匹配分数小于预设分数，则匹配失败，将所述特定连通域输出为包含所述检测目标的自适应ROI定位区域。
需要说明的是，上述预设分数为本领域技术人员根据实际经验进行设定的分数，只要能够满足本申请的技术方案的所有预设分数均可采用，本申请对其不做限制，但是未公开预设分数的具体数值范围并不会对本申请的技术方案本身产生任何实质性影响。
实施例2
与前述一种自适应产品外观缺陷定位方法的实施例1相对应，本申请还提供了一种自适应产品外观缺陷定位系统的实施例2。系统包括：相互连接的获取单元、预处理单元、初筛单元、判断单元和自适应模板匹配单元，
其中，所述获取单元被配置为：
获取待测产品图像并传输至所述预处理单元；
所述预处理单元被配置为：
对所述获取单元获取到的待测产品图像进行预处理，获得所述待测产品图像的待处理连通域；
所述初筛单元被配置为：
对所述预处理单元得到的待处理连通域进行Blob分析，获得所述待处理连通域的初筛参数，所述初筛参数包括尺寸、方位角和形态特征；
获取待处理的特定连通域，所述特定连通域通过设置相应的初筛参数得到；
所述判断单元被配置为：
判断所述待测产品图像中检测目标是否满足预设条件，所述预设条件包括检测目标的唯一性或检测目标的辨识程度；
所述自适应模板匹配单元被配置为：
若所述判断单元的判断结果为满足预设条件，将所述特定连通域输出为包含所述检测目标的自适应ROI定位区域；
若所述判断单元的判断结果为不满足预设条件，通过所述自适应模板匹配单元中的模板匹配算法对所述特定连通域进行处理，得到包含所述检测目标的自适应匹配ROI定位区域。
本申请还提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现实施例1的一种自适应产品外观缺陷定位方法的步骤。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现实施例1的一种自适应产品外观缺陷定位方法的步骤。
应用例
如图5所示，为本申请应用例获取到的一张待测产品图像，且该待测产品图像中包含两个待匹配小图，即待测产品图像上方的待匹配小图1和待匹配小图2，待匹配小图2在待测产品图像中有两个，且在待测产品图像中距离较远，即检测目标区域跳动跨度较大。
采用本申请实施例1的方法对如图5所示的待测产品图像进行处理后，筛选定位出三个ROI区域，即ROI区域1、ROI区域2和ROI区域3。
将待匹配小图1(检测目标1)与待测产品图像进行对比，可知，待匹配小图1(检测目标1)在图5所示的待测产品图像中辨识程度较高，且唯一，因此属于步骤S600中满足预设条件的检测目标，可根据相应处理直接得到包含待匹配小图1(检测目标1)的自适应ROI定位区域，即图5中的ROI区域1部分。
将待匹配小图2(检测目标2)与待测产品图像进行对比，可知，待匹配小图2(检测目标2)在图5所示的待测产品图像中辨识程度较弱，且不唯一，因此属于步骤S700中不满足预设条件的检测目标，可根据相应模板匹配进一步处理得到包含待匹配小图2(检测目标2)的自适应匹配ROI定位区域，即图5中的ROI区域2和ROI区域3部分。
综上可知，通过本申请的技术方案可以大幅缩小模板匹配搜索的范围，即使模板匹配失败，采用本申请的定位方法得到的疑似定位区域较少，在后续检测算法需要处理的疑似定位区域也大幅减少，需要的检测时间更短，可以提高30％以上的产品外观缺陷检测时间。
本申请提供的实施例之间的相似部分相互参见即可，以上提供的具体实施方式只是本申请总的构思下的几个示例，并不构成本申请保护范围的限定。对于本领域的技术人员而言，在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。

Claims (8)

1.一种自适应产品外观缺陷定位方法，其特征在于，包括以下步骤：
获取待测产品图像；
对所述待测产品图像进行预处理，获得所述待测产品图像的待处理连通域；
对所述待处理连通域进行Blob分析，获得所述待处理连通域的初筛参数；
获取待处理的特定连通域，所述特定连通域通过设置相应的初筛参数得到；
判断所述待测产品图像中检测目标是否满足预设条件，所述预设条件包括检测目标的唯一性或检测目标的辨识程度；
满足预设条件，将所述特定连通域输出为包含所述检测目标的自适应ROI定位区域；
不满足预设条件，对所述特定连通域进行区域闭合和区域扩展处理，得到第三图像；
获取所述第三图像的外接正矩形；
将所述外接正矩形与所述待测产品图像进行交集运算，得到待匹配小图；
对所述待匹配小图进行图像增强处理，得到第四图像；
根据所述第四图像中的检测目标特征，选择对应的灰度模板匹配算法或形状模板匹配算法进行处理，得到包含所述检测目标的自适应匹配ROI定位区域。
2.根据权利要求1所述的一种自适应产品外观缺陷定位方法，其特征在于，对所述待测产品图像进行预处理，获得所述待测产品图像的待处理连通域，包括：
对所述待测产品图像进行平滑处理，获得第一图像；
对所述第一图像进行二值化处理，获得第二图像；
对所述第二图像进行形态学处理，获得所述待测产品图像的待处理连通域。
3.根据权利要求1所述的一种自适应产品外观缺陷定位方法，其特征在于，根据所述第四图像中的检测目标特征，选择对应的灰度模板匹配算法或形状模板匹配算法进行处理，得到包含所述检测目标的自适应匹配ROI定位区域，包括：
根据所述第四图像创建模板匹配图像；
将待测产品图像和所述模板匹配图像进行对比，得到对应的匹配分数；
若所述匹配分数大于等于预设分数，则匹配成功，得到包含所述检测目标的自适应匹配ROI定位区域；
若所述匹配分数小于预设分数，则匹配失败，将所述特定连通域输出为包含所述检测目标的自适应ROI定位区域。
4.根据权利要求1所述的一种自适应产品外观缺陷定位方法，其特征在于，
所述外接正矩形通过外接正矩形算子进行获取。
5.根据权利要求1-4任意一项所述的一种自适应产品外观缺陷定位方法，其特征在于，
初筛参数包括产品的尺寸、方位角和形态特征。
6.一种自适应产品外观缺陷定位系统，其特征在于，采用如权利要求1-5任意一项所述的一种自适应产品外观缺陷定位方法，系统包括：相互连接的获取单元、预处理单元、初筛单元、判断单元和自适应模板匹配单元，
其中，所述获取单元被配置为：
获取待测产品图像并传输至所述预处理单元；
所述预处理单元被配置为：
对所述获取单元获取到的待测产品图像进行预处理，获得所述待测产品图像的待处理连通域；
所述初筛单元被配置为：
对所述预处理单元得到的待处理连通域进行Blob分析，获得所述待处理连通域的初筛参数；
获取待处理的特定连通域，所述特定连通域通过设置相应的初筛参数得到；
所述判断单元被配置为：
判断所述待测产品图像中检测目标是否满足预设条件，所述预设条件包括检测目标的唯一性或检测目标的辨识程度；
所述自适应模板匹配单元被配置为：
若所述判断单元的判断结果为满足预设条件，将所述特定连通域输出为包含所述检测目标的自适应ROI定位区域；
若所述判断单元的判断结果为不满足预设条件，对所述特定连通域进行区域闭合和区域扩展处理，得到第三图像；
获取所述第三图像的外接正矩形；
将所述外接正矩形与所述待测产品图像进行交集运算，得到待匹配小图；
对所述待匹配小图进行图像增强处理，得到第四图像；
根据所述第四图像中的检测目标特征，选择对应的灰度模板匹配算法或形状模板匹配算法进行处理，得到包含所述检测目标的自适应匹配ROI定位区域。
7.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-5任意一项所述的一种自适应产品外观缺陷定位方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5任意一项所述的一种自适应产品外观缺陷定位方法的步骤。
CN202210137839.4A 2022-02-15 2022-02-15 一种自适应产品外观缺陷定位方法及系统 Active CN114486918B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210137839.4A CN114486918B (zh) 2022-02-15 2022-02-15 一种自适应产品外观缺陷定位方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210137839.4A CN114486918B (zh) 2022-02-15 2022-02-15 一种自适应产品外观缺陷定位方法及系统

Publications (2)

Publication Number Publication Date
CN114486918A CN114486918A (zh) 2022-05-13
CN114486918B true CN114486918B (zh) 2023-11-10

Family

ID=81479935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210137839.4A Active CN114486918B (zh) 2022-02-15 2022-02-15 一种自适应产品外观缺陷定位方法及系统

Country Status (1)

Country Link
CN (1) CN114486918B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110390682A (zh) * 2019-09-19 2019-10-29 视睿（杭州）信息科技有限公司 一种模板自适应的图像分割方法、系统和可读存储介质
CN111028213A (zh) * 2019-12-04 2020-04-17 北大方正集团有限公司 图像缺陷检测方法、装置、电子设备及存储介质
CN112802015A (zh) * 2020-05-08 2021-05-14 视睿（杭州）信息科技有限公司 基于模板匹配的工业颗粒连片制品图像切割方法、装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105260733A (zh) * 2015-09-11 2016-01-20 北京百度网讯科技有限公司 用于处理图像信息的方法和装置
US10489928B2 (en) * 2018-02-23 2019-11-26 Librestream Technologies Inc. Image processing system for inspecting object distance and dimensions using a hand-held camera with a collimated laser

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110390682A (zh) * 2019-09-19 2019-10-29 视睿（杭州）信息科技有限公司 一种模板自适应的图像分割方法、系统和可读存储介质
CN111028213A (zh) * 2019-12-04 2020-04-17 北大方正集团有限公司 图像缺陷检测方法、装置、电子设备及存储介质
CN112802015A (zh) * 2020-05-08 2021-05-14 视睿（杭州）信息科技有限公司 基于模板匹配的工业颗粒连片制品图像切割方法、装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于ROI的银触点模板匹配缺陷的检测法;刘好洁;杨建玺;赵远方;白连胜;;机械设计与制造(02);第10-15页 *

Also Published As

Publication number Publication date
CN114486918A (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
CN111292305B (zh) 一种改进型yolo-v3的金属加工表面缺陷检测方法
CN108022233A (zh) 一种基于改进型Canny算子的工件边缘提取方法
Fujita et al. A robust automatic crack detection method from noisy concrete surfaces
CN113570605B (zh) 一种基于液晶显示面板的缺陷检测方法和系统
CN107230203B (zh) 基于人眼视觉注意机制的铸件缺陷识别方法
CN106920245B (zh) 一种边界检测的方法及装置
CN108492327B (zh) Aoi图像匹配方法、系统、可读存储介质及智能设备
Saif et al. Gradient based image edge detection
CN115294159B (zh) 金属紧固件腐蚀区域分割方法
CN109816051B (zh) 一种危化品货物特征点匹配方法及系统
CN116152115B (zh) 基于计算机视觉的垃圾图像去噪处理方法
KR20180090756A (ko) 비전 시스템에서 컬러 이미지에 대해 컬러 후보 포즈들의 점수화를 위한 시스템 및 방법
CN111242888A (zh) 一种基于机器视觉的图像处理方法及系统
CN110930425B (zh) 基于邻域向量内积局部对比度图像增强的损伤目标检测方法
CN112085700A (zh) X射线图像中焊缝区域的自动化提取方法、系统及介质
CN112164079B (zh) 一种声呐图像分割方法
CN114486918B (zh) 一种自适应产品外观缺陷定位方法及系统
CN110443790B (zh) 一种医学影像中软骨识别方法和识别系统
CN116883498A (zh) 基于灰度质心提取算法的视觉合作靶标特征点定位方法
CN113012181A (zh) 一种基于Hough变换的新型类圆形检测方法
CN113705672B (zh) 图像目标检测的阈值选取方法、系统、装置及存储介质
CN114913112A (zh) 晶圆双边缘检测方法和装置及设备
CN112686222A (zh) 星载可见光探测器对船舶目标检测的方法和系统
Naeem et al. A framework to select edge detection method using multi-criteria decision making
CN117078665B (zh) 产品表面缺陷检测方法、装置、存储介质和电子设备

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