CN114638825B - 一种基于图像分割的缺陷检测方法和检测系统 - Google Patents

一种基于图像分割的缺陷检测方法和检测系统 Download PDF

Info

Publication number
CN114638825B
CN114638825B CN202210512061.0A CN202210512061A CN114638825B CN 114638825 B CN114638825 B CN 114638825B CN 202210512061 A CN202210512061 A CN 202210512061A CN 114638825 B CN114638825 B CN 114638825B
Authority
CN
China
Prior art keywords
defect
shadow
incident
image
light
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
CN202210512061.0A
Other languages
English (en)
Other versions
CN114638825A (zh
Inventor
陈建华
刘绪龙
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.)
Shenzhen Lianzhi Photoelectric Science & Technology Co ltd
Original Assignee
Shenzhen Lianzhi Photoelectric Science & Technology 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 Shenzhen Lianzhi Photoelectric Science & Technology Co ltd filed Critical Shenzhen Lianzhi Photoelectric Science & Technology Co ltd
Priority to CN202210512061.0A priority Critical patent/CN114638825B/zh
Publication of CN114638825A publication Critical patent/CN114638825A/zh
Application granted granted Critical
Publication of CN114638825B publication Critical patent/CN114638825B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及图像信息处理相关领域，公开一种基于图像分割的缺陷检测方法和检测系统，通过特征图像获取模块、特征图像堆栈模块、图像缺陷分析模块以及物件缺陷判断模块的设置，实现了通过对图像采集设备采集的多个产生自不同光源的阴影图像进行分析，来确定物件表面的瑕疵缺陷类型、范围以及深度的效果，无需使用专业的传感设备便能够达到缺陷监测的目的，同时相比现有的图像分割处理方式，对于瑕疵的识别判断更加精准、且方便高效，使得缺陷检测工作更加容易进行。

Description

一种基于图像分割的缺陷检测方法和检测系统
技术领域
本发明涉及图像信息处理相关领域，具体是一种基于图像分割的缺陷检测方法和检测系统。
背景技术
物件表面的缺陷分析是一项十分重要的物件品质监测工作，其是判断一件物件的加工精度和质量的重要判断依据，在缺陷分析工作中，基于产品的使用场景，不同的检测中也设定有不同的检测分析标准。
如今随着传感器、计算机等技术的发展，基于计算机视觉技术的缺陷检测方式也逐渐替代了最初的人工检测方式，相较于人工检测方式，基于计算机视觉的智能化检测方式具有更高的精度和效率，也可以避免人工疲劳导致的检测质量效率降低等问题，但现有技术中基于计算机的缺陷监测方式多需要依赖于专业的传感器设备等，价格昂贵，且部分采用传统图像采集进行检测的方式效率和精度往往较差。
发明内容
本发明的目的在于提供一种基于图像分割的缺陷检测方法和检测系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于图像分割的缺陷检测系统，包括：
特征图像获取模块，用于通过图像采集器获取一组多个单向光影图像，并对多个所述单向光影图像进行序列标记，多个所述单向光影图像用于表征物件在受到不同方向的单向入射光线束时，所述物件表面的阴影分布情况，所述序列标记用于表征所述入射光线束的入射方位；
特征图像堆栈模块，用于根据所述序列标记对一组的多个所述单向光影图像进行非叠加合成，生成所述物件表面的光影监测图像，所述非叠加合成用于表征对所述单向光影图像表面阴影的并集处理，所述并集处理用于合并同一区域的亮度一致的阴影范围；
图像缺陷分析模块，用于根据预设的图像处理方法对所述光影监测图像进行处理分析，根据分析结果对所述光影监测图像进行标记，以获取所述物件的缺陷分布状态，所述图像处理方法用于根据所述表面阴影判断缺陷区域；
物件缺陷判断模块，用于通过预设的合格判定标准对所述缺陷分布状态进行判定，判断所述物件是否合格。
作为本发明的进一步方案：不同所述序列标记的多个所述入射光线束在所述物件表面的投影的交汇点唯一，多个所述投影在以所述交汇点为圆心的圆角内均匀分布，多个所述入射光线束与所述物件表面的入射夹角一致，多个所述入射光线束的发射光源相对于与所述物件表面的垂直距离一致，多个所述入射光线束的光照亮度一致。
作为本发明的再进一步方案：所述单向光影图像以及所述光影监测图像中均包括多种阴影等级，所述阴影等级由所述入射光线束的入射角度、强度、物件表面的结构以及材料的类型决定，当所述入射光线束的入射角度以及强度一定时，同一物件表面的所述阴影等级划分是一定的，所述图像缺陷分析模块具体包括：
灰度提取单元，用于获取所述光影监测图像的灰度分布特征图，所述灰度分布特征图用于表征所述光影监测图像各个像素点的灰度值；
阴影划分单元，用于对所述灰度分布特征图进行灰度聚集判断，若多个灰度值非零的像素点连续分布，则对多个非零像素点所在区域进行切割，获取数个设有位置标记的阴影子区域；
缺陷判定单元，用于根据所述灰度值的分布特征对所述阴影子区域进行缺陷类型分类，所述缺陷类型对应不同的缺陷判定方案，根据所述缺陷判定方案对所述阴影子区域的灰度值进行处理，获取相对应所述阴影子区域的缺陷状态；
缺陷标记单元，用于将所述缺陷状态与所述位置标记对应，输出所述物件的缺陷分布状态。
作为本发明的再进一步方案：所述缺陷判定方案包括基础缺陷判定方案以及与所述基础缺陷判定方案相对应的组合缺陷判定方案，所述基础缺陷判定方案包括：
缺失判定方案，用于当沿着所述入射光线束方向的所述灰度值一致时，判断缺陷类型为表面凹槽，并根据所述阴影子区域的外侧边界生成表面缺陷区域，根据所述阴影子区域的内侧边界以及所述入射方位获取所述表面缺陷区域的高度信息，若无所述内侧边界，则所述内侧边界判定为小于所述表面缺陷区域沿入射光线束方向的跨度，且大于跨度的二分之一；
溢出判定方案，用于当沿着所述入射光线束方向的所述灰度值存在分层时，判断缺陷类型为表面凸起，并根据数个位于所述入射光线束入射方向一侧的非零灰度值边界生成表面缺陷区域，根据位于所述入射光线束入射方向另一侧的非零灰度值跨度以及所述入射方位获取所述表面缺陷的高度信息。
作为本发明的再进一步方案：所述物件的表面设有数个堆栈识别点，所述堆栈识别点用于当进行非叠加合成时，对多个所述单向光影图像的定位校正。
本发明实施例旨在提供一种基于图像分割的缺陷检测方法，包括步骤：
通过图像采集器获取一组多个单向光影图像，并对多个所述单向光影图像进行序列标记，多个所述单向光影图像用于表征物件在受到不同方向的单向入射光线束时，所述物件表面的阴影分布情况，所述序列标记用于表征所述入射光线束的入射方位；
根据所述序列标记对一组的多个所述单向光影图像进行非叠加合成，生成所述物件表面的光影监测图像，所述非叠加合成用于表征对所述单向光影图像表面阴影的并集处理，所述并集处理用于合并同一区域的亮度一致的阴影范围；
根据预设的图像处理方法对所述光影监测图像进行处理分析，根据分析结果对所述光影监测图像进行标记，以获取所述物件的缺陷分布状态，所述图像处理方法用于根据所述表面阴影判断缺陷区域；
通过预设的合格判定标准对所述缺陷分布状态进行判定，判断所述物件是否合格。
作为本发明的进一步方案：不同所述序列标记的多个所述入射光线束在所述物件表面的投影的交汇点唯一，多个所述投影在以所述交汇点为圆心的圆角内均匀分布，多个所述入射光线束与所述物件表面的入射夹角一致，多个所述入射光线束的发射光源相对于与所述物件表面的垂直距离一致，多个所述入射光线束的光照亮度一致。
作为本发明的再进一步方案：所述单向光影图像以及所述光影监测图像中均包括多种阴影等级，所述阴影等级由所述入射光线束的入射角度、强度、物件表面的结构以及材料的类型决定，当所述入射光线束的入射角度以及强度一定时，同一物件表面的所述阴影等级划分是一定的，所述根据预设的图像处理方法对所述光影监测图像进行处理分析，根据分析结果对所述光影监测图像进行标记，以获取所述物件的缺陷分布状态的步骤具体包括：
获取所述光影监测图像的灰度分布特征图，所述灰度分布特征图用于表征所述光影监测图像各个像素点的灰度值；
对所述灰度分布特征图进行灰度聚集判断，若多个灰度值非零的像素点连续分布，则对多个非零像素点所在区域进行切割，获取数个设有位置标记的阴影子区域；
根据所述灰度值的分布特征对所述阴影子区域进行缺陷类型分类，所述缺陷类型对应不同的缺陷判定方案，根据所述缺陷判定方案对所述阴影子区域的灰度值进行处理，获取相对应所述阴影子区域的缺陷状态；
将所述缺陷状态与所述位置标记对应，输出所述物件的缺陷分布状态。
与现有技术相比，本发明的有益效果在于，通过特征图像获取模块、特征图像堆栈模块、图像缺陷分析模块以及物件缺陷判断模块的设置，实现了通过对图像采集设备采集的多个产生自不同光源的阴影图像进行分析，来确定物件表面的瑕疵缺陷类型、范围以及深度的效果，无需使用专业的传感设备便能够达到缺陷监测的目的，同时相比现有的图像分割处理方式，对于瑕疵的识别判断更加精准、且方便高效，使得缺陷检测工作更加容易进行。
附图说明
图1为一种基于图像分割的缺陷检测系统的组成框图。
图2为一种基于图像分割的缺陷检测系统中图像缺陷分析模块的组成框图。
图3为一种基于图像分割的缺陷检测方法的流程框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的具体实现方式进行详细描述。
如图1所述，为本发明一个实施例提供的一种基于图像分割的缺陷检测系统，包括：
特征图像获取模块100，用于通过图像采集器获取一组多个单向光影图像，并对多个所述单向光影图像进行序列标记，多个所述单向光影图像用于表征物件在受到不同方向的单向入射光线束时，所述物件表面的阴影分布情况，所述序列标记用于表征所述入射光线束的入射方位。
特征图像堆栈模块300，用于根据所述序列标记对一组的多个所述单向光影图像进行非叠加合成，生成所述物件表面的光影监测图像，所述非叠加合成用于表征对所述单向光影图像表面阴影的并集处理，所述并集处理用于合并同一区域的亮度一致的阴影范围。
图像缺陷分析模块500，用于根据预设的图像处理方法对所述光影监测图像进行处理分析，根据分析结果对所述光影监测图像进行标记，以获取所述物件的缺陷分布状态，所述图像处理方法用于根据所述表面阴影判断缺陷区域。
物件缺陷判断模块700，用于通过预设的合格判定标准对所述缺陷分布状态进行判定，判断所述物件是否合格。
本实施例中，对缺陷监测系统进行了整体性的说明，主要包括特征图像获取模块100，特征图像堆栈模块300、图像缺陷分析模块500以及物件缺陷判断模块700；在使用时，特征图像获取模块100在图像采集相关的设备配合下，获取多组单向光影图像，具体的来说，以一定的入射角度与距离从物件的侧面各个方向依次射入平行光线，然后通过同一图像采集装置获取多个图像，当物件表面存在凸起或是凹槽时，这些凹槽或是凸起便会产生阴影，通过对各个角度产生的阴影进行合并分析，便能够对凸起或是凹槽瑕疵进行分析，例如表面有一个凹槽瑕疵时，通过各个角度的光线照射产生阴影，在特征图像堆栈模块300的作用下，可以生成一个完整连续的阴影图像（参考河道，早层和傍晚河道两侧的河岸会分别在河道中产生投影，通过两个投影可以快速的确定河道的跨度，且通过不同时间段光线的高度，可以通过投影确定河道各个位置处的深度，当然这里因凹槽瑕疵等通常面积有限，这里将其底部深度视作为平面（面积过大的物件必然是不合格的，因此对其深度判断也不在有更多的实际意义）），通过这样的方式，基于图像分割的缺陷监测方法相较于现有技术中的其它方式，在硬件上更容易实现，无需大量扫描传感器的设置，且相较于现有技术中使用图像灰度进行检测的方式，本申请采用堆栈方式获得的灰度图像，更有利于计算机设备及程序对缺陷的识别和分析，方便的获取物件表面的缺陷信息。
作为本发明另一个优选的实施例，不同所述序列标记的多个所述入射光线束在所述物件表面的投影的交汇点唯一，多个所述投影在以所述交汇点为圆心的圆角内均匀分布，多个所述入射光线束与所述物件表面的入射夹角一致，多个所述入射光线束的发射光源相对于与所述物件表面的垂直距离一致，多个所述入射光线束的光照亮度一致。
本实施例中，这里对特征图像获取模块100中的入射光线束进行了进一步的说明和限定，统一的限定可以方便对于物件表面缺陷的高度或是深度的判断，对于缺陷范围的判断没有决定性的影响。
如图2所示，作为本发明另一个优选的实施例，所述单向光影图像以及所述光影监测图像中均包括多种阴影等级，所述阴影等级由所述入射光线束的入射角度、强度、物件表面的结构以及材料的类型决定，当所述入射光线束的入射角度以及强度一定时，同一物件表面的所述阴影等级划分是一定的，所述图像缺陷分析模块500具体包括：
灰度提取单元501，用于获取所述光影监测图像的灰度分布特征图，所述灰度分布特征图用于表征所述光影监测图像各个像素点的灰度值。
阴影划分单元502，用于对所述灰度分布特征图进行灰度聚集判断，若多个灰度值非零的像素点连续分布，则对多个非零像素点所在区域进行切割，获取数个设有位置标记的阴影子区域。
缺陷判定单元503，用于根据所述灰度值的分布特征对所述阴影子区域进行缺陷类型分类，所述缺陷类型对应不同的缺陷判定方案，根据所述缺陷判定方案对所述阴影子区域的灰度值进行处理，获取相对应所述阴影子区域的缺陷状态。
缺陷标记单元504，用于将所述缺陷状态与所述位置标记对应，输出所述物件的缺陷分布状态。
进一步的，所述缺陷判定方案包括基础缺陷判定方案以及与所述基础缺陷判定方案相对应的组合缺陷判定方案，所述基础缺陷判定方案包括：
缺失判定方案，用于当沿着所述入射光线束方向的所述灰度值一致时，判断缺陷类型为表面凹槽，并根据所述阴影子区域的外侧边界生成表面缺陷区域，根据所述阴影子区域的内侧边界以及所述入射方位获取所述表面缺陷区域的高度信息，若无所述内侧边界，则所述内侧边界判定为小于所述表面缺陷区域沿入射光线束方向的跨度，且大于跨度的二分之一。
溢出判定方案，用于当沿着所述入射光线束方向的所述灰度值存在分层时，判断缺陷类型为表面凸起，并根据数个位于所述入射光线束入射方向一侧的非零灰度值边界生成表面缺陷区域，根据位于所述入射光线束入射方向另一侧的非零灰度值跨度以及所述入射方位获取所述表面缺陷的高度信息。
本实施例中，对阴影等级进行了说明，这里的阴影等级是取决于光照因素的，因此对于例如因凹槽深度是变化的产生的极不明显的亮度改变并不会被设备感应到并区分，即阴影区域、非阴影区域以及凸起结构朝向光照一侧不均衡表面产生的混合散射面，因此，如果是凹槽瑕疵，则其范围连续的阴影是可以形成一个环状或是实心密封范围的，且阴影等级是一致的，阴影的外界边缘也就是凹槽的边缘；如果当是凸起瑕疵时，则其连续的阴影范围必然是封闭的区域，且阴影分为一大一小两个部分，其中一部分阴影为混合散射面，另一部分为一般的阴影区域，阴影区域为瑕疵的投影，可以用于判断瑕疵的高度，混合散射面的边缘位置即为凸起瑕疵的边缘线。
作为本发明另一个优选的实施例，所述物件的表面设有数个堆栈识别点，所述堆栈识别点用于当进行非叠加合成时，对多个所述单向光影图像的定位校正。
本实施例中，在特征图像堆栈模块300进行堆栈时，需要多个单向光影图像间具有用于识别的特征定位点位，而阴影因光照的变化无法作为精准的定位使用，因此需要在物件表面设置堆栈识别点。
如图3所示，本发明还提供了一种基于图像分割的缺陷检测方法，包括步骤：
S200，通过图像采集器获取一组多个单向光影图像，并对多个所述单向光影图像进行序列标记，多个所述单向光影图像用于表征物件在受到不同方向的单向入射光线束时，所述物件表面的阴影分布情况，所述序列标记用于表征所述入射光线束的入射方位。
S400，根据所述序列标记对一组的多个所述单向光影图像进行非叠加合成，生成所述物件表面的光影监测图像，所述非叠加合成用于表征对所述单向光影图像表面阴影的并集处理，所述并集处理用于合并同一区域的亮度一致的阴影范围。
S600，根据预设的图像处理方法对所述光影监测图像进行处理分析，根据分析结果对所述光影监测图像进行标记，以获取所述物件的缺陷分布状态，所述图像处理方法用于根据所述表面阴影判断缺陷区域。
S800，通过预设的合格判定标准对所述缺陷分布状态进行判定，判断所述物件是否合格。
作为本发明另一个优选的实施例，不同所述序列标记的多个所述入射光线束在所述物件表面的投影的交汇点唯一，多个所述投影在以所述交汇点为圆心的圆角内均匀分布，多个所述入射光线束与所述物件表面的入射夹角一致，多个所述入射光线束的发射光源相对于与所述物件表面的垂直距离一致，多个所述入射光线束的光照亮度一致。
作为本发明另一个优选的实施例，所述单向光影图像以及所述光影监测图像中均包括多种阴影等级，所述阴影等级由所述入射光线束的入射角度、强度、物件表面的结构以及材料的类型决定，当所述入射光线束的入射角度以及强度一定时，同一物件表面的所述阴影等级划分是一定的，所述根据预设的图像处理方法对所述光影监测图像进行处理分析，根据分析结果对所述光影监测图像进行标记，以获取所述物件的缺陷分布状态的步骤具体包括：
获取所述光影监测图像的灰度分布特征图，所述灰度分布特征图用于表征所述光影监测图像各个像素点的灰度值。
对所述灰度分布特征图进行灰度聚集判断，若多个灰度值非零的像素点连续分布，则对多个非零像素点所在区域进行切割，获取数个设有位置标记的阴影子区域。
根据所述灰度值的分布特征对所述阴影子区域进行缺陷类型分类，所述缺陷类型对应不同的缺陷判定方案，根据所述缺陷判定方案对所述阴影子区域的灰度值进行处理，获取相对应所述阴影子区域的缺陷状态。
将所述缺陷状态与所述位置标记对应，输出所述物件的缺陷分布状态。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
本领域技术人员在考虑说明书及实施例处的公开后，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。本公开的范围仅由所附的权利要求来限制。

Claims (4)

1.一种基于图像分割的缺陷检测系统，其特征在于，包括：
特征图像获取模块，用于通过图像采集器获取一组多个单向光影图像，并对多个所述单向光影图像进行序列标记，多个所述单向光影图像用于表征物件在受到不同方向的单向入射光线束时，所述物件表面的阴影分布情况，所述序列标记用于表征所述入射光线束的入射方位；
特征图像堆栈模块，用于根据所述序列标记对一组的多个所述单向光影图像进行非叠加合成，生成所述物件表面的光影监测图像，所述非叠加合成用于表征对所述单向光影图像表面阴影的并集处理，所述并集处理用于合并同一区域的亮度一致的阴影范围；
图像缺陷分析模块，用于根据预设的图像处理方法对所述光影监测图像进行处理分析，根据分析结果对所述光影监测图像进行标记，以获取所述物件的缺陷分布状态，所述图像处理方法用于根据所述表面阴影判断缺陷区域；
物件缺陷判断模块，用于通过预设的合格判定标准对所述缺陷分布状态进行判定，判断所述物件是否合格；
所述单向光影图像以及所述光影监测图像中均包括多种阴影等级，所述阴影等级由所述入射光线束的入射角度、强度、物件表面的结构以及材料的类型决定，当所述入射光线束的入射角度以及强度一定时，同一物件表面的所述阴影等级划分是一定的，所述图像缺陷分析模块具体包括：
灰度提取单元，用于获取所述光影监测图像的灰度分布特征图，所述灰度分布特征图用于表征所述光影监测图像各个像素点的灰度值；
阴影划分单元，用于对所述灰度分布特征图进行灰度聚集判断，若多个灰度值非零的像素点连续分布，则对多个非零像素点所在区域进行切割，获取数个设有位置标记的阴影子区域；
缺陷判定单元，用于根据所述灰度值的分布特征对所述阴影子区域进行缺陷类型分类，所述缺陷类型对应不同的缺陷判定方案，根据所述缺陷判定方案对所述阴影子区域的灰度值进行处理，获取相对应所述阴影子区域的缺陷状态；
缺陷标记单元，用于将所述缺陷状态与所述位置标记对应，输出所述物件的缺陷分布状态；
所述缺陷判定方案包括基础缺陷判定方案以及与所述基础缺陷判定方案相对应的组合缺陷判定方案，所述基础缺陷判定方案包括：
缺失判定方案，用于当沿着所述入射光线束方向的所述灰度值一致时，判断缺陷类型为表面凹槽，并根据所述阴影子区域的外侧边界生成表面缺陷区域，根据所述阴影子区域的内侧边界以及所述入射方位获取所述表面缺陷区域的高度信息，若无所述内侧边界，则所述内侧边界判定为小于所述表面缺陷区域沿入射光线束方向的跨度，且大于跨度的二分之一；
溢出判定方案，用于当沿着所述入射光线束方向的所述灰度值存在分层时，判断缺陷类型为表面凸起，并根据数个位于所述入射光线束入射方向一侧的非零灰度值边界生成表面缺陷区域，根据位于所述入射光线束入射方向另一侧的非零灰度值跨度以及所述入射方位获取所述表面缺陷的高度信息；
所述物件的表面设有数个堆栈识别点，所述堆栈识别点用于当进行非叠加合成时，对多个所述单向光影图像的定位校正。
2.根据权利要求1所述的基于图像分割的缺陷检测系统，其特征在于，不同所述序列标记的多个所述入射光线束在所述物件表面的投影的交汇点唯一，多个所述投影在以所述交汇点为圆心的圆角内均匀分布，多个所述入射光线束与所述物件表面的入射夹角一致，多个所述入射光线束的发射光源相对于与所述物件表面的垂直距离一致，多个所述入射光线束的光照亮度一致。
3.一种基于图像分割的缺陷检测方法，其特征在于，包括步骤：
通过图像采集器获取一组多个单向光影图像，并对多个所述单向光影图像进行序列标记，多个所述单向光影图像用于表征物件在受到不同方向的单向入射光线束时，所述物件表面的阴影分布情况，所述序列标记用于表征所述入射光线束的入射方位；
根据所述序列标记对一组的多个所述单向光影图像进行非叠加合成，生成所述物件表面的光影监测图像，所述非叠加合成用于表征对所述单向光影图像表面阴影的并集处理，所述并集处理用于合并同一区域的亮度一致的阴影范围；
根据预设的图像处理方法对所述光影监测图像进行处理分析，根据分析结果对所述光影监测图像进行标记，以获取所述物件的缺陷分布状态，所述图像处理方法用于根据所述表面阴影判断缺陷区域；
通过预设的合格判定标准对所述缺陷分布状态进行判定，判断所述物件是否合格；
所述单向光影图像以及所述光影监测图像中均包括多种阴影等级，所述阴影等级由所述入射光线束的入射角度、强度、物件表面的结构以及材料的类型决定，当所述入射光线束的入射角度以及强度一定时，同一物件表面的所述阴影等级划分是一定的，所述根据预设的图像处理方法对所述光影监测图像进行处理分析，根据分析结果对所述光影监测图像进行标记，以获取所述物件的缺陷分布状态的步骤具体包括：
获取所述光影监测图像的灰度分布特征图，所述灰度分布特征图用于表征所述光影监测图像各个像素点的灰度值；
对所述灰度分布特征图进行灰度聚集判断，若多个灰度值非零的像素点连续分布，则对多个非零像素点所在区域进行切割，获取数个设有位置标记的阴影子区域；
根据所述灰度值的分布特征对所述阴影子区域进行缺陷类型分类，所述缺陷类型对应不同的缺陷判定方案，根据所述缺陷判定方案对所述阴影子区域的灰度值进行处理，获取相对应所述阴影子区域的缺陷状态；
将所述缺陷状态与所述位置标记对应，输出所述物件的缺陷分布状态；
所述缺陷判定方案包括基础缺陷判定方案以及与所述基础缺陷判定方案相对应的组合缺陷判定方案，所述基础缺陷判定方案包括：
缺失判定方案，用于当沿着所述入射光线束方向的所述灰度值一致时，判断缺陷类型为表面凹槽，并根据所述阴影子区域的外侧边界生成表面缺陷区域，根据所述阴影子区域的内侧边界以及所述入射方位获取所述表面缺陷区域的高度信息，若无所述内侧边界，则所述内侧边界判定为小于所述表面缺陷区域沿入射光线束方向的跨度，且大于跨度的二分之一；
溢出判定方案，用于当沿着所述入射光线束方向的所述灰度值存在分层时，判断缺陷类型为表面凸起，并根据数个位于所述入射光线束入射方向一侧的非零灰度值边界生成表面缺陷区域，根据位于所述入射光线束入射方向另一侧的非零灰度值跨度以及所述入射方位获取所述表面缺陷的高度信息；
所述物件的表面设有数个堆栈识别点，所述堆栈识别点用于当进行非叠加合成时，对多个所述单向光影图像的定位校正。
4.根据权利要求3所述的基于图像分割的缺陷检测方法，其特征在于，不同所述序列标记的多个所述入射光线束在所述物件表面的投影的交汇点唯一，多个所述投影在以所述交汇点为圆心的圆角内均匀分布，多个所述入射光线束与所述物件表面的入射夹角一致，多个所述入射光线束的发射光源相对于与所述物件表面的垂直距离一致，多个所述入射光线束的光照亮度一致。
CN202210512061.0A 2022-05-12 2022-05-12 一种基于图像分割的缺陷检测方法和检测系统 Active CN114638825B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210512061.0A CN114638825B (zh) 2022-05-12 2022-05-12 一种基于图像分割的缺陷检测方法和检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210512061.0A CN114638825B (zh) 2022-05-12 2022-05-12 一种基于图像分割的缺陷检测方法和检测系统

Publications (2)

Publication Number Publication Date
CN114638825A CN114638825A (zh) 2022-06-17
CN114638825B true CN114638825B (zh) 2022-08-09

Family

ID=81952943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210512061.0A Active CN114638825B (zh) 2022-05-12 2022-05-12 一种基于图像分割的缺陷检测方法和检测系统

Country Status (1)

Country Link
CN (1) CN114638825B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114782711B (zh) * 2022-06-20 2022-09-16 四川航天职业技术学院(四川航天高级技工学校) 一种基于图像识别的智能化风险检测方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021240279A1 (en) * 2020-05-29 2021-12-02 Conceria Pasubio S.P.A. Method and apparatus for identifying possible surface defects of a leather hide

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006098217A (ja) * 2004-09-29 2006-04-13 Fujitsu Ltd 画像検査装置、画像検査方法及び画像検査プログラム
CN107618533A (zh) * 2017-09-29 2018-01-23 兰州交通大学 一种钢轨表面离散缺陷的机器视觉检测装置及方法
CN110575966B (zh) * 2019-10-16 2024-03-26 苏州微感网络科技有限公司 一种高反光物体表面缺陷检测装置
CN110736752A (zh) * 2019-11-11 2020-01-31 爱丁堡（南京）光电设备有限公司 一种表面缺陷检测的光照方式、光照结构及检测装置
TWI737375B (zh) * 2020-07-01 2021-08-21 力晶積成電子製造股份有限公司 缺陷辨識方法以及影像分析系統
CN113706534B (zh) * 2021-10-28 2022-01-25 南通欣斯特机械制造有限公司 一种基于多光线分析的注塑产品缺陷检测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021240279A1 (en) * 2020-05-29 2021-12-02 Conceria Pasubio S.P.A. Method and apparatus for identifying possible surface defects of a leather hide

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Surface defect identification and measurement for metal castings by vision system;Galan et al;《Manufacturing Letters》;20171205;第1-9页 *

Also Published As

Publication number Publication date
CN114638825A (zh) 2022-06-17

Similar Documents

Publication Publication Date Title
US20210327064A1 (en) System and method for calculating focus variation for a digital microscope
US7570794B2 (en) System and method for evaluating a machined surface of a cast metal component
CN110175997B (zh) 显示屏坏点检测方法、装置、计算机设备和存储介质
US20200371333A1 (en) Microscopy method, microscope and computer program with verification algorithm for image processing results
CN114638825B (zh) 一种基于图像分割的缺陷检测方法和检测系统
CN104597057A (zh) 一种基于机器视觉的柱状二极管表面缺陷检测装置
US20200265575A1 (en) Flaw inspection apparatus and method
CN111179362B (zh) 一种基于动态光照校正算法的试纸颜色均匀性检测方法
CN112507991B (zh) 流式细胞仪数据的设门方法、系统、存储介质及电子设备
CN110288612A (zh) 铭牌定位与校正方法及设备
CN115601359A (zh) 一种焊缝检测方法及装置
CN114450711A (zh) 工件的表面缺陷检测装置及检测方法、工件的表面检查系统以及程序
CN107274349B (zh) 生物芯片荧光图像倾斜角度的确定方法及装置
US7702172B2 (en) Particle extraction for automatic flow microscope
CN1220047C (zh) 检测和分析样品表面缺陷的方法
CN106918603A (zh) 光谱检测方法及系统
CN112165616B (zh) 一种摄像头模组的测试方法、装置、电子设备及存储介质
CN110441315B (zh) 电子部件测试设备和方法
CN114693681A (zh) 基于光学手段的拉链生产缺陷智能检测方法及系统
CN117808814B (zh) 基于机器视觉的焊接缺陷检测与识别方法及系统
CN112819070A (zh) 隧道管片环缝直线化识别及里程环号标记方法
CN115830431B (zh) 一种基于光强分析的神经网络图像预处理方法
KR102655139B1 (ko) 이미지 분할 검사에 따른 카메라 모듈의 불량에 관한 특징 구분 방법 및 시스템
US20230214988A1 (en) Inspection of reflective surfaces based on image correlation
CN117710369B (zh) 基于计算机视觉技术的金属铝磷化膜缺陷检测方法及系统

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