CN114998217A - 确定玻璃基板缺陷等级的方法、计算机设备及存储介质 - Google Patents

确定玻璃基板缺陷等级的方法、计算机设备及存储介质 Download PDF

Info

Publication number
CN114998217A
CN114998217A CN202210504429.9A CN202210504429A CN114998217A CN 114998217 A CN114998217 A CN 114998217A CN 202210504429 A CN202210504429 A CN 202210504429A CN 114998217 A CN114998217 A CN 114998217A
Authority
CN
China
Prior art keywords
glass substrate
defect
contour line
detected
determining
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
Application number
CN202210504429.9A
Other languages
English (en)
Inventor
陈凡
邹维
刘壮
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.)
Jining Haifu Optical Technology Co ltd
Original Assignee
Jining Haifu Optical 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 Jining Haifu Optical Technology Co ltd filed Critical Jining Haifu Optical Technology Co ltd
Priority to CN202210504429.9A priority Critical patent/CN114998217A/zh
Publication of CN114998217A publication Critical patent/CN114998217A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1417—2D bar codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0021—Image watermarking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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
    • 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
    • Y02P40/00—Technologies relating to the processing of minerals
    • Y02P40/50—Glass production, e.g. reusing waste heat during processing or shaping
    • Y02P40/57—Improving the yield, e-g- reduction of reject rates

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Electromagnetism (AREA)
  • Toxicology (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本申请公开确定玻璃基板缺陷等级的方法、计算机设备及存储介质，属于玻璃基板缺陷检测技术领域，其中所述方法包括S101，采集无缺陷玻璃基板的图像作为基准图像，处理所述基准图像得到无缺陷玻璃基板的第一轮廓线；S201，采集待检测玻璃基板的图像作为判定图像，处理所述判定图像，并将处理后的判定图像输入至玻璃基板缺陷检测模型，获得待检测玻璃基板的第二轮廓线以及所述判定图像中存在的缺陷面积和缺陷位置；S301，基于所述第一轮廓线、所述第二轮廓线以及所述缺陷面积和所述缺陷位置的信息，确定待检测玻璃基板的缺陷等级。本申请提供的技术方案能够有效确定玻璃基板的品质，并精确划分缺陷玻璃基板的缺陷等级，避免资源的浪费，节约成本。

Description

确定玻璃基板缺陷等级的方法、计算机设备及存储介质
技术领域
本发明涉及玻璃基板缺陷检测技术领域，尤其涉及确定玻璃基板缺陷等级的方法、计算机设备及存储介质。
背景技术
随着社会的发展，电子显示设备更新换代越来越快，显示设备的种类、大小也越来越多，对显示设备的要求也越来越高。玻璃基板作为液晶显示器的主要原材，在生产过程中极易出现缺陷，其产品质量及利用率直接关系到液晶显示器的成像效果以及玻璃基板制造厂商的成本。
在玻璃基板的制造过程中，一般都会基于玻璃基板缺陷检测模型进行缺陷检测，但是，这种检测方法只能确定玻璃基板是否存在缺陷以及缺陷的种类，并不能对玻璃基板存在的缺陷进行等级划分，从而无法根据缺陷等级对缺陷玻璃基板进行有效的回收利用，不仅造成极大的资源浪费，同时也严重制约着企业的利润率。
发明内容
本发明的一个优势在于提供一种确定玻璃基板缺陷等级的方法、计算机设备及存储介质，其中基于无缺陷玻璃基板的第一轮廓线、待检测玻璃基板的第二轮廓线以及相应的缺陷面积和缺陷位置对待检测玻璃基板进行有无缺陷确定和缺陷等级划分，能够有效确定玻璃基板的品质，避免直接将缺陷玻璃基板进行报废处理而严重浪费资源，同时根据缺陷玻璃基板的缺陷等级进行相应的操作处理，能够实现缺陷玻璃基板的最大化回收利用，进而降低企业成本，提高企业的盈利能力。
为达到本发明以上至少一个优势，第一方面，本发明提供一种确定玻璃基板缺陷等级的方法，包括以下步骤：
S101，采集无缺陷玻璃基板的图像作为基准图像，处理所述基准图像得到无缺陷玻璃基板的第一轮廓线；
S201，采集待检测玻璃基板的图像作为判定图像，处理所述判定图像，并将处理后的判定图像输入至玻璃基板缺陷检测模型，获得待检测玻璃基板的第二轮廓线以及所述判定图像中存在的缺陷面积和缺陷位置；
S301，基于所述第一轮廓线、所述第二轮廓线以及所述缺陷面积和所述缺陷位置的信息，确定待检测玻璃基板的缺陷等级。
根据本发明一实施例，在步骤S101中，处理所述基准图像得到无缺陷玻璃基板的第一轮廓线，具体为：
对所述基准图像进行灰度处理得到灰度图像，并将所述灰度图像转换为二值图像；
基于所述二值图像进行轮廓提取，绘制所述第一轮廓线，所述第一轮廓线为无缺陷玻璃基板的外轮廓线。
根据本发明一实施例，在步骤S201中，基于所述判定图像确定待检测玻璃基板的外轮廓线；
通过所述玻璃基板缺陷检测模型确定待检测玻璃基板存在的缺陷，并判断所述缺陷是否包含内部缺陷，若包含，则对所述内部缺陷进行轮廓检测，得到内部缺陷轮廓线，并对所述内部缺陷轮廓线进行轮廓近似处理，生成闭合的近似轮廓线；
其中，若存在所述内部缺陷，所述第二轮廓线由所述近似轮廓线和待检测玻璃基板的外轮廓线组成；若不存在所述内部缺陷，所述第二轮廓线为待检测玻璃基板的外轮廓线。
根据本发明一实施例，在步骤S201中，基于内部缺陷轮廓线的外接矩形或内部缺陷轮廓线的最小外接圆生成所述闭合的近似轮廓线。
根据本发明一实施例，在步骤S301中，匹配待检测玻璃基板的外轮廓线与所述第一轮廓线，确定待检测玻璃基板是否存在边缘缺陷，若存在边缘缺陷，且所述第二轮廓线不包含所述近似轮廓线，则判定待检测玻璃基板为轻度缺陷，若不存在边缘缺陷，且所述第二轮廓线不包含所述近似轮廓线，则判定待检测玻璃基板为无缺陷。
根据本发明一实施例，若所述第二轮廓线由所述近似轮廓线和待检测玻璃基板的外轮廓线组成，则确定待检测玻璃基板的外轮廓线对应的质心，并确定所述近似轮廓线距离所述质心的最短距离；
比较所述最短距离与一预设距离的大小，若所述最短距离小于所述预设距离，则判定待检测玻璃基板为重度缺陷。
根据本发明一实施例，若所述最短距离不小于所述预设距离，以所述质心为中心十字分割待检测玻璃基板，形成四块子板，分别计算每块子板中的缺陷面积，并基于所述缺陷面积计算每块子板的缺陷面积占比；
确定所述缺陷面积占比超过预设值的子板的个数，若个数超过两个，则判定待检测玻璃基板为重度缺陷；
若个数为两个，则确定两个子板的相对位置，若为相邻子板，则判定待检测玻璃基板为中度缺陷，若为对角子板，则判定待检测玻璃基板为重度缺陷；
若个数为一个，则判定待检测玻璃基板为中度缺陷。
根据本发明一实施例，所述方法还包括步骤S401，根据待检测玻璃基板的缺陷等级，在检测后的玻璃基板上施加相应的隐形标记，其中所述隐形标记为后续工位能够识别的标记。
第二方面，本申请提供一种确定玻璃基板缺陷等级的计算机设备，其中所述计算机设备包括：
至少一个处理器；
以及至少一个存储器，其中所述存储器与所述处理器信号连接，且所述存储器存储有程序指令，当所述程序指令由所述处理器执行时，使得所述计算机设备执行前述确定玻璃基板缺陷等级的方法。
第三方面，本申请提供一种确定玻璃基板缺陷等级的存储介质，其中所述存储介质存储有计算机程序，当所述计算机程序运行在计算机或处理器上时，使得所述计算机或所述处理器执行前述确定玻璃基板缺陷等级的方法。
本发明的这些和其它目的、特点和优势，通过下述的详细说明，得以充分体现。
附图说明
图1示出了本申请一较佳实施例确定玻璃基板缺陷等级的方法的流程示意图。
图2示出了本申请一较佳实施例外接矩形近似轮廓线的示意图。
图3示出了本申请一较佳实施例最小外接圆近似轮廓线的示意图。
图4示出了本申请一较佳实施例确定玻璃基板缺陷等级的计算机设备的结构示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
本领域技术人员应理解的是，在说明书的揭露中，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系是基于附图所示的方位或位置关系，其仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此，上述术语不能理解为对本发明的限制。
可以理解的是，术语“一”应理解为“至少一”或“一个或多个”，即在一个实施例中，一个元件的数量可以为一个，而在另外的实施例中，该元件的数量可以为多个，术语“一”不能理解为对数量的限制。
玻璃基板缺陷检测模型作为一个现有成熟的技术，一般只能检测玻璃基板是否存在缺陷以及所存在缺陷的种类，比如是边缘缺陷，还是内部缺陷，但是不能对玻璃基板的缺陷等级进行明确分类，造成对缺陷玻璃基板直接进行报废的处理现状，不仅仅造成资源的严重浪费，不符合当下国内及国际社会的长期发展规划，同时无形中也大大增加了企业的成本负担，而如果能够对缺陷玻璃基板进行明确的缺陷等级划分，对于严重缺陷的玻璃基板进行报废处理，对于缺陷不严重的玻璃基板，比如轻度缺陷或者中度缺陷的玻璃基板进行相应的操作处理，例如对于轻度缺陷的玻璃基板使用在局部成像要求不太高的显示设备上，无疑能够有效节约资源，降低企业成本。基于此，本申请提出了确定玻璃基板缺陷等级的方法、计算机设备及存储介质。
参考图1，依本发明一较佳实施例的一种确定玻璃基板缺陷等级的方法将在以下被详细地阐述，其中所述确定玻璃基板缺陷等级的方法包括以下步骤：
S101，采集无缺陷玻璃基板的图像作为基准图像，处理所述基准图像得到无缺陷玻璃基板的第一轮廓线；
S201，采集待检测玻璃基板的图像作为判定图像，处理所述判定图像，并将处理后的判定图像输入至玻璃基板缺陷检测模型，获得待检测玻璃基板的第二轮廓线以及所述判定图像中存在的缺陷面积和缺陷位置；
S301，基于所述第一轮廓线、所述第二轮廓线以及所述缺陷面积和所述缺陷位置的信息，确定待检测玻璃基板的缺陷等级。
更具体的，在步骤S101中，采集无缺陷玻璃基板的图像时可通过图像采集装置进行采集，其中，所述图像采集装置可为工业相机，如CCD相机或CMOS相机，相比于普通摄像机而言，其具有较高的图像稳定性、高传输能力和高抗干扰能力等。此外，在采集图像时可从多个角度、多个方向进行拍摄，以避免存在盲点而影响所采集的图像的品质或质量。
基准图像是指作为标准的图像，对基准图像进行处理能够得到无缺陷玻璃基板的第一轮廓线。由于无缺陷玻璃基板的表面并无缺陷，所以，对基准图像处理后并不会产生缺陷轮廓。
在本说明书的一个或多个实施例中，对所述基准图像进行灰度处理得到灰度图像，然后再将灰度图像转换为二值图像；基于所述二值图像进行轮廓提取，绘制所述第一轮廓线，其中所述第一轮廓线为无缺陷玻璃基板的外轮廓线。
灰度图像是指只含亮度信息，不含色彩信息的图像。对基准图像进行灰度处理得到灰度图像可通过Python+OpenCV实现，也可以通过MATLAB实现。二值图像是指每个像素点均为黑色或者白色的图像。二值图像的每个像素只需要log22＝1bit存储空间，而灰度图像的每个像素需要log2256＝8bit存储空间，因此，二值图像所需要的存储空间更小，对设备的要求更低，另外，二值图像能够更清楚的描述轮廓信息，更容易进行轮廓提取。
此外，在实际生产过程中，玻璃基板随流水线运输并经过图像采集装置，图像采集装置采集的当前玻璃基板作为待检测玻璃基板，同时，图像采集装置采集的待检测玻璃基板的图像作为检测该玻璃基板是否存在缺陷的判定图像，其中判定图像可为一张，也可以为多张，然后对判定图像进行灰度化、二值化处理，若判定图像具有多张，可将多张判定图像进行图像融合。以仅对判定图像进行灰度化、二值化处理为例，将灰度化、二值化处理后的判定图像输入至玻璃基板缺陷检测模型中，识别待检测玻璃基板中存在的缺陷。
值得注意的是，玻璃基板缺陷检测模型在检测出玻璃基板存在缺陷时，会对缺陷进行标识，以便于能够对缺陷进行轮廓检测，并且确定缺陷的面积和缺陷的位置
此外，考虑到玻璃基板缺陷的种类繁多，包括划痕、崩边、气泡等，而各种缺陷对应的缺陷轮廓线也不一致。复杂的缺陷轮廓线对于计算缺陷面积增加了难度，并且缺陷轮廓线围成的缺陷区域不仅仅会污染轮廓线以内的区域，同时以该缺陷区域为圆心，缺陷区域外一定范围内的玻璃基板都无法正常使用，因此，作为一较佳实施例，更具体的，基于所述判定图像确定待检测玻璃基板的外轮廓线；
通过所述玻璃基板缺陷检测模型确定待检测玻璃基板存在的缺陷，并判断所述缺陷是否包含内部缺陷，若包含，则对所述内部缺陷进行轮廓检测，得到内部缺陷轮廓线，并对所述内部缺陷轮廓线进行轮廓近似处理，生成闭合的近似轮廓线；
其中，若存在所述内部缺陷，所述第二轮廓线由所述近似轮廓线和待检测玻璃基板的外轮廓线组成；若不存在所述内部缺陷，所述第二轮廓线为待检测玻璃基板的外轮廓线，从而能够更加精确的确定待检测玻璃基板的缺陷等级。
进一步优选地，在步骤S201中，基于内部缺陷轮廓线的外接矩形或内部缺陷轮廓线的最小外接圆生成所述闭合的近似轮廓线。
如图2，为本说明书一个或多个实施例提供的外接矩形近似轮廓线示意图，其中缺陷轮廓为不规则图像，首先选取该轮廓信息，求取它的外接矩形，然后计算该轮廓的垂直边界最小矩形，代码如下：
x,y,w,h＝cv2.boundingRect(轮廓信息)，其中x，y是矩形左上点的坐标，w，h是矩形的宽和高。
根据左上点的坐标以及长和宽值绘制外接矩形，坐标原点是图片左上角，向右为x轴正方向，向下为y轴正方向。实现代码如下：
计算外接矩形，返回矩形的左上坐标点，和一长一宽
x,y,w,h＝cv2.boundingRect(cnt)
根据坐标绘制矩形
rectangle＝cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
cv_show(‘rectangle’,rectangle)
如图3，为本说明书一个或多个实施例提供的最小外接圆近似轮廓线示意图，其中实现最小外接圆近似轮廓线的代码如下：
返回圆心坐标和半径
(x,y),radius＝cv2.minEnclosingCircle(cnt)
圆心坐标
center＝(int(x),int(y))
半径
radius＝int(radius)
绘制最小外接圆
circle＝cv2.circle(img,center,radius(255,0,0),2)
cv_show(‘circle’,circle)
其中，center为圆心位置，radius为圆的半径。
进一步优选地，在步骤S301中，匹配待检测玻璃基板的外轮廓线与所述第一轮廓线，确定待检测玻璃基板是否存在边缘缺陷，若存在边缘缺陷，且所述第二轮廓线不包含所述近似轮廓线，则判定待检测玻璃基板为轻度缺陷，若不存在边缘缺陷，且所述第二轮廓线不包含所述近似轮廓线，则判定待检测玻璃基板为无缺陷。
也就是说，在不存在内部缺陷的情况下，可以直接通过是否存在边缘缺陷来判定待检测玻璃基板为轻度缺陷，还是无缺陷。比如，如果玻璃基板存在崩边、缺口等缺陷，其外轮廓线也会呈现不规则状，此时，将玻璃基板的外轮廓线与所述第一轮廓线进行匹配，由于所述第一轮廓线为无缺陷玻璃基板的外轮廓线，如果玻璃基板的外轮廓线与所述第一轮廓线能够完全重合，则说明待检测玻璃基板为无缺陷，如果不能完全重合，则说明该玻璃基板仅具有边缘缺陷，从而判定该玻璃基板为轻度缺陷，同时记录不重合的位置，作为待检测玻璃基板的边缘缺陷位置。
液晶显示设备的不同，对玻璃基板的尺寸要求也不同。以手机显示屏为例，有5寸屏、5.1寸屏、5.5寸屏、6寸屏、6.5寸屏等，若仅玻璃基板边缘存在缺陷，可将玻璃基板进行切割打磨，以得到相对较小的玻璃基板。因此，在待检测玻璃基板仅存在边缘缺陷而不存在内部缺陷的情况下，将待检测玻璃基板判定为轻度缺陷。
在另一种情况下，如果待检测玻璃基板存在内部缺陷，比如存在气泡、划痕等缺陷，则说明待检测玻璃基板存在所述近似轮廓线，即所述第二轮廓线由所述近似轮廓线和待检测玻璃基板的外轮廓线组成，则确定待检测玻璃基板的外轮廓线对应的质心，并确定所述近似轮廓线距离所述质心的最短距离，从而确定玻璃基板中心位置一定范围内是否存在缺陷；
然后，比较所述最短距离与一预设距离的大小，若所述最短距离小于所述预设距离，则说明玻璃基板的内部缺陷比较靠近待检测玻璃基板的质心，而质心作为玻璃基板的中心位置，在质心位置和/或者质心的周边位置存在缺陷的情况下，判定待检测玻璃基板为重度缺陷，整块玻璃基板基本都无法使用。需要说明的是，在不存在边缘缺陷的情况下，待检测玻璃基板的外轮廓线或者外轮廓的近似轮廓线与所述第一轮廓线完全重合，此时，计算待检测玻璃基板的质心能够更准确的确定玻璃基板的中心位置，而在存在边缘缺陷的情况下，中心位置的确定虽然不是非常精确，但也能在一定程度上反应玻璃基板的中心位置，不影响对缺陷等级的划分。
关于质心的计算和确定，可以根据待检测玻璃基板的外轮廓线确定外轮廓线的质心，也可以根据待检测玻璃基板的外轮廓的近似轮廓线确定玻璃基板的质心。
进一步优选地，若所述最短距离不小于所述预设距离，以所述质心为中心十字分割待检测玻璃基板，形成四块子板，分别计算每块子板中的缺陷面积，并基于所述缺陷面积计算每块子板的缺陷面积占比；
确定所述缺陷面积占比超过预设值的子板的个数，若个数超过两个，则判定待检测玻璃基板为重度缺陷；
若个数为两个，则确定两个子板的相对位置，若为相邻子板，则判定待检测玻璃基板为中度缺陷，若为对角子板，则判定待检测玻璃基板为重度缺陷；
若个数为一个，则判定待检测玻璃基板为中度缺陷。
进一步优选地，所述方法还包括步骤S401，根据待检测玻璃基板的缺陷等级，在检测后的玻璃基板上施加相应的隐形标记，其中所述隐形标记为后续工位能够识别的标记，比如隐形二维码。隐形二维码中包含玻璃基板的缺陷等级信息，通过红外扫描设备可识别隐形二维码，获取该玻璃基板对应的缺陷等级信息，其中无缺陷玻璃基板直接流入下一工位，轻度缺陷玻璃基板可回收后进行切边处理，得到尺寸较小的玻璃基板，中度缺陷玻璃可以质心为原点、以预设距离为半径获取圆形玻璃基板，用于手表等较小的显示设备，重度缺陷玻璃基板直接报废处理。
由此，本申请提供的确定玻璃基板缺陷等级的方法能够同时从多个维度或多个角度，包括边缘缺陷、内部缺陷、近似轮廓线距离质心的最小距离、十字分割玻璃基板并基于缺陷面积占比通过确定子板的数量来确定缺陷等级等一种手段或多种手段的结合来全方位、精确划分玻璃基板的缺陷等级，实现缺陷玻璃基板的精确分类和最大化回收利用，进而能够有效减少资源的浪费，降低企业的成本。
第二方面，基于同样的思路，结合图4，本申请还提供一种确定玻璃基板缺陷等级的计算机设备，其中所述计算机设备包括：
至少一个处理器；
以及至少一个存储器，其中所述存储器与所述处理器信号连接，一般为通信连接或电信号连接，且所述存储器存储有程序指令，当所述程序指令由所述处理器执行时，使得所述计算机设备执行前述确定玻璃基板缺陷等级的方法。
第三方面，基于同样的思路，本申请还提供一种确定玻璃基板缺陷等级的存储介质，其中所述存储介质存储有计算机程序，当所述计算机程序运行在计算机或处理器上时，使得所述计算机或所述处理器执行前述确定玻璃基板缺陷等级的方法。
本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的优势已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。

Claims (10)

1.确定玻璃基板缺陷等级的方法，其特征在于，包括以下步骤：
S101，采集无缺陷玻璃基板的图像作为基准图像，处理所述基准图像得到无缺陷玻璃基板的第一轮廓线；
S201，采集待检测玻璃基板的图像作为判定图像，处理所述判定图像，并将处理后的判定图像输入至玻璃基板缺陷检测模型，获得待检测玻璃基板的第二轮廓线以及所述判定图像中存在的缺陷面积和缺陷位置；
S301，基于所述第一轮廓线、所述第二轮廓线以及所述缺陷面积和所述缺陷位置的信息，确定待检测玻璃基板的缺陷等级。
2.如权利要求1所述确定玻璃基板缺陷等级的方法，其特征在于，在步骤S101中，处理所述基准图像得到无缺陷玻璃基板的第一轮廓线，具体为：
对所述基准图像进行灰度处理得到灰度图像，并将所述灰度图像转换为二值图像；
基于所述二值图像进行轮廓提取，绘制所述第一轮廓线，所述第一轮廓线为无缺陷玻璃基板的外轮廓线。
3.如权利要求1所述确定玻璃基板缺陷等级的方法，其特征在于，在步骤S201中，基于所述判定图像确定待检测玻璃基板的外轮廓线；
通过所述玻璃基板缺陷检测模型确定待检测玻璃基板存在的缺陷，并判断所述缺陷是否包含内部缺陷，若包含，则对所述内部缺陷进行轮廓检测，得到内部缺陷轮廓线，并对所述内部缺陷轮廓线进行轮廓近似处理，生成闭合的近似轮廓线；
其中，若存在所述内部缺陷，所述第二轮廓线由所述近似轮廓线和待检测玻璃基板的外轮廓线组成；若不存在所述内部缺陷，所述第二轮廓线为待检测玻璃基板的外轮廓线。
4.如权利要求3所述确定玻璃基板缺陷等级的方法，其特征在于，在步骤S201中，基于内部缺陷轮廓线的外接矩形或内部缺陷轮廓线的最小外接圆生成所述闭合的近似轮廓线。
5.如权利要求3或4所述确定玻璃基板缺陷等级的方法，其特征在于，在步骤S301中，匹配待检测玻璃基板的外轮廓线与所述第一轮廓线，确定待检测玻璃基板是否存在边缘缺陷，若存在边缘缺陷，且所述第二轮廓线不包含所述近似轮廓线，则判定待检测玻璃基板为轻度缺陷，若不存在边缘缺陷，且所述第二轮廓线不包含所述近似轮廓线，则判定待检测玻璃基板为无缺陷。
6.如权利要求5所述确定玻璃基板缺陷等级的方法，其特征在于，若所述第二轮廓线由所述近似轮廓线和待检测玻璃基板的外轮廓线组成，则确定待检测玻璃基板的外轮廓线对应的质心，并确定所述近似轮廓线距离所述质心的最短距离；
比较所述最短距离与一预设距离的大小，若所述最短距离小于所述预设距离，则判定待检测玻璃基板为重度缺陷。
7.如权利要求6所述确定玻璃基板缺陷等级的方法，其特征在于，若所述最短距离不小于所述预设距离，以所述质心为中心十字分割待检测玻璃基板，形成四块子板，分别计算每块子板中的缺陷面积，并基于所述缺陷面积计算每块子板的缺陷面积占比；
确定所述缺陷面积占比超过预设值的子板的个数，若个数超过两个，则判定待检测玻璃基板为重度缺陷；
若个数为两个，则确定两个子板的相对位置，若为相邻子板，则判定待检测玻璃基板为中度缺陷，若为对角子板，则判定待检测玻璃基板为重度缺陷；
若个数为一个，则判定待检测玻璃基板为中度缺陷。
8.如权利要求7所述确定玻璃基板缺陷等级的方法，其特征在于，还包括步骤S401，根据待检测玻璃基板的缺陷等级，在检测后的玻璃基板上施加相应的隐形标记，其中所述隐形标记为后续工位能够识别的标记。
9.确定玻璃基板缺陷等级的计算机设备，其特征在于，所述计算机设备包括：
至少一个处理器；
以及至少一个存储器，其中所述存储器与所述处理器信号连接，且所述存储器存储有程序指令，当所述程序指令由所述处理器执行时，使得所述计算机设备执行权利要求1至8中任一项所述确定玻璃基板缺陷等级的方法。
10.确定玻璃基板缺陷等级的存储介质，其特征在于，所述存储介质存储有计算机程序，当所述计算机程序运行在计算机或处理器上时，使得所述计算机或所述处理器执行如权利要求1至8中任一项所述确定玻璃基板缺陷等级的方法。
CN202210504429.9A 2022-05-10 2022-05-10 确定玻璃基板缺陷等级的方法、计算机设备及存储介质 Pending CN114998217A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210504429.9A CN114998217A (zh) 2022-05-10 2022-05-10 确定玻璃基板缺陷等级的方法、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210504429.9A CN114998217A (zh) 2022-05-10 2022-05-10 确定玻璃基板缺陷等级的方法、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN114998217A true CN114998217A (zh) 2022-09-02

Family

ID=83025209

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210504429.9A Pending CN114998217A (zh) 2022-05-10 2022-05-10 确定玻璃基板缺陷等级的方法、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN114998217A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116805311A (zh) * 2023-08-18 2023-09-26 长春师范大学 一种基于机器人视觉的汽车零配件表面缺陷监测方法
CN117491391A (zh) * 2023-12-29 2024-02-02 登景(天津)科技有限公司 基于芯片计算的玻璃基板光三维健康检测方法及设备
CN118247258A (zh) * 2024-04-15 2024-06-25 深圳市兴悦科技有限公司 一种基于机器视觉的汽车玻璃屏缺陷识别方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116805311A (zh) * 2023-08-18 2023-09-26 长春师范大学 一种基于机器人视觉的汽车零配件表面缺陷监测方法
CN116805311B (zh) * 2023-08-18 2023-11-07 长春师范大学 一种基于机器人视觉的汽车零配件表面缺陷监测方法
CN117491391A (zh) * 2023-12-29 2024-02-02 登景(天津)科技有限公司 基于芯片计算的玻璃基板光三维健康检测方法及设备
CN117491391B (zh) * 2023-12-29 2024-03-15 登景(天津)科技有限公司 基于芯片计算的玻璃基板光三维健康检测方法及设备
CN118247258A (zh) * 2024-04-15 2024-06-25 深圳市兴悦科技有限公司 一种基于机器视觉的汽车玻璃屏缺陷识别方法及系统

Similar Documents

Publication Publication Date Title
CN115908269B (zh) 视觉缺陷检测方法、装置、存储介质和计算机设备
CN114998217A (zh) 确定玻璃基板缺陷等级的方法、计算机设备及存储介质
CN109142366B (zh) 球形外壳缺陷检测方法、装置及计算机可读存储介质
US20230005130A1 (en) Method and device for detecting display panel defect
CN112577969B (zh) 一种基于机器视觉的缺陷检测方法以及缺陷检测系统
CN111612781A (zh) 一种屏幕缺陷检测方法、装置及头戴显示设备
CN114897847A (zh) 图像处理方法及装置、计算机可读存储介质、电子设备
CN106920233A (zh) 基于图像处理的划痕检测方法、装置及电子设备
CN113554582B (zh) 电子设备盖板上功能孔的缺陷检测方法、装置以及系统
CN105352437A (zh) 板卡位置检测方法及装置
CN107784660B (zh) 图像处理方法、图像处理系统及缺陷检测装置
CN110021012B (zh) 基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法
CN110648330B (zh) 摄像头玻璃的缺陷检测方法
CN110060239B (zh) 一种用于瓶子瓶口的缺陷检测方法
CN102901735B (zh) 利用计算机对工件缺损、裂变、变形进行自动检测的系统
CN112669272B (zh) 一种aoi快速检测方法及快速检测系统
CN117152165B (zh) 感光芯片缺陷的检测方法、装置、存储介质及电子设备
CN116993744A (zh) 一种基于阈值分割的焊缝缺陷检测方法
CN111861979A (zh) 一种定位方法、设备及计算机可读存储介质
CN117974601A (zh) 基于模板匹配的硅片表面缺陷检测方法及系统
CN112419207A (zh) 一种图像矫正方法及装置、系统
CN114937003A (zh) 一种针对玻璃面板的多类型缺陷检测系统和方法
CN114723728A (zh) 一种手机摄像头玻璃盖板丝印cd纹缺陷检测方法及系统
CN110596118A (zh) 印刷图案检测方法及印刷图案检测装置
CN117893519A (zh) 一种基于多尺度特征融合的lcd屏幕缺陷检测方法

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