CN115222658A - 一种多工位并行镜片缺陷检测方法和装置 - Google Patents
一种多工位并行镜片缺陷检测方法和装置 Download PDFInfo
- Publication number
- CN115222658A CN115222658A CN202210617914.7A CN202210617914A CN115222658A CN 115222658 A CN115222658 A CN 115222658A CN 202210617914 A CN202210617914 A CN 202210617914A CN 115222658 A CN115222658 A CN 115222658A
- Authority
- CN
- China
- Prior art keywords
- lens
- detected
- detection
- outer contour
- defect
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 172
- 230000007547 defect Effects 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000031836 visual learning Effects 0.000 claims abstract description 32
- 230000011218 segmentation Effects 0.000 claims abstract description 15
- 238000007500 overflow downdraw method Methods 0.000 claims abstract description 10
- 230000033001 locomotion Effects 0.000 claims description 23
- 238000005498 polishing Methods 0.000 claims description 10
- 230000002950 deficient Effects 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 5
- 230000013016 learning Effects 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 abstract description 3
- 238000007689 inspection Methods 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000011002 quantification Methods 0.000 description 4
- 238000011179 visual inspection Methods 0.000 description 4
- 238000013139 quantization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000002679 ablation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
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
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- 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]
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种多工位并行镜片缺陷检测方法和装置，通过多工位同时采集多张镜片样本图片，并且每个工位沿垂直方向多次采集同一样本，获得镜片样本图片数据集；将镜片样本图片数据集中多次采集的同一样本的多张图片通过图像融合方法合成一张最清晰的图片，对所有最清晰的图片进行缺陷识别和标记，获得缺陷样本数据集；将缺陷样本数据集进行视觉学习，获得视觉学习模型；基于视觉学习模型获得缺陷样本数据集对应的阈值；获取待检测镜片实际的参数，基于阈值和参数，采用阈值分割法对待检测镜片对应的待检测镜片图进行缺陷检测，获得缺陷检测结果。本发明能够进行自动化检测，能够实现量化检测，提高了检测速度，降低了检测成本，提高了检测精度。
Description
技术领域
本发明涉及计算机视觉学习领域的缺陷检测技术领域，尤其是涉及一种多工位并行镜片缺陷检测方法和装置。
背景技术
镜片缺陷的检测不仅是出厂镜片合格率的重要保障，也是对镜片生产过程监控的有效方法，是提高镜片生产品质的有力保障。目前，镜片缺陷检测仍停留在人工目检阶段，严重阻滞了镜片全面自动化生产线研发的推进，人工目检存在漏检，无法量化，检测速度慢，检测成本高等问题。
因此，现有技术实现了单工位自动化检测设备，单工位自动化检测效率低，只能进行单个的镜片检测，无法量化，检测速度慢。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种多工位并行镜片缺陷检测方法和装置，能够对多个镜片同时进行自动化检测，能够量化，提高了检测速度，降低了检测成本，提高了检测精度。
第一方面，本发明实施例提供了一种多工位并行镜片缺陷检测方法，包括步骤：
通过多工位同时采集多张镜片样本图片，并且每个所述工位沿垂直方向多次采集同一样本，获得镜片样本图片数据集；
将所述待检测镜片样本图片数据集中多次采集的同一样本的多张图片通过图像融合方法合成一张最清晰的图片，对所有所述最清晰的图片进行缺陷识别和标记，获得缺陷样本数据集；
将所述缺陷样本数据集进行视觉学习，获得视觉学习模型；
基于所述视觉学习模型获得所述缺陷样本数据集对应的阈值；
获取待检测镜片实际的参数，基于所述阈值和所述参数，采用阈值分割法对所述待检测镜片对应的待检测镜片图进行缺陷检测，获得缺陷检测结果。
与现有技术相比，本发明第一方面具有以下有益效果：
本方法通过多工位同时采集多张镜片样本图片，并且每个工位沿垂直方向多次采集同一样本，获得镜片样本图片数据集；本方法能够通过多工位同时采集多张图片，方便图片采集，提高图片采集效率。本方法通过将镜片样本图片数据集中多次采集的同一样本的多张图片通过图像融合方法合成一张最清晰的图片，对最清晰的图片进行缺陷识别和标记，获得缺陷样本数据集；本方法通过将多次采集的同一样本的多张图片合并成最清晰的样品图，可以使其瑕疵全部显现，提高检测的精确度。本方法还通过将缺陷样本数据集进行视觉学习，获得视觉学习模型；基于视觉学习模型获得缺陷样本数据集对应的阈值；获取待检测镜片实际的参数，基于阈值和参数，采用阈值分割法对待检测镜片对应的待检测镜片图进行缺陷检测，获得缺陷检测结果，实现了缺陷检测的自动化。因此，本方法能够实现单次同时对多个待检测镜片进行自动化且高精度的检测，本方法能够对多个镜片同时进行自动化检测，能够实现量化检测，提高了检测速度，降低了检测成本，提高了检测精度。
根据本发明的一些实施例，所述多工位并行镜片缺陷检测方法，还包括步骤：
获取所述待检测镜片图，在所述待检测镜片图中选择感兴趣区域；
通过霍夫圆检测原理计算所述待检测镜片于所述感兴趣区域的外轮廓，并计算所述待检测镜片的所述外轮廓的像素坐标；
获取所述待检测镜片的直径，将所述待检测镜片的外轮廓的直径与所述待检测镜片的直径进行比较，若所述待检测镜片的外轮廓的直径减去所述待检测镜片的直径的差值小于或等于0.1毫米，则继续选择所述待检测镜片的感兴趣区域；若所述待检测镜片的外轮廓的直径减去所述待检测镜片的直径的差值大于0.1毫米，则结束所述感兴趣区域的选择；
基于所述待检测镜片的外轮廓的像素坐标获得所述待检测镜片的外轮廓模板，将所述外轮廓模板进行编号。
根据本发明的一些实施例，所述多工位并行镜片缺陷检测方法，所述结束所述感兴趣区域的选择后，还包括步骤：
获取所述待检测镜片图对应编号的所述外轮廓模板；
通过所述待检测镜片的外轮廓的直径和所述外轮廓模板中的像素坐标计算所述待检测镜片的外轮廓的中心；
获取所述待检测镜片的直径，通过所述待检测镜片的外轮廓的中心和所述待检测镜片的直径重新提取所述待检测镜片的外轮廓；
判断重新提取的所述待检测镜片的外轮廓是否在所述外轮廓模板中，若重新提取的所述待检测镜片的外轮廓不在所述外轮廓模板中，则再次重新提取所述待检测镜片的外轮廓；若重新提取的所述待检测镜片的外轮廓在所述外轮廓模板中，则结束提取所述待检测镜片的外轮廓。
根据本发明的一些实施例，所述基于所述阈值和所述参数，采用阈值分割法对所述待检测镜片对应的待检测镜片图进行缺陷检测，获得缺陷检测结果，包括：
基于所述视觉学习模型获得的所述阈值和所述待检测镜片的外轮廓，定位所述待检测镜片的中心；
判断所述待检测镜片的中心和所述待检测镜片的外轮廓的中心是否重合，若所述待检测镜片图的中心和所述待检测镜片的外轮廓的中心不重合，则重新定位所述待检测镜片图的中心；若所述待检测镜片图的中心和所述待检测镜片的外轮廓的中心重合，则进行镜片缺失检测，所述待检测镜片缺失检测用于检测所述待检测镜片图中的镜片是否显示完全；
若所述待检测镜片图中的镜片不完全显示，则调整所述视觉学习模型获得的阈值，以使所述待检测镜片图中的镜片完全显示；若所述待检测镜片图中的镜片完全显示，则选择缺陷种类，根据所述阈值分割法提取所述待检测镜片图中镜片的缺陷；
判断所述待检测镜片的外轮廓与所述待检测镜片图中的镜片是否完全重合，若所述待检测镜片的外轮廓与所述待检测镜片图中的镜片不完全重合，则重新选择缺陷种类，根据所述阈值分割法重新提取所述待检测镜片图中镜片的缺陷；若所述待检测镜片的外轮廓与所述待检测镜片图中的镜片完全重合，则获取所述缺陷的尺寸，保存所述尺寸对应的阈值至所述视觉学习模型中；
更换选择的缺陷种类，对所述待检测镜片的所有缺陷进行筛选，获得缺陷检测结果。
根据本发明的一些实施例，所述进行镜片缺失检测，包括：
获得所述待检测镜片的外轮廓，将所述待检测镜片的外轮廓与所述待检测镜片图进行对比，查找是否有缺失的地方，若没有缺失的地方，则表示所述待检测镜片显示完全，若有缺失的地方，则表示所述待检测镜片显示不完全。
根据本发明的一些实施例，所述多工位并行镜片缺陷检测方法，还包括步骤：
预设所述待检测镜片的镜片检测范围，以使所述待检测镜片的直径在所述待检测镜片检测范围内时，得到所述待检测镜片的外轮廓。
第二方面，本发明实施例还提供了一种多工位并行镜片缺陷检测装置，多工位并行镜片缺陷检测装置还包括:
转盘，设置在所述机架上，所述转盘上设置有上料抓取工位、镜片检测工位和下料抓取工位，所述转盘用于将位于所述上料抓取工位上的待检测镜片转动至所述镜片检测工位，以及将位于所述镜片检测工位上的待检测镜片转动至所述下料抓取工位；
上料机构，包括设置在机架上的第一放置盘和上料机械手，所述第一放置盘用于放置所述待检测镜片，所述上料机械手用于从所述第一放置盘上抓取所述待检测镜片并放置于所述上料抓取工位上；
多工位检测机构，设置在所述机架上且位于所述镜片检测工位的上方，所述多工位检测机构包括垂直方向运动机构和位于所述垂直方向运动机构上的多个检测模组，所述垂直方向运动机构用于控制所述多个检测模组在垂直方向运动，所述多个检测模组用于检测多个所述待检测镜片并执行如上所述的一种多工位并行镜片缺陷检测方法；
下料机构，包括设置在机架上的下料机械手和第二放置盘，所述下料机械手用从所述下料抓取工位上抓取所述待检测镜片并放置于所述第二放置盘上。
与现有技术相比，本发明第二方面具有以下有益效果：
本装置的多工位检测机构包括垂直方向运动机构和位于垂直方向运动机构上的多个检测模组，通过垂直方向运动机构来控制多个检测模组在垂直方向运动，通过多个检测模组来检测多个待检测镜片，多个检测模组能够通过垂直方向运动机构同时检测多个镜片检测工位上的待检测镜片，实现了无接触的测量；并且单次可以同时对多个待检测镜片进行检测，垂直方向运动机构控制多个检测模组在垂直方向运动，多个检测模组同时检测多个镜片检测工位上的待检测镜片，能够实现量化检测，提高了检测速度。
根据本发明的一些实施例，所述第二放置盘包括良品放置盘和缺陷放置盘，所述良品放置盘和所述缺陷放置盘位于所述下料机械手的一侧，所述下料机械手将检测无缺陷的产品放置于所述良品放置盘中，所述下料机械手将检测有缺陷的产品放置于所述缺陷放置盘中。
根据本发明的一些实施例，每个所述检测模组包括检测相机、远心镜头、环形光源和工位检测夹具，所述检测相机设置于所述待检测镜片的上方，用于采集所述待检测镜片的图像；所述远心镜头设置于所述检测相机和所述待检测镜片之间，用于将所述待检测镜片成像于所述检测相机的光感元件上；所述环形光源设置于所述远心镜头下方并保持间隔，罩设于所述待检测镜片的周围，用于从所述待检测镜片的侧向打光；所述工位检测夹具设置于所述镜片检测工位上，位于所述环形光源的下方，用于固定所述待检测镜片的位置。
根据本发明的一些实施例，所述远心镜头上固定有点光源，所述点光源设置于所述待检测镜片的上方，用于从所述待检测镜片的顶部打光。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明一实施例的一种多工位并行镜片缺陷检测方法的流程图；
图2是本发明一实施例的一种多工位并行镜片缺陷检测装置的结构图；
附图标记：
110、第一放置盘；120、上料机械手；130、上料抓取工位；210、转盘；310、垂直方向运动机构；321、检测相机；322、远心镜头；323、环形光源；324、工位检测夹具；325、点光源；326、底光源；330、镜片检测工位；410、下料机械手；420、下料抓取工位；431、良品放置盘；432、缺陷放置盘。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，如果有描述到第一、第二等只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下等指示的方位或位置关系为基于附图所示的方位或位置关系，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，因此不能理解为对本发明的限制。
本发明的描述中，需要说明的是，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
镜片缺陷的检测不仅是出厂镜片合格率的重要保障，也是对镜片生产过程监控的有效方法，是提高镜片生产品质的有力保障。目前，镜片缺陷检测仍停留在人工目检阶段，严重阻滞了镜片全面自动化生产线研发的推进，人工目检存在漏检，无法量化，检测速度慢，检测成本高等问题。
因此，现有技术实现了单工位自动化检测设备，单工位自动化检测效率低，只能进行单个的镜片检测，无法量化，检测速度慢。
为解决上述问题，本发明通过多工位同时采集多张镜片样本图片，并且每个工位沿垂直方向多次采集同一样本，获得镜片样本图片数据集；本发明能够通过多工位同时采集多张图片，方便图片采集，提高图片采集效率。本发明通过将镜片样本图片数据集中多次采集的同一样本的多张图片通过图像融合方法合成一张最清晰的图片，对最清晰的图片进行缺陷识别和标记，获得缺陷样本数据集；本发明通过将多次采集的同一样本的多张图片合并成最清晰的样品图，可以使其瑕疵全部显现，提高检测的精确度。本发明还通过将缺陷样本数据集进行视觉学习，获得视觉学习模型；基于视觉学习模型获得缺陷样本数据集对应的阈值；获取待检测镜片实际的参数，基于阈值和参数，采用阈值分割法对待检测镜片对应的待检测镜片图进行缺陷检测，获得缺陷检测结果，实现了缺陷检测的自动化。因此，本发明能够实现单次同时对多个待检测镜片进行自动化且高精度的检测，本发明能够对多个镜片同时进行自动化检测，能够实现量化检测，提高了检测速度，降低了检测成本，提高了检测精度。
参照图1，本发明实施例提供了一种多工位并行镜片缺陷检测方法，包括步骤：
步骤S100、通过多工位同时采集多张镜片样本图片，并且每个工位沿垂直方向多次采集同一样本，获得镜片样本图片数据集。
具体的，通过多工位同时采集多张镜片样本图片，并且每个工位沿垂直方向多次采集同一样本，获得镜片样本图片数据集；也就是，每个工位上设置有一个相机，多个工位就有多个相机，由多个相机同时对镜片进行样品采图，并且每个相机都随着垂直方向(即，垂直方向)的运动扫描机构对镜片样品进行多次采图，获得镜片样本图片数据集。
在本实施例中，通过多工位同时采集多张镜片样本图片，并且每个工位沿垂直方向多次采集同一样本，获得镜片样本图片数据集，因此，本实施例能够通过多工位同时采集多张图片，方便图片采集，提高图片采集效率。
步骤S200、将镜片样本图片数据集中多次采集的同一样本的多张图片通过图像融合方法合成一张最清晰的图片，对所有最清晰的图片进行缺陷识别和标记，获得缺陷样本数据集。
具体的，通过相机沿垂直方向的运动扫描机构对同一镜片样品进行多次采图，将同一样本的多张图片通过图像融合方法合成一张最清晰的图片，对所有最清晰的图片进行缺陷识别和标记，获得缺陷样本数据集。
需要说明的是，该图像融合方法为现有技术中的图像融合方法，因此，在本实施例中不作详细描述。
在本实施例中，通过将镜片样本图片数据集中多次采集的同一样本的多张图片通过图像融合方法合成一张最清晰的图片，对最清晰的图片进行缺陷识别和标记，获得缺陷样本数据集；因此，本实施例通过将多次采集的同一样本的多张图片合并成最清晰的样品图，可以使其瑕疵全部显现，提高检测的精确度。
步骤S300、将缺陷样本数据集进行视觉学习，获得视觉学习模型。
具体的，将上述步骤S200中获得的缺陷样本数据集通过AI智能进行视觉学习，获得视觉学习模型。本实施例中，通过AI智能进行视觉学习，能够学习到缺陷样本数据集中所有缺陷。
步骤S400、基于视觉学习模型获得缺陷样本数据集对应的阈值。
具体的，通过视觉学习模型学习到缺陷样本数据集中所有缺陷后，获取每种缺陷对应的阈值。
步骤S500、获取待检测镜片实际的参数，基于阈值和参数，采用阈值分割法对待检测镜片对应的待检测镜片图进行缺陷检测，获得缺陷检测结果。
具体的，获取待检测镜片图，所有待检测镜片图都存放在文件或文件夹中，在需要检测时显示指定的待检测镜片图，在该待检测镜片图中选择感兴趣区域并显示选择的感兴趣区域，获得待检测镜片图的感兴趣区域；
需要说明的是，此处的感兴趣区域(ROI)在待检测镜片图中框起来是很粗略的，目的是为了下面精确地找到待检测镜片的外轮廓做准备；在获得实际待检测镜片图时，也会获取待检测镜片图中待检测镜片的实际尺寸(即，待检测镜片实际的参数)，并将待检测镜片的实际尺寸会写入设置文件中，用于检测缺陷时使用，待检测镜片的实际尺寸包括待检测镜片的直径等。
通过霍夫圆检测原理计算感兴趣区域内待检测镜片的外轮廓和待检测镜片的外轮廓的像素坐标，并显示已有的待检测镜片的外轮廓，获得待检测镜片的外轮廓的直径和待检测镜片的外轮廓的像素坐标；
需要说明的是，本实施例会预设检测的外轮廓的数量，通过霍夫圆检测原理检测镜片外轮廓的数量，其数量不能超过预设检测的外轮廓的数量。
获取待检测镜片的直径，将待检测镜片的外轮廓的直径与待检测镜片的直径进行比较，若待检测镜片的外轮廓的直径减去待检测镜片的直径的差值小于或等于0.1毫米，则继续选择待检测镜片的感兴趣区域；若待检测镜片的外轮廓的直径减去待检测镜片的直径的差值大于0.1毫米，则结束感兴趣区域的选择；
结束感兴趣区域的选择后，基于待检测镜片的外轮廓的像素坐标获得待检测镜片的外轮廓模板，将外轮廓模板进行编号，保存编号后的外轮廓模板。
在需要检测待检测镜片时，获取该待检测镜片的待检测镜片图对应编号的外轮廓模板；
通过待检测镜片的外轮廓的直径和外轮廓模板中的像素坐标计算待检测镜片的外轮廓的中心，并显示该中心；
获取待检测镜片的直径，通过待检测镜片的外轮廓的中心和待检测镜片的直径重新提取待检测镜片的外轮廓；
预设待检测镜片的外轮廓的最大直径和最小直径，获得镜片检测范围；
若霍夫圆检测原理检测到待检测镜片的直径不在镜片检测范围内，则检测不到待检测镜片的外轮廓；若霍夫圆检测原理检测到待检测镜片的直径在镜片检测范围内，则检测得到待检测镜片的外轮廓。
若能检测得到重新提取的待检测镜片的外轮廓，判断重新提取的待检测镜片的外轮廓是否在外轮廓模板中，若重新提取的待检测镜片的外轮廓不在外轮廓模板中，则再次重新提取待检测镜片的外轮廓；若重新提取的待检测镜片的外轮廓在外轮廓模板中，则结束提取待检测镜片的外轮廓。
结束提取待检测镜片的外轮廓后，基于视觉学习模型获得的阈值和待检测镜片的外轮廓，定位待检测镜片的中心，并显示该中心；
判断待检测镜片的中心和待检测镜片的外轮廓的中心是否重合，若待检测镜片图的中心和待检测镜片的外轮廓的中心不重合，则重新定位待检测镜片图的中心；若待检测镜片图的中心和待检测镜片的外轮廓的中心重合，则进行镜片缺失检测，镜片缺失检测用于检测待检测镜片图中的镜片是否显示完全；
镜片缺失检测的过程为：获得待检测镜片的外轮廓，将待检测镜片的外轮廓与待检测镜片图进行对比，查找是否有缺失的地方，若没有缺失的地方，则表示待检测镜片显示完全，若有缺失的地方，则表示待检测镜片显示不完全。
若待检测镜片图中的镜片不完全显示，则调整视觉学习模型获得的阈值，以使待检测镜片图中的镜片完全显示；若待检测镜片图中的镜片完全显示，则选择缺陷种类，根据阈值分割法提取待检测镜片图中镜片的缺陷；
选择好缺陷种类后，判断待检测镜片的外轮廓与待检测镜片图中的镜片是否完全重合，若待检测镜片的外轮廓与待检测镜片图中的镜片不完全重合，则重新选择缺陷种类，根据阈值分割法重新提取待检测镜片图中镜片的缺陷；若待检测镜片的外轮廓与待检测镜片图中的镜片完全重合，则获取缺陷的尺寸，保存尺寸对应的阈值至视觉学习模型中；
更换选择的缺陷种类，对待检测镜片的所有缺陷进行筛选，直到所有缺陷都检查完毕后结束待检测镜片的缺陷检测，获得待检测镜片的缺陷检测结果。
在本实施例中，本实施例还通过将缺陷样本数据集进行视觉学习，获得视觉学习模型；基于视觉学习模型获得缺陷样本数据集对应的阈值；获取待检测镜片实际的参数，基于阈值和参数，采用阈值分割法对待检测镜片对应的待检测镜片图进行缺陷检测，获得缺陷检测结果，实现了缺陷检测的自动化。因此，本实施例能够实现单次同时对多个待检测镜片进行自动化且高精度的检测，本实施例能够对多个镜片同时进行自动化检测，能够实现量化检测，提高了检测速度，降低了检测成本，提高了检测精度。
参照图2，本发明实施例还提供了一种多工位并行镜片缺陷检测装置，包括机架，多工位并行镜片缺陷检测装置还包括：
转盘210，设置在机架上，转盘210上设置有上料抓取工位130、镜片检测工位330和下料抓取工位420，转盘210用于将位于上料抓取工位130上的待检测镜片转动至镜片检测工位330，以及将位于镜片检测工位330上的待检测镜片转动至下料抓取工位420；
上料机构，包括设置在机架上的第一放置盘110和上料机械手120，第一放置盘110用于放置待检测镜片，上料机械手120用于从第一放置盘110上抓取待检测镜片并放置于上料抓取工位130上；
多工位检测机构，设置在机架上且位于镜片检测工位330的上方，多工位检测机构包括垂直方向运动机构310和位于垂直方向运动机构310上的多个检测模组，垂直方向运动机构310用于控制多个检测模组在垂直方向运动，多个检测模组用于检测多个待检测镜片并执行上述实施例方法，例如，执行以上描述的图1中的方法步骤S100至步骤S500；
下料机构，包括设置在机架上的下料机械手410和第二放置盘，下料机械手410用从下料抓取工位420上抓取待检测镜片并放置于第二放置盘上。
在本实施例中，本实施例的多工位检测机构包括垂直方向运动机构310和位于垂直方向运动机构310上的多个检测模组，通过垂直方向运动机构310来控制多个检测模组在垂直方向运动，通过多个检测模组来检测多个待检测镜片，多个检测模组能够通过垂直方向运动机构310同时检测多个镜片检测工位330上的待检测镜片，实现了无接触的测量；并且单次可以同时对多个待检测镜片进行检测，垂直方向运动机构310控制多个检测模组在垂直方向运动，多个检测模组同时检测多个镜片检测工位330上的待检测镜片，能够实现量化检测，提高了检测速度。
在一些实施例中，第二放置盘包括良品放置盘431和缺陷放置盘432，良品放置盘431和缺陷放置盘432位于下料机械手410的一侧，下料机械手410将检测无缺陷的产品放置于良品放置盘431中，下料机械手410将检测有缺陷的产品放置于缺陷放置盘432中。
在一些实施例中，每个检测模组包括检测相机321、远心镜头322、环形光源323和工位检测夹具324，检测相机321设置于待检测镜片的上方，用于采集待检测镜片的图像；远心镜头322设置于检测相机321和待检测镜片之间，用于将待检测镜片成像于检测相机321的光感元件上；环形光源323设置于远心镜头322下方并保持间隔，罩设于待检测镜片的周围，用于从待检测镜片的侧向打光；工位检测夹具324设置于镜片检测工位330上，位于环形光源323的下方，用于固定待检测镜片的位置。
在一些实施例中，远心镜头322上固定有点光源325，点光源325设置于待检测镜片的上方，用于从待检测镜片的顶部打光。
在一些实施例中，镜片检测工位330下方连接有底光源326，用于待检测镜片的底部打光。
在本实施例中，本实施例采用远心镜头322，远心镜头322景深更大，可以在一定的物距范围内，使得到的图像放大倍率不会变化。本实施例还采用环形光源323和底光源326、点光源325相结合，使用时，点光源325针对一些表面的缺陷，环形光源323对镜片进行侧方面的暗场打光，通过大小角度反射光来检测镜片的伤痕、裂边，底光源326对镜片通过底光进行明场打光，主要针对砂目雾状、烧蚀、气泡的检测，在底光源326的照射下，有缺陷的地方会发生反射比其他部分要更亮，使缺陷更明显；本实施例为镜片检测提供全方位的打光方式，使得镜头准确全面的将待检测镜片成像于所述相机的感光元件上，从而来解决打光方式不全面出现的漏检和影响准确度等问题。
需要说明的是，图2中的各种装置结构都属于本实施例，本实施例不做详细描述。
上面结合附图对本发明实施例作了详细说明，但本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (10)
1.一种多工位并行镜片缺陷检测方法，其特征在于，包括步骤：
通过多工位同时采集多张镜片样本图片，并且每个所述工位沿垂直方向多次采集同一样本，获得镜片样本图片数据集；
将所述待检测镜片样本图片数据集中多次采集的同一样本的多张图片通过图像融合方法合成一张最清晰的图片，对所有所述最清晰的图片进行缺陷识别和标记，获得缺陷样本数据集；
将所述缺陷样本数据集进行视觉学习，获得视觉学习模型；
基于所述视觉学习模型获得所述缺陷样本数据集对应的阈值；
获取待检测镜片实际的参数，基于所述阈值和所述参数，采用阈值分割法对所述待检测镜片对应的待检测镜片图进行缺陷检测，获得缺陷检测结果。
2.根据权利要求1所述的一种多工位并行镜片缺陷检测方法，其特征在于，所述多工位并行镜片缺陷检测方法，还包括步骤：
获取所述待检测镜片图，在所述待检测镜片图中选择感兴趣区域；
通过霍夫圆检测原理计算所述待检测镜片于所述感兴趣区域的外轮廓，并计算所述待检测镜片的所述外轮廓的像素坐标；
获取所述待检测镜片的直径，将所述待检测镜片的外轮廓的直径与所述待检测镜片的直径进行比较，若所述待检测镜片的外轮廓的直径减去所述待检测镜片的直径的差值小于或等于0.1毫米，则继续选择所述待检测镜片的感兴趣区域；若所述待检测镜片的外轮廓的直径减去所述待检测镜片的直径的差值大于0.1毫米，则结束所述感兴趣区域的选择；
基于所述待检测镜片的外轮廓的像素坐标获得所述待检测镜片的外轮廓模板，将所述外轮廓模板进行编号。
3.根据权利要求2所述的一种多工位并行镜片缺陷检测方法，其特征在于，所述多工位并行镜片缺陷检测方法，所述结束所述感兴趣区域的选择后，还包括步骤：
获取所述待检测镜片图对应编号的所述外轮廓模板；
通过所述待检测镜片的外轮廓的直径和所述外轮廓模板中的像素坐标计算所述待检测镜片的外轮廓的中心；
获取所述待检测镜片的直径，通过所述待检测镜片的外轮廓的中心和所述待检测镜片的直径重新提取所述待检测镜片的外轮廓；
判断重新提取的所述待检测镜片的外轮廓是否在所述外轮廓模板中，若重新提取的所述待检测镜片的外轮廓不在所述外轮廓模板中，则再次重新提取所述待检测镜片的外轮廓；若重新提取的所述待检测镜片的外轮廓在所述外轮廓模板中，则结束提取所述待检测镜片的外轮廓。
4.根据权利要求3所述的一种多工位并行镜片缺陷检测方法，其特征在于，所述基于所述阈值和所述参数，采用阈值分割法对所述待检测镜片对应的待检测镜片图进行缺陷检测，获得缺陷检测结果，包括：
基于所述视觉学习模型获得的所述阈值和所述待检测镜片的外轮廓，定位所述待检测镜片的中心；
判断所述待检测镜片的中心和所述待检测镜片的外轮廓的中心是否重合，若所述待检测镜片图的中心和所述待检测镜片的外轮廓的中心不重合，则重新定位所述待检测镜片图的中心；若所述待检测镜片图的中心和所述待检测镜片的外轮廓的中心重合，则进行镜片缺失检测，所述待检测镜片缺失检测用于检测所述待检测镜片图中的镜片是否显示完全；
若所述待检测镜片图中的镜片不完全显示，则调整所述视觉学习模型获得的阈值，以使所述待检测镜片图中的镜片完全显示；若所述待检测镜片图中的镜片完全显示，则选择缺陷种类，根据所述阈值分割法提取所述待检测镜片图中镜片的缺陷；
判断所述待检测镜片的外轮廓与所述待检测镜片图中的镜片是否完全重合，若所述待检测镜片的外轮廓与所述待检测镜片图中的镜片不完全重合，则重新选择缺陷种类，根据所述阈值分割法重新提取所述待检测镜片图中镜片的缺陷；若所述待检测镜片的外轮廓与所述待检测镜片图中的镜片完全重合，则获取所述缺陷的尺寸，保存所述尺寸对应的阈值至所述视觉学习模型中；
更换选择的缺陷种类，对所述待检测镜片的所有缺陷进行筛选，获得缺陷检测结果。
5.根据权利要求4所述的一种多工位并行镜片缺陷检测方法，其特征在于，所述进行镜片缺失检测，包括：
获得所述待检测镜片的外轮廓，将所述待检测镜片的外轮廓与所述待检测镜片图进行对比，查找是否有缺失的地方，若没有缺失的地方，则表示所述待检测镜片显示完全，若有缺失的地方，则表示所述待检测镜片显示不完全。
6.根据权利要求5所述的一种多工位并行镜片缺陷检测方法，其特征在于，所述多工位并行镜片缺陷检测方法，还包括步骤：
预设所述待检测镜片的镜片检测范围，以使所述待检测镜片的直径在所述待检测镜片检测范围内时，得到所述待检测镜片的外轮廓。
7.一种多工位并行镜片缺陷检测装置，包括机架，其特征在于，多工位并行镜片缺陷检测装置还包括:
转盘，设置在所述机架上，所述转盘上设置有上料抓取工位、镜片检测工位和下料抓取工位，所述转盘用于将位于所述上料抓取工位上的待检测镜片转动至所述镜片检测工位，以及将位于所述镜片检测工位上的待检测镜片转动至所述下料抓取工位；
上料机构，包括设置在机架上的第一放置盘和上料机械手，所述第一放置盘用于放置所述待检测镜片，所述上料机械手用于从所述第一放置盘上抓取所述待检测镜片并放置于所述上料抓取工位上；
多工位检测机构，设置在所述机架上且位于所述镜片检测工位的上方，所述多工位检测机构包括垂直方向运动机构和位于所述垂直方向运动机构上的多个检测模组，所述垂直方向运动机构用于控制所述多个检测模组在垂直方向运动，所述多个检测模组用于检测多个所述待检测镜片并执行如权利要求1至6任一项所述的一种多工位并行镜片缺陷检测方法；
下料机构，包括设置在机架上的下料机械手和第二放置盘，所述下料机械手用从所述下料抓取工位上抓取所述待检测镜片并放置于所述第二放置盘上。
8.根据权利要求7所述的多工位并行镜片缺陷检测装置，其特征在于，所述第二放置盘包括良品放置盘和缺陷放置盘，所述良品放置盘和所述缺陷放置盘位于所述下料机械手的一侧，所述下料机械手将检测无缺陷的产品放置于所述良品放置盘中，所述下料机械手将检测有缺陷的产品放置于所述缺陷放置盘中。
9.根据权利要求8所述的多工位并行镜片缺陷检测装置，其特征在于，每个所述检测模组包括检测相机、远心镜头、环形光源和工位检测夹具，所述检测相机设置于所述待检测镜片的上方，用于采集所述待检测镜片的图像；所述远心镜头设置于所述检测相机和所述待检测镜片之间，用于将所述待检测镜片成像于所述检测相机的光感元件上；所述环形光源设置于所述远心镜头下方并保持间隔，罩设于所述待检测镜片的周围，用于从所述待检测镜片的侧向打光；所述工位检测夹具设置于所述镜片检测工位上，位于所述环形光源的下方，用于固定所述待检测镜片的位置。
10.根据权利要求9所述的多工位并行镜片缺陷检测装置，其特征在于，所述远心镜头上固定有点光源，所述点光源设置于所述待检测镜片的上方，用于从所述待检测镜片的顶部打光。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210617914.7A CN115222658A (zh) | 2022-06-01 | 2022-06-01 | 一种多工位并行镜片缺陷检测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210617914.7A CN115222658A (zh) | 2022-06-01 | 2022-06-01 | 一种多工位并行镜片缺陷检测方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115222658A true CN115222658A (zh) | 2022-10-21 |
Family
ID=83607507
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210617914.7A Pending CN115222658A (zh) | 2022-06-01 | 2022-06-01 | 一种多工位并行镜片缺陷检测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115222658A (zh) |
-
2022
- 2022-06-01 CN CN202210617914.7A patent/CN115222658A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101772673B1 (ko) | 멀티 광학 모듈 비전 검사 시스템 | |
| CN107356608B (zh) | 大口径熔石英光学元件表面微缺陷快速暗场检测方法 | |
| CN110044405B (zh) | 一种基于机器视觉的汽车仪表自动化检测装置及方法 | |
| CN108956645A (zh) | 一种多视觉系统的光学镜片缺陷检测装置及方法 | |
| US6432800B2 (en) | Inspection of defects on the circumference of semiconductor wafers | |
| CN105021628A (zh) | 一种用于光纤倒像器表面缺陷的检测方法 | |
| JP2003529741A (ja) | 自動化ウェハ欠陥検査システムおよびこのような検査を実行する方法 | |
| CN111812103A (zh) | 一种图像采集装置、视觉检测系统及检测点提取方法 | |
| CN114113114B (zh) | 一种大口径元件表面微缺陷检测与修复的自动化工艺方法 | |
| CN116718616B (zh) | 一种用于瑕疵检测的机器视觉检测系统及检测方法 | |
| CN105181713A (zh) | 一种用于光纤倒像器表面缺陷的检测装置 | |
| CN116465315B (zh) | 一种网版质量自动化检测方法及系统 | |
| CN209992407U (zh) | 线面阵相机结合的大口径超净光滑表面缺陷检测装置 | |
| CN209858405U (zh) | 基于机器光学的pcb板缺陷检测系统装置 | |
| CN111060518A (zh) | 一种基于实例分割的冲压件缺陷识别方法 | |
| CN114113116A (zh) | 一种大口径元件表面微缺陷精确检测工艺方法 | |
| CN115222658A (zh) | 一种多工位并行镜片缺陷检测方法和装置 | |
| CN217505679U (zh) | 工件缺陷检测装置 | |
| CN216670465U (zh) | 用于捕获平板培养皿的图像的系统 | |
| CN212321466U (zh) | 一种图像采集装置及视觉检测系统 | |
| CN115453783A (zh) | 一种液晶屏检测区域的定位设备及方法 | |
| CN114113112B (zh) | 一种基于三光源显微系统的表面微缺陷定位与识别方法 | |
| CN113953208B (zh) | 一种电子元件全自动分拣装置及其分拣方法 | |
| CN114689612A (zh) | 一种3d手机玻璃盖板的缺陷自动检测装置 | |
| CN114460087A (zh) | 一种基于机器视觉的焊点缺陷检测系统和方法 |
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 |