CN117058141B - 一种玻璃磨边缺陷的检测方法及终端 - Google Patents
一种玻璃磨边缺陷的检测方法及终端 Download PDFInfo
- Publication number
- CN117058141B CN117058141B CN202311311837.3A CN202311311837A CN117058141B CN 117058141 B CN117058141 B CN 117058141B CN 202311311837 A CN202311311837 A CN 202311311837A CN 117058141 B CN117058141 B CN 117058141B
- Authority
- CN
- China
- Prior art keywords
- detection
- image
- filtering
- glass
- edge
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 109
- 239000011521 glass Substances 0.000 title claims abstract description 99
- 230000007547 defect Effects 0.000 title claims abstract description 84
- 238000007688 edging Methods 0.000 title claims abstract description 44
- 238000001914 filtration Methods 0.000 claims abstract description 81
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000005192 partition Methods 0.000 claims abstract description 6
- 238000010586 diagram Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000000227 grinding Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 238000004880 explosion Methods 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 2
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 8
- 239000010410 layer Substances 0.000 description 32
- 230000000694 effects Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 241000533950 Leucojum Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
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
- G01N21/84—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
- 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
- G06T7/13—Edge detection
-
- 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
- G06T2207/10024—Color image
-
- 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
Abstract
本发明公开一种玻璃磨边缺陷的检测方法,包括步骤:获取被检测玻璃的整体图像,并提取其中的整体外轮廓,生成整体外轮廓检测设备所在的世界坐标系的位置坐标;根据位置坐标筛选检测点;控制检测装置对检测点进行拍摄并分区滤波处理;将滤波处理后的图像与标准图像进行差分对比,并根据对比结果输出缺陷区域。本发明通过将被检测玻璃的整体外轮廓坐标转化至检测装置所在的世界坐标系,进而控制检测装置对检测点拍摄并进行滤波降噪,最后与标准图像差分对比确定缺陷区域,无需人工目视检测,实现自动化降噪并差分处理,降低人力成本,提升检测精准度;除此之外,利用图像之间的差分对比检测缺陷,检测数据得以保留,方便后期追溯。
Description
技术领域
本发明涉及玻璃检测技术领域,尤其涉及一种玻璃磨边缺陷的检测方法及终端。
背景技术
在玻璃制造及加工工艺中,磨边是一个重要环节。磨边处理不仅影响玻璃的美观程度,而且关系到磨边玻璃的使用安全。玻璃的磨边缺陷可能导致其在使用中产生开裂或破裂,从而带来安全隐患。
长期以来,工厂主要依靠人工目视检测的方式来识别和分类玻璃边缘的缺陷。然而,这种方法存在许多问题:首先,人工目视检测效率低下,特别是在大批量生产的环境中;其次,人工目视检测容易出现主观意见,对质量标准把控不准,或因操作标准员的疲劳、经验、判断等因素产生误差,导致检测的结果不稳定,甚至出现漏检或判误的情况;最后,人工检测的数据难以存储,使得产品质量控制和升级分析变得困难。
因此,急需一种新的玻璃边缺陷检测方法,既能够提高检测效率,又能够保证检测的精度和稳定性,满足现代玻璃制造业的需求。
发明内容
本发明所要解决的技术问题是:提供一种玻璃磨边缺陷的检测方法及终端,无需人工目视即可实现检测并提升检测效率。
为了解决上述技术问题,本发明采用的技术方案为:
一种玻璃磨边缺陷的检测方法,包括步骤:
S1、获取被检测玻璃的整体图像,并提取其中的整体外轮廓,生成整体外轮廓检测设备所在的世界坐标系的位置坐标;
S2、根据所述位置坐标筛选检测点;
S3、控制检测装置对所述检测点进行拍摄并分区滤波处理;
S4、将滤波处理后的图像与标准图像进行差分对比,并根据对比结果输出缺陷区域。
为了解决上述技术问题,本发明采用的技术方案为:
一种玻璃磨边缺陷的检测终端,包括存储器、处理器以及存储在所述存储器上并可在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完成一种玻璃磨边缺陷的检测方法中的步骤。
本发明的有益效果在于:提供一种玻璃磨边缺陷的检测方法及终端,通过将被检测玻璃的整体外轮廓坐标转化至检测装置所在的世界坐标系,并针对其外轮廓的位置坐标筛选检测点,进而控制检测装置对检测点拍摄并进行滤波降噪,最后与标准图像差分对比确定缺陷区域,无需人工目视检测,实现自动化降噪并差分处理,降低人力成本,同时避免人工检测时出现的漏检或判断错误等现象,提升检测精准度;除此之外,利用图像之间的差分对比检测缺陷,检测数据得以保留,方便后期追溯。
附图说明
图1为本发明实施例中的一种玻璃磨边缺陷的检测方法的流程图;
图2为本发明实施例中的一种玻璃磨边缺陷的检测方法的Soble滤波器矩阵的示意图;
图3为本发明实施例中的一种玻璃磨边缺陷的检测方法的上中下分区示意图;
图4为本发明实施例中的一种玻璃磨边缺陷的检测方法中玻璃中层区域均值滤波前的图像;
图5为本发明实施例中的一种玻璃磨边缺陷的检测方法中玻璃中层区域均值滤波后的图像;
图6为本发明实施例中的一种玻璃磨边缺陷的检测方法中玻璃上下层区域中值滤波前的图像;
图7为本发明实施例中的一种玻璃磨边缺陷的检测方法中玻璃上下层区域中值滤波后的图像;
图8为本发明实施例中的一种玻璃磨边缺陷的检测方法的参考点拍摄图样示意图;
图9为本发明实施例中的一种玻璃磨边缺陷的检测方法的标准图像(参考点滤波后)示意图;
图10为本发明实施例中的一种玻璃磨边缺陷的检测方法的被检测图像的滤波前的示意图;
图11为本发明实施例中的一种玻璃磨边缺陷的检测方法被检测图像的滤波后的示意图;
图12为本发明实施例中的一种玻璃磨边缺陷的检测方法的缺陷分类示意图一;
图13为本发明实施例中的一种玻璃磨边缺陷的检测方法的缺陷提取保存示意图一;
图14为本发明实施例中的一种玻璃磨边缺陷的检测方法的缺陷分类示意图二;
图15为本发明实施例中的一种玻璃磨边缺陷的检测方法的缺陷提取保存示意图二;
图16为本发明实施例中的一种玻璃磨边缺陷的检测方法的具体流程图;
图17为本发明实施例中的一种玻璃磨边缺陷的检测终端的示意图;
标号说明:
1、一种玻璃磨边缺陷的检测终端;2、存储器;3、处理器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
请参照图1,一种玻璃磨边缺陷的检测方法,包括步骤:
S1、获取被检测玻璃的整体图像,并提取其中的整体外轮廓,生成整体外轮廓检测设备所在的世界坐标系的位置坐标;
S2、根据所述位置坐标筛选检测点;
S3、控制检测装置对所述检测点进行拍摄并分区滤波处理;
S4、将滤波处理后的图像与标准图像进行差分对比,并根据对比结果输出缺陷区域。
从上述描述可知,本发明的有益效果在于:提供一种玻璃磨边缺陷的检测方法,通过将被检测玻璃的整体外轮廓坐标转化至检测装置所在的世界坐标系,并针对其外轮廓的位置坐标筛选检测点,进而控制检测装置对检测点拍摄并进行滤波降噪,最后与标准图像差分对比确定缺陷区域,无需人工目视检测,实现自动化降噪并差分处理,降低人力成本,同时避免人工检测时出现的漏检或判断错误等现象,提升检测精准度;除此之外,利用图像之间的差分对比检测缺陷,检测数据得以保留,方便后期追溯。
其中,检测点的筛选可根据玻璃外轮廓形状自动生成,或根据操作经验,对于容易出现缺陷的位置生成检测预案,对于批量化生产玻璃直接套用检测预案。
进一步地,所述步骤S1具体为:
S11、获取被检测玻璃的整体图像,并提取其中的整体外轮廓;
S12、利用灰度对比提取出边缘点阵集合;
S13、利用仿射变换将边缘点阵集合转换为检测设备所在的世界坐标系下的边缘点阵集合;
S14、根据世界坐标系下的边缘点阵集合生成检测装置的运动曲线。
从上述描述可知,由于比起平板区域,图像的边缘区域通常会在灰度图像上显示出更大的差异,所以采用灰度对比提取出边缘点阵集合,并利用放射变换将点阵集合转化在世界坐标系中,从而方便将检测装置的坐标和被检测玻璃的坐标共同投射到同一世界坐标系中,进而制定出检测装置的运动曲线。
进一步地,所述步骤S12具体为:
利用卷积滤波法对玻璃的边缘进行处理,并将梯度大于预设梯度阈值的像素点提取形成边缘点阵集合。
从上述描述可知,为了降低边缘噪点的影响,采用卷积滤波法对被检测玻璃的边缘进行滤波处理,并将梯度大于预设梯度预知的像素点提取出来形成边缘点阵集合。
进一步地,所述步骤S3具体为:
S31、控制检测装置对所述检测点进行拍摄;
S32、对所述检测点拍摄的图像分解为三原色图分别滤波处理。
从上述描述可知,为了对玻璃边缘进行合理降噪,将检测点拍摄的图像分解为RGB三原色图,对分解后的三种色相图分别进行滤波降噪,减小检测误差。
进一步地,所述步骤S32具体为:
S321、对所述检测点拍摄的图像分解为三原色图;
S322、对所述三原色图分别进行整体滤波处理获得一次滤波图;
S323、根据图像特点,将所述一次滤波图分为上中下三层;
S324、对上中下三层分别进行滤波处理,获得二次滤波图。
从上述描述可知,在按照色相图一次滤波后;针对玻璃磨边的特征,将检测点所在的磨边区域分成上中下三层进行二次滤波处理,进一步提升检测的精准度。
进一步地,所述步骤S324具体为:
利用中值滤波法对上下两层区域进行处理;
利用均值滤波法对中层区域进行处理;
获取二次滤波图。
从上述描述可知,针对玻璃磨边,上下层区域采用中值滤波法,中层区域采均值滤波法,其原理在于:
中值滤波是对图像局部数据块,取数据的中间值,然后再进行滤波输出,对于大数据的处理和滤波,通常使用中值滤波,中值滤波能够很好的保持边界特性,不会使边界模糊,便于检测玻璃边部爆边等缺陷。所以图像上层和下层等缺陷高发区,含玻璃边缘的地方使用中值滤波。
均值滤波是对图像局部数据块进行平均值,输出的一个平均量,在数据比较小、噪声雪花较小而密集时,通常使用均值滤波,由于玻璃中间的噪声较小,使用均值滤波即可胜任,并使图片的噪声更加细腻。
进一步地,所述步骤S2还包括:
根据所述世界坐标系筛选参考点。
从上述描述可知,为了提升步骤S4中差分对比的效果,对每一块被检测的玻璃均在其本身选取参考点,在步骤S4中转化为标准图像进行差分对比,而非所有被检测玻璃采用同一标准图像,提升标准图像的适配性,从而提升差分对比的精度。
进一步地,所述步骤S3和S4之间还包括步骤S40:
对参考点进行拍摄并整体滤波获得标准图像。
从上述描述可知,对参考点拍摄的图像同样进行滤波降噪处理,从而获得标准图像。
进一步地,所述步骤S4具体为:
S41、将滤波处理后的图像与标准图像进行差分计算,获得每个像素点的差分值;
S42、若差分值大于预设差分阈值,则显示为缺陷;否则,显示为合格。
从上述描述可知,通过将拍摄点和参考点(标准图像)获取的图像滤波处理后进行差分计算,若差分值大于预设差分阈值,则显示为缺陷。
进一步地,所述步骤S4之后还包括步骤S5:
根据缺陷特征区分出不同的缺陷种类,并保存输出。
从上述描述可知,根据缺陷特征分析出缺陷种类,例如糊边、崩边、爆边和亮边等,并留存记录进行输出,方便后续追溯。
一种玻璃磨边缺陷的检测终端1,包括存储器2、处理器3以及存储在所述存储器上2并可在处理器3上运行的计算机程序,所述处理器3执行所述计算机程序时完成的一种玻璃磨边缺陷的检测方法中的步骤。
本发明提供一种玻璃磨边缺陷的检测方法,主要应用在玻璃磨边的缺陷检测装置中,下面结合实施例进行具体说明:
请参照图 1,本发明的实施例一为:
一种玻璃磨边缺陷的检测方法,包括步骤:
S1、获取被检测玻璃的整体图像,并提取其中的整体外轮廓,生成整体外轮廓检测设备所在的世界坐标系的位置坐标;
S2、根据所述位置坐标筛选检测点;
S3、控制检测装置对所述检测点进行拍摄并分区滤波处理;
S4、将滤波处理后的图像与标准图像进行差分对比,并根据对比结果输出缺陷区域。
即在本实施例中,通过将被检测玻璃的整体外轮廓坐标转化至检测装置所在的世界坐标系,并针对其外轮廓的位置坐标筛选检测点,进而控制检测装置对检测点拍摄并进行滤波降噪,最后与标准图像差分对比确定缺陷区域,无需人工目视检测,实现自动化降噪并差分处理,降低人力成本,同时避免人工检测时出现的漏检或判断错误等现象,提升检测精准度;除此之外,利用图像之间的差分对比检测缺陷,检测数据得以保留,方便后期追溯。
请参照图1至图2 ,本发明的实施例二为:在实施例一的基础上,所述步骤S1具体为:
S11、获取被检测玻璃的整体图像,并提取其中的整体外轮廓;
S12、利用灰度对比提取出边缘点阵集合;
S13、利用仿射变换将边缘点阵集合转换为检测设备所在的世界坐标系下的边缘点阵集合;
S14、根据世界坐标系下的边缘点阵集合生成检测装置的运动曲线。
即在本实施例中,由于比起平板区域,图像的边缘区域通常会在灰度图像上显示出更大的差异,所以采用灰度对比提取出边缘点阵集合,并利用放射变换将点阵集合转化在世界坐标系中,从而方便将检测装置的坐标和被检测玻璃的坐标共同投射到同一世界坐标系中,进而制定出检测装置的运动曲线。
所述步骤S12具体为:
利用卷积滤波法对玻璃的边缘进行处理,并将梯度大于预设梯度阈值的像素点提取形成边缘点阵集合。
同时,为了降低边缘噪点的影响,采用卷积滤波法对被检测玻璃的边缘进行滤波处理,并将梯度大于预设梯度预知的像素点提取出来形成边缘点阵集合,具体Soble滤波器(Sobel滤波器是一种评估图像处理领域边缘的算法,其原理在于:利用离散的微分算子,通过计算像素点的梯度幅值来突显图像的边缘部分)的使用举例如下:本发明实施例中Soble滤波器使用5×5矩阵对玻璃边缘进行卷积滤波,Soble矩阵(一般Sobel滤波器使用两个3x3的矩阵,分别对图像在水平和垂直方向上进行处理,以计算像素点在水平和垂直方向上的梯度幅值,本实施例中为了增强滤波效果采用5×5矩阵)模板示例如图2,利用公式:
X(水平)方向边缘检测灰度值=Gx×A,Y(竖直)方向边缘检测灰度值= Gy×A,
其中,A代表原图像;
再对结果求导,就可以得出图像在X和Y方向上的灰度值变化,将其梯度大于预设梯度阈值的点筛选出来,从而得出了边缘点阵集合。
请参照图1至图7,本发明的实施例三为:在实施例二的基础上,所述步骤S3具体为:
S31、控制检测装置对所述检测点进行拍摄;
S32、对所述检测点拍摄的图像分解为三原色图分别滤波处理。
即在本实施例中,为了对玻璃边缘进行合理降噪,将检测点拍摄的图像分解为RGB三原色图,对分解后的三种色相图分别进行滤波降噪,减小检测误差。
所述步骤S32具体为:
S321、对所述检测点拍摄的图像分解为三原色图;
S322、对所述三原色图分别进行整体滤波处理获得一次滤波图;
S323、根据图像特点,将所述一次滤波图分为上中下三层;
S324、对上中下三层分别进行滤波处理,获得二次滤波图。
同时,请参照图3,在按照色相图一次滤波后;针对玻璃磨边的特征,将检测点所在的磨边区域分成上中下三层进行二次滤波处理,进一步提升检测的精准度。
所述步骤S324具体为:
利用中值滤波法对上下两层区域进行处理;
利用均值滤波法对中层区域进行处理;
获取二次滤波图。
具体的,针对玻璃磨边,上下层区域采用中值滤波法,中层区域采均值滤波法,其原理在于:
中值滤波是对图像局部数据块,取数据的中间值,然后再进行滤波输出,对于大数据的处理和滤波,通常使用中值滤波,中值滤波能够很好的保持边界特性,不会使边界模糊,便于检测玻璃边部爆边等缺陷。所以图像上层和下层等缺陷高发区,含玻璃边缘的地方使用中值滤波。
均值滤波是对图像局部数据块进行平均值,输出的一个平均量,在数据比较小、噪声雪花较小而密集时,通常使用均值滤波,由于玻璃中间的噪声较小,使用均值滤波即可胜任,并使图片的噪声更加细腻。
具体的,图4至图5,为玻璃中间层区域均值滤波的前后对比图;图6至图7,为玻璃上下层区域采用中值滤波的前后对比图。
请参照图1至图17,本发明的实施例四为:在实施例一的基础上,所述步骤S2还包括:
根据所述世界坐标系筛选参考点。
所述步骤S3和S4之间还包括步骤S40:
对参考点进行拍摄并整体滤波获得标准图像。
所述步骤S4具体为:
S41、将滤波处理后的图像与标准图像进行差分计算,获得每个像素点的差分值;
S42、若差分值大于预设差分阈值,则显示为缺陷;否则,显示为合格。
即在本实施例中,为了提升步骤S4中差分对比的效果,对每一块被检测的玻璃均在其本身选取参考点,在步骤S4中转化为标准图像进行差分对比,而非所有被检测玻璃采用同一标准图像,提升标准图像的适配性,从而提升差分对比的精度。同时,对参考点拍摄的图像同样进行滤波降噪处理,从而获得标准图像。除此之外,通过将拍摄点和参考点(标准图像)获取的图像滤波处理后进行差分计算,若差分值大于预设差分阈值,则显示为缺陷。
具体的,图8至图9,为参考片拍摄的标准图像滤波前后对比图;图10至图11,为检测点摄的图像滤波前后对比图。
差分计算示例如下:
差分图像的计算为:(标准图像灰度值 – 被检测图像灰度值)*放大系数 + 阶梯
白色部分的阈值为200~255,若被检测图像与标准图像相同或类似,他们的差值就为0;对比之下,被检测图像的缺陷部分与标准图像计算就会有灰度差值显示出来,本实施例中预设差分阈值为128,则超过128部分,则显示为缺陷。
请参照图12至图16,所述步骤S4之后还包括步骤S5:
根据缺陷特征区分出不同的缺陷种类,并保存输出。
除此之外,根据缺陷特征分析出缺陷种类,例如糊边、崩边、爆边和亮边等,并留存记录进行输出,方便后续追溯。
请参照图17,本发明的实施例四为:一种玻璃磨边缺陷的检测终端1,包括存储器2、处理器3以及存储在所述存储器上并可在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完成实施例一至三中任一种玻璃磨边缺陷的检测方法中的步骤。
综上所述,本发明提供的提供一种玻璃磨边缺陷的检测方法及终端,通过将被检测玻璃的整体外轮廓坐标转化至检测装置所在的世界坐标系,并针对其外轮廓的位置坐标筛选检测点,进而控制检测装置对检测点拍摄并进行滤波降噪,最后与标准图像差分对比确定缺陷区域,无需人工目视检测,实现自动化降噪并差分处理,降低人力成本,同时避免人工检测时出现的漏检或判断错误等现象,提升检测精准度;除此之外,利用图像之间的差分对比检测缺陷,检测数据得以保留,方便后期追溯。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (2)
1.一种玻璃磨边缺陷的检测方法,其特征在于:包括步骤:
S1、获取被检测玻璃的整体图像,并提取其中的整体外轮廓,生成整体外轮廓检测设备所在的世界坐标系的位置坐标;
S2、根据所述位置坐标筛选检测点;
S3、控制检测装置对所述检测点进行拍摄并分区滤波处理;
S4、将滤波处理后的图像与标准图像进行差分对比,并根据对比结果输出缺陷区域;
所述步骤S3和S4之间还包括步骤S40:
对参考点进行拍摄并整体滤波获得标准图像;
所述步骤S4之后还包括步骤S5:
根据缺陷特征区分出不同的缺陷种类,并保存输出;
所述缺陷种类包括糊边、崩边、爆边和亮边;
所述步骤S2还包括:
根据所述世界坐标系筛选参考点;
所述步骤S3具体为:
S31、控制检测装置对所述检测点进行拍摄;
S32、对所述检测点拍摄的图像分解为三原色图分别滤波处理;
所述步骤S32具体为:
S321、对所述检测点拍摄的图像分解为三原色图;
S322、对所述三原色图分别进行整体滤波处理获得一次滤波图;
S323、根据玻璃磨边的图像特点,将所述一次滤波图分为上中下三层;
S324、对上中下三层分别进行滤波处理,获得二次滤波图;
所述步骤S324具体为:
利用中值滤波法对上下两层区域进行处理;所述中值滤波法具体为:取图像局部数据块的中间值进行滤波输出,并保持边界特性;
利用均值滤波法对中层区域进行处理;所述均值滤波法具体为:取图像局部数据块的平均值进行滤波输出;
获取二次滤波图;
所述步骤S4具体为:
S41、将滤波处理后的图像与标准图像进行差分计算,获得每个像素点的差分值;
S42、若差分值大于预设差分阈值,则显示为缺陷;否则,显示为合格;
所述差分计算的公式为:(标准图像灰度值–被检测图像灰度值)*放大系数 + 预设阶梯;
所述步骤S1具体为:
S11、获取被检测玻璃的整体图像,并提取其中的整体外轮廓;
S12、利用灰度对比提取出边缘点阵集合;
S13、利用仿射变换将边缘点阵集合转换为检测设备所在的世界坐标系下的边缘点阵集合;
S14、根据世界坐标系下的边缘点阵集合生成检测装置的运动曲线;
所述步骤S12具体为:
利用卷积滤波法对玻璃的边缘进行处理,并将梯度大于预设梯度阈值的像素点提取形成边缘点阵集合;
所述卷积滤波法具体为:利用Soble滤波器采用五阶矩阵对玻璃边缘进行卷积滤波。
2.一种玻璃磨边缺陷的检测终端,其特征在于:包括存储器、处理器以及存储在所述存储器上并可在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完成权利要求1所述的一种玻璃磨边缺陷的检测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311311837.3A CN117058141B (zh) | 2023-10-11 | 2023-10-11 | 一种玻璃磨边缺陷的检测方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311311837.3A CN117058141B (zh) | 2023-10-11 | 2023-10-11 | 一种玻璃磨边缺陷的检测方法及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117058141A CN117058141A (zh) | 2023-11-14 |
CN117058141B true CN117058141B (zh) | 2024-03-01 |
Family
ID=88669590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311311837.3A Active CN117058141B (zh) | 2023-10-11 | 2023-10-11 | 一种玻璃磨边缺陷的检测方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117058141B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006112938A (ja) * | 2004-10-15 | 2006-04-27 | Nikon Corp | 欠陥検査装置 |
CN105405142A (zh) * | 2015-11-12 | 2016-03-16 | 冯平 | 一种玻璃面板的边缺陷检测方法及系统 |
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 |
CN112837303A (zh) * | 2021-02-09 | 2021-05-25 | 广东拓斯达科技股份有限公司 | 一种用于模具监视的缺陷检测方法、装置、设备及介质 |
CN114926675A (zh) * | 2022-04-02 | 2022-08-19 | 深圳市国电科技通信有限公司 | 外壳污损缺陷检测方法、装置、计算机设备及存储介质 |
CN116721058A (zh) * | 2023-05-06 | 2023-09-08 | 新化凯尔影印科技有限公司 | Opc鼓表面缺陷检测方法、系统、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114764804B (zh) * | 2022-06-16 | 2022-09-20 | 深圳新视智科技术有限公司 | 锂电池极片缺陷检测方法、装置、设备及存储介质 |
-
2023
- 2023-10-11 CN CN202311311837.3A patent/CN117058141B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006112938A (ja) * | 2004-10-15 | 2006-04-27 | Nikon Corp | 欠陥検査装置 |
CN105405142A (zh) * | 2015-11-12 | 2016-03-16 | 冯平 | 一种玻璃面板的边缺陷检测方法及系统 |
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 |
CN112837303A (zh) * | 2021-02-09 | 2021-05-25 | 广东拓斯达科技股份有限公司 | 一种用于模具监视的缺陷检测方法、装置、设备及介质 |
CN114926675A (zh) * | 2022-04-02 | 2022-08-19 | 深圳市国电科技通信有限公司 | 外壳污损缺陷检测方法、装置、计算机设备及存储介质 |
CN116721058A (zh) * | 2023-05-06 | 2023-09-08 | 新化凯尔影印科技有限公司 | Opc鼓表面缺陷检测方法、系统、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117058141A (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109870461B (zh) | 一种电子元器件质量检测系统 | |
CN109507192B (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
CN105158258B (zh) | 一种基于计算机视觉的竹条表面缺陷检测方法 | |
CN112419250A (zh) | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 | |
CN102175700B (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
CN107845087A (zh) | 液晶面板亮度不均匀缺陷的检测方法和系统 | |
CN109671058B (zh) | 一种大分辨率图像的缺陷检测方法及系统 | |
CN110596120A (zh) | 玻璃边界缺陷检测方法、装置、终端及存储介质 | |
CN111915704A (zh) | 一种基于深度学习的苹果分级识别方法 | |
CN109472788B (zh) | 一种飞机铆钉表面的伤痕检测方法 | |
CN109886960A (zh) | 基于机器视觉的玻璃边缘缺陷检测的方法 | |
CN103325118A (zh) | 一种获取碳酸盐岩岩心孔洞特征参数的方法及装置 | |
CN108022219B (zh) | 一种二维图像灰度修正方法 | |
CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及系统 | |
CN111739012A (zh) | 基于转盘的摄像头模组白斑检测系统 | |
WO2021000948A1 (zh) | 配重重量的检测方法与系统、获取方法与系统及起重机 | |
CN113034464B (zh) | 一种多背景下的液晶显示器缺陷视觉实时检测方法 | |
CN107993223A (zh) | 划痕检测方法、装置和电子设备 | |
JP6045429B2 (ja) | 撮像装置、画像処理装置及び画像処理方法 | |
CN117115171B (zh) | 一种应用于地铁lcd显示屏的轻微亮点缺陷检测方法 | |
CN117058141B (zh) | 一种玻璃磨边缺陷的检测方法及终端 | |
CN109584224B (zh) | 一种用于对铸件的x射线图像进行分析和显示的方法 | |
CN112488986A (zh) | 基于Yolo卷积神经网络的布匹表面瑕疵识别方法、装置及系统 | |
CN115546141A (zh) | 一种基于多维度度量的小样本Mini LED缺陷检测方法及系统 | |
CN114332079A (zh) | 基于图像处理的塑料餐盒裂缝检测方法、装置及介质 |
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 |