CN117309766B - 一种产品表面缺陷的视觉检测方法及系统 - Google Patents
一种产品表面缺陷的视觉检测方法及系统 Download PDFInfo
- Publication number
- CN117309766B CN117309766B CN202311364115.4A CN202311364115A CN117309766B CN 117309766 B CN117309766 B CN 117309766B CN 202311364115 A CN202311364115 A CN 202311364115A CN 117309766 B CN117309766 B CN 117309766B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- region
- area
- gradient
- display
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 88
- 238000001514 detection method Methods 0.000 title abstract description 17
- 230000000007 visual effect Effects 0.000 title abstract description 11
- 230000002159 abnormal effect Effects 0.000 claims abstract description 148
- 238000000034 method Methods 0.000 claims description 12
- 238000011179 visual inspection Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000009966 trimming 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
-
- 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
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种产品表面缺陷的视觉检测方法及系统,涉及产品表面检测技术领域,解决了未针对于存在坡度的异常区域采用不同方式的处理,而是统一处理,便会导致其处理准度存在差异,判定结果也会出现误差的技术问题,针对于存在坡度的异常区,通过确定缺陷区域,再采用平行分割的方式,将缺陷区域分割为若干个待定区域,从若干个待定区域内选定宽度最大值,根据宽度最大值的评判条件,判定坡度异常区的缺陷类型,每个待定区域的连接线均为平行状,其所产生的对位点,大部分均位于此区域内,故通过确定其最大距离的方式,也可保障其全面性以及精准度。
Description
技术领域
本发明属于产品表面检测技术领域,具体是一种产品表面缺陷的视觉检测方法及系统。
背景技术
视觉检测就是用机器代替人眼来做测量和判断;视觉检测是指通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。
专利公开号为CN116416178A的申请公开了一种视觉检测设备、系统及产品表面缺陷的视觉检测方法。该视觉检测设备包括控制模组、图像投射模组及摄像模组,控制模组可根据预置的时序配置信息,产生触发信号,图像投射模组配置有画面投射时序,可响应触发信号,在画面投射时序下向待检产品投射画面,投影模组配置有图像曝光时序,可受控制模组的控制,在图像曝光时序下拍摄待检产品以得到检测图像,画面投射时序至少可覆盖图像曝光时序。本实施例能够自动化地检测产品的缺陷,有利于提高产品缺陷检测效率,且能够将画面投射时序配置为至少可覆盖图像曝光时序,因此,本实施例能够可靠完整地采集到高质量的检测图像,有利于后期可靠地检测产品表面缺陷。
对应产品在验收过程中,需确定产品表面是否存在缺陷,针对于存在缺陷的区域,进行分析,判定是某种类型的缺陷,并进行展示,原始的处理方式,并未针对于存在坡度的异常区域采用不同方式的处理,而是统一处理,便会导致其处理准度存在差异,判定结果也会出现误差。
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,本发明提出了一种产品表面缺陷的视觉检测方法及系统,用于解决未针对于存在坡度的异常区域采用不同方式的处理,而是统一处理,便会导致其处理准度存在差异,判定结果也会出现误差的技术问题。
为实现上述目的,根据本发明的第一方面的实施例提出一种产品表面缺陷的视觉检测系统,包括:
图像获取端,对产品表面展示区域的图像进行获取,并将所获取的展示图像传输至图像比对端内;
图像比对端,从数据库内提取对应产品的标准图像,其标准图像为预设图像,并将展示图像与标准图像进行分析比对,通过一一进行比对,锁定展示图像比对异常的区域,将涵盖此区域的模板区域标定为异常区域,并将异常区域传输至异区区分端内;
异区区分端,对异常区域是否处于平整状态进行分析判定,根据判定结果,将异常区域划分为坡度异常区或平整异常区,并将平整异常区传输至归整分析端内,将坡度异常区传输至坡度分析端内,具体方式为:
根据异常区域的整体图像,直接锁定此图像的中心点,并将所选定的中心点作为基准点;
再随机锁定此异常区域的一组边点,确定此边点与基准点的所在平面,将其标定为标准平面,再随机获取此异常区域任意区域的点位,判定对应点位是否属于标准平面,若属于,则将此异常区域划分为平整异常区,若不属于,则将此异常区域划分为坡度异常区;
归整分析端,对平整异常区进行接收,并对平整异常区内部阴影区进行确认,随后确认其边缘轮廓,再从边缘轮廓内锁定距离值是否满足对应的判定条件,确定平整异常区的缺陷类型,并将所判定的缺陷类型传输至展示端内进行展示,具体方式为:
对平整异常区图像内是否存在阴影区进行确认,若存在阴影区,则进行下一步处理,若并未存在阴影区,则直接生成异物影响信号,传输至展示端内进行展示;
根据阴影区,确认周边所产生的边缘轮廓,并根据具体的边缘轮廓走向,生成边缘轮廓走向线;
根据所确定的边缘轮廓走向线,确定此平整异常区的整个缺陷区域,获取缺陷区域内相距距离最远的两个点位,并记录两个点位的相距距离值JL,分析相距距离值JL是否满足:JL>Y1,其中Y1为预设值;
若满足此条件,则生成凹坑信号,若不满足此条件,则生成划痕信号,并将所生成的缺陷类型传输至展示端内;
坡度分析端,对坡度异常区进行接收,对坡度异常区的阴影区以及边缘轮廓进行依次确定,随后确定缺陷区域,再采用平行分割的方式,将缺陷区域分割为若干个待定区域,从若干个待定区域内选定宽度最大值,根据宽度最大值的评判条件,判定坡度异常区的缺陷类型,并将所判定的缺陷类型传输至展示端内进行展示,具体方式为:
对坡度异常区图像内是否存在阴影区进行确认,若存在阴影区,则进行下一步处理,若并未存在阴影区,则直接生成异物影响信号,传输至展示端内进行展示;
根据阴影区,确认周边所产生的边缘轮廓,并根据具体的边缘轮廓走向,生成边缘轮廓走向线,再根据所确定的边缘轮廓走向线,确定此平整异常区的整个缺陷区域;
根据边缘轮廓走向线,确定整个缺陷区域的起始点,其中,起始点就是两个边缘轮廓走向线的交点,再对两侧边缘轮廓走向线的第一组转折点进行确认,并将所确认的两个转折点进行连接,确定第一组连接线;
对不同边缘轮廓走向线内不同的转折点进行依次确认,并构建穿过此转折点且平行于第一组连接线的若干个平行线,使整个缺陷区域划分为若干个待定区域;
对每个待定区域内边缘轮廓走向线对立部分的最大距离进行确认,并分别标记为LLi,其中i代表不同的待定区域;
再从若干个待定区域的若干个距离值LLi内提取最大值,将其标定为LLimax,并分析LLimax是否满足:LLimax>Y1,其中Y1为预设值;
若满足此条件,则生成凹坑信号;
若不满足此条件,则生成划痕信号,并将所生成的缺陷类型传输至展示端内。
优选的,一种产品表面缺陷的视觉检测方法,包括以下步骤:
步骤一、确定产品表面展示区域的图像,随后根据图像比对,锁定异常区域;
步骤二、对异常区域是否处于平整状态进行分析判定,根据判定结果,将异常区域划分为坡度异常区或平整异常区,并将平整异常区传输至归整分析端内,将坡度异常区传输至坡度分析端内;
步骤三、归整分析端,对平整异常区进行接收,并对平整异常区内部阴影区进行确认,随后确认其边缘轮廓,再从边缘轮廓内锁定距离值是否满足对应的判定条件,确定平整异常区的缺陷类型,并将所判定的缺陷类型传输至展示端内进行展示;
步骤四、坡度分析端,对坡度异常区进行接收,对坡度异常区的阴影区以及边缘轮廓进行依次确定,随后确定缺陷区域,再采用平行分割的方式,将缺陷区域分割为若干个待定区域,从若干个待定区域内选定宽度最大值,根据宽度最大值的评判条件,判定坡度异常区的缺陷类型,并将所判定的缺陷类型传输至展示端内进行展示。
与现有技术相比,本发明的有益效果是:首先确认异常区域,再确定异常区域是平整还是存在坡度进行判定,并针对于不同状态下的异常区域,采用不同的方式进行处理,提升缺陷检测过程中的全面性以及准确性;
针对于存在坡度的异常区,通过确定缺陷区域,再采用平行分割的方式,将缺陷区域分割为若干个待定区域,从若干个待定区域内选定宽度最大值,根据宽度最大值的评判条件,判定坡度异常区的缺陷类型,每个待定区域的连接线均为平行状,其所产生的对位点,大部分均位于此区域内,故通过确定其最大距离的方式,也可保障其全面性以及精准度。
附图说明
图1为本发明原理框架示意图;
图2为本发明坡度异常区处理示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一
请参阅图1,本申请提供了一种产品表面缺陷的视觉检测系统,包括图像获取端、数据库、图像比对端、异区区分端、坡度分析端、归整分析端以及展示端;
其中数据库以及图像获取端均与图像比对端输入节点电性连接,所述图像比对端与异区区分端输入节点电性连接,所述异区区分端与坡度分析端以及归整分析端输入节点电性连接,所述坡度分析端以及归整分析端均与展示端输入节点电性连接;
所述图像获取端,对产品表面展示区域的图像进行获取,并将所获取的展示图像传输至图像比对端内,其中获取方式由指定的高精密仪器进行获取,该仪器具有高精密摄像头,对展示区域的图像进行确认;
图像比对端,从数据库内提取对应产品的标准图像,其标准图像为预设图像,由操作人员提前拟定,并将展示图像与标准图像进行分析比对,通过一一进行比对,因图像比对为现有技术,故此处不作过多赘述,锁定展示图像比对异常的区域,将涵盖此区域的模板区域标定为异常区域,并将异常区域传输至异区区分端内,在进行比对时,一般都是宫格比对的模式,当某个宫格内异常时,那么整个宫格内部的区域全部作为异常区域,便于后续进行处理,其中,异常区域就是比对结果不一致的区域,需对此异常区域进行分析,判定是否存在裂纹、凹坑或凸点;
异区区分端,对异常区域是否处于平整状态进行分析判定,根据判定结果,将异常区域划分为坡度异常区或平整异常区,并将平整异常区传输至归整分析端内,将坡度异常区传输至坡度分析端内,进行分析判定的具体方式为:
根据异常区域的整体图像,直接锁定此图像的中心点,因确定图像中心点为现有技术,故此处不作过多赘述,并将所选定的中心点作为基准点;
再随机锁定此异常区域的一组边点,确定此边点与基准点的所在平面,将其标定为标准平面,再随机获取此异常区域任意区域的点位,判定对应点位是否属于标准平面,若属于,则将此异常区域划分为平整异常区,若不属于,则将此异常区域划分为坡度异常区;
若异常区域为平整的,那么内部所有的点位均处于同一水平面内,若异常区域存在坡度或其他情况时,那么内部的点位必然不会在同一水平面内,且平整的区域与存在坡度的区域处理方式也并不相同,故,需要进行区分处理。
所述归整分析端,对平整异常区进行接收,并对平整异常区进行分析,判定平整异常区的缺陷类型,并将所判定的缺陷类型传输至展示端内进行展示,供外部人员进行查看,其中,判定缺陷类型的具体方式为:
对平整异常区图像内是否存在阴影区进行确认,若存在阴影区,则进行下一步处理,若并未存在阴影区,则直接生成异物影响信号,传输至展示端内进行展示;
根据阴影区,确认周边所产生的边缘轮廓,并根据具体的边缘轮廓走向,生成边缘轮廓走向线,通过内部的划痕,确定划痕轮廓或凹坑轮廓均为现有技术,故此处不作过多赘述;
根据所确定的边缘轮廓走向线,确定此平整异常区的整个缺陷区域,获取缺陷区域内相距距离最远的两个点位,并记录两个点位的相距距离值JL,分析相距距离值JL是否满足:JL>Y1,其中Y1为预设值,其具体取值由操作人员根据经验拟定;
若满足此条件,则生成凹坑信号,若不满足此条件,则生成划痕信号,并将所生成的缺陷类型传输至展示端内;
例:其中Y1一般取值5mm,当所存在的缺陷区域内部边缘轮廓之间的距离最大值为6mm时,代表其缺陷区域开口较大,属于凹坑,若小于5mm,代表其对应区域开口较小,属于裂痕,之所以要进行区分,便是为了便于后续进行处理。
具体的,平整异常区存在缺陷时,要么划痕,要么凹坑,均会存在对应的阴影区,从阴影区向外部扩散,便可锁定对应的边缘轮廓线,随后,根据边缘轮廓线的具体覆盖区域,便可确定缺陷区域,根据缺陷区域内部点位的具体距离参数,便可确定此缺陷区域的覆盖宽度,若宽度过大,便就是凹坑,若宽度过小,便就是对应的划痕。
所述坡度分析端,对坡度异常区进行接收,并对坡度异常区进行分析,判定坡度异常区的缺陷类型,并将所判定的缺陷类型传输至展示端内进行展示,供外部人员进行查看,其中,进行分析的具体方式为:
对坡度异常区图像内是否存在阴影区进行确认,若存在阴影区,则进行下一步处理,若并未存在阴影区,则直接生成异物影响信号,传输至展示端内进行展示;
根据阴影区,确认周边所产生的边缘轮廓,并根据具体的边缘轮廓走向,生成边缘轮廓走向线,再根据所确定的边缘轮廓走向线,确定此平整异常区的整个缺陷区域;
结合图2,根据边缘轮廓走向线,确定整个缺陷区域的起始点,其中,起始点就是两个边缘轮廓走向线的交点,再对两侧边缘轮廓走向线的第一组转折点进行确认,并将所确认的两个转折点进行连接,确定第一组连接线;
对不同边缘轮廓走向线内不同的转折点进行依次确认,并构建穿过此转折点且平行于第一组连接线的若干个平行线,使整个缺陷区域划分为若干个待定区域,此处需要注意的是,并不是将后续的转折点进行连接,而是只要存在转折点,便进行绘制平行线处理,不同的边缘轮廓走向线都需要进行绘制,便是为了使划分的待定区域更容易进行后续处理,锁定对应的距离参数;
对每个待定区域内边缘轮廓走向线对立部分的最大距离进行确认,并分别标记为LLi,其中i代表不同的待定区域,也可采用绘制平行线的方式,对内部的水平宽度进行确认,以待定区域两侧的平行线为基准,对内部区域进行水平线绘制,从所绘制的若干个水平线内,选取距离值最大的一组水平线,并记录其距离值LLi;
再从若干个待定区域的若干个距离值LLi内提取最大值,将其标定为LLimax,并分析LLimax是否满足:LLimax>Y1,其中Y1为预设值,其具体取值由操作人员根据经验拟定;
若满足此条件,则生成凹坑信号,若不满足此条件,则生成划痕信号,并将所生成的缺陷类型传输至展示端内;
本申请主要针对于存在凹块以及裂痕进行处理,其中,通过边缘轮廓线上的转折点确定平行线的物理距离为现有技术,故此处不作过多赘述,同时,若存在对应的凹坑时,因此部分为坡度区域,为了确保数值在分析过程中的准确度,采用绘制平行线的方式,来进行分区,随后确定对应分区内的水平距离,确保识别度。
具体的,其平整的异常区比较好确认对应的最大宽度,但针对于具有坡度的异常区域,仍采用原始平整的方式,确认其最大宽度,会造成数值误差,且无法保证其准度,采用锁定缺陷区域的方式,随后将缺陷区域划分为若干个待定区域,每个待定区域的连接线均为平行状,其所产生的对位点,大部分均位于此区域内,故通过确定其最大距离的方式,也可保障其全面性以及精准度;
后续,对每个待定区域的最大宽度值进行确认,再从若干个最大宽度值内选定最大值,进行确认,是否宽度过宽,并生成对应的处理信号,进行展示,供外部人员进行查看。
实施例二
一种产品表面缺陷的视觉检测方法,包括以下步骤:
步骤一、确定产品表面展示区域的图像,随后根据图像比对,锁定异常区域;
步骤二、对异常区域是否处于平整状态进行分析判定,根据判定结果,将异常区域划分为坡度异常区或平整异常区,并将平整异常区传输至归整分析端内,将坡度异常区传输至坡度分析端内;
步骤三、归整分析端,对平整异常区进行接收,并对平整异常区内部阴影区进行确认,随后确认其边缘轮廓,再从边缘轮廓内锁定距离值是否满足对应的判定条件,确定平整异常区的缺陷类型,并将所判定的缺陷类型传输至展示端内进行展示;
步骤四、坡度分析端,对坡度异常区进行接收,对坡度异常区的阴影区以及边缘轮廓进行依次确定,随后确定缺陷区域,再采用平行分割的方式,将缺陷区域分割为若干个待定区域,从若干个待定区域内选定宽度最大值,根据宽度最大值的评判条件,判定坡度异常区的缺陷类型,并将所判定的缺陷类型传输至展示端内进行展示。
上述公式中的部分数据均是去除量纲取其数值计算,公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式;公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (3)
1.一种产品表面缺陷的视觉检测系统,其特征在于,包括:
图像获取端,对产品表面展示区域的图像进行获取,并将所获取的展示图像传输至图像比对端内;
图像比对端,从数据库内提取对应产品的标准图像,其标准图像为预设图像,并将展示图像与标准图像进行分析比对,通过一一进行比对,锁定展示图像比对异常的区域,将涵盖此区域的模板区域标定为异常区域,并将异常区域传输至异区区分端内;
异区区分端,对异常区域是否处于平整状态进行分析判定,根据判定结果,将异常区域划分为坡度异常区或平整异常区,并将平整异常区传输至归整分析端内,将坡度异常区传输至坡度分析端内;
归整分析端,对平整异常区进行接收,并对平整异常区内部阴影区进行确认,随后确认其边缘轮廓,再从边缘轮廓内锁定距离值是否满足对应的判定条件,确定平整异常区的缺陷类型,并将所判定的缺陷类型传输至展示端内进行展示;
坡度分析端,对坡度异常区进行接收,对坡度异常区的阴影区以及边缘轮廓进行依次确定,随后确定缺陷区域,再采用平行分割的方式,将缺陷区域分割为若干个待定区域,从若干个待定区域内选定宽度最大值,根据宽度最大值的评判条件,判定坡度异常区的缺陷类型,并将所判定的缺陷类型传输至展示端内进行展示;
所述异区区分端,对异常区域是否处于平整状态进行分析判定的具体方式为:
根据异常区域的整体图像,直接锁定此图像的中心点,并将所选定的中心点作为基准点;
再随机锁定此异常区域的一组边点,确定此边点与基准点的所在平面,将其标定为标准平面,再随机获取此异常区域任意区域的点位,判定对应点位是否属于标准平面,若属于,则将此异常区域划分为平整异常区,若不属于,则将此异常区域划分为坡度异常区;
所述归整分析端,判定平整异常区缺陷类型的具体方式为:
对平整异常区图像内是否存在阴影区进行确认,若存在阴影区,则进行下一步处理,若并未存在阴影区,则直接生成异物影响信号,传输至展示端内进行展示;
根据阴影区,确认周边所产生的边缘轮廓,并根据具体的边缘轮廓走向,生成边缘轮廓走向线;
根据所确定的边缘轮廓走向线,确定此平整异常区的整个缺陷区域,获取缺陷区域内相距距离最远的两个点位,并记录两个点位的相距距离值JL,分析相距距离值JL是否满足:JL>Y1,其中Y1为预设值;
若满足此条件,则生成凹坑信号,若不满足此条件,则生成划痕信号,并将所生成的缺陷类型传输至展示端内;
所述坡度分析端,对坡度异常区进行分析的具体方式为:
对坡度异常区图像内是否存在阴影区进行确认,若存在阴影区,则进行下一步处理,若并未存在阴影区,则直接生成异物影响信号,传输至展示端内进行展示;
根据阴影区,确认周边所产生的边缘轮廓,并根据具体的边缘轮廓走向,生成边缘轮廓走向线,再根据所确定的边缘轮廓走向线,确定此平整异常区的整个缺陷区域;
根据边缘轮廓走向线,确定整个缺陷区域的起始点,其中,起始点就是两个边缘轮廓走向线的交点,再对两侧边缘轮廓走向线的第一组转折点进行确认,并将所确认的两个转折点进行连接,确定第一组连接线;
对不同边缘轮廓走向线内不同的转折点进行依次确认,并构建穿过此转折点且平行于第一组连接线的若干个平行线,使整个缺陷区域划分为若干个待定区域;
对每个待定区域内边缘轮廓走向线对立部分的最大距离进行确认,并分别标记为LLi,其中i代表不同的待定区域;
再从若干个待定区域的若干个距离值LLi内提取最大值,将其标定为LLimax,并分析LLimax是否满足:LLimax>Y1,其中Y1为预设值;
若满足此条件,则生成凹坑信号。
2.根据权利要求1所述的一种产品表面缺陷的视觉检测系统,其特征在于,所述坡度分析端,对坡度异常区进行分析的具体方式还包括:
若不满足此条件,则生成划痕信号,并将所生成的缺陷类型传输至展示端内。
3.一种产品表面缺陷的视觉检测方法,该检测方法基于权利要求1-2任一项所述的视觉检测系统进行运行,其特征在于,包括以下步骤:
步骤一、确定产品表面展示区域的图像,随后根据图像比对,锁定异常区域;
步骤二、对异常区域是否处于平整状态进行分析判定,根据判定结果,将异常区域划分为坡度异常区或平整异常区,并将平整异常区传输至归整分析端内,将坡度异常区传输至坡度分析端内;
步骤三、归整分析端,对平整异常区进行接收,并对平整异常区内部阴影区进行确认,随后确认其边缘轮廓,再从边缘轮廓内锁定距离值是否满足对应的判定条件,确定平整异常区的缺陷类型,并将所判定的缺陷类型传输至展示端内进行展示;
步骤四、坡度分析端,对坡度异常区进行接收,对坡度异常区的阴影区以及边缘轮廓进行依次确定,随后确定缺陷区域,再采用平行分割的方式,将缺陷区域分割为若干个待定区域,从若干个待定区域内选定宽度最大值,根据宽度最大值的评判条件,判定坡度异常区的缺陷类型,并将所判定的缺陷类型传输至展示端内进行展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311364115.4A CN117309766B (zh) | 2023-10-20 | 2023-10-20 | 一种产品表面缺陷的视觉检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311364115.4A CN117309766B (zh) | 2023-10-20 | 2023-10-20 | 一种产品表面缺陷的视觉检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117309766A CN117309766A (zh) | 2023-12-29 |
CN117309766B true CN117309766B (zh) | 2024-03-29 |
Family
ID=89260233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311364115.4A Active CN117309766B (zh) | 2023-10-20 | 2023-10-20 | 一种产品表面缺陷的视觉检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117309766B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05256795A (ja) * | 1991-10-31 | 1993-10-05 | Hitachi Ltd | 欠陥検出方法及びその装置、磁気ヘッド検査方法及びその装置並びに磁気ヘッド製造ライン |
US5309222A (en) * | 1991-07-16 | 1994-05-03 | Mitsubishi Denki Kabushiki Kaisha | Surface undulation inspection apparatus |
US5672886A (en) * | 1994-08-12 | 1997-09-30 | Kabushiki Kaisha Toshiba | Surface inspection system for detecting various surface faults |
JP2003168103A (ja) * | 2001-11-30 | 2003-06-13 | Seiko Epson Corp | 画面の線欠陥検出方法及び装置並びに画像データの補正方法 |
JP2006047041A (ja) * | 2004-08-03 | 2006-02-16 | Honda Motor Co Ltd | 表面状態を判定するためのデータマップを生成する方法および判定方法 |
KR20090074245A (ko) * | 2006-12-04 | 2009-07-06 | 도쿄엘렉트론가부시키가이샤 | 결함 검출 장치, 결함 검출 방법, 정보 처리 장치, 정보 처리 방법 및 그 프로그램 |
CN112418198A (zh) * | 2021-01-25 | 2021-02-26 | 城云科技(中国)有限公司 | 基于灰度图能量值的人行走道的地砖起伏缺陷检测方法 |
CN115272321A (zh) * | 2022-09-28 | 2022-11-01 | 山东军冠纺织有限公司 | 一种基于机器视觉的纺织品缺陷检测方法 |
CN116128881A (zh) * | 2023-04-18 | 2023-05-16 | 苏州宣雄智能科技有限公司 | 一种用于缺陷产品同步标记的镜片检测系统及方法 |
CN219369917U (zh) * | 2023-03-10 | 2023-07-18 | 湖南电桥科技有限责任公司 | 一种设备局部放电智能监测装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7330710B2 (ja) * | 2018-04-26 | 2023-08-22 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
-
2023
- 2023-10-20 CN CN202311364115.4A patent/CN117309766B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5309222A (en) * | 1991-07-16 | 1994-05-03 | Mitsubishi Denki Kabushiki Kaisha | Surface undulation inspection apparatus |
JPH05256795A (ja) * | 1991-10-31 | 1993-10-05 | Hitachi Ltd | 欠陥検出方法及びその装置、磁気ヘッド検査方法及びその装置並びに磁気ヘッド製造ライン |
US5672886A (en) * | 1994-08-12 | 1997-09-30 | Kabushiki Kaisha Toshiba | Surface inspection system for detecting various surface faults |
JP2003168103A (ja) * | 2001-11-30 | 2003-06-13 | Seiko Epson Corp | 画面の線欠陥検出方法及び装置並びに画像データの補正方法 |
JP2006047041A (ja) * | 2004-08-03 | 2006-02-16 | Honda Motor Co Ltd | 表面状態を判定するためのデータマップを生成する方法および判定方法 |
KR20090074245A (ko) * | 2006-12-04 | 2009-07-06 | 도쿄엘렉트론가부시키가이샤 | 결함 검출 장치, 결함 검출 방법, 정보 처리 장치, 정보 처리 방법 및 그 프로그램 |
CN112418198A (zh) * | 2021-01-25 | 2021-02-26 | 城云科技(中国)有限公司 | 基于灰度图能量值的人行走道的地砖起伏缺陷检测方法 |
CN115272321A (zh) * | 2022-09-28 | 2022-11-01 | 山东军冠纺织有限公司 | 一种基于机器视觉的纺织品缺陷检测方法 |
CN219369917U (zh) * | 2023-03-10 | 2023-07-18 | 湖南电桥科技有限责任公司 | 一种设备局部放电智能监测装置 |
CN116128881A (zh) * | 2023-04-18 | 2023-05-16 | 苏州宣雄智能科技有限公司 | 一种用于缺陷产品同步标记的镜片检测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117309766A (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101791305B1 (ko) | 열화상 카메라를 이용한 전력설비 진단 장치 및 방법 | |
CN109167997A (zh) | 一种视频质量诊断系统及方法 | |
US20140119644A1 (en) | System and method of adaptive color correction for pill recognition in digital images | |
CN106651849A (zh) | 基于面阵相机的pcb裸板缺陷检测方法 | |
CN115147370A (zh) | 一种电池顶盖焊接缺陷检测方法、装置、介质及电子设备 | |
CN116337868B (zh) | 一种表面缺陷检测方法及检测系统 | |
CN108827597B (zh) | 一种结构光投影器的光斑均匀度检测方法和检测系统 | |
CN107895362A (zh) | 一种微型接线端子质量检测的机器视觉方法 | |
CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
CN114255233A (zh) | 散斑图的质量评价方法、装置、电子设备和存储介质 | |
KR101643713B1 (ko) | 학습형 스마트 카메라를 이용한 검사 대상 물품의 검사방법 | |
CN114820439A (zh) | 基于aoi的pcb裸板缺陷的检测系统及方法 | |
CN117309766B (zh) | 一种产品表面缺陷的视觉检测方法及系统 | |
CN113778091A (zh) | 一种风电场升压站设备巡检方法 | |
CN116563391B (zh) | 一种基于机器视觉的激光结构自动标定方法 | |
CN117169227A (zh) | 插头的生产方法、装置、设备及存储介质 | |
CN116993654B (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
CN114964032B (zh) | 基于机器视觉的盲孔深度测量方法及装置 | |
CN115690077A (zh) | 一种泡罩板背面缺陷检测方法及系统 | |
JPH09251538A (ja) | 物体存否判断装置および物体存否判断方法 | |
KR102336433B1 (ko) | 카메라를 이용한 수율 관리 시스템 및 방법 | |
KR102129970B1 (ko) | 전자부품 검사 데이터 매칭 방법 및 장치 | |
KR102286828B1 (ko) | 구조물의 벽체 안전진단용 로봇 | |
JP5778685B2 (ja) | ボールグリッドアレイデバイスの位置合わせ及び検査のためのシステム及び方法 | |
CN117218079A (zh) | 一种基于机器视觉的车身缺陷检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |