详情

原文传递基于机器视觉的陶瓷瓦的缺陷检测方法及装置

专利名称：	基于机器视觉的陶瓷瓦的缺陷检测方法及装置
摘要：	基于机器视觉的陶瓷瓦缺陷检测方法及装置，涉及陶瓷瓦缺陷检测领域，旨在提高陶瓷瓦缺陷检测的效率。本发明首先获取陶瓷瓦的正面俯视图像；接着对该图像进行图像分割，将陶瓷瓦从传送带背景中提取出来；然后在分割后的图像上提取待检测陶瓷瓦的特征参数，与事先预设的特征参数进行比较，从而确定待检陶瓷瓦是否存在缺角、裂纹、鼓包、色差、缺釉等缺陷，进而对待检测陶瓷瓦进行分类，以便区分出废品、合格品。比起传统的人工检测，本发明可以高效地对所有陶瓷瓦进行逐一检测，极大地提高了生产效率，并显著提高了出厂陶瓷瓦的合格率。
专利类型：	发明专利
国家地区组织代码：	湖北;42
申请人：	三峡大学
发明人：	曾曙光;肖焱山;郑胜;李强;张邵伟;李小磊
专利状态：	有效
申请日期：	2019-07-03T00:00:00+0800
发布日期：	2019-10-01T00:00:00+0800
申请号：	CN201910595802.4
公开号：	CN110296997A
代理机构：	宜昌市三峡专利事务所
代理人：	吴思高
分类号：	G01N21/88(2006.01);G;G01;G01N;G01N21
申请人地址：	443002 湖北省宜昌市西陵区大学路8号
主权项：	1.基于机器视觉的陶瓷瓦的缺陷检测方法，其特征在于包括以下步骤：步骤1：获取待检测陶瓷瓦的正面俯视图像；步骤2：对所述俯视图像进行图像分割，将陶瓷瓦所在区域从俯视图像中提取出来，从而得到纯陶瓷瓦图像；步骤3：对所述纯陶瓷瓦图像，采用并行计算算法，同时检测陶瓷瓦的缺角、色差、裂纹、缺釉、鼓包这五种常见缺陷，并输出相应的缺陷特征参数；步骤4：用步骤3的各缺陷特征参数，与预设的陶瓷瓦特征参数相比较，从而可将陶瓷瓦分为合格品或者废品。 2.根据权利要求1所述基于机器视觉的陶瓷瓦的缺陷检测方法，其特征在于：所述俯视图像，为陶瓷瓦水平放置时，从陶瓷瓦正上方拍摄的图像；所述预设的陶瓷瓦特征参数，包括预设的陶瓷瓦的裂纹长度或宽度、预设的陶瓷瓦的鼓包面积、预设的陶瓷瓦的缺釉面积、预设的陶瓷瓦的色差面积、预设的陶瓷瓦的缺角面积。 3.根据权利要求1所述基于机器视觉的陶瓷瓦的缺陷检测方法，其特征在于：所述步骤2中，图像分割包括以下步骤：步骤2.1，对所述俯视图像的每一行求和，得到行投影向量；步骤2.2，对所述俯视图像的每一列求和，得到列投影向量；步骤2.3，分别查找行投影向量中的跃变位置、列投影向量中的跃变位置，进而确定陶瓷瓦在图像中的位置；步骤2.4，将陶瓷瓦所在区域从所述俯视图像中提取出来，得到纯陶瓷瓦图像。 4.根据权利要求1所述基于机器视觉的陶瓷瓦的缺陷检测方法，其特征在于：所述步骤3中，并行计算算法，指的是利用工控机的多核配置，每个核负责检测一种缺陷，并将检测结果发送给主程序。 5.根据权利要求1所述基于机器视觉的陶瓷瓦的缺陷检测方法，其特征在于：所述步骤3中，缺角检测算法包括以下步骤：步骤3.1.1：将纯陶瓷瓦图像灰度化，得到纯陶瓷瓦灰度图像；步骤3.1.2：在纯陶瓷瓦灰度图像四个角上分别截取一个小的矩形，并分别统计出这四个小矩形中各像素的平均灰度值Mi(i＝1,2,3,4)；步骤3.1.3：在纯陶瓷瓦灰度图像正中间截取一个小的矩形，并统计出这个小矩形中各像素的平均灰度值M0；步骤3.1.4：设定一个阈值Tq，如果\|Mi-M0\|>Tq，则第i个角上存在缺角，反之则不存在缺角。 6.根据权利要求1所述基于机器视觉的陶瓷瓦的缺陷检测方法，其特征在于：所述步骤3中，色差检测算法包括以下步骤：步骤3.2.1：将纯陶瓷瓦图像灰度化，得到纯陶瓷瓦灰度图像；步骤3.2.2：在纯陶瓷瓦灰度图像左右两个边界处分别截取一个狭长的矩形，并分别统计出这两个矩形中各像素的平均灰度值Si(i＝1,2)；步骤3.2.3：在纯陶瓷瓦灰度图像正中间截取一个小的矩形，并统计出这个小矩形中各像素的平均灰度值S0；步骤3.2.4：设定一个阈值Ts，如果\|Si-S0\|>Ts，则第i个边上存在色差，反之则不存在色差。 7.根据权利要求1所述基于机器视觉的陶瓷瓦的缺陷检测方法，其特征在于：所述步骤3中，裂纹检测算法包括以下步骤：步骤3.3.1：将纯陶瓷瓦图像灰度化，得到纯陶瓷瓦灰度图像；步骤3.3.2：根据裂纹的狭长特征，自定义一个M×N的高通滤波模板h1；步骤3.3.3：将纯陶瓷瓦灰度图像与高通滤波模板h1做卷积，得到滤波后图像；步骤3.3.4：将滤波后图像进行阈值分割，得到二值化图像；步骤3.3.5：对二值化图像进行连通域提取，并计算每个连通域的长度、长宽比等特征参数；步骤3.3.6：设定连通域的长度阈值，将小于该阈值的连通域被认定为噪声并排除掉；步骤3.3.7：设定连通域的长宽比阈值，将小于该阈值的连通域被认定为噪声并排除掉；步骤3.3.8：设定距离阈值，将距离小于该阈值的两个连通域连接起来形成一个新的连通域；步骤3.3.9：统计剩余连通域的数目，记为NL；步骤3.3.10：若NL大于0，则认为存在NL条裂纹，并将各裂纹的长度和最大宽度等信息输出，反之则认为不存在裂纹。 8.根据权利要求1所述基于机器视觉的陶瓷瓦的缺陷检测方法，其特征在于：所述步骤3中，缺釉检测算法包括以下步骤：步骤3.4.1：将纯陶瓷瓦图像通过颜色空间转换至HSV空间；步骤3.4.2：提取出H色调分量所在通道并进行自适应阈值分割，得到二值化图像；步骤3.4.3：对二值化图像进行连通域提取，并计算每个连通域的面积等特征参数；步骤3.4.4：设定连通域的面积阈值，将小于该阈值的连通域被认定为噪声并排除掉，将大于该阈值认定为缺釉并输出缺釉面积。 9.根据权利要求1所述基于机器视觉的陶瓷瓦的缺陷检测方法，其特征在于：所述步骤3中，鼓包检测算法包括以下步骤：步骤3.5.1：将纯陶瓷瓦图像灰度化，得到纯陶瓷瓦灰度图像；步骤3.5.2：根据鼓包的几何特征，自定义一个M×N的矩形的高通滤波模板h2；步骤3.5.3：将纯陶瓷瓦灰度图像与高通滤波模板h2做卷积，得到滤波后图像；步骤3.5.4：将滤波后图像进行阈值分割，得到二值化图像；步骤3.5.5：对二值化图像进行连通域提取，并计算每个连通域的面积等特征参数；步骤3.5.6：设定连通域的面积阈值，将小于该阈值的连通域被认定为噪声并排除掉，将大于该阈值认定为鼓包并输出鼓包面积。 10.基于机器视觉的陶瓷瓦的缺陷检测装置，其特征在于包括：传送设备(110)、图像采集单元(120)、图像检测单元(130)、陶瓷瓦分类单元(140)；所述传送设备(110)，用于放置并输送待检测陶瓷瓦(20)；每个待检测陶瓷瓦(20)独立且水平放置在传送设备上；所述图像采集单元(120)包括暗箱(124)、光源、光电开关(121)、以及设置于传送设备(110)正上方的相机；暗箱(124)，用于为图像采集提供一个暗室环境；光源，用于为图像采集提供充足及均匀的照明；光电开关(121)，用于在检测到待检测陶瓷瓦(20)进入目标区域时，触发相机进行拍照；相机，用于拍摄待检测陶瓷瓦(20)的俯视图像；相机和光源位于暗箱(124)的正上方，暗箱(124)下方两侧均开了一个矩形的口子以方便陶瓷瓦通过；所述图像检测单元(130)包括工控机(132)、陶瓷瓦缺陷检测及分类软件、显示器(131)；工控机(132)，用于接收相机所拍摄的陶瓷瓦俯视图像，并通过其I/O口送出陶瓷瓦分类的结果；陶瓷瓦缺陷检测及分类软件，利用基于权利要求1-8中任一项所述的基于机器视觉的陶瓷瓦缺陷检测方法，对待检测陶瓷瓦图像进行缺陷检测和分类；显示器(131)，用于显示陶瓷瓦缺陷检测及分类软件的检测结果；所述陶瓷瓦分类单元(140)，用于根据图像检测单元(130)的分类结果，将不同类型的陶瓷瓦分送至不同位置。
所属类别：	发明专利