工件表面缺陷檢測方法和裝置與流程
2023-05-31 06:23:07
本發明涉及工件質量檢測領域,特別涉及一種工件表面缺陷檢測方法和裝置。
背景技術:
人類社會的不斷進步在某種程度上與新材料的使用有著密切的聯繫,例如青銅和鋼鐵的引入使用都曾經極大的提高了人類社會的生產力和生產效率,因此具有劃時代的意義。進入20世紀以來,作為材料領域又一創新的高分子材料正在越來越深刻的影響著人類社會的發展進程。塑料是我們熟知的一類高分子材料,具有密度小、重量輕、絕緣性能好、介電損耗低、化學穩定性高及耐磨性好等優點,被廣泛應用於工業、農業、建築、國防尖端工業等和人們生活息息相關的各個領域,其增長率已經躍居四大工業材料(塑料、鋼鐵、木材和水泥)之首,「以塑代鋼」、「以塑代木」成了當今世材料界的發展趨勢。在塑料加工領域,最常用的加工方法為注射成型法其特點為能夠加工外型複雜、尺寸精確、質地密緻的塑料製品。,並且注塑工藝對各種塑料的加工具有良好的適應性,生產能力較高,並易於實現自動化。在塑料工業迅速發展的今天,應用於注塑成型工藝的注塑機不論在數量上,還是在品種上都佔有重要地位,從而成為目前塑料加工成型中增長最快,生產數量最多的加工方法之一。然而,注塑製品的生產過程中,通常由於注塑條件的不良等各種因素的幹擾而導致工件的表面常會產生斑點、凹坑、劃痕、色差、缺損等外觀性、尺寸精確度性或功能性的缺陷,並且這些缺陷很可能會很大程度上影響製品進一步的工藝加工甚至製品的使用性能。注塑製品現行的缺陷檢測方法主要靠人工目測和離線抽樣分析相結合的人工方法進行檢測。但是這種人工檢測方法只能對具有明顯形狀和表面缺陷的製品進行分揀,並在缺陷製品明顯增多時對生產設備做出必要的幹預,通過檢修設備、調整參數等手段排除故障,恢復生產;並且由於受檢測人員的經驗、心理和生理因素的影響,即人工檢測受到檢測人員主觀因素的影響很大,因此人工檢測方法的實時性差,誤檢率高,並且無法進行定量描述,從而影響了評估的準確性和可靠性。此外,在比較危險的工作環境下,無法進行人工檢測。
技術實現要素:
本發明的主要目的在於提供一種工件表面缺陷檢測方法及裝置,旨在解決人工檢測方法所存在的只能對具有明顯形狀和表面缺陷的製品進行分揀,並且由於受檢測人員的主觀因素的影響很大,所造成的實時性差,誤檢率高,並且無法進行定量描述,從而影響了評估的準確性和可靠性的技術問題。
為實現上述目的,本發明提供的一種工件表面缺陷檢測處理方法,包括:
將輸入的表面具有豎直方向上的條形紋理和與水平方向上成5度夾角的條形紋理的工件的圖像II轉換為灰度圖像IG之後進行二值化處理,從而獲得將工件從背景分離的二值化圖像IB,其中,所述工件的所述表面具有豎直方向上的所述條形紋理與所述圖像II的豎直方向重合;
從所述二值化圖像IB之中提取所述工件的輪廓Fi,並根據所述輪廓Fi從所述灰度圖像IG之中提取所述工件的灰度圖像IGi;
通過對所述工件的所述灰度圖像IGi進行濾波處理,過濾掉所述工件的所屬表面的所述豎直方向上的條形紋理與所述水平方向上成5度夾角的所述條形紋理之後獲得濾波後圖像BGi;
對所述圖像BGi進行邊緣銳化處理獲得邊緣銳化圖像EGi之後再進行自適應二值化處理之後獲得輪廓圖像DGi;
使用預設尺寸大小的patch對所述輪廓圖像DGi進行輪廓檢測處理,從而獲得每個所述patch所對應的特徵向量Vij,並將所有所述工件特徵向量Vij所進行歸一化並組成特徵向量集合Vi,其中,所述下標j為所述特徵向量在所述特徵向量集和Vi之內的序號;
將所述特徵向量集合Vi之中的每個特徵向量Vij帶入預先訓練好的SVM模型進行判別運算,並輸出所述判別運算的結果,其中,所述SVM模型的判別結果包括正常和缺陷這兩種判別結果類型。
優選地,所述將輸入的表面具有豎直方向上的條形紋理和與水平方向上成5度夾角的條形紋理的工件的圖像II轉換為灰度圖像IG之後進行二值化處理,從而獲得將工件從背景分離的二值化圖像IB的步驟之中,所述二值化處理為OSTU算法。
優選地,所述從所述二值化圖像IB之中提取所述工件的輪廓Fi,並根據所述輪廓Fi從所述灰度圖像IG之中提取所述工件的灰度圖像IGi的步驟之中,所述從所述二值化圖像IB之中提取所述工件的輪廓Fi所採用的方法是腐蝕算法。
優選地,所述通過對所述工件的所述灰度圖像IGi進行濾波處理,過濾掉所述工件的所屬表面的所述豎直方向上的條形紋理與所述水平方向上成5度夾角的所述條形紋理之後獲得濾波後圖像BGi的步驟包括:
對所述工件的灰度圖像IGi進行第一次Garbor濾波處理獲得所述第一次濾波後的圖像AGi=IGi*g1;
對所述圖像AGi進行第二次Garbor濾波處理獲得所述第二次濾波後的圖像BGi=AGi*g2,
其中,所述*為卷積運算,所述第一次Garbor濾波的所述Garbor核函數g1和所述第二次Garbor濾波的所述Garbor核函數g2的公式定義為:
長,所述δ為所述Garbor核函數的尺度大小,所述θ為抑制角度,所述為相位差,所述(x,y)為所述圖像IGi和所述圖像AGi之中對應像素點的坐標,在進行所述第一次Garbor濾波處理時的所述抑制角度θ=90°,在進行所述第二次Garbor濾波處理時的所述抑制角度θ=5°。
優選地,所述使用預設尺寸大小的patch對所述輪廓圖像DGi進行輪廓檢測處理,從而獲得每個所述patch所對應的特徵向量Vij,並將所有所述工件特徵向量Vij所進行歸一化並組成特徵向量集合Vi的步驟之中,所述特徵向量Vij包括經過所述輪廓檢測處理所獲得的所述輪廓的長、所述輪廓的寬、所述輪廓的位置坐標(x,y)和所述輪廓的灰度均值5個特徵值。
本發明進一步提供一種工件表面缺陷檢測裝置,包括:
圖像輸入預處理模塊,用於將輸入的表面具有豎直方向上的條形紋理和與水平方向上成5度夾角的條形紋理的工件的圖像II轉換為灰度圖像IG之後進行二值化處理,從而獲得將工件從背景分離的二值化圖像IB,其中,所述工件的所述表面具有豎直方向上的所述條形紋理與所述圖像II的豎直方向重合;
工件圖像獲取模塊,用於從所述二值化圖像IB之中提取所述工件的輪廓Fi,並根據所述輪廓Fi從所述灰度圖像IG之中提取所述工件的灰度圖像IGi;
濾波處理模塊,用於通過對所述工件的所述灰度圖像IGi進行濾波處理,過濾掉所述工件的所屬表面的所述豎直方向上的條形紋理與所述水平方向上成5度夾角的所述條形紋理之後獲得濾波後圖像BGi;
輪廓提取模塊,用於對所述圖像BGi進行邊緣銳化處理獲得邊緣銳化圖像EGi之後再進行自適應二值化處理之後獲得輪廓圖像DGi;
特徵提取模塊,用於使用預設尺寸大小的patch對所述輪廓圖像DGi進行輪廓檢測處理,從而獲得每個所述patch所對應的特徵向量Vij,並將所有所述工件特徵向量Vij所進行歸一化並組成特徵向量集合Vi,其中,所述下標j為所述特徵向量在所述特徵向量集和Vi之內的序號;
判別輸出模塊,用於將所述特徵向量集合Vi之中的每個特徵向量Vij帶入預先訓練好的SVM模型進行判別運算,並輸出所述判別運算的結果,其中,所述SVM模型的判別結果包括正常和缺陷這兩種判別結果類型。
優選地,所述圖像輸入預處理模塊之中,所述二值化處理為OSTU算法。
優選地,所述工件圖像獲取模塊之中,所述從所述二值化圖像IB之中提取所述工件的輪廓Fi所採用的方法是腐蝕算法。
優選地,所述濾波處理模塊包括:
第一次Garbor濾波處理單元,用於對所述工件的灰度圖像IGi進行第一次Garbor濾波處理獲得所述第一次濾波後的圖像AGi=IGi*g1;
第二次Garbor濾波處理單元,用於對所述圖像AGi進行第二次Garbor濾波處理獲得所述第二次濾波後的圖像BGi=AGi*g2,
其中,所述*為卷積運算,所述第一次Garbor濾波的所述Garbor核函數g1和所述第二次Garbor濾波的所述Garbor核函數g2的公式定義為:
長,所述δ為所述Garbor核函數的尺度大小,所述θ為抑制角度,所述為相位差,所述(x,y)為所述圖像IGi和所述圖像AGi之中對應像素點的坐標,在進行所述第一次Garbor濾波處理時的所述抑制角度θ=90°,在進行所述第二次Garbor濾波處理時的所述抑制角度θ=5°。
優選地,所述特徵提取模塊之中,所述特徵向量Vij包括經過所述輪廓檢測處理所獲得的所述輪廓的長、所述輪廓的寬、所述輪廓的位置坐標(x,y)和所述輪廓的灰度均值5個特徵值。
本發明通過上述預處理,可以準確快速的提取所述工件的對應範圍的圖像,從而可以大大減少後續處理過程的運算量,同時也可以避免工件對應範圍之外的圖像內容對判別處理的幹擾,提高判別的準確度的同時也提高了魯棒性。並且通過上述的濾波處理,濾出工件本身的輪廓以及表面具有豎直方向上的條形紋理和與水平方向上成5度夾角的條形紋理對後續特徵提取的幹擾和影響。此外,由於對採用濾波處理之後的圖像進行邊緣銳化之後在進行輪廓提取,因此大大提高了輪廓特徵提取的可靠性和魯棒性,與此同時採用輪廓特徵作為SVM判別模型的特徵參數具有操作簡單,運算速度快,可靠性好的特點。
並且,別於普通的二值化處理方法,所述OSTU算法又叫類間方差最大算法,其主要處理過程之中需要首先計算能將兩類分開的最佳閾值,從而使得它們的類內方差最小,因此該算法具可根據圖像的內容自動獲取最佳分類閾值的特點。並且,由於輸入的所述工件圖像內容簡單,顏色或灰度分布較為單一,因此採用該算法即可以避免該算法對噪音和目標大小十分敏感,以及無法有效應對圖像內容較為複雜的情形等不利因素的幹擾,具有運算簡單,速度快,可以實現實時處理的特點。此外,在一些環境中,如果使用向量化的形式,可以更快地運算循環,也可以很容易採用多線程並行處理的的方法。
其次,由於Gabor核函數對於圖像的邊緣敏感,能夠提供良好的方向選擇和尺度選擇特性,而且對於光照變化不敏感,能夠提供對光照變化良好的適應性。並且,由於Gabor濾波方式與人類視覺系統中簡單細胞的視覺刺激響應非常相似,因此在提取目標的局部空間和頻率域信息方面具有良好的特性。此外,通過採用Garbor濾波的方式,具有運算簡單,易於理解,參數易於調整,並且降低了計算的複雜度,減少了計算量,提高了響應速度。
附圖說明
圖1為實現本發明各個實施例的圖像輸入部件的硬體結構示意圖;
圖2為實現本發明各個實施例的工件的外觀結構示意圖;
圖3為本發明工件表面缺陷檢測方法第一實施例的流程示意圖;
圖4為本發明工件表面缺陷檢測方法第二實施例的流程示意圖;
圖5為本發明工件表面缺陷檢測裝置第一實施例的功能模塊示意圖;
圖6為本發明工件表面缺陷檢測裝置第二實施例的功能模塊示意圖。
本發明目的的實現、功能特點及優點將結合實施例,參照附圖做進一步說明。
具體實施方式
應當理解,此處所描述的具體實施例僅僅用以解釋本發明,並不用於限定本發明。
現在將參考附圖描述實現本發明各個實施例的設備裝置。在後續的描述中,使用用於表示元件的諸如「模塊」、「部件」或「單元」的後綴僅為了有利於本發明的說明,其本身並沒有特定的意義。因此,"模塊"與"部件"可以混合地使用。
工件表面缺陷檢測方法及裝置可以以各種形式來實施。例如,本發明中描述的處理方法及裝置可以包括行動裝置裝置以及固定設備裝置。下面,假設終端是固定設備裝置。然而,本領域技術人員將理解的是,除了特別用於固定目的的元件之外,根據本發明的實施方式的構造也能夠應用於移動類型的設備裝置。
圖1為實現本發明各個實施例的圖像輸入部件的硬體結構示意圖的硬體結構示意。如圖所示,用於圖像輸入的相機1被設置在Z軸2之上,所述相機1的高度可以沿所述Z軸2的豎直方向上下移動,從而可以調節所述相機1的焦距和視場範圍大小;所述Z軸2的一端與Y軸3連接,所述Y軸3的兩端分別與設置在所述圖像輸入部件框架兩側平行排列的兩個X軸4連接,所述Y軸3可以沿X軸4方向移動,從而可以調節所述相機1的視場範圍。在所述圖像輸入部件的底座設置光源6,在所述光源6的上部平行設置數個磨砂玻璃滾軸5,從而形成一個由所述磨砂玻璃滾軸5所構成的工件放置平臺。所述磨砂玻璃滾軸5由一電機驅動從而實現同步轉動。所述磨砂玻璃滾軸5的驅動電機每轉一個45度的角度,則所述磨砂玻璃滾軸5也相應轉動45度,同時所述相機1將採集一幅圖片,並將所述圖片輸入至所述工件表面缺陷檢測方法及裝置進行處理。每一個工件一共需要轉8個45度,對應每一個角度所拍攝的圖片都依次輸入至所述工件表面缺陷檢測方法及裝置進行處理,判別是否存在缺陷。
圖2為實現本發明各個實施例的工件的外觀結構示意圖。如圖所示。所述工件的形狀近似圓筒型,能360度滾動;透光,並且表面具有豎直方向上的條形紋理和與水平方向上成5度夾角的條形紋理。
參照圖3,圖3為本發明工件表面缺陷檢測方法的第一實施例的流程示意圖。
如圖3所示的實施例,所述工件表面缺陷檢測方法包括:
步驟S10、圖像輸入預處理。
即將輸入的表面具有豎直方向上的條形紋理和與水平方向上成5度夾角的條形紋理的工件的圖像II轉換為灰度圖像IG之後進行二值化處理,從而獲得將工件從背景分離的二值化圖像IB,其中,所述工件的所述表面具有豎直方向上的所述條形紋理與所述圖像II的豎直方向重合。
步驟S20、工件圖像獲取。
即從所述二值化圖像IB之中提取所述工件的輪廓Fi,並根據所述輪廓Fi從所述灰度圖像IG之中提取所述工件的灰度圖像IGi。
步驟S30、濾波處理。
即通過對所述工件的所述灰度圖像IGi進行濾波處理,過濾掉所述工件的所屬表面的所述豎直方向上的條形紋理與所述水平方向上成5度夾角的所述條形紋理之後獲得濾波後圖像BGi。
步驟S40、輪廓提取。
即對所述圖像BGi進行邊緣銳化處理獲得邊緣銳化圖像EGi之後再進行自適應二值化處理之後獲得輪廓圖像DGi。
步驟S50、特徵提取。
即使用預設尺寸大小的patch對所述輪廓圖像DGi進行輪廓檢測處理,從而獲得每個所述patch所對應的特徵向量Vij,並將所有所述工件特徵向量Vij所進行歸一化並組成特徵向量集合Vi,其中,所述下標j為所述特徵向量在所述特徵向量集和Vi之內的序號。
步驟S60、判別輸出。
即將所述特徵向量集合Vi之中的每個特徵向量Vij帶入預先訓練好的SVM模型進行判別運算,並輸出所述判別運算的結果,其中,所述SVM模型的判別結果包括正常和缺陷這兩種判別結果類型。
通過上述步驟S10和步驟S20,可以準確快速的提取所述工件的對應範圍的圖像,從而可以大大減少後續處理過程的運算量,同時也可以避免工件對應範圍之外的圖像內容對判別處理的幹擾,提高判別的準確度的同時也提高了魯棒性。並且通過上述步驟S30的濾波處理,濾出工件本身的輪廓以及表面具有豎直方向上的條形紋理和與水平方向上成5度夾角的條形紋理對後續特徵提取的幹擾和影響。此外,由於對採用濾波處理之後的圖像進行邊緣銳化之後在進行輪廓提取,因此大大提高了輪廓特徵提取的可靠性和魯棒性,與此同時採用輪廓特徵作為SVM判別模型的特徵參數具有操作簡單,運算速度快,可靠性好的特點。
進一步,基於上述圖3的實施例,在步驟S10,圖像輸入預處理過程,即所述將輸入的表面具有豎直方向上的條形紋理和與水平方向上成5度夾角的條形紋理的工件的圖像II轉換為灰度圖像IG之後進行二值化處理,從而獲得將工件從背景分離的二值化圖像IB的步驟之中,所述二值化處理為OSTU算法。
最大類間方差
區別於普通的二值化處理方法,所述OSTU算法又叫類間方差最大算法,其主要處理過程之中需要首先計算能將兩類分開的最佳閾值,從而使得它們的類內方差最小,因此該算法具可根據圖像的內容自動獲取最佳分類閾值的特點。並且,由於輸入的所述工件圖像內容簡單,顏色或灰度分布較為單一,因此採用該算法即可以避免該算法對噪音和目標大小十分敏感,以及無法有效應對圖像內容較為複雜的情形等不利因素的幹擾,具有運算簡單,速度快,可以實現實時處理的特點。此外,在一些環境中,如果使用向量化的形式,可以更快地運算循環,也可以很容易採用多線程並行處理的的方法。
進一步,基於上述圖3的實施例,在步驟S20、工件圖像獲取,即所述從所述二值化圖像IB之中提取所述工件的輪廓Fi,並根據所述輪廓Fi從所述灰度圖像IG之中提取所述工件的灰度圖像IGi的步驟之中,所述從所述二值化圖像IB之中提取所述工件的輪廓Fi所採用的方法是腐蝕算法。
所述腐蝕算法是一種消除邊界點,使邊界向內部收縮的處理過程,其可以用來消除小且無意義的物體,從而可以有效避免噪聲幹擾。
參照圖4,圖4為本發明工件表面缺陷檢測方法的第二實施例的所述步驟S30的流程示意圖。如圖4所示,基於上述圖3的實施例,所述步驟S30、濾波處理包括:
步驟S310、第一次Garbor濾波處理。
即對所述工件的灰度圖像IGi進行第一次Garbor濾波處理獲得所述第一次濾波後的圖像AGi=IGi*g1。
步驟S320、第二次Garbor濾波處理。
即對所述圖像AGi進行第二次Garbor濾波處理獲得所述第二次濾波後的圖像BGi=AGi*g2。
其中,所述*為卷積運算,所述第一次Garbor濾波的所述Garbor核函數g1和所述第二次Garbor濾波的所述Garbor核函數g2的公式定義為:
長,所述δ為所述Garbor核函數的尺度大小,所述θ為抑制角度,所述為相位差,所述(x,y)為所述圖像IGi和所述圖像AGi之中對應像素點的坐標,在進行所述第一次Garbor濾波處理時的所述抑制角度θ=90°,在進行所述第二次Garbor濾波處理時的所述抑制角度θ=5°。
由於Gabor核函數對於圖像的邊緣敏感,能夠提供良好的方向選擇和尺度選擇特性,而且對於光照變化不敏感,能夠提供對光照變化良好的適應性。並且,由於Gabor濾波方式與人類視覺系統中簡單細胞的視覺刺激響應非常相似,因此在提取目標的局部空間和頻率域信息方面具有良好的特性。此外,通過採用Garbor濾波的方式,具有運算簡單,易於理解,參數易於調整,並且降低了計算的複雜度,減少了計算量,提高了響應速度。
進一步,基於上述圖4的實施例,所述S50、特徵提取過程,即所述使用預設尺寸大小的patch對所述輪廓圖像DGi進行輪廓檢測處理,從而獲得每個所述patch所對應的特徵向量Vij,並將所有所述工件特徵向量Vij所進行歸一化並組成特徵向量集合Vi的步驟之中,所述特徵向量Vij包括經過所述輪廓檢測處理所獲得的所述輪廓的長、所述輪廓的寬、所述輪廓的位置坐標(x,y)和所述輪廓的灰度均值5個特徵值。
由於採用了所述輪廓檢測處理所獲得的所述輪廓的長、所述輪廓的寬、所述輪廓的位置坐標(x,y)和所述輪廓的灰度均值這5個特徵值,增加了所屬特徵向量Vij的緯度,增強了其魯棒性,並且使SVM判別更加成熟可靠,響應速度快,易於工程實現。
上述本發明工件表面缺陷檢測方法的第一實施例中的工件表面缺陷檢測方法可以由本發明工件表面缺陷檢測裝置的第一實施例所提供的工件表面缺陷檢測裝置來實現。
參照圖5,圖5為本發明工件表面缺陷檢測裝置的第一實施例提供一種工件表面缺陷檢測裝置100,所述工件表面缺陷檢測裝置100包括:
圖像輸入預處理模塊10,用於將輸入的表面具有豎直方向上的條形紋理和與水平方向上成5度夾角的條形紋理的工件的圖像II轉換為灰度圖像IG之後進行二值化處理,從而獲得將工件從背景分離的二值化圖像IB,其中,所述工件的所述表面具有豎直方向上的所述條形紋理與所述圖像II的豎直方向重合。工件圖像獲取模塊20,用於從所述二值化圖像IB之中提取所述工件的輪廓Fi,並根據所述輪廓Fi從所述灰度圖像IG之中提取所述工件的灰度圖像IGi;
濾波處理模塊,用於通過對所述工件的所述灰度圖像IGi進行濾波處理,過濾掉所述工件的所屬表面的所述豎直方向上的條形紋理與所述水平方向上成5度夾角的所述條形紋理之後獲得濾波後圖像BGi。
濾波處理模塊30,用於用於通過對所述工件的所述灰度圖像IGi進行濾波處理,過濾掉所述工件的所屬表面的所述豎直方向上的條形紋理與所述水平方向上成5度夾角的所述條形紋理之後獲得濾波後圖像BGi。
輪廓提取模塊40、用於對所述圖像BGi進行邊緣銳化處理獲得邊緣銳化圖像EGi之後再進行自適應二值化處理之後獲得輪廓圖像DGi。
特徵提取模塊50,用於使用預設尺寸大小的patch對所述輪廓圖像DGi進行輪廓檢測處理,從而獲得每個所述patch所對應的特徵向量Vij,並將所有所述工件特徵向量Vij所進行歸一化並組成特徵向量集合Vi,其中,所述下標j為所述特徵向量在所述特徵向量集和Vi之內的序號。
判別輸出模塊60、用於將所述特徵向量集合Vi之中的每個特徵向量Vij帶入預先訓練好的SVM模型進行判別運算,並輸出所述判別運算的結果,其中,所述SVM模型的判別結果包括正常和缺陷這兩種判別結果類型。
通過上述圖像輸入預處理模塊10和工件圖像獲取模塊20,可以準確快速的提取所述工件的對應範圍的圖像,從而可以大大減少後續處理過程的運算量,同時也可以避免工件對應範圍之外的圖像內容對判別處理的幹擾,提高判別的準確度的同時也提高了魯棒性。並且通過上述濾波處理模塊30的濾波處理,濾出工件本身的輪廓以及表面具有豎直方向上的條形紋理和與水平方向上成5度夾角的條形紋理對後續特徵提取的幹擾和影響。此外,由於對採用濾波處理之後的圖像進行邊緣銳化之後在進行輪廓提取,因此大大提高了輪廓特徵提取的可靠性和魯棒性,與此同時採用輪廓特徵作為SVM判別模型的特徵參數具有操作簡單,運算速度快,可靠性好的特點。
進一步,基於上述圖5的實施例,所述圖像輸入預處理模塊10之中所述將輸入的表面具有豎直方向上的條形紋理和與水平方向上成5度夾角的條形紋理的工件的圖像II轉換為灰度圖像IG之後進行二值化處理,從而獲得將工件從背景分離的二值化圖像IB的處理過程之中,所述二值化處理為OSTU算法。
區別於普通的二值化處理方法,所述OSTU算法又叫類間方差最大算法,其主要處理過程之中需要首先計算能將兩類分開的最佳閾值,從而使得它們的類內方差最小,因此該算法具可根據圖像的內容自動獲取最佳分類閾值的特點。並且,由於輸入的所述工件圖像內容簡單,顏色或灰度分布較為單一,因此採用該算法即可以避免該算法對噪音和目標大小十分敏感,以及無法有效應對圖像內容較為複雜的情形等不利因素的幹擾,具有運算簡單,速度快,可以實現實時處理的特點。此外,在一些環境中,如果使用向量化的形式,可以更快地運算循環,也可以很容易採用多線程並行處理的的方法。
進一步,基於上述圖5的實施例,所述工件圖像獲取模塊20之中所述從所述二值化圖像IB之中提取所述工件的輪廓Fi,並根據所述輪廓Fi從所述灰度圖像IG之中提取所述工件的灰度圖像IGi的處理過程之中,所述從所述二值化圖像IB之中提取所述工件的輪廓Fi所採用的方法是腐蝕算法。
所述腐蝕算法是一種消除邊界點,使邊界向內部收縮的處理過程,其可以用來消除小且無意義的物體,從而可以有效避免噪聲幹擾。
上述本發明工件表面缺陷檢測方法的第二實施例中的工件表面缺陷檢測方法可以由本發明工件表面缺陷檢測裝置的第二實施例所提供的工件表面缺陷檢測裝置來實現。
參照圖6,本發明工件表面缺陷檢測裝置的第二實施例提供一種工件表面缺陷檢測裝置,基於上述圖5所示的實施例,所述濾波處理模塊30包括:
第一次Garbor濾波處理單元31,用於對所述工件的灰度圖像IGi進行第一次Garbor濾波處理獲得所述第一次濾波後的圖像AGi=IGi*g1;
第二次Garbor濾波處理單元32,用於對所述圖像AGi進行第二次Garbor濾波處理獲得所述第二次濾波後的圖像BGi=AGi*g2,
其中,所述*為卷積運算,所述第一次Garbor濾波的所述Garbor核函數g1和所述第二次Garbor濾波的所述Garbor核函數g2的公式定義為:
長,所述δ為所述Garbor核函數的尺度大小,所述θ為抑制角度,所述為相位差,所述(x,y)為所述圖像IGi和所述圖像AGi之中對應像素點的坐標,在進行所述第一次Garbor濾波處理時的所述抑制角度θ=90°,在進行所述第二次Garbor濾波處理時的所述抑制角度θ=5°。
由於Gabor核函數對於圖像的邊緣敏感,能夠提供良好的方向選擇和尺度選擇特性,而且對於光照變化不敏感,能夠提供對光照變化良好的適應性。並且,由於Gabor濾波方式與人類視覺系統中簡單細胞的視覺刺激響應非常相似,因此在提取目標的局部空間和頻率域信息方面具有良好的特性。此外,通過採用Garbor濾波的方式,具有運算簡單,易於理解,參數易於調整,並且降低了計算的複雜度,減少了計算量,提高了響應速度。
進一步,基於上述圖6的實施例,所述特徵提取模塊50之中所述使用預設尺寸大小的patch對所述輪廓圖像DGi進行輪廓檢測處理,從而獲得每個所述patch所對應的特徵向量Vij,並將所有所述工件特徵向量Vij所進行歸一化並組成特徵向量集合Vi的處理過程之中所述特徵向量Vij包括經過所述輪廓檢測處理所獲得的所述輪廓的長、所述輪廓的寬、所述輪廓的位置坐標(x,y)和所述輪廓的灰度均值5個特徵值。
由於採用了所述輪廓檢測處理所獲得的所述輪廓的長、所述輪廓的寬、所述輪廓的位置坐標(x,y)和所述輪廓的灰度均值這5個特徵值,增加了所屬特徵向量Vij的緯度,增強了其魯棒性,並且使SVM判別更加成熟可靠,響應速度快,易於工程實現。
需要說明的是,在本文中,術語「包括」、「包含」或者其任何其他變體意在涵蓋非排他性的包含,從而使得包括一系列要素的過程、方法、物品或者裝置不僅包括那些要素,而且還包括沒有明確列出的其他要素,或者是還包括為這種過程、方法、物品或者裝置所固有的要素。在沒有更多限制的情況下,由語句「包括一個……」限定的要素,並不排除在包括該要素的過程、方法、物品或者裝置中還存在另外的相同要素。
上述本發明實施例序號僅僅為了描述,不代表實施例的優劣。
顯然,本領域的技術人員應該明白,上述的本發明的各模塊單元或各步驟可以用通用的計算裝置來實現,可選地,它們可以用計算裝置可執行的程序代碼來實現,從而,可以將它們存儲在存儲裝置中由計算裝置來執行,並且在某些情況下,可以以不同於此處的順序執行所示出或描述的步驟,或者將它們分別製作成各個集成電路模塊,或者將它們中的多個模塊或步驟製作成單個集成電路模塊來實現。這樣,本發明不限制於任何特定的硬體和軟體結合。
通過以上的實施方式的描述,本領域的技術人員可以清楚地了解到上述實施例方法可藉助軟體加必需的通用硬體平臺的方式來實現,當然也可以通過硬體,但很多情況下前者是更佳的實施方式。基於這樣的理解,本發明的技術方案本質上或者說對現有技術做出貢獻的部分可以以軟體產品的形式體現出來,該計算機軟體產品存儲在一個存儲介質(如ROM/RAM、磁碟、光碟)中,包括若干指令用以使得一臺終端設備(可以是手機,計算機,伺服器,空調器,或者網絡設備等)執行本發明各個實施例所述的方法。
以上僅為本發明的優選實施例,並非因此限制本發明的專利範圍,凡是利用本發明說明書及附圖內容所作的等效結構或等效流程變換,或直接或間接運用在其他相關的技術領域,均同理包括在本發明的專利保護範圍內。