CN116843640A - 瓷砖表面凹坑缺陷检测方法、系统及存储介质 - Google Patents
瓷砖表面凹坑缺陷检测方法、系统及存储介质 Download PDFInfo
- Publication number
- CN116843640A CN116843640A CN202310771239.8A CN202310771239A CN116843640A CN 116843640 A CN116843640 A CN 116843640A CN 202310771239 A CN202310771239 A CN 202310771239A CN 116843640 A CN116843640 A CN 116843640A
- Authority
- CN
- China
- Prior art keywords
- image
- tile
- region
- area
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 121
- 239000000919 ceramic Substances 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000004927 fusion Effects 0.000 claims abstract description 33
- 238000001914 filtration Methods 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 16
- 230000002950 deficient Effects 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 abstract description 4
- 238000007499 fusion processing Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000269913 Pseudopleuronectes americanus Species 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010191 image analysis 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
- G01N21/8806—Specially adapted optical and illumination features
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T7/0002—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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种瓷砖表面凹坑缺陷检测方法、系统及存储介质中,该方法包括以下步骤:当目标瓷砖进入采集区域时,获取目标瓷砖的表面的第一彩色图像、第二彩色图像和黑白图像;对第一彩色图像和第二彩色图像进行图像融合,以获得融合图像;获取黑白图像上的黑白瓷砖区域,从融合图像中裁剪与黑白瓷砖区域对应的融合瓷砖区域,以获得瓷砖图像;在瓷砖图像上提取若干可疑区域,并对每个可疑区域进行灰度过滤,以获得瓷砖图像上的缺陷区域。该方法对彩色图像进行图像融合处理,使瓷砖表面的凹坑缺陷在图像上的对比度更加明显,有利于缺陷的识别;还通过对瓷砖图像上的可疑区域进行灰度过滤筛选得到缺陷区域,避免缺陷被漏检或错检。
Description
技术领域
本发明涉及瓷砖检测技术领域,尤其涉及一种瓷砖表面凹坑缺陷检测方法、系统及存储介质。
背景技术
瓷砖表面因为色彩多样,花纹丰富,所以当瓷砖表面出现凹坑缺陷时,该缺陷在图像上显示并不明显,因为没有清晰并且独特的特征。如果通过人工对瓷砖进行检查,其效率较低,且存在较多漏检、错检的情况,也不便于对某一批次产品进行质量统计和评定,影响瓷砖的出厂和售后处理。
发明内容
本发明要解决的技术问题在于,提供一种瓷砖表面凹坑缺陷检测方法、系统及存储介质。
本发明解决其技术问题所采用的技术方案是:构造一种瓷砖表面凹坑缺陷检测方法,该方法包括以下步骤:
S1、当目标瓷砖进入采集区域时,获取所述目标瓷砖的表面的第一彩色图像、第二彩色图像和黑白图像;
S2、对所述第一彩色图像和所述第二彩色图像进行图像融合,以获得融合图像;
S3、获取所述黑白图像上的黑白瓷砖区域,从所述融合图像中裁剪与所述黑白瓷砖区域对应的融合瓷砖区域,以获得瓷砖图像;
S4、在所述瓷砖图像上提取若干可疑区域,并对每个所述可疑区域进行灰度过滤,以获得所述瓷砖图像上的缺陷区域。
优选地,在本发明所构造的瓷砖表面凹坑缺陷检测方法中,步骤S4中,所述在所述瓷砖图像上提取若干可疑区域包括以下步骤:
对瓷砖图像进行均值滤波,以获取均值图像;
结合所述瓷砖图像和所述均值图像进行动态阈值分割,获取所述瓷砖图像上灰度高于所述均值图像的区域,以获得所述瓷砖图像上的亮区域;
对所述亮区域进行连通域分割,以提取到所述瓷砖图像上的若干所述可疑区域。
优选地,在本发明所构造的瓷砖表面凹坑缺陷检测方法中,在对所述亮区域进行连通域分割,以提取到所述瓷砖图像上的若干所述可疑区域以后,还包括以下步骤:
判断提取到的每个所述可疑区域的面积是否小于预设面积,若是,则将小于预设面积的所述可疑区域判定为干扰区域,且所述干扰区域不参与后续处理。
优选地,在本发明所构造的瓷砖表面凹坑缺陷检测方法中,步骤S4中,所述对每个所述可疑区域进行灰度过滤,以获得所述瓷砖图像上的缺陷区域包括以下步骤:
对每个所述可疑区域进行膨胀处理,以获得膨胀图像;
对膨胀图像和可疑区域进行图像做差,以获得差值图像;
分别获取所述可疑区域的灰度均值和所述差值图像的灰度均值并做差,以获得可疑区域和所述差值图像的对比度;
判断所述对比度是否大于对比度阈值,若是,则判定所述可疑区域为缺陷区域,若否,则判定所述可疑区域不是缺陷区域。
优选地,在本发明所构造的瓷砖表面凹坑缺陷检测方法中,该方法还包括以下步骤:
S5、获取所述缺陷区域的区域特征,并判断所述区域特征是否超过预设阈值,若是,则判定所述缺陷区域存在凹坑缺陷,若否,则判定所述缺陷区域不存在凹坑缺陷。
优选地,在本发明所构造的瓷砖表面凹坑缺陷检测方法中,步骤S5包括:
获取所述缺陷区域的对比度特征,并判断所述对比度特征是否超过预设对比度阈值,若是,则判定所述缺陷区域存在凹坑缺陷,若否,则判定所述缺陷区域不存在凹坑缺陷;或,
获取所述缺陷区域的对比度特征和圆度特征,并判断所述对比度特征是否超过预设对比度阈值、所述圆度特征是否超过预设圆度阈值,若均是,则判定所述缺陷区域存在凹坑缺陷,若均否,则判定所述缺陷区域不存在凹坑缺陷。
优选地,在本发明所构造的瓷砖表面凹坑缺陷检测方法中,步骤S1中,
当目标瓷砖进入采集区域时,获取所述目标瓷砖的表面在高角度光源下的所述第一彩色图像和所述黑白图像,获取所述目标瓷砖的表面在低角度光源下的所述第二彩色图像;其中,所述第一彩色图像、所述第二彩色图像和所述黑白图像的分辨率一致。
优选地,在本发明所构造的瓷砖表面凹坑缺陷检测方法中,步骤S2中,对所述第一彩色图像和所述第二彩色图像进行图像融合,以获得融合图像包括:
S2-1、对所述第一彩色图像和所述第二彩色图像进行图像相减处理,以获得相减图像;
S2-2、对所述相减图像进行灰度补偿处理,以获得所述融合图像。
本发明还构造了一种存储介质,存储有计算机程序,计算机程序在被处理器执行时实现上述任一项瓷砖表面凹坑缺陷检测方法的步骤。
本发明还构造了一种瓷砖表面凹坑缺陷检测系统,包括:
图像采集模块,用于采集瓷砖表面的黑白图像、第一彩色图像和第二彩色图像;
图像融合模块,用于对所述第一彩色图像和所述第二彩色图像进行图像融合,以获得融合图像;
瓷砖图像获取模块,用于获取所述黑白图像上的黑白瓷砖区域,结合所述黑白瓷砖区域和所述融合图像,裁剪获得所述融合图像中的瓷砖图像;
可疑区域获取模块,用于在所述瓷砖图像上提取若干可疑区域;
缺陷区域获取模块,用于对每个所述可疑区域进行灰度过滤,以获得所述瓷砖图像上的缺陷区域。
通过实施本发明,具有以下有益效果:
本发明构造的瓷砖表面凹坑缺陷检测方法、系统及存储介质中,该方法包括以下步骤:当目标瓷砖进入采集区域时,获取目标瓷砖的表面的第一彩色图像、第二彩色图像和黑白图像;对第一彩色图像和第二彩色图像进行图像融合,以获得融合图像;获取黑白图像上的黑白瓷砖区域,从融合图像中裁剪与黑白瓷砖区域对应的融合瓷砖区域,以获得瓷砖图像;在瓷砖图像上提取若干可疑区域,并对每个可疑区域进行灰度过滤,以获得瓷砖图像上的缺陷区域。该方法对彩色图像进行图像融合处理,使瓷砖表面的凹坑缺陷在图像上的对比度更加明显,有利于缺陷的识别;还通过对瓷砖图像上的可疑区域进行灰度过滤筛选得到缺陷区域,避免缺陷被漏检或错检。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明第一实施例中瓷砖表面凹坑缺陷检测方法的流程图;
图2是本发明某一实施例中的瓷砖表面凹坑缺陷检测系统的示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
需要说明的是,附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
参见图1,本发明的第一实施例公开了一种瓷砖表面凹坑缺陷检测方法,该方法包括以下步骤:S1、当目标瓷砖进入采集区域时,获取所述目标瓷砖的表面的第一彩色图像、第二彩色图像和黑白图像;S2、对所述第一彩色图像和所述第二彩色图像进行图像融合,以获得融合图像;S3、获取所述黑白图像上的黑白瓷砖区域,从所述融合图像中裁剪与所述黑白瓷砖区域对应的融合瓷砖区域,以获得瓷砖图像;S4、在所述瓷砖图像上提取若干可疑区域,并对每个所述可疑区域进行灰度过滤,以获得所述瓷砖图像上的缺陷区域。
在另一些实施例中,步骤S1和步骤S2中可以采集两个以上的彩色图像,例如,当目标瓷砖进入采集区域时,获取所述目标瓷砖的表面的第一彩色图像、第二彩色图像、第三彩色图像、第四彩色图像和黑白图像;对所述第一彩色图像、所述第二彩色图像、第三彩色图像进而第四彩色图像进行图像融合,以获得融合图像。图像融合后可以使得瓷砖表面的缺陷更加明显,采集多个彩色图像并进行图像融合,可以提高瓷砖表面凹坑缺陷检测的准确度,但是当采集的图像过多时,可能会影响图像处理的速度。
为了获取黑白瓷砖区域,可以对黑白图像进行灰度阈值分割,例如,先选择一个合适的阈值,区分开大于该阈值和小于该阈值的两种像素,再进行去除噪声、填充孔洞、分割连通域等处理,以获得黑白瓷砖区域。
为了获取瓷砖图像,以融合图像和黑白图像的左上角作为坐标原点,记录所述黑背瓷砖区域的最大外接矩形的坐标信息,将该坐标信息映射到融合图像中,以提取瓷砖图像。
进一步地,为了提取到瓷砖图像上的可疑区域以便后续可以进行相应的遍历式处理,在步骤S4中,所述在所述瓷砖图像上提取若干可疑区域包括以下步骤:
对瓷砖图像进行均值滤波,以获取均值图像;结合所述瓷砖图像和所述均值图像进行动态阈值分割,获取所述瓷砖图像上灰度高于所述均值图像的区域,以获得所述瓷砖图像上的亮区域;对所述亮区域进行连通域分割,以提取到所述瓷砖图像上的若干所述可疑区域。
均值滤波是典型的线性滤波算法,是指用当前像素点周围n*n个像素值的均值来代替当前像素值。使用该方法遍历处理图像内的每—个像素点,可完成整幅图像的均值滤波。
进一步地,在对所述亮区域进行连通域分割,以提取到所述瓷砖图像上的若干所述可疑区域以后,还包括以下步骤:判断提取到的每个所述可疑区域的面积是否小于预设面积,若是,则将小于预设面积的所述可疑区域判定为干扰区域,且所述干扰区域不参与后续处理。
进一步地,步骤S4中,所述对每个所述可疑区域进行灰度过滤,以获得所述瓷砖图像上的缺陷区域包括以下步骤:
对每个所述可疑区域进行膨胀处理,以获得膨胀图像;
对膨胀图像和可疑区域进行图像做差,以获得差值图像;
分别获取所述可疑区域的灰度均值和所述差值图像的灰度均值并做差,以获得可疑区域和所述差值图像的对比度;
判断所述对比度是否大于对比度阈值,若是,则判定所述可疑区域为缺陷区域,若否,则判定所述可疑区域不是缺陷区域。
进一步地,尽管从瓷砖图像上已经获取到了一些符合相关条件的缺陷区域,但是还不足以将这些缺陷区域判定为存在凹坑缺陷,还需要进行一些其他的条件判断,以验证缺陷区域是否被误判,因此,该方法还包括以下步骤:
S5、获取所述缺陷区域的区域特征,并判断所述区域特征是否超过预设阈值,若是,则判定所述缺陷区域存在凹坑缺陷,若否,则判定所述缺陷区域不存在凹坑缺陷。
在另一些实施例中,可以使用深度学习方法对采集到的瓷砖表面缺陷拖进行标注和训练,并利用语义分割的方法对凹坑缺陷进行检测。
进一步地,为了更细致地判断瓷砖图像上的缺陷区域是否真的存在凹坑缺陷,可以将某一区域特征单独用来实现凹坑缺陷的判断,也可以结合两个或两个以上数量的区域特征来实现凹坑缺陷的判断,因此,步骤S5包括:
获取所述缺陷区域的对比度特征,并判断所述对比度特征是否超过预设对比度阈值,若是,则判定所述缺陷区域存在凹坑缺陷,若否,则判定所述缺陷区域不存在凹坑缺陷;或,
获取所述缺陷区域的对比度特征和圆度特征,并判断所述对比度特征是否超过预设对比度阈值、所述圆度特征是否超过预设圆度阈值,若均是,则判定所述缺陷区域存在凹坑缺陷,若均否,则判定所述缺陷区域不存在凹坑缺陷。
此外,还可以使用其他的区域特征进行判断,例如,采用面积特征、矩形度特征等区域特征,并将这些区域特征与对应的特征阈值进行对比,也可以实现对缺陷区域的筛选和判断。
其中,对比度特征可以图像分析获得:对缺陷区域进行膨胀处理,然后将膨胀处理后的区域和原有的缺陷区域进行灰度均值的做差,所得到的灰度均值的差值就是缺陷区域的对比度特征。圆度特征、矩形度特征和面积特征等区域特征则可以直接使用对应的算子进行获取。
进一步地,在采集图像时所采用的光源也可以改善检测的效果,在步骤S1中,当目标瓷砖进入采集区域时,获取所述目标瓷砖的表面在高角度光源下的所述第一彩色图像和所述黑白图像,获取所述目标瓷砖的表面在低角度光源下的所述第二彩色图像;其中,所述第一彩色图像、所述第二彩色图像和所述黑白图像的分辨率一致。
其中,对于目标瓷砖表面的图像的获取,可以通过线性扫描相机来实现,目标瓷砖可以通过传输装置经过线性扫描相机,而在高角度光源亮起时,第一彩色相机和黑白相机对目标瓷砖的表面进行拍摄,在低角度光源亮起时,第二彩色相机对目标瓷砖的表面进行拍摄。为了使得所有图形的分辨率一致,所有线性扫描相机采集图像时所使用的行频应进行统一。此外,高角度光源和低角度光源可以间隔亮起,以实现一次传输过程中完成多个图像的获取,且不同图像的拍摄之间不会相互干扰。高角度光源和低角度光源之间的角度是没有强制关联的,其命名仅用于区别两种光源之间角度存在区别。作为一个可能的实施例,高角度光源可以设置在80°左右,低角度光源可以设置在30°至60°的区间内,且两种光源均为1米长的线性光源。
高角度光源照射到凹坑上,凹坑内部容易把光反射进入到彩色相机,此时凹坑内部是亮的,凹坑边缘发暗。低角度光源照射到凹坑上,凹坑边缘容易把光反射进入到彩色相机,此时凹坑边缘是发亮的,凹坑内部发暗。因此,结合两种光源对目标瓷砖表面进行拍摄,经过后续的图像处理可以更好地体现出凹坑缺陷的对比度。
进一步地,为了使图像融合所获得的融合图像有更好的效果,步骤S2中,对所述第一彩色图像和所述第二彩色图像进行图像融合,以获得融合图像包括:S2-1、对所述第一彩色图像和所述第二彩色图像进行图像相减处理,以获得相减图像;S2-2、对所述相减图像进行灰度补偿处理,以获得所述融合图像。
本发明的第二实施例公开了一种存储介质,存储有计算机程序,计算机程序在被处理器执行时实现上述第一实施例中任一项所公开的瓷砖表面凹坑缺陷检测方法的步骤。
本发明的第三实施例公开了一种瓷砖表面凹坑缺陷检测系统,包括:
图像采集模块,用于采集瓷砖表面的黑白图像、第一彩色图像和第二彩色图像;
图像融合模块,用于对所述第一彩色图像和所述第二彩色图像进行图像融合,以获得融合图像;
瓷砖图像获取模块,用于获取所述黑白图像上的黑白瓷砖区域,结合所述黑白瓷砖区域和所述融合图像,裁剪获得所述融合图像中的瓷砖图像;
可疑区域获取模块,用于在所述瓷砖图像上提取若干可疑区域;
缺陷区域获取模块,用于对每个所述可疑区域进行灰度过滤,以获得所述瓷砖图像上的缺陷区域。
参见图2,本发明的一个实施例提供了一种可实现第一实施例中所公开的瓷砖表面凹坑缺陷检测方法的系统,其中图像采集模块包括传感器1、第一彩色线性扫描相机2、第二彩色线性扫描相机3和黑白相机4,还包括低角度光源5和高角度光源6。传感器1用于感知被传送带7运输的目标瓷砖8是否进入采集区域;图像融合模块、瓷砖图像获取模块、可疑区域获取模块和缺陷区域获取模块均整合在处理器9中,处理器9可以从第一彩色线性扫描相机2、第二彩色线性扫描相机3和黑白相机4获取图像,以实现上述第一实施例中任一项所公开的瓷砖表面凹坑缺陷检测方法的步骤。处理器9还可以连接低角度光源5和高角度光源6,以使他们按一定频率进行频闪,配合第一彩色线性扫描相机2、第二彩色线性扫描相机3和黑白相机4分时扫描,实现传送带7单次运输目标瓷砖8即可采集到多张图像,且每个相机的图像采集之间互不干扰。
通过实施本发明,具有以下有益效果:
本发明公开了一种瓷砖表面凹坑缺陷检测方法、系统及存储介质中,该瓷砖表面凹坑缺陷检测方法包括以下步骤:当目标瓷砖进入采集区域时,获取目标瓷砖的表面的第一彩色图像、第二彩色图像和黑白图像;对第一彩色图像和第二彩色图像进行图像融合,以获得融合图像;获取黑白图像上的黑白瓷砖区域,从融合图像中裁剪与黑白瓷砖区域对应的融合瓷砖区域,以获得瓷砖图像;在瓷砖图像上提取若干可疑区域,并对每个可疑区域进行灰度过滤,以获得瓷砖图像上的缺陷区域。该方法通过对彩色图像进行图像融合处理,使瓷砖表面的凹坑缺陷在图像上的对比度更加明显,有利于缺陷的识别,还通过针对瓷砖图像上的可疑区域进行灰度过滤筛选得到缺陷区域,使瓷砖表面的缺陷区域避免被漏检和错检。
可以理解的,以上实施例仅表达了本发明的优选实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制;应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,可以对上述实施例或技术特点进行自由组合,还可以做出若干变形和改进,这些都属于本发明的保护范围,即“在一些实施例”所描述的实施例可与上下任一实施例进行自由组合;因此,凡跟本发明权利要求范围所做的等同变换与修饰,均应属于本发明权利要求的涵盖范围。
Claims (10)
1.一种瓷砖表面凹坑缺陷检测方法,其特征在于,该方法包括以下步骤:
S1、当目标瓷砖进入采集区域时,获取所述目标瓷砖的表面的第一彩色图像、第二彩色图像和黑白图像;
S2、对所述第一彩色图像和所述第二彩色图像进行图像融合,以获得融合图像;
S3、获取所述黑白图像上的黑白瓷砖区域,从所述融合图像中裁剪与所述黑白瓷砖区域对应的融合瓷砖区域,以获得瓷砖图像;
S4、在所述瓷砖图像上提取若干可疑区域,并对每个所述可疑区域进行灰度过滤,以获得所述瓷砖图像上的缺陷区域。
2.根据权利要求1所述的瓷砖表面凹坑缺陷检测方法,其特征在于,步骤S4中,所述在所述瓷砖图像上提取若干可疑区域包括以下步骤:
对瓷砖图像进行均值滤波,以获取均值图像;
结合所述瓷砖图像和所述均值图像进行动态阈值分割,获取所述瓷砖图像上灰度高于所述均值图像的区域,以获得所述瓷砖图像上的亮区域;
对所述亮区域进行连通域分割,以提取到所述瓷砖图像上的若干所述可疑区域。
3.根据权利要求2所述的瓷砖表面凹坑缺陷检测方法,其特征在于,在对所述亮区域进行连通域分割,以提取到所述瓷砖图像上的若干所述可疑区域以后,还包括以下步骤:
判断提取到的每个所述可疑区域的面积是否小于预设面积,若是,则将小于预设面积的所述可疑区域判定为干扰区域,且所述干扰区域不参与后续处理。
4.根据权利要求1所述的瓷砖表面凹坑缺陷检测方法,其特征在于,步骤S4中,所述对每个所述可疑区域进行灰度过滤,以获得所述瓷砖图像上的缺陷区域包括以下步骤:
对每个所述可疑区域进行膨胀处理,以获得膨胀图像;
对膨胀图像和可疑区域进行图像做差,以获得差值图像;
分别获取所述可疑区域的灰度均值和所述差值图像的灰度均值并做差,以获得可疑区域和所述差值图像的对比度;
判断所述对比度是否大于对比度阈值,若是,则判定所述可疑区域为缺陷区域,若否,则判定所述可疑区域不是缺陷区域。
5.根据权利要求1所述的瓷砖表面凹坑缺陷检测方法,其特征在于,该方法还包括以下步骤:
S5、获取所述缺陷区域的区域特征,并判断所述区域特征是否超过预设阈值,若是,则判定所述缺陷区域存在凹坑缺陷,若否,则判定所述缺陷区域不存在凹坑缺陷。
6.根据权利要求5所述的瓷砖表面凹坑缺陷检测方法,其特征在于,步骤S5包括:
获取所述缺陷区域的对比度特征,并判断所述对比度特征是否超过预设对比度阈值,若是,则判定所述缺陷区域存在凹坑缺陷,若否,则判定所述缺陷区域不存在凹坑缺陷;或,
获取所述缺陷区域的对比度特征和圆度特征,并判断所述对比度特征是否超过预设对比度阈值、所述圆度特征是否超过预设圆度阈值,若均是,则判定所述缺陷区域存在凹坑缺陷,若均否,则判定所述缺陷区域不存在凹坑缺陷。
7.根据权利要求1所述的瓷砖表面凹坑缺陷检测方法,其特征在于,步骤S1中,
当目标瓷砖进入采集区域时,获取所述目标瓷砖的表面在高角度光源下的所述第一彩色图像和所述黑白图像,获取所述目标瓷砖的表面在低角度光源下的所述第二彩色图像;其中,所述第一彩色图像、所述第二彩色图像和所述黑白图像的分辨率一致。
8.根据权利要求1所述的瓷砖表面凹坑缺陷检测方法,其特征在于,步骤S2中,对所述第一彩色图像和所述第二彩色图像进行图像融合,以获得融合图像包括:
S2-1、对所述第一彩色图像和所述第二彩色图像进行图像相减处理,以获得相减图像;
S2-2、对所述相减图像进行灰度补偿处理,以获得所述融合图像。
9.一种存储介质,存储有计算机程序,其特征在于,计算机程序在被处理器执行时实现权利要求1至8任一项的瓷砖表面凹坑缺陷检测方法的步骤。
10.一种瓷砖表面凹坑缺陷检测系统,其特征在于,包括:
图像采集模块,用于采集瓷砖表面的黑白图像、第一彩色图像和第二彩色图像;
图像融合模块,用于对所述第一彩色图像和所述第二彩色图像进行图像融合,以获得融合图像;
瓷砖图像获取模块,用于获取所述黑白图像上的黑白瓷砖区域,结合所述黑白瓷砖区域和所述融合图像,裁剪获得所述融合图像中的瓷砖图像;
可疑区域获取模块,用于在所述瓷砖图像上提取若干可疑区域;
缺陷区域获取模块,用于对每个所述可疑区域进行灰度过滤,以获得所述瓷砖图像上的缺陷区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310771239.8A CN116843640A (zh) | 2023-06-27 | 2023-06-27 | 瓷砖表面凹坑缺陷检测方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310771239.8A CN116843640A (zh) | 2023-06-27 | 2023-06-27 | 瓷砖表面凹坑缺陷检测方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116843640A true CN116843640A (zh) | 2023-10-03 |
Family
ID=88168233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310771239.8A Pending CN116843640A (zh) | 2023-06-27 | 2023-06-27 | 瓷砖表面凹坑缺陷检测方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116843640A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117994532A (zh) * | 2024-01-17 | 2024-05-07 | 钛玛科(北京)工业科技有限公司 | 一种凹版涂布图像识别系统 |
-
2023
- 2023-06-27 CN CN202310771239.8A patent/CN116843640A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117994532A (zh) * | 2024-01-17 | 2024-05-07 | 钛玛科(北京)工业科技有限公司 | 一种凹版涂布图像识别系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4707605B2 (ja) | 画像検査方法およびその方法を用いた画像検査装置 | |
JP2002148195A (ja) | 表面検査装置及び表面検査方法 | |
CN116843640A (zh) | 瓷砖表面凹坑缺陷检测方法、系统及存储介质 | |
CN117036259A (zh) | 一种基于深度学习的金属板材表面缺陷检测方法 | |
CN113971681A (zh) | 一种复杂环境下带式输送机边缘检测方法 | |
JPH06207909A (ja) | 表面欠陥検査装置 | |
CN114937003A (zh) | 一种针对玻璃面板的多类型缺陷检测系统和方法 | |
CN107220972B (zh) | 一种基于红外图像的禽蛋品质鉴别方法 | |
KR101713001B1 (ko) | 이미지 처리를 통한 금속패널 결함탐지장치 및 그 방법 | |
CN113935927A (zh) | 一种检测方法、装置以及存储介质 | |
JPS63236989A (ja) | 異物検出装置 | |
JP3890844B2 (ja) | 外観検査方法 | |
JPH07333197A (ja) | 表面疵自動探傷装置 | |
JP4293653B2 (ja) | 外観検査方法 | |
JPH0711414B2 (ja) | ガラスびんの偏肉検査方法 | |
JP3126634B2 (ja) | 外観検査方法 | |
JP2004286708A (ja) | 欠陥検出装置、方法及びプログラム | |
JPH05126750A (ja) | 円形容器内面検査装置 | |
JPH04350546A (ja) | 異物検出方法 | |
JP2831273B2 (ja) | 外観検査方法 | |
JP2988059B2 (ja) | 円形容器内面検査装置 | |
JP3753234B2 (ja) | 欠陥検出方法 | |
JP2005165482A (ja) | 欠陥検出方法 | |
JPH10214327A (ja) | 画像を用いた表面欠陥検出方法 | |
JP2005265828A (ja) | 疵検出方法及び装置 |
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 |