[发明专利]基于机器视觉的玻璃缺陷的检测与分类方法

说明书

技术领域

本发明涉及玻璃缺陷检测分类方法，具体地涉及一种基于机器视觉的玻璃缺陷的检测与分类方法。

背景技术

工业生产中，由于各种技术或者生产工艺问题，会造成一定的缺陷。比如玻璃生产过程中，就会有气泡或者杂质引入。不同的缺陷对产品质量的影响不同。比如气泡缺陷对于普通日用玻璃可能影响不大，而对于汽车的安全玻璃的性能影响却非常大。从2003年5月1日起，我国对汽车安全玻璃、建筑安全玻璃、铁道车辆用安全玻璃实行强制检验。而对于表面积很大的产品，仅靠人工去识别缺陷显然不是一种高效的方法。为了避免人工检测误判造成的损失，有效降低生产成本与提升正品率，应用计算机视觉来解决缺陷的检测与分类问题逐渐成为一种趋势。由于照相机的精度以及现实条件问题，有时候获取的缺陷图像的分辨率非常低。有些缺陷只有4-6像素大小。在此尺寸的图像上，较难获得有效的特征。因此通过目标值的灰度值信息进行分类是一个办法。

经过对现有技术文献的查找发现，目前一些研究者的工作集中在缺陷的查找并统计缺陷的数目上。周雪芹等人2007年发表在《微计算机信息》上的论文《基于局部区域阈值的玻璃气泡的检测》中采用了如下方法：首先求方差图像并二值化来确定气泡在图像中所在的局部区域，在该局部区域内，可认为光照是均匀的，然后运用局部区域阈值法保留较亮的目标，从而逐个提取出气泡。在Peng 等人2008年发表在International Journal of Advanced Manufacturing Technology（先进制造技术国际期刊）上的An online defects inspection method for float glass fabrication based on machine vision（一种基于机器视觉的浮法玻璃制作过程的缺陷在线检测方法）论文中采用了OTSU方法来实现前景与背景分割。很少一部分研究者有进一步研究缺陷的类型。Han等人2009年发表在International Conference on Convergence and Hybrid Information Technology（收敛与混合技术国际会议）的论文A study on enhanced algorithms for detecting defects of glasses（玻璃缺陷监测的增强方法研究）中利用提取出来的缺陷的面积、边界等信息来研究缺陷的圆形度。Hu等人2009年发表在International Conference on Computational Intelligence and Natural Computing（计算机智能与自然计算国际会议）的论文An algorithm of glass image recognition based on wavelet packet decomposition（一种基于小波包分解的玻璃图像识别算法）中采用了小波包分解来实现对缺陷图像的二值化，再利用缺陷区域的面积，长宽比，灰度均值与方差，圆形度等方法尝试给缺陷进行分类。他们对210个样本（其中150个用于学习）进行实验，最后的测试样本的准确率达到93.3%。该方法虽然可以实现对缺陷的检测与分类，不过训练样本过少没法完全体现工业生产环境的真实情况，另外算法速度也不是非常令人满意。

发明内容

本发明具体涉及一种从玻璃图像中提取目标区域并进行图像处理，然后根据处理后获得的特征信息将缺陷类型进行分类的方法。可应用于工业品表面缺陷检测与识别，属于模式识别中的分类问题。本发明的目的在于针对玻璃表面缺陷检测问题，提出一种基于图像处理的缺陷类型的快速判断方法。该方法能在光照不均匀，以及其他光源干扰（如玻璃气泡中形成的透镜）等背景下获取的低分辨率缺陷图像进行特征分析，从而判断缺陷的类型。 

为实现上述目的，本发明首先提取相机（线扫描）给出的图片中的缺陷区域，从而获得目标的最小连通域。之后对目标区域进行二值化处理。按行按列扫描最小连通域，统计9类二值特征模式（下文将介绍）的数目。在此基础上判断缺陷的类型（空心的为气泡，实心的为杂质）。

根据本发明的一个方面，提供一种基于机器视觉的玻璃缺陷的检测与分类方法，其特征在于，包括如下步骤：

步骤一：对图像进行缺陷边缘检测以获得缺陷的边缘信息，根据所述边缘信息确定目标区域；

步骤二：对所述目标区域进行二值化处理；

步骤三：去除所述目标区域中的噪声点；

步骤四：根据某行灰度值跳变的次数来定义9类特征模式；