[发明专利]一种基于机器视觉的表面缺陷检测算法

权利要求书

1.一种基于机器视觉的表面缺陷检测算法，其特征在于，包括以下步骤：

(a)：采用CCD或CMOS传感器对物体表面进行表面图像采集，并评判采集到图像的清晰程度，根据图像的清晰程度调整对焦状态；

(b)：采用自动对焦算法，在采集到的多张物体表面图像中寻找最清晰的图像，送入缺陷检测算法的下一步工序；

(c)：采用目标匹配定位算法，在待检测的物体表面图像中寻找与对应标的物或模板图像相似度最高的区域，并将区域该区域定义为目标区；

(d)：根据步骤(c)中找到的目标区位置为基础，找到被检测无图表面图像中需要进行缺陷分析的区域，定义为感兴趣区域或ROI区域；

(e)：在步骤(d)的ROI区域内，采用局部区域灰度值差分算法进行块状缺陷区域检测，对检测到的缺陷区域进行标记；所述局部区域灰度值差分算法通过比较像素周围相邻像素的灰度值的差异来确定是否存在缺陷区域，差分图像通过两张非线性滤波操作后的图像进行差分运算得到；对于输入的一维信号和二维信号均适用；

设一维信号为f(t)，为了检测f(t)时域中是否存在毛刺、突变异常，令r(t)为时域信号的异常分量，通过使用最值滤波差分算法，r(t)的表达式为

其中Δf(t)指的是间隔(t-Δt，t+Δt)中信号值的差值，d(·)表示微分算子；通过使用|·|，测量指标用|Δf(t)|表示，r(t)的表达式与信号f(t)的偏导数非常相似但并不相同，r(t)的表达式表示为r(t)邻域的最大值和最小值的差，以表现出微弱的毛刺和缺陷；

假设输入的二维信号为I_s，通过最值滤波差分算法，得到以下中间表示形式

其中I_min和I_max表示经过最大和最小滤波后的结果，I_r为对应的残差图；

(f)：在步骤(d)中ROI区域内，采用线性增强检测器算法进行划伤缺陷区域检测，对检测到的缺陷区域进行标记；

(g)：对步骤(e)和(f)中检测出的块状缺陷进行缺陷特征分析，该过程也称为特征提取或特征描述过程；

(h)：根据具体的缺陷检测要求及步骤(g)中被检测物体的缺陷特征分析结果，对被检测物体进行缺陷等级评估，至此，缺陷检测过程结束。

2.如权利要求1所述的基于机器视觉的表面缺陷检测算法，其特征在于：步骤(b)所述的自动对焦算法包括但不限于典型的基于梯度信息或轮廓信息的算法，且该算法不受光照、背景均匀性因素影响。

3.如权利要求1所述的基于机器视觉的表面缺陷检测算法，其特征在于：步骤(c)所述采用目标匹配定位算法包括但不限于归一化互相关算法、广义霍夫变换算法、SIFT算法或尺度不变特征变换算法、几何哈希算法；所述采用目标匹配定位算法采用单个或者多个模板进行匹配定位，或联合金字塔算法进行加速。

4.如权利要求1所述的基于机器视觉的表面缺陷检测算法，其特征在于：步骤(d)所述的区域分割算法或ROI区域寻找算法需要在标的物基础上，采用设定的坐标偏置，在原图上进行掩模覆盖，标记为前景的区域为ROI区域，标记为背景的区域为滤除区域，滤除区域不参与后续的缺陷检测过程和缺陷特征分析、缺陷等级评估过程。

5.如权利要求1所述的基于机器视觉的表面缺陷检测算法，其特征在于：步骤(e)所述的局部区域灰度值差分算法为：当采集到图像后，首先进行图像预处理，去处图像中的噪点；然后采用最大值滤波操作，在每个像素滤波模板所在区域内，进行最大值和最小值滤波操作，将对应操作之后的图像进行差分运算，生成残差图；最终在残差图基础上进行阈值分割操作完成缺陷分割；在缺陷分割后，进行形态学的开运算，以消除小而孤立的区域。

6.如权利要求1所述的基于机器视觉的表面缺陷检测算法，其特征在于：步骤(f)所述线性增强检测器算法为：当采集到图像后，在图像中每个像素对应位置，以不同角度进行划痕搜索，当对应区域对应角度划伤响应超过设定阈值时，表示该区域存在划伤缺陷。