[发明专利]一种实时的产品瑕疵定位方法

说明书

本发明提出了一种实时的产品瑕疵定位方法，包括以下步骤：步骤一、图像预处理，包括图像灰度化和图像二值化；步骤二、选定处理区域；步骤三、瑕疵粗定义；步骤四、瑕疵精定义。本发明实现了产品瑕疵的实时、快速准确检测，运算量小，检测精度高，还可以根据客户对产品质量的要求进行设定，以满足不同产品对产品瑕疵定位所需要的不同需求。

技术领域

本发明涉及一种实时的产品瑕疵定位方法，属于产品质量检测技术领域。

背景技术

随着生产和工艺技术的进步，产品质量的要求也进一步提高，产品表面质量对于成品质量的影响越来越受到人们的关注。诸如光缆、晶圆、芯片等瑕疵对成品质量影响比较大的产品，在生产时，对其产品瑕疵的检测就十分重要。

目前，国内对于产品瑕疵定位的方法大多还停留在原始的人工检测。人工检测在当前产品流水线生产的时代，其精度和速度都达不到工业所需的基本要求。

现阶段对产品瑕疵定位的研究，主要通过对瑕疵的特征提取，再对图像像素进行遍历，匹配出符合瑕疵特征的区域。此类方法适用范围不广、算法太过复杂无法实现实时检测。

因此许多企业迫切需要探索一种客观、有效、灵活、高速、可靠、适用范围广、实时的产品瑕疵定位方法来代替传统的人工检测。

发明内容

本发明的目的在于克服现有技术的不足，提供一种实时的产品瑕疵定位方法，以实现产品瑕疵的实时、快速准确检测，该方法运算量小，检测精度高，还可以根据客户对产品质量的要求进行设定，进而可以检验不同尺寸的瑕疵，以满足不同产品对产品瑕疵定位所需要的不同需求。

本发明提供一种实时的产品瑕疵定位方法，包括以下步骤：

步骤一、图像预处理，包括图像灰度化和图像二值化；

步骤二、选定处理区域；

步骤三、瑕疵粗定义，

将瑕疵粗定义系数矩阵与图像作平面卷积，得到每个像素点的灰度梯度值；

设定梯度阈值，将每个像素点的灰度梯度值和梯度阈值相比较，当灰度梯度值大于梯度阈值时，认定该像素点为瑕疵边缘点；

多个瑕疵边缘点围成的区域为异常区域；

步骤四、瑕疵精定义，设定瑕疵最小尺寸，判断比较异常区域的是否大于瑕疵最小尺寸，如是，则判定异常区域为瑕疵。

作为本发明的进一步技术方案，所述图像灰度化具体为将图像中每个像素点代入如下公式：

Gray＝R*0.3+G*0.59+B*0.11，

其中，图像的原始格式为RGB565，式中R、G、B分别为每个像素点的三个分量值，Gray为每个像素点的灰度值。

进一步的，所述图像二值化具体为：对已经灰度化后的图像再取一灰度阈值μ，将Gray值大于μ的像素点的灰度值直接赋值为255，其他像素点的灰度值全部赋值0。

进一步的，所述选定处理区域具体为根据产品和摄像头的相对位置，在图像中对产品所在区域进行选取。

进一步的，所述瑕疵粗定义系数矩阵包括横向瑕疵粗定义系数矩阵和纵向瑕疵粗定义系数矩阵。

进一步的，所述步骤三中灰度梯度值的具体计算过程为：

其中：A代表原始图像，G_x和G_y分别代表经横向及纵向瑕疵粗定义系数矩阵检测完毕的图像梯度值，G为灰度梯度值。

进一步的，所述瑕疵精定义具体为：