[发明专利]工业品缺陷图像检测的方法

说明书

一种工业品缺陷图像检测方法，所述工业品缺陷图像检测方法分为先后顺序执行的两个部分：(1)首先实时采集一定数量的没有缺陷的工业品图像，对这些工业品图像进行统计分析得到接受域；(2)接下来对已知样本图像(即已知道样本是否存在缺陷)进行分析得到灰度值为255的像素点数量，当数量值位于接受域范围内时，则本方法判该样本为没有缺陷的正常样本；当数量值位于接受域范围外时，则本方法判该样本为有缺陷的样本。本方法使用准确率这一指标衡量方法预测得好坏。本方法在一定程度上抑制了工业采集图像过程中各种误差带来的成像噪声对工业检测的干扰，对背景与目标灰度差很小的薄膜缺陷检测效果较好。

技术领域

本发明涉及工业品缺陷检测领域，具体涉及一种工业品缺陷图像检测的方法。

背景技术

对于工业品缺陷图像检测，选择合适的图像分割阈值至关重要。若阈值选取过大，会导致目标缺陷误判为背景，出现漏检的情形；相反若阈值选取过小，则会导致背景被误判为目标缺陷，出现正常产品被误判为有缺陷的情形。工业品中的薄膜缺陷(一般分为划痕、折痕、尖锐凹凸点、气泡等)检测，由于目标缺陷与背景的灰度差很小，图像分割阈值不好选取，再加上工业实时采集图像的过程中受随机误差、系统误差和人为造成的粗大误差的影响，在一定程度上也对工业薄膜缺陷检测造成了困难。

目前，较常见的图像分割算法有王晋江等人通过平滑滤波、直方图分析，由双峰法确定分割阈值，对薄膜缺陷图像实现简单而有效的分割。但是，只有当目标缺陷与背景的灰度值差异很大且直方图表现出明显的双峰时，该方法才有效。哈里发(A.Khalifa)等人阐述的背景差分算法适用范围比较窄，仅当背景恒定不变时，传统背景差分算法才有效，而并不适用于背景图像发生缓慢或激烈变化的场合。卡普尔(Kapur)等人提出了最大熵阈值分割方法，由于熵涉及到对数运算，时间开销大，难以满足实时性的要求。

发明内容

为了解决上述问题，本发明提供了一种基于统计分析的工业品缺陷图像检测方法，该方法在一定程度上排除了工业实时采集图像过程中的各种误差对成像的影响，对目标缺陷与背景灰度级差异很小的工业薄膜缺陷，能够给出较好的图像分割阈值，再通过调节参数并选取合适的接受域实现对工业薄膜是否存在缺陷的判定。

本发明解决方案分为先后顺序执行的两个部分：(1)首先实时采集一定数量的没有缺陷的工业品图像，对这些工业品图像进行统计分析得到接受域；(2)接下来对已知样本图像(即已知道样本是否存在缺陷)进行分析得到灰度值为255的像素点数量，当数量值位于接受域范围内时，则判该样本为没有缺陷的正常样本；当数量值位于接受域范围外时，则判该样本为有缺陷的样本。

附图说明

图1是本发明的工业品缺陷图像检测的方法的流程示意图；

图2是采集到的没有缺陷部位的工业薄膜图像；

图3是存在划痕缺陷的工业薄膜图像；

图4是针对图3按图1所示流程在vs2013中用c++编写后编译生成的图像，缺陷部位为白色；

图5是存在折痕缺陷的工业薄膜图像，折痕位于红圈内；

图6是针对图5按图1所示流程在vs2013中用c++编写后编译生成的图像，缺陷部位为白色位于红圈内；

图7是存在尖锐凹凸点缺陷的工业薄膜图像；

图8是针对图7按图1所示流程在vs2013中用c++编写后编译生成的图像，缺陷部位为白色；

具体实施方式

下面结合实施例和附图说明对本方法做进一步说明。

1)首先统计实时采集到的大小相同的正样本(没有缺陷的样本)工业薄膜图像，计算图像每个像素点灰度值的平均值。本实施例中采集到的正样本图像数量为5张，其中一张如图2所示；