[发明专利]基于机器视觉的陶瓷瓦表面裂纹检测方法

说明书

基于机器视觉的陶瓷瓦表面裂纹检测方法，采用主成分分析PCA检测陶瓷瓦表面裂纹缺陷。不含裂纹信息的图像通过使用主成分分析技术重构得到，将预处理的图像与重构不含裂纹信息的图像进行差分，得到差分的图像，再运用二值化与形态学处理相结合的方法来检测出裂纹。本发明基于机器视觉的陶瓷瓦表面裂纹检测方法，可以大大提高陶瓷瓦表面裂纹检测的效率，为后续陶瓷瓦表面缺陷自动化检测与等级分类研究提供了指导。

技术领域

本发明属于机器视觉的技术领域，具体涉及一种基于机器视觉的陶瓷瓦表面裂纹检测方法。

背景技术

陶瓷瓦表面缺陷检测是陶瓷质量检测中至关重要的环节。由于陶瓷瓦工艺、环境、设备等因素的影响，生产出的陶瓷瓦产品可能会产生裂纹、缺釉、鼓包、色差、缺角等缺陷。目前，仍然采用传统的人工检测的方法对陶瓷瓦表面缺陷进行检测。这种人工检测方法存在劳动强度大、检测速度慢、主观性强的问题。因此，在陶瓷瓦产业上的自动化检测对于该行业显得尤为重要。

近年来，在工业产品表面缺陷的检测中，基于机器视觉的自动检测技术得到广泛地应用。在陶瓷瓦的缺陷中，裂纹是陶瓷瓦最常见也是最难检测的表面缺陷。常见的裂纹检测算法有边缘检测、小波变换、自动区域生长等。目前，基于机器视觉的表面裂纹的自动检测技术已广泛用于油管、磁瓦、瓷砖等行业。以上算法对于背景平滑、色彩单一的裂纹检测效果良好，然而对有纹理干扰、且表面高低起伏的陶瓷瓦表面裂纹检测较为困难。陶瓷瓦表面为立体的形态结构，且存在大量的花纹干扰。目前对具有立体结构和纹理丰富的陶瓷瓦表面裂纹检测的研究报道较少。

发明内容

针对在陶瓷瓦的自动化检测中，对有纹理干扰、且表面高低起伏的陶瓷瓦表面裂纹检测较为困难的技术问题。本发明提供一种基于机器视觉的陶瓷瓦表面裂纹检测方法，采用主成分分析(Principal Component Analysis，PCA)检测陶瓷瓦表面裂纹缺陷。不含裂纹信息的图像通过使用主成分分析技术重构得到，将预处理的图像与重构不含裂纹信息的图像进行差分，得到差分的图像，再运用二值化与形态学处理相结合的方法来检测出裂纹。可以大大提高陶瓷瓦表面裂纹检测的效率，为后续陶瓷瓦表面缺陷自动化检测与等级分类研究提供了指导。

本发明采取的技术方案为：

基于机器视觉的陶瓷瓦表面裂纹检测方法，采用主成分分析PCA检测陶瓷瓦表面裂纹缺陷，不含裂纹信息的图像通过使用主成分分析PCA方法重构得到；将预处理的图像与重构不含裂纹信息的图像进行差分，得到差分的图像；再运用二值化与形态学处理相结合的方法来检测出裂纹。

在裂纹检测前需要对原图像进行预处理：采用原图像中的红色通道图像，其红色通道图像保留裂纹完整性并且光照不均的干扰较小，将预处理的图像数据矩阵A作为样本进行中心化，以确保全部维度上的偏移都是以0为基点。

基于机器视觉的陶瓷瓦表面裂纹检测方法，包括基于主成分分析PCA的陶瓷瓦表面裂纹检测步骤：

Step1：将样本数据矩阵A进行中心化,按照公式A-m_A,其中m_A为矩阵A的平均值；

Step2：获得样本中心化矩阵A-m_A的协方差矩阵；

Step3：对协方差矩阵进行奇异特征值分解，第一大特征值对应的特征向量被称为第一主成分，第二大特征值对应的特征向量被称为第二主成分，按照如上的计算方式进行推算；

Step₄：选择前k阶主成分，构造主成分矩阵X＝[X₁,X₂,...,X_k]作为投影矩阵；

Step5：对原始样本矩阵按照Y＝(A-m_A)X进行投影，得到通过PCA降维的新样本矩阵Y；

Step6：得到的样本矩阵Y按照进行重构，得到重构图像