[发明专利]一种基于机器视觉的缺陷检测方法及装置

权利要求书

1.一种基于机器视觉的缺陷检测方法，其特征在于，包括步骤：

获取至少一个工件的待检测CT图像；

通过白Top-Hat变换算法对所述待检测CT图像进行特征加强；

基于Sobel算子对特征加强后的所述待检测CT图像进行边缘分割处理并二值化；

使用纹理特征中灰度共生矩阵提取二值化后的所述待检测CT图像的特征向量；

支持向量机根据所述待检测CT图像的特征向量，判别所述待检测CT图像中是否存在缺陷。

2.根据权利要求1所述基于机器视觉的缺陷检测方法，其特征在于，还包括：

获取有缺陷的CT图像；

读取所述有缺陷的CT图像像素点的值；基于阈值分割，对所述有缺陷的CT图像进行二值化处理；

填补所述有缺陷的CT图像中的缺陷孔洞区域，得到无缺陷的CT图像；提取所述无缺陷的CT图像的特征向量，得到无缺陷样本集；

提取所述有缺陷的CT图像的特征向量，得到有缺陷样本集；

使用所述无缺陷样本集和所述有缺陷样本集训练所述支持向量机。

3.根据权利要求1或2所述基于机器视觉的缺陷检测方法，其特征在于，还包括：

当所述待检测CT图像中有缺陷时，根据缺陷连通区域像素点占整个所述待检测CT图像的比例确定缺陷严重级别。

4.根据权利要求1或2所述基于机器视觉的缺陷检测方法，其特征在于，提取的所述待检测CT图像的特征向量包括：灰度分布、梯度分布、纹理特征分析的灰度共生矩阵的熵和自相关。

5.根据权利要求1或2所述基于机器视觉的缺陷检测方法，其特征在于，支持向量机的核函数为径向基函数RBF。

6.一种基于机器视觉的缺陷检测装置，其特征在于，包括：

获取单元，用于获取至少一个工件的待检测CT图像；

特征加强单元，用于通过白Top-Hat变换算法对所述待检测CT图像进行特征加强；

边缘分割单元，用于基于Sobel算子对特征加强后的所述待检测CT图像进行边缘分割处理并二值化；

特征提取单元，用于使用纹理特征中灰度共生矩阵提取二值化后的所述待检测CT图像的特征向量；

判别单元，用于支持向量机根据所述待检测CT图像的特征向量，判别所述待检测CT图像中是否存在缺陷。

7.根据权利要求6所述基于机器视觉的缺陷检测装置，其特征在于，还包括训练单元，用于：

获取有缺陷的CT图像；

读取所述有缺陷的CT图像像素点的值；基于阈值分割，对所述有缺陷的CT图像进行二值化处理；

填补所述有缺陷的CT图像中的缺陷孔洞区域，得到无缺陷的CT图像；提取所述无缺陷的CT图像的特征向量，得到无缺陷样本集；

提取所述有缺陷的CT图像的特征向量，得到有缺陷样本集；

使用所述无缺陷样本集和所述有缺陷样本集训练所述支持向量机。

8.根据权利要求6或7所述基于机器视觉的缺陷检测装置，其特征在于，所述判别单元还用于：

当所述待检测CT图像中有缺陷时，根据缺陷连通区域像素点占整个所述待检测CT图像的比例确定缺陷严重级别。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现所述权利要求1-5中任一项所述方法的步骤。

10.一种电子设备，包括存储单元、处理单元及存储在存储单元上并可在处理单元上运行的计算机程序，其特征在于，所述处理单元执行所述程序时实现所述权利要求1-5中任一项所述方法的步骤。