[发明专利]一种基于机器视觉的产品表面缺陷检测方法及系统

权利要求书

1.一种基于机器视觉的产品表面缺陷检测方法，其特征在于，包括：

获取被检产品表面的图像；

对图像进行特征提取，形成检测特征T；

在以检测特征T为中心点的一定范围内遍历K个训练特征集模型W，其中，K为奇数，每个所述训练特征集模型W均包括含有该缺陷的特征模型M和未含有该缺陷的特征模型N，所述训练特征模型M或N为使用多组数据通过机器学习训练得出，所述多组数据包括第一类数据和第二类数据，所述第一类数据中的每组数据均包括：含有缺陷产品的的图像和标识该图像包括缺陷产品的标签；第二类数据中的每组数据均包括：未含有缺陷产品的的图像和标识该图像未含有缺陷产品的标签；

计算每个训练特征集模型W中的含有该缺陷的特征模型M和未含有该缺陷的特征N到检测特征之间的距离；

对每个训练特征集模型W中距离临近检测特征T的特征模型进行计数，若计数的含有该缺陷的特征模型M的数量大于未含有该缺陷的特征模型N的数量，则判定被检产品表面存在该缺陷，若计数的含有该缺陷的特征模型M的数量大小于未含有该缺陷的特征模型N的数量，则判定被检产品表面未存在该缺陷。

2.根据权利要求1所述的一种基于机器视觉的产品表面缺陷检测方法，其特征在于，所述对图像进行特征提取，形成检测特征的步骤如下：

对图像作灰度化处理；

采用Gamma校正法对经过灰度化处理后的图像进行颜色空间的归一化；

计算经过归一化处理后的图像的每个像素的梯度大小和梯度方向；

将图像划分成多个相互连通的小的区域；

统计每个区域内的梯度直方图，并将每个区域内的梯度直方图串联组合形成检测特征T。

3.根据权利要求1所述的一种基于机器视觉的产品表面缺陷检测方法，其特征在于，所述K为大于或者等于5的奇数。

4.根据权利要求1所述的一种基于机器视觉的产品表面缺陷检测方法，其特征在于，所述计算每个训练特征集模型W中的含有该缺陷的特征模型M和未含有该缺陷的特征N到检测特征之间的距离的计算公式为：

其中，n表示维度的数量，x表示每一维度含有该缺陷的特征模型M和未含有该缺陷的特征N中心位置的坐标，y表示每一维度检测特征T中心位置的坐标。

5.根据权利要求1所述的一种基于机器视觉的产品表面缺陷检测方法，其特征在于，所述对每个训练特征集模型W中距离最临近检测特征T的特征模型进行计数的具体步骤如下：

对每个训练特征集模型W中距离临近检测特征T的含有该缺陷的特征模型M匹配第一类标签，对每个训练特征集模型W中距离临近检测特征T的含有该缺陷的特征模型N匹配第二类标签；

取出匹配后的第一类标签和第二类标签，并对第一类标签和第二类标签进行计数；

对缺陷进行判断，若第一类标签的数量大于第二类标签的数量，则判定被检产品表面存在该缺陷，若第一类标签的数量小于第二类标签的数量，则判定被检产品表面未存在该缺陷。

6.一种基于机器视觉的产品表面缺陷检测系统，其特征在于，包括：

图像采集单元，用于获取被检产品表面的图像；

特征提取单元，用于对图像进行特征提取，形成检测特征T；

遍历单元，用于在以检测特征T为中心点的一定范围内遍历K个训练特征集模型W；

距离测算单元，用于计算每个训练特征集模型W中的含有该缺陷的特征模型M和未含有该缺陷的特征N到检测特征之间的距离；

计数判断单元，用于对每个训练特征集模型W中距离临近检测特征T的特征模型进行计数，若计数的含有该缺陷的特征模型M的数量大于未含有该缺陷的特征模型N的数量，则判定被检产品表面存在该缺陷，若计数的含有该缺陷的特征模型M的数量大小于未含有该缺陷的特征模型N的数量，则判定被检产品表面未存在该缺陷。

7.根据权利要求6所述的一种基于机器视觉的产品表面缺陷检测系统，其特征在于，所述图像采集单元为CMOS图像采集器或者CCD图像采集器。