[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

说明书

本发明公开一种基于机器视觉的产品表面缺陷检测方法及系统，该方法步骤具体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、在以检测特征为中心点的一定范围内遍历K个训练特征集模型、计算每个训练特征集模型中的含有该缺陷的特征模型和未含有该缺陷的特征到检测特征之间的距离、对每个训练特征集模型中距离临近检测特征的特征模型进行计数，若计数的含有该缺陷的特征模型的数量大于未含有该缺陷的特征模型的数量，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的数量大小于未含有该缺陷的特征模型的数量，则判定被检产品表面未存在该缺陷，相对于传统的人工检测，具有很高的检测效率和检测质量。

技术领域

本发明涉及缺陷检测技术领域，具体为一种基于机器视觉的产品表面缺陷检测方法及系统。

背景技术

工业缺陷检测是工业生产中一个重要的环节，在完成产品生产后，需要对生产的产品进行缺陷检测，通过缺陷检测的产品可以进入后续加工或包装等环节。在这种情况下，如果不能及时检测出有缺陷的产品，则会导致有缺陷的产品进入后续环节，造成生产线资源的浪费，因此，在进行工业产品缺陷检测时，需要降低漏检和误检情况的发生。目前，在进行工业产品检测时主要以人工检测为主，人工检测不仅效率低，而且由于人工检测的劳动强度大，容易因作业员疲劳而造成检测质量低下。

发明内容

本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述和/或现有人工检测产品中存在的问题，提出了本发明。

因此，本发明的目的是提供一种基于机器视觉的产品表面缺陷检测方法及系统，能够提高检测效率和检测质量。

为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：

一种基于机器视觉的产品表面缺陷检测方法，其包括：

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。

作为本发明所述的一种基于机器视觉的产品表面缺陷检测方法的一种优选方案，其中，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。