[发明专利]一种基于图像数据变窗口缺陷监控的统计过程控制方法

权利要求书

1.一种基于图像数据变窗口缺陷监控的统计过程控制方法，其特征在于：该方法步骤如下：

步骤一：获取图像

在生产过程中，每隔预设的时间间隔，获取一张产品的图像，将图像数据实时存储并按顺序编号为1,2,…；以下将图像所对应的编号称为“图像序数”；

步骤二：图像预处理

对实时获取的产品图像数据，进行图像处理，包括去除图像背景影响、平衡光照、去除噪声、归一化图像大小及分辨率、颜色空间变换，使获得的图像的背景具有一致性；

步骤三：理想图像的获取

根据产品在实际制造过程中所产生的大量受控图像数据，对这些受控图像进行图像预处理步骤后，对这些受控图像进行算术平均，得到一幅受控状态下的理想图像；对受控图像数据整理和排序后，建立图像像素点亮度值服从的数学分布的模型；

步骤四：变窗口监控

产品质量发生变异的区域处，其产品图像的像素点亮度值将会偏高或偏低于正常波动范围；根据这一原理，对经过图像预处理后的产品图像进行二值化，根据预设需求标记较明或较暗的区域，即为可能发生变异的区域，记为p；针对需要监控的产品图像，预先对其进行标记，只针对标记部分而不是针对整幅图像进行监控，即“变窗口监控”，具体如下：

对于每一幅新增加的产品图像，称为“当前图像”，记为t，都通过上述“变窗口监控”过程，标记出与之对应的可能发生变异的区域，记为k，k＝1,2,…,p；以像素的亮度值为特征进行分析；当前图像t中标记的可能发生变异的区域k内的像素点的实际平均亮度值，记为Y_tk；同时根据步骤三，得到在对应区域内，受控状态下产品图像的像素的平均亮度值，记为X_k；以此类推，得到每个标记的可能发生变异的区域内的像素的平均亮度值；对每一幅当前图像t，进行如下划分：

Y_t＝(Y_t1，Y_t2，…，Y_tk，...，Y_tp) (1)

其中t为当前图像，p为当前图像中标记的可能发生变异的区域；

步骤五：极大似然率统计量计算

对于每一幅当前图像t，其之前的图像，即当前图像之前的全部或部分图像数据，称之为“历史图像”，数量为m，m≤t，分别标记出对应的区域；因此，每当一幅当前图像加入的时候，都会有对应的多幅历史图像及当前图像的多个区域的图像数据；按照如下的计算方法，得到最大的极大似然率统计量及其定位；

理想状态下第k划分区块内的亮度值应服从于正态分布，X_k代表受控状态下产品图像数据在第k划分区块的亮度均值，也即步骤三得到的理想图像的第k划分区块内的亮度均值；代表第k划分区块内图像像素波动范围的方差，从步骤三中建立的数学模型中得到；如果制造过程发生了偏移，则μ_1，k代表制造过程发生偏移后第k划分区块内的亮度均值，其值未知；根据实际经验以及采用的数学模型，假设在制造过程中不发生变化；

假设当前进行到第s层，则得到一个关于层数与区域的序列Y₁，Y₂，…，Y_s，每一个分量根据公式(1)定义；假设制造过程在图像τ处发生了偏移，τ＜s，则第s幅图像的第k区域上的似然函数被定义为：

如果过程未发生偏移，则似然函数为：

对数似然比统计量R_s定义为：

可化简为：

n_k为划分区域k上的像素数，可见公式(2)包含了图像的时间与空间信息；

采用实时更新的办法，考虑距离s图像之前的m层图像，即为“历史图像”，根据实际情况选择m的数值，m≤s，可能发生偏移，改进(2)得到：

当R_m,sh_GLR，时认为发生异常并报警，同时记录下和h_GLR是控制图上界，可由步骤六得到，因此，(3)表述为：

是出现异常的图像层数,是出现异常的区域数；

步骤六：确定控制图上界

根据步骤三中的理想图像，以此为标准，通过模拟制造过程生成仿真数据；计算仿真数据得到受控状态下的似然率统计量；

因为误警风险的必然存在，在平均一段时间里，控制图会出现一次误警；在误警之前，控制图上的受控点数被称作平均运行链长，记为ARL₀；根据步骤三所确定的图像像素亮度值所服从的数学分布及人为确定的误警率，通过统计过程控制方法的相关知识确定相应的ARL₀；

选取合适的阈值h_GLR，使得在该阈值下仿真数据的控制图恰好达到ARL₀，则此h_GLR即是控制图的上界，当实际生产时的极大似然率统计量超过此h_GLR就报警；

步骤七：绘制控制图

按照产品图像数据的产生顺序，绘制控制图，图上每个点的横坐标表示为图像序数，纵坐标是该幅图像对应的极大似然率统计量，平行于横坐标轴的一条线是阈值线；当绘制的点超出阈值时，发出报警信号。