[发明专利]一种工件表面缺陷检测方法及系统有效

专利信息
申请号: 201710742244.0 申请日: 2017-08-25
公开(公告)号: CN107543828B 公开(公告)日: 2020-09-11
发明(设计)人: 尹志锋;张平;张美杰;张明杰 申请(专利权)人: 广东工业大学
主分类号: G01N21/88 分类号: G01N21/88;G06T7/00;G06T7/10;G06T3/40;G06K9/46;G06K9/62
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 罗满
地址: 510062 广东省*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 工件 表面 缺陷 检测 方法 系统
【权利要求书】:

1.一种工件表面缺陷检测方法,其特征在于,包括:

根据待测工件图像的纹理周期特性,对所述待测工件图像进行分割,得到待测单元图集;

分别将所述待测单元图集中的每张待测单元图与相应的预设标准单元图进行比对,得到与所述待测单元图集对应的缺陷单元图集;

对所述缺陷单元图集进行拼接,得到相应的拼接图像;其中,所述拼接图像中仅包含缺陷;

对所述拼接图像上的缺陷进行检测,得到相应的工件表面缺陷信息。

2.根据权利要求1所述的方法,其特征在于,所述根据待测工件图像的纹理周期特性,对所述待测工件图像进行分割,得到待测单元图集的过程,包括:

根据所述纹理周期特性,获取所述待测工件图像的重复纹理单元的单元特征;

根据所述单元特征与模板匹配算法,对所述待测工件图像进行分割,得到所述待测单元图集。

3.根据权利要求2所述的方法,其特征在于,所述根据所述纹理周期特性,获取所述待测工件图像的重复纹理单元的单元特征的过程,包括:

获取所述重复纹理单元的大小信息;

在所述重复纹理单元上添加标识位,以获取所述纹理单元的位置信息;

相应地,所述根据所述单元特征与模板匹配算法,对所述待测工件图像进行分割,得到所述待测单元图集的过程,包括:

根据所述模板匹配算法,对所述待测工件图像进行位置校正,得到水平待测工件图像;

根据所述大小信息与所述位置信息,对所述水平待测工件图像进行分割,得到所述待测单元图集。

4.根据权利要求1所述的方法,其特征在于,将所述待测单元图集中的任一张待测单元图与相应的预设标准单元图进行比对的过程,包括:

分别对该待测单元图与相应的预设标准单元图进行二值化处理,得到对应的待测二值化结果与标准二值化结果;

利用所述待测二值化结果与所述标准二值化结果进行差值运算,得到差值图像;

判断所述差值图像中像素值是否超过预设像素阈值,如果是,则将所述差值图像中,像素值超过所述预设像素阈值的部分确定为缺陷部分,得到相应的缺陷单元图。

5.根据权利要求1所述的方法,其特征在于,所述对所述缺陷单元图集进行拼接的过程之前,还包括:

对所述缺陷单元图集进行形态学开运算。

6.根据权利要求1至5中任一项所述的方法,其特征在于,所述对所述拼接图像上的缺陷进行检测,得到相应的工件表面缺陷信息的过程,包括:

对所述拼接图像上的缺陷进行识别分类,得到相应的缺陷类别信息;

对所述拼接图像上的缺陷进行定位处理,得到相应的缺陷位置信息。

7.根据权利要求6所述的方法,其特征在于,所述对所述拼接图像上的缺陷进行识别分类,得到相应的缺陷类别信息的过程,包括:

根据Blob分析与灰度直方图法,获取所述拼接图像上的缺陷的特征信息;

将所述特征信息构成特征向量,输入至训练后模型中,得到所述训练后模型输出的所述缺陷类别信息;

其中,所述训练后模型为预先利用训练样本对基于神经网络构建的待训练模型进行训练后得到的模型,所述训练样本包括历史缺陷特征信息和相应的缺陷类别信息。

8.根据权利要求6所述的方法,其特征在于,所述对所述拼接图像上的缺陷进行定位处理,得到相应的缺陷位置信息的过程,包括:

获取所述拼接图像上的缺陷的连通域的质心坐标,得到所述缺陷位置信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东工业大学,未经广东工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710742244.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top