[发明专利]一种均质面板缺陷的检测方法

说明书

本发明公开了一种均质面板缺陷的检测方法，首先将原始图片分成R、G、B三个单通道图像；然后对R通道图像进行阈值分割，得到目标区域；根据阈值结果定位物体，获取目标区域的圆心；根据缺陷特征对目标区域进行多尺寸分割；接着对步骤4中进行多尺寸分割后的图像，采用卷积网络进行分类运算，获取正负样本的分类结果；最后步骤6：进行均质面板缺陷检测。本发明提出了一种基于图像的特征分块方法，增大样本的同时减少了环境噪声污染。设计了一种多尺寸图像的输入网络，对于不同尺寸的图像大大减少了因为统一尺寸造成的信息丢失问题。

技术领域

本发明属于均质面板缺陷的检测技术领域，具体涉及一种均质面板缺陷的检测方法。

背景技术

在均质面板的缺陷检测系统中，缺陷纹理的增强，噪声去除等步骤十分重要。传统算法往往需要针对单独样本进行特征处理，选取合适算法。传统缺陷检测系统通常采用纹理算法、滤波、灰度方差等算法。泛化性不强，对不同产品的的适应性差。后来出现的卷积神经网络算法一定程度上解决了泛化性问题，正确率也能达到应用水平，但是对于细小缺陷的检测效果不强。且在实际工业应用中，正负样本往往差距巨大，负样本少，图像人工分类工作量大。无法获取充足样本数据的情况下，传统卷积网络的正确率还有待提高。

发明内容

为了解决上述技术问题，本发明在传统方法的基础上，提出了一种均质面板缺陷的检测方法。

本发明所采用技术方案是：一种均质面板缺陷的检测方法，其特征在于，包括以下步骤：

步骤1：将原始图片分成R、G、B三个单通道图像；

步骤2：对R通道图像进行阈值分割，得到目标区域；

步骤3：根据阈值结果定位物体，获取目标区域的圆心；

步骤4：根据缺陷特征对目标区域进行多尺寸分割；

步骤5：对步骤4中进行多尺寸分割后的图像，输入加入SPP层的改进卷积网络进行分类运算，获取正负样本的分类结果；

步骤6：进行均质面板缺陷检测。

本发明提出了一种基于图像的特征分块方法，增大样本的同时减少了环境噪声污染。设计了一种多尺寸图像的输入网络，对于不同尺寸的图像大大减少了因为统一尺寸造成的信息丢失问题。

附图说明

图1为本发明实施例的流程图；

图2为本发明实施例的根据阈值结果定位物体结果示意图；

图3为本发明实施例的根据缺陷特征对目标区域进行多尺寸分割结果示意图；

图4为本发明实施例的SPP结构示意图；

图5为本发明实施例的卷积网络整体结构示意图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

请见图1，本发明提供的一种均质面板缺陷的检测方法，其特征在于，包括以下步骤：

步骤1：将原始图片分成R、G、B三个单通道图像；

步骤2：对R通道图像进行MSER阈值分割，得到清晰完整的目标区域selectedRegion；然后进行圆形拟合，得到正圆。

步骤3：根据阈值结果定位物体，获取目标区域的圆心(Row，Column)，其中，Row、Column分别表示圆心的行列坐标。

本实施例以圆形胶垫为例，定位结果如图2所示。