[发明专利]用于工业视觉检测的图像品质在线评估方法、装置及应用

说明书

本发明涉及一种用于工业视觉检测的图像品质在线评估方法、装置及应用，所述图像品质在线评估方法包括以下步骤：1)获得待评估实时图像，提取该待评估实时图像的品质特征；2)将所述待评估实时图像的品质特征与预先设定的图像品质基准数据进行比对，所述图像品质基准数据基于合格图像的品质特征设定；3)根据步骤2)获得的比对结果判断图像品质是否合格，在判断结果为否时，产生异常报警。与现有技术相比，本发明具有降低因图像品质不合格造成的故障率，提升检测结果的准确率等优点。

技术领域

本发明涉及视觉检测技术领域，尤其是涉及一种用于工业视觉检测的图像品质在线评估方法、装置及应用。

背景技术

随着机器视觉及计算机视觉技术在工业产品及零部件视觉检测方面的广泛应用，能够对工业相机等取像装置采集的实时图像进行在线分析处理变得越来越重要。在取像模组采集到图像后，现在的广泛做法是直接给图像处理算法进行产品或零部件合格与不合格品质检测结果判定，无论是传统算法还是深度学习等人工智能技术的图像处理，都是如此，缺少对采集图像进行质量评估及实时检测的过程。

目前，存在一些非工业图像品质离线评估方法，有聚焦图像全局品质的评估方法，如峰值信噪比PSNR(Peak Signal to Noise Ratio)、结构相似性SSIM(structuralsimilarity)、均方误差MSE(mean square error)、信息保真度准则IFC(InformationFidelity Criterion)、视觉信息保真度VIF(Visual Information Fidelity)。这些技术在非工业领域有一定的实用性，取得了一些令人满意结果，但是，工业视觉检测场景需求不同，受工业相机噪声，光源亮度变化，镜头焦距调整，运动机构误差以及工作环境如洁净程度等影响较大，且工业视觉检测该技术是以图像处理算法兼容性及正确率为需求前提的，这些评估方法难以直接应用。

目前这些评估方法在工业视觉检测应用方面还存在以下缺陷：

第一，从图像像素值的全局统计出发，未考虑人眼的局部视觉因素，因此对图像局部质量无法把握，工业视觉检测既关注全局特征，也关注局部感兴趣区域(ROI，Region ofInterest)的图像品质特征。

第二，难以满足实时在线应用，未能根据检测结果进行逆向原因推理分析，给出图像品质不合格的原因分析，不具备决策功能，难以快速定位出图像品质不合格的原因，如产品洁净程度异常、取像装置异常、运动机构异常等。

第三，目前的工业视觉检测领域，除了要求满足实时在线监测外，还要求能够批量复制，而量化的图像品质衡量参数，有助于快速实现图像品质的快速调整，保证图像处理算法的兼容性及正确率，同时降低设备故障率，这些方法难以直接适用，需要根据工业视觉检测场景的特定需求，创造新的工业视觉外观检测图像品质在线评估方法。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种用于工业视觉检测的图像品质在线评估方法、装置及应用。

本发明的目的可以通过以下技术方案来实现：

一种用于工业视觉检测的图像品质在线评估方法，其特征在于，包括以下步骤：

1)获得待评估实时图像，提取该待评估实时图像的品质特征；

2)将所述待评估实时图像的品质特征与预先设定的图像品质基准数据进行比对，所述图像品质基准数据基于合格图像的品质特征设定；

3)根据步骤2)获得的比对结果判断图像品质是否合格，在判断结果为否时，产生异常报警。

进一步地，所述品质特征包括图像整体区域或ROI区域全局特征以及图像或ROI区域局部特征。

进一步地，所述步骤3)中，当待评估实时图像的品质特征处于图像品质基准数据范围内时，判定为合格，否则，判定为不合格。