[发明专利]一种产品不良外观检测的方法、系统及存储介质

说明书

本发明的提供了一种产品不良外观检测的方法，包括以下步骤：获取产品外观图像，对产品外观图像进行灰度化，得到第一灰度图像；对第一灰度图像进行二值化，得到第二灰度图像；从第二灰度图像进行轮廓提取，并进行筛选得到轮廓组合；获取轮廓组合的最小外接矩形，根据最小外接矩形通过神经网络完成产品外观图像的外观特征分类，根据分类结果识别外观不良产品；发明通过依次进行灰度化和二值化进行轮廓提取，避免了因光线的影响而导致识别准确率下降；并通过对轮廓组合的最小外接矩形结合神经网络，减少运算资源的占用，图像处理速度是毫秒级别，运算实时性较高、检测效果较好，能够实现自动化识别与测试，可广泛应用于产品质量检测技术领域。

技术领域

本发明涉及产品质量检测技术领域，尤其是一种产品不良外观检测的方法、系统及存储介质。

背景技术

在生产线上，大批量生产会以不同概率出现各种各样的不良品。其中有一部分是外观不良品，若通过人工筛选，对于人力消耗极大。

而在现有技术，多数采用安装一套基于摄像头和识别算法的辅助检测系统的方式，实现自动化地识别出外观不良品。但是现有的识别系统容易受到光线影响，光照效果不好会导致识别效果差。复杂的程序能提升单张图像的识别效果，却有识别时间太长的缺点。传统的图像识别算法对于不同的机器，在安装好软件后仍需要多次现场调试已适配当前环境、提高识别率。基于云计算的图像识别方案有图像识别率较高的特点，但是每次计算都需要联网、图像处理速度受网络传输速率的影响。测试夹具过于简单会造成每台测试系统差异性较大，对软件要求高，夹具过于复杂会不便于工人测试、降低每个小时的测试完成产品数量。

综上所述，现有技术对于生产线上对外观不良品的自动化筛选的方法所存在的缺点有：

1.测试结果容易受到光线影响；

2.识别效果较好的程序运行速度慢、算法远程调试难度大；

3.本地运算效果，识别的准确度较低。

发明内容

有鉴于此，为至少部分解决上述技术问题之一，本发明实施例目的在于提供一种具有抗干扰能力，同时运算实时性较高，检测效果较好的产品不良外观检测方法，以及可以对应实现产品不良外观检测方法的系统、装置以及存储介质。

第一方面，本发明的提供了一种产品不良外观检测的方法，包括以下步骤：

获取产品外观图像，对产品外观图像进行灰度化，得到第一灰度图像；

对第一灰度图像进行二值化，得到第二灰度图像；

从第二灰度图像进行轮廓提取，并进行筛选得到轮廓组合；

获取轮廓组合的最小外接矩形，根据最小外接矩形通过神经网络完成产品外观图像的外观特征分类，根据分类结果识别外观不良产品。

此外，在本发明的一些实施例中，对第一灰度图像进行二值化，得到第二灰度图像这一步骤，其具体包括：

选取一个像素点以及像素点周围像素点作为第一像素区域，根据第一像素区域的像素均值确定第一像素区内的像素阈值；

像素点的像素值高于像素阈值，将像素值重置为0；或，像素点的像素值高于像素阈值，将像素值重置为255；

根据像素值重置后的像素点得到第二灰度图像。

在本发明的一些实施例中，从第二灰度图像进行轮廓提取，并进行筛选得到轮廓组合这一步骤，其具体包括：

在第二灰度图像中选取目标区域，对目标区域内目标对象之间的空隙进行填补，得到连通的目标对象；目标对象包括印刷文字和商标图像；

根据连通的目标对象进行轮廓提取，并根据预设的面积区间筛选得到轮廓组合。