[发明专利]一种面向白玻璃盖板表面微弱缺陷的检测与测量方法

说明书

本发明提出面向白玻璃盖板表面微弱缺陷的检测与测量方法，包括：采集玻璃盖板图像，计算盖板图像的显著性图；对显著性图进行快速二值化；利用密度聚类方法对属于同一缺陷的非连续前景像素进行聚类；提取前景目标的高维形态及密度特征；构建缺陷的正负样本库，正样本库里包含了所有划痕可能的形态，负样本库里包含了实际生产环境下可能出现的绝大多数脏污、灰尘形态；利用样本库中的样本，提取特征向量，采用支持向量机算法作为分类器，进行训练，并在验证集上进行测试。本发明提供面向白玻璃盖板表面微弱缺陷的检测与测量方法，可有效检测白玻璃盖板表面微弱缺陷，降低或避免现有方法在检测微弱缺陷时产生的漏检。

技术领域

本发明涉及图像处理技术领域，特别涉及一种面向白玻璃盖板表面微弱缺陷的检测与测量方法。

背景技术

玻璃盖板是智能手机的一个重要部件。随着智能手机的日渐普及，玻璃盖板的市场需求也在迅猛增长。在玻璃盖板的生产过程中，需要经过切割、清洗、钢化等多道制造工序。每一道工序都有可能对玻璃表面造成损伤，致使产品废弃。因此，对表面缺陷进行准确地在线检测是玻璃盖板生产过程中的重要步骤，是保证产品质量的关键。传统的白玻璃盖板表面缺陷检测主要依赖于有经验的工人，须以一定角度的强光照射，且以黑色材质辅助，不仅耗时较长，且由于视觉疲劳的影响，容易出现遗漏。

基于视觉的自动化检测可利用标准化流程克服人工检测中的主观随意性，而且采取非接触的方式，有效避免待检测元件的二次损伤，在工业检测领域中得到了广泛的应用。然而，划痕、蹭伤等常见的表面缺陷特征十分微弱、对比度低，在工业现场还存在灰尘、脏污等干扰，给自动化检测带来了困难。同时，有些缺陷往往是断续的，难以进行精度测量，导致后续的质量判断过程中出现误判。这些问题导致应用现有的缺陷检测算法或设备检测玻璃盖板表面缺陷时，往往出现较高的漏检率或误检率，无法满足工业现场的应用需求。

发明内容

本发明的目的在于提供一种面向白玻璃盖板表面微弱缺陷的检测与测量方法，以解决应用现有的缺陷检测算法或设备检测玻璃盖板表面缺陷时，往往出现较高的漏检率或误检率的问题。

为了解决上述技术问题，本发明的技术方案是：提出一种面向白玻璃盖板表面微弱缺陷的检测与测量方法，包括：采集玻璃盖板图像，计算盖板图像的显著性图；对显著性图进行快速二值化，利用密度聚类方法对属于同一缺陷的非连续前景像素进行聚类；提取前景目标的高维形态及密度特征；构建缺陷的正负样本库，正样本库里包含了所有划痕可能的形态，负样本库里包含了实际生产环境下可能出现的绝大多数脏污、灰尘形态，利用样本库中的样本，提取特征向量，采用支持向量机算法作为分类器，进行训练，并在验证集上进行测试。

进一步地，图像像素点(i,j)在尺度s上的显著性值c^s_i,j计算如下式所示

其中，N₁、N₂分别是矩形R₁和R₂中像素的个数，v_p和v_q分别是R₁和R₂中像素点处CIELab颜色空间中的三维向量[L,a,b]，D[·]表示取两个向量之间的欧式距离，令图像的宽和高分别为w和h，R₁和R₂表示图像上两个矩形窗口，当R₁的宽度为1时，表示取原图中的一个像素点，R₂的宽度w_R2的取值范围为图像上某点最终的显著性值为该点处的多个尺度下的显著性值之和，其中S为所有的尺度，m_i,j为最终的显著性值，由每个点的显著性值组成的图像成为原图像的显著性图。

进一步地，对显著性图进行快速二值化，包括：计算显著性图的积分图，积分图上像素点的值为所述像素点对应原图左上方所有像素值的总和；对图像中的每个点选取其固定大小的邻域，并求取邻域内像素的均值作为阈值，对原图进行二值化。