[发明专利]一种产品边缘缺陷检测方法

说明书

一种产品边缘缺陷检测方法，首先输入模板图像和样本图像，然后通过对模板图像和样本图像采集质心、目标轮廓以及形心以及偏角等信息构建一个特征图，之后以最小残差和为损失函数构建出样本图像到模板图像的映射模型的迭代优化方法，从而进行特征图的匹配，再根据匹配结果得到全局映射矩阵，完成差影过程，接着使用自适应阈值得到粗分割区域。然后针对工业图像样本稀缺问题，通过建模缺陷从而得到大量的人工缺陷样本预训练数据集，使用此样本集对多尺度集成残差神经网络进行预训练，接着使用真实缺陷样本集进行迁移训练，得到的结果用于对粗分割区域进行缺陷类型识别。

技术领域

本发明属于玻璃检测技术领域，涉及一种玻璃表面缺陷检测，具体涉及一种手机玻璃盖板缺陷检测方法。

背景技术

几年来，随着我国5G的普及和有线网络速度的提升以及资费的下降，越来越多的网络用户从PC端转向移动端。在2020年，移动端网民占比达到了99.2％，因此手机的保有量和增长速度逐年递增。由于玻璃盖板相比金属具有更好的机械和光学性能，且成本低于陶瓷，收到许多手机企业的青睐。然而在实际的生产、制造以及运输的过程当中，不可避免的会出现对玻璃盖板各种类型的损伤。因此在生产过程中及时且严格的质量检验既可以避免人力物力的浪费，也可以提高生产效率，降低成本。

近年来我国已经成为主要的玻璃盖板生产国。但是由于其复杂的工业特性，尤其是进入2.5D和3D玻璃时代，由于采用了更加先进的制作工艺以及移动终端客户对质量要求的提高，在生产过程中不可避免的会出现各种各样不同的瑕疵，常见的缺陷种类包括划痕、异色、丝印不良、凹凸点、溢墨、牙缺等。

由于各种缺陷需要检测员在无环境光照的环境下使用 1000lux-1500lux的照明设备进行照明，并且需要质检员不断翻转盖板，并在一些特定的光线角度或观察视线下才能捕捉到瑕疵。因此这就对于取代人工目检的玻璃盖板自动化检测设备的设计和制造提出了非常高的要求。

相较于人工检测存在的稳定性差、培训成本高、精确度低等问题，基于机器视觉的自动化检测方案具有更高的检测精度、工作可持续时间长、平均成本低等优点。已经广泛应用于金属、药品、纺织品、木材以及各类饮料包装等生产线上。

在机器学习领域，没有一个比较通用的方法进行缺陷的检测。其中有一种算法直接通过神经网络预测缺陷位置和种类，其缺点是严重依赖人工标注的数据集，但是由于工业图像的特殊性和稀缺性，其很难获得大规模、同种类的缺陷样本，这也直接影响了其检测精度和效果。另一种则是采用传统的图像处理方法，其采用直接提取缺陷特征向量然后进行分类的方法进行处理，其缺点是严重的依赖人工算法的调教并且稳定性差。另一种算法通过图像增强的方式提高缺陷在画面中的对比度，从而使得识别算法可以进行对应区域的缺陷识别。

发明内容

为了克服上述现有技术的不足，本发明的目的是提供一种手机玻璃盖板缺陷检测方法，是一种融合传统图像处理算法和深度学习的两段式手机玻璃盖板缺陷检测方法。

为了实现上述目的，本发明采用的技术方案是：

一种产品边缘缺陷检测方法，其特征在于，包括以下步骤：

步骤1、图像采集：

采集一副完整清晰的、没有缺陷的基准图像I_T和待测图像I_s，其图片内容只存在一个玻璃盖板，不存在同时拍摄多个盖板的情况，并且玻璃盖板的轮廓层次清晰，不存在虚焦、成像模糊、严重的失真情况；

步骤2、建立特征图：

首先，利用sobel算子处理I(x，y)，通过连通域确定其轮廓结构信息，其返回值表示为：c_i＝{c₁，c₂，...，c_n}，表示每一个轮廓的像素集合，并且有表示连通矩阵E_ij和顶点信息矩阵V_ij，表示其结构信息；