[发明专利]一种玻璃缺陷智能检测方法

权利要求书

1.一种玻璃缺陷智能检测方法，其特征在于，该方法包括以下步骤：

采集玻璃图像，预处理所述玻璃图像得到阈值分割图像，获取所述阈值分割图像对应的多个目标连通域；

所述目标连通域内数量最多的灰度级和目标连通域的内部像素点的第一灰度级均值的比值为灰度级相似性；根据所述灰度级相似性从多个目标连通域中选出待选连通域；

对所述待选连通域进行分割，得到多条分割中线，由所述分割中线的中间点坐标计算连通域的弯曲程度；

计算所述中间点至待选连通域边界的距离作为连通域宽度，得到宽度差值序列；分别获取所述宽度差值序列中正负数值的数量，所述宽度差值序列对应的较大的所述数量的占比为待选连通域的尾刺率；

根据所述第一灰度级均值和待选连通域对应的所有像素点的第二灰度级均值得到内外差异性；所述内外差异性和所述尾刺率的乘积为条纹率；

由所述条纹率和所述弯曲程度构建二元组；根据所述二元组从多个待选连通域中选取出条纹缺陷连通域。

2.根据权利要求1所述的一种玻璃缺陷智能检测方法，其特征在于，所述预处理所述玻璃图像得到阈值分割图像，获取所述阈值分割图像对应的多个目标连通域，包括：

对所述玻璃图像进行语义分割得到掩膜图像，所述掩膜图像和所述玻璃图像相乘得到目标图像；

对所述目标图像进行直方图均衡化得到梯度图像，对所述梯度图像进行连通域分析得到多个目标连通域；

使所述梯度图像转化为灰度图像，构建各目标连通域的灰度序列，多阈值分割所述灰度序列得到多个灰度级；计算每个灰度级内的灰度均值，将灰度级内的灰度值更新为对应的灰度均值，得到阈值分割图像；所述目标连通域作为阈值分割图像对应的多个目标连通域。

3.根据权利要求1所述的一种玻璃缺陷智能检测方法，其特征在于，所述根据所述灰度级相似性从多个目标连通域中选出待选连通域，包括：

保留灰度相似性大于预设相似性阈值的目标连通域作为待选连通域。

4.根据权利要求1所述的一种玻璃缺陷智能检测方法，其特征在于，所述对所述待选连通域进行分割，得到多条分割中线，包括：

获取所述待选连通域的连通域主方向，由所述连通域主方向和连通域中心点作连通域中线，得到连通域中线和待选连通域的交点；

所述待选连通域的边界线由所述交点分割为两段，得到两条边界分割线；

均匀分割所述边界分割线，得到多个分割点，对每条边界分割线对应的多个分割点进行标号；

连接所述边界分割线中标号相同的分割点得到多条分割中线。

5.根据权利要求4所述的一种玻璃缺陷智能检测方法，其特征在于，所述获取所述待选连通域的连通域主方向，包括：

获取所述待选连通域内各点坐标；

利用主成分分析算法获取待选连通域的连通域主方向。

6.根据权利要求1所述的一种玻璃缺陷智能检测方法，其特征在于，所述由所述分割中线的中间点坐标计算连通域的弯曲程度，包括：

获取所述分割中线的中间点以及中间点坐标，构建中间点坐标序列；

所述中间点坐标序列的标准差和均值的比值得到对应的连通域的弯曲程度。

7.根据权利要求1所述的一种玻璃缺陷智能检测方法，其特征在于，所述计算所述中间点至待选连通域边界的距离作为连通域宽度，包括：

获取所述待选连通域的连通域次方向；

沿着所述连通域次方向，计算分割中线的中间点至待选连通域边界的距离作为连通域宽度。

8.根据权利要求1所述的一种玻璃缺陷智能检测方法，其特征在于，所述根据所述第一灰度级均值和待选连通域对应的所有像素点的第二灰度级均值得到内外差异性，包括：

所述第一灰度级均值和所述第二灰度级均值的差值为内外差异性。

9.根据权利要求1所述的一种玻璃缺陷智能检测方法，其特征在于，所述目标连通域的内部像素点为：除了目标连通域的连通域边界外的其他像素点为所述目标连通域的内部像素点。