[发明专利]一种玻璃缺陷智能检测方法

说明书

本发明涉及图像处理技术领域，具体涉及一种玻璃缺陷智能检测方法，该方法首先对采集到的玻璃图像预处理得到阈值分割图像和对应的目标连通域。根据目标连通域内各像素点对应的灰度级计算目标连通域的灰度级相似性，根据该灰度级相似性对目标连通域进行筛选得到待选连通域。计算待选连通域的连通域宽度，得到宽度差值序列，宽度差值序列中相同符号的数值的占比为尾刺率。根据待选连通域的灰度级计算待选连通域的内外差异性，内外差异性和尾刺率的乘积为条纹率。由条纹率和弯曲程度构建二元组，根据二元组从待选连通域中选取出条纹缺陷连通域。本发明实施例通过对采集到的玻璃图像进行缺陷检测，提高了玻璃缺陷检测的准确性和效率。

技术领域

本发明涉及图像处理技术领域，具体涉及一种玻璃缺陷智能检测方法。

背景技术

玻璃是工业领域和民用领域重要的材料之一，其是否存在缺陷直接决定了玻璃制品是否合格。在瓶罐玻璃制品生产过程中，因为各种外界影响会导致玻璃制品产生缺陷，其中，玻璃的条纹缺陷是一种常见的缺陷，它也是影响产品内在与外观质量的主要缺陷之一。

由于玻璃的反光和透明特性会影响缺陷检测的精确度，目前，常见的对玻璃进行缺陷检测的方法为仪器检测，通过偏光显微镜对条纹应力和折射指数进行测定，进而得到缺陷条纹。但这种缺陷检测方法的检测效率较低，其往往是对玻璃进行抽检。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种玻璃缺陷智能检测方法，所采用的技术方案具体如下：

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；所述宽度差值序列中相同符号的数值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。

优选的，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。

优选的，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。

优选的，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；