一种基于计算机视觉的表面缺陷检测方法及系统

本发明涉及表面缺陷检测，尤其涉及一种基于计算机视觉的表面缺陷检测方法及系统。

背景技术：

1、在对制造出的物件进行缺陷检测时，目前采用的较为普遍的检测方式是通过视觉检测的方式。视觉检测是指通过机器视觉产品(即图像摄取装置，分cmos和ccd两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号进行分析检测。

2、传统的缺陷检测技术一般基于检测物体的形态学特征进行缺陷分析，依赖机器视觉技术，对检测物所处的外界环境要求较高，需要提供标准化的检测场景，例如现场光照强度，检测物安置位置及姿态等等，而且其仅仅能够对规则物体的一侧进行检测拍摄，当物件为结构较为复杂的立体形状时，传统的缺陷检测技术无法对物件的表面进行充分拍摄检测，从而影响缺陷检测的准确性。

技术实现思路

1、为解决背景技术中存在的技术问题，本发明提出一种基于计算机视觉的表面缺陷检测方法及系统。

2、本发明提出的一种基于计算机视觉的表面缺陷检测方法，包括以下步骤：

3、s1、构建包含多个缺陷样本图像的缺陷模型库sdefect；

4、s2、通过激光器发射结构光照射待测物体表面并通过摄像机获取对应的光斑图像icaptured，光斑图像icaptured中的每个像素的灰度值表示为光线在对应位置的偏折程度θ(x,y)；

5、s3、对获取的光斑图像icaptured构建二维坐标以获得灰度函数i(x,y)，并基于三角测量法、灰度函数i(x,y)以及摄像机焦距fcamera，以获得光斑图像icaptured对应的待测物体表面的高度函数z(x,y)，并将高度函数z(x,y)与预设的阈值函数t(x,y)对比以获得光斑图像icaptured对应的缺陷检测结果，其中x表示像素的水平坐标，y表示像素的垂直坐标；

6、s4、将光斑图像icaptured格式转换后获得的第一图像idigital进行预处理以获得第二图像i，并对第二图像i重复步骤s3的处理过程，以获得第二图像i对应的缺陷检测结果；

7、s5、将光斑图像icaptured对应的缺陷检测结果与第二图像i对应的缺陷检测结果作对比，以获得待测物体表面对应的缺陷区域集合r；

8、s6、对缺陷区域集合r与缺陷模型库sdefect中的多个缺陷样本图像进行相似度对比，以获得最终缺陷检测结果。

9、优选地，步骤s1具体包括：

10、获取并存储多个缺陷样本图像，并对多个缺陷样本图像逐一计算样本特征向量vk以及定义缺陷类型，缺陷类型包括但不限于裂纹缺陷、划痕缺陷、凹陷缺陷、气泡缺陷、杂质缺陷、形状缺陷、表面粗糙度缺陷；

11、将多个缺陷样本图像、多个缺陷样本图像一一对应的样本特征向量vk、多个缺陷样本图像一一对应的缺陷类型建立映射关系，以获得缺陷模型库sdefect，其中，每个缺陷样本图像包含m×n个像素。

12、优选地，步骤s3具体包括：

13、s31、对获取的光斑图像icaptured构建二维坐标以获得灰度函数i(x,y)，其中x表示像素的水平坐标，y表示像素的垂直坐标；

14、s32、基于灰度函数i(x,y)可以获得各点在光斑图像icaptured上的像素位置(x′,y′)，根据像素位置(x′,y′)与摄像机焦距fcamera的关系以获得各点对应的实际的三维位置(x,y,z)；

15、s33、基于各点对应的实际的三维位置(x,y,z)以获得对应的待测物体表面的高度函数z(x,y)；

16、s34、将高度函数z(x,y)与预设的阈值函数t(x,y)按像素位置进行对比，当同一像素位置的高度函数z(x,y)不符合预设的阈值函数t(x,y)时，记录该像素位置并将该像素位置标记为第一缺陷点，将光斑图像icaptured对应的所有的第一缺陷点集合构成第一缺陷区域d(i)＝{di1,di2,…,din}，其中，dii表示光斑图像icaptured中的第i个第一缺陷点。

17、优选地，所述像素位置(x′,y′)与摄像机焦距fcamera的关系，具体为：

18、

19、优选地，所述将光斑图像icaptured格式转换后获得的第一图像idigital进行预处理以获得第二图像i，具体包括：

20、通过模数转换器对光斑图像icaptured进行格式转换以获得第一图像idigital；

21、利用高斯模糊的方式对第一图像idigital进行降噪处理，以获得第二图像i。

22、优选地，所述并对第二图像i重复步骤s3的处理过程，以获得第二图像i对应的缺陷检测结果，具体包括：

23、对获取的第二图像i构建二维坐标以获得灰度函数i′(x,y)，其中x表示像素的水平坐标，y表示像素的垂直坐标；

24、基于灰度函数i′(x,y)可以获得各点在第二图像i上的像素位置(x″,y″)，根据像素位置(x″,y″)与摄像机焦距fcamera的关系以获得各点对应的实际的三维位置(x1,y1,z1)；

25、基于各点对应的实际的三维位置(x1,y1,z1)以获得对应的待测物体表面的高度函数z′(x,y)；

26、将高度函数z′(x,y)与预设的阈值函数t′(x,y)按像素位置进行对比，当同一像素位置的高度函数z′(x,y)不符合预设的阈值函数t′(x,y)时，记录该像素位置并将该像素位置标记为第二缺陷点，将第二图像i对应的所有的第二缺陷点集合构成第二缺陷区域d(i′)＝{di′1,di′2,…,di′m}，其中，di′i表示第二图像i中的第i个第一缺陷点。

27、优选地，所述像素位置(x″,y″)与摄像机焦距fcamera的关系，具体为：

28、

29、优选地，步骤s5具体包括：

30、将第一缺陷区域d(i)＝{di1,di2,…,din}与第二缺陷区域d(i′)＝{di′1,di′2,…,di′m}叠加对比并计算每个第一缺陷点dii和对应的每个第二缺陷点di′i的灰度值差异δij；

31、当灰度值差异δij的值低于预设阈值τ时，则表示第一缺陷点dii和对应的每个第二缺陷点di′i是同一缺陷的不同表现；

32、通过第一缺陷区域d(i)＝{di1,di2,…,din}与第二缺陷区域d(i′)＝{di′1,di′2,…,di′m}叠加对比，取第一缺陷区域与第二缺陷区域的并集，以获得待测物体表面对应的缺陷区域集合r＝{r11,r12,…,r1n,r21,…rmn}，其中，每个rij都是一个潜在的缺陷区域。

33、优选地，步骤s6具体包括：

34、对缺陷区域集合r＝{r11,r12,…,r1n,r21,…rmn}中的每个潜在的缺陷区域rij构建对应的特征向量vij＝{aij,sij,gij}，其中，aij是缺陷面积；sij是形状描述符；gij是灰度统计数据；

35、将特征向量vij＝{aij,sij,gij}与缺陷模型库sdefect中所有的样本特征向量vk逐一计算相似度sim(vij,vk)，相似度sim(vij,vk)计算过程如下：

36、

37、其中，vijl和vkl分别是vij和vk在第l维的分量；

38、获取相似度sim(vij,vk)超过预设的阈值对应的缺陷样本图像的缺陷类型，取缺陷区域集合r＝{r11,r12,…,r1n,r21,…rmn}对应的缺陷类型的集合以获得最终缺陷检测结果。

39、本发明提出的一种基于计算机视觉的表面缺陷检测系统，包括：

40、数据库构建模块，用于构建包含多个缺陷样本图像的缺陷模型库sdefect；

41、图像生成模块，用于通过激光器发射结构光照射待测物体表面并通过摄像机获取对应的光斑图像icaptured，光斑图像icaptured中的每个像素的灰度值表示为光线在对应位置的偏折程度θ(x,y)；

42、第一图像处理模块，用于对获取的光斑图像icaptured构建二维坐标以获得灰度函数i(x,y)，并基于三角测量法、灰度函数i(x,y)以及摄像机焦距fcamera，以获得光斑图像icaptured对应的待测物体表面的高度函数z(x,y)，并将高度函数z(x,y)与预设的阈值函数t(x,y)对比以获得光斑图像icaptured对应的缺陷检测结果，其中x表示像素的水平坐标，y表示像素的垂直坐标；

43、第二图像处理模块，用于将光斑图像icaptured格式转换后获得的第一图像idigital进行预处理以获得第二图像i，并对第二图像i重复第一图像处理模块的处理过程，以获得第二图像i对应的缺陷检测结果；

44、第三图像处理模块，用于将光斑图像icaptured对应的缺陷检测结果与第二图像i对应的缺陷检测结果作对比，以获得待测物体表面对应的缺陷区域集合r；

45、对比输出模块，用于对缺陷区域集合r与缺陷模型库sdefect中的多个缺陷样本图像进行相似度对比，以获得最终缺陷检测结果。

46、本发明中，所提出的基于计算机视觉的表面缺陷检测方法及系统，通过激光器发射结构光照射待测物体表面并通过摄像机获取对应的光斑图像icaptured，光斑图像icaptured中的每个像素的灰度值表示为光线在对应位置的偏折程度θ(x,y)；对获取的光斑图像icaptured构建二维坐标以获得灰度函数i(x,y)，并基于三角测量法、灰度函数i(x,y)以及摄像机焦距fcamera，以获得光斑图像icaptured对应的待测物体表面的高度函数z(x,y)，并将高度函数z(x,y)与预设的阈值函数t(x,y)对比以获得光斑图像icaptured对应的缺陷检测结果，其中x表示像素的水平坐标，y表示像素的垂直坐标；将光斑图像icaptured格式转换后获得的第一图像idigital进行预处理以获得第二图像i，并对第二图像i重复光斑图像icaptured的处理过程，以获得第二图像i对应的缺陷检测结果；将光斑图像icaptured对应的缺陷检测结果与第二图像i对应的缺陷检测结果作对比，以获得待测物体表面对应的缺陷区域集合r；对缺陷区域集合r与缺陷模型库sdefect中的多个缺陷样本图像进行相似度对比，以获得最终缺陷检测结果。解决了现有技术中存在的无法对物件的表面进行充分拍摄检测，同时多维度进行缺陷检测，提高了缺陷检测的准确性。