CN111462056A - 工件表面缺陷检测方法、装置、设备及存储介质 - Google Patents

Abstract

一种工件表面缺陷检测方法、装置、设备及存储介质，其中，工件表面缺陷检测方法包括：获取待测工件表面的灰度图像，将灰度图像划分为预设大小的多个子图像，确定每一个子图像的灰度变化幅度，根据多个子图像的灰度变化幅度，对待测工件进行缺陷检测，由于划分后的子图像经过处理之后得到每个子图像的灰度变化幅度，灰度变化幅度中能够包含有更多的数据信息，通过多个灰度变化幅度对工件缺陷进行标记和检测，使得缺陷的检测的准确性提高。

Description

工件表面缺陷检测方法、装置、设备及存储介质

技术领域

本发明涉及缺陷检测技术领域，具体涉及一种工件表面缺陷检测方法、装置及设备存储介质。

背景技术

在机械制造企业中，通常会因残存铁屑、工件装夹不当、物理碰撞等因素导致工件表面出现划痕、凹坑等缺陷问题，若缺陷件未经筛除与正常件混合在一起，后期不仅需要耗费大量成本将其分离，而且可能会因此产生质量事故。因此生产企业需要对加工工件的表面质量进行检测。

目前人工检测的方式在实际应用中占据了相当大的比例。但是，人工检测的方式需要耗费大量的人力资源，投入成本高；而且人工检测的方式依赖于人的主观判断，可靠性低。随着计算机科学技术的不断发展，基于机器视觉的方法逐渐用于进行工件表面缺陷检测。目前基于机器视觉的方法中，例如模板匹配、机器学习等，首先需要通过拍照以获取工件表面信息，然后直接对灰度值进行搜索与阈值判定，从而确定工件表面是否存在缺陷。然而，由于灰度值中所容纳的信息有限，导致工件表面缺陷检测的准确度不够，因此需要提供一种更为准确的缺陷检测方法，以使得工件的检测结果更为可靠。

发明内容

本发明提供一种工件表面缺陷检测方法、装置、设备及存储介质，能够更为准确的检测出待测工件表面的缺陷，提高检测结果的可靠性。

根据第一方面，一种实施例中提供一种工件表面缺陷检测方法,包括：获取待测工件表面的灰度图像，将该灰度图像划分为预设大小的多个子图像，确定每一个子图像的灰度变化幅度，根据多个该子图像的灰度变化幅度，对该待测工件进行缺陷检测。

可选地，确定每一个子图像的灰度变化幅度，包括：获取每一个子图像对应的特征向量，根据该特征向量分别确定该子图像在水平方向和垂直方向的灰度变化幅度，根据该子图像在水平方向和垂直方向的灰度变化幅度，确定该子图像的灰度变化幅度。

可选地，若将该灰度图像划分为大小为2*2的多个子图像，则确定每一个子图像的灰度变化幅度，包括：

获取每一个子图像的第一特征向量V1＝(v11，v21)和第二特征向量V2＝(v12，v22)，其中，v11为第一特征向量的横坐标，v21为第一特征向量的纵坐标，v12为第二特征向量的横坐标，v21为第二特征向量的纵坐标；

根据下式确定每一个子图像的灰度变化幅度：

其中，GM用于表示子图像的灰度变化幅度；HG＝|v11/v21|-1，用于表示子图像在水平方向的灰度变化幅度；VG＝|v12/v22|–1，用于表示子图像在垂直方向的灰度变化幅度。

可选地，根据多个该子图像的灰度变化幅度，对该待测工件进行缺陷检测，包括：若该子图像的灰度变化幅度大于等于预设阈值，则将该子图像标记为缺陷子图像。

可选地，该方法还包括：根据该灰度图像中缺陷子图像的数量和位置，确定该待测工件是否为缺陷件。

可选地，该方法还包括：对检测出的缺陷进行形态学处理。

可选地，将该灰度图像划分为预设大小的多个子图像之前，该方法还包括：对该灰度图像进行滤波处理。

根据第二方面，一种实施例中提供一种工件表面缺陷检测装置，该装置包括：

图像获取单元，用于获取待测工件表面的灰度图像；

划分单元，用于将该灰度图像划分为预设大小的多个子图像；

确定单元，用于确定每一个子图像的灰度变化幅度；

检测单元，用于根据多个该子图像的灰度变化幅度，对该待测工件进行缺陷检测。

根据第三方面，一种实施例中提供一种工件表面缺陷检测设备，包括：

存储器，用于存储程序；

处理器，用于执行该存储器存储的程序以实现上述第一方面中任一项所述的工件表面缺陷检测方法。

根据第四方面，一种实施例中提供计算机可读存储介质，包括程序，该程序能够被处理器执行以实现上述第一方面中任一项所述的工件表面缺陷检测方法。

依据上述实施例提供的缺陷检测方法、装置、设备及存储介质,通过获取待测工件表面的灰度图像；将灰度图像划分为预设大小的多个子图像；确定每一个子图像的灰度变化幅度；根据多个子图像的灰度变化幅度，对待测工件进行缺陷检测，由于划分后的子图像经过处理之后得到的子图像的灰度变化幅度，灰度变化幅度中能够包含有更多的缺陷信息，通过使用多个灰度变化幅度对工件缺陷进行标记和检测，使得缺陷的检测的结果更可靠。

附图说明

图1为本发明一实施例提供的缺陷检测方法流程图；

图2a为本发明一实施例提供的一种缺陷的待测工件表面图；

图2b为本发明一实施例提供的另一种缺陷的待测工件表面图；

图3a为图2a经过滤波处理后的示例图；

图3b为图2b经过滤波处理后的示例图；

图4为图像矩阵分块的示例图；

图5a为本发明一实施例提供的特征向量对一种缺陷的显示示意图；

图5b为本发明一实施例提供的特征向量对另一种缺陷的显示示意图；

图6a为本发明一实施例提供的一种缺陷识别检测结果示意图；

图6b为本发明一实施例提供的另一种缺陷识别检测结果示意图；

图7a为本发明一实施例提供的漏检情况示意图；

图7b为本发明一实施例提供的过检情况示意图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。

本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。

由背景技术可知，现有技术中利用计算机算法进行缺陷检测时，直接对灰度值进行搜索与阈值判定，但是由于灰度值中所容纳的信息内容是有限的，所以仅通过灰度值得到的图像的处理结果的准确度不够。

经过研究，发现矩阵的特征向量中包含着关于矩阵本身的隐藏信息，尤其是与其各方向梯度有关的数据。通过对梯度变化的分析可以对工件表面的缺陷进行更准确的检测与判定，即通过灰度图像的明暗变化程度的分析可以对工件表面的缺陷进行更准确的检测与判定。

在本发明实施例中，则对所获取的具有缺陷信息的图像数据进行了进一步的处理，即获取待测工件表面的灰度图像，然后将灰度图像划分为预设大小的多个子图像，通过确定每一个子图像的灰度变化幅度对待测工件进行缺陷检测，通过对灰度变化幅度的分析进行检测判定，以提高工件检测的可靠性。

实施例一

本实施例提供一种工件表面缺陷检测方法，请参考图1，图1为本实施例提供的缺陷检测方法流程图，该工件表面缺陷检测方法包括如下步骤：

S101，获取待测工件表面的灰度图像。

本实施例中，可以通过图像拍摄装置直接获取该待测工件的灰度图像，也可以通过图像拍摄装置拍摄该待测工件的彩色图像之后，再经过处理，提取到该待测工件表面的灰度图像，可以参考图2a和图2b，其中，图2a和图2b为本实施例提供的两种具有不同形状的缺陷灰度图像。

本实施例中，获取待测工件的灰度图像的形式为获取该待测工件的灰度矩阵。

在一种可选的实施方式中，获取待测工件的灰度图像之后，还包括对该灰度图像进行滤波处理，参考图3a和图3b，其中，图3a为图2a经过滤波处理后的示例图，图3b为图2b经过滤波处理后的示例图，对灰度图像进行滤波处理可以达到给该灰度图像进行降噪的效果，以对该灰度图像边界进行预先处理，对图像边界进行预处理有助于提高对该灰度图像检测的准确性。

S102，将灰度图像划分为预设大小的多个子图像。

本实施例中，将待测工件的整个灰度图像划分为预设大小的多个子图像的目的是为了将一张大图片(整体信息)拆分成小的区域(局部信息)，然后根据局部信息判断产品的特征与局部缺陷，因为对局部信息进行数据处理时，局部信息所包含的数据量较少，在对局部信息的数据进行处理时，处理的结果会更加准确，特别是涉及到一些特别复杂的运算时，使用局部信息进行数据处理的过程中不会为了方便处理而丢失数据，使得处理得到的结果更加可靠；同时，使用局部信息进行处理时，可以对这些局部信息的数据并行计算，有助于提高处理速度，使得处理效率提高，具体划分方式可以参考图4，图4为一种灰度图像进行划分的示意图，即，将该灰度图像的图像矩阵划分成若干子矩阵的示意图。

本实施例中，对该灰度图像划分时，可以是平铺划分，也可以重叠划分，将该灰度图像划分成若干较小的子矩阵时，可以按任意大小划分，也可以均分。划分成子矩阵之后，对每个子矩阵进行进一步的数据处理。

S103，确定每一个子图像的灰度变化幅度。

本实施例中，得到每一个子图像的灰度变化幅度的方法可以是直接获取每一个子图像的灰度变化幅度，也可以是先获得每一个子图像在两个不同方向上的灰度变化幅度，例如，先获得每一个子图像在水平方向和垂直方向的灰度变化幅度，再通过水平方向和垂直方向的灰度变化幅度来确定该子图像的灰度变化幅度。

在一些实施例中，确定每一个子图像的灰度变化幅度的方法的步骤包括：首先，获取每一个子图像对应的特征向量，可以理解为通过计算以得到每一个子矩阵的特征向量；然后，根据该特征向量分别确定该子图像在水平方向和垂直方向的灰度变化幅度；最后，根据该子图像在水平方向和垂直方向的灰度变化幅度，确定该子图像的灰度变化幅度，也可以理解为，通过表示出每一个子矩阵水平方向和垂直方向的梯度，然后通过水平方向和垂直方向的梯度变化来构成该子矩阵的梯度向量。

例如，若将该灰度图像划分为大小为2*2的多个子图像时：

确定每一个子图像的灰度变化幅度，包括：

首先，获取每一个子图像的第一特征向量V1＝(v11，v21)和第二特征向量V2＝(v12，v22)，其中，v11为第一特征向量的横坐标，v21为第一特征向量的纵坐标，v12为第二特征向量的横坐标，v21为第二特征向量的纵坐标；

则根据下式确定每一个子图像的灰度变化幅度：

其中，GM用于表示子图像的灰度变化幅度；HG＝|v11/v21|-1，用于表示子图像在水平方向的灰度变化幅度；VG＝|v12/v22|–1，用于表示子图像在垂直方向的灰度变化幅度。

需要说明的是，在上述将该灰度图像划分为大小为2*2的多个子图像的实施例中，有时需要避免一些特殊状况，例如，当每一个子图像的第一特征向量V1＝(v11，v21)和第二特征向量V2＝(v12，v22)，其中，当v21为0，即当第二特征向量的纵坐标为0时，则将其修改为一个小量ε(比如可取ε＝0.01)，然后再进行后续的运算和处理。

在其他的一些实施例中，当将该灰度图像划分为大小为3*3或4*4的多个子图像时，也可以根据以上思路获取3*3或4*4的子图像的特征向量，然后通过特征向量得到该子图像的灰度变化幅度，即通过3*3或4*4的子矩阵的特征向量得到该3*3或4*4的子矩阵的梯度值。

S104，根据多个子图像的灰度变化幅度，对待测工件进行缺陷检测。

由于图像的灰度变化幅度反应了该位置处图像的明暗变化的程度，如果某位置处的图像表面不是光滑的，例如，如果某位置处的表面有凹坑或者凸起等缺陷，那么在该位置处图像的明暗变化的程度会有所不同。因此，通过处理和计算确定图像的灰度变化幅度来判定该图像的缺陷信息，参考图5a和图5b，其中，图5a和图5b为本实施例提供的特征向量对两种不同形状的缺陷形态显示示意图。

根据多个该子图像的灰度变化幅度，对该待测工件进行缺陷检测的判定过程中，需要设定预设阈值，若该子图像的灰度变化幅度大于等于预设阈值，则将该子图像标记为缺陷子图像，根据该灰度图像中缺陷子图像的数量和位置，确定该待测工件是否为缺陷件，例如，当该灰度图像中的某位置范围内具有缺陷子图像的数量较多，则确定该位置范围为缺陷区域，具体方法可以是：对标记出来的缺陷子图像进行连通域分析，即对每一片相邻的缺陷子图像形成的区域分别计算面积、长度等数据，如果这些数据超过工业上的容忍度(比如面积过大或长度过长，标准根据实际需求决定)，则将该区域标记为缺陷区域，从而判定该待测工件为缺陷件，以便对该缺陷件进行进一步的处理。

需要说明的是，所设定的该预设阈值是一个经验值，该预设阈值不宜设置过大或过小，参考图6a和图6b，图6a和图6b是本实施例提供的在合理阈值下对于不同形状的缺陷进行标记的结果示意图；如果设定的预设阈值过大(例如根据本实施例，预设阈值大于或等于0.15时)，会出现漏检的情况，参考图7a，图7a为提供的一种由于预设阈值过大情况下出现的漏检情况；如果设定的预设阈值过小(例如根据本实施例，预设阈值小于或等于0.02时)，会出现过检的情况，例如，不是缺陷的地方，一些噪点也标记为缺陷，参考图7b，图7b为提供的一种由于将预设阈值设定的过小情况下出现的过检情况。

在一些事实例中，标记出缺陷之后，还对所检测出的缺陷图像进行了一些必要的形态学处理步骤，其中，该形态学处理的方法包括膨胀、腐蚀、开、闭等一些基本的形态学处理方式，对所检测出的缺陷再进行形态学处理能够确定缺陷类型是划痕还是凹陷，以便有针对性的进行缺陷修复，起到降低误检率的作用，进一步提高最终缺陷检测结果的准确性。

本实施例通过对灰度图像进行进一步处理，得到灰度图像中的每一个子图像的灰度变化幅度，通过每一个子图像的灰度变化幅度对待测工件的表面进行标记和判定，提高了工件检测的可靠性。

实施例二

本实施例提供一种工件表面缺陷检测装置，包括：图像获取单元、划分单元、确定单元和检测单元。其中，该图像获取单元用于获取待测工件表面的灰度图像，该划分单元用于将灰度图像划分为预设大小的多个子图像，该确定单元用于确定每一个子图像的灰度变化幅度，该检测单元用于根据多个子图像的灰度变化幅度，对待测工件进行缺陷检测。

在一些实施例中，该确定单元在确定每一个子图像的灰度变化幅度时，能够获取每一个子图像对应的特征向量，并根据该特征向量分别确定该子图像在水平方向和垂直方向的灰度变化幅度，根据该子图像在水平方向和垂直方向的灰度变化幅度，来确定该子图像的灰度变化幅度。

在一些实施例中，该工件表面缺陷检测装置还可以包括滤波单元，用于对该灰度图像进行滤波处理。

在一些实施例中，该工件表面缺陷检测装置还可以包括形态学处理单元，用于对检测的缺陷进行形态学处理。

通过该工件表面缺陷检测装置，可以通过提取该待测工件的灰度图像中更多信息量，使得对待测工件表面检测的准确性提高，和人工识别的方法相比，节约了人力成本且检测效率高。

实施例三

本实施例提供一种工件表面缺陷检测设备，包括存储器和处理器，其中存储器用于存储程序，处理器用于执行存储器存储的程序以实现以上任一实施例中的工件表面缺陷检测方法。

本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的***进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (10)

1.一种工件表面缺陷检测方法，其特征在于，包括：

获取待测工件表面的灰度图像；

将所述灰度图像划分为预设大小的多个子图像；

确定每一个子图像的灰度变化幅度；

根据多个所述子图像的灰度变化幅度，对所述待测工件进行缺陷检测。

2.如权利要求1所述的检测方法，其特征在于，所述确定每一个子图像的灰度变化幅度，包括：

获取每一个子图像对应的特征向量；

根据所述特征向量分别确定所述子图像在水平方向和垂直方向的灰度变化幅度；

根据所述子图像在水平方向和垂直方向的灰度变化幅度，确定所述子图像的灰度变化幅度。

3.如权利要求2所述的检测方法，其特征在于，若将所述灰度图像划分为大小为2*2的多个子图像，则所述确定每一个子图像的灰度变化幅度，包括：

获取每一个子图像的第一特征向量V1＝(v11，v21)和第二特征向量V2＝(v12，v22)，其中，v11为第一特征向量的横坐标，v21为第一特征向量的纵坐标，v12为第二特征向量的横坐标，v21为第二特征向量的纵坐标；

根据下式确定每一个子图像的灰度变化幅度：

其中，GM用于表示子图像的灰度变化幅度；HG＝|v11/v21|-1，用于表示子图像在水平方向的灰度变化幅度；VG＝|v12/v22|–1，用于表示子图像在垂直方向的灰度变化幅度。

4.如权利要求1所述的检测方法，其特征在于，所述根据多个所述子图像的灰度变化幅度，对所述待测工件进行缺陷检测，包括：

若所述子图像的灰度变化幅度大于等于预设阈值，则将所述子图像标记为缺陷子图像。

5.如权利要求4所述的检测方法，其特征在于，所述方法还包括：

根据所述灰度图像中缺陷子图像的数量和位置，确定所述待测工件是否为缺陷件。

6.如权利要求1-5中任一项所述的检测方法，其特征在于，所述方法还包括：对检测出的缺陷进行形态学处理。

7.如权利要求1-5中任一项所述的检测方法，其特征在于，所述将所述灰度图像划分为预设大小的多个子图像之前，所述方法还包括：对所述灰度图像进行滤波处理。

8.一种工件表面缺陷检测装置，其特征在于，所述装置包括：

图像获取单元，用于获取待测工件表面的灰度图像；

划分单元，用于将所述灰度图像划分为预设大小的多个子图像；

确定单元，用于确定每一个子图像的灰度变化幅度；

检测单元，用于根据多个所述子图像的灰度变化幅度，对所述待测工件进行缺陷检测。

9.一种工件表面缺陷检测设备，其特征在于，包括：

存储器，用于存储程序；

处理器，用于执行所述存储器存储的程序以实现如权利要求1-7中任一项所述的工件表面缺陷检测方法。

10.一种计算机可读存储介质，其特征在于，包括程序，所述程序能够被处理器执行以实现如权利要求1-7中任一项所述的工件表面缺陷检测方法。

Images