CN113160161B - 目标边缘处缺陷的检测方法和装置 - Google Patents
目标边缘处缺陷的检测方法和装置 Download PDFInfo
- Publication number
- CN113160161B CN113160161B CN202110401749.7A CN202110401749A CN113160161B CN 113160161 B CN113160161 B CN 113160161B CN 202110401749 A CN202110401749 A CN 202110401749A CN 113160161 B CN113160161 B CN 113160161B
- Authority
- CN
- China
- Prior art keywords
- edge
- pixel points
- target
- image
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了目标边缘处缺陷的检测方法和装置,其中方法包括:获取目标的待检测图像;根据待检测图像确定表征目标边缘的边缘像素点;从边缘像素点中筛除干扰点,得到候选像素点;对候选像素点进行直线拟合处理得到边缘校准线;根据边缘像素点和边缘校准线之间的距离,确定表征目标边缘处缺陷的像素点。技术方案的有益效果在于,能够提供一种高效、自动、准确检测目标边缘处缺陷的方式,漏检率低,对计算资源的需求较小,成本低,适于产线自动化实现。
Description
技术领域
本申请涉及目标检测技术领域,尤其涉及目标边缘处缺陷的检测方法和装置。
背景技术
计算机视觉技术在工业生产中逐步得到了应用,例如,产品的质量检测可以通过对产品拍照后,利用预训练的计算机视觉模型来识别产品的缺陷。
但是对于部分目标边缘处缺陷,例如玻璃芯片边缘处的缺损缺陷,目前还缺乏较好的检测手段。
发明内容
本申请实施例提供了目标边缘处缺陷的检测方法和装置,以提供一种高效、自动、准确的目标边缘处缺陷检测方式。
本申请实施例采用下述技术方案:
第一方面,本申请实施例提供一种目标边缘处缺陷的检测方法,包括:获取目标的待检测图像;根据待检测图像确定表征目标边缘的边缘像素点;从边缘像素点中筛除干扰点,得到候选像素点;对候选像素点进行直线拟合处理得到边缘校准线;根据边缘像素点和边缘校准线之间的距离方差,确定表征目标边缘处缺陷的像素点。
在一些实施例中,上述方法中,获取目标的待检测图像包括:对目标进行拍摄,得到目标的彩色图像;基于模板匹配和/或特征匹配,从彩色图像中确定出目标的待检测图像。
在一些实施例中,上述方法中,根据待检测图像确定表征目标边缘的边缘像素点包括:对待检测图像进行灰度化处理,得到灰度图像;对灰度图像进行高斯滤波和自适应二值化处理,得到二值化图像;从二值化图像中识别出表征目标边缘的边缘像素点。
在一些实施例中,上述方法中,从边缘像素点中筛除干扰点,得到候选像素点包括:根据边缘像素点确定外接图形轮廓线;计算各边缘像素点与相应外接图形轮廓线的距离方差;根据距离方差筛除边缘像素点中的干扰点。
在一些实施例中,上述方法中,对候选像素点进行直线拟合处理得到边缘校准线包括:基于候选像素点的水平坐标或竖直坐标,筛选出不超过预设数量的候选像素点以进行最小二乘法的直线拟合。
在一些实施例中,上述方法中,根据边缘像素点和边缘校准线之间的距离方差,确定表征目标边缘处缺陷的像素点包括:确定每条边缘校准线对应的边缘像素点集合;对每条边缘校准线,根据该边缘校准线对应的边缘像素点集合中,每个边缘像素点与该边缘校准线之间的距离,计算距离方差;根据距离方差确定表征目标边缘处缺陷的像素点。
在一些实施例中,上述方法中,确定每条边缘校准线对应的边缘像素点集合包括:对每个边缘像素点,计算该边缘像素点与各边缘校准线之间的距离最小值,根据距离最小值确定该候选像素点对应的边缘校准线。
在一些实施例中,上述方法中,根据距离方差确定表征目标边缘处缺陷的像素点包括:若连续多个边缘像素点的距离方差均大于预设的方差阈值,且该连续多个边缘像素点的数量大于预设的数量阈值,则该连续多个边缘像素点为表征目标边缘处缺陷的像素点。
在一些实施例中,目标为玻璃芯片,该方法还包括:根据边缘像素点确定的边缘轮廓,将二值化图像中边缘轮廓内的部分进行填充处理。
第二方面,本申请实施例还提供一种目标边缘处缺陷的检测装置,用于实现如上任一的目标边缘处缺陷的检测方法。
在一些实施例中,目标边缘处缺陷的检测装置,包括:获取单元,用于获取目标的待检测图像;边缘确定单元,用于根据待检测图像确定表征目标边缘的边缘像素点;筛除单元,用于从边缘像素点中筛除干扰点,得到候选像素点;拟合单元,用于对候选像素点进行直线拟合处理得到边缘校准线;缺陷确定单元,用于根据边缘像素点和边缘校准线之间的距离方差,确定表征目标边缘处缺陷的像素点。
在一些实施例中,上述装置中,获取单元,用于对目标进行拍摄,得到目标的彩色图像;基于模板匹配和/或特征匹配,从彩色图像中确定出目标的待检测图像。
在一些实施例中,上述装置中,边缘确定单元,用于对待检测图像进行灰度化处理,得到灰度图像;对灰度图像进行高斯滤波和自适应二值化处理,得到二值化图像;从二值化图像中识别出表征目标边缘的边缘像素点。
在一些实施例中,上述装置中,筛除单元,用于根据边缘像素点确定外接图形轮廓线;计算各边缘像素点与相应外接图形轮廓线的距离方差;根据距离方差筛除边缘像素点中的干扰点。
在一些实施例中,上述装置中,拟合单元,用于基于候选像素点的水平坐标或竖直坐标,筛选出不超过预设数量的候选像素点以进行最小二乘法的直线拟合。
在一些实施例中,上述装置中,缺陷确定单元,用于确定每条边缘校准线对应的边缘像素点集合;对每条边缘校准线,根据该边缘校准线对应的边缘像素点集合中,每个边缘像素点与该边缘校准线之间的距离,计算距离方差;根据距离方差确定表征目标边缘处缺陷的像素点。
在一些实施例中,上述装置中,缺陷确定单元,用于对每个边缘像素点,计算该边缘像素点与各边缘校准线之间的距离最小值,根据距离最小值确定该候选像素点对应的边缘校准线。
在一些实施例中,上述装置中,缺陷确定单元,用于若连续多个边缘像素点的距离方差均大于预设的方差阈值,且该连续多个边缘像素点的数量大于预设的数量阈值,则该连续多个边缘像素点为表征目标边缘处缺陷的像素点。
在一些实施例中,目标为玻璃芯片,该装置还包括:填充单元,用于根据边缘像素点确定的边缘轮廓,将二值化图像中边缘轮廓内的部分进行填充处理。
第三方面,本申请实施例还提供一种电子设备,包括:处理器;以及被安排成存储计算机可执行指令的存储器,可执行指令在被执行时使处理器执行如上任一的目标边缘处缺陷的检测方法。
第四方面,本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质存储一个或多个程序,一个或多个程序当被包括多个应用程序的电子设备执行时,使得电子设备执行如上任一的目标边缘处缺陷的检测方法。
本申请实施例采用的上述至少一个技术方案,在根据目标的待检测图像确定目标边缘后,通过筛除干扰点的方式得到质量较高的候选像素点,据此拟合得到边缘校准线,再根据候选像素点与边缘校准线之间的距离方差确定目标边缘处缺陷。技术方案的有益效果在于,能够提供一种高效、自动、准确检测目标边缘处缺陷的方式,漏检率低,对计算资源的需求较小,成本低,适于产线自动化实现。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示出了根据本申请一个实施例的一种目标边缘处缺陷的检测方法的流程示意图;
图2示出了对玻璃芯片进行拍摄得到的图像;
图3示出了对图2进行二值化处理后的图像;
图4示出了对图3进行填充处理得到的图像;
图5在图4基础上示出了得到的四条边缘校准线;
图6示出了边缘处缺陷的标注结果;
图7示出了根据本申请一个实施例的一种目标边缘处缺陷的检测装置的结构示意图;
图8为本申请实施例中一种电子设备的结构示意图。
具体实施方式
本申请的技术构思在于,考虑到边缘处缺陷实质上使目标原本(理想状态下)的边缘线在部分上发生了改变,而整体上影响通常较小,因此通过先确定原本边缘线,再根据实际边缘线与之的差别检测出边缘处缺陷,并具体通过距离方差作为检测依据,确保了检测的准确性。
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1示出了根据本申请一个实施例的一种目标边缘处缺陷的检测方法的流程示意图,如图1所示,该方法包括:
步骤S110,获取目标的待检测图像。本申请实施例中的目标可以是各类有着边缘处缺陷检测需求的对象,尤其可以是工业产线上产出的产品,如玻璃芯片等。
图2示出了根据本申请一个实施例的玻璃芯片的示意图。玻璃芯片是指部分材质为玻璃(图2中白色近似正方形的区域)的芯片,通常用于VR(Virtual Reality,虚拟现实)等产品的主板中,现有技术中由于缺乏较好的边缘处缺陷(例如图2中白色区域的右上角,可以看出有一处缺损)检测方式,通常只能将玻璃芯片置于显微镜下,通过人工方式分辨。该方法不仅对员工的视力有较大的影响,并且漏检率较高。
步骤S120,根据待检测图像确定表征目标边缘的边缘像素点。确定边缘像素点也就意味着确定了目标的实际边缘。
步骤S130,从边缘像素点中筛除干扰点,得到候选像素点。如果不筛除其中的干扰点,可能导致后续步骤S140拟合得到的边缘校准线过于偏离目标的原本边缘,降低边缘处缺陷的检测精度。
步骤S140,对候选像素点进行直线拟合处理得到边缘校准线。边缘校准线可以有多条,例如整体上呈正方形的目标有四条边缘校准线。边缘校准线可以认为是表征目标的原本边缘,例如表征产品在设计阶段所期望的边缘样式。由此,根据能够表征目标边缘的候选像素点与边缘校准线之间的距离特征,就可以确定表征目标边缘处缺陷的像素点。
步骤S150,根据边缘像素点和边缘校准线之间的距离方差,确定表征目标边缘处缺陷的像素点。选择距离方差作为确定缺陷的基础,能够更准确地衡量候选像素点偏离边缘校准线的程度,从而确保缺陷检测的精度。
可见,图1所示的方法,能够提供一种高效、自动、准确检测目标边缘处缺陷的方式,漏检率低,对计算资源的需求较小,成本低,适于产线自动化实现。
在一些实施例中,上述方法中,获取目标的待检测图像包括:对目标进行拍摄,得到目标的彩色图像;基于模板匹配和/或特征匹配,从彩色图像中确定出目标的待检测图像。
例如,可以在产品制造的流水线上设置照相机,拍摄得到产品的彩色图像。为了避免彩色图像中非目标部分对后续检测的影响,可以从中确定出与目标对应的部分,作为待检测图像。
具体地,可以利用计算机视觉技术,如使用模板匹配和/或特征匹配来实现。在一个示例中,可以使用Halcon软件的模板匹配功能,设定模板图像为目标的标准图像,利用create_shape_model对模板图像提取特征,采用find_shape_model的方式来获取彩色图像中待匹配区域的置信度得分(score)。当score大于设定阈值时,该区域对应的图像即为待检测图像。
在一些实施例中,上述方法中,根据待检测图像确定表征目标边缘的边缘像素点包括:对待检测图像进行灰度化处理,得到灰度图像;对灰度图像进行高斯滤波和自适应二值化处理,得到二值化图像;从二值化图像中识别出表征目标边缘的边缘像素点。
如果目标的原始图像是直接根据灰度相机拍摄得到,待检测图像是通过对原始图像进行切割等处理得到的,或者待检测图像中的色彩种类较少,对后续检测的影响不大,那么也可以省略掉对待检测图像进行灰度化处理的步骤。
通过高斯滤波的方式可以消除灰度图像中的噪点,这里的噪点与前面的干扰点不同,是为了便于二值化处理,得到更好的二值化图像。而且,二值化后,后续识别出的边缘像素点的灰度值可以统一,例如均为255(白色)。
基于二值化图像,可以选用任一类现有技术实现识别出表征目标边缘的边缘像素点的步骤,例如采用边缘检测算子来实现。
例如,图2经过上述处理,可以得到图3,可以看出去除了玻璃芯片背景部分(图2中白色区域外侧)的干扰,更方便识别出边缘像素点。
图2、图3所示的玻璃芯片中带有若干字符(白色区域内)。这些内容对于后续的缺陷检测也没有帮助,反而会带来干扰,因此,在一些实施例中,当目标为玻璃芯片时,该方法还包括:根据边缘像素点确定的边缘轮廓,将二值化图像中边缘轮廓内的部分进行填充处理。例如,基于图3可以处理得到图4。
在一些实施例中,上述方法中,从边缘像素点中筛除干扰点,得到候选像素点包括:根据边缘像素点确定外接图形轮廓线;计算各边缘像素点与相应外接图形轮廓线的距离方差;根据距离方差筛除边缘像素点中的干扰点。
由于在进行直线拟合之前,如果用于拟合直线的点距离真正的边缘较远,那么拟合后,直线的偏差就会较大,针对这种情况,本申请提出了采用距离方差进行干扰点筛选的方式。
但是在计算距离方差之前,需要确定距离具体是是边缘像素点与哪个参照对象之间的距离,在未得到拟合直线之前,如何找到这样的参照对象,是需要解决的问题。
本申请提出了先根据边缘像素点确定外接图形轮廓线的方式。一般地,外接图形轮廓线是一条构成闭合图像的线,在本申请的实施例中为了进行干扰点的筛选,可以将其按照拐点分成多条,使得边缘像素点分别对应一条外接图形轮廓线。例如,目标整体上呈正方形,则具有四条外接轮廓线(可以理解为是将通常含义下的外接轮廓线分为四段),边缘像素点与距离最近的一条外接图形轮廓线相对应,并计算距离和距离方差。
具体地,对每一个边缘像素点i,其对应一条外接轮廓线,可以通过如下公式计算它的距离方差theta:
其中,m为该条外接轮廓线对应的边缘像素点的总数量,ki为该边缘像素点i到该外接轮廓线的距离,k为该条外接轮廓线对应的各边缘像素点到该外接轮廓线距离的距离期望。
若边缘像素点i的距离方差theta小于预设的阈值(该阈值可根据常见缺陷的尺寸等来确定),则保留该边缘像素点,否则将该边缘像素点作为干扰点进行删除。
在一些实施例中,上述方法中,对候选像素点进行直线拟合处理得到边缘校准线包括:基于候选像素点的水平坐标或竖直坐标,筛选出不超过预设数量的候选像素点以进行最小二乘法的直线拟合。
在进行直线拟合时,并不需要过多数量的候选像素点,因此,可以通过坐标筛选的方式,选出用于拟合直线的候选像素点。
边缘处缺陷一般都是边缘处存在的缺损,因此,拟合的直线需要将目标分割在直线的一侧,而不是对目标产生切割,在筛选候选像素点时,可以基于候选像素点的水平坐标或竖直坐标来实现,例如,以正方形的目标为例,待检测图像的像素坐标系以左上角为坐标原点,那么具体的筛选方式可以为:
对正方形的上边缘,得到边缘校准线的方式为基于候选像素点的竖直坐标值(y的值)来筛选。具体地,从左向右依次遍历候选像素点,查找像素坐标(x,y)下灰度为255的y的值,取y值最小的前q个点(distance_min_y1,distance_miny2,distance_min_y3…distacne_min_yq)。其中,q为预设的阈值。然后采用最小二乘法将这些点拟合成直线Line_top,其直线方程为:atop*xtop+btop*xtop+ctop=0。
类似地,对于正方形的左边缘,从上到下依次遍历候选像素点,查找像素坐标(x,y)下灰度为255的x的值,取x值最小的前n个点(distance_min_x1,distance_min_x2,distance_min_x3…distacne_min_xn),其中n也是预设的阈值。然后采用最小二乘法将这些点将其拟合成直线Line_left,其直线方程为:aleft*xleft+bleft*xleft+cleft=0。
对于正方形的下边缘,从左向右依次遍历候选像素点,基于候选像素点的竖直坐标值来筛选,查找像素坐标(x,y)下灰度为255的y的值,取y值最大的前q个点(distance_max1,distance_max2,distance_max3…distacne_maxq),其中,q为预设的阈值。采用最小二乘法将这些点将其拟合成直线Line_bottom,其直线方程为:abottom*xbottom+bbottom*xbottom+cbottom=0。
对于正方形的右边缘,从上到下依次遍历候选像素点,基于候选像素点的水平坐标值来筛选,查找像素坐标(x,y)下灰度为255的x的值,取x值最大的前n个点(distance_max1,distance_max2,distance_max3…distacne_maxn),其中,n为预设的阈值。采用最小二乘法将这些点将其拟合成直线Line_right,其直线方程为:aright*xright+bright*xright+cright=0。图5示出了根据图4确定的四条边缘校准线。
在一些实施例中,上述方法中,根据边缘像素点和边缘校准线之间的距离方差,确定表征目标边缘处缺陷的像素点包括:确定每条边缘校准线对应的边缘像素点集合;对每条边缘校准线,根据该边缘校准线对应的边缘像素点集合中,每个边缘像素点与该边缘校准线之间的距离,计算距离方差;根据距离方差确定表征目标边缘处缺陷的像素点。
边缘处缺陷通常表现为缺损,也就是表征目标边缘的边缘像素点距离表征目标原本边缘的边缘校准线具有过大的距离。但以正方形的目标为例,表征上边缘的边缘像素点显然距离下边缘校准线具有很大的距离,但这不意味着下边缘上存在缺陷。因此,需要先确定边缘校准线与边缘像素点之间的对应关系。
具体地,在一些实施例中,上述方法中,确定每条边缘校准线对应的边缘像素点集合包括:对每个边缘像素点,计算该边缘像素点与各边缘校准线之间的距离最小值,根据距离最小值确定该候选像素点对应的边缘校准线。也就是说,通过“就近原则”确定每条边缘校准线对应的边缘像素点集合。
然后,本申请通过计算距离方差的方式,确定表征目标边缘处缺陷的像素点。在一些实施例中,上述方法中,根据距离方差确定表征目标边缘处缺陷的像素点包括:若连续多个边缘像素点的距离方差均大于预设的方差阈值,且该连续多个边缘像素点的数量大于预设的数量阈值,则该连续多个边缘像素点为表征目标边缘处缺陷的像素点。
制造的产品难免与理想状态存在可接受范围内的误差,因此,可以设定预设的数量阈值,只有当连续多个边缘像素点的距离方差均大于预设的方差阈值,才认为对应于一处边缘处缺陷。
以图5为例,计算每一个边缘像素点Point(x,y)到四条边的距离最小值其中,a相应地选取为atop、aleft、aright和abottom其中之一,b相应地选取为btop、bleft、bright和bbottom其中之一,c相应地选取为ctop、cleft、cright和cbottom其中之一,也就确定了对应的边缘校准线。
对于一条边缘校准线,将其起始点分别设为point_start1(x_start1,y_start1)和point_end1(x_end1,y_end1),那么可以得到该边缘校准线对应的边缘像素点集合中边缘像素点个数pixel_num。
最后,判断是否存在多个边缘像素点的距离方差均大于预设的方差阈值thres。当连续多个符合距离方差条件的边缘像素点的个数大于thres,则将这些边缘像素点认定为缺陷像素点。
根据检测出的缺陷像素点,还可以生成标注框,如图6所示,玻璃芯片右上角的缺陷得到了标注。
本申请实施例还提供一种目标边缘处缺陷的检测装置,用于实现如上任一的目标边缘处缺陷的检测方法。
具体地,图7示出了根据本申请一个实施例的目标边缘处缺陷的检测装置的结构示意图。如图7所示,目标边缘处缺陷的检测装置700包括:
获取单元710,用于获取目标的待检测图像。本申请实施例中的目标可以是各类有着边缘处缺陷检测需求的对象,尤其可以是工业产线上产出的产品,如玻璃芯片等。
边缘确定单元720,用于根据待检测图像确定表征目标边缘的边缘像素点。确定边缘像素点也就意味着确定了目标的实际边缘。
筛除单元730,用于从边缘像素点中筛除干扰点,得到候选像素点。如果不筛除其中的干扰点,可能导致后续拟合单元740拟合得到的边缘校准线过于偏离目标的原本边缘,降低边缘处缺陷的检测精度。
拟合单元740,用于对候选像素点进行直线拟合处理得到边缘校准线。边缘校准线可以有多条,例如整体上呈正方形的目标有四条边缘校准线。边缘校准线可以认为是表征目标的原本边缘,例如表征产品在设计阶段所期望的边缘样式。由此,根据能够表征目标边缘的候选像素点与边缘校准线之间的距离特征,就可以确定表征目标边缘处缺陷的像素点。
缺陷确定单元750,用于根据边缘像素点和边缘校准线之间的距离方差,确定表征目标边缘处缺陷的像素点。选择距离方差作为确定缺陷的基础,能够更准确地衡量候选像素点偏离边缘校准线的程度,从而确保缺陷检测的精度。
可见,图7所示的装置,能够提供一种高效、自动、准确检测目标边缘处缺陷的方式,漏检率低,对计算资源的需求较小,成本低,适于产线自动化实现。
在一些实施例中,上述装置中,获取单元710,用于对目标进行拍摄,得到目标的彩色图像;基于模板匹配和/或特征匹配,从彩色图像中确定出目标的待检测图像。
在一些实施例中,上述装置中,边缘确定单元720,用于对待检测图像进行灰度化处理,得到灰度图像;对灰度图像进行高斯滤波和自适应二值化处理,得到二值化图像;从二值化图像中识别出表征目标边缘的边缘像素点。
在一些实施例中,上述装置中,筛除单元730,用于根据边缘像素点确定外接图形轮廓线;计算各边缘像素点与相应外接图形轮廓线的距离方差;根据距离方差筛除边缘像素点中的干扰点。
在一些实施例中,上述装置中,拟合单元740,用于基于候选像素点的水平坐标或竖直坐标,筛选出不超过预设数量的候选像素点以进行最小二乘法的直线拟合。
在一些实施例中,上述装置中,缺陷确定单元750,用于确定每条边缘校准线对应的边缘像素点集合;对每条边缘校准线,根据该边缘校准线对应的边缘像素点集合中,每个边缘像素点与该边缘校准线之间的距离,计算距离方差;根据距离方差确定表征目标边缘处缺陷的像素点。
在一些实施例中,上述装置中,缺陷确定单元750,用于对每个边缘像素点,计算该边缘像素点与各边缘校准线之间的距离最小值,根据距离最小值确定该候选像素点对应的边缘校准线。
在一些实施例中,上述装置中,缺陷确定单元750,用于若连续多个边缘像素点的距离方差均大于预设的方差阈值,且该连续多个边缘像素点的数量大于预设的数量阈值,则该连续多个边缘像素点为表征目标边缘处缺陷的像素点。
在一些实施例中,目标为玻璃芯片,该装置还包括:填充单元,用于根据边缘像素点确定的边缘轮廓,将二值化图像中边缘轮廓内的部分进行填充处理。
能够理解,上述目标边缘处缺陷的检测装置,能够实现前述实施例中提供的目标边缘处缺陷的检测方法的各个步骤,关于目标边缘处缺陷的检测方法的相关阐释均适用于目标边缘处缺陷的检测装置,此处不再赘述。
图8是本申请的一个实施例电子设备的结构示意图。请参考图8,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图8中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成目标边缘处缺陷的检测装置。图6中示出的目标边缘处缺陷的检测装置不构成本申请对边缘缺陷检测装置数量的限制。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
获取目标的待检测图像;根据待检测图像确定表征目标边缘的边缘像素点;从边缘像素点中筛除干扰点,得到候选像素点;对候选像素点进行直线拟合处理得到边缘校准线;根据边缘像素点和边缘校准线之间的距离方差,确定表征目标边缘处缺陷的像素点。
上述如本申请图1所示实施例揭示的目标边缘处缺陷的检测装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central ProcessingUnit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中目标边缘处缺陷的检测装置执行的方法,并实现目标边缘处缺陷的检测装置在图1所示实施例的功能,本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图1所示实施例中目标边缘处缺陷的检测装置执行的方法,并具体用于执行:
获取目标的待检测图像;根据待检测图像确定表征目标边缘的边缘像素点;从边缘像素点中筛除干扰点,得到候选像素点;对候选像素点进行直线拟合处理得到边缘校准线;根据边缘像素点和边缘校准线之间的距离方差,确定表征目标边缘处缺陷的像素点。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、***或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种目标边缘处缺陷的检测方法,包括:
获取目标的待检测图像;
根据所述待检测图像确定表征目标边缘的边缘像素点;
从所述边缘像素点中筛除干扰点,得到候选像素点;
对候选像素点进行直线拟合处理得到边缘校准线;
根据边缘像素点和所述边缘校准线之间的距离方差,确定表征目标边缘处缺陷的像素点;
所述从所述边缘像素点中筛除干扰点,得到候选像素点包括:
根据所述边缘像素点确定外接图形轮廓线,所述外接图形轮廓线是一条构成闭合图像的线,将所述外接图形轮廓线按照拐点分成多条,使得边缘像素点与距离最近的一条外接图形轮廓线相对应;计算各边缘像素点与相应外接图形轮廓线的距离方差;根据所述距离方差筛除所述边缘像素点中的干扰点。
2.如权利要求1所述的方法,其特征在于,所述获取目标的待检测图像包括:
对所述目标进行拍摄,得到所述目标的彩色图像;
基于模板匹配和/或特征匹配,从所述彩色图像中确定出所述目标的待检测图像。
3.如权利要求1所述的方法,其特征在于,所述根据所述待检测图像确定表征目标边缘的边缘像素点包括:
对待检测图像进行灰度化处理,得到灰度图像;
对所述灰度图像进行高斯滤波和自适应二值化处理,得到二值化图像;
从所述二值化图像中识别出表征目标边缘的边缘像素点。
4.如权利要求1所述的方法,其特征在于,所述对候选像素点进行直线拟合处理得到边缘校准线包括:
基于候选像素点的水平坐标或竖直坐标,筛选出不超过预设数量的候选像素点以进行最小二乘法的直线拟合。
5.如权利要求1所述的方法,其特征在于,所述根据边缘像素点和所述边缘校准线之间的距离方差,确定表征目标边缘处缺陷的像素点包括:
确定每条边缘校准线对应的边缘像素点集合;
对每条边缘校准线,根据该边缘校准线对应的边缘像素点集合中,每个边缘像素点与该边缘校准线之间的距离,计算距离方差;
根据所述距离方差确定表征目标边缘处缺陷的像素点。
6.如权利要求5所述的方法,其特征在于,所述确定每条边缘校准线对应的边缘像素点集合包括:
对每个边缘像素点,计算该边缘像素点与各边缘校准线之间的距离最小值,根据所述距离最小值确定该候选像素点对应的边缘校准线。
7.如权利要求5所述的方法,其特征在于,所述根据所述距离方差确定表征目标边缘处缺陷的像素点包括:
若连续多个边缘像素点的距离方差均大于预设的方差阈值,且该连续多个边缘像素点的数量大于预设的数量阈值,则该连续多个边缘像素点为表征目标边缘处缺陷的像素点。
8.如权利要求1~7中任一项所述的方法,其特征在于,所述目标为玻璃芯片,该方法还包括:
根据边缘像素点确定的边缘轮廓,将二值化图像中边缘轮廓内的部分进行填充处理。
9.一种目标边缘处缺陷的检测装置,包括:
获取单元,用于获取目标的待检测图像;
边缘确定单元,用于根据所述待检测图像确定表征目标边缘的边缘像素点;
筛除单元,用于从所述边缘像素点中筛除干扰点,得到候选像素点;具体用于根据边缘像素点确定外接图形轮廓线,所述外接图形轮廓线是一条构成闭合图像的线,将所述外接图形轮廓线按照拐点分成多条,使得边缘像素点与距离最近的一条外接图形轮廓线相对应;计算各边缘像素点与相应外接图形轮廓线的距离方差;根据距离方差筛除边缘像素点中的干扰点;
拟合单元,用于对候选像素点进行直线拟合处理得到边缘校准线;
缺陷确定单元,用于根据边缘像素点和所述边缘校准线之间的距离,确定表征目标边缘处缺陷的像素点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110401749.7A CN113160161B (zh) | 2021-04-14 | 2021-04-14 | 目标边缘处缺陷的检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110401749.7A CN113160161B (zh) | 2021-04-14 | 2021-04-14 | 目标边缘处缺陷的检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113160161A CN113160161A (zh) | 2021-07-23 |
CN113160161B true CN113160161B (zh) | 2023-07-11 |
Family
ID=76890430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110401749.7A Active CN113160161B (zh) | 2021-04-14 | 2021-04-14 | 目标边缘处缺陷的检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113160161B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113870266B (zh) * | 2021-12-03 | 2022-03-11 | 中导光电设备股份有限公司 | 一种基于tft-lcd线条缺陷真实性判定方法和*** |
CN114800660B (zh) * | 2022-06-27 | 2022-09-30 | 浙江双元科技股份有限公司 | 一种用于片材分切的缺陷定位***及方法 |
CN115018829A (zh) * | 2022-08-03 | 2022-09-06 | 创新奇智(成都)科技有限公司 | 一种玻璃瑕疵定位方法及装置 |
CN115239737B (zh) * | 2022-09-26 | 2022-12-13 | 淄博永丰环保科技有限公司 | 基于图像处理的瓦楞纸缺陷检测方法 |
CN117350984B (zh) * | 2023-10-23 | 2024-05-28 | 保定景欣电气有限公司 | 一种单晶硅放肩开叉的检测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805870A (zh) * | 2018-06-14 | 2018-11-13 | 安徽海思达机器人有限公司 | 一种带针座的接插件的检测方法 |
CN110570471A (zh) * | 2019-10-17 | 2019-12-13 | 南京鑫和汇通电子科技有限公司 | 一种基于深度图像的立方物体体积测量方法 |
CN112651343A (zh) * | 2020-12-28 | 2021-04-13 | 哈尔滨市科佳通用机电股份有限公司 | 一种基于图像处理的铁路货车制动梁折断故障识别方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050659A (zh) * | 2014-05-26 | 2014-09-17 | 华中科技大学 | 一种测量工件线性边缘的方法 |
CN104614385B (zh) * | 2015-02-06 | 2017-04-19 | 中国科学院化学研究所 | 打印制版成像的微观质量检测方法 |
CN105335963B (zh) * | 2015-09-24 | 2018-07-03 | 凌云光技术集团有限责任公司 | 一种边缘缺陷检测方法及装置 |
CN107388960B (zh) * | 2016-05-16 | 2019-10-22 | 杭州海康机器人技术有限公司 | 一种确定物体体积的方法及装置 |
CN106503720B (zh) * | 2016-10-19 | 2019-09-13 | 深圳市路远自动化设备有限公司 | 一种去除吸嘴干扰的元件图像识别方法 |
CN109086734B (zh) * | 2018-08-16 | 2021-04-02 | 新智数字科技有限公司 | 一种对人眼图像中瞳孔图像进行定位的方法及装置 |
CN110348307B (zh) * | 2019-06-10 | 2021-06-04 | 武汉理工大学 | 一种起重机金属结构攀爬机器人的路径边缘识别方法及*** |
CN111275633B (zh) * | 2020-01-13 | 2023-06-13 | 五邑大学 | 基于图像分割的点云去噪方法、***、装置和存储介质 |
CN111667477B (zh) * | 2020-06-10 | 2023-06-20 | 创新奇智(广州)科技有限公司 | 磁材尺寸缺陷检测方法、装置、检测设备及可读存储介质 |
CN112330678B (zh) * | 2021-01-07 | 2021-04-02 | 中科慧远视觉技术(北京)有限公司 | 产品边缘缺陷检测方法 |
-
2021
- 2021-04-14 CN CN202110401749.7A patent/CN113160161B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805870A (zh) * | 2018-06-14 | 2018-11-13 | 安徽海思达机器人有限公司 | 一种带针座的接插件的检测方法 |
CN110570471A (zh) * | 2019-10-17 | 2019-12-13 | 南京鑫和汇通电子科技有限公司 | 一种基于深度图像的立方物体体积测量方法 |
CN112651343A (zh) * | 2020-12-28 | 2021-04-13 | 哈尔滨市科佳通用机电股份有限公司 | 一种基于图像处理的铁路货车制动梁折断故障识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113160161A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113160161B (zh) | 目标边缘处缺陷的检测方法和装置 | |
CN111627009B (zh) | 一种屏幕检测方法、装置及头戴显示设备 | |
CN111612781B (zh) | 一种屏幕缺陷检测方法、装置及头戴显示设备 | |
CN111882520B (zh) | 一种屏幕缺陷检测方法、装置及头戴显示设备 | |
CN109509166B (zh) | 印刷电路板图像检测方法和装置 | |
CN112634201B (zh) | 目标检测方法、装置和电子设备 | |
CN117152165B (zh) | 感光芯片缺陷的检测方法、装置、存储介质及电子设备 | |
WO2014129018A1 (ja) | 文字認識装置、文字認識方法及び記録媒体 | |
CN108802051B (zh) | 一种柔性ic基板直线线路气泡及折痕缺陷检测***及方法 | |
CN109102026B (zh) | 一种车辆图像检测方法、装置及*** | |
CN115272199A (zh) | 一种pcb载板缺陷检测方法、***、电子设备及介质 | |
CN114565558A (zh) | 一种cmos芯片表面缺陷检测方法及*** | |
CN114612427A (zh) | 铭牌缺陷检测方法、装置、电子设备及存储介质 | |
WO2014103617A1 (ja) | 位置合せ装置、欠陥検査装置、位置合せ方法、及び制御プログラム | |
CN113160176B (zh) | 缺陷检测方法和装置 | |
CN117058411B (zh) | 电池棱边外形瑕疵识别方法、装置、介质和设备 | |
CN113379678A (zh) | 一种电路板检测方法、装置、电子设备及存储介质 | |
WO2023060927A1 (zh) | 一种3d光栅检测方法、装置、计算机设备及可读存储介质 | |
CN113378847B (zh) | 字符分割方法、***、计算机设备和存储介质 | |
CN114332092A (zh) | 缺陷图像检测方法、***、智能终端和介质 | |
CN113870754A (zh) | 一种面板检测电子信号缺陷判定的方法和*** | |
CN113870262A (zh) | 基于图像处理的印刷电路板分类方法、装置及储存介质 | |
CN115239612A (zh) | 电路板定位方法、装置、设备及存储介质 | |
CN112102456A (zh) | 一种陶瓷片高度检测方法、装置及计算机可读存储介质 | |
CN117333441B (zh) | 一种基于图像数据的pcb板缺陷检测方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |