一种表面缺陷检测装置及表面缺陷检测方法与流程

1.本技术涉及自动化检测设备技术领域，尤其是涉及一种表面缺陷检测装置及表面缺陷检测方法。


背景技术：

2.表面缺陷检测通常是指对物品表面缺陷的检测，是工艺生产中的重要一环。对图像的处理和分析是表面缺陷检测技术中的重要部分。图像可以看成是一个定义在二维平面上的信号，该信号的幅值对应像素的灰度。如果仅考虑一帧图像的某一行像素，那么可以看成是与时域信号相似的一维空间的信号，但是图像信号是定义在空间域上的。因此图像的频率被称为空间频率，即指单位长度内亮度做周期性变化的次数，它反映了图像的像素灰度在空间中的变化情况。
3.摩尔纹是一种光学现象，是指当感光元件ccd/cmos像素的空间频率与影像中条纹的空间频率接近时，可能产生的一种新的波浪形的干扰图纹，这种干扰图纹即是摩尔纹。两个频率接近的等幅正弦波叠加，合成信号的幅度将按照两个频率之差变化，就是差拍现象，摩尔纹也是差拍现象的一种表现形式。
4.目前，表面缺陷检测通常是采用机器视觉检测技术，即通过ccd等设备获取工件图像，基于工件图像对工件表面的斑点、凹坑、划痕、色差以及缺损等进行检测。
5.在实现本技术的过程中，发明人发现上述技术至少存在以下问题：基于图像分析的表面缺陷检测技术在针对圆弧形表面或光滑表面等特殊检测场景时，难以精确地检出表面缺陷，导致产品质量的检验效果差。


技术实现要素：

6.为了扩大表面缺陷检测的适用场景范围，提高表面缺陷检测的精准度，本技术提供一种表面缺陷检测装置及表面缺陷检测方法。
7.第一方面，本技术提供的一种表面缺陷检测装置，采用如下的技术方案：一种表面缺陷检测装置，包括图像获取装置、控制终端以及检测平台，所述检测平台用于放置待检测工件，所述图像获取装置受控于所述控制终端，所述图像获取装置包括镜头以及光栅，所述光栅设于所述镜头以及检测平台之间，用于在所述图像获取装置获取有缺陷的待检测工件的检测图像时产生摩尔纹特征。
8.通过采用上述技术方案，将待检测工件放置在检测平台上后，由图像获取装置获取工件的检测图像，此时设置在镜头与待检测工件之间的光栅与图像获取装置的感光元件发生差拍现象导致检测图像上出现摩尔纹特征，从而有助于使得控制终端借助摩尔纹特征进行检测图像的表面缺陷检测分析，摩尔纹特征的产生是光学现象，因此针对于不同的工件表面均可以获取摩尔纹特征，从而扩大了表面缺陷检测装置在不同的表面下的应用范围，有助于提高表面缺陷检测的精准度。
9.在一个具体的可实施方式中，所述光栅设置为条纹光栅，所述光栅的条纹间隔基
于所述待检测工件的缺陷标准设定，所述缺陷标准至少包括面积大小以及长款尺寸。
10.通过采用上述技术方案，光栅的条纹间隔基于待检测工件的缺陷标准设定，有助于根据不同的检验标准调节光栅，从而有助于从检测对象的可变性以及缺陷标准的可调性来增强表面缺陷检测装置使用上的灵活性。
11.在一个具体的可实施方式中，所述表面缺陷检测装置还包括环境光源，所述环境光源可调且受控于所述控制终端。
12.通过采用上述技术方案，受控于控制终端的可调环境光源有助于使得图像获取装置得以获取待检测工件在不同的环境光下的检测图像，从而使得技术人员得以根据需求检测待检测工件的表面缺陷，有助于提高表面缺陷检测装置的应用范围。
13.在一个具体的可实施方式中，所述检测平台包括支架，所述支架设置为与所述待检测工件匹配。
14.通过采用上述技术方案，检测平台包括与待检测工件匹配的支架，支架去待检测工件相匹配，有助于使得技术人员根据实际地待检测工件更换检测平台上的支架，从而有助于增强表面缺陷检测的稳定性以及使用上的灵活性。
15.第二方面，本技术提供一种表面缺陷检测方法，采用如下的技术方案：一种表面缺陷检测方法，所述表面缺陷检测方法是基于如第一方面中任一所述的一种表面缺陷检测装置实现的，包括以下步骤：获取所述待检测工件的检测图像；基于预设的边缘识别算法，提取所述检测图像的摩尔纹特征轮廓信息，所述摩尔纹特征轮廓信息至少包括特征点位置以及特征灰度值；将所述特征灰度值与预设的缺陷阈值对照；若所述特征灰度值高于所述缺陷阈值，则判断所述待检测工件存在缺陷；若所述待检测工件存在缺陷，基于所述摩尔纹特征轮廓信息计算缺陷物理参数。
16.通过采用上述技术方案，通过对检测图像中的摩尔纹采取边缘识别算法，有助于将检测图像中检测到的图像信息得以数字化地表现出来，通过特征点位置有助于对表面缺陷进行定位，通过特征灰度值有助于辅助技术人员判断表面缺陷的物理参数，经过阈值比对可以实现表面缺陷检测装置自动化地判断缺陷的存在情况，有助于提高装置的检测效率，最终在摩尔纹特征的辅助下，有助于将处理复杂表面的3d表面检测技术替换为基于摩尔纹特征的2d表面检测技术，从而扩大了表面缺陷检测装置的适用场景，提高了表面缺陷检测的精确度。
17.在一个具体的可实施方式中，所述获取所述待检测工件的检测图像之前还包括：基于预设的环境参数调节检测设备的成像环境；获取所述待检测工件的标准品在每一种所述成像环境下的样本图像通过采用上述技术方案，获取待检测工件在不同的成像环境下的样本图像，有助于使得终端得以在不同的检测需求下，调取对应的样本进行对照，从而有助于终端检测表面缺陷的应用范围以及使用上的灵活性。
18.在一个具体的可实施方式中，所述获取所述待检测工件的标准品在每一种所述成像环境下的样本图像之后还包括：基于在不同成像环境下的所述样本图像创建样本集；
以所述样本集为训练样本训练以获取标注模型。
19.通过采用上述技术方案，基于在不同环境光源下的样本图像创建样本集，并通过训练获取标注模型，有助于借助模型来实现检测图像的快速对照分析，从而有助于提高表面缺陷检测的效率。
20.在一个具体的可实施方式中，所述以所述样本集为训练样本训练以获取标注模型之后还包括：获取所述待检测工件的检测图像；运用所述标注模型对所述检测图像进行缺陷标注，并输出缺陷物理参数。
21.通过采用上述技术方案，基于标注模型对检测图像进行对照标注，有助于提高表面缺陷检测的效率，并通过输出具体的数值来描述缺陷的物理参数，有助于辅助技术人员对缺陷进行分析和判断，从而对生产过程进行修正，最终有助于实现产品改良的目的。
22.第三方面，本技术提供一种智能终端，采用如下的技术方案：一种智能终端，所述智能终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第二方面任一所述的一种表面缺陷检测方法。
23.通过采用上述技术方案，智能终端中的处理器可以根据存储器中存储的相关计算机程序，实现上述一种表面缺陷检测方法，进而扩大表面缺陷检测的适用场景范围，提高表面缺陷检测的精准度。
24.第四方面，本技术提供一种计算机可读存储介质，采用了如下的技术方案：一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如第二方面任一所述的一种表面缺陷检测方法。
25.通过采用上述技术方案，能够存储相应的程序，进而扩大表面缺陷检测的适用场景范围，提高表面缺陷检测的精准度。
26.综上所述，本技术包括以下至少一种有益技术效果：1.将待检测工件放置在检测平台上后，由图像获取装置获取工件的检测图像，此时设置在镜头与待检测工件之间的光栅与图像获取装置的感光元件发生差拍现象导致检测图像上出现摩尔纹特征，从而有助于使得控制终端借助摩尔纹特征进行检测图像的表面缺陷检测分析，摩尔纹特征的产生是光学现象，因此针对于不同的工件表面均可以获取摩尔纹特征，从而扩大了表面缺陷检测装置在不同的表面下的应用范围，有助于提高表面缺陷检测的精准度；2.通过对检测图像中的摩尔纹采取边缘识别算法，有助于将检测图像中检测到的图像信息得以数字化地表现出来，通过特征点位置有助于对表面缺陷进行定位，通过特征灰度值有助于辅助技术人员判断表面缺陷的物理参数，经过阈值比对可以实现表面缺陷检测装置自动化地判断缺陷的存在情况，有助于提高装置的检测效率，最终在摩尔纹特征的辅助下，有助于将处理复杂表面的3d表面检测技术替换为基于摩尔纹特征的2d表面检测技术，从而扩大了表面缺陷检测装置的适用场景，提高了表面缺陷检测的精确度；3.基于标注模型对检测图像进行对照标注，有助于提高表面缺陷检测的效率，并
通过输出具体的数值来描述缺陷的物理参数，有助于辅助技术人员对缺陷进行分析和判断，从而对生产过程进行修正，最终有助于实现产品改良的目的。
附图说明
27.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
28.图1是本技术实施例中示出的一种表面缺陷检测装置的架构图；图2是本技术实施例中示出的一种表面缺陷检测方法的方法流程图；图3是本技术实施例中示出的智能终端的结构示意图。
29.附图标记说明：1、图像获取装置；11、镜头；12、光栅；2、控制终端；3、检测平台；31、支架；4、环境光源。
具体实施方式
30.本具体实施例仅仅是对本技术的解释，其并不是对本技术的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本技术的权利要求范围内都受到专利法的保护为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图1-3，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。
31.本技术实施例提供了一种表面缺陷检测方法，所述方法基于一种表面缺陷检测装置实现，执行主体可以是智能终端，并由图像获取装置1辅助实现。可以如图1所示。其中，一种表面缺陷检测装置包括图像获取装置1、环境光源4、控制终端2以及检测平台3。在实施中，检测平台3用于放置待检测工件，检测平台3可以是静态的平台式的装置，检测平台3上设有用于固定待检测工件的支架31，在支架31的作用下，待检测工件得以被固定于特定位置并以特定角度面向图像获取装置1，以使图像获取装置1得以获取待检测工件在固定角度的检测图像。此外，检测平台3也可以是动态的、设于工件生产运输线上特定检测位置，在待检测工件的运输过程中，经控制终端2控制可以使待检测工件在图像获取装置1下静止，从而使得图像获取装置1对待检测工件进行拍摄。
32.参考图1，图像获取装置1可以基于工业相机构建，包括镜头11，镜头11对准检测平台3设置，用于获取检测平台3上的待检测工件的检测图像。镜头11前还设有光栅12，光栅12用于在检测图像上产生摩尔纹特征，光栅12可以设置为条纹格光栅12，条纹格光栅12中条纹的间隔大小基于对工件表面缺陷的认定标准而设定，表面缺陷的认定标准即对工件表面存在的鼓包、凹坑、凸起、翘起等外观缺陷的物理参数，通过量化的标准进行认定，当外观缺陷的物理参数超过预设的阈值时，则判断为表面缺陷。例如例待检产品需检出大小2mm2的鼓包缺陷且深度0.1mm，可以选用1毫米左右的条纹间隔。
33.参考图1，表面缺陷检测装置还包括环境光源4，环境光源4与控制终端2连接且受控于环境光源4，环境光源4设置为具有多种显示模式，以针对待检测工件的特性进行环境调节。
34.下面将结合具体实施方式，对图2所示的处理流程进行详细的说明，内容可以如下：步骤201，获取所述待检测工件的检测图像。
35.在实施中，在待检测工件固定至检测平台后，智能终端可以通过图像获取装置获取待检测工件的检测图像。此时，检测图像中包括具有摩尔纹特征的待检测工件图像以及放置待检测工件的检测平台的图像。
36.步骤202，基于预设的边缘识别算法，提取所述检测图像的摩尔纹特征轮廓信息，所述摩尔纹特征轮廓信息至少包括特征点位置以及特征灰度值。
37.在实施中，智能终端获取检测图像后，可以通过边缘识别算法，提取出检测图像上的摩尔纹特征轮廓信息。具体的，边缘识别算法可以基于所拍摄的检测图像建议二维坐标系，基于坐标系对检测图像的每个像素点进行定位，并根据检测图像的像素灰度值的阶跃变化分析图像中不连续处，从而推导缺陷边缘轮廓。最终获取检测图像的摩尔纹特征轮廓信息，摩尔纹特征轮廓信息可以包括用于定位轮廓位置的特征点位置以及用于体现特征测量值的特征灰度值。
38.步骤203，将所述特征灰度值与预设的缺陷阈值对照。
39.在实施中，智能终端获取摩尔纹特征轮廓信息后，为了判断出工件是否存在表面缺陷，可以将检测图像中摩尔纹特征轮廓信息中包含的特征灰度值与预设的缺陷阈值进行对照，将特征点灰度值大于缺陷阈值的轮廓判断为表面缺陷。具体的，缺陷阈值可以由技术人员提前设置并存储在智能终端内，由于缺陷阈值是针对像素灰度值设置的，因此缺陷阈值的具体数值与像素灰度值的影响因素相关，例如对缺陷的判断标准、待检测工件的检测环境光源等。
40.这样，智能终端可以借助预设的缺陷阈值，自动化地判断检测图像中的表面缺陷的存在情况以及分布情况。
41.步骤204，若所述特征灰度值高于所述缺陷阈值，则判断所述待检测工件存在缺陷。
42.在实施中，智能终端基于缺陷阈值对摩尔纹特征轮廓信息进行对照后，若存在有特征灰度值高于缺陷阈值的情况，则可以判断待检测工件上存在表面缺陷，表面缺陷的特征点灰度值高于缺陷阈值，表面缺陷的位置即是高于缺陷阈值的特征点灰度值对应的特征点位置。
43.步骤205，若所述待检测工件存在缺陷，基于所述摩尔纹特征轮廓信息计算缺陷物理参数。
44.在实施中，智能终端若判断出待检测工件上不存在表面缺陷，则可以判定待检测工件为良品。相应的，智能终端若判断出待检测工件上存在表面缺陷，为了进行进一步分析，智能终端可以基于摩尔纹特征轮廓信息计算出表面缺陷对应的缺陷物理参数。具体的，缺陷物理参数可以包括表面缺陷的长宽尺寸、凹陷深度或突出高度等。缺陷物理参数可以基于摩尔纹特征轮廓信息进行计算。
45.这样，有助于辅助技术人员对表面缺陷的产生因素进行分析，从而反馈至生产端进行改良，借助表面缺陷检测形成生产的正向反馈，有助于提高产品整体的良品率。
46.在一个实施例中，通过对检测图像的实时分析计算进行表面缺陷的检测效率较
低，因此相应的，步骤201之后还可以包括如下处理：基于预设的环境参数调节检测设备的成像环境；获取所述待检测工件的标准品在每一种所述成像环境下的样本图像；基于在不同成像环境下的所述样本图像创建样本集；以所述样本集为训练样本训练以获取标注模型；获取所述待检测工件的检测图像；运用所述标注模型对所述检测图像进行缺陷标注，并输出缺陷物理参数。
47.具体的，智能终端可以将存在缺陷的待检测工件上的缺陷位置进行特征点标注，将标注完成的样本图像集合为样本集，随后基于样本集进行样本训练，训练完成后可得到标注模型。在实际应用中，智能终端可以将标注模型导入到检测程序中，在量产机台上进行跑料测试，最后输出前检测产品的测量结果，其中检测结果可以包括缺陷的存在情况以及缺陷的物理参数。
48.基于相同的技术构思，本发明实施例还提供了一种表面缺陷检测系统，所述系统包含：图像获取模块，用于获取所述待检测工件的检测图像；边缘识别模块，用于基于预设的边缘识别算法，提取所述检测图像的摩尔纹特征轮廓信息，所述摩尔纹特征轮廓信息至少包括特征点位置以及特征灰度值；特征比对模块，用于将所述特征灰度值与预设的缺陷阈值对照；缺陷判断模块，用于若所述特征灰度值高于所述缺陷阈值，则判断所述待检测工件存在缺陷；参数计算模块，用于若所述待检测工件存在缺陷，基于所述摩尔纹特征轮廓信息计算缺陷物理参数。
49.本技术实施例还公开一种智能终端，智能终端包括存储器和处理器，存储器上存储有能够被处理器加载并执行如上述的一种表面缺陷检测方法的计算机程序。
50.基于相同的技术构思，本技术实施例还公开一种计算机可读存储介质，包括能够被处理器加载执行时实现上述一种表面缺陷检测方法流程中的各个步骤。
51.计算机可读存储介质例如包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
52.所属领域的技术人员可以清楚地了解到，为描述的方便和简化，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
53.集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本技术各个实施例方法的全部或部分步骤。而前述的存储介质包括：u 盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
54.以上所述，以上实施例仅用以对本技术的技术方案进行了详细介绍，但以上实施例的说明只是用于帮助理解本技术的方法及其核心思想，不应理解为对本技术的限制。本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。