本发明公开了一种基于光栅成像的缺陷及三维形貌检测方法，属于机器视觉成像、缺陷检测技术领域。
背景技术
近年来，随着工业4.0时代的到来，工业技术变革的速度越来越快，推动着越来越多的传统制造行业向智能制造和自动化生产制造方向转变。
生产企业都会面临品质检测问题，过去的制造工厂通常采用人工检测的方式，但随着生产技术的提高和社会的发展，人力成本持续增加，且人工检测效率低、易疲劳、主观性大等弊端也逐渐暴露出来，越来越难以满足企业需求。
用机器视觉系统代替人工进行产品的缺陷检测成为一种发展趋势，因为机器视觉检测技术有着100％全检、永不疲劳、标准明确、差异化检测等优势。
机器视觉系统是指通过机器视觉产品(即图像摄取装置)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，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
其中，柔性产品的外观检测是一种比较特殊的需求，该类产品本身具有一定的柔韧性，常见的缺陷包括凹凸点、折痕、压痕等也与该特质有关，一般的视觉检测很难做到完全适应，再加上产品种类的多样性、不同型号的差异性等都极大制约了机器视觉系统的工程化应用，通常需要针对特定产品定制特定光源成像系统及检测软件来满足需求。
技术实现要素：
为了解决上述技术问题，本发明提出了一种基于光栅成像的缺陷及三维形貌检测方法，其中光栅成像技术从创新的角度解决了产品多样性、差异性带来的问题，几乎可以应用到所有柔性产品的缺陷检测中，再结合本发明中的基于光栅成像的缺陷检测算法及三维形貌检测算法，能够满足目前市场上绝大多数的柔性产品的缺陷检测需求。本发明的基于光栅成像的缺陷及三维形貌检测方法运用光栅成像技术及检测算法，快速、精准、稳定地检测被测物表面高度微弱不同变化缺陷，并还原三维形貌特征，达到替代甚至超越人工检测的目的。
本发明解决其技术问题所采用的技术方案为：
一种基于光栅成像的缺陷及三维形貌检测方法，包括以下步骤：
步骤一、学习并建立标准模版；
步骤二、采集待检产品在光栅成像下的云纹图像；
步骤三、对云纹图像进行预处理，得到待检产品的真正的待检区；
步骤四、找到所有可能的缺陷位置；
步骤五、进行三维形貌检测分析并还原待检产品缺陷的三维信息；
步骤六、根据待检产品缺陷的三维信息对待检产品分类处理。
进一步，在步骤一中，学习并建立标准模版的过程为：
选择标准产品，
采集标准产品在光栅成像下的云纹图像，
利用边缘检测算法对标准产品的标准云纹图像的四周边界进行界定，
学习标准产品的云纹信息，
建立云纹信息库和标准模版并保存。
进一步，在步骤二中，通过图像采集模块采集待检产品在光栅成像下的云纹图像。
更进一步，所述图像采集模块为包括至少一台面阵相机和一组光栅光源的光栅成像系统，所述光栅成像系统与感应器相连，所述感应器感应到待检产品后触发面阵相机拍照，获取到待检产品的云纹图像。
进一步，上述步骤二至步骤六在检测系统的自动检测模式下完成。
更进一步，所述检测系统包含预处理模块、缺陷检测模块和三维形貌还原模块。
进一步，在步骤三中，预处理模块将待检产品的云纹图像与标准模版做对比，以标准模版的特征像素作为定位点，匹配待检产品的云纹图像的边界信息，找到待检产品的真正的待检区。
进一步，在步骤四中，缺陷检测模块通过对真正的待检区内的云纹图像进行傅里叶变换到频域，分析其频谱信息，以标准模版生成滤波器，对待检产品的真正的待检区的频域图像应用频域滤波算法，然后反变换回时域，异常区域会被突显出来，利用二值化算法获取缺陷疑似区域并在待检区上标注。
进一步，在步骤五中，三维形貌还原模块利用等高线模型，以随机点在光栅条纹上的收敛过程为判断依据，还原缺陷的三维形貌。
进一步，在步骤六中，若没有检测到缺陷，则默认为合格品；若检测到缺陷，则抛出缺陷位置、三维形貌。
采用本发明的技术方案具有以下技术效果：光栅成像技术解决了产品多样性、差异性带来的问题，几乎可以应用到所有柔性产品的缺陷检测中，再结合本发明中的基于光栅成像的缺陷检测算法及三维形貌检测算法，能够满足目前市场上绝大多数的柔性产品的缺陷检测需求，运用光栅成像技术及检测算法，快速、精准、稳定地检测被测物表面高度微弱不同变化缺陷，并还原三维形貌特征，达到替代甚至超越人工检测的目的。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下将以本发明的较佳实施例并配合附图详细说明。
附图说明
图1为本发明基于光栅成像的缺陷及三维形貌检测方法的一个实施例的流程示意图；
图2为本发明中学习并建立标准模版的流程示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
参见图1，为根据本发明的一个实施例的基于光栅成像的缺陷及三维形貌检测方法的流程示意图，具体包括以下步骤：
步骤一、学习并建立标准模版，具体参见图2，为本发明中学习并建立标准模版的流程示意图，包括以下步骤：选择一标准产品，利用图像采集系统采集标准产品在光栅成像下的云纹图像，学习模块利用边缘检测算法对标准产品的标准云纹图像的四周边界进行界定，学习标准产品的云纹信息，建立云纹信息库和标准模版并保存，其中学习模块学习的内容包括标准产品的边界信息和云纹信息，学习过程中需要不断调整参数，直到建立的标准模版可以满足需求。
步骤二、采集待检产品在光栅成像下的云纹图像，具体包括以下步骤：确定待检产品后，针对待检产品选定光栅规格，设计光栅成像系统，其中，选定的光栅规格一般与待检产品的检测需求有关，规格包括光栅宽度、间距及整体尺寸等，一般检测精度需求越高，选用的光栅分布越密集；设计包含上述光栅成像系统并满足上下料等需求的检测机台，所述检测机台至少包含一套光栅成像系统和检测系统，上下料机构可根据实际需求做调整。
开启检测系统的自动检测模式，自动调用处理算法检测待检产品，给出检测结果及三维形貌信息，其中，检测系统包含预处理模块、缺陷检测模块和三维形貌还原模块，具体包括以下步骤：
步骤三、预处理模块将待检产品的云纹图像与标准模版做对比，以标准模版的特征像素作为定位点，匹配待检产品的云纹图像的边界信息，找到待检产品的真正的待检区；
步骤四、缺陷检测模块通过对真正的待检区内的云纹图像进行傅里叶变换到频域，分析其频谱信息，由于同一类光栅图像的云纹信息的频谱较为接近，以标准模版生成滤波器，对待检产品的真正的待检区的频域图像应用频域滤波算法，然后反变换回时域，异常区域会被突显出来，利用二值化算法获取缺陷疑似区域并在待检区上标注，找到所有可能的缺陷位置；
步骤五、三维形貌还原模块利用等高线模型，从上到下或从左到右地观察云纹图像，将每根光栅纹看作地形等高线，在待检产品的平坦区域，等高线均匀分布，在待检产品的局部形变区，等高线发生形变，产品外形及光栅规格确定的前提下，地形等高线为固定姿态，异常区域等高线分布异常，在异常区域的云纹图像上选取随机分布点，利用梯度下降法以随机点在光栅条纹上的收敛过程为判断依据，求解随机点最终收敛区域，还原产品缺陷的三维信息，其中，根据光栅成像分布的特点，一般光栅成等宽等距分布，投影到产品平面后，从上到下或从左到右地观察云纹图像，将每根光栅纹看作地形等高线，产品平坦区域，等高线均匀分布，局部形变区，等高线发生形变。产品外形及光栅规格确定的前提下，地形等高线为固定姿态，异常区域等高线分布异，在异常区域的云纹上选取随机分布点，利用梯度下降法求解随机点最终收敛区域，根据收敛过程及“凸高为谷，凸低为脊”的基本概念，可以还原产品缺陷的三维信息。
利用该等高线模型，可以检测多种三维形貌特征，如凹点、凸点、折痕、褶皱等，比如，若收敛过程为从两侧向中间收缩，该缺陷为凹点；若收敛过程为从中间向两侧发散，该缺陷为凸点，若收敛过程为同向倾斜，该缺陷为折痕；若收敛过程呈现波浪状，该缺陷可能为褶皱。
步骤六、下料装置根据待检产品缺陷的三维信息对待检产品分类处理，替代人工检测，实现自动检测，若检测模块没有抛出缺陷，则默认为合格品，进入下一道工序处理。若检测模块检测到缺陷，会一并抛出缺陷位置、三维形态及类别，不同的产品处理方式可能存在差异，比如需要直接对不合格品根据类别进行修复后进入一道工序或直接剔除不合格品等，最终都是为了提高产品检测精度和合格率，降低生产成本。
以上步骤二至步骤六可以通过开启自动检测模式自动完成。
以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。