一种玻璃低对比度异物和异色不良的检测方法与流程

1.本发明涉及玻璃低对比度异物和异色不良的检测方法领域，具体涉及一种玻璃低对比度异物和异色不良的检测方法。


背景技术：

2.目前，针对玻璃低对比度异物和异色不良的检测有两种方法，一种是：使用aoi(自动化光学检测设备)，采用图像处理方法是先对图像进行去噪处理，再对图像进行线性变化放大缺陷，找到灰度值差异的区域，从而分割缺陷及背景；另一种则是：人工检验，采用led灯光，在特定背景颜色下，并从特定的角度，通过光源光带区域，观察该种玻璃外观低对比度异物和异色不良。
3.上述两种方法存在很大的缺陷。针对第一种，因为玻璃的对比度很低，与背景灰度值差异极小，因此aoi使用上述的图像处理方法难以找到灰度值差异的区域，无法检出该种缺陷；针对另一种，人工检测，该种缺陷单凭肉眼很难直观的检出，为了检出该种外观缺陷，既要耗费大量的人力进行专项缺陷检验，而且，人工漏检率很高。


技术实现要素：

4.本发明提供一种玻璃低对比度异物和异色不良的检测方法，解决现有使用aoi检测方法或人工检测玻璃低对比度异物和异色不良无法检测出或漏检率高的问题。
5.为解决上述技术问题，本发明的技术方案是：一种玻璃低对比度异物和异色不良的检测方法，使用aoi，并对待检测的玻璃使用红外光作为检测光源，将光源及相机调整至合适的角度，形成反射亮场，以获取背景较为均匀的原始灰度图像，获得原始灰度图像后，针对原始灰度图像预处理过程包括以下步骤：
6.步骤a：使用高斯滤波对原始灰度图像进行卷积处理；
7.步骤b：使用灰度值线性变换对原始灰度图像的背景图像进行增益；
8.步骤c：使用灰度值线性变换对原始灰度图像的背景图像扫描方向的校正；
9.步骤d：使用灰度值线性变换对原始灰度图像的背景图像传动方向的校正；
10.步骤e：使用形态学的方法对原始灰度图像最后的降噪处理。
11.优选的，所述步骤a中，所用的原理是把一个像素点的灰度值用其周围的灰度值加权平均后代替，加权平均后的像素点的灰度值为目标灰度值，将这一过程重复运算至整个图片，即卷积处理，达到降噪的效果。
12.优选的，所述步骤a中，卷积处理的具体算法实现如下：将原始灰度图像中的长：31pix，宽：31pix范围内的像素作为基础矩阵，并将31*31符合正态分布的矩阵作为模板矩阵，两矩阵相乘的积再求和，结果再除以模板矩阵的和，所得到的加权平均数即为像素点的目标灰度值。
13.优选的，经过所述步骤a后，所述步骤b中，运用公式：g(x1)＝a1*f(x1)+b1，对原始灰度图像的背景图像进行线性变化，放大缺陷与原始灰度图像的背景图像的差异，达到增
加缺陷对比度的效果，其中，g(x1)表示：输出图像的灰度值，即处理后的原始灰度图像的背景图像的灰度值，a1表示：增益倍率系数，f(x1)表示：原始灰度图像的背景图像的灰度值减去步骤a中得到的对应点的目标灰度值，b1表示：步骤a中得到的对应点的目标灰度值。
14.优选的，经过所述步骤b后，所述步骤c和所述步骤d中，运用公式：g(x2)＝a2*f(x2)，在扫描和传动两个方向对原始灰度图像的背景图像进行线性变化，达到降噪的效果，其中，g(x2)表示：输出图像的灰度值，即处理后的原始灰度图像的背景图像的灰度值，a2表示：补偿系数，f(x2)表示：原始灰度图像的背景图像的灰度值。
15.优选的，经过所述步骤c和所述步骤d后，所述步骤e中，运用形态学中的腐蚀算法，减少原始灰度图像中的亮点像素。
16.本发明实现的有益效果：相对现有检测方法，本发明采用aoi(自动化光学检测设备)并优化图像处理方法，来代替人工检验，一方面可以节省人力，相应设备产能可以达到30k/台/天，同时，降低漏检，检出率>90％，避免退货赔偿。不仅如此，本发明采用红外光作为检测光源，可以获得稳定的原始灰度图像，并使用高斯滤波对原始灰度图像进行卷积处理，既保留了缺陷的特征，也降低了原始灰度图像的噪音，且对原始灰度图像的背景图像进行线性变化，不对缺陷过多的处理，采用增大原始灰度图像的背景图像的灰度值的方法，增强缺陷对比度，使得更加容易检测、分辨出玻璃低对比度异物和异色不良。
附图说明
17.图1为本发明玻璃低对比度异物和异色不良的检测方法的流程图。
18.附图仅用于示例性说明，不能理解为对本专利的限制；对于本领域技术人员来说，附图中某些公知知识及其说明可能省略是可以理解的。
具体实施方式
19.为了便于本领域技术人员理解，下面将结合附图以及实施例对本发明进行进一步详细描述。具体如下：
20.如图所示，玻璃低对比度异物和异色不良的检测方法，使用aoi，并对待检测的玻璃使用红外光作为检测光源，将光源及相机调整至合适的角度，形成反射亮场，以获取背景较为均匀的原始灰度图像，获得原始灰度图像后，针对原始灰度图像预处理过程包括以下步骤：
21.步骤a：使用高斯滤波对原始灰度图像进行卷积处理；
22.步骤b：使用灰度值线性变换对原始灰度图像的背景图像进行增益；
23.步骤c：使用灰度值线性变换对原始灰度图像的背景图像扫描方向的校正；
24.步骤d：使用灰度值线性变换对原始灰度图像的背景图像传动方向的校正；
25.步骤e：使用形态学的方法对原始灰度图像最后的降噪处理。
26.具体的，所述步骤a中，所用的原理是把一个像素点的灰度值用其周围的灰度值加权平均后代替，加权平均后的像素点的灰度值为目标灰度值，将这一过程重复运算至整个图片，即卷积处理，达到降噪的效果。
27.具体的，所述步骤a中，卷积处理的具体算法实现如下：将原始灰度图像中的长：31pix，宽：31pix范围内的像素作为基础矩阵，并将31*31符合正态分布的矩阵作为模板矩
阵，两矩阵相乘的积再求和，结果再除以模板矩阵的和，所得到的加权平均数即为像素点的目标灰度值。
28.具体的，经过所述步骤a后，所述步骤b中，运用公式：g(x1)＝a1*f(x1)+b1，对原始灰度图像的背景图像进行线性变化，放大缺陷与原始灰度图像的背景图像的差异，达到增加缺陷对比度的效果，其中，g(x1)表示：输出图像的灰度值，即处理后的原始灰度图像的背景图像的灰度值，a1表示：增益倍率系数，f(x1)表示：原始灰度图像的背景图像的灰度值减去步骤a中得到的对应点的目标灰度值，b1表示：步骤a中得到的对应点的目标灰度值。
29.具体的，经过所述步骤b后，所述步骤c和所述步骤d中，运用公式：g(x2)＝a2*f(x2)，在扫描和传动两个方向对原始灰度图像的背景图像进行线性变化，达到降噪的效果，其中，g(x2)表示：输出图像的灰度值，即处理后的原始灰度图像的背景图像的灰度值，a2表示：补偿系数，f(x2)表示：原始灰度图像的背景图像的灰度值。
30.具体的，经过所述步骤c和所述步骤d后，所述步骤e中，运用形态学中的腐蚀算法，减少原始灰度图像中的亮点像素。
31.显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。