基于机器视觉的缺陷快速检测方法及装置、设备、存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115984246A(43)申请公布日2023.04.18(21)申请号202310080768.3(22)申请日2023.01.17(66)本国优先权数据202210112010.92022.01.27CN(71)申请人华南理工大学地址510641广东省广州市天河区五山路381号(72)发明人高红霞李日红莫宜锦万燕英(74)专利代理机构广州广典知识产权代理事务所(普通合伙)44365专利代理师谢伟(51)Int.Cl.G06T7/00(2017.01)G06T5/00(2006.01)G01N21/88(2006.01)权利要求书2页说明书7页附图2页(54)发明名称基于机器视觉的缺陷快速检测方法及装置、设备、存储介质(57)摘要本发明属于机器视觉技术领域，公开了一种基于机器视觉的缺陷快速检测方法及装置、设备、存储介质，方法包括将待检测图像划分成若干图像子块；计算每个图像子块的多个相位一致性值，并求每个图像子块的多个相位一致性值的平均值；将平均值较大的指定数量个图像子块作为缺陷子块。该检测方法通过计算图像的相位一致性来检测图像中的边缘，可以不受图像局部光线明暗变化的影响，并能包含图像中的角、线、纹理等信息，尤其在图像边缘对比度比较低时保留边缘信息，从而对图像的亮度、对比度不敏感，可以很好的克服光线明暗所带来的纹理结构影响，进而可以提高基于机器视觉的产品表面缺陷检测的精确度。CN115984246ACN115984246A权利要求书1/2页1.基于机器视觉的缺陷快速检测方法，其特征在于，包括：将待检测图像划分成若干图像子块；计算每个所述图像子块的多个相位一致性值；求每个所述图像子块的多个相位一致性值的平均值；将所述平均值较大的指定数量个图像子块作为缺陷子块。2.如权利要求1所述的基于机器视觉的缺陷快速检测方法，其特征在于，所述计算每个所述图像子块的多个相位一致性值，包括：构建自适应LogGabor二维小波；对所述自适应LogGabor二维小波进行尺度和方向变换，生成多个尺度、多个方向的滤波器组，获得每个尺度下的对称滤波器；将每个所述图像子块与所述对称滤波器进行卷积计算，获得每个所述图像子块的卷积结果；根据所述卷积结果，计算每个尺度下、每个方向下的振幅向量和相位向量；根据每个尺度下、每个方向下的振幅向量和相位向量，计算每个所述图像子块的多个相位一致性值。3.如权利要求2所述的基于机器视觉的缺陷快速检测方法，其特征在于，所述对称滤波器包括偶对称滤波器和奇对称滤波器；所述将每个所述图像子块与所述对称滤波器进行卷积计算获得每个所述图像子块的卷积结果，包括：将每个所述图像子块与所述偶对称滤波器进行卷积计算，获得每个所述图像子块的第一卷积子结果；将每个所述图像子块与所述奇对称滤波器进行卷积计算，获得每个所述图像子块的第二卷积子结果；将所述第一卷积子结果和所述第二卷积子结果作为卷积结果。4.如权利要求2或3所述的基于机器视觉的缺陷快速检测方法，其特征在于，所述构建自适应LogGabor二维小波之后，所述方法还包括：获取衰减频率为第一频率值的多个样本图像；计算每个所述样本图像的频谱衰减图，得到衰减至中心频率的指定百分比时所对应第二频率值；根据所述第一频率值和所述第二频率值，确定所述自适应LogGabor二维小波的参数。5.基于机器视觉的缺陷快速检测装置，其特征在于，包括：划分单元，用于将待检测图像划分成若干图像子块；计算单元，用于计算每个所述图像子块的多个相位一致性值；平均单元，用于求每个所述图像子块的多个相位一致性值的平均值；选择单元，用于将所述平均值较大的指定数量个图像子块作为缺陷子块。6.如权利要求5所述的基于机器视觉的缺陷快速检测装置，其特征在于，所述计算单元包括：构建子单元，用于构建自适应LogGabor二维小波；变换子单元，用于对所述自适应LogGabor二维小波进行尺度和方向变换，生成多个尺度、多个方向的滤波器组，获得每个尺度下的对称滤波器；2CN115984246A权利要求书2/2页卷积子单元，用于将每个所述图像子块与所述对称滤波器进行卷积计算，获得每个所述图像子块的卷积结果；第一计算子单元，用于根据所述卷积结果，计算每个尺度下、每个方向下的振幅向量和相位向量；第二计算子单元，用于根据每个尺度下、每个方向下的振幅向量和相位向量，计算每个所述图像子块的多个相位一致性值。7.如权利要求6所述的基于机器视觉的缺陷快速检测装置，其特征在于，所述对称滤波器包括偶对称滤波器和奇对称滤波器；所述卷积子单元，具体用于将每个所述图像子块与所述偶对称滤波器进行卷积计算，获得每个所述图像子块的第一卷积子结果；以及，将每个所述图像子块与所述奇对称滤波器进行卷积计算，获得每个所述图像子块的