本发明专利技术适用于表面缺陷检测技术领域，提供了一种小尺寸玻璃面板表面缺陷检测方法及系统，所述方法具体为：为了避免受面板边缘和音孔区域高亮的影响，首先提取面板边轮廓和音孔轮廓，在此基础上提取内部区域灰度图像；并进一步得到内部区域特征图，计算特征图灰度均值；基于特征图灰度均值设定阈值进行分割，并对分割后的结果进行BLOB分析，具体地，根据所选面积、长宽比等特征进行判断，排除灰尘等伪缺陷，检测出缺陷。本发明专利技术提供的一种小尺寸玻璃面板表面缺陷检测方法及系统，可检测多种型号的玻璃面板划痕、亮点、凹凸点等缺陷；并且其检测时间短，对于小尺寸玻璃面板轻微划痕等缺陷检测精度高。
【技术实现步骤摘要】
本专利技术属于表面缺陷检测
，尤其设及一种小尺寸玻璃面板表面缺陷检测 方法及系统。
技术介绍
目前，对于玻璃面板表面缺陷的检测与识别方法归纳起来有Ξ类：图像匹配比较 法，非图像匹配比较法和混合法。（1)图像匹配比较法，运种方法是将作为模板的标准图像 与被检测的图像进行对比得到的图像差，通过图像差阔值，色差阔值和像素个数阔值化处 理后，比较缺陷处的邻域像素来查找玻璃缺陷，此方法对于轻微的划痕，效果不明显。（2)非 图像匹配比较法，运种方法不需要模板图像，它依据预先定义的设计规则来判断待检测图 像是否有瑕疵，优点是内存需求小、处理灵活，缺点是对于小尺寸玻璃面板表面缺陷，尤其 是轻微浅划痕，该方法要么算法比较复杂检测时间长;要么检测效果不明显;再者就是受玻 璃面板孔和边缘高亮的影响，会造成边缘区域轻微划痕漏检。（3)混合法，它是前述两种方 法的综合，在一定程度上克服了前两类方法的缺点，但目前运种方法还不是很成熟，其算法 复杂，不能满足实时检测的要求，且自适应性不够，系统扩展能力较差。
技术实现思路
本专利技术所要解决的技术问题在于提供一种小尺寸玻璃面板表面缺陷检测方法及 系统，旨在解决现有技术中对于玻璃面板表面缺陷检测时间长、检测精度低的问题。 本专利技术是运样实现的，一种小尺寸玻璃面板表面缺陷检测方法，所述方法包括下 述步骤： 步骤S1，提取玻璃面板表面的灰度图像，并对灰度图像进行预处理； 步骤S2,对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特 征，若二值化分割后的各轮廓特征的值在预设第一阔值范围内，则提取所述轮廓特征中的 面板边缘轮廓和音孔轮廓的二值化图像； 步骤S3,对提取的面板边缘轮廓和音孔轮廓二值化图像进行取反，若取反后的区 域的参数在预设的第二阔值范围内，则提取面板内部区域二值化图像;并与所述玻璃面板 表面的灰度图像相与，进而得到内部区域的灰度图像；[000引步骤S4,对所述内部区域的灰度图像进行开运算，并将内部区域的灰度图像与开 运算后的图像相减，得到内部区域特征图； 步骤S5,计算内部区域特征图的灰度均值A，并比较|G(i，j)-A|与预设的第Ξ阔值 AG的大小，其中，G(i，j)为内部区域特征图中像素点（i，j)的灰度值;若|G(i，j)-A|小于第 Ξ阔值Δ G，则代表玻璃面板中点（i，j)合格;若I G( i，j )-A I不小于第Ξ阔值Δ G，则代表玻 璃面板中该点（i，j)不合格； 步骤S6,对内部区域特征图的每个像素点进行二值化，若不合格的像素点组成的 连通域在预设的第四阔值范围内，则为伪缺陷;相反，则为真缺陷。 进一步地，所述步骤SI中，所述预处理具体为滤波、去噪。 进一步地，所述步骤S2中，所述预设的第一阔值包括所述面板边缘轮廓长度L1的 极大值Llmax、极小值Llmin和面板边缘轮廓所围面积A1的极大值Almax、极小值Almin ;所述预设 的第一阔值还包括所述音孔轮廓长度L2的极大值L2max、极小值L2min和音孔轮廓所围面积A2 的极大值A2 max、 极小值A2min; 所述步骤S2具体为： 对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二 值化分割后的各轮廓特征的值满足： 则提取所述轮廓特征中的面板边缘轮廓和音孔轮廓的二值化图像。 进一步地，所述步骤S3中，所述预设的第二阔值包括所述面板内部区域轮廓长度 L3的极大值L3max、极小值L3min和面板内部区域轮廓所围面积A3的极大值A3max、极小值A3min ; 所述步骤S3具体为： 对提取的面板边缘轮廓和音孔轮廓二值化图像进行取反，若取反后的区域的参数 满足： 则提取面板内部区域二值化图像;并与所述玻璃面板表面的灰度图像相与，进而 得到内部区域的灰度图像。 进一步地，所述步骤S5中，所述灰度均值A的表达式为： A= Σ6(?, j)/N； 其中，N为内部区域特征图的像素个数。 进一步地，所述步骤S6中，对每个像素进行二值化后，则有 进一步地，所述步骤S6中，所述第四阔值包括所述连通域轮廓长宽比L4的极大值 L4max、极小值L4min和所述连通域面积A4的极大值A4max、极小值A4min ;所述步骤S6具体为： 对内部区域特征图的每个像素点进行二值化，若不合格的像素点组成的连通域满 足： 则为伪缺陷；相反，则为真缺陷。 本专利技术还提供了一种小尺寸玻璃面板表面缺陷检测系统，所述系统包括： 灰度图像提取模块，用于提取玻璃面板表面的灰度图像，并对灰度图像进行预处 理； 轮廓提取模块，用于对玻璃面板表面的预处理后的灰度图像进行二值化分割得到 若干轮廓特征，若二值化分割后的各轮廓特征的值在预设第一阔值范围内，则提取所述轮 廓特征中的面板边缘轮廓和音孔轮廓的二值化图像； 内部区域灰度图像获取模块，用于对提取的面板边缘轮廓和音孔轮廓二值化图像 进行取反，若取反后的区域的参数在预设的第二阔值范围内，则提取面板内部区域二值化 图像;并与所述玻璃面板表面的灰度图像相与，进而得到内部区域的灰度图像； 内部区域特征图获取模块，用于对所述内部区域的灰度图像进行开运算，并将内 部区域的灰度图像与开运算后的图像相减，得到内部区域特征图； 像素点合格与否判断模块，用于计算内部区域特征图的灰度均值A，并比较|G(i, j)-A|与预设的第Ξ阔值AG的大小，其中，G(i，j)为内部区域特征图中像素点（i，j)的灰度 值;若I G(i，j)-A I小于第S阔值Δ G，则代表玻璃面板中点（i，j)合格;若I G( i，j )-A I不小于 第Ξ阔值Δ G，则代表玻璃面板中该点（i，j)不合格； 缺陷判断模块，用于对内部区域特征图的每个像素点进行二值化，若不合格的像 素点组成的连通域在预设的第四阔值范围内，则为伪缺陷;相反，则为真缺陷。 进一步地，所述预处理具体为滤波、去噪。 进一步地，所述灰度均值A的表达式为： A= Σ6(?, j)/N； 其中，N为内部区域特征图的像素个数。 本专利技术与现有技术相比，有益效果在于:本专利技术提供的一种小尺寸玻璃面板表面 缺陷检测方法及系统，可检测多种型号的玻璃面板划痕、亮点、凹凸点等缺陷；并且其检测 时间短，对于小尺寸玻璃面板轻微划痕等缺陷检测精度高。【附图说明】 图1是本专利技术实施例提供的小尺寸玻璃面板表面缺陷检测方法示意图； 图2是本专利技术实施例提供的提取的玻璃面板的原图图像； 图3是本专利技术实施例提供的玻璃面板边缘轮廓和音孔轮廓图像； 图4是本专利技术实施例提供的玻璃面板内部区域的灰度图像； 图5是本专利技术实施例提供的玻璃面板内部区域的特征图图像； 图6是本专利技术实施例提供的标记的玻璃面板的真缺陷图像；图7是本专利技术实施例提供的小尺寸玻璃面板表面缺陷检测的系统流程图。【具体实施方式】 为了使本专利技术的目的、技术方案及优点更加清楚明白，W下结合附图及实施例，对 本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用W解释本专利技术，并 不用于限定本专利技术。 本专利技术的主要实现思想为：为了避免受面板边缘和音孔区域高亮的影响，首先提 取面板边轮廓和音孔轮廓，在此基础上提取内部区域灰度图像;并进一步得到内部区域特 征图，计算特征图灰度均值;基于特征图灰度均值设定阔值进行分本文档来自技高网...
【技术保护点】
一种小尺寸玻璃面板表面缺陷检测方法，其特征在于，所述方法包括下述步骤：步骤S1，提取玻璃面板表面的灰度图像，并对灰度图像进行预处理；步骤S2，对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二值化分割后的各轮廓特征的值在预设第一阈值范围内，则提取所述轮廓特征中的面板边缘轮廓和音孔轮廓的二值化图像；步骤S3，对提取的面板边缘轮廓和音孔轮廓二值化图像进行取反，若取反后的区域的参数在预设的第二阈值范围内，则提取面板内部区域二值化图像；并与所述玻璃面板表面的灰度图像相与，进而得到内部区域的灰度图像；步骤S4，对所述内部区域的灰度图像进行开运算，并将内部区域的灰度图像与开运算后的图像相减，得到内部区域特征图；步骤S5，计算内部区域特征图的灰度均值A，并比较|G(i,j)‑A|与预设的第三阈值ΔG的大小，其中，G(i,j)为内部区域特征图中像素点(i,j)的灰度值；若|G(i,j)‑A|小于第三阈值ΔG，则代表玻璃面板中点(i,j)合格；若|G(i,j)‑A|不小于第三阈值ΔG，则代表玻璃面板中该点(i,j)不合格；步骤S6，对内部区域特征图的每个像素点进行二值化，若不合格的像素点组成的连通域在预设的第四阈值范围内，则为伪缺陷；相反，则为真缺陷。...
【技术特征摘要】
【专利技术属性】
技术研发人员：程涛，冯平，刘新辉，孙高磊，彭涛，
申请(专利权)人：程涛，冯平，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。