一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法技术

本发明专利技术涉及一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法，包括：S1、获取标准花纹图像并通过相机标定法对标准花纹图像进行标定，根据标定结果获取最终的待测花纹图像S2、获取标准花纹图像中的非背景像素和待测花纹图像中的非背景像素并分别分配标识；S3、基于特征匹配算法，从标识对应的像素中提取满足第一匹配关系的标准特征点和待测特征点；S4、基于FLANN算法与灰度形心梯度向量，对标准图像特征点描述符和待测图像特征点描述符分别增加属性；S5、基于KNN算法，获取与标准特征点满足第二匹配关系的待测特征点；S6、进行矢量计算，获取待测特征点和标准特征点的转移关系矩阵；S7、获取标准花纹图像和待测花纹图像的对应区域的色差，以确认是否存在缺陷。实施本发明专利技术，能够简单快速的实现非接触式陶瓷砖表面花纹缺陷实时检测。

【技术实现步骤摘要】
一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法
本专利技术涉及缺陷检测
，更具体地说，涉及一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法。
技术介绍
陶瓷砖作为重要建筑装饰材料，其需求量仍在不断增大，我国的陶瓷机械的设备水平在不断提高，但生产设备、工艺设计以及产品检测等方面仍与意大利等陶瓷砖生产强国有着不小的差距。国外高端陶瓷砖产品的涌入对于国内陶瓷砖生产厂家是一个严峻的考验。人们对于陶瓷砖的花纹样式、尺寸大小以及产品品质的要求越来越高，中高端以及高端的陶瓷砖使用率不断扩大，使得高品质陶瓷砖的生产、检测技术水平的提高愈加迫切。目前我国陶瓷砖产业的总体特点是：(1)市场需求量大，高产仍为中低端产品；(2)国内外竞争激烈，高端产品市场占比难以扩大；(3)陶瓷砖生产技术虽然有所提高，但总体水平仍远落后于国际水平。陶瓷砖产品的品质同陶瓷砖生产、加工以及最后检测的仪器设备密切相关。目前，虽然国内已有一些陶瓷砖表面缺陷检测设备的研究，但这些检测设备基本用于小规模测试阶段，大部分厂家仍沿用人工抽检，并且对于表面花纹及色彩的检测，目前的研究多选用HIS模型，选取H分量进行色差分析，多用于品种分类，检测不全面，难以达到对花纹纹理色彩的缺陷判断。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术的上述部分技术缺陷，提供一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法。本专利技术解决其技术问题所采用的技术方案是：构造一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法，包括：S1、获取标准花纹图像并通过相机标定法对所述标准花纹图像进行标定；根据标定结果获取最终的待测花纹图像；S2、扫描所述标准花纹图像以获取所述标准花纹图像中的非背景像素并分配第一标识；扫描所述待测花纹图像以获取所述待测花纹图像中的非背景像素并分配第二标识；S3、基于特征匹配算法，从所述第一标识对应的像素中提取标准特征点，并从所述第二标识对应的像素中提取与所述标准特征点满足第一匹配关系的待测特征点；S4、基于FLANN算法与灰度形心梯度向量，对所述标准特征点的描述符增加第一属性，并对待测特征点的描述符增加第二属性；S5、基于KNN算法，针对所述第一属性、第二属性，以及特征点对间的欧式距离，进行比较分类，以获取与所述标准特征点满足第二匹配关系的待测特征点；S6、对满足所述匹配关系的待测特征点进行矢量计算，以获取所述待测特征点坐标与所述标准特征点坐标的转移关系矩阵；S7、根据所述转移关系矩阵获取所述标准花纹图像和所述待测花纹图像的对应区域的色差，以确认是否存在缺陷。优选地，在所述步骤S7中，当确认存在缺陷时，执行以下步骤：S8、提取所述标准花纹图像的的RGB三通道数据以获取对应的第一一维矩阵，提取所述待测花纹图像的RGB三通道数据以获取对应的第二一维矩阵，比较所述第二一维矩阵和第一一维矩阵相关性以确认所述待测花纹图像的缺陷是否真实。优选地，在所述步骤S1中，所述相机标定法包括张正友标定法。优选地，在所述步骤S1后，还执行以下步骤：S1-1、对所述标准花纹图像和所述待测花纹图像进行平滑滤波。优选地，所述平滑滤波采用的方法包括：均值滤波法、高斯滤波法和超限邻域平滑滤波法中的任意一种。优选地，在所述步骤S2中，基于8邻域联通区域标记法进行联通区域搜索，以对所述所述标准花纹图像和所述待测花纹图像分别进行扫描。优选地，所述步骤S3中，所述特征匹配算法包括：SIFT算法、SURF算法和ORB算法中的任意一种。优选地，在所述步骤S5中，还包括：基于劳氏算法对所述第二匹配关系进行进一步筛选，以获取第三匹配关系。优选地，在所述步骤S6中，所述转移关系矩阵包括：旋转矩阵和/或平移矩阵。优选地，在所述步骤S7中，所述获取所述标准花纹图像和所述待测花纹图像的对应区域的色差还包括：采用色差公式进行区域色差计算。实施本专利技术的一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法，具有以下有益效果：针对国内陶瓷砖表面花纹复杂的现象，能够简单快速的实现非接触式陶瓷砖表面花纹缺陷实时检测。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法第一实施例的程序流程图；图2是本专利技术一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法第二实施例的程序流程图；图3、图4是标准特征点与待测特征点匹配关系示意图。具体实施方式为了对本专利技术的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本专利技术的具体实施方式。如图1所示，在本专利技术的一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法第一实施例中，包括以下步骤：S1、获取标准花纹图像并通过相机标定法对标准花纹图像进行标定，根据标定结果获取最终的待测花纹图像；具体的，陶瓷砖表面缺陷涉及到尺寸检测，尺寸检测分为总体大小尺寸以及边缘缺陷检测，在检测前对相机进行标定，提取出特征点并进行标定，将图像坐标进行统一，优化相机径向畸变以及得到像素与实际尺寸之间的换算关系。同时改善相机拍摄的径向畸变时，减小图片尺寸误差，标定完成后可以将相机拍摄图片尺寸误差在允许范围内。然后通过标定结果获取待测花纹图像。S2、扫描标准花纹图像以获取标准花纹图像中的非背景像素并分配第一标识；扫描待测花纹图像以获取待测花纹图像中的非背景像素并分配第二标识；具体的，对标准花纹图像和待测花纹图像分别进行扫描，对其中的非背景像素分别分配对应的标识，例如，对标准花纹图像的非背景像素分配第一标识，对待测花纹图像的非背景图像分配第二标识。进一步的，在上面的基础上，可以基于8邻域联通区域标记法进行联通区域搜索，以对标准花纹图像和待测花纹图像分别进行扫描。详细操作为，通过8邻域联通区域标记法进行联通区域搜索并对图像进行扫描，找到一个非背景像素点为其分配一个未使用过的标识，并以该像素点为起点，对其8邻域内的像素点进行遍历筛选，将其中非背景像素点标记上同样的标识，以各非背景像素点为起点进行重复操作，这里可以理解对已经标识的不会再去重新标识，背景像素点会有一个统一的标识，当我们对领域点进行标识时，非背景像素是一个标识，背景像素点是另一个统一的标识。多次迭代，直到这些像素点的8邻域内没有未被标识的非背景像素点为止。然后继续扫描，找到一个未被标记的非背景像素点重复以上操作，直到图像中所有的非背景像素点都被分配标识。这里对标准花纹图像和待测花纹图像进行同样的操作，直到对标准花纹图像中的所有非背景像素均分配了第一标识；对待测花纹图像中的所有的非背景像素均分配了第二标识。S3、基于特征匹配算法，从第一标识对应的像素中提取标准特征点，并从第二标识对应的像素中提取与标准特征点满足第一匹配关系的待测特征点；具体的，对标准花纹图像和待测花纹图像中的所有非背景像素进行分配标识后，可以通过特征匹配算法进行特征点提取，根据检测点定义一个邻域，通过待测点的灰度值与邻区内相邻点的灰度值进行比较来判断出与其满足匹配关系的待测特征点，速度快。可以理解这里满足的匹配关系只是进行初步匹配。具体的，这里的特征匹配算法可以包括：SIFT算法、SURF算法和ORB算法中的任意一种。SIFT是一种对图像局部特征进行描述，拥有尺度不变性的描述子，能够在不同尺度空间中检测提取极值点。对光滑表面以及特殊视角的特征提取效果较差。SU本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法，其特征在于，包括：S1、获取标准花纹图像并通过相机标定法对所述标准花纹图像进行标定，根据标定结果获取最终的待测花纹图像；S2、扫描所述标准花纹图像以获取所述标准花纹图像中的非背景像素并分配第一标识；扫描所述待测花纹图像以获取所述待测花纹图像中的非背景像素并分配第二标识；S3、基于特征匹配算法，从所述第一标识对应的像素中提取标准特征点，并从所述第二标识对应的像素中提取与所述标准特征点满足第一匹配关系的待测特征点；S4、基于FLANN算法与灰度形心梯度向量，对所述标准特征点的描述符增加第一属性，并对所述满足第一匹配关系的待测特征点的描述符增加第二属性；S5、基于KNN算法，针对所述第一属性、第二属性，以及特征点对间的欧式距离，进行比较分类，以获取与所述标准特征点满足第二匹配关系的待测特征点；S6、对满足所述匹配关系的待测特征点进行矢量计算，以获取所述待测特征点坐标与所述标准特征点坐标的转移关系矩阵；S7、根据所述转移关系矩阵获取所述标准花纹图像和所述待测花纹图像的对应区域的色差，以确认是否存在缺陷。

【技术特征摘要】
1.一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法，其特征在于，包括：S1、获取标准花纹图像并通过相机标定法对所述标准花纹图像进行标定，根据标定结果获取最终的待测花纹图像；S2、扫描所述标准花纹图像以获取所述标准花纹图像中的非背景像素并分配第一标识；扫描所述待测花纹图像以获取所述待测花纹图像中的非背景像素并分配第二标识；S3、基于特征匹配算法，从所述第一标识对应的像素中提取标准特征点，并从所述第二标识对应的像素中提取与所述标准特征点满足第一匹配关系的待测特征点；S4、基于FLANN算法与灰度形心梯度向量，对所述标准特征点的描述符增加第一属性，并对所述满足第一匹配关系的待测特征点的描述符增加第二属性；S5、基于KNN算法，针对所述第一属性、第二属性，以及特征点对间的欧式距离，进行比较分类，以获取与所述标准特征点满足第二匹配关系的待测特征点；S6、对满足所述匹配关系的待测特征点进行矢量计算，以获取所述待测特征点坐标与所述标准特征点坐标的转移关系矩阵；S7、根据所述转移关系矩阵获取所述标准花纹图像和所述待测花纹图像的对应区域的色差，以确认是否存在缺陷。2.根据权利要求1所述的基于机器视觉的陶瓷砖表面花纹缺陷检测方法，其特征在于，在所述步骤S7中，当确认存在缺陷时，执行以下步骤：S8、提取所述标准花纹图像的的RGB三通道数据以获取对应的第一一维矩阵，提取所述待测花纹图像的RGB三通道数据以获取对应的第二一维矩阵，比较所述第二一维矩阵和第一一维矩阵相关性以确认所述待测花纹图像的缺陷是否真实。3.根据权利要...

【专利技术属性】
技术研发人员：潘俊洋，
申请(专利权)人：深圳市智信精密仪器有限公司，
类型：发明
国别省市：广东,44