【技术实现步骤摘要】
本专利技术涉及计算机视觉，特别涉及一种基于光度立体视觉的表面缺陷检测及量化方法。
技术介绍
1、表面缺陷检测是工业生产中重要的环节，在新能源领域，锂电池盖板、光伏接线盒等产品在制造过程中会出现不同的产品外观缺陷，常见的缺陷类型有划痕、凹坑、起泡、磨花、碰伤等。传统的2d成像方法是在单一光源和固定光路下进行成像，对于微小缺陷，由于其形状、深度、方向等特殊性质，成像效果往往较差，这些缺陷如果不能检测出来，会对产品的质量造成影响。而基于光度立体视觉的表面缺陷检测技术则可以高效率且高准确率地检测出表面三维缺陷。
2、如苏育挺在论文《基于光度立体与深度学习的电池缺陷检测方法》中指出，电池缺陷检测易受黑色外观干扰，导致仅通过一张单光源下观测图像的局限视觉，无法实现缺陷的有效识别的问题，故而采用了光度立体视觉方法进行划痕、折叠、气泡等缺陷检测。如奚昌泽在论文《金属工件表面缺陷的机器视觉检测方法及应用研究》中采用光度立体算法得到零件表面梯度缺陷图，较为明显的检出表面的凹凸缺陷。如公开号为cn113658155a的专利文献《一种基于光度立体的物体表面瑕疵检测分析方法及装置》中基于光度立体进行缺陷分析，避免了传统的图像处理技术难以对多种不同的物体表面分析找出瑕疵的问题，具有检测准确率较高，且普适性强的特点。如公开号为cn115656189a的专利文献《基于光度立体与深度学习算法的缺陷检测方法及装置》将光度立体与深度学习方法相结合解决了工业相机直接拍摄的图片检测精度低、识别不准确等问题，提高了缺陷检测的准确性。
3、光度立体算
技术实现思路
1、本专利技术的目的在于提供一种基于光度立体视觉的表面缺陷检测及量化方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于光度立体视觉的表面缺陷检测及量化方法，包括以下步骤：
3、步骤一：相机视角不变，多个不同方向光源照射下的待测物体表面图像；
4、步骤二：根据不同光源的方向向量和图像灰度计算物体表面法向量；
5、步骤三：根据法向量计算待测物体散度、旋度、高斯曲率以及平均曲率；
6、步骤四：将散度、旋度、高斯曲率、平均曲率分别归一化至灰度值0-255之间即可得到散度图ic、旋度图id、高斯曲率图igc、平均曲率图imc；
7、步骤五：将散度图ic、旋度图id、高斯曲率图igc、平均曲率图imc进行图像融合，得到一张融合图if；
8、步骤六：检测融合图的边缘，首先采用中值滤波去除融合图中的噪点，然后再与融合图进行相减得到差异图，对差异图做二值化处理即可获取明亮的边缘；
9、步骤七：检测候选缺陷；
10、步骤八：量化候选缺陷的深度p。
11、优选的，所述步骤二的具体步骤为：
12、设物体表面某点p的法向量为n，且n为单位向量，即||n||＝1，光源为平行光源或者点光源，方向向量si是归一化的单位向量，n是光源的数量，p点在不同图像中的灰度为i＝[i1 i2 … in]t，满足下列方程：
13、
14、其中，kd是反射率；
15、当n＝3时，s矩阵可逆，这时则有：kdn＝s-1i，进而反射率kd＝||s-1i||，
16、当n＞3时，s不是方阵，需要采用最小二乘法来计算法向量及反射率，方程变为kdn＝(sts)-1sti，进而反射率kd＝||(sts)-1sti||，
17、优选的，所述步骤三的具体步骤为：
18、物体表面任意一点p的法向量可以表示为n＝(p,q,-1)t，则其x方向和y方向的梯度分别为p、q，对p进行x方向求导，记为p进行y方向求导，记为q进行x方向求导，记为q进行y方向求导，记为
19、优选的，所述散度、旋度、高斯曲率和平均曲率的计算公式分别为：
20、散度：
21、旋度：
22、高斯曲率：
23、平均曲率：
24、优选的，所述步骤五的具体步骤为：
25、分别对ic、id、igc、imc构建levels层高斯金字塔；
26、分别对ic、id、igc、imc构建levels-1层拉普拉斯金字塔；
27、将ic、id、igc、imc拉普拉斯金字塔的相同层分别进行等比例叠加融合，形成新的拉普拉斯金字塔；
28、将ic、id、igc、imc的高斯金字塔最后一层，即第levels-1层进行等比例叠加融合，融合的图像作为起始图与上述新的拉普拉斯金字塔逐层重建图像，得到最终融合图if。
29、优选的，所述步骤六的具体步骤为：
30、中值滤波的卷积核大小为ksize，一般为大于1的奇数，将中心像素点的ksize×ksize邻域内的所有像素点灰度值进行排序，将位于中间的值作为该中心像素点的灰度值，滤波后的图像记为im；
31、if与im相减，得到差异图：idiff＝|if-im|；
32、thresh为灰度阈值，如果idiff中的像素值大于thresh，则将其改为maxval；反之，则改为0，得到二值化图像，
33、优选的，所述步骤七的具体步骤为：
34、对二值化图像进行轮廓提取，得到缺陷的轮廓区域；设置面积阈值tarea和长度阈值tlength，剔除掉面积和长度较小的轮廓区域；进而采用形态学操作对剩余轮廓区域进行膨胀，能够将距离较近的轮廓区域合并；最后进行连通域分析，得到候选缺陷。
35、优选的，所述步骤八中的缺陷可为点状缺陷，包括凹坑、起泡；
36、对于点状缺陷，首先基于候选缺陷轮廓区域计算其最小包围盒，利用sobel算子获取最小包围盒区域的梯度值，然后计算候选缺陷的轮廓区域的梯度均值mg，作为深浅程度的量化标准。
37、优选的，所述步骤八的缺陷还可为线状缺陷；
38、对于线状缺陷，首先基于候选缺陷的轮廓区域计算其最小包围盒，最小包围盒区域减去候选缺陷的区域即为非候选缺陷区域；计算非候选缺陷区域的灰度均值μno，然后候选缺陷的区域和非候选缺陷区域均以μno计算各自的灰度方差，记为σ2、将作为深浅程度的量化标准。
39、优选的，所述步骤一中光源包括照射角和分布角，所述光源数量可为四个，所述照射角均为45°，分布角分别本文档来自技高网...
【技术保护点】
1.一种基于光度立体视觉的表面缺陷检测及量化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于光度立体视觉的表面缺陷检测及量化方法，其特征在于，所述步骤二的具体步骤为：
3.根据权利要求1所述的一种基于光度立体视觉的表面缺陷检测及量化方法，其特征在于，所述步骤三的具体步骤为：
4.根据权利要求3所述的一种基于光度立体视觉的表面缺陷检测及量化方法，其特征在于，所述散度、旋度、高斯曲率和平均曲率的计算公式分别为：
5.根据权利要求1所述的一种基于光度立体视觉的表面缺陷检测及量化方法，其特征在于，所述步骤五的具体步骤为：
6.根据权利要求1所述的一种基于光度立体视觉的表面缺陷检测及量化方法，其特征在于，所述步骤六的具体步骤为：
7.根据权利要求1所述的一种基于光度立体视觉的表面缺陷检测及量化方法，其特征在于，所述步骤七的具体步骤为：
8.根据权利要求1所述的一种基于光度立体视觉的表面缺陷检测及量化方法，其特征在于，所述步骤八中的缺陷可为点状缺陷，包括凹坑、起泡；
9.根据权利
10.根据权利要求1所述的一种基于光度立体视觉的表面缺陷检测及量化方法，其特征在于，所述步骤一中光源包括照射角和分布角，所述光源数量可为四个，所述照射角均为45°，分布角分别为0°、90°、180°和270°。
...【技术特征摘要】
1.一种基于光度立体视觉的表面缺陷检测及量化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于光度立体视觉的表面缺陷检测及量化方法，其特征在于，所述步骤二的具体步骤为：
3.根据权利要求1所述的一种基于光度立体视觉的表面缺陷检测及量化方法，其特征在于，所述步骤三的具体步骤为：
4.根据权利要求3所述的一种基于光度立体视觉的表面缺陷检测及量化方法，其特征在于，所述散度、旋度、高斯曲率和平均曲率的计算公式分别为：
5.根据权利要求1所述的一种基于光度立体视觉的表面缺陷检测及量化方法，其特征在于，所述步骤五的具体步骤为：
6.根据权利要求1所述的一种基于光度立体视觉的表面缺陷检测及量...
【专利技术属性】
技术研发人员：钱凯，沈江华，
申请(专利权)人：德济智能科技苏州有限公司，
类型：发明
国别省市：
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。