【技术实现步骤摘要】
本专利技术涉及机器视觉，具体是基于云-机器视觉的印花隐形眼镜的瑕疵检测方法和系统。
技术介绍
1、隐形眼镜的主要制造方式包含车削、铸模等，由于镜片材料的不同，使得生产过程中易出现各类瑕疵。由于隐形眼镜的瑕疵类型多种多样，因此现有技术中对于隐形眼镜多种瑕疵类型进行检测十分困难。
技术实现思路
1、有鉴于此，本专利技术的目的是提供基于云-机器视觉的印花隐形眼镜的瑕疵检测方法和系统，以解决现有技术中难以对隐形眼镜的多种瑕疵进行检测的问题。
2、为了实现上述目的，本专利技术采用了如下技术方案：
3、本专利技术的基于云-机器视觉的印花隐形眼镜的瑕疵检测方法，包括：
4、获取隐形眼镜的原始图像；
5、对所述原始图像进行预处理，得到过程图像；
6、提取所述过程图像的轮廓特征，并基于所述过程图像的轮廓特征判断所述过程图像中是否存在镜片；
7、在所述过程图像中存在镜片时，对所述过程图像进行双边瑕疵检测、边缘缺损检测、印刷区异物检测和光学区异物检测。
8、在本申请一实施例中，对所述原始图像进行预处理，得到过程图像，包括：
9、将所述原始图像由raw格式转换为rgb格式，得到中间图像；
10、将所述第一中间图像变换至灰度空间，得到灰度图像；
11、对所述灰度图像进行高斯滤波处理，得到过程图像。
12、在本申请一实施例中，提取所述过程图像的轮廓特征，并基于所述过程图像的轮廓特
13、基于轮廓提取算子对所述过程图像的轮廓像素点进行提取；
14、对所述轮廓像素点进行统计，得到轮廓像素点的数量；
15、将所述轮廓像素点的数量与预设的数量阈值进行对比，并在所述轮廓像素点的数量大于所述预设的数量阈值时，判定所述过程图像中存在隐形眼镜，在所述轮廓像素点的数量小于或者等于所述预设的数量阈值时，判定所述过程图像中不存在隐形眼镜。
16、在本申请一实施例中，对所述过程图像进行双边瑕疵检测，包括：
17、对所述过程图像进行二值化处理，得到二值化图像；
18、基于预先配置的形状参数对所述二值化图像中的轮廓进行筛选，得到目标轮廓，其中，所述形状参数包括双边有效轮廓尺寸、矩形度和长宽比；
19、对所述目标轮廓进行形态学处理，得到符合预设形态的目标区域；
20、统计所述目标区域的像素点数量，并将所述目标区域的像素点数量与预设的有效像素数量阈值继续对比，在所述目标区域的像素点数量大于所述有效像素数量阈值时，判定所述过程图像存在因隐形眼镜重叠造成的双边瑕疵；否则，判定所述过程图像不存在双边瑕疵。
21、在本申请一实施例中，对所述过程图像进行边缘缺损检测，包括：
22、从所述过程图像中提取镜片的边缘轮廓图像以及边缘轮廓的几何参数；
23、对所述边缘轮廓进行凸包提取，得到凸包图像；
24、将所述凸包图像与所述边缘轮廓图像进行差分运算，得到差分图像；
25、提取所述差分图像中的轮廓，得到轮廓集合；并对所述轮廓集合中每个轮廓的特征信息进行提取，得到特征信息列表defectlist，其中，所述特征信息包括几何信息和灰度信息，所述特征信息列表defectlist的数学表达式为：
26、defectlist＝{f1,f2,f3,…fi}
27、
28、
29、fi_gray＝{grayi}
30、式中，f1,f2,f3,…fi为第1～i个轮廓的特征信息，为第i个轮廓的几何信息，fi_gray为第i个轮廓的灰度信息，areai为第i个轮廓的面积，li为第i个轮廓的最小外接矩形的长度，wi为第i个轮廓的最小外接矩形的宽度，grayi为第i个轮廓的包围盒的平均灰度值；
31、基于预先配置的检测参数对所述特征信息列表defectlist进行遍历过滤，得到每个轮廓的残缺检测结果。
32、在本申请一实施例中，从所述过程图像中提取镜片的边缘轮廓图像以及边缘轮廓的几何参数，包括：
33、提取所述过程图像中的边缘轮廓，得到边缘轮廓图像；
34、基于预先配置的镜片参数对所述边缘轮廓图像中的轮廓进行筛选，得到镜片的边缘轮廓，其中，所述镜片参数包括最长直径区间、最短直径区间、镜片长短轴最大容忍阈值范围和镜片长宽比；
35、对所述镜片的边缘轮廓的像素点数量统计，得到有效像素数量；并基于所述有效像素数量对所述镜片的边缘轮廓进行完整性校验；
36、在确定所述镜片的边缘轮廓完整时，对所述镜片的边缘轮廓进行拟合，得到拟合轮廓以及拟合轮廓的待检验几何参数；
37、基于预先配置的镜片参数对所述待检验几何参数进行几何校验，在通过对所述待检验几何参数的几何校验时，得到镜片的边缘轮廓的几何参数；
38、基于所述镜片的边缘轮廓构建图像模板roi，得到边缘轮廓图像edge。
39、在本申请一实施例中，所述预先配置的检测参数包括最小长度、最小宽度、最小面积和最低灰度值；
40、其中，基于预先配置的检测参数对所述特征信息列表defectlist进行遍历过滤，得到每个轮廓的残缺检测结果，包括：
41、将所述特征信息列表defectlist中第i个轮廓的特征信息与所述最小长度、所述最小宽度和所述最小面积进行对比；
42、在第i个轮廓的长度li大于所述最小长度，宽度wi大于所述最小宽度，且面积areai大于所述最小面积时，将第i个轮廓的平均灰度值grayi与所述最低灰度值进行对比；
43、在第i个轮廓的平均灰度值grayi大于所述最低灰度值时，判定第i个轮廓无残缺缺陷；否则，判定第i个轮廓存在残缺缺陷。
44、在本申请一实施例中，对所述过程图像进行印刷区异物检测和光学区异物检测，包括：
45、基于所述镜片的边缘轮廓的几何参数提取所述过程图像中的印刷区图像和光学区图像；
46、基于所述印刷区图像和所述光学区图像对所述过程图像进行掩膜处理，得到光学区有效图像和印刷区有效图像；
47、提取所述光学区有效图像或者所述印刷区有效图像中的所有待检测轮廓；
48、将所有的待检测轮廓与预先配置的异物最小检出面积进行对比，并将轮廓面积大于所述异物最小检出面积进行对比的待检测轮廓作为检出轮廓；
49、提取所述检出轮廓的异物特征，其中，所述异物特征包括最小外接矩形的长度、轮廓密度、最小外接矩形的长宽比，检出轮廓的圆度和圆形率，以及所述检出轮廓内的平均灰度和灰度方差；
50、基于预先配置的异物检测参数以及所述检出轮廓的异物特征对所有检出轮廓进行过滤，其中，所述异物检测参数包括最短检出尺寸、检出密度区间、检出长宽比区间、检出圆度区间、检出圆形率区间、检出灰度值本文档来自技高网...
【技术保护点】
1.基于云-机器视觉的印花隐形眼镜的瑕疵检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于云-机器视觉的印花隐形眼镜的瑕疵检测方法，其特征在于，对所述原始图像进行预处理，得到过程图像，包括：
3.根据权利要求1所述的基于云-机器视觉的印花隐形眼镜的瑕疵检测方法，其特征在于，提取所述过程图像的轮廓特征，并基于所述过程图像的轮廓特征判断所述过程图像中是否存在镜片，包括：
4.根据权利要求1所述的基于云-机器视觉的印花隐形眼镜的瑕疵检测方法，其特征在于，对所述过程图像进行双边瑕疵检测，包括：
5.根据权利要求1所述的基于云-机器视觉的印花隐形眼镜的瑕疵检测方法，其特征在于，对所述过程图像进行边缘缺损检测，包括：
6.根据权利要求5所述的基于云-机器视觉的印花隐形眼镜的瑕疵检测方法，其特征在于，从所述过程图像中提取镜片的边缘轮廓图像以及边缘轮廓的几何参数，包括：
7.根据权利要求5所述的基于云-机器视觉的印花隐形眼镜的瑕疵检测方法，其特征在于，所述预先配置的检测参数包括最小长度、最小宽度、最小面积和最低灰
8.根据权利要求6所述的基于云-机器视觉的印花隐形眼镜的瑕疵检测方法，其特征在于，对所述过程图像进行印刷区异物检测和光学区异物检测，包括：
9.根据权利要求8所述的基于云-机器视觉的印花隐形眼镜的瑕疵检测方法，其特征在于，基于所述镜片的边缘轮廓的几何参数提取所述过程图像中的印刷区和光学区，包括：
10.基于云-机器视觉的印花隐形眼镜的瑕疵检测系统，其特征在于，包括：
...【技术特征摘要】
1.基于云-机器视觉的印花隐形眼镜的瑕疵检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于云-机器视觉的印花隐形眼镜的瑕疵检测方法，其特征在于，对所述原始图像进行预处理，得到过程图像，包括：
3.根据权利要求1所述的基于云-机器视觉的印花隐形眼镜的瑕疵检测方法，其特征在于，提取所述过程图像的轮廓特征，并基于所述过程图像的轮廓特征判断所述过程图像中是否存在镜片，包括：
4.根据权利要求1所述的基于云-机器视觉的印花隐形眼镜的瑕疵检测方法，其特征在于，对所述过程图像进行双边瑕疵检测，包括：
5.根据权利要求1所述的基于云-机器视觉的印花隐形眼镜的瑕疵检测方法，其特征在于，对所述过程图像进行边缘缺损检测，包括：
6.根据权利要求5...
【专利技术属性】
技术研发人员：蔡仲伦，赵紫瑜，杨淼，杨海生，姚佳迪，
申请(专利权)人：平方和北京科技有限公司，
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。