基于图像分析的丝印缺陷检测方法及装置与流程

1.本发明涉及丝印缺陷检测技术领域，尤其是基于图像分析的丝印缺陷检测方法及装置。


背景技术：

2.丝网印刷是指用丝网作为版基，并通过感光制版方法，制成带有图文的丝网印版。丝网印刷由五大要素构成，丝网印版、刮板、油墨、印刷台以及承印物。利用丝网印版图文部分网孔可透过油墨，非图文部分网孔不能透过油墨的基本原理进行印刷。印刷时在丝网印版的一端倒入油墨，用刮板对丝网印版上的油墨部位施加一定压力，同时朝丝网印版另一端匀速移动，油墨在移动中被刮板从图文部分的网孔中挤压到承印物上。
3.目前，丝印缺陷主要分为线条失真，图案或线条发花，图案线边毛刺、缺口、凸轮等，麻点，丝印中粘网板等等。上述缺陷的识别多采用人工方式，其依靠技术人员的经验判断。现有技术中也有其他领域的缺陷检测技术，在工业生产、道路维护等诸多领域应用广泛，已有的缺陷检测方法主要分为两类，即：基于模板比对的方法和基于机器学习的方法。
4.第一类，基于模板比对的方法通常需要采用图像模板配准，图像差分以及图像形态学处理等步骤，这种检测方法的优点是对样本需求少，利用较少的缺陷样本即可取得较好的检测效果，但其缺陷也很明显：对图像配准算法的要求较高。若在图像匹配过程中出现误匹配或匹配精度漂移等问题则后续的图像差分和形态学处理效果将出现大量的误检。
5.例如专利公开号为“cn113850756a”、名称为“一种基于模板比对的标签缺陷检测方法”的中国发明专利，其包括以下步骤：步骤一：选取模板图像；步骤二：制作模板，生成多幅模板特征图像，用于制定需要检测的物件或者区域的标准模型；步骤三：对于待检测的样本进行图片校准；步骤四：获取样板特征图像，并将模板特征图像与样本特征图像进行比对；步骤五：测试多张待检测样本特征图像，准确率是否达标，未达标则直接跳转至步骤一重新制作模板。
6.第二类，基于机器学习的缺陷检测方法则可以较好的避免误匹配导致的缺陷误检问题，这类方法通常需要收集大量的缺陷样本，并利用缺陷样本训练相应的机器学习或神经网络模型，最后利用训练得到的识别模型实现缺陷检测。这类方法的优点在于当缺陷样本充足时检测效果较好，但其问题在于：实际生产过程中由环境等各方面因素导致的缺陷样本十分稀缺，获取充足的训练样本往往十分困难，导致其难以充分训练识别模型，从而实际检测效果欠佳。
7.例如专利公开号为“cn111179251a”、名称为“基于孪生神经网络利用模板比对的缺陷检测系统及方法”的中国发明专利，其利用孪生神经网络，通过少量数据与先验知识在短时间内训练出优于人工检测漏检率的神经网络模型，所述模型为已训练完成基于孪生神经网络的深度学习模型，通过将待检产品图像与模板图像输入已训练网络得到缺陷的检测结果。
8.因此，急需要提出一种逻辑简单、准确可靠的基于图像分析的丝印缺陷检测方法
及装置。


技术实现要素：

9.针对上述问题，本发明的目的在于提供基于图像分析的丝印缺陷检测方法及装置，本发明采用的技术方案如下：第一部分，本技术提供了基于图像分析的丝印缺陷检测方法，其包括以下步骤：采集获得待检测的图像，并对图像进行预处理，利用面积阈值和轮廓提取联合分割得到数个待检测的子区图像；利用子区图像生成方形黑色区域检测掩膜和第一圆形区域掩膜，并分别进行圆形残缺检测和区域缺陷检测；采用连通域跟踪算法求得第一圆形区域掩膜对应的图像的圆形区域，对圆形区域的轮廓边缘点进行圆度分析，求得圆形区域中任一残缺圆环；求得方形黑色区域检测掩膜对应的图像的像素均值；基于像素均值求得方形区域二值化阈值，利用方形区域二值化阈值标记缺陷的位置和大小；采用梯度下降法求得和第一圆形区域掩膜内的断裂区域。
10.第二部分，本技术提供了基于图像分析的丝印缺陷检测的装置，其包括：图像分割模块，获取待检测的图像，并对图像进行预处理，利用面积阈值和轮廓提取联合分割得到数个待检测的子区图像；掩膜生成模块，与图像分割模块连接，利用子区图像生成方形黑色区域检测掩膜和第一圆形区域掩膜；圆形残缺检测模块，与掩膜生成模块连接，采用连通域跟踪算法求得第一圆形区域掩膜对应的图像的圆形区域，对圆形区域的轮廓边缘点进行圆度分析，求得圆形区域中任一残缺圆环；区域缺陷检测模块，与掩膜生成模块连接，求得方形黑色区域检测掩膜对应的图像的像素均值；基于像素均值求得方形区域二值化阈值，利用方形区域二值化阈值标记缺陷的位置和大小；断裂区域检测模块，与掩膜生成模块连接，采用梯度下降法求得第一圆形区域掩膜内的断裂区域。
11.与现有技术相比，本发明具有以下有益效果：（1）本发明主要包括图像预处理部分、污损缺陷检测、圆形区域残缺检测、圆环断裂检测；本发明首先利用图像二值化、图像形态学处理等算法提取出单个的待检测区域，并在待检测区域中逐个分割出污损检测区、圆形残缺检测区、圆环断裂检测区，并依次对每个区域设计相应的图像处理算法进行缺陷检测，最终达到对各个子模块进行缺陷检测的目的；本发明可在不对图像样本进行配置以及不采用训练样本训练识别模型的情况下直接对待检测样本进行图像分析，实现待检测样本中圆环断裂检测、圆形区域残缺检测以及污损缺陷等异常检测。其逻辑简单、检测准确可靠；（2）本发明采用二值化、面积阈值的连通域滤波、轮廓提取并将图像切分为单个的子区图像，其可以初步定位到待检区域，为后续精确检测各个模块提供条件。
12.（3）本发明巧妙地采用二值图像对应的方形子区掩膜、腐蚀运算、反色处理、连通
域滤波等，并结合子区图像生成方形黑色区域检测掩膜和第一圆形区域掩膜，其可以精确的将各个待检测模块分割出来，以免造成干扰，从而提升检测效率和精度。
13.（4）本发明巧妙地采用连通域跟踪算法求得第一圆形区域掩膜对应的图像的圆形区域，对圆形区域的轮廓边缘点进行圆度分析，求得圆形区域中任一残缺圆环，其通过掩膜对应区域的连通域的跟踪可以高效准确的提取出待分析圆形区域，从而精确的提取到圆形区域的边缘点，为后续圆环残缺程度的精准判别提供条件。
14.（5）本发明巧妙地求得方形黑色区域检测掩膜对应的图像的像素均值；基于像素均值求得方形区域二值化阈值，利用方形区域二值化阈值标记缺陷的位置和大小；其通过只统计方形黑色区域掩膜对应的背景图像像素值来计算缺陷分割阈值，可以大幅降低图像中其它区域对阈值计算的干扰，以保障检测准确率。
15.（6）本发明巧妙地采用圆环区域掩膜生成、连通域查找、骨架提取以及梯度下降法求得方形黑色区域检测掩膜和第一圆形区域掩膜内的断裂区域，其好处在于，可精确定位到圆环的位置，并根据圆环断裂图像中存在的梯度跳变特征精确定位到断裂区域的位置。
16.综上所述，本发明具有逻辑简单、准确可靠等优点，在丝印缺陷检测技术领域具有很高的实用价值和推广价值。
附图说明
17.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需使用的附图作简单介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对保护范围的限定，对于本领域技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
18.图1为本发明的逻辑流程图。
19.图2为本发明的预处理流程图。
20.图3为本发明的圆环残缺分析流程图。
21.图4为本发明的圆环断裂分析流程图。
22.图5为本发明的污损检测流程图。
23.图6为本发明的圆形残缺及圆环断裂检测结果图。
24.图7为本发明的污损检测结果。
具体实施方式
25.为使本技术的目的、技术方案和优点更为清楚，下面结合附图和实施例对本发明作进一步说明，本发明的实施方式包括但不限于下列实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
26.本本实施例中，术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。
27.本实施例的说明书和权利要求书中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述对象的特定顺序。例如，第一目标对象和第二目标对象等是用于区别不同的目标对象，而不是用于描述目标对象的特定顺序。
28.在本技术实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
29.在本技术实施例的描述中，除非另有说明，“多个”的含义是指两个或两个以上。例如，多个处理单元是指两个或两个以上的处理单元；多个系统是指两个或两个以上的系统。
30.如图1至图7所示，本实施例提供了一种基于图像分析的丝印缺陷检测方法，主要包括四个部分：即图像预处理部分、污损缺陷检测、圆形区域残缺检测、圆环断裂检测等，本实施例首先利用图像二值化、图像形态学处理等算法提取出单个的待检测区域，并在待检测区域中逐个分割出污损检测区、圆形残缺检测区、圆环断裂检测区，并依次对每个区域设计相应的图像处理算法进行缺陷检测，最终达到对各个子模块进行缺陷检测的目的。
31.具体来说，本实施例的检测方法包括以下步骤：第一步，采集获得待检测的图像，并对图像进行预处理，利用面积阈值和轮廓提取联合分割得到数个待检测的子区图像。具体实施步骤如下：步骤a1：对图像进行二值化处理得到二值图像，具体包括首先将图像进行反色处理，再利用通用二值化算法对反色后的图像进行二值化处理；步骤b1：对步骤a1中得到的二值化图像进一步利用面积阈值进行连通域滤波，并保留面积较大的连通域，得到第一次滤波后的图像；步骤c1：对滤波后的图像进行轮廓提取，根据轮廓特征将大图分割为各个子区图提取滤波后的连通域图像，将图像切分为单个的子区图像；步骤d1：子区图像分为原灰度图像和二值图像；步骤e1：对单个的子区图像逐个分析，分析包括三部分： 1、三个圆环中的断裂圆环；2、内部白色圆形的残缺程度；3、方形黑色区域的缺陷；第二步，利用子区图像生成方形黑色区域检测掩膜和第一圆形区域掩膜，并分别进行圆形残缺检测和区域缺陷检测。具体步骤为：步骤a2：首先利用滤波后的单个子区图像的二值图像生成方形子区掩膜，具体包括遍历单个子区图像的二值图像的四个边界，对距离边界4个像素距离的所有像素值置为0，并将单子区图像的二值图像中的孔洞像素值全部填充为255；步骤b2：利用方形子区掩膜分别对子区图像的原灰度图和二值图进行滤波处理，得到滤波后的二值图和灰度图，具体包括将步骤a2中生成的掩码图像所有像素除以255，再将所得的图像与原灰度图和二值图相乘，得到滤波后的图像；步骤c2：对滤波后的二值子区图像进一步做腐蚀运算得到腐蚀后的图像，腐蚀核心大小设置为7x7；步骤d2：对腐蚀后的二值子区图像进行反色处理，得到其互补二值图，并共同组成四个第一圆形区域，用于四个第一圆形区域圆度的判断；步骤e2：对四个第一圆形区域的二值图进行连通域滤波，得到滤波后的四区域二值图，作为第一圆形区域掩膜，其有四个；步骤f2：利用方形子区掩膜和第一圆形区域掩膜共同生成方形黑色区域检测掩膜；
步骤g2：利用这两张掩膜在滤波后的灰度图像上分割出局部四圆环区域和剩下的待检测区域；步骤h2：分别对这两个区域进行圆形残缺检测和区域缺陷检测。
32.第三步，对圆形区域残缺程度进行检测，具体实现步骤为：步骤a3：对于四个第一圆形区域首先利用轮廓提取算法在圆形掩膜图像中粗定位出单个第一圆形区域的位置；步骤b3：对四个第一圆形区域掩膜对应的灰度图像区域进行二值化处理，得到内圆区域的二值图像；该内圆区域如图6所示。
33.步骤c3：计算四个第一圆形区域掩膜的图像中第一圆形区域的中心点坐标，具体为对四个第一圆形区域掩膜求最小外接矩形，并将矩形的中心坐标作为第一圆形区域的中心坐标；步骤d3：利用连通域跟踪算法提取出第二圆形区域，并对第二圆形区域中的圆形轮廓边缘进行圆度分析；步骤e3：针对步骤d3中提取出的第二圆形区域的图像，利用轮廓提取算法找到每个圆形子区的位置并提取出单个的圆形子区轮廓；步骤f3：对于每个圆形子区轮廓图像提取出轮廓边缘点；步骤g3：利用轮廓边缘点做圆度分析，具体算法为从轮廓边缘点中取出35%的边缘点，并在这些边缘点中每次取出三个点来拟合圆环，拟合模型参数为圆环圆心坐标和圆环半径大小，该模型是圆环，具体计算公式为：假设圆上三点坐标分别为：待求解的圆的中心点坐标为(x,y)，半径为r，则令：则可计算得到圆形的圆心坐标为：x=(gb-cf)/(eb-af)y=(ag-ce)/(af-be)半径为：步骤h3：利用拟合出的圆形评估圆形区域轮廓点集，并从中筛选出符合圆环方程的点集合，具体为计算轮廓点集到圆心的距离，距离与半径的差值在一定范围内的点记为圆环点集合；步骤i3：循环步骤g3-h3，直到找出最佳圆环点集合；步骤j3：利用步骤i3中找出的最佳圆环点集合对圆环模型进行计算，得到最佳圆环参数模型；步骤k3：利用步骤j3中的最佳圆环参数评估圆形子区域的圆度，具体方法为遍历单个圆形轮廓边缘点，并计算每个边缘点到拟合出的最佳圆形的圆心的距离；步骤l3：比较计算得到的圆心距离与圆环半径的差异，当差异超过一定阈值时将该点记为圆环边缘异常点；步骤m3：统计步骤l3中计算得到的边缘异常点与圆环边缘点的比例，当比例超过
一定阈值时算法判定该圆环为异常；步骤n3：遍历所有方形子区域中的四个第一圆形区域，利用步骤a3-m3中的算法找到图像中的所有残缺圆环。
34.第四步，对于方形区域：首先计算区域内的像素均值，并基于均值计算方形区域二值化阈值，利用计算得到的阈值对方形区域进行二值化处理并对二值化后的图像进行缺陷分析。具体实现步骤为：步骤a4：找到二值连通域，并对连通域进行轮廓提取，具体为首先对二值图像进行连通域查找，得到每个连通域点集，再利用opencv函数的findcontour函数可得到二值连通域的轮廓；步骤b4：利用轮廓信息得到疑似缺陷的位置，具体为可对轮廓求取最小外接矩形，以获得矩形的大小和位置坐标；步骤c4：利用得到的位置信息从灰度图中区域相应的位置区域，并对该子区域进行边缘提取，边缘提取算法采用canny算法；步骤d4：利用边缘提取后的图像计算缺陷置信度。缺陷置信度的计算算法为：对区域进行边缘提取并计算边缘位置的梯度方向和梯度幅值；梯度方向和梯度幅值计算公式为：p[x,y]=(f[x,y 1]-f[x,y] f[x 1,y 1]-f[x 1,y])/2q[x,y]=(f[x,y]-f[x 1,y] f[x,y]-f[x 1,y 1])/2其中，f[x,y]为边缘点坐标(x,y)出的灰度值，f[x,y 1]为边缘点坐标(x,y 1)出的灰度值；f[x 1,y]为边缘点坐标(x 1,y)出的灰度值；f[x 1,y 1]为边缘点坐标(x 1,y 1)出的灰度值；m[x,y]为梯度幅值，为梯度方向。
[0035]
步骤e4：利用梯度方向和梯度幅值计算梯度统计直方图，具体计算方式为将[-90
°
，90
°
]的角度区间按每10
°
划分为一个bin，将每个角度bin对应的梯度方向的梯度幅值进行累加得到最终的梯度方向直方图；步骤f4：计算梯度方向直方图的熵值，并利用熵值分类出真正的缺陷并标记出缺陷的位置和大小，具体为将梯度方向直方图进行归一化处理，得到每个梯度方向的概率，在利用概率计算出该区域的梯度方向的熵值，具体计算公式为：；其中，e为计算得到的熵值，n为梯度方向的个数。
[0036]
第五步，采用梯度下降法求得第一圆形区域掩膜内的断裂区域，具体检测步骤如下：步骤a5：根据第二步中圆形提取到的四个第一圆形区域生成第二圆形区域掩膜，并在掩膜生成过程中对二值连通域进行图像膨胀操作；步骤b5：利用圆形子区轮廓图像和第二圆形区域掩膜提取得到四个圆环区域掩膜；
步骤c5：利用圆环区域掩膜提取出圆环区域灰度图；步骤d5：对圆环灰度区域进行百分比二值化得到二值化后的圆环二值图；步骤e5：对二值图进行逐个子区域提取得到第一二值圆环子区图；步骤f5：对第一二值圆环子区图进行连通域滤波处理得到滤波后的第二二值圆环子区图；步骤g5：在步骤f5中得到的第二二值圆环子区图中进一步分割出数个第三圆环二值图；步骤h5：对第三圆环二值图进行骨架提取得到圆环骨架，具体计算方法为：假设当前像素为，则对于像素的八邻域b[i](i=0...8),若像素灰度值为255，则b[i]=1，若为0则b[i]=0，若为128则b[i]=-1 (表示该像素点在上一次的遍历中被标记为待删除像素)；遍历图像中的所有像素点，当同时满足以下6个条件时，将当前像素设为待删除像素：1、的像素值为255(b[0]=1)；2、轴向邻域的像素值不全为255(b[1],b[3],b[5],b[7]中至少有一个等于0)；3、的八领域中至少有两个像素点的灰度值为255；4、的八领域中未被标记为待移除像素且像素灰度值为255的至少有一个；5、的八邻域连接数；6、的八邻域必须满足非待删除点；要么记为待删除点，但b[i]=0时，的八邻域连接数为1。当所有像素扫描完成后，完成一次循环。循环直至前一次循环中待删除像素的个数为0。其中，八邻接连接数计算公式为：。其中，为像素点的四邻接像素，表示的后续像素点。
[0037]
步骤i5：从圆环骨架中提取出圆环坐标点，并利用模块二中设计的圆形拟合算法拟合出第二圆环参数模型；步骤j5：利用步骤i5中得到的第二圆环参数模型生成圆环掩膜图像，图像大小与圆环区域灰度图像大小一致；步骤k5：利用圆环掩膜图像在圆环灰度图像中沿着圆环方向求解图像梯度；步骤l5：对步骤k5中的图像梯度幅值大小进行从大到小排序，并设置一定的阈值，当阈值大于梯度幅值最小值，且小于梯度幅值最大值是算法判定圆环中存在断裂疑似断裂区域；步骤m5：提取出梯度值大于阈值的圆环坐标位置，并对该位置的灰度像素沿着圆环掩膜方向进行分析，计算该位置与圆环疑似断裂点的像素灰度差，当灰度差大于一定阈值时认为该点为疑似断裂点并进行标记；步骤n5：对标记后的疑似断裂点进行连续性统计，即当该点与前一像素点临接时统计加1，最终统计初圆环断裂点的长度，并对长度大于一定阈值的圆弧标记为圆环断裂区域；步骤o5：对所有的单个圆环重复执行以上步骤得到图像中圆环上的所有断裂区域。
[0038]
上述实施例仅为本发明的优选实施例，并非对本发明保护范围的限制，但凡采用本发明的设计原理，以及在此基础上进行非创造性劳动而作出的变化，均应属于本发明的
保护范围之内。