[发明专利]表面缺陷的周期性规律实时判定方法

说明书

本发明涉及一种表面缺陷的周期性规律实时判定方法，为：S1、获取预设的横向误差范围ΔH、纵向误差范围ΔL、周期性最小缺陷数量M、允许跳空数量E、最大辊筒的周长Smax和最小辊筒的周长为Smin；S2、获取表面缺陷检测系统检测出的最新缺陷Fn的缺陷结构化数据，缺陷结构化数据包括横向坐标CD、纵向坐标MD和缺陷分类Class；S3、将最新缺陷F_n加入缺陷缓存列表；S4、将Fn与周期性趋势缓存列表中的趋势匹配计算，若匹配满足任一趋势则将相应趋势加入相应周期性趋势缓存列表，结束本次计算；若不能匹配任一趋势则继续执行S5；S5、将最新缺陷F_n与缺陷缓存列表中在先已加入的缺陷基于缺陷结构化数据进行周期性数据匹配。

技术领域

本发明涉及一种表面缺陷的周期性规律实时判定方法。适用于缺陷检测领域。

背景技术

目前，基于机器视觉的材料表面缺陷检测系统已经广泛应用到各种材料的生产中。机器视觉检测技术也不断进步，从黑白相机到彩色相机，相机分辨率不断提高，缺陷分类算法也不断发展，更加精确。周期性缺陷是由于前道工序故障或者传输机器故障引发的缺陷，若不及时发现处理，生产出来的产品缺陷率将非常高。

专利号为201510952057.6的中国专利《压延过程中压延材料表面周期性缺陷的检测方法》公开了一种基于机器视觉的通用检测算法，基于机器视觉抓取的缺陷图片，预先划分判定区域，先做周期性预判定，再进行二次图片特征值比对，通用性强，但是划分区域固定，可能会遗漏分界线附近的周期性规律，另外图片特征值提取，相似度匹配分析需要耗费相当的计算资源，速度较慢。

发明内容

本发明要解决的技术问题是：针对上述存在的问题，提供一种表面缺陷的周期性规律实时判定方法。

本发明所采用的技术方案是：一种表面缺陷的周期性规律实时判定方法，其特征在于：

S1、获取预设的横向误差范围ΔH、纵向误差范围ΔL、周期性最小缺陷数量M、允许跳空数量E、最大辊筒的周长Smax和最小辊筒的周长为Smin；

S2、获取表面缺陷检测系统检测出的最新缺陷Fn的缺陷结构化数据，缺陷结构化数据包括横向坐标CD、纵向坐标MD和缺陷分类Class；

S3、将最新缺陷F_n加入缺陷缓存列表；

S4、将Fn与周期性趋势缓存列表中的趋势匹配计算，若匹配满足任一趋势则将相应趋势加入相应周期性趋势缓存列表，结束本次计算；若不能匹配任一趋势则继续执行S5。

步骤S4中的趋势匹配计算包括：

S41、获取趋势T中的最新一个缺陷Ft，趋势T的周期性长度为D，

S42、若Fn与Ft的横向坐标差介于-ΔH与ΔH之间，且Fn与Ft的纵向坐标差介于D-ΔL和D+ΔL之间，则Fn匹配该趋势T，加入趋势T的缺陷列表，Fn为T的最新缺陷；若不满足则视为不匹配趋势T。

S5、将最新缺陷F_n与缺陷缓存列表中在先已加入的缺陷基于缺陷结构化数据及所述横向误差范围ΔH、纵向误差范围ΔL、周期性最小缺陷数量M、允许跳空数量E、最大辊筒的周长Smax和最小辊筒的周长为Smin进行周期性数据匹配，若匹配满足任一趋势则将相应趋势加入相应周期性趋势缓存列表。

步骤S5包括：

S51、基于最新缺陷F_n的纵、横向坐标，在材料表面划定横向坐标CD±ΔH范围、长度为(M+E)*Smax+ΔL的计算区域；

S52、从所述缺陷缓存列表中筛选出位于该计算区域内的在先已加入缺陷；