[发明专利]一种基于机器视觉的双凸透镜缺陷检测方法

权利要求书

1.一种基于机器视觉的双凸透镜缺陷检测方法，其特征在于：包括如下步骤：

步骤1：固定双凸透镜和点激光器，将双凸透镜和点激光器的中心置于一条直线上，使得点激光器光束完全覆盖整个双凸透镜区域；

步骤2：搭建投影平面，并利用CCD相机进行图像采集；

步骤3：基于采集得到的图像求取投影区域的几何参数；

步骤4：根据所求得的几何参数信息创建ROI区域来提取投影区域，采用受限对比度自适应直方图均衡化算法对投影区域进行均衡化处理，并采用巴特沃斯低通滤波器进行滤波；

步骤5：根据所求得的几何参数信息建立同心椭圆模型，将投影区域分区处理，得到内椭圆区域和外椭圆区域；

步骤6：采用基于粒子群优化的Otus算法对内椭圆区域的图像进行缺陷提取，并利用基于形态学的开闭运算和8区域标记算法分别对内椭圆区域图像的缺陷进行平滑处理和面积计算；

步骤7：采用条纹中心线算法对外椭圆区域的图像进行骨架提取，通过检测断点获得外椭圆区域图像的缺陷位置信息。

2.根据权利要求1所述的一种基于机器视觉的双凸透镜缺陷检测方法，特征在于：所述步骤3中求取投影区域的几何参数的具体过程为：

步骤3.1：对采集得到的图像进行Otus二值化处理；

步骤3.2：采用孔洞填充算法对投影区域进行填充；

步骤3.3：利用Canny算子对投影区域进行边缘检测；

步骤3.4：利用基于最小二乘法的椭圆拟合算法计算出投影区域的几何参数。

3.根据权利要求1所述的一种基于机器视觉的双凸透镜缺陷检测方法，特征在于：所述步骤5中内椭圆区域为中央明亮区域；外椭圆区域为明暗相间的衍射条纹区域。

4.根据权利要求1所述的一种基于机器视觉的双凸透镜缺陷检测方法，特征在于：所述步骤6中采用基于粒子群优化的Otus算法对内椭圆区域的图像进行缺陷提取的具体过程为：

步骤6.1：设内椭圆区域的图像包含256个灰度级，即[0,1,2,...255]，灰度级为i的像素点个数为n_i，图像总的像素点个数为N＝n₁+n₂+...+n_i；

步骤6.2：阈值T将所有像素点划分为两个灰度子集C₁＝[0,1,...,T-1]和C₂＝[T,T+1,...,255]，则类间方差表达式为σ²＝p₁(m₁-m)²+p₂(m₂-m)²，其中，p₁、p₂分别为像素点划分为C₁、C₂的概率，m₁、m₂分别为C₁、C₂的均值，m为图像全局均值；

步骤6.3：采用粒子群算法寻找最优阈值T，其粒子的速度和位置更新公式如下：

v_i，j(t+1)＝wv_i，j(t)+c₁r₁[pbest-x_i，j(t)]+c₂r₂[gtest-x_i，j(t)] (1)

x_i，j(t+1)＝x_i，j(t)+v_i，j(t+1) (2)

式中，c₁和c₂为学习因子，r₁、r₂为[0,1]区间的随机数，分别代表粒子自我总结和社会总结的学习能力，w为惯性权重因子，pbest为个体最优位置，gbest为群体最优位置，t为时间，v_i,j为粒子的速度，x_i，j为当前粒子的位置；

步骤6.4：将灰度级小于T的像素点置0，将灰度级大于T的像素点置1，将图像转化为二值图像，完成对内椭圆区域图像的缺陷提取。