[发明专利]基于图像分析的丝印缺陷检测方法及装置

说明书

本发明公开了基于图像分析的丝印缺陷检测方法，包括：采集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，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第一圆形区域掩膜内的断裂区域。本发明还提供了基于图像分析的丝印缺陷检测的装置。

技术领域

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

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。

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。

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。

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。

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。

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。

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。

发明内容

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；