一种基于机器视觉的陶瓷缺陷检测系统的制作方法

本发明涉及陶瓷缺陷检测，具体为一种基于机器视觉的陶瓷缺陷检测系统。

背景技术：

1、陶瓷是陶器与瓷器的统称。传统陶瓷又称普通陶瓷，是以粘土等天然硅酸盐为主要原料烧成的制品，现代陶瓷又称新型陶瓷、精细陶瓷或特种陶瓷。

2、陶瓷具有优异的绝缘、耐腐蚀、耐高温、硬度高、密度低、耐辐射等诸多优点，已在国民经济各领域得到广泛应用。

3、传统陶瓷制品包括日用陶瓷、建筑卫生陶瓷、工业美术陶瓷、化工陶瓷、电气陶瓷等，种类繁多，性能各异。随着高新技术工业的兴起，各种新型特种陶瓷也获得较大发展，陶瓷已日趋成为卓越的结构材料和功能材料。它们具有比传统陶瓷更高的耐温性能，力学性能，特殊的电性能和优异的耐化学性能。

4、随着计算机科学技术的快速发展，工业产品的生产也在不断的由传统的人工化转为智能化。产品表面缺陷检测是现代化工业生产过程中必不可少的环节。传统的检测往往是采用人工检测完成，工作量大，且易受到人的主观影响，不能长期有效地保证较高的检测效率与检测准确度，为此，人们研发了陶瓷缺陷检测系统。

5、现有申请公布号为cn111122590b，名称为一种陶瓷表面缺陷检测装置及检测方法的中国发明专利中指出能够降低施工复杂度、减小系统维护工作量，并提高系统的可靠性。所述系统包括：光源，位于待检测陶瓷和样本陶瓷的上方，用于产生光线并照射在待检测陶瓷或样本陶瓷上；图像采集器，位于待检测陶瓷和样本陶瓷的上方，用于采集样本陶瓷在光线照射下的图像，以及，用于采集待检测陶瓷在光线照射下的图像；数据处理器，与图像采集器电连接，用于获取样本陶瓷的图像作为样本图像，以及获取待检测陶瓷的图像作为检测图像，并根据样本图像计算提取检测图像中的缺陷部分。本发明的陶瓷表面缺陷检测装置及检测方法，具有成本支出低、误判几率非常低、漏检可能性非常低的多个优势。

6、然而，根据上述内容结合现有技术而言，上述专利记载的方案的中心思想为在高处通过拍摄获取产品的图片，然后对产品的图片进行处理，识别产品的缺陷。

7、但是上述方案在实际使用时存在较大的缺陷，首先，为提高效率，因此照相机设置的高度较高，瓷器上微小的缺陷和瓷器内部存在的缺陷将无法判断，使得缺陷检测不完全，其次，上述方式仅仅能够测量瓷器上存在缺陷，而缺陷对于瓷器的影响无法判断，无法帮助相关技术人员了解瓷器是否存在修复的必要，另外，无法直观且清楚的展示该批次瓷器制品的质量，因此，其适用性不够广泛，为此，我们研发了一种基于机器视觉的陶瓷缺陷检测系统。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了一种基于机器视觉的陶瓷缺陷检测系统，其采用红外检测设备批量检测陶瓷制品，并且对检测得到的数据进行分析处理，能够快速且清楚的了解该批次陶瓷制品上是否存在缺陷，同时陶瓷制品内外侧缺陷局能够检测到，缺陷检测比较全面，并且能够给出缺陷的大概位置，方便后续进一步对缺陷进行检测评估，使用效果好，具有良好的使用前景。

3、(二)技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：

5、一种基于机器视觉的陶瓷缺陷检测系统，包括数据采集模块、缺陷分析模块、二次分析模块和综合评判模块：

6、数据采集模块，用于获取同批次陶瓷制品在红外检测设备中检测得到的红外检测图片以及对应的陶瓷制品编号数据；

7、缺陷分析模块，用于对获取的检测数据进行分析，计算红外检测图片中陶瓷制品所处位置像素点的颜色均值并且根据红外检测图片中陶瓷制品上所有像素点的rgb值与颜色均值的差值是否处于标准区间[0，θ]内判断陶瓷制品上是否存在缺陷，并且陶瓷制品存在缺陷时进一步确定缺陷所在位置；

8、二次分析模块，其包括数据获取单元、缺陷分析单元和缺陷归类单元；

9、数据获取单元获取缺陷所在位置的机器视觉检测数据以及超声波检测数据；

10、缺陷分析单元对获取的机器视觉检测数据和超声波检测数据进一步分析，确定缺陷的类型、缺陷的具体数量以及缺陷的等级；

11、缺陷归类单元对缺陷分析单元分析的结果进行整理，将同种缺陷类型的数据汇总后储存在数据库中；

12、综合评判模块，获取缺陷归类单元分类后的数据，并且对该批次陶瓷制品进行综合评判，计算出该批次陶瓷制品的综合评分。

13、优选的，同批次陶瓷制品在红外检测设备中的检测得到的红外检测图片为陶瓷制品加热至100-120℃，然后冷却5分钟和8分钟时红外热成像机拍摄的红外检测图片。

14、优选的，所述红外检测图片中陶瓷制品所处位置像素点的颜色均值的计算公式如下：

15、

16、式中，n为陶瓷制品所处位置像素点的数量，n-6为除去最大的3个rgb值以及最小的3个rgb值，ri为第i个像素点位置的红色数值，gi为第i个像素点位置的绿色数值，bi为第i个像素点位置的蓝色数值。

17、优选的，第m个像素点的rgb值与颜色均值的差值的计算公式如下：

18、

19、式中，czm为陶瓷制品上第m个像素点的rgb值与颜色均值的差值，rm为第m个像素点位置的红色数值，gm为第m个像素点位置的绿色数值，bm为第m个像素点位置的蓝色数值；

20、当计算出两次红外检测图片中陶瓷制品上所有像素点的rgb值与颜色均值的差值均处于标准区间，则代表该陶瓷制品无缺陷；

21、当存在计算出红外检测图片中陶瓷制品上所有像素点的rgb值与颜色均值的差值位于标准区间外，即代表该陶瓷制品存在缺陷；

22、确定缺陷所在位置的步骤如下；

23、将差值不在标准区间内像素点汇总，并且标记该像素点汇总形成的缺陷区域；

24、以陶瓷制品的中心作为原点，构建三维坐标系；

25、获取红外检测图片中陶瓷制品与实际陶瓷制品的比例系数，比例系数＝实际陶瓷制品宽度/红外检测图片中陶瓷制品宽度；

26、按照比例系数放大红外检测图片上的陶瓷制品数据以及标记的缺陷区域，并且将放大的缺陷区域数据录入到三维坐标系中。

27、优选的，数据获取单元获取的机器视觉检测数据包括经过去燥后的机器视觉检测装置拍摄的陶瓷制品缺陷位置在q倍镜下拍摄的图片，数据获取单元获取的超声波检测数据包括经过小波阈值去燥后超声扫描装置扫描的陶瓷制品缺陷位置的数据。

28、优选的，所述缺陷的类型包括裂纹、内部气泡和凹坑，确定缺陷的类型的步骤如下：

29、获取标记的区域的形状，判断是否属于条状，当属于条状时获取机器视觉检测数据，根据整个图片亮度的波动范围判断视觉检测是否异常，存在异常时为外部裂纹，不存在异常时为内部裂纹；

30、判断区域的形状不属于条状时获取机器视觉检测数据，计算缺陷位置明亮程度与陶瓷制品其他位置的明亮程度的差值，并根据差值的正负判断属于内部气泡和凹坑；

31、明亮程度的计算公式如下：

32、

33、式中，md为像素明亮程度值，r为像素点位置的红色数值，g为像素点位置的绿色数值，b为像素点位置的蓝色数值；

34、当缺陷位置明亮程度大于陶瓷制品其他位置的明亮程度，判定缺陷为内部气泡；

35、当缺陷位置明亮程度小于陶瓷制品其他位置的明亮程度，判定缺陷为凹坑。

36、优选的，缺陷的具体数量为标记区域的数量，陶瓷制品缺陷的等级的计算公式如下：

37、

38、式中，k为单个陶瓷制品上缺陷的个数，为第i个缺陷呈现在陶瓷制品外部的面积，qxcdi为第i个缺陷呈现在陶瓷制品外表面形状的复杂程度，为第i个缺陷中对陶瓷制品内部影响的缺陷等级；

39、blxs为拍摄位置拍摄图片与陶瓷制品实际尺寸之间的比例系数，si为经过去燥后的机器视觉检测装置拍摄的陶瓷制品缺陷位置经过q倍镜放大后图片中的第i个缺陷区域的面积；

40、为超声波检测数据中第i个缺陷区域的超声波波形的面积，p为波形数据的数量，γ为波形数据高度与实际陶瓷制品缺陷深度的比例系数，η为陶瓷制品缺陷深度对缺陷等级的影响系数。

41、优选的，第i个缺陷区域面积si的计算公式如下：

42、

43、其中，(x，y)为缺陷区域的像素坐标，f(x，y)为像素值，j为缺陷区域的像素集合，u为像素的数量；

44、第i个缺陷呈现在陶瓷制品外表面形状的复杂程度qxcdi的计算公式如下：

45、

46、式中，δ为缺陷区域边缘所有像素点的数量，α为构成缺陷区域边缘横向像素点的数量，β为构成缺陷区域边缘纵向像素点的数量。

47、优选的，当计算出缺陷的等级qxdj小于10，即该陶瓷制品为修复难度低的残次品，当计算出缺陷的等级qxdj大于等于10，标记为废品。

48、优选的，计算出该批次陶瓷制品的综合评分的计算公式如下：

49、pf＝100-fps×fpqz-cps×cpqz

50、式中，pf为批次陶瓷制品的综合评分，fps为废品的数量，fpqz为废品评分的权重系数，cps为残次品的数量，cpqz为残次品评分的权重系数，当fps×fpqz≥40时，fps×fpqz取40，当cps×cpqz≥30时，cps×cpqz取30。

51、(三)有益效果

52、本发明提供了一种基于机器视觉的陶瓷缺陷检测系统，具备以下有益效果：

53、1、本发明记载了一种基于机器视觉的陶瓷缺陷检测系统，其采用红外检测设备批量检测陶瓷制品，并且对检测得到的数据进行分析处理，能够快速且清楚的了解该批次陶瓷制品上是否存在缺陷，同时陶瓷制品内外侧缺陷局能够检测到，缺陷检测比较全面，并且能够给出缺陷的大概位置，方便后续进一步对缺陷进行检测评估，使用效果好，具有良好的使用前景。

54、2、本发明记载了一种基于机器视觉的陶瓷缺陷检测系统，其在了解缺陷的大致位置后，对缺陷位置进行机器视觉检测以及超声波检测，并且对检测的数据进一步分析，能够清楚的判断出缺陷的类型、缺陷的数量以及缺陷的等级，方便相关技术人员快速了解存在缺陷的瓷器制品是否具备修复的价值，有效减少现有技术中后续需要技术人员对残缺的陶瓷制品进行单独分析的步骤，大大提高陶瓷制品评判的效率，使用效果好，具有良好的使用前景。

技术特征：

1.一种基于机器视觉的陶瓷缺陷检测系统，其特征在于，包括：

2.根据权利要求1所述的一种基于机器视觉的陶瓷缺陷检测系统，其特征在于：同批次陶瓷制品在红外检测设备中的检测得到的红外检测图片为陶瓷制品加热至100-120℃，然后冷却5分钟和8分钟时红外热成像机拍摄的红外检测图片。

3.根据权利要求2所述的一种基于机器视觉的陶瓷缺陷检测系统，其特征在于：所述红外检测图片中陶瓷制品所处位置像素点的颜色均值的计算公式如下：

4.根据权利要求3所述的一种基于机器视觉的陶瓷缺陷检测系统，其特征在于：第m个像素点的rgb值与颜色均值的差值的计算公式如下：

5.根据权利要求4所述的一种基于机器视觉的陶瓷缺陷检测系统，其特征在于：数据获取单元获取的机器视觉检测数据包括经过去燥后的机器视觉检测装置拍摄的陶瓷制品缺陷位置在q倍镜下拍摄的图片，数据获取单元获取的超声波检测数据包括经过小波阈值去燥后超声扫描装置扫描的陶瓷制品缺陷位置的数据。

6.根据权利要求5所述的一种基于机器视觉的陶瓷缺陷检测系统，其特征在于：所述缺陷的类型包括裂纹、内部气泡和凹坑，确定缺陷的类型的步骤如下：

7.根据权利要求6所述的一种基于机器视觉的陶瓷缺陷检测系统，其特征在于：缺陷的具体数量为标记区域的数量，陶瓷制品缺陷的等级的计算公式如下：

8.根据权利要求7所述的一种基于机器视觉的陶瓷缺陷检测系统，其特征在于：第i个缺陷区域面积si的计算公式如下：

9.根据权利要求8所述的一种基于机器视觉的陶瓷缺陷检测系统，其特征在于：当计算出缺陷的等级qxdj小于10，即该陶瓷制品为修复难度低的残次品，当计算出缺陷的等级qxdj大于等于10，标记为废品。

10.根据权利要求9所述的一种基于机器视觉的陶瓷缺陷检测系统，其特征在于：计算出该批次陶瓷制品的综合评分的计算公式如下：

技术总结
本发明公开了一种基于机器视觉的陶瓷缺陷检测系统，涉及陶瓷缺陷检测技术领域，包括数据采集模块、缺陷分析模块、二次分析模块和综合评判模块：数据采集模块，用于获取同批次陶瓷制品在红外检测设备中检测得到的红外检测图片以及对应的陶瓷制品编号数据；其技术要点为：采用红外检测设备批量检测陶瓷制品，并且对检测得到的数据进行分析处理，能够快速且清楚的了解该批次陶瓷制品上是否存在缺陷，同时陶瓷制品内外侧缺陷局能够检测到，缺陷检测比较全面，并且能够给出缺陷的大概位置，方便后续进一步对缺陷进行检测评估，使用效果好，具有良好的使用前景。

技术研发人员：蒋永畅
受保护的技术使用者：龙泉市孙坑窑瓷庄
技术研发日：
技术公布日：2024/9/23