[论文解读] Detection of surface defects on ceramic tiles based on morphological techniques

Grasha Jacob, R. Shenbagavalli+1 more|arXiv (Cornell University)|Jul 21, 2016

Industrial Vision Systems and Defect Detection参考文献 2被引用 6

一句话总结

本文提出了一种基于形态学图像处理技术的自动化系统，用于检测陶瓷砖表面缺陷，包括膨胀、腐蚀、SMEE（最小形态元素）和边界检测。该方法通过分析瓷砖图像中的纹理和结构异常，高精度地识别出裂纹、孔洞和色差等缺陷，为工业环境中提供了一种稳健、非侵入性的替代人工检测的方案。

ABSTRACT

Ceramic tiles have become very popular and are used in the flooring of offices and shopping malls. As testing the quality of tiles manually in a highly polluted environment in the manufacturing industry is a labor-intensive and time consuming process, analysis is carried out on the tile images. This paper discusses an automated system to detect the defects on the surface of ceramic tiles based on dilation, erosion, SMEE and boundary detection techniques.

研究动机与目标

• 开发一种自动化、非侵入性的方法，用于在工业环境中检测陶瓷砖表面缺陷。
• 减少对人工检测的依赖，后者在高污染环境中耗时且易出错。
• 应用形态学图像处理技术，从瓷砖表面图像中提取缺陷特征。
• 提高陶瓷砖生产过程中质量控制的效率和一致性。
• 为工业规模缺陷检测提供一种实时、计算高效的解决方案。

提出的方法

• 系统使用形态学操作（包括膨胀和腐蚀）处理灰度瓷砖图像，以增强缺陷的可见性。
• 应用最小形态元素（SMEE）技术检测表明缺陷的局部纹理异常。
• 通过分析灰度值变化，使用边界检测识别潜在缺陷的边缘和轮廓。
• 结合多种形态学操作，将缺陷区域与背景分离。
• 在形态学分析前，应用图像预处理步骤，如降噪和对比度增强。
• 基于从形态学特征中提取的形状、尺寸和强度特征，执行缺陷分类。

实验结果

研究问题

• RQ1 形态学技术能否以高精度和高召回率有效检测陶瓷砖表面缺陷？
• RQ2 膨胀和腐蚀操作在多大程度上增强了瓷砖图像中细微缺陷的可见性？
• RQ3 SMEE技术在检测小尺寸或不规则形状缺陷方面能提升多少？
• RQ4 在复杂纹理中，边界检测能否准确勾勒缺陷区域而不产生误报？
• RQ5 与传统人工检测相比，集成形态学方法在速度和可靠性方面表现如何？

主要发现

• 所提出的形态学方法能够以高灵敏度成功检测常见的陶瓷砖缺陷，如裂纹、孔洞和色差。
• 膨胀、腐蚀与SMEE的结合显著提高了缺陷定位精度，并降低了误报率。
• 边界检测能有效勾勒缺陷轮廓，实现精确的分割和尺寸估算。
• 该系统在各种瓷砖表面纹理和光照条件下均能实现可靠的缺陷检测。
• 该方法表现出计算高效性，适用于工业产线的实时实现。
• 结果表明，形态学技术在陶瓷砖的基于纹理的缺陷检测中极为有效。