(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210551450.4 (22)申请日 2022.05.20 (71)申请人 三固 （厦门） 科技有限公司 地址 361000 福建省厦门市海沧区新阳街 道阳光西二路3 0号 (72)发明人 吴阳臻　 (74)专利代理 机构 合肥上博知识产权代理事务 所(特殊普通 合伙) 3418 8 专利代理师 刘翔 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/12(2017.01) G06T 7/181(2017.01) G06T 7/60(2017.01) G06T 7/66(2017.01)G06V 10/28(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) (54)发明名称 一种基于机器视觉的点阵目标规律性检测 方法 (57)摘要 本发明涉及一种基于机器视觉的点阵目标 规律性检测方法， 其包括以下步骤： 1)采用工业 相机对点阵目标进行图像采集， 获得待检测图 像； 2)对待检测图像进行Blob分析， 获得若干个 Blob； 3)对每个Blob的尺寸属性信息进行计算及 异常判断， 和/或对每个Blob的位置属性信息进 行计算与异常判断， 若有异常， 则点阵目标不具 有规律性， 若无异常， 则点阵目标具有规律性。 本 发明通过图像采集和Blob分析， 采用尺寸规律性 检测法和/或位置规律性检测法可以自动检测出 待检测点阵目标是否具有规律性， 若不具有规律 性则为不合格产品， 从而实现机器替代人工进行 自动检测， 具有应用范围广、 检测速度快、 检测稳 定性好、 精准度高、 检测成本低、 可长时间工作等 优点。 权利要求书2页 说明书6页 附图3页 CN 114897846 A 2022.08.12 CN 114897846 A 1.一种基于 机器视觉的点阵目标规 律性检测方法， 其特 征在于： 其包括以下步骤： 1)采用工业相机对点阵目标进行图像采集， 获得待检测图像； 2)对待检测图像进行Bl ob分析， 获得若干个Bl ob； 3)对每个Blob的尺寸属性信息进行计算及异常判断， 和/或对每个Blob的位置属性信 息进行计算与异常判断， 若有异常， 则点阵目标不具有规律性， 若无异常， 则点阵目标具有 规律性。 2.根据权利要求1所述的基于机器视觉的点阵目标规律性检测方法， 其特征在于： 步骤 2)中对待检测图像进行Bl ob分析的具体步骤为： 2.1)将待检测图像转换为灰度图像进行高斯滤波处 理， 获得滤波后图像； 2.2)对滤波后图像进行高低灰度阈值的二 值化处理， 获得二 值化图像； 2.3)对二 值化图像基于边缘检测算法进行轮廓查找， 获得若干个不同的轮廓连通 域； 2.4)对若干个 轮廓连通 域分别采用不同标记进行 标记， 即得若干个Bl ob。 3.根据权利要求1所述的基于机器视觉的点阵目标规律性检测方法， 其特征在于： 步骤 3)中对每 个Blob的尺寸属性信息进行计算及异常判断的具体步骤为： 3.11)提取每个Blob的尺寸属性信息， 尺寸属性信息至少包括最小外接圆半径、 面积和 周长中的一种以上尺寸属性 值； 3.12)将每个Blob的每种 尺寸属性值与其他Blob相应尺寸属性值的平均值进行偏差计 算， 得到偏差值； 3.13)比较偏差值是否在预设的偏差值 阈值范围内， 若是， 则判断为无异常， 若否， 则判 断为有异常。 4.根据权利要求1所述的基于机器视觉的点阵目标规律性检测方法， 其特征在于： 步骤 3)中对每 个Blob的位置属性信息进行计算与异常判断的具体步骤为： 3.21)将若干个Blob中除了位于待检测图像四周边缘的Blob以外的其他Blob作为基准 Blob； 3.22)对每个基准Blob找到与其邻近的邻近Bl ob， 形成邻近关系集 合； 3.23)对所有邻近关系集 合分别进行邻近Bl ob数量计算， 并求得中位数； 3.24)比较每个基准Blob的邻近Blob数量与中位数是否一致， 若是， 则执行步骤3.25)， 若否， 则判断为有异常； 3.25)对比较结果为一致的每个基准Blob与其每个邻近Blob分别进行相对位置信息提 取， 相对位置信息 至少包括角度和距离， 并求得每 个邻近Bl ob的平均相对位置信息； 3.26)根据平均相对位置信息， 求得每个基准Blob的邻近Blob理论分布范围， 并判断每 个邻近Blob理论分布范围内是否都存在邻近Blob， 若是， 则判断为无异常， 若否， 则判断为 有异常。 5.根据权利要求4所述的基于机器视觉的点阵目标规律性检测方法， 其特征在于： 步骤 3.22)中对每 个基准Blob找到与其邻近的邻近Bl ob的具体步骤为： 3.221)对每个基准Blob通过遍历 法找到与其最近的Blob， 计算获得两者之间 的中心距 离L； 3.222)通过预设的比例系数 F， 求得一个略大于F*L的数值作为搜索半径R； 其中， F>1， F*L表示中心 距离L与比例系数 F的乘积；权　利　要　求　书 1/2 页 2 CN 114897846 A 23.223)以基准Blob的中心为圆心、 以R为半径， 从基准Blob的正上方开始， 按顺时针方 向覆盖搜索， 凡是被覆盖 到中心点的其 他Blob均作为该基准Bl ob的邻近Bl ob。 6.根据权利要求4所述的基于机器视觉的点阵目标规律性检测方法， 其特征在于： 步骤 3.25)中求得每 个邻近Bl ob的平均相对位置信息的具体步骤为： 3.251)根据公式(1)计算比较结果为一致的所有基准Blob的第j个邻近Blob的平均角 度Aj， Aj＝( α1j+α2j+α3j+α4j+……+αnj)/n                (1) 其中， n表示比较结果为一致的基准Blob的数量， j表示基准Blob的邻近Blob的序号， n 和j均为自然数； α1j表示第1个比较结果 为一致的基准Bl ob的第j个邻近Bl ob的角度， α2j表示第2个比较结果 为一致的基准Bl ob的第j个邻近Bl ob的角度， α3j表示第3个比较结果 为一致的基准Bl ob的第j个邻近Bl ob的角度， α4j表示第4个比较结果 为一致的基准Bl ob的第j个邻近Bl ob的角度， αnj表示第n个比较结果 为一致的基准Bl ob的第j个邻近Bl ob的角度； 3.252)根据公式(2)计算比较结果为一致的所有基准Blob的第j个邻近Blob的平均距 离Dj， Dj＝(L1j+L2j+L3j+L4j+……+Lnj)/n              (2) 其中， L1j表示第1个比较结果 为一致的基准Bl ob与其第j个邻近Bl ob的中心 距离， L2j表示第2个比较结果 为一致的基准Bl ob与其第j个邻近Bl ob的中心 距离， L3j表示第3个比较结果 为一致的基准Bl ob与其第j个邻近Bl ob的中心 距离， L4j表示第4个比较结果 为一致的基准Bl ob与其第j个邻近Bl ob的中心 距离， Lnj表示第n个比较结果 为一致的基准Bl ob与其第j个邻近Bl ob的中心 距离； 3.253)按照步骤3.251)和步骤3.252)， 计算所有邻近Blob的平均角度和平均距离， 从 而求得每 个邻近Bl ob的平均相对位置信息 。 7.根据权利要求4所述的基于机器视觉的点阵目标规律性检测方法， 其特征在于： 步骤 3.26)中求得每 个基准Blob的邻近Bl ob理论分布范围的方法为： 以每个基准Blob的中心为基准点， 在其周围设定数量与中位数相等的J个邻近Blob理 论范围， 每个邻近Blob理论范围均根据相应的平均相对位置信息确定其圆心位置， 并以预 设的容差阈值作为半径。 8.一种如权利要求1 ‑7之一所述的基于机器视觉的点阵目标规律性检测方法， 其应用 于LED灯珠检测或者布匹检测。权　利　要　求　书 2/2 页 3 CN 114897846 A 3