(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211146708.9 (22)申请日 2022.09.21 (65)同一申请的已公布的文献号 申请公布号 CN 115222743 A (43)申请公布日 2022.10.21 (73)专利权人 山东汇智家具股份有限公司 地址 274600 山东省菏泽市鄄城县引马镇 李桥村西 (72)发明人 李含之　李永昕　 (74)专利代理 机构 北京汇信合知识产权代理有 限公司 1 1335 专利代理师 谭健 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/10(2017.01) G06T 5/00(2006.01)G06T 3/40(2006.01) G06V 10/764(2022.01) (56)对比文件 CN 113888461 A,202 2.01.04 CN 115049835 A,2022.09.13 CN 113781402 A,2021.12.10 US 914725 5 B1,2015.09.2 9 马逐曦.基 于超像素的平面 铣削工件表面 缺 陷视觉检测研究. 《中国优秀硕士学位 论文全文 数据库工程科技 Ⅰ辑》 .2020,第2020年卷(第02 期), Huizhou Liu et al. .An adaptive defect detection method for L NG stora ge tank insulation layer based o n visual saliency. 《Proces s Safety and Environmental Protecti on》 .2021,第15 6卷 审查员 苏晓燕 (54)发明名称 基于视觉的家具表面喷漆缺陷检测方法 (57)摘要 本发明涉及图像数据处理技术领域， 具体涉 及基于视觉的家具表面喷漆缺陷检测方法， 该方 法包括： 获取待检测家具的表面喷漆图像， 对表 面喷漆图像进行预处理； 对目标喷漆图像进行超 像素块划分处理； 确定待处理超像素块对应的整 体显著度； 从待处理超像素块集合中划分出缺陷 候选超像素块集合和正常像素块集合； 从缺陷候 选超像素块集合中筛选出喷漆缺陷像素点集合； 确定待检测家具对应的目标喷漆缺陷程度； 生成 待检测家具对应的目标缺陷信息。 本发明通过对 表面喷漆图像进行图像处理， 解决了对家具表面 进行喷漆缺陷检测的效率和准确度低下的技术 问题， 提高了对 标签进行缺陷检测的效率和准确 度， 主要应用于对家具表面进行喷漆缺陷检测。 权利要求书3页 说明书12页 附图2页 CN 115222743 B 2022.12.09 CN 115222743 B 1.一种基于 视觉的家具表面喷漆缺陷检测方法， 其特 征在于， 包括以下步骤： 获取待检测家具的表面喷漆图像， 对所述表面喷漆图像进行预处理， 得到目标喷漆图 像； 对所述目标喷漆图像进行超像素块划分处 理， 得到待处 理超像素块 集合； 确定所述待处 理超像素块 集合中的待处 理超像素块对应的整体显著度； 根据所述待处理超像素块集合中的各个待处理超像素块对应的整体显著度， 从所述待 处理超像素块 集合中划分出缺陷候选超像素块 集合和正常像素块 集合； 根据所述缺陷候选超像素块集合和所述正常像素块集合， 从所述缺陷候选超像素块集 合中筛选出喷漆缺陷像素点 集合； 根据所述喷漆缺陷像素点集合和预先获取的家具中心像素点， 确定所述待检测 家具对 应的目标喷漆缺陷程度； 根据所述目标喷漆缺陷程度， 生成所述待检测家具对应的目标缺陷信息； 所述确定所述待处 理超像素块 集合中的待处 理超像素块对应的整体显著度， 包括： 确定所述待处理超像素块集合中的待处理超像素块中的各个像素点对应的梯度幅值 和梯度方向； 根据所述待处理超像素块集合中的每个待处理超像素块中的各个像素点对应的梯度 幅值和梯度方向， 确定所述待处 理超像素块对应的内部熵； 确定所述待处 理超像素块 集合中的每 个待处理超像素块对应的邻域超像素块 集合； 根据所述待处理超像素块集合中的每个待处理超像素块和所述待处理超像素块对应 的邻域超像素块 集合， 确定所述待处 理超像素块对应的灰度显著度； 确定所述待处 理超像素块 集合中的每 个待处理超像素块对应的对比显著度； 根据所述待处理超像素块集合中的每个待处理超像素块对应的内部熵、 灰度显著度和 对比显著度， 确定所述待处 理超像素块对应的整体显著度； 所述根据所述待处理超像素块集合中的每个待处理超像素块和所述待处理超像素块 对应的邻域超像素块 集合， 确定所述待处 理超像素块对应的灰度显著度， 包括： 将所述待处理超像素块中的像素点对应的灰度值的均值， 确定为所述待处理超像素块 对应的第一灰度均值； 将所述待处理超像素块对应的邻域超像素块集合中的每个邻域超像素块中的像素点 对应的灰度值的均值， 确定为第二灰度均值， 得到所述待处理超像素块对应的第二灰度均 值集合； 根据所述待处理超像素块对应的第一灰度均值和第二灰度均值集合中的每个第二灰 度均值， 确定第一灰度显著度， 得到所述待处 理超像素块对应的第一灰度显著度集 合； 从所述待处理超像素块对应的第 一灰度显著度集合中筛选出最大的第 一灰度显著度， 作为所述待处 理超像素块对应的灰度显著度； 所述确定所述待处理超像素块集合中的每个待处理超像素块对应的对比显著度， 包 括： 根据所述待处理超像素块中的各个像素点对应的灰度值、 所述待处理超像素块中的像 素点对应的灰度值的均值和所述待处理超像素块中的像素点的数量， 确定所述待处理超像 素块对应的灰度对比度指标；权　利　要　求　书 1/3 页 2 CN 115222743 B 2确定所述待处理超像素块对应的邻域超像素块集合中的邻域超像素块对应的灰度对 比度指标； 根据所述待处理超像素块和所述待处理超像素块对应的邻域超像素块集合中的邻域 超像素块对应的灰度对比度指标， 确定所述待处 理超像素块对应的对比显著度。 2.根据权利要求1所述的一种基于视觉的家具表面喷漆缺陷检测方法， 其特征在于， 所 述根据所述待处理超像素块集合中的每个待处理超像素块中的各个像素点对应的梯度幅 值和梯度方向， 确定所述待处 理超像素块对应的内部熵， 包括： 将所述待处理超像素块中的每个像素点对应的梯度幅值和梯度方向， 组合为所述像素 点对应的二元组， 得到所述待处 理超像素块对应的二元组集 合； 对所述待处理超像素块对应的二元组集合中的二元组进行分类处理， 得到所述待处理 超像素块对应的二元组类别集 合； 根据所述待处理超像素块对应的二元组类别集合中的二元组类别的数量、 所述待处理 超像素块中的像素点的数量和所述待处理超像素块对应的二元组类别集合中的各个二元 组类别中的二元组的数量， 确定所述待处 理超像素块对应的内部熵。 3.根据权利要求1所述的一种基于视觉的家具表面喷漆缺陷检测方法， 其特征在于， 所 述根据所述待处理超像素块集合中的各个待处理超像素块对应的整体显著度， 从所述待处 理超像素块 集合中划分出缺陷候选超像素块 集合和正常像素块 集合， 包括： 对所述待处理超像素块集合中的待处理超像素块对应的整体显著度进行归一化处理， 得到待处 理超像素块对应的归一 化显著度； 当所述待处理超像素块集合中的待处理超像素块对应的归一化显著度大于预先设置 的缺陷阈值时， 将待处 理超像素块， 确定为 缺陷候选超像素块； 当所述待处理超像素块集合中的待处理超像素块对应的归一化显著度小于或等于缺 陷阈值时， 将待处 理超像素块， 确定为 正常像素块。 4.根据权利要求1所述的一种基于视觉的家具表面喷漆缺陷检测方法， 其特征在于， 所 述根据所述缺陷候选超像素块集合和所述正常像素块集合， 从所述缺陷候选超像素块集合 中筛选出喷漆缺陷像素点 集合， 包括： 将所述正常像素块集合中的各个正常像素块中的各个像素点对应的灰度值的均值， 确 定为正常灰度均值； 将所述缺陷候选超像素块集合中的像素点对应的灰度值与正常灰度均值的差值的绝 对值， 确定为像素点对应的差异指标； 当所述缺陷候选超像素块集合中的像素点对应的差异指标大于预先设置的差异阈值 时， 将像素点， 确定为喷漆缺陷像素点。 5.根据权利要求4所述的一种基于视觉的家具表面喷漆缺陷检测方法， 其特征在于， 所 述根据所述喷漆缺陷像素点集合和预先获取的家具中心像素点， 确定所述待检测家具对应 的目标喷漆缺陷程度， 包括： 将所述喷漆缺陷像素点集合中的每个喷漆缺陷像素点和家具中心像素点之间的欧式 距离， 确定为所述喷漆缺陷像素点对应的目标距离； 根据所述喷漆缺陷像素点集合中的喷漆缺陷像素点的数量、 所述喷漆缺陷像素点集合 中的各个喷漆缺陷像素点对应的差异指标和目标距离， 确定所述待检测家具对应的目标喷权　利　要　求　书 2/3 页 3 CN 115222743 B 3