CN115409787B - 小型可插拔收发光模块底座缺陷的检测方法 - Google Patents

Abstract

本发明公开了一种小型可插拔收发光模块底座缺陷的检测方法，包括：获取光模块底座的图像；对光模块底座的图像进行预处理；根据光模块底座的缺陷分布位置，从预处理后的图像提取出至少一个感兴趣区域；将提取到的感兴趣区域作为检测块进行缺陷检测，得到检测块的缺陷类型；采用与缺陷类型相应的算法提取检测块的特征向量；将特征向量输入训练好的分类模型中，判断检测块中是否存在缺陷类型对应的缺陷。本发明的技术方案提升了小型可插拔收发光模块底座缺陷检测的准确率。

Description

小型可插拔收发光模块底座缺陷的检测方法

技术领域

本发明涉及缺陷检测领域，尤其涉及一种基于机器视觉的小型可插拔收发光模块底座缺陷的检测方法、计算设备及可读存储介质。

背景技术

随着5G时代的到来，光纤通信行业的市场规模与日俱增，光纤通信领域最为基础的零部件之一的小型可插拔收发光模块(Small Form-factor Pluggable，简称SFP)底座的需求量也随之迅速增长。SFP光模块底座生产质量不仅直接影响SFP装配质量、寿命与使用效果，SFP底座若存在缺陷，则会引发装配不到位、配合不稳定等情况，将影响到SFP的使用稳定性，还可能影响整个光纤通讯系统的运转，因此严格把控SFP底座的生产质量极为必要。

目前，SFP底座均由锌合金铸造而成，经由喷砂、人工打磨、电镀等工艺，最终产出符合标准的SFP底座。最终产出的SFP底座由于生产过程中的工艺、人工处理不到位等问题导致SFP底座的成品难免会出现颗粒、多料、毛刺、卡石、缺料等表面缺陷。对于大多数SFP底座生产制造厂家而言，SFP底座质量检测普遍依靠检测工人借助放大镜协助完成。然而，这种依靠人工检测的方式存在诸多问题：SFP底座尺寸较小，人工检测费时费力，长期进行检测工作会使人产生疲劳，影响检测人员身心健康；同时，人工检测需要进行主观判断，且受状态、环境等因素干扰较大，检测的精准度与速度难以保证；此外，随着人工成本的逐年增加，企业的SFP底座生产成本也不断上升。SFP底座的表面缺陷检测仅依靠人工目视完成，检测精度与效率难以满足SFP底座的自动化生产需求，为推动智能制造在通信行业的全面发展，研究SFP底座表面缺陷的智能化检测方法具有极为重要的工程意义和应用价值。

现有的基于机器视觉的光模块表面缺陷检测方案中，廖佳乐提出的基于机器视觉的光模块底座表面缺陷检测，为了实现光模块底座卡石、颗粒和毛刺等缺陷的检测，利用形态学方法可以擦除微小边缘的特点，通过将形态学处理后的图像与原始图像进行图像差分来提取缺陷，对于形态学方法无法处理的缺陷，采用基于改进的SURF进行特征点提取，结合基于MSAC的双向最近领域法剔除误匹配点，完成被检测图像与标准图像之间的配准，然后基于改进的图像差分方法完成缺陷提取。该方案本质上是采用传统图像处理方法对光模块的部分表面缺陷展开研究，并使用人工设计的阈值对提取特征进行缺陷判定，其检测效率和鲁棒性有待提升。另有徐成鸿提出的基于立体视觉光纤模块检测算法研究，为了实现光纤模块弹片部位的变形缺陷检测，选择双目立体视觉进行图像采集，采用基于改进的SURF特征点提取和改进的KD-Tree实现立体特征匹配，完成被检测工件的三维点云信息获取，通过标准工件与被检测工件的点云差来判定是否含有变形缺陷。该方案采用双目视觉进行光纤模块弹片边缘检测，其检测精度不高，针对微小缺陷效果不佳，且双目视觉所需硬件成本较高，标定过程繁琐，尚有改进空间。

为此，本发明提供一种基于机器视觉的小型可插拔收发光模块底座缺陷的检测方案，以解决现有技术中存在的问题。

发明内容

为此，本发明提供一种基于机器视觉的小型可插拔收发光模块底座缺陷的检测方法、计算设备及可读存储介质，以解决或至少缓解上面存在的问题。

根据本发明的第一个方面，提供了一种小型可插拔收发光模块底座缺陷的检测方法，方法包括：获取光模块底座的图像；对光模块底座的图像进行预处理；根据光模块底座的缺陷分布位置，从预处理后的图像提取出至少一个感兴趣区域；将提取到的感兴趣区域作为检测块进行缺陷检测，得到检测块的缺陷类型；采用与缺陷类型相应的算法提取检测块的特征向量；将特征向量输入训练好的分类模型中，判断检测块中是否存在缺陷类型对应的缺陷。

可选地，在根据本发明的小型可插拔收发光模块底座缺陷的检测方法中，对光模块底座的图像进行预处理，包括：将包含光模块底座的部分作为底座图像从光模块底座的图像中分割出来；对底座图像进行倾斜矫正。

可选地，在根据本发明的小型可插拔收发光模块底座缺陷的检测方法中，将包含光模块底座的部分作为底座图像从光模块底座的图像中分割出来，包括：设置灰度分割阈值，将光模块底座的图像划分为灰度值大于灰度分割阈值和灰度值小于或等于灰度分割阈值的两部分；确定灰度值大于灰度分割阈值的部分与灰度值小于或等于灰度分割阈值的部分之间的方差；在不同的取值下遍历灰度分割阈值，确定方差最大时灰度分割阈值的数值；采用方差最大时灰度分割阈值的数值，对光模块底座的图像进行二值化处理；根据二值化处理后的图像，从光模块底座的图像中分割出底座图像。

可选地，在根据本发明的小型可插拔收发光模块底座缺陷的检测方法中，根据二值化处理后的图像，从光模块底座的图像中分割出底座图像，包括：对二值化处理后的图像进行去除噪声的处理；在去除噪声处理后的图像中，计算底座图像的最大外接矩阵的坐标信息；根据坐标信息，从光模块底座的图像中分割出底座图像。

可选地，在根据本发明的小型可插拔收发光模块底座缺陷的检测方法中，根据二值化处理后的图像，从光模块底座的图像中分割出底座图像，包括：将二值化处理后的图像中的背景去除，得到底座图像。

可选地，在根据本发明的小型可插拔收发光模块底座缺陷的检测方法中，对底座图像进行倾斜矫正，包括：将底座图像进行二值化处理，得到底座的二值图像；将底座的二值图像在多个角度上旋转变换；在每个角度上，确定底座的二值图像在垂直方向上的投影长度；将投影长度最小时对应的角度作为底座图像的矫正角度；采用矫正角度对底座图像进行矫正。

可选地，在根据本发明的小型可插拔收发光模块底座缺陷的检测方法中，将提取到的感兴趣区域作为检测块进行缺陷检测，得到检测块的缺陷类型，包括：如果检测块的长宽比大于预定值，则：将检测块细分为多个子检测块，并从中确定存在缺陷的子检测块；对存在缺陷的子检测块进行二值化处理；对二值化处理后的子检测块进行平滑处理；填补平滑处理后的子检测块上的空洞，生成标准模板；将平滑处理后的子检测块与标准模板进行图像差分；在图像差分的结果中，通过可连通区域的高度峰值判断缺陷类型是否为缺料缺陷，通过白色连通区域的长度、高度和面积判断缺陷类型是否为颗粒缺陷；如果检测块的长宽比小于或等于预定值，则：对检测块进行二值化处理；通过对二值化处理后的检测块中白色像素点面积与其最小外接矩阵面积的比值，判断缺陷类型是否为多料缺陷；通过对二值化处理后的检测块中白色像素面积与整个检测块面积的比值，判断缺陷类型是否为卡石缺陷；对检测块进行局部二值模式处理；通过局部二值模式处理后的图像的灰度统计分布判断缺陷类型是否为毛刺缺陷。

可选地，在根据本发明的小型可插拔收发光模块底座缺陷的检测方法中，采用与缺陷类型相应的算法提取检测块的特征向量，包括：如果缺陷类型为缺料缺陷，则基于可连通区域的高度峰值、该高度峰值与可连通区域的高度均值的比值、以及可连通区域的面积，构建检测块的特征向量。

可选地，在根据本发明的小型可插拔收发光模块底座缺陷的检测方法中，采用与缺陷类型相应的算法提取检测块的特征向量，包括：如果缺陷类型为颗粒缺陷，则基于白色连通区域的高度峰值、该高度峰值与白色连通区域的高度均值的比值、以及白色连通区域的面积，构建检测块的特征向量。

可选地，在根据本发明的小型可插拔收发光模块底座缺陷的检测方法中，采用与缺陷类型相应的算法提取检测块的特征向量，包括：如果缺陷类型为多料缺陷，则基于白色像素点面积、白色像素点面积与其最小外接矩阵面积的比值，构建检测块的特征向量。

可选地，在根据本发明的小型可插拔收发光模块底座缺陷的检测方法中，采用与缺陷类型相应的算法提取检测块的特征向量，包括：如果缺陷类型为卡石缺陷，则基于白色像素面积、白色像素构成的连通区域数量，构建检测块的特征向量。

可选地，在根据本发明的小型可插拔收发光模块底座缺陷的检测方法中，采用与缺陷类型相应的算法提取检测块的特征向量，包括：如果缺陷类型为毛刺缺陷，则基于局部二值模式处理后的图像中各灰度值像素点数量，构建检测块的特征向量。

可选地，在根据本发明的小型可插拔收发光模块底座缺陷的检测方法中，还包括：如果检测块存在缺陷且被细分为多个子检测块，将存在缺陷的子检测块在光模块底座的图像上进行显示；如果检测块存在缺陷且未被细分为多个子检测块，则将该检测块在光模块底座的图像上进行显示。

可选地，在根据本发明的小型可插拔收发光模块底座缺陷的检测方法中，获取光模块底座的图像，包括：构建成像平台，成像平台包括工业相机、环形光源、检测托盘和导轨，工业相机上装备有远心镜头，环形光源用于为工业相机在采集图像时提供光源；通过导轨移动检测托盘，使检测托盘上的光模块底座位于工业相机的采集位置；通过工业相机采集采集位置上的光模块底座的图像。

可选地，在根据本发明的小型可插拔收发光模块底座缺陷的检测方法中，训练好的分类模型为支持向量机，支持向量机的核函数为高斯核函数。

根据本发明的第三个方面，提供一种计算设备，包括：至少一个处理器；存储器，存储有程序指令，其中，程序指令被配置为适于由上述至少一个处理器执行，程序指令包括用于执行如上所述的方法的指令。

根据本发明的第四个方面，提供一种存储有程序指令的可读存储介质，当该程序指令被计算设备读取并执行时，使得该计算设备执行如上所述的方法。

根据本发明的技术方案，通过对光模块底座图像进行预处理，将光模块底座图像中带有光模块底座的部分从背景中裁剪出来，并对倾斜的光模块底座进行倾斜矫正，由于现实情况中难以实现光模块底座的完全水平放置，因此通过对光模块底座图像进行矫正可以避免光模块底座倾斜放置带来的影响。通过光模块底座的缺陷分布位置，提取出感兴趣区域，针对光模块底座特有的缺陷分布情况，将缺陷可能发生的位置作为感兴趣区域，提升了检测效率，节省了检测时间。通过对感兴趣区域的检测块进行缺陷检测可以得到检测块的缺陷类型，采用与缺陷类型相应的算法提取检测块的特征向量，针对性强，检测的准确率高。通过分类模型判断检测块是否存在缺陷，进一步提升检测的准确率，有效避免误判的情况发生。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。

图1示出了计算设备100的物理组件的框图；

图2示出了光模块底座的缺陷示意图；

图3示出了根据本发明一个实施例的基于机器视觉的小型可插拔收发光模块底座缺陷的检测方法300的流程图；

图4示出了根据本发明一个实施例的检测托盘的示意图；

图5示出了根据本发明一个实施例的二值化图像的示意图；

图6示出了根据本发明一个实施例的光模块底座图像分割的示意图；

图7示出了根据本发明一个实施例的倾斜角度及其垂直投影长度的示意图；

图8示出了根据本发明一个实施例的基于投影长度最小的光模块底座图像的倾斜矫正的示意图；

图9示出了根据本发明一个实施例的检测块划分的示意图；

图10示出了根据本发明一个实施例的缺料缺陷的特征提取的示意图；

图11示出了根据本发明一个实施例的颗粒缺陷的特征提取的示意图；

图12示出了根据本发明一个实施例的多料缺陷的特征提取的示意图；

图13示出了根据本发明一个实施例的卡石缺陷的特征提取的示意图；

图14示出了根据本发明一个实施例的毛刺缺陷的特征提取的示意图；

图15示出了根据本发明一个实施例的二维线性支持向量机的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

图1示出了的计算设备100的物理组件(即，硬件)的框图。在基本配置中，计算设备100包括至少一个处理单元102和系统存储器104。根据一个方面，取决于计算设备的配置和类型，处理单元102可以实现为处理器。系统存储器104包括但不限于易失性存储(例如，随机存取存储器)、非易失性存储(例如，只读存储器)、闪速存储器、或者这样的存储器的任何组合。根据一个方面，系统存储器104中包括操作系统105和程序模块106，程序模块106中包括用于执行本发明的用于执行本发明的小型可插拔收发光模块底座缺陷的检测方法的程序指令120。

根据一个方面，操作系统105例如适合于控制计算设备100的操作。此外，示例结合图形库、其他操作系统、或任何其他应用程序而被实践，并且不限于任何特定的应用或系统。在图1中通过在虚线108内的那些组件示出了该基本配置。根据一个方面，计算设备100具有额外的特征或功能。例如，根据一个方面，计算设备100包括额外的数据存储设备(可移动的和/或不可移动的)，例如磁盘、光盘、或者磁带。这样额外的存储在图1中是由可移动存储设备109和不可移动存储设备110示出的。

如在上文中所陈述的，根据一个方面，在系统存储器104中存储有程序模块106。根据一个方面，程序模块106可以包括一个或多个应用程序，本发明不限制应用程序的类型，例如应用程序可以包括：电子邮件和联系人应用程序、文字处理应用程序、电子表格应用程序、数据库应用程序、幻灯片展示应用程序、绘画或计算机辅助应用程序、网络浏览器应用程序等。

根据一个方面，可以在包括分立电子元件的电路、包含逻辑门的封装或集成的电子芯片、利用微处理器的电路、或者在包含电子元件或微处理器的单个芯片上实践示例。例如，可以经由其中在图1中所示出的每个或许多组件可以集成在单个集成电路上的片上系统(SOC)来实践示例。根据一个方面，这样的SOC设备可以包括一个或多个处理单元、图形单元、通信单元、系统虚拟化单元、以及各种应用功能，其全部作为单个集成电路而被集成(或“烧”)到芯片基底上。当经由SOC进行操作时，可以经由在单个集成电路(芯片)上与计算设备100的其他组件集成的专用逻辑来对在本文中所描述的功能进行操作。还可以使用能够执行逻辑操作(例如AND、OR和NOT)的其他技术来实践本发明的实施例，所述其他技术包括但不限于机械、光学、流体、和量子技术。另外，可以在通用计算机内或在任何其他任何电路或系统中实践本发明的实施例。

根据一个方面，计算设备100还可以具有一个或多个输入设备112，例如键盘、鼠标、笔、语音输入设备、触摸输入设备等。还可以包括输出设备114，例如显示器、扬声器、打印机等。前述设备是示例并且也可以使用其他设备。计算设备100可以包括允许与其他计算设备118进行通信的一个或多个通信连接116。合适的通信连接116的示例包括但不限于：RF发射机、接收机和/或收发机电路；通用串行总线(USB)、并行和/或串行端口。

如在本文中所使用的术语计算机可读介质包括计算机存储介质。计算机存储介质可以包括以任何用于存储信息(例如，计算机可读指示、数据结构、或程序模块)的方法或技术来实现的易失性的和非易失性的、可移动的和不可移动的介质。系统存储器104、可移动存储设备109、和不可移动存储设备110都是计算机存储介质的示例(即，存储器存储)。计算机存储介质可以包括随机存取存储器(RAM)、只读存储器(ROM)、电可擦只读存储器(EEPROM)、闪速存储器或其他存储器技术、CD-ROM、数字通用盘(DVD)或其他光存储、盒式磁带、磁带、磁盘存储器或其他磁存储设备、或者可用于存储信息并且可以由计算机设备100访问的任何其他制品。根据一个方面，任何这样的计算机存储介质都可以是计算设备100的一部分。计算机存储介质不包括载波或其他经传播的数据信号。

根据一个方面，通信介质是由计算机可读指令、数据结构、程序模块、或者经调制的数据信号(例如，载波或其他传输机制)中的其他数据实施的，并且包括任何信息传递介质。根据一个方面，术语“经调制的数据信号”描述了具有一个或多个特征集或者以将信息编码在信号中的方式改变的信号。作为示例而非限制，通信介质包括诸如有线网络或直接有线连接之类的有线介质，以及诸如声学、射频(RF)、红外线的、以及其他无线介质之类的无线介质。

在本发明的一个实施例中，计算设备100包括一个或多个处理器、以及存储有程序指令的一个或多个可读存储介质。当程序指令被配置为由一个或多个处理器执行时，使得计算设备执行本发明实施例中的小型可插拔收发光模块底座缺陷的检测方法。

本发明涉及小型可插拔收发光模块底座，本发明中所称的光模块底座和SFP底座均表示小型可插拔收发光模块底座，其常见的缺陷有：缺料、颗粒、卡石、毛刺、多料。SFP底座区别于其他类型的元件，五种类型的缺陷分别分布在SFP底座的不同区域，且具有不同的特征。其中，缺料缺陷是不可修复缺陷，需将整个SFP底座重铸回收原材料；而颗粒、多料、毛刺、卡石缺陷属于可进行二次加工后继续送入电镀工序的表面缺陷。

下面根据这五类缺陷的产生原因和特点进行分析：

(1)缺料：由于SFP底座属于金属铸造件且含有较多锋利边缘，在生产、运输过程中极易将其它SFP底座划伤，导致缺料缺陷的产生。缺料缺陷常位于SFP底座上下边缘区域，其边缘会向内凹陷。图2示出了光模块底座的缺陷示意图。如图2所示，210为缺料缺陷，正常边缘在图像上呈现高灰度值，而缺料缺陷存在的区域则接近黑色，其灰度值较低。

(2)颗粒：SFP底座生产过程中需要进行喷砂处理，喷砂中使用的石头颗粒可能在SFP底座上卡住，如不检测清理将会导致送入电镀工序处理后将产生不可逆转损失。220为颗粒缺陷，细小颗粒留在细槽内，形成颗粒缺陷。正常细槽为光滑表面，因此在图像上为高亮度长矩形，而喷砂所用颗粒表面粗糙且颜色更为暗沉，其灰度值较低。

(3)卡石：与颗粒缺陷产生原因相同，较大的喷砂石留在LC槽内形成卡石缺陷，230为卡石缺陷。LC槽与底座表面不在同一平面，且表面有随机噪音纹理，卡石区域灰度值较正常工件更低。

(4)毛刺：生产过程中铸造工艺精度易导致夹角区域存在部分毛刺，毛刺缺陷主要分布于LC槽的四个直角处，240为毛刺缺陷。存在毛刺缺陷的工件本应为直角的区域呈现圆角，边缘较正常工件更为圆润。

(5)多料：与毛刺缺陷产生原因相同，SFP底座端头区域常出现多料缺陷。250为多料缺陷，存在该种缺陷的区域将会多出一部分材料，灰度值会发生变化，原本相对光滑的表面呈现更多边缘。

图3示出了根据本发明一个实施例的基于机器视觉的小型可插拔收发光模块底座缺陷的检测方法300的流程图。方法300适于在计算设备(例如前述计算设备100)中执行。如图3所示，方法300始于步骤310。

在步骤310中，获取光模块底座的图像。

根据本发明的实施例，构建成像平台，其中，所构建的成像平台包括工业相机、环形光源、检测托盘和导轨。工业相机可以为CCD工业相机和CMOS工业相机，CCD工作相机在成本、使用功耗、采集速度以及集成度方面相比CMOS工业相机有很大劣势，因此，本发明的方案选取CMOS工业相机。基于前述对光模块底座常见缺陷的特征分析，基于图像的边缘信息与灰度信息可实现缺陷特征的提取，因此，单通道相机相较于彩色相机更为合适，同时采用单通道相机采集灰度图像，可增加设备采集效率及设备稳定性。像素分辨率是工业相机具体选型的重要考虑因素，通常分辨率越高图像越清晰，缺陷检测的精度越高，然而过大的分辨率会降低图像处理算法的速度，导致检测速度降低。可选地，综合考虑传感器类型、像素分辨率、光模块底座缺陷特征等多种因素，选择相机型号为STC-MCS2041POE。

为了提高机器视觉系统的整体性能，需要对合适的镜头进行选择，镜头的类型可以为定焦镜头或远心镜头，相比于定焦镜头远心镜头采用平行光路设计，其成像畸变更小，景深对放大倍数影响较小，且无视差。而且，由于本发明的检测对象光模块底座的缺陷分布并不在同一平面，且相较于定焦镜头，远心镜头具有超低畸变、高分辨率、超宽景深的特点，能够满足光模块底座表面清晰图像的采集，完成后续检测任务，同时可适应恶劣的工业生产环境，提高系统的鲁棒性，因此本发明选用远心镜头，将远心镜头装备在工业相机上。同时为了方便光模块底座检测件的上下料，镜头的工作距离需大于200mm；镜头的相机接口若不与相机兼容则需要配置转接头，通常转接头会影响成像效果，因此首选C-mount接口的镜头；光模块底座的长宽尺寸为55.5mm×13.5mm，其长度与宽度之间存在较大差距，因此考虑一次对两个光模块底座进行成像，同时考虑导轨的移动误差等，所选镜头的视场应不小于60mm×40mm；同时，光模块底座存在不同表面需要检测，考虑其高度为10mm，因此镜头的景深应不小于10mm。可选地，选择满足上述条件的镜头型号为OPT-TS0206-228-AL的远心镜头。

光源在机器视觉系统中起到照亮检测对象的作用，并且为了降低后续算法的难度，提高图像质量，照射过程中需要尽量突出检测对象特征，需要对合适的光源进行选择，可以选择的可见光源类型有荧光灯、卤素灯、白炽灯、LED灯等。相比于其他到的光源类型，LED灯具有发光稳定、强度可调节、小面积照明性价比高、可定制光源形状尺寸等优点，而光模块底座的成像系统设计在真实工况下运行，所选光源需要具有稳定性、可持续发光等特点，且光模块底座尺寸较小，所需照射面积小，因此，可以选用LED灯为光模块底座成像照明光源。而LED光源可分为环形光源、同轴光源、背式光源和球积分光源等，根据被检测工件的尺寸、表面缺陷特征、工作距离进行具体光源形状的选型，光模块底座的表面缺陷分布较广，其中卡石缺陷与其他缺陷并不在同一表面，因此同轴光源并不适用；缺料缺陷虽然分布在光模块底座边缘区域，但光模块底座具有一定厚度，背式光源也无法突显其缺陷特征，因此不采用背式光源；球积分光源可进行均匀光束照射，可突显凹凸不平的表面，而球积分光源的体积一般较大，不利于光模块底座的上下料，因此球积分光源不适用于本发明的方案；环形光源同样可对被检测工件进行四周均匀照射，且较球积分光源体积更小，能够突显边缘与高度信息，符合光模块底座的成像要求，因此可以选择环形光源为工业相机在采集图像时提供光源。

为了提高表面缺陷检测的效率，实现快速自动化成像，本发明的成像平台需要一个基于检测对象结构及其表面缺陷特征的托盘，以及移动装置实现以同一托盘为单位的光模块底座自动化成像。为方便托盘加工，托盘上用于承载光模块底座的凹槽四周采用圆角设计，凹槽尺寸设计为17.5mm×58mm，略大于光模块底座以方便上下料操作。图4示出了根据本发明一个实施例的检测托盘的示意图。如图4所示，检测托盘能够满足光模块底座的成批成像，同一托盘可摆放40个光模块底座图像，同时采集两个光模块底座图像，分为20次成像。该托盘可使检测对象保持相对稳定的位置，最大程度上使得被检测部位处于同一水平位置，可降低图像采集以及后续检测算法实现的难度，并增加图像采集到的速度。当然，同一托盘内摆放的光模块底座之间的间距可以调节，因此同一托盘也可以摆放其他数量的光模块底座，所采集的光模块底座图像中包含的光模块底座的数量也可以为一个或多个。

根据本发明的实施例，通过导轨移动检测托盘，使检测托盘上的光模块底座位于工业相机的采集位置。可选地，导轨为十字交叉导轨，通过导轨的设计可以实现检测托盘的自动移动到适当得的采集位置，以便通过工业相机采集采集位置上的光模块底座的图像。交叉导轨能够实现平面内垂直方向的移动，带动托盘按照设定的图像采集路径移动，进而实现对于托盘内批量的光模块底座表面图像的高质量成像。

在步骤320中，对光模块底座的图像进行预处理。

由于输入原始待检测图像(即步骤310获取到的光模块底座的图像)中可以包括一个或多个光模块底座，其中，每个光模块底座并非标准水平放置，以获取到的光模块底座的图像中包括两个光模块底座为例进行说明，则需要将输入原始待检测图像分割为单独两个图像，并分别进行倾斜矫正得到标准单个光模块底座图像，以此增加方案的鲁棒性。根据本发明的是实施例，首先，将包含光模块底座的部分作为底座图像从光模块底座的图像中分割出来。然后，对底座图像进行倾斜矫正。

由于光模块底座在灰度域上与背景信息存在较大差异，因此考虑基于灰度阈值分割的方式将光模块底座提取出来。具体地，设置灰度分割阈值，将光模块底座的图像划分为灰度值大于灰度分割阈值和灰度值小于或等于灰度分割阈值的两部分。可选地，设置灰度分割阈值为t，其中，灰度值大于t的像素在整幅图像中的比例为w₁，其灰度均值为u₁；灰度值小于等于t的像素在整幅图像中的比例为w₀，其灰度均值为u₀；则可以得到总灰度均值u为：

u＝w₁×u₁+w₀×u₀

确定灰度值大于灰度分割阈值的部分与灰度值小于或等于灰度分割阈值的部分之间的方差。

σ²＝w₀×(u₀-u)+w₁(u₁-u)

联立上述两式可得：

σ²＝w₀×w₁(u₁-u₀)²

在不同的取值下遍历灰度分割阈值，确定方差最大时灰度分割阈值的数值。通过遍历所有灰度值计算出最大时的阈值作为灰度分割阈值，此时两部分之间的差别最大。采用本发明的灰度分割方案，对于前景与后景无较大面积差异的图像具有良好的分割效果，且不会因整体亮度变化影响分割效果。

采用方差最大时灰度分割阈值的数值，对光模块底座的图像进行二值化处理。

根据本发明的一个实施例，将二值化处理后的图像中的背景去除，得到底座图像。在二值化处理后的图像中，检测托盘作为图像中的背景被处理为黑色，因此，将二值化处理后的图像中的黑色背景部分去除可以得到底座图像。

虽然经过上述灰度分割方案能够剔除大部分原始图像中的背景信息，但是背景中检测托盘上的部分杂质也被划分为目标，并且分割图上有部分空洞。图5示出了根据本发明一个实施例的二值化图像的示意图。如图5所示，将输入图像进行二值化处理后，检测托盘上还可能存在部分杂质，光模块底座部分还可能有部分空洞。因此，根据本发明的另一个实施例，对图像进行进一步处理。具体地，对二值化处理后的图像进行去除噪声的处理。在去除噪声处理后的图像中，计算底座图像的最大外接矩阵的坐标信息。根据得到的坐标信息，从光模块底座的图像中分割出底座图像。可选地，通过腐蚀运算、膨胀运算、开运算、或闭运算将二值化处理后的图像中的噪声去除，并填补白色区域的空洞。图6示出了根据本发明一个实施例的光模块底座图像分割的示意图。如图6所示，在去除噪声处理后的图像中，计算底座图像的最大外接矩阵在整个图像中的坐标信息。根据得到的坐标信息，从光模块底座的图像中分割出底座图像。

通过上述处理步骤，获得了单个光模块底座图像，但是每个图像都有一定程度上的倾斜，因此需对其进行倾斜矫正处理。可选地，可以采用Hough变化进行倾斜矫正，但是使用Hough变换检测进行直线检测时，需要遍历图像中的所有点，并将其转换到Hough空间，因此花费时间较多。因此，为了高效地对每张光模块底座图像进行倾斜矫正，可以采用基于投影长度最小的倾斜矫正方法。由于光模块底座的二值图像较为规律，其在垂直方向上的投影长度一定程度上可代表是否为水平放置。

根据本发明的实施例，将底座图像进行二值化处理，得到底座的二值图像。将底座的二值图像在多个角度上旋转变换。在每个角度上，确定底座的二值图像在垂直方向上的投影长度。将投影长度最小时对应的角度作为底座图像的矫正角度。采用矫正角度对底座图像进行矫正。

可选地，由于本发明采用检测托盘承载光模块底座，所以其倾斜角度不会超过5°。图7示出了根据本发明一个实施例的倾斜角度及其垂直投影长度的对应关系的示意图。将水平放置光模块底座的二值图像在[-5:0.1:5]内进行旋转变换，其对应垂直方向投影长度，如图7所示，旋转角度为0°时，即水平放置的光模块底座，所对应的投影长度最小，因此，可通过求取光模块底座二值图像在垂直方向的投影长度来判断是否为倾斜修正角度。

具体地，将二值图像在[-5,5]范围内进行步长为0.1°的旋转变换。对上述所有变换所得图像分别在垂直方向上进行累加，得到各自的一维矩阵A。比较各角度下矩阵A的长度L。L最小时对应的旋转角度即为倾斜矫正角度。

图8示出了根据本发明一个实施例的基于投影长度最小的光模块底座图像的倾斜矫正的示意图。对前文所获得的单个光模块底座图像(即底座图像)进行倾斜矫正后，矫正后的图像四周有部分背景信息需要剔除，通过找到其二值图像连通区域的最小外接矩阵的坐标进行进一步裁剪，可以得到单个光模块底座的标准图像作为倾斜矫正后的图像。

在步骤330中，根据光模块底座的缺陷分布位置，从预处理后的图像提取出至少一个感兴趣区域(Region of Interest,简称ROI)。

由于光模块底座表面五种缺陷的特征和所处位置不同，需要采取多种特征提取方案完成检测任务，因此根据各缺陷分布位置进行相应的ROI提取，将所得到的预处理后的图像划分为不同的检测块。图9示出了根据本发明一个实施例的检测块划分的示意图。如图9所示，按照各缺陷位置分布和特征根据先验信息将预处理后的图像划分为5种检测块，分别对应光模块底座表面的5种缺陷分类。其中，910对应了两个包括上下两个边缘的检测块，用于检测缺料检测块；920对应了两个包括上下两个细槽的检测块，用于检测颗粒缺陷；930对应了包括头部部分的检测块，用于检测多料缺陷；940对应了包括两个LC槽的检测块，用于检测卡石缺陷；950对应了四个位于LC上部的四个直角处的检测块，用于检测毛刺缺陷。

在步骤340中，将提取到的感兴趣区域作为检测块进行缺陷检测，得到检测块的缺陷类型。

根据本发明的实施例，如果检测块的长宽比大于预定值，则将检测块细分为多个子检测块，并从中确定存在缺陷的子检测块，即针对910和920的长条形检测块进行细分。对存在缺陷的子检测块进行二值化处理。对二值化处理后的子检测块进行平滑处理。填补平滑处理后的子检测块上的空洞，生成标准模板。将平滑处理后的子检测块与标准模板进行图像差分。在图像差分的结果中，通过可连通区域的高度峰值判断缺陷类型是否为缺料缺陷，通过白色连通区域的长度、高度和面积判断缺陷类型是否为颗粒缺陷。其中，预定值可以根据实际情况进行设置，例如可以设置为大于1.5的数值，也可以设置为大于2的数值。

由于缺料检测块长宽比过大，首先对其进行进一步细分，针对910和920检测块进行细分，例如：将其均分为10个大小一致的子检测块，同时为了保证裁剪不会影响对缺陷区域的提取，细分的10个子检测块之间存在重合区域。图10示出了根据本发明一个实施例的缺料缺陷的特征提取的示意图。由于存在缺料缺陷的检测块的边缘部分出现凹陷，存在黑色阴影，不同于正常边缘在图像上呈现高灰度值，缺料发生区域的灰度值较低。如图10所示，1010为检测块原图，1020为细分后的子检测块。采用前述方差最大时灰度分割阈值的数值，对子检测块进行二值化处理，缺陷区域灰度值较低被划分为背景，得到如1030所示的二值化处理后的子检测块图像。采用开运算去除边缘存在的细小毛刺，闭运算填补空洞，最终平滑后的图像如1040所示。利用形态学中闭运算填补空洞生成标准模板(如1050所示)，具体操作为：将二值化处理后的子检测块的图像在水平方向上进行累加，利用累加后的最大值N，构建[1×N]的水平方向结构因子，对二值化处理后的子检测块的图像进行开运算，生成标准模板。将平滑后的子检测块的图像与标准模板进行图像差分后提取缺陷特征结果，1060示出了图像差分的结果，其中除了需要提取的缺料特征之外还有部分间断的线段，这是由于光模块底座边缘并不是完全平滑，并不属于缺陷范围之内，这些噪声特征与缺陷特征的差别在于白色像素值的高度存在差别，因此，采用可连通区域的高度峰值作为是否存在缺料缺陷的判定依据。可选地，通过将可连通区域的高度峰值与设定的第一预定值进行比较，如果大于第一预定值则表示存在缺料缺陷，否则不存在缺料缺陷，第一预定值的选取可根据实际情况进行设定。

图11示出了根据本发明一个实施例的颗粒缺陷的特征提取的示意图。如图11所示，1110为检测块原图，1120为细分后的子检测块，采用前述方差最大时灰度分割阈值的数值，对子检测块进行二值化处理，得到如1130所示的二值化处理后的子检测块图像。采用开运算去除边缘存在的细小毛刺，闭运算填补空洞，最终平滑后的图像如1140所示。利用形态学中闭运算填补空洞生成标准模板(如1050所示)，具体操作为：将二值化处理后的子检测块的图像在水平方向上进行累加，利用累加后的最大值N，构建[1×N]的水平方向结构因子，对二值化处理后的子检测块的图像进行开运算，生成标准模板。对颗粒缺陷区域进行提取，不需要进行图像配准，可直接采用图像差分进行缺陷提取，且颗粒缺陷特征与缺料缺陷特征类似，因此针对缺料缺陷的特征提取方法对颗粒缺陷的特征提取进行提取。由于细槽的上下边缘存在阴影，最终差分运算所提取的缺陷特征图中同样存在部分间断的线段。将平滑后的子检测块的图像与标准模板进行图像差分后提取缺陷特征结果，1160示出了图像差分的结果，噪声特征与缺陷特征易于区分，可采用白色连通区域的长度、高度和面积等图像信息作为颗粒缺陷存在与否的判定依据。可选地，根据实际情况对白色连通区域的长度、高度和面积等信息的阈值进行设定，例如可以设定白色连通区域的长度大于第二预定值、高度大于第三预定值、和/或面积大于第四预定值时，判断存在颗粒缺陷，第二预定值、第三预定值和第四预定值的具体数值的选取可以根据实际情况设置。

根据本发明的实施例，如果检测块的长宽比小于或等于预定值，则对检测块进行二值化处理。通过对二值化处理后的检测块中白色像素点面积与其最小外接矩阵面积的比值，判断缺陷类型是否为多料缺陷。通过对二值化处理后的检测块中白色像素面积与整个检测块面积的比值，判断缺陷类型是否为卡石缺陷。对检测块进行局部二值模式处理。通过局部二值模式处理后的图像的灰度统计分布判断缺陷类型是否为毛刺缺陷。

图12示出了根据本发明一个实施例的多料缺陷的特征提取的示意图。如图12所示，1210为具有多料缺陷的检测块原图，对其进行二值化处理后，得到如1220所示的二值化处理后的检测块的图像，1230为无缺陷的检测块原图，检测块中的多料缺陷区域灰度值与正常样本不同，因此采用阈值分割可提取其缺陷特征，1240为无缺陷的检测块的二值化处理后的检测块图像。在1220和1240中框选区域为连通区域的最小外接矩阵。可以得出，无缺陷的多料检测块的二值图中白色区域几乎能够填满整个最小外接矩阵范围，而有缺陷样本中存在较大空洞。因此，多料检测块的二值图像中白色像素点面积与其最小外接矩阵面积的比值能够作为依据判定是否含有多料缺陷。可选地，如果二值化处理后的检测块中白色连通区域的白色像素点面积与其最小外接矩阵面积的比值小于第五预定值，则判定检测块存在多料缺陷，否则，判定检测块不存在多料缺陷。其中，第五预定值的具体数值可根据实际情况进行设置，本发明对此不做限制。

本发明通过对预处理后的图像提取感兴趣区域，提取了卡石缺陷检测块，因此不再需要进行图像配准。图13示出了根据本发明一个实施例的卡石缺陷的特征提取的示意图。1310为有缺陷的检测块，1330为无缺陷的检测块，检测块中的卡石缺陷区域灰度值与正常样本不同，且卡石缺陷区域在检测块中占比很大，因此可采用阈值分割提取其特征，无需要进行图像差分。对检测块进行二值化处理，1320为有缺陷的卡石检测块的二值图像，1340为无缺陷的卡石检测块的二值图像，可以得出，存在卡石缺陷的检测块中黑色像素总数远超正常样本，因此，通过二值化处理后的检测块的图像内的白色像素面积与整个检测块面积的比值可判定是否含有卡石缺陷。可选地，如果二值化处理后的检测块中白色像素面积与整个检测块面积的比值小于第六预定值，则判定检测块存在卡石缺陷，否则，判定检测块不存在卡石缺陷。其中，第六预定值的具体数值可根据实际情况进行设置，本发明对此不做限制。

由于本发明涉及的光模块底座上存在的毛刺缺陷在LC槽的四个直角，背景与缺陷之间的差距并不明显，基于阈值分割的二值化处理进行毛刺缺陷特征提取效果并不理想。本发明通过对检测块进行局部二值模式(Local Binary Patterns，简称LBP)处理的方式判断缺陷类型是否为毛刺缺陷。LBP是一种用来描述局部纹理特征的算子，可用于提取图像的局部纹理特征，其实质是将像素点的值替换为其关于周围像素点的梯度信息，以中心像素值为阈值与其周围八邻域的八个像素做比较，若大于中心元素则标记为1，否则为0，将由此产生的8位二进制数转换为十进制即为LBP编码，将中心像素替换为LBP值即可绘制LBP图像。其编码计算式如下所示：

其中，i_c为中心灰度值，i_p为邻域灰度值。

图14示出了根据本发明一个实施例的毛刺缺陷的特征提取的示意图。如图14所示，1410为无缺陷的检测块的图像，1420为无缺陷的检测块经过LBP算子处理后的图像，1440为有毛刺缺陷的检测块的图像，1450为有毛刺缺陷的检测块经过LBP算子处理后的图像。有毛刺缺陷的检测块经过LBP算子处理后，原本复杂的纹理特征以灰度像素值的形式在图像上更为直观地体现。由于毛刺缺陷存在倾斜圆角边缘，毛刺检测块在经过LBP算子处理之后，有缺陷和无缺陷检测块的灰度像素数量分布存在不同，以其中灰度值为212的区域为例：只保留两幅LBP图中灰度值为212的像素点，筛选后的结果如1430和1460所示，1430为无缺陷的检测块经过筛选后的结果，1460为有毛刺缺陷的检测块经过筛选后的结果。可以得出，经过LBP算子处理后，有缺陷毛刺检测块较无缺陷检测块存在更多灰度值为212的区域，两者之间灰度分布存在差异。因此，可采用LBP图像的灰度统计分布作为判定缺陷判定依据。

可选地，对局部二值模式处理后的图像，保留局部二值模式处理后的图像中灰度值为第七预定值的像素点，如果筛选后的结果中存在白色像素点，则判定检测块存在毛刺缺陷，否则，判定检测块不存在毛刺缺陷。其中，第七预定值的具体数值可根据实际情况进行设置，例如设置为212。

根据本发明的技术方案，针对不同检测块采用不同的方法和检测标准进行检测，针对性强，检测的准确率高。

在步骤350中，采用与缺陷类型相应的算法提取检测块的特征向量。

根据本发明的实施例，如果缺陷类型为缺料缺陷，则基于可连通区域的高度峰值、该高度峰值与可连通区域的高度均值的比值、以及可连通区域的面积，构建检测块的特征向量。

如果缺陷类型为颗粒缺陷，则基于白色连通区域的高度峰值、该高度峰值与白色连通区域的高度均值的比值、以及白色连通区域的面积，构建检测块的特征向量。

如果缺陷类型为多料缺陷，则基于白色像素点面积、白色像素点面积与其最小外接矩阵面积的比值，构建检测块的特征向量。

如果缺陷类型为卡石缺陷，则基于白色像素面积、白色像素构成的连通区域数量，构建检测块的特征向量。

如果缺陷类型为毛刺缺陷，则基于局部二值模式处理后的图像中各灰度值像素点数量，构建检测块的特征向量。

在步骤360中，将特征向量输入训练好的分类模型中，判断检测块中是否存在缺陷类型对应的缺陷。

可选地，训练好的分类模型为支持向量机(Support Vector Machine，简称SVM)，支持向量机的核函数为高斯核函数。

根据本发明的实施例，将特征向量输入SVM分类器求取最优化超平面，选取非线性SVM作为分类器，核函数设置为高斯核函数，通过训练数据求取最优化超平面，得到训练完毕的五个SVM分类器能够对于输入的特征向量进行分类，实现五种缺陷的判定。将根据类型为缺料缺陷的检测块的特征构建的特征向量输入训练好的分类模型中，确定该检测块是否存在缺料缺陷。将根据类型为颗粒缺陷的检测块的特征构建的特征向量输入训练好的分类模型中，确定该检测块是否存在颗粒缺陷。将根据类型为多料缺陷的检测块的特征构建的特征向量输入训练好的分类模型中，确定该检测块是否存在多料缺陷。将根据类型为卡石缺陷的检测块的特征构建的特征向量输入训练好的分类模型中，确定该检测块是否存在卡石缺陷。将根据类型为毛刺缺陷的检测块的特征构建的特征向量输入训练好的分类模型中，确定该检测块是否存在毛刺缺陷。进一步地通过分类模型确认缺陷存在与否，提升检测的准确率，有效避免误判的情况发生。

SVM是一种基于有监督学习的分类模型，其最基础的模型是用来求解能够正确划分训练样本，并使正负样本的几何间隔最大的最优化超平面。图15示出了根据本发明一个实施例的二维线性支持向量机的示意图。如图15所示，L直线w×x+b＝0为二维分类样本的最优化超平面，l₁与l₂是与L直线平行的两条直线，正样本都在l₁侧，负样本都在l₂侧，l₁与l₂之间距离的一半就是正负样本的几何最大间隔。

对于完全线性可分的数据，支持向量即为l₁与l₂上的样本点，此时SVM的求解问题可转化为最优化问题：求解约束条件。

y_i((w·i+b))≥1

目标函数：

然而，完全线性可分的样本数据在实际中几乎不存在。但是线性不可分的样本数据在高维情况下是可能可分的，此时，对样本数据使用核函数实现升维操作，将低维数据样本映射到高维可分的特征空间，最后通过数据在高维数据中的表征信息进行最优化超平面求解。

可选地，在判断检测块中是否存在缺陷类型对应的缺陷后，对所确定存在缺陷的检测块进行缺陷的呈现。如果检测块存在缺陷且被细分为多个子检测块，将存在缺陷的子检测块在光模块底座的图像上进行显示。如果检测块存在缺陷且未被细分为多个子检测块，则将该检测块在光模块底座的图像上进行显示。可选地，将存在缺陷的检测块的缺陷类型在光模块底座的图像上进行标注。这样，对光模块底座上存在的缺陷可以清晰直观地进行呈现，使用户可以清得知缺陷的位置和类型，以便针对光模块底座上不同类型的缺陷进行相应的补救处理。

根据本发明的技术方案，通过对光模块底座图像进行预处理，将光模块底座图像中带有光模块底座的部分从背景中裁剪出来，并对倾斜的光模块底座进行倾斜矫正，由于现实情况中难以实现光模块底座的完全水平放置，因此通过对光模块底座图像进行矫正可以避免光模块底座倾斜放置带来的影响。通过光模块底座的缺陷分布位置，提取出感兴趣区域，针对光模块底座特有的缺陷分布情况，将缺陷可能发生的位置作为感兴趣区域，提升了检测效率，节省了检测时间。通过对感兴趣区域的检测块进行缺陷检测可以得到检测块的缺陷类型，采用与缺陷类型相应的算法提取检测块的特征向量，针对性强，检测的准确率高。通过分类模型判断检测块是否存在缺陷，进一步提升检测的准确率，有效避免误判的情况发生。

这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如可移动硬盘、U盘、软盘、CD-ROM或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。

在程序代码在可编程计算机上执行的情况下，移动终端一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的小型可插拔收发光模块底座缺陷的检测方法。

以示例而非限制的方式，可读介质包括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。

在此处所提供的说明书中，算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。

如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。

尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的而非限制性的，本发明的范围由所附权利要求书限定。

Claims (16)

1.一种小型可插拔收发光模块底座缺陷的检测方法，所述方法包括：

获取所述光模块底座的图像；

对所述光模块底座的图像进行预处理；

根据所述光模块底座的缺陷分布位置，从预处理后的图像提取出至少一个感兴趣区域；

将提取到的感兴趣区域作为检测块进行缺陷检测，得到所述检测块的缺陷类型；

采用与所述缺陷类型相应的算法提取所述检测块的特征向量；

将所述特征向量输入训练好的分类模型中，判断所述检测块中是否存在所述缺陷类型对应的缺陷；

其中，所述将提取到的感兴趣区域作为检测块进行缺陷检测，得到所述检测块的缺陷类型，包括：

如果所述检测块的长宽比大于预定值，则：

将所述检测块细分为多个子检测块，并从中确定存在缺陷的子检测块；

对所述存在缺陷的子检测块进行二值化处理；

对二值化处理后的子检测块进行平滑处理；

填补平滑处理后的子检测块上的空洞，生成标准模板；

将平滑处理后的子检测块与所述标准模板进行图像差分；

在图像差分的结果中，通过可连通区域的高度峰值判断缺陷类型是否为缺料缺陷，通过白色连通区域的长度、高度和面积判断缺陷类型是否为颗粒缺陷；

如果所述检测块的长宽比小于或等于预定值，则：

对所述检测块进行二值化处理；

通过对二值化处理后的检测块中白色像素点面积与其最小外接矩阵面积的比值，判断缺陷类型是否为多料缺陷；

通过对二值化处理后的检测块中白色像素面积与整个检测块面积的比值，判断缺陷类型是否为卡石缺陷；

对所述检测块进行局部二值模式处理；

通过局部二值模式处理后的图像的灰度统计分布判断缺陷类型是否为毛刺缺陷。

2.根据权利要求1所述的方法，其中，所述对所述光模块底座的图像进行预处理，包括：

将包含所述光模块底座的部分作为底座图像从所述光模块底座的图像中分割出来；

对所述底座图像进行倾斜矫正。

3.根据权利要求2所述的方法，其中，所述将包含所述光模块底座的部分作为底座图像从所述光模块底座的图像中分割出来，包括：

设置灰度分割阈值，将所述光模块底座的图像划分为灰度值大于所述灰度分割阈值和灰度值小于或等于所述灰度分割阈值的两部分；

确定灰度值大于所述灰度分割阈值的部分与灰度值小于或等于所述灰度分割阈值的部分之间的方差；

在不同的取值下遍历所述灰度分割阈值，确定所述方差最大时灰度分割阈值的数值；

采用所述方差最大时灰度分割阈值的数值，对所述光模块底座的图像进行二值化处理；

根据二值化处理后的图像，从所述光模块底座的图像中分割出底座图像。

4.根据权利要求3所述的方法，其中，根据二值化处理后的图像，从所述光模块底座的图像中分割出底座图像，包括：

对二值化处理后的图像进行去除噪声的处理；

在去除噪声处理后的图像中，计算所述底座图像的最大外接矩阵的坐标信息；

根据所述坐标信息，从所述光模块底座的图像中分割出底座图像。

5.根据权利要求3所述的方法，其中，根据二值化处理后的图像，从所述光模块底座的图像中分割出底座图像，包括：

将二值化处理后的图像中的背景去除，得到底座图像。

6.根据权利要求2至5中任一项所述的方法，其中，所述对所述底座图像进行倾斜矫正，包括：

将所述底座图像进行二值化处理，得到底座的二值图像；

将所述底座的二值图像在多个角度上旋转变换；

在每个角度上，确定所述底座的二值图像在垂直方向上的投影长度；

将投影长度最小时对应的角度作为底座图像的矫正角度；

采用所述矫正角度对所述底座图像进行矫正。

7.根据权利要求1至5中任一项所述的方法，其中，所述采用与所述缺陷类型相应的算法提取所述检测块的特征向量，包括：

如果所述缺陷类型为缺料缺陷，则基于可连通区域的高度峰值、该高度峰值与可连通区域的高度均值的比值、以及可连通区域的面积，构建所述检测块的特征向量。

8.根据权利要求1至5中任一项所述的方法，其中，所述采用与所述缺陷类型相应的算法提取所述检测块的特征向量，包括：

如果所述缺陷类型为颗粒缺陷，则基于白色连通区域的高度峰值、该高度峰值与白色连通区域的高度均值的比值、以及白色连通区域的面积，构建所述检测块的特征向量。

9.根据权利要求1至5中任一项所述的方法，其中，所述采用与所述缺陷类型相应的算法提取所述检测块的特征向量，包括：

如果所述缺陷类型为多料缺陷，则基于白色像素点面积、白色像素点面积与其最小外接矩阵面积的比值，构建所述检测块的特征向量。

10.根据权利要求1至5中任一项所述的方法，其中，所述采用与所述缺陷类型相应的算法提取所述检测块的特征向量，包括：

如果所述缺陷类型为卡石缺陷，则基于白色像素面积、白色像素构成的连通区域数量，构建所述检测块的特征向量。

11.根据权利要求1至5中任一项所述的方法，其中，所述采用与所述缺陷类型相应的算法提取所述检测块的特征向量，包括：

如果所述缺陷类型为毛刺缺陷，则基于局部二值模式处理后的图像中各灰度值像素点数量，构建所述检测块的特征向量。

12.根据权利要求1至5中任一项所述的方法，还包括：

如果所述检测块存在缺陷且被细分为多个子检测块，将存在缺陷的子检测块在所述光模块底座的图像上进行显示；

如果所述检测块存在缺陷且未被细分为多个子检测块，则将该检测块在所述光模块底座的图像上进行显示。

13.根据权利要求1至5中任一项所述的方法，其中，所述获取所述光模块底座的图像，包括：

构建成像平台，所述成像平台包括工业相机、环形光源、检测托盘和导轨，所述工业相机上装备有远心镜头，所述环形光源用于为所述工业相机在采集图像时提供光源；

通过导轨移动所述检测托盘，使所述检测托盘上的所述光模块底座位于工业相机的采集位置；

通过所述工业相机采集所述采集位置上的光模块底座的图像。

14.根据权利要求1至5中任一项所述的方法，其中，所述训练好的分类模型为支持向量机，所述支持向量机的核函数为高斯核函数。

15.一种计算设备，包括：

至少一个处理器；以及

存储器，存储有程序指令，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如权利要求1至14中任一项所述方法的指令。

16.一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如权利要求1至14中任一项所述方法。