智能制造与工业软件 / 系统课时

在 HSV 空间筛查颜色异常

在 HSV 空间筛查颜色异常

针对蓝色涂层上的异色污点,将相机输出的 BGR 图像转换到 HSV,在工件区域内筛出不符合正常颜色范围的像素,再按连通域面积输出 OK/NG。本课同时说明怎样避免把光源色温变化误判为涂层缺陷。

学习目标

  • 读懂 OpenCV 的 HSV 数值范围,为正常涂层设置筛选窗口。
  • 使用 ROI、掩膜和连通域面积实现可运行的颜色异常判定。
  • 通过锁定成像条件与样本复测识别色温引起的误报。

为正常颜色设定 HSV 窗口

OpenCV 处理普通 8 位 BGR 图像时,cv2.COLOR_BGR2HSV 得到的 H 范围为 0~179,S、V 均为 0~255。H 表示色相,S 表示饱和度,V 表示明度;不能直接把设计软件中的 0~360° 色相值填进 cv2.inRange。

例如一块蓝色涂层的样本像素 BGR 为 (200, 100, 20),转换后约为 HSV (107, 229, 200)。可先试用正常窗口 H=100~125、S=80~255、V=50~255:满足三项条件的像素标为正常,否则标为待查异常。这里的范围是演示值,正式阈值必须依据合格工件实测。

只在定位后的涂层 ROI 内执行颜色判断。把传送带背景、孔洞和非涂层区域混入 ROI,会使它们被错误地计为颜色缺陷。对于跨越色相零点的红色,应分别设置 H=0~8 与 H=172~179 两个窗口并合并掩膜,不能使用一个倒置区间。

看懂正常掩膜与异常掩膜

以 200×120 像素的蓝色涂层 ROI 为例,局部有 30×20 像素的橙色污点。inRange 先生成正常掩膜:蓝色区域为白色(255),橙色区域为黑色(0);取反后才得到供缺陷检测使用的异常掩膜。

蓝色涂层的 HSV 阈值筛查、掩膜取反与异常连通域

之后可用 3×3 开运算去掉孤立亮点,再筛选面积不少于 50 像素的连通域。此操作也可能抹掉细小划痕,因此只适合当前的块状异色污染目标,不能直接套用到细线缺陷检测。

运行最小颜色异常检测

示例适用于 Python 3 与 OpenCV 4.x,先安装 opencv-python、numpy。程序在内存中构造一张测试帧,用固定 ROI 模拟工件定位结果;实际接相机时,换成采集帧及对应的已定位 ROI 即可。

python
import cv2
import numpy as np

frame = np.full((160, 240, 3), (60, 60, 60), dtype=np.uint8)
frame[20:140, 20:220] = (200, 100, 20)  # 正常蓝色涂层,BGR
frame[65:85, 100:130] = (0, 140, 255)   # 局部橙色污染

roi = frame[20:140, 20:220]  # 生产环境由工件定位给出 ROI
hsv = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)
normal = cv2.inRange(hsv, (100, 80, 50), (125, 255, 255))
suspect = cv2.bitwise_not(normal)

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
suspect = cv2.morphologyEx(suspect, cv2.MORPH_OPEN, kernel)
count, _, stats, _ = cv2.connectedComponentsWithStats(suspect, connectivity=8)
areas = [
    int(stats[i, cv2.CC_STAT_AREA])
    for i in range(1, count)
    if stats[i, cv2.CC_STAT_AREA] >= 50
]
ratio = cv2.countNonZero(suspect) / suspect.size * 100
cv2.imwrite("hsv-anomaly-mask.png", suspect)
print(f"defect_count={len(areas)}")
print(f"largest_area_px={max(areas, default=0)}")
print(f"anomaly_ratio={ratio:.2f}%")
print(f"result={'NG' if areas else 'OK'}")

预期输出

text
defect_count=1
largest_area_px=600
anomaly_ratio=2.50%
result=NG

同时会在运行目录生成 hsv-anomaly-mask.png,其中只有橙色污染对应位置是白色。600=30×20,ROI 总面积为 200×120=24000,因此异常面积占比为 2.50%。产线判定门限在此设为单个连通域至少 50 px²,而不是面积占比达到 2.50%;两者不可混淆。

避免色温与反光造成误报

HSV 只能减少部分亮度变化对色相判断的影响,不能保证灯光变化时 H、S 不变。比如同一块蓝色样品在偏暖和偏冷照明下,H 可能漂移;镜面高光会使 S 下降。按固定阈值取反,这些区域也会变白并被计为异常。

建议按以下顺序完成产线标定:

  1. 固定光源型号、照射角度、亮度和相机曝光;关闭自动白平衡、自动曝光,并保存相机参数。以 5000 K 光源作为一组可复现实验条件,而不是通用强制标准。
  2. 在实际产线采集至少 30 张合格样本,查看涂层 ROI 中 H、S、V 的分布,再调整正常窗口;阴影、高光和边缘另行检查,不直接混入正常颜色统计。
  3. 用至少 30 张含已知污染的样本验证漏检,同时记录合格样本误检数;将照明切换至 4000 K、6500 K 等偏离工况进行压力测试,逐组复核阈值。
  4. 如果光源条件变化使合格品反复判 NG,优先恢复固定照明与白平衡,而不是无限放宽 H 范围;否则橙色或相近颜色的真实缺陷也可能被放过。

最终应将颜色筛查结果与工件定位、面积门限及成像条件检查一起保存,便于追查每次 NG 对应的 ROI、阈值和异常区域。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

在 HSV 空间筛查颜色异常

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通