Digitale Bildverarbeitung fuer ein Qualitaetskontrollsystem

Vorgeschlagen wird ein Bildverarbeitungssystem zur Erkennung von Unregelmaessigkeiten einer texturierten Oberflaeche, wie Objektoberflaeche, Bildinhalt, Bildbedeutung und strukturierte Vielteile, bei welchem System Einrichtungen vorgesehen sind, die ausgebildet sind, folgende Arbeiten auszufuehren: Auswaehlen von Arealen (11, 12, 13, 14) der texturierten Oberflaeche (10) in einem Lernmodus und Zuordnen dieser Areale als Textur-Prototypen (11a, 13a); Extrahieren von Zwischenbildern aus weiteren Oberflaechen einer Stichprobe, die nicht der Lernstichprobe des Lernmodus' entspricht; Vergleich der extrahierten Zwischenbilder mit den Textur-Prototypen, um Areale der texturierten Oberflaeche der weiteren Stichprobe automatisch zu klassifizieren und Unregelmaessigkeiten darin zu erkennen. Die vorgeschlagene Farbtexturauswertung ermoeglicht nach einer Parametrisierung eine unabhaengige Kontrolle texturierter einfarbiger oder farbiger Oberflaechen. Gleichzeitig eignet sich dieses Verfahren zur allgemeinen Bildauswertung und Bildsegmentierung von Stichproben, die nicht zur Parametrisierung verwendet wurden. Hauptvorteil dieses Verfahrens gegenueber bekannten Texturverfahren ist die Adaptionsfaehigkeit an die entsprechende Aufgabenstellung.

DE 19834718 A UPAB: 20000320 NOVELTY - The system is provided with units for carrying out the following work; Selection of the areas (11-14) of the textured surface (10) in a learning mode and assigned these areas as textural prototypes (11a,13a). Extracting of intermediate images from further textured surfaces of a random test, which does not correspond to the learning random test of a continuous or discontinuous production process or medical receptions. The extracted intermediate images are compared with the textural prototypes, in order to automatically classify the textured surface of the further random test and to identify irregularities therein. USE - Industrial quality control. ADVANTAGE - Following determination of learning random test with manual classification the various classes are specified automatically, with data obtained from production . operation compared so that class assignment good or bad can be made. The new method is esp. good for the classification of colored textured surfaces with automatic evaluation.