一种布匹疵点检测装置及实时检测方法

摘要

本发明公开了一种布匹疵点检测装置，包括设置于经编机上的用于为待检测布匹提供背景的背景组件，用于照射待检测布匹为布匹提供光照的光源组件，用于拍摄待检测布匹以采集布匹图像的相机组件以及连接相机组件的主控装置；背景板设于待检测布匹的下方，线光源沿布匹宽度方向设于待检测布匹的上方且照射在待检测布匹上与背景板的重合区域，工业相机设于待检测布匹的上方且工业相机镜头指向线光源照射光线与待检测布匹的交汇区域，工业相机镜头到线光源照射光线与待检测布匹的交汇区域的距离L1为800‑1000mm，工业相机镜头的轴线与待检测布匹所在平面的夹角α为55‑75°。该装置能精确检测出布匹表面的缺陷并进行报警，结构简单，实用性好。

权利要求

1.一种布匹疵点实时检测方法，其特征在于，包括如下步骤：S1、采集若干张图片用于混合高斯模型进行背景建模，得到缺陷分割图，同时计算图像中的分幅位置；

背景建模具体包括如下：S111、模型初始化 ，对第 张图片的每一个像素点 建立一个高斯模型：（1）

其中，表示第几个高斯模型， ， 、 、 、 都是关于的函数， 表示每个模型的权重，需满足：（2）

初始化方法为：

（3）

（4）

其中， 代表第 张图像中 位置处的像素值， 代表第 张图像中 位置处第 个高斯模型的标准差， 代表第 张图像中 位置处第个高斯模型的均值， 为预设的一个实数；

S112、更新参数并检测 是否大于1，读入第 张图片，计算每一像素点位置的像素值和该点处 个高斯模型均值之间的距离：（5）

其中，是预设定的一个实数；

若 ，则修改与新像素匹配的高斯模型的权值、均值和标准差：（6）

（7）

（8）

其中， 表示更新率，是预设定的实数；

若 ，即新像素不与任何一个单模型匹配，则：（1）如果当前高斯模型数目已经达到允许的最大数目，则删除其中重要性最低的一个模型；

（2）如果还未达到给定的最大数目，则增加一个新的高斯模型，新高斯模型的权重为

0.001，均值为 ，标准差为 ；

当缺陷出现时被判定为前景；遍历完毕之后生成的掩膜图 即为缺陷的分割图；

计算分幅位置具体包括如下：S121、令 为原图中 位置处的像素值，用3×3大小的滤波核对原图进行均值滤波来减少噪声和纹理带来的干扰：（11）

（12）

S122、通过 算子和 算子对图像 进行边缘增强以获得梯度信息 ：

（13）

（14）

（15）

（16）

（17）

S123、进行矩阵统计并计算均值和方差判断图片中是否存在分幅，若存在，记录下分幅位置，具体如下：先计算增强后图像每一列的均值：（18）

其中， 是指图像高度；

再计算 的均值和方差用以判断图像中是否存在分幅 ，如果存在，则进一步记录分幅位置 ：（19）

（20）

（21）

（22）

其中， 是指图像宽度；

S124、重复上述步骤S121至S123，对多幅图片进行分幅位置计算，并求位置区间的并集；

S2、对分割之后的缺陷掩膜图进行缺陷定位；

所述缺陷定位是基于像素统计和最小二乘法直线拟合的缺陷定位算法，具体包括如下：S21、初步定位缺陷区间：用一个高与原图高度相等、宽为原图高度两倍的窗口进行步进检测，统计窗口内的前景 像素点个数 ，并设一个最小阈值 和一个最大阈值 ，其中；当 时，执行步骤S22，则认为此时的缺陷可能是线状的；当时，执行步骤S24，则认为此时的缺陷可能是块状的；

S22、在步骤S21的基础上进一步定位缺陷区间：在步骤S21所述的窗口内用一个宽度为其十分之一的小窗口进行滑动，统计小窗口中的前景像素点个数 ，计算 的值，当两者的比值大于设定的线性比阈值 时，执行步骤S23；

S23、直线拟合：

用最小二乘法将步骤S22中小窗口内的所有前景点拟合成一条直线，并计算拟合误差，当误差小于设定的线性错误阈值 时，则说明找到一个缺陷；

S24、缺陷位置确认：当出现缺陷时它在前后几帧图像中的位置是相对不变的，除了缺陷位置处于分幅区间内的之外，对多幅图片中出现在同一位置的缺陷进行累加统计，确认缺陷的位置。

2.根据权利要求1所述的检测方法，其特征在于，所述背景建模中，还包括步骤S113、对背景模型进行排序，并及时删除其中的非背景模型，具体如下：根据背景模型出现频率高、像素值变化不大的特点设定以下排序依据：（9）

首先计算每个高斯模型的 ，然后按照 的值从小到大进行排序，最后判定前 个高斯模型的权重是否满足：（10）

其中，是预设定的权重阈值，如果满足，则删除其他的非背景模型。

说明书

一种布匹疵点检测装置及实时检测方法

技术领域

[0001] 本发明涉及布匹检测技术领域，具体涉及一种布匹疵点检测装置及实时检测方法。

背景技术

[0002] 高速经编机生产的布匹是一种应用范围广泛的胚布，在纱窗、运动衫、雕花等领域用量极大。在布匹生产过程中由于设备稳定性、工艺排布、丝线质量等多个因素，导致布面会出现断纱、并线、破洞等疵点，这些缺陷会降低产品的质量，加大现场员工的工作量，降低设备有效生产时间，减少了利润空间。

[0003] 目前纺织行业传统控制的方法是采用人工巡检方式，其效率低下，用工困难，在工人疲劳的情况下，对品质监管不理想。一般1个人负责2-4台，用工费用高。

[0004] 纺织行业中，也出现有断纱检测设备，公开号为CN204803506U的中国专利公开了一种断线检测设备，该技术方案是采用激光检测方式，通过断纱后，吹动纱线的飘动阻断激光信号输出，来控制缺陷的扩散。针对这种检测方式，其依靠纱线的飘动其几率和可靠性不足，当飘荡的纱线不经过设备将无法检测，如纱线弹性比较大，收缩后需要很长时间才能检测到，而此时断纱已经出现了很长的距离。此类方案的使用范围受限，缺陷范围不可控。

发明内容

[0005] 本发明为了克服以上技术的不足，提供了一种布匹疵点检测装置及实时检测方法。

[0006] 本发明克服其技术问题所采用的技术方案是：

[0007] 一种布匹疵点检测装置，包括设置于经编机上的：

[0008] 背景组件，至少包括背景板，用于为待检测布匹提供背景；

[0009] 光源组件，至少包括线光源，用于照射待检测布匹为布匹提供光照；

[0010] 相机组件，包括至少一个工业相机，用于拍摄待检测布匹以采集布匹图像；

[0011] 其中，所述背景板设于待检测布匹的下方，所述线光源沿布匹宽度方向设于待检测布匹的上方且照射在待检测布匹上与背景板的重合区域，所述工业相机设于待检测布匹的上方且工业相机镜头指向线光源照射光线与待检测布匹的交汇区域，工业相机镜头到线光源照射光线与待检测布匹的交汇区域的距离L1为800-1000mm，工业相机镜头的轴线与待检测布匹所在平面的夹角α为55-75°；

[0012] 以及，主控装置，所述主控装置连接相机组件，用于控制相机组件对待检测布匹进行拍摄，以及接收和处理工业相机拍摄的布匹图像并实时检测缺陷。

[0013] 进一步地，所述背景板的两端分别通过背景板支架固定在经编机上，背景板的长度不小于待检测布匹的宽度，背景板的宽度为30-50mm。

[0014] 进一步地，所述线光源的长度不小于待检测布匹的宽度，线光源与待检测布匹之间的距离为800-1000mm；所述光源组件还包括固定架，所述线光源水平固定于固定架上且固定架的两端分别通过立柱抱箍活动设置于经编机上。

[0015] 进一步地，所述工业相机活动设置于固定架上，在待检测布匹宽度方向上每相邻两个工业相机之间的距离为800-1000mm，所有工业相机的拍摄高度相同且每相邻两个工业相机在待检测布匹宽度方向上的拍摄区域存在重叠区域，重叠区域的宽度为10-30mm。

[0016] 进一步地，还包括与主控装置连接的人机交互装置和报警装置，所述主控装置还用于将缺陷实时传输至人机交互装置，并控制报警装置发出报警提示。

[0017] 本发明还提供了一种布匹疵点实时检测方法，包括如下步骤：

[0018] S1、采集若干张图片用于混合高斯模型进行背景建模，得到缺陷分割图，同时计算图像中的分幅位置；

[0019] S2、对分割之后的缺陷掩膜图进行缺陷定位。

[0020] 进一步地，所述步骤S1中，背景建模具体包括如下：

[0021] S111、模型初始化  ，对第 张图片的每一个像素点 建立一个高斯模型：

[0022] （1）

[0023] 其中，表示第几个高斯模型， ， 、 、 、 都是关于 的函数， 表示每个模型的权重，需满足：

[0024] （2）

[0025] 初始化方法为：

[0026] （3）

[0027] （4）

[0028]  其中， 代表第 张图像中 位置处的像素值， 代表第张图像中 位置处第 个高斯模型的标准差， 代表第 张图像中 位置
处第 个高斯模型的均值， 为预设的一个实数；

[0029] S112、更新参数并检测 是否大于1，读入第 张图片，计算每一像素点位置的像素值和该点处 个高斯模型均值之间的距离：

[0030] （5）

[0031] 其中，是预设定的一个实数；

[0032] 若 ，则修改与新像素匹配的高斯模型的权值、均值和标准差：

[0033] （6）

[0034] （7）

[0035] （8）

[0036] 其中， 表示更新率，是预设定的实数；

[0037] 若 ，即新像素不与任何一个单模型匹配，则：

[0038] （1）如果当前高斯模型数目已经达到允许的最大数目，则删除其中重要性最低的一个模型；

[0039] （2）如果还未达到给定的最大数目，则增加一个新的高斯模型，新高斯模型的权重为0.001，均值为 ，标准差为 ；

[0040] 当缺陷出现时被判定为前景；遍历完毕之后生成的掩膜图 即为缺陷的分割图。

[0041] 进一步地，所述背景建模中，还包括步骤S113、对背景模型进行排序，并及时删除其中的非背景模型，具体如下：

[0042] 根据背景模型出现频率高、像素值变化不大的特点设定以下排序依据：

[0043] （9）

[0044] 首先计算每个高斯模型的 ，然后按照 的值从小到大进行排序，最后判定前 个高斯模型的权重是否满足：

[0045] （10）

[0046] 其中，是预设定的权重阈值，如果满足，则删除其他的非背景模型。

[0047] 进一步地，所述步骤S1中，计算分幅位置具体包括如下：

[0048] S121、令 为原图中 位置处的像素值，用3×3大小的滤波核对原图进行均值滤波来减少噪声和纹理带来的干扰：

[0049] （11）

[0050] （12）

[0051] S122、通过 算子和 算子对图像 进行边缘增强以获得梯度信息 ：

[0052] （13）

[0053] （14）

[0054] （15）

[0055] （16）

[0056] （17）

[0057] S123、进行矩阵统计并计算均值和方差判断图片中是否存在分幅，若存在，记录下分幅位置，具体如下：

[0058] 先计算增强后图像每一列的均值：

[0059] （18）

[0060] 其中， 是指图像高度；

[0061] 再计算 的均值和方差用以判断图像中是否存在分幅 ，如果存在，则进一步记录分幅位置 ：

[0062] （19）

[0063] （20）

[0064] （21）

[0065] （22）

[0066] 其中， 是指图像宽度；

[0067] S124、重复上述步骤S121至S123，对多幅图片进行分幅位置计算，并求位置区间的并集。

[0068] 进一步地，所述步骤S2中，所述缺陷定位是基于像素统计和最小二乘法直线拟合的缺陷定位算法，具体包括如下：

[0069] S21、初步定位缺陷区间：

[0070] 用一个高与原图高度相等、宽为原图高度两倍的窗口进行步进检测，统计窗口内的前景 像素点个数 ，并设一个最小阈值 和一个最大阈值 ，其中 ；当 时，执行步骤S22，则认为此时的缺陷可能是线状的；当
时，执行步骤S24，则认为此时的缺陷可能是块状的；

[0071] S22、在步骤S21的基础上进一步定位缺陷区间：

[0072] 在步骤S21所述的窗口内用一个宽度为其十分之一的小窗口进行滑动，统计小窗口中的前景像素点个数 ，计算 的值，当两者的比值大于设定的线性比阈值时，执行步骤S23；

[0073] S23、直线拟合：

[0074] 用最小二乘法将步骤S22中小窗口内的所有前景点拟合成一条直线，并计算拟合误差，当误差小于设定的线性错误阈值 时，则说明找到一个缺陷；

[0075] S24、缺陷位置确认：

[0076] 当出现缺陷时它在前后几帧图像中的位置是相对不变的，除了缺陷位置处于分幅区间内的之外，对多幅图片中出现在同一位置的缺陷进行累加统计，确认缺陷的位置。

[0077] 本发明的有益效果是：

[0078] 1、本发明在将丝线生产成布匹过程中，利用疵点与合格布的差异，精确检测出布匹表面的缺陷并进行报警，阻止缺陷的放大及相关后续风险的发生，同时可以进行多阈值调节，使一台设备可以满足不同产品的检测，该布匹疵点检测装置结构简单，实用性好，且带下面几个方面的效果：1）减少新增挡车工，降低挡车工的工作强度，减少挡车工钩针、及检验员的修补时间，提升人员工作效率；2）减少因大范围断纱导致的设备损伤，减少开机时间，提高生产效率；3）缩短断纱范围，降低废品产生，降低生产成本，提升材料利用率，提升产量。

[0079] 2、本发明采用基于混合高斯模型的缺陷分割算法、基于直线拟合的缺陷定位算法以及基于边缘检测的分幅定位算法；其中，混合高斯模型可学习各类不同样式的布匹并建立其背景模型，从而做到缺陷分割，缺陷定位算法在准确定位缺陷的同时还能避免对光线突变以及挡车工在相机视野区挥手的误判，分幅定位算法能够自动计算布匹分幅位置，大大简化了现场工人在换布之后的操作难度。

附图说明

[0080] 图1为本发明实施例1所述的布匹疵点检测装置的结构示意图。

[0081] 图2为图1中A部分的放大结构示意图。

[0082] 图3为图1中B部分的放大结构示意图。

[0083] 图4为本发明实施例1的检测示意图。

[0084] 图5为本发明实施例2中分幅定位算法效果图。

[0085] 图6为带有缺陷的布匹图片。

[0086] 图7为对图6应用缺陷分割算法之后的效果图。

[0087] 图中，1、经编机，11、立柱，111、阻挡部，2、背景板，3、线光源，4、工业相机，5、背景板支架，6、固定架，7、立柱抱箍，71、折板，711、滑槽，72、连接板，73、立板，731、弯折部，7311、滑行件，74、螺纹紧固件，8、人机交互装置，9、布匹。

具体实施方式

[0088] 为了便于本领域人员更好的理解本发明，下面结合附图和具体实施例对本发明做进一步详细说明，下述仅是示例性的不限定本发明的保护范围。

[0089] 实施例1、

[0090] 如图1-4所示，本实施例所述的一种布匹疵点检测装置，包括设置于经编机1上的：用于为待检测布匹提供背景的背景组件，用于照射待检测布匹为布匹提供光照的光源组件，用于拍摄待检测布匹以采集布匹图像的相机组件以及连接相机组件的主控装置。

[0091] 本实施例中，所述背景组件包括背景板2和背景板支架5，所述背景板2的两端分别通过背景板支架5固定在经编机1上，背景板2的长度不小于待检测布匹9的宽度以保证待检测的布匹在宽度方向上处于背景板2提供的背景范围内，背景板2的宽度为30-50mm，所述背景板2的颜色选取根据待检测布匹的颜色决定，一般选取与待检测布匹的颜色对比度相差较大的背景板；优选的，背景板2所在平面与待检测布匹9所在平面之间的夹角为0-30°，背景板2与待检测布匹9之间的距离L2为10-50mm，进一步地优选的，背景板2所在平面与待检测布匹9所在平面相平行，背景板2与待检测布匹9之间的距离L2为30mm。

[0092] 本实施例中，所述光源组件包括线光源3和固定架6，所述线光源3水平固定于固定架6上且固定架6的两端分别通过立柱抱箍7活动设置于经编机1的立柱11上，立柱11的顶部设有阻挡部111以防止立柱抱箍7从立柱11顶部脱离；所述线光源3的长度不小于待检测布匹9的宽度，保证线光源3照射的范围涵整个盖布匹宽度，线光源3与待检测布匹9之间的距离为800-1000mm；进一步地，本实施例中，如图3所示，每个立柱抱箍7包括折板71、连接板72和立板73，所述折板71与连接板72通过螺纹紧固件74连接，所述折板71上设有至少一条滑槽711，立板73的下端设有弯折部731，弯折部731上设有与滑槽711相匹配的滑行件7311，本实施例优选所述滑行件7311为螺栓且贯穿弯折部731；当需要调整线光源3与待检测布匹9之间的距离时，松动螺纹紧固件74，使得折板71和连接板72在经编机1的立柱11上上下移动，定位在合适的高度时，将螺纹紧固件74拧紧即可；当需要调整线光源3与待检测布匹9之间的角度时，松动滑行件7311，使得弯折部731带动立板73沿滑槽711方向移动，定位在合适的位置时，拧紧滑行件7311即可。

[0093] 本实施例中，所述相机组件包括至少一个工业相机4，所述工业相机4活动设置于固定架6上，在待检测布匹宽度方向上每相邻两个工业相机4之间的距离为800-1000mm，所有工业相机4的拍摄高度相同且每相邻两个工业相机在待检测布匹宽度方向上的拍摄区域存在重叠区域，重叠区域的宽度为10-30mm。本实施例优选，设置两个工业相机4，两个工业相机之间的距离为800mm，两个工业相机4拍摄的重叠区域优选10mm。

[0094] 其中，所述背景板2设于待检测布匹的下方，所述线光源3沿布匹宽度方向设于待检测布匹的上方且照射在待检测布匹上与背景板2的重合区域，所述工业相机4设于待检测布匹的上方且工业相机镜头指向线光源照射光线与待检测布匹的交汇区域，工业相机镜头到线光源照射光线与待检测布匹的交汇区域的距离L1为800-1000mm，工业相机镜头的轴线与待检测布匹所在平面的夹角α为55-75°，优选α=65°。

[0095] 进一步地，本实施例所述的布匹疵点检测装置还包括与主控装置连接的人机交互装置8和报警装置，作为优选，所述人机交互装置8和报警装置均安装于固定架6的后方，所述报警装置采用声光报警装置；所述主控装置用于控制相机组件对待检测布匹9进行拍摄，以及接收和处理工业相机拍摄的布匹图像并实时检测缺陷，还用于将缺陷实时传输至人机交互装置8，并控制报警装置发出报警提示；其中，所述主控装置可以是具有数据处理和控制功能的处理器或计算机等。

[0096] 实施例2、

[0097] 本实施例所述的一种布匹疵点实时检测方法，主要包括两大步骤：

[0098] 步骤S1、采集若干张图片用于混合高斯模型进行背景建模，得到缺陷分割图，同时计算图像中的分幅位置。其中，混合高斯模型可学习各类不同样式的布匹并建立其背景模型，从而做到缺陷分割；分幅定位算法能够自动计算布匹分幅位置，大大简化了现场工人在换布之后的操作难度。

[0099] 进一步地，所述步骤S1中，背景建模具体包括如下：

[0100] S111、模型初始化  ，对第 张图片的每一个像素点 建立一个高斯模型：

[0101] （1）

[0102] 其中，表示第几个高斯模型， ， 、 、 、 都是关于 的函数， 表示每个模型的权重，需满足：

[0103] （2）

[0104] 初始化方法为：

[0105] （3）

[0106] （4）

[0107] 其中， 代表第 张图像中 位置处的像素值， 代表第张图像中 位置处第 个高斯模型的标准差， 代表第 张图像中 位置
处第 个高斯模型的均值， 为预设的一个实数；

[0108] S112、更新参数并检测 是否大于1，读入第 张图片，计算每一像素点位置的像素值和该点处 个高斯模型均值之间的距离：

[0109] （5）

[0110] 其中，是预设定的一个实数；

[0111] 若 ，则修改与新像素匹配的高斯模型的权值、均值和标准差：

[0112] （6）

[0113] （7）

[0114] （8）

[0115] 其中， 表示更新率，是预设定的实数；

[0116] 若 ，即新像素不与任何一个单模型匹配，则：

[0117] （1）如果当前高斯模型数目已经达到允许的最大数目，则删除其中重要性最低的一个模型；

[0118] （2）如果还未达到给定的最大数目，则增加一个新的高斯模型，新高斯模型的权重为0.001，均值为 ，标准差为 ；

[0119] 因为在布匹生产过程中产生缺陷是属于少数事件，因此，当缺陷出现时被判定为前景；遍历完毕之后生成的掩膜图 即为缺陷的分割图。

[0120] 为了提高算法效率，所述背景建模中，还包括步骤S113、对背景模型进行排序，并及时删除其中的非背景模型，具体如下：

[0121] 根据背景模型出现频率高、像素值变化不大的特点设定以下排序依据：

[0122] （9）

[0123] 首先计算每个高斯模型的 ，然后按照 的值从小到大进行排序，最后判定前 个高斯模型的权重是否满足：

[0124] （10）

[0125] 其中，是预设定的权重阈值，如果满足，则删除其他的非背景模型。

[0126] 进一步地，所述步骤S1中，计算分幅位置具体包括如下：

[0127] S121、令 为原图中 位置处的像素值，用3×3大小的滤波核对原图进行均值滤波来减少噪声和纹理带来的干扰：

[0128] （11）

[0129] （12）

[0130] S122、通过 算子和 算子对图像 进行边缘增强以获得梯度信息 ：

[0131] （13）

[0132] （14）

[0133] （15）

[0134] （16）

[0135] （17）

[0136] S123、进行矩阵统计并计算均值和方差判断图片中是否存在分幅，若存在，记录下分幅位置，具体如下：

[0137] 先计算增强后图像每一列的均值：

[0138] （18）

[0139] 其中， 是指图像高度；

[0140] 再计算 的均值和方差用以判断图像中是否存在分幅 ，如果存在，则进一步记录分幅位置 ：

[0141] （19）

[0142] （20）

[0143] （21）

[0144] （22）

[0145] 其中， 是指图像宽度；

[0146] S124、重复上述步骤S121至S123，对多幅图片进行分幅位置计算，并求位置区间的并集。

[0147] 步骤S2、对分割之后的缺陷掩膜图进行缺陷定位，缺陷分割生成的前景并不总是断纱，有可能是噪声、布匹抖动、挡车工挥手等其他情况。其中，缺陷定位算法在准确定位缺陷的同时还能避免对光线突变以及挡车工在相机视野区挥手的误判。

[0148] 因此，本实施例采用基于像素统计和最小二乘法直线拟合的缺陷定位算法，具体包括如下：

[0149] S21、初步定位缺陷区间：

[0150] 用一个高与原图高度相等、宽为原图高度两倍的窗口进行步进检测，统计窗口内的前景 像素点个数 ，并设一个最小阈值 和一个最大阈值 ，其中 ；当 时，执行步骤S22，则认为此时的缺陷可能是线状的；当
时，执行步骤S24，则认为此时的缺陷可能是块状的；这样不仅可以排除少量噪声点的干扰，还能加快算法的检测速度；

[0151] S22、在步骤S21的基础上进一步定位缺陷区间：

[0152] 在步骤S21所述的窗口内用一个宽度为其十分之一的小窗口进行滑动，统计小窗口中的前景像素点个数 ，计算 的值，当两者的比值大于设定的线性比阈值时，执行步骤S23；

[0153] S23、直线拟合：

[0154] 用最小二乘法将步骤S22中小窗口内的所有前景点拟合成一条直线，并计算拟合误差，当误差小于设定的线性错误阈值 时，则说明找到一个缺陷；

[0155] 最小二乘法拟合直线的原理如下：

[0156] 令拟合得到的直线的斜截式为：

[0157] （23）

[0158] 式中有两个未知参数 和 ,掩膜图中可获得 的 组观测数据 。最小二乘法估计参数时要确保估计值和观测值之间的残差平方和最小，残差平方和公式如下：

[0159] （24）

[0160] 为了使得残差平方和最小应有：

[0161] （25）

[0162] （26）

[0163] 展开可得：

[0164] （27）

[0165] （28）

[0166] 整理可得：

[0167] （29）

[0168] （30）

[0169] S24、缺陷位置确认：

[0170] 当出现缺陷时它在前后几帧图像中的位置是相对不变的，而噪声的出现是随机的，挡车工挥手时在图像中的位置也是变化的，除了缺陷位置处于分幅区间内的之外，对多幅图片中出现在同一位置的缺陷进行累加统计，确认缺陷的位置。

[0171] 以上仅描述了本发明的基本原理和优选实施方式，本领域人员可以根据上述描述做出许多变化和改进，这些变化和改进应该属于本发明的保护范围。