CN102253050A - 基于机器视觉的磁瓦表面缺陷自动检测方法与装置 - Google Patents
基于机器视觉的磁瓦表面缺陷自动检测方法与装置 Download PDFInfo
- Publication number
- CN102253050A CN102253050A CN2011100611444A CN201110061144A CN102253050A CN 102253050 A CN102253050 A CN 102253050A CN 2011100611444 A CN2011100611444 A CN 2011100611444A CN 201110061144 A CN201110061144 A CN 201110061144A CN 102253050 A CN102253050 A CN 102253050A
- Authority
- CN
- China
- Prior art keywords
- image
- magnetic shoe
- magnetic tile
- machine vision
- detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明涉及机器视觉检测领域,提供了一种通过机器视觉技术对磁瓦表面缺陷进行检测的方法和装置。该方法的技术方案为:(1)将被检测磁瓦置于传送带上;(2)启动CCD图像采集装置,采集磁瓦表面图像并传送至图像处理单元;(3)图像处理单元将(2)中采集的图像经图像滤波、图像分割、后形态学处理、边缘检测等处理后,将处理结果传输至缺陷检测单元;(4)将(3)中图像处理结果经特征提取,转化为一维数字信号;(5)将(4)所得结果经概率模式识别单元训练和测试后,将磁瓦表面质量分为良好磁瓦和缺陷磁瓦两类,以达到缺陷检测的目的。该方法及装置结构简单,易于维护和扩展,检测效率高,设备投入低。
Description
技术领域
本发明涉及一种基于机器视觉的磁瓦表面缺陷自动检测方法与装置,具体涉及磁瓦表面缺陷自动检测方法。
技术背景
磁瓦是电动机中的重要组成部件,其质量的好坏直接决定电动机的性能,对于存在表面缺陷的磁瓦磁瓦必须在检测时予以剔除。由于瓷瓦磁瓦本身缺陷(包括裂纹、崩烂、倒角不合格、欠磨、起级、污渍等)的多样性、复杂性等特点导致对其检测方法的研究一直以来没有得到实质性的进展,目前很多生产磁瓦磁瓦的厂家主要还是以人工目视检测为主,这种检测方法由于存在精度差、效率低、接触式等缺点,而无法满足现代化生产作业的需要。
发明内容
针对以上技术的不足,本发明的目的在于提供一种高精度、高效率、非接触基于机器视觉技术的磁瓦表面缺陷自动检测的方法及其装置。
为实现上述技术目的,本发明采用以下技术方案:
基于机器视觉的磁瓦表面缺陷自动检测方法,包括以下步骤:
(1)将被检测磁瓦置于传送带上;
(2)启动CCD图像采集装置,采集磁瓦表面图像并传送至图像处理单元;
(3)图像处理单元将(2)中采集的图像经图像滤波、图像分割、后形态学处 理、边缘检测等处理后,将处理结果传输至缺陷检测单元。
(4)将(3)中图像处理结果经特征提取,转化为一维数字信号;
(5)将(4)所得结果经概率模式识别单元训练和测试后,将磁瓦表面质量分为良好磁瓦和缺陷磁瓦两类,以达到缺陷检测的目的。
附图说明
磁瓦表面缺陷自动检测系统以PC为中心,结合数据采集和智能控制系统。主要由光源部件、图像采集卡、PLC控制器部件和图像处理与识别软件系统构成,详细系统总体结构如图1所示。
对由CCD采集的缺陷图像由于存在大量的噪声,所以必须进行预处理,首先是滤波处理,接下来进行阈值分割得到二值化后的图像;在二值化的基础上进行数学形态学的腐蚀运算,后经边缘检测得到清晰的缺陷边缘轮廓和缺陷区域;通过对缺陷图像进行面积特征标定,然后采用概率Harr-like模式识别方法对缺陷图像进行分类,最后输出缺陷报告,详细检测流程如图2所示。
具体实施方式
将CCD图像采集卡采集的数字以二维矩阵形式存储为图像文件,然后图像处理单元采用中值和均值相结合的自适应中值滤波算法对采集的图像进行滤波处理,主要滤除冲激噪声和高斯噪声,经滤波后的图像再经基于灰度直方图双峰特性阈值分割并二值化处理,在二值化的基础上选用2×3矩形结构元素进行数学形态学的腐蚀运算,再经Roberts算子 边缘检测得到清晰的缺陷边缘轮廓和缺陷区域,经基于像素的面积特征标定,得到其面积特征,特征数据输入经过Harr-like模式识别算法训练后的模式识别单元,得到良好磁瓦和缺陷磁瓦两种分类,最后输出缺陷检测报告。
对上述检测方法与人工目视检测方法对比试验如下:
随机选取50个工件,由5位检测人员分别检测,合格标识为1,不合格为0。检测的平均值可以体现检测人员对该功能面质量的认可程度。自动检测的结果按等级给出。表1给出了前10个工件的检测结果,详细对比结果如表1所示。
表1 本发明的检测方法与人工目视检测方法结果对比表
Claims (3)
1.一种基于机器视觉的磁瓦表面缺陷自动检测方法,包括以下步骤:
(1)将被检测磁瓦置于传送带上;
(2)启动CCD图像采集装置,采集磁瓦表面图像并传送至图像处理单元;
(3)图像处理单元将(2)中采集的图像经图像滤波、图像分割、后形态学处理、边缘检测等处理后,将处理结果传输至缺陷检测单元。
(4)将(3)中图像处理结果经特征提取,转化为一维数字信号;
(5)将(4)所得结果经概率模式识别单元训练和测试后,将磁瓦表面质量分为良好磁瓦和缺陷磁瓦两类,以达到缺陷检测的目的。
2.根据权利要求1所述的一种基于机器视觉的磁瓦表面缺陷自动检测方法,其表面缺陷是磁瓦类表面缺陷。
3.根据权利要求1所述的基于机器视觉的磁瓦表面缺陷自动检测方法,其缺陷分类方法是基于概率的模式识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100611444A CN102253050A (zh) | 2011-03-14 | 2011-03-14 | 基于机器视觉的磁瓦表面缺陷自动检测方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100611444A CN102253050A (zh) | 2011-03-14 | 2011-03-14 | 基于机器视觉的磁瓦表面缺陷自动检测方法与装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102253050A true CN102253050A (zh) | 2011-11-23 |
Family
ID=44980440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100611444A Pending CN102253050A (zh) | 2011-03-14 | 2011-03-14 | 基于机器视觉的磁瓦表面缺陷自动检测方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102253050A (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102901735A (zh) * | 2012-08-29 | 2013-01-30 | 上海美迪索科电子科技有限公司 | 利用计算机对工件缺损、裂变、变形进行自动检测的系统 |
CN103198322A (zh) * | 2013-01-18 | 2013-07-10 | 江南大学 | 基于机器视觉的磁瓦表面缺陷特征提取及缺陷分类方法 |
CN103207185A (zh) * | 2012-01-11 | 2013-07-17 | 宝山钢铁股份有限公司 | 钢卷端部质量检测系统及方法 |
CN103529039A (zh) * | 2013-10-25 | 2014-01-22 | 成都四星液压制造有限公司 | 一种磁瓦检测装置 |
CN103544499A (zh) * | 2013-10-12 | 2014-01-29 | 江南大学 | 一种基于机器视觉的表面瑕疵检测的纹理特征降维方法 |
CN104176441A (zh) * | 2013-05-28 | 2014-12-03 | 北京中电科电子装备有限公司 | 具有缺陷检测功能的工件传输装置 |
CN104677908A (zh) * | 2015-02-02 | 2015-06-03 | 广东工业大学 | 基于机器视觉的冲裁断面质量检测系统及方法 |
CN105021630A (zh) * | 2015-08-04 | 2015-11-04 | 天津工业大学 | 输送带表面破损自动检测方法 |
CN105719266A (zh) * | 2014-12-02 | 2016-06-29 | 马鞍山森格电子科技有限公司 | 基于纹理特征聚类的磁瓦表面缺陷检测方法 |
CN106053479A (zh) * | 2016-07-21 | 2016-10-26 | 湘潭大学 | 一种基于图像处理的工件外观缺陷的视觉检测系统 |
CN106353324A (zh) * | 2016-08-10 | 2017-01-25 | 浙江理工大学 | 磁环表面缺陷提取方法 |
CN107490582A (zh) * | 2017-09-20 | 2017-12-19 | 深圳市晟达机械设计有限公司 | 一种流水线工件检测系统 |
CN107703150A (zh) * | 2017-11-01 | 2018-02-16 | 南昌航空大学 | 一种气门头部缺陷的检测方法及检测系统 |
CN108460381A (zh) * | 2018-03-13 | 2018-08-28 | 南京邮电大学 | 基于图像识别的发票报销信息定位及截取方法 |
CN108459030A (zh) * | 2018-02-08 | 2018-08-28 | 东华大学 | 一种应用于非平面塑料光滑表面瑕疵在线检测装置与方法 |
CN108672318A (zh) * | 2018-04-17 | 2018-10-19 | 江苏理工学院 | 一种基于机器视觉的外观检测装置 |
CN109066992A (zh) * | 2018-09-07 | 2018-12-21 | 广东中粤电力科技有限公司 | 一种智能配电房的监测方法及系统 |
CN109087286A (zh) * | 2018-07-17 | 2018-12-25 | 江西财经大学 | 一种基于计算机图像处理和模式识别的检测方法及应用 |
CN109146871A (zh) * | 2018-08-31 | 2019-01-04 | 珠海格力智能装备有限公司 | 裂纹的识别方法及装置 |
CN109211919A (zh) * | 2018-09-03 | 2019-01-15 | 珠海格力智能装备有限公司 | 磁瓦崩缺区域的识别方法及装置 |
CN109357643A (zh) * | 2018-11-09 | 2019-02-19 | 山东省交通科学研究院 | 一种护栏立柱埋深无损检测方法及装置 |
CN109701890A (zh) * | 2018-12-10 | 2019-05-03 | 湖南航天天麓新材料检测有限责任公司 | 磁瓦表面缺陷检测与分拣方法 |
CN110530889A (zh) * | 2018-05-25 | 2019-12-03 | 上海翌视信息技术有限公司 | 一种适用于工业生产线的光学检测方法 |
CN110599470A (zh) * | 2019-08-30 | 2019-12-20 | 武汉科技大学 | 一种磁瓦表面缺陷检测系统和方法 |
CN111042002A (zh) * | 2020-02-14 | 2020-04-21 | 山东博远重工有限公司 | 一种基于物联网的桥梁模板放置平台系统和方法 |
CN113743137A (zh) * | 2011-12-23 | 2021-12-03 | 康耐视公司 | 一维信号抽取的方法和装置 |
CN115615998A (zh) * | 2022-12-13 | 2023-01-17 | 浙江工业大学 | 一种圆形磁芯侧面缺陷检测装置及其方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04110758A (ja) * | 1990-08-31 | 1992-04-13 | Kawasaki Steel Corp | 帯状体の表面欠陥判別方法 |
CN101127078A (zh) * | 2007-09-13 | 2008-02-20 | 北京航空航天大学 | 一种基于蚁群智能的无人机机器视觉图像匹配方法 |
CN101424645A (zh) * | 2008-11-20 | 2009-05-06 | 上海交通大学 | 基于机器视觉的焊球表面缺陷检测装置与方法 |
CN101710081A (zh) * | 2009-12-07 | 2010-05-19 | 杭州电子科技大学 | 基于图像纹理与分形维数的机械零件表面缺陷检测方法 |
-
2011
- 2011-03-14 CN CN2011100611444A patent/CN102253050A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04110758A (ja) * | 1990-08-31 | 1992-04-13 | Kawasaki Steel Corp | 帯状体の表面欠陥判別方法 |
CN101127078A (zh) * | 2007-09-13 | 2008-02-20 | 北京航空航天大学 | 一种基于蚁群智能的无人机机器视觉图像匹配方法 |
CN101424645A (zh) * | 2008-11-20 | 2009-05-06 | 上海交通大学 | 基于机器视觉的焊球表面缺陷检测装置与方法 |
CN101710081A (zh) * | 2009-12-07 | 2010-05-19 | 杭州电子科技大学 | 基于图像纹理与分形维数的机械零件表面缺陷检测方法 |
Non-Patent Citations (2)
Title |
---|
严俊龙等: "磁瓦表面缺陷自动检测系统的研究", 《计算机工程与应用》 * |
郑晓曦等: "数学形态学在磁瓦表面缺陷检测中的运用", 《计算机工程与应用》 * |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113743137B (zh) * | 2011-12-23 | 2024-04-02 | 康耐视公司 | 一维信号抽取的方法和装置 |
CN113743137A (zh) * | 2011-12-23 | 2021-12-03 | 康耐视公司 | 一维信号抽取的方法和装置 |
CN103207185A (zh) * | 2012-01-11 | 2013-07-17 | 宝山钢铁股份有限公司 | 钢卷端部质量检测系统及方法 |
CN102901735A (zh) * | 2012-08-29 | 2013-01-30 | 上海美迪索科电子科技有限公司 | 利用计算机对工件缺损、裂变、变形进行自动检测的系统 |
CN102901735B (zh) * | 2012-08-29 | 2015-02-25 | 上海美迪索科电子科技有限公司 | 利用计算机对工件缺损、裂变、变形进行自动检测的系统 |
CN103198322A (zh) * | 2013-01-18 | 2013-07-10 | 江南大学 | 基于机器视觉的磁瓦表面缺陷特征提取及缺陷分类方法 |
CN103198322B (zh) * | 2013-01-18 | 2017-02-08 | 江南大学 | 基于机器视觉的磁瓦表面缺陷特征提取及缺陷分类方法 |
CN104176441A (zh) * | 2013-05-28 | 2014-12-03 | 北京中电科电子装备有限公司 | 具有缺陷检测功能的工件传输装置 |
CN103544499A (zh) * | 2013-10-12 | 2014-01-29 | 江南大学 | 一种基于机器视觉的表面瑕疵检测的纹理特征降维方法 |
CN103544499B (zh) * | 2013-10-12 | 2017-04-05 | 江南大学 | 一种基于机器视觉的表面瑕疵检测的纹理特征降维方法 |
CN103529039B (zh) * | 2013-10-25 | 2015-12-02 | 成都四星液压制造有限公司 | 一种磁瓦检测装置 |
CN103529039A (zh) * | 2013-10-25 | 2014-01-22 | 成都四星液压制造有限公司 | 一种磁瓦检测装置 |
CN105719266A (zh) * | 2014-12-02 | 2016-06-29 | 马鞍山森格电子科技有限公司 | 基于纹理特征聚类的磁瓦表面缺陷检测方法 |
CN105719266B (zh) * | 2014-12-02 | 2018-08-28 | 安徽达特智能科技有限公司 | 基于纹理特征聚类的磁瓦表面缺陷检测方法 |
CN104677908A (zh) * | 2015-02-02 | 2015-06-03 | 广东工业大学 | 基于机器视觉的冲裁断面质量检测系统及方法 |
CN105021630A (zh) * | 2015-08-04 | 2015-11-04 | 天津工业大学 | 输送带表面破损自动检测方法 |
CN106053479B (zh) * | 2016-07-21 | 2018-09-11 | 湘潭大学 | 一种基于图像处理的工件外观缺陷的视觉检测系统 |
CN106053479A (zh) * | 2016-07-21 | 2016-10-26 | 湘潭大学 | 一种基于图像处理的工件外观缺陷的视觉检测系统 |
CN106353324B (zh) * | 2016-08-10 | 2019-01-18 | 浙江理工大学 | 磁环表面缺陷提取方法 |
CN106353324A (zh) * | 2016-08-10 | 2017-01-25 | 浙江理工大学 | 磁环表面缺陷提取方法 |
CN107490582A (zh) * | 2017-09-20 | 2017-12-19 | 深圳市晟达机械设计有限公司 | 一种流水线工件检测系统 |
CN107703150A (zh) * | 2017-11-01 | 2018-02-16 | 南昌航空大学 | 一种气门头部缺陷的检测方法及检测系统 |
CN108459030A (zh) * | 2018-02-08 | 2018-08-28 | 东华大学 | 一种应用于非平面塑料光滑表面瑕疵在线检测装置与方法 |
CN108460381A (zh) * | 2018-03-13 | 2018-08-28 | 南京邮电大学 | 基于图像识别的发票报销信息定位及截取方法 |
CN108672318A (zh) * | 2018-04-17 | 2018-10-19 | 江苏理工学院 | 一种基于机器视觉的外观检测装置 |
CN110530889A (zh) * | 2018-05-25 | 2019-12-03 | 上海翌视信息技术有限公司 | 一种适用于工业生产线的光学检测方法 |
CN109087286A (zh) * | 2018-07-17 | 2018-12-25 | 江西财经大学 | 一种基于计算机图像处理和模式识别的检测方法及应用 |
CN109146871A (zh) * | 2018-08-31 | 2019-01-04 | 珠海格力智能装备有限公司 | 裂纹的识别方法及装置 |
CN109146871B (zh) * | 2018-08-31 | 2021-09-24 | 珠海格力智能装备有限公司 | 裂纹的识别方法及装置 |
CN109211919A (zh) * | 2018-09-03 | 2019-01-15 | 珠海格力智能装备有限公司 | 磁瓦崩缺区域的识别方法及装置 |
CN109211919B (zh) * | 2018-09-03 | 2021-04-30 | 珠海格力智能装备有限公司 | 磁瓦崩缺区域的识别方法及装置 |
CN109066992B (zh) * | 2018-09-07 | 2022-02-18 | 广东中粤电力科技有限公司 | 一种智能配电房的监测方法及系统 |
CN109066992A (zh) * | 2018-09-07 | 2018-12-21 | 广东中粤电力科技有限公司 | 一种智能配电房的监测方法及系统 |
CN109357643A (zh) * | 2018-11-09 | 2019-02-19 | 山东省交通科学研究院 | 一种护栏立柱埋深无损检测方法及装置 |
CN109357643B (zh) * | 2018-11-09 | 2020-09-15 | 山东省交通科学研究院 | 一种护栏立柱埋深无损检测方法及装置 |
CN109701890A (zh) * | 2018-12-10 | 2019-05-03 | 湖南航天天麓新材料检测有限责任公司 | 磁瓦表面缺陷检测与分拣方法 |
CN110599470A (zh) * | 2019-08-30 | 2019-12-20 | 武汉科技大学 | 一种磁瓦表面缺陷检测系统和方法 |
CN110599470B (zh) * | 2019-08-30 | 2022-04-08 | 武汉科技大学 | 一种磁瓦表面缺陷检测系统和方法 |
CN111042002A (zh) * | 2020-02-14 | 2020-04-21 | 山东博远重工有限公司 | 一种基于物联网的桥梁模板放置平台系统和方法 |
CN115615998A (zh) * | 2022-12-13 | 2023-01-17 | 浙江工业大学 | 一种圆形磁芯侧面缺陷检测装置及其方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102253050A (zh) | 基于机器视觉的磁瓦表面缺陷自动检测方法与装置 | |
CN107194919B (zh) | 基于规律纹理背景重建的手机屏幕缺陷检测方法 | |
CN109872300B (zh) | 一种摩擦片外观缺陷的视觉显著性检测方法 | |
CN105388162B (zh) | 基于机器视觉的原料硅片表面划痕检测方法 | |
CN109115785A (zh) | 一种铸件打磨质量检测方法、装置及其使用方法 | |
CN107389701A (zh) | 一种基于图像的pcb表观缺陷自动检测系统及方法 | |
CN114549497B (zh) | 基于图像识别的走台板表面缺陷检测方法及人工智能系统 | |
CN104156951B (zh) | 一种针对支气管肺泡灌洗液涂片的白细胞检测方法 | |
CN108765402B (zh) | 无纺布缺陷检测与分类方法 | |
CN102279976A (zh) | 不同糙米籽粒识别的bp神经网络构建及识别方法 | |
CN112318485B (zh) | 物体分选系统及其图像处理方法、装置 | |
CN106584209A (zh) | 基于云制造的刀具磨损实时在线监测方法 | |
CN109772733A (zh) | 一种基于视觉的缺陷竹块检测分拣装置及方法 | |
CN102637262B (zh) | 一种自适应细菌计数方法 | |
CN106702870B (zh) | 一种道路裂缝检测系统 | |
CN105447489B (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
CN106446905A (zh) | 渗透算法和自适应Canny算法相融合的表面裂纹纹理的提取方法 | |
CN205721986U (zh) | 一种线缆表观缺陷检测和字符识别装置 | |
CN110717909A (zh) | 一种金属表面划痕检测方法与装置 | |
CN107153067A (zh) | 一种基于matlab的零件表面缺陷检测方法 | |
CN103387123A (zh) | 基于机器视觉的矿用胶带撕裂智能检测系统 | |
CN107256549B (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
CN111476804A (zh) | 托辊图像高效分割方法、装置、设备及存储介质 | |
CN110687122A (zh) | 一种陶瓦表面裂纹检测方法及系统 | |
CN114029943A (zh) | 一种基于图像数据处理的目标抓取定位方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20111123 |