CN102679869B - 一种针对非金属麦拉片位置不良的视觉检测方法及其装置 - Google Patents

Abstract

本发明涉及一种针对非金属麦拉片位置不良的视觉检测方法及其装置，包括以下步骤：1，对被检工件的非金属麦拉片所在区域进行区域定位，得到定位区域；2，对1中定位区域随机抽取一个良品，针对良品进行检测基准区域获取，采样基准得到基准比对参数；3，对1中的定位区域进行对非金属麦拉片的边缘图像提取，并针对提取的非金属麦拉片的边缘图像进行链码跟踪获取若干条链码，4，对3中获取的若干条链码进行处理后得到最优轮廓链码，并得到最优轮廓链码的平均高度和平均宽度；5，将4中的得到最优轮廓链码的平均高度和平均宽度与2中的基准采样比对参数进行比对，符合对比条件即判断为合格品。具有如下优点：算法效率高，自动化程度高。

Description

一种针对非金属麦拉片位置不良的视觉检测方法及其装置

技术领域

本发明涉及一种视觉检测方法及其装置，尤其是涉及一种针对非金属麦拉片位置不良的视觉检测方法及其装置。

背景技术

非金属麦拉贴片具有尺寸稳定、平直和优良的抗撕拉强度，耐热耐寒、耐潮耐水、耐化学腐蚀，并具有超强的绝缘性能，优异的电气、力学、耐热、耐化学性能。现已广泛用于电气绝缘行业。电气元件上的绝缘区域需要贴上非金属麦拉片，但是导通部分不能有非金属麦拉片出现，因此非金属麦拉片的位置是评价电气元件合格与否的重要因素之一。现在均是由机器设备自动贴麦拉片，在实际生产过程中，由于机器设备的误差，可能有部分麦拉片位置不正确，越过或覆盖了电气元件上的连通区域，这样会造成电气元件不能达到预定的功能。这类电气元件是不良品，不能流入到市场。因此，在电气元件出厂之前检测麦拉片位置是否合格的步骤显得十分必要。

传统的检测方式是依靠工人的肉眼进行判断，此方法效率低下，不能保证检测的可靠性，而且随着工厂人力成本的增加，此方法不太经济。基于机器视觉的检测算法不依靠人工检测，效率高，能保证检测的可靠性，能节省人力成本，因此设计一套检测麦拉片位置不良的视觉系统十分必要。

发明内容

本发明主要是解决现有技术所存在的技术问题；提供了一种能够精确的找出麦拉片位置不良的产品，并可实现对多种非金属麦拉片的位置进行检测的一种针对非金属麦拉片位置不良的视觉检测方法及其装置。

本发明还有一目的是解决现有技术所存在的技术问题；提供了一种对 单个麦拉片进行检测的平均运行时间为10ms，算法效率高并且人工交互步骤较少，自动化程度高的一种针对非金属麦拉片位置不良的视觉检测方法及其装置。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种针对非金属麦拉片位置不良的视觉检测方法，其特征在于，包括以下步骤：

步骤1，由监测区域定位模块对被检工件的非金属麦拉片所在区域进行区域定位，得到定位区域；

步骤2，基准获取模块针对步骤1中已经定位的非金属麦拉片的定位区域随机抽取一个良品，针对良品进行检测基准区域获取，采样基准得到基准比对参数；

步骤3，边缘提取模块针对步骤1中的定位区域进行对非金属麦拉片的边缘图像提取，并针对提取的非金属麦拉片的边缘图像进行链码跟踪获取若干条链码，

步骤4，最优轮廓链码提取模块针对步骤3中获取的若干条链码进行处理后得到最优轮廓链码，并对最优轮廓链码进行处理后得到最优轮廓链码的平均高度和平均宽度；

步骤5，比对模块将步骤4中的得到最优轮廓链码的平均高度和平均宽度与步骤2中的基准比对参数进行比对，符合对比条件即判断为合格品。

在上述的一种针对非金属麦拉片位置不良的视觉检测方法，所述的步骤1，具体操作方法如下：

步骤101，首先获取非金属麦拉片的图像：即将电气元件固定在治具上，在正对电气元件的方向上加上均匀光源，然后将工业CCD相机正对电气元件进行拍摄，得到采集的非金属麦拉片图像；

步骤102，设定需要检测的区域为矩形，矩形长宽均大于非金属麦拉片 的长宽，并在步骤101采集的非金属麦拉片图像中绘制若干需要检测的区域，所述需要检测的区域即为步骤1中的定位区域。

在上述的一种针对非金属麦拉片位置不良的视觉检测方法，所述步骤2中，抽取良品后，获得同连通端子大小类似的矩形样本，记录下矩形样本的长和宽作为比对样本，矩形样本的长和宽即步骤2中的基准比对参数，定义矩形样本的宽即基准宽度为w₀，矩形框的长即基准高度为n₀。

在上述的一种针对非金属麦拉片位置不良的视觉检测方法，所述步骤3中，边缘提取算子使用Canny算子，获取区域内的边缘图像，Canny算子中三个阈值参数即：高斯滤波器的大小、滞后阈值之高阈值以及滞后阈值之低阈值；定义高斯滤波器的大小为3.0，滞后阈值之高阈值为0.35，滞后阈值之低阈值为0.80。

在上述的一种针对非金属麦拉片位置不良的视觉检测方法，所述步骤3中，链码跟踪的具体步骤如下： 

步骤301，在检测区域内，按照从左至右，从上到下的顺序搜索，找到的第一个白色点即是最左上方的边界点，记为A；

步骤302，在A的4-邻域内遍历任意一个边界点，记为B；

步骤303，从B开始遍历，在8-邻域内按照右、右上、上、左上、左、左下、下、右下的顺序找相邻点中的边界点C。

步骤304，若C同A相等，则表明该链码首尾相连，则结束寻找；否则，若C点的4-邻域内没有白色点，则认为C是孤立的边界点，将C点作为该链码的结束点。

步骤305，重复步骤301至步骤304，直至遍历所有边缘点，得到一条或多条链码。

在上述的一种针对非金属麦拉片位置不良的视觉检测方法，所述步骤4中，最优轮廓链码提取的具体方法是：

设链码长度阈值为ChainThre，设链码首尾距离阈值为DistThre，则链码满足以下条件的即为最优轮廓：

约束条件1：Len(L_i)＞＝ChainThre；

约束条件2：Dis(Pb_i，Pe_i)＜＝DistThre；

上述约束条件中，Len(L_i)表示第i条链码的长度，Pb_i和Pe_i分别表示第i条链码的起始点和结束点，Dis(Pb_i，Pe_i)表示起始点和结束点之间的欧式距离。约束条件1表示链码长度需大于或等于链码长度阈值，约束条件2表示起始点和结束点之间的欧式距离需小于或等于首尾距离阈值。

在上述的一种针对非金属麦拉片位置不良的视觉检测方法，所述步骤4中，最优轮廓链码的平均高度和平均宽度计算方法如下：

步骤401，对获取到的最优轮廓链码从左至右，从上至下分别进行宽度和高度的统计；

步骤402，从左至右扫描，获取到一对位于最左边和最右边的位于最优轮廓链码上的点，计算它们之间的距离，然后将该距离累加，最后将该距离除以点对数得到平均宽度，采用公式：

$\mathrm{AvgWid}=\left(\underset{i=0}{\overset{i<\mathrm{Count}1}{\mathrm{\&Sigma;}}}\mathrm{fabs}(f{\left(i\right)}_{\mathrm{left}}-f{\left(i\right)}_{\mathrm{right}})\right)/\mathrm{Count}1;$

其中Count1表示宽度方向上的有效点对数，有效的点对是指在检测区域水平方向上进行遍历时，若在某一位置处能成功搜索到轮廓链码上的极左和极右的点，则视为一个点对，计入点对数Count1，否则不计入点对数，f(i)_left表示第i个点对的极左点的像素位置，f(i)_right表示第i个点对的极右点的像素位置，fabs(f(i)_left-f(i)_right)表示极左点和极右点之间的绝对值距离；

步骤403，从上至下扫描，获取到一对位于最上边和最小边的位于最优轮廓链码上的点，然后将该距离累加，最后将该距离除以点对数得到平均高度，采用公式：

$\mathrm{AvgHei}=\left(\underset{j=0}{\overset{j<\mathrm{Count}2}{\mathrm{\&Sigma;}}}\mathrm{fabs}(f{\left(j\right)}_{\mathrm{up}}-f{\left(j\right)}_{\mathrm{down}})\right)/\mathrm{Count}2;$

其中Count2表示高度方向上的有效点对数，有效的点对是指在检测区域竖直方向上进行遍历时，若在某一位置处能成功搜索到轮廓链码上的极上和极下的点，则视为一个点对，计入点对数Count2，否则不计入点对数，f(j)_up表示第j个点对的极上点的像素位置，f(j)_down表示第j个点对上的极下点的像素位置，fabs(f(j)_up-f(j)_down)表示极上点和极下点之间的绝对值距离。

在上述的一种针对非金属麦拉片位置不良的视觉检测方法，所述步骤5中，合格品的具体判断方法如下：

将计算得到的最优轮廓平均高度和平均宽度同基准高度和基准宽度进行对比，定义最优轮廓链码的平均宽度为w1，平均高度为h1，基准宽度参数为w₀，基准高度参数为n₀，设定良品宽度阈值为pw，高度阈值为ph，仅当最优轮廓链码的平均宽度和平均高度同时满足以下筛选条件1和筛选条件2时，非金属麦拉片在该区域的位置才是合格的：

筛选条件1：w₁/w₀＞＝pw*100；

筛选条件2：h₁/h₀＞＝ph*100；

否则，认为非金属麦拉片在该区域的位置是不良的。

在上述的一种针对非金属麦拉片位置不良的视觉检测方法，所述步骤101中，若采用的是彩色CCD相机，则在步骤102步骤之前还有一个针对彩色图像的灰度化操作步骤：即将对检测区域内的图像进行颜色抽取，即灰度化，颜色抽取的公式为：

P(i，j)_gray＝0.3*P(i，j)_r+0.6*P(i，j)_g+0.1*P(i，j)_b；

上式中，P(i，j)_r是指在位于坐标(i，j)处图像红色通道的值，P(i，j)_g是指位于坐标(i，j)处绿色通道的值，P(i，j)_b是指位于坐标(i，j)处图像蓝色通道的 值。P(i，j)_gray是指将红绿蓝三通道的值按权重进行计算的灰度化结果。

一种针对非金属麦拉片位置不良的视觉检测方法的装置，其特征在于，包括依次相连的监测区域定位模块、基准获取模块、边缘提取模块、最优轮廓链码提取模块以及比对模块。

因此，本发明具有如下优点：1.能够精确的找出麦拉片位置不良的产品，并可实现对多种非金属麦拉片的位置进行检测；2.对单个麦拉片进行检测的平均运行时间为10ms，算法效率高并且人工交互步骤较少，自动化程度高。

附图说明

附图1是本发明的工作流程示意图。

附图2是本发明的硬件连接示意图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

一、麦拉片图像获取

本发明中所叙述的针对非金属麦拉片位置不良的视觉检测算法，首先获取非金属麦拉片的图像，本发明中所叙述的麦拉片位置是指麦拉片贴到电气元件上后的位置，因此获取非金属麦拉片的图像即是获取贴有麦拉片的电气元件表面图像。将电气元件固定在治具上，在正对电气元件的方向上加上均匀光源，然后将工业CCD相机正对电气元件进行拍摄。

二、麦拉片区域定位

电气元件在进行外观质量检测的时候一般都是放在特制的治具或夹具上，也就是说对于同一种类型的产品，从CCD中观察到的待检测区域的位置变化不大，一般可控制在0.1～0.2mm左右。因此可以通过人工交互的方 法绘制出需要检测的区域(通常设为矩形)，这样可以每次只处理矩形区域内的局部影像，可以大大提高处理效率。

三、彩色影像颜色抽取

彩色CCD相机采集的图像是具有RGB通道颜色，在本发明中所叙述的算法中只需要单通道的图像数据，因此在这一步骤中将对检测区域内的图像进行颜色抽取或称为灰度化，颜色抽取的公式为：

P(i，j)_gray＝0.3*P(i，j)_r+0.6*P(i，j)_g+0.1*P(i，j)_b

上式中，P(i，j)_r是指在位于坐标(i，j)处图像红色通道的值，P(i，j)_g是指位于坐标(i，j)处绿色通道的值，P(i，j)_b是指位于坐标(i，j)处图像蓝色通道的值。P(i，j)_gray是指将红绿蓝三通道的值按权重进行计算的灰度化结果。

四、基准高度和基准宽度采样

在这一步，对连通端子的长宽进行距离的采样，采样方式是通过人工交互，获得同连通端子大小类似的矩形样本，记录下矩形样本的长和宽作为比对样本，矩形框同连通端子的大小类似，记录该矩形框的长和宽作为对比样本，其中矩形框的宽及基准宽度记为w₀，矩形框的长即基准高度记为h₀，针对编号为w000的检测区域，样本宽为33，样本高位43。

五、Canny算子提取边缘

对位于检测框区域内的灰度图像进行边缘提取，边缘提取算子使用Canny算子，Canny边缘检测算子是由John F.Canny于1986年开发出来的一个多级边缘检测算法。Canny的目标是找到一个最优的边缘检测算法，最优边缘检测的含义有：

(1)好的检测：算法能够尽可能多地标识出图像中的实际边缘；

(2)好的定位：标识出的边缘要尽可能与实际图像中的实际边缘尽可能接近；

(3)最小响应：图像中的边缘只能标识一次，并且可能存在的图像噪 声不应标识为边缘；

Canny边缘检测算子的步骤包括：

(1)高斯平滑：Canny边缘检测算子的第一步是用原始数据与高斯平滑模板做卷积，这样能有效的去除像素噪声；

(2)寻找图像中的亮度梯度：较高的亮度梯度比较有可能是边缘，但是没有一个确切的值来限定多大的亮度梯度是边缘，因此Canny边缘检测算子中使用了滞后阈值。滞后阈值需要两个阈值-高阈值和低阈值。假设图像中的重要边缘都是连续的曲线，这样就可以跟踪给定曲线中模糊的部分，并且避免将没有组成曲线的噪声像素当成边缘。所以从一个较大的阈值开始，这将标识出比较确信的真实边缘，从真实边缘出发在图像中跟踪整个边缘，跟踪的时候使用一个较小的阈值，这样就可以跟踪曲线的模糊部分知道回到起点。一旦整个过程完成，得到的结果是用二值图像表示的边缘。

从以上的步骤中可以看出，Canny边缘检测算子涉及到三个阈值参数：高斯滤波器的大小(SigmaThre)、滞后阈值之高阈值(THighThre)、滞后阈值之低阈值(TLowThre)，在实际应用中要结合图像的实际情况进行调整。有关文献：

Canny，J.，一种边缘检测的计算方法A Computational Approach To Edge Detection，IEEE Trans.Pattern Analysis and Machine Intelligenee，8：679-714，1986.

本发明的算法中提供了三个参数可视化调整的功能，可以根据实际图像进行调整，得到有效的边缘。根据大量的试验及实验室中提供的固定光源条件，对于非金属麦拉片位置不良的检测，将三个参数分为设为SigmaThre＝3.0，THighThre＝0.35，TLowThre＝0.80是比较合适的。

六、链码跟踪 

上一步中利用Canny算子提到到包括位置不良在内的麦拉片贴到电气元件表面后的边缘数据，如果区分出边缘是由位置不良的麦拉片造成的还是由正常的连通端子造成的是本算法的关键。观察图像中不良位置的麦拉片所造成的像素分布情况可知，若麦拉片位置不良，将会在连通端子区域内产生干扰的边缘，从而使得本来可能是呈现近似矩形的边缘会出现变形。基于这种不同的边缘情况，在本步骤中，首先对边缘数据进行链码跟踪，链码跟踪是指将8-邻域内的具有同样灰度值的点作为一个集合存储起来，结果将得到具有起点和终点的相互连接的链码队列，链码能有效表达轮廓。本发明叙述的算法中链码跟踪的实现原理如下：

在检测区域内，按照从左至右，从上到下的顺序搜索，找到的第一个白色点一定是最左上方的边界点，记为A。它的4-邻域内至少有一个是边界点，记为B。从B开始遍历，在8-邻域内按照右、右上、上、左上、左、左下、下、右下的顺序找相邻点中的边界点C。若C同A相等，则表明该链码首尾相连，则结束寻找，若C点的4-邻域内没有白色点，则认为C是孤立的边界点，将C点作为该链码的结束点。按照以上步骤，遍历所有边缘点，得到一条或多条链码。

七、获取最优轮廓

通过链码跟踪之后可能会得到一条或多条链码，若有多条链码需要从其中挑出一条最优的表达连通端子轮廓的链码。在本步骤中，通过链码长度和链码首尾距离两种约束对链码进行剔除，设链码长度阈值为ChainThre，设链码首尾距离阈值为DistThre，则链码满足以下条件的即为最优轮廓：

约束条件1：Len(L_i)＞＝ChainThre；

约束条件2：Dis(Pb_i，Pe_i)＜＝DistThre；

上面的约束条件中，Len(L_i)表示第i条链码的长度，Pb_i和Pe_i分别表示第i条链码的起始点和结束点，Dis(Pb_i,Pe_i)表示起始点和结束点之间的欧式距 离。约束条件1表示链码长度需大于或等于链码长度阈值，约束条件2表示起始点和结束点之间的欧式距离需小于或等于首尾距离阈值。在本说明中，ChainThre设为200，DistThre设为20，通过以上剔除步骤后，得到麦拉片的最优轮廓。

八、最优轮廓平均高度和宽度计算

对上一步中获取到的最优轮廓从左至右，从上至下分别进行宽度和高度的统计。从左至右扫描，获取到一对位于最左边和最右边的位于最优轮廓链码上的点，计算它们之间的距离，然后将该距离累加，最后将该距离除以点对数得到平均宽度；从上至下扫描，获取到一对位于最上边和最小边的位于最优轮廓链码上的点，然后将该距离累加，最后将该距离除以点对数得到平均高度。最优轮廓链码平均高度和宽度的计算公式如下：

$\left(1\right)\mathrm{AvgWid}=\left(\underset{i=0}{\overset{i<\mathrm{Count}1}{\mathrm{\&Sigma;}}}\mathrm{fabs}(f{\left(i\right)}_{\mathrm{left}}-f{\left(i\right)}_{\mathrm{right}})\right)/\mathrm{Count}1$

$\left(2\right)\mathrm{AvgHei}=\left(\underset{j=0}{\overset{j<\mathrm{Count}2}{\mathrm{\&Sigma;}}}\mathrm{fabs}(f{\left(j\right)}_{\mathrm{up}}-f{\left(j\right)}_{\mathrm{down}})\right)/\mathrm{Count}2$

公式(1)是计算最优轮廓链码的平均宽度，其中Count1表示宽度方向上的有效点对数，有效的点对是指在检测区域水平方向上进行遍历时，若在某一位置处能成功搜索到轮廓链码上的极左和极右的点，则视为一个点对，计入点对数Count1，否则不计入点对数，f(i)_left表示第i个点对的极左点的像素位置，f(i)_right表示第i个点对的极右点的像素位置，fabs(f(i)_left-f(i)_right)表示极左点和极右点之间的绝对值距离；

公式(2)是计算最优轮廓链码的平均高度，其中Count2表示高度方向上的有效点对数，有效的点对是指在检测区域竖直方向上进行遍历时，若在某一位置处能成功搜索到轮廓链码上的极上和极下的点，则视为一个点对，计入点对数Count2，否则不计入点对数，f(j)_up表示第j个点对的极上点的像素位置，f(j)_down表示第j个点对上的极下点的像素位置， fabs(f(j)_up-f(j)_down)表示极上点和极下点之间的绝对值距离。

九、参数对比

将计算得到的最优轮廓平均高度和平均宽度同基准高度和基准宽度进行对比，最优轮廓链码的平均宽度为w1，平均高度为h1，基准宽度参数为w₀，基准高度参数为n₀，设定良品宽度阈值为pw(百分比)，高度阈值为ph(百分比)，针对麦拉片将宽度阈值设为80，高度阈值设为90，仅当最优轮廓链码的平均宽度和平均高度同时满足以下筛选条件1和筛选条件2时，非金属麦拉片在该区域的位置才是合格的：

筛选条件1：w₁/w₀＞＝pw*100；

筛选条件2：h₁/h₀＞＝ph*100；

否则，认为非金属麦拉片在该区域的位置是不良的。

若同一电气元件上所有的麦拉片位置都是合格的，则认为该电气元件的麦拉片位置合格，否则认为是不良品。本发明的算法中将不良位置用醒目的红色进行标识，合格位置用绿色进行标识，电气元件的合格与否用OK和NG字母进行标识。

采用以上九步可实现对非金属麦拉片位置不良的检测，下面给出在实验室环境内的统计数据，

表一：实验室统计结果

连通端子个数	检测正确率	检测产能(个数/小时)
			5	99.65％	3500

以上实验中，以连通端子个数为5个的电气元件进行了测试，采集了4000幅图像，实验结果如上所示，检测的正确率达到99.65％，以个数/小时来统计检测产能，可达到每小时3500个。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或 补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (4)

1.一种针对非金属麦拉片位置不良的视觉检测方法，其特征在于，包括以下步骤：

步骤1，由监测区域定位模块对被检工件的非金属麦拉片所在区域进行区域定位，得到定位区域；

步骤2，基准获取模块针对步骤1中已经定位的非金属麦拉片的定位区域随机抽取一个良品，针对良品进行检测基准区域获取，得到基准比对参数；

具体方法是：抽取良品后，获得同连通端子大小类似的矩形样本，记录下矩形样本的长和宽作为比对样本，矩形样本的长和宽即步骤2中的基准比对参数，定义矩形样本的宽即基准宽度为w₀，矩形样本的长即基准高度为h₀；

步骤3，边缘提取模块针对步骤1中的定位区域进行对非金属麦拉片的边缘图像提取，并针对提取的非金属麦拉片的边缘图像进行链码跟踪获取若干条链码，

步骤4，最优轮廓链码提取模块针对步骤3中获取的若干条链码进行处理后得到最优轮廓链码，并对最优轮廓链码进行处理后得到最优轮廓链码的平均高度和平均宽度；

步骤5，比对模块将步骤4中的得到最优轮廓链码的平均高度和平均宽度与步骤2中的基准比对参数进行比对，符合对比条件即判断为合格品；

所述的步骤1，具体操作方法如下：

步骤101，首先获取非金属麦拉片的图像：即将电气元件固定在治具上，在正对电气元件的方向上加上均匀光源，然后将工业CCD相机正对电气元件进行拍摄，得到采集的非金属麦拉片图像；

步骤102，设定需要检测的区域为矩形，矩形长宽均大于非金属麦拉片的长宽，并在步骤101采集的非金属麦拉片图像中绘制若干需要检测的区域，所述需要检测的区域即为步骤1中的定位区域；

所述步骤4中，最优轮廓链码提取的具体方法是：

设链码长度阈值为ChainThre,设链码首尾距离阈值为DistThre，则链码满足以下条件的即为最优轮廓：

约束条件1：Len(L_i)>＝ChainThre；

约束条件2：Dis(Pb_i,Pe_i)<＝DistThre；

上述约束条件中，Len(L_i)表示第i条链码的长度，Pb_i和Pe_i分别表示第i条链码的起始点和结束点，Dis(Pb_i,Pe_i)表示起始点和结束点之间的欧式距离，约束条件1表示链码长度需大于或等于链码长度阈值，约束条件2表示起始点和结束点之间的欧式距离需小于或等于首尾距离阈值；

所述步骤4中，最优轮廓链码的平均高度和平均宽度计算方法如下：

步骤401，对获取到的最优轮廓链码从左至右，从上至下分别进行宽度和高度的统计；

步骤402，从左至右扫描，获取到一对位于最左边和最右边的位于最优轮廓链码上的点，计算它们之间的距离，然后将该距离累加，最后将该距离除以点对数得到平均宽度，采用公式：

$\mathrm{AvgWid}=\left(\underset{i=0}{\overset{i<\mathrm{Count}1}{\mathrm{\&Sigma;}}}\mathrm{fabs}(f{\left(i\right)}_{\mathrm{left}}-f{\left(i\right)}_{\mathrm{right}})\right)/\mathrm{Count}1;$

其中Count1表示宽度方向上的有效点对数，有效的点对是指在检测区域水平方向上进行遍历时，若在某一位置处能成功搜索到轮廓链码上的极左和极右的点，则视为一个点对，计入点对数Count1，否则不计入点对数，f(i)_left表示第i个点对的极左点的像素位置，f(i)_right表示第i个点对的极右点的像素位置，fabs(f(i)_left-f(i)_right)表示极左点和极右点之间的绝对值距离；

步骤403，从上至下扫描，获取到一对位于最上边和最小边的位于最优轮廓链码上的点，然后将该距离累加，最后将该距离除以点对数得到平均高度，采用公式：

$\mathrm{AvgHei}=\left(\underset{j=0}{\overset{j<\mathrm{Count}2}{\mathrm{\&Sigma;}}}\mathrm{fabs}(f{\left(j\right)}_{\mathrm{up}}-f{\left(j\right)}_{\mathrm{down}})\right)/\mathrm{Count}2;$

其中Count2表示高度方向上的有效点对数，有效的点对是指在检测区域竖直方向上进行遍历时，若在某一位置处能成功搜索到轮廓链码上的极上和极下的点，则视为一个点对，计入点对数Count2，否则不计入点对数，f(j)_up表示第j个点对的极上点的像素位置，f(j)_down表示第j个点对上的极下点的像素位置，fabs(f(j)_up-f(j)_down)表示极上点和极下点之间的绝对值距离；

所述步骤5中，合格品的具体判断方法如下：

将计算得到的最优轮廓平均高度和平均宽度同基准高度和基准宽度进行对比，定义最优轮廓链码的平均宽度为w1,平均高度为h1，基准宽度参数为w₀，基准高度参数为h₀，设定良品宽度阈值为pw，高度阈值为ph，仅当最优轮廓链码的平均宽度和平均高度同时满足以下筛选条件1和筛选条件2时，非金属麦拉片在该区域的位置才是合格的：

筛选条件1：w₁/w₀>＝pw*100；

筛选条件2：h₁/h₀>＝ph*100；

否则，认为非金属麦拉片在该区域的位置是不良的；

所述步骤101中，若采用的是彩色CCD相机，则在步骤102步骤之前还有一个针对彩色图像的灰度化操作步骤：即将对检测区域内的图像进行颜色抽取，即灰度化，颜色抽取的公式为：

P(i,j)_gray＝0.3*P(i,j)_r+0.6*P(i,j)_g+0.1*P(i,j)_b；

上式中，P(i,j)_r是指在位于坐标(i,j)处图像红色通道的值，P(i,j)_g是指位于坐标(i,j)处绿色通道的值，P(i,j)_b是指位于坐标(i,j)处图像蓝色通道的值，P(i,j)_gray是指将红绿蓝三通道的值按权重进行计算的灰度化结果。

2.根据权利要求1所述的一种针对非金属麦拉片位置不良的视觉检测方法，其特征在于，所述步骤3中，边缘提取算子使用Canny算子，获取区域内的边缘图像，Canny算子中三个阈值参数即：高斯滤波器的大小、滞后阈值之高阈值以及滞后阈值之低阈值；定义高斯滤波器的大小为3.0，滞后阈值之高阈值为0.35，滞后阈值之低阈值为0.80。

3.根据权利要求1所述的一种针对非金属麦拉片位置不良的视觉检测方法，其特征在于，所述步骤3中，链码跟踪的具体步骤如下：

步骤301，在检测区域内，按照从左至右，从上到下的顺序搜索，找到的第一个白色点即是最左上方的边界点，记为A；

步骤302，在A的4-邻域内遍历任意一个边界点，记为B；

步骤303，从B开始遍历，在8-邻域内按照右、右上、上、左上、左、左下、下、右下的顺序找相邻点中的边界点C；

步骤304，若C同A相等，则表明该链码首尾相连，则结束寻找；否则，若C点的4-邻域内没有白色点，则认为C是孤立的边界点，将C点作为该链码的结束点；

步骤305，重复步骤301至步骤304，直至遍历所有边缘点，得到一条或多条链码。

4.一种权利要求1所述的针对非金属麦拉片位置不良的视觉检测方法的装置，其特征在于，包括依次相连的监测区域定位模块、基准获取模块、边缘提取模块、最优轮廓链码提取模块以及比对模块。