CN103914827B - 汽车密封条轮廓缺陷的视觉检测方法 - Google Patents
汽车密封条轮廓缺陷的视觉检测方法 Download PDFInfo
- Publication number
- CN103914827B CN103914827B CN201310403212.XA CN201310403212A CN103914827B CN 103914827 B CN103914827 B CN 103914827B CN 201310403212 A CN201310403212 A CN 201310403212A CN 103914827 B CN103914827 B CN 103914827B
- Authority
- CN
- China
- Prior art keywords
- image
- area
- value
- angle
- pixel
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 230000007547 defect Effects 0.000 title claims abstract description 24
- 238000007789 sealing Methods 0.000 claims abstract description 27
- 238000004519 manufacturing process Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 21
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims 1
- 239000002994 raw material Substances 0.000 abstract description 3
- 239000000463 material Substances 0.000 abstract description 2
- 239000000047 product Substances 0.000 description 5
- 230000001629 suppression Effects 0.000 description 5
- 239000003550 marker Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 description 2
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000013016 damping Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种汽车密封条轮廓缺陷的视觉检测方法，载入CCD相机拍摄后的数字图像；对载入的图像进行阈值分割，得到二值图像；对二值图像进行滤波去除噪声；对去噪后的图像进行边缘检测；边缘提取，得到每个边缘像素点的坐标；计算目标区域的凸包；计算密封条截面的最小包围面积矩形。本发明采用客观的检测方法，克服了现有通过人工检测，劳动强度大、主观因素影响严重、一致性差、密封条原料浪费率高等问题。有效利用汽车密封条原料、提高产品质量和生产效率、降低生产成本。
Description
技术领域
本发明涉及一种电力设施领域，特别是一种汽车密封条轮廓缺陷的视觉检测方法。
背景技术
密封条广泛应用于汽车的很多部位，可以很好的起到减震、防尘、隔音的作用，保护车内人员和汽车其他重要零部件。密封条生产工艺复杂，最终的产品容易发生变形。现在国内的很多密封条生产商在生产时依然使用人工来检测密封条截面轮廓形状，这种方式主观性很强，而且人眼在精细工作时很容易疲劳，这些都会导致检测结果不稳定。
发明内容
本发明所要解决的技术问题是：提供一种汽车密封条轮廓缺陷的视觉检测方法，它能降低检测的劳动强度、提高检测的准确性，保证检测的一致性，降低密封条原料的浪费，以克服现有技术的不足。
本发明的是这样实现的：汽车密封条轮廓缺陷的视觉检测方法，
a)载入CCD相机拍摄后的待测密封条的数字图像；
b)对载入的图像进行阈值分割，得到二值图像；
c)对二值图像进行滤波去除噪声；
d)对去噪后的图像进行边缘检测；
e)边缘提取，得到每个边缘像素点的坐标；
f)计算目标区域的凸包；
g)计算密封条截面的最小包围面积矩形，得到矩形的长轴和短轴的长度、矩形的中心坐标以及长轴相对与x轴正方向的角度；根据相关密封条的公差分别设置长轴短轴的长度阈值(密封条在设计的时候就会制定合格零件的尺寸范)；只有同时满足长轴和短轴长度条件 的才需要执行步骤h)，不满足的就直接判断为缺陷；
h)将测试图像的最小包围面积矩形的各项数值检测后，与阈值进行比较，若合格，进行仿射变换；
i)计算待测图像的轮廓点到最小面积包围矩形中心的线段相对于X轴正方向的角度，然后统计每个角度的数量，制造角度直方图；
j)根据角度直方图得到的位移和角度差值为参数进行仿射变换；
k)遍历两幅标准公差带图像与测试图像；通过检测配准后的测试图像的目标边缘是否落在标准公差带图像的公差带内来判断测试密封条截面是否存在缺陷；对于超出公差带的缺陷用圆圈标识出来；检测结束。
在步骤b)中采用Otsu阈值分割法作为汽车密封条截面轮廓缺陷检测系统的阈值分割算法；设图像像素总数为N，灰度区间为[0,L-1]，对应灰度级i的像素数为ni(i＝0,1,2，···，L-1)，则总像素为：各个灰度出现的概率为：
其中对于pi，有：把图像中的像素按灰度值用阈值T分成两类C0和C1，C0由灰度值在[0，T]之间的像素组成，C1由灰度值在[T+1，L-1]之间的像素组成，则C0和C1的概率分别为：
区域C0和C1的平均灰度分别为：
其中，μ是整幅图像的平均灰度：
两个区域的总方差为：
让T在[0，L-1]范围内依次取值，使总方差取最大值使得T值便是最佳分割阈值。
在步骤c)中选取连通区域面积法来去除噪声，设定面积阈值，然后求取各个连通区域的面积；通过将各个连通区域的面积与阈值进行比较，小于阈值的区域都是噪声区域。将白色背景中的黑色噪声区域的灰度值设为255，将黑色目标区域中的白色噪声区域的灰度值设为0，定义一个一维整形数组imageArray做图像标记，数组的大小等于图像的像素数，即图像的宽度乘以高度。顺序扫描图像，并在imageArray中对应的位置上做出相应的标记。如果图像中像素点的灰度值为255，则对imageArray中对应的位置赋值0；如果图像中像素点的灰度值为0，则对imageArray中对应的位置赋值-1。设定阈值minArea的值。设定连通区域个数holeNum的初始值为1。分别设定外层循环标志outFlag和内层循环标志inFlag为true和false，用以控制连通区域数目的变化和某一连通区域面积的变化。设定s表示是否找到各个连通区域的第一个像素点，从而控制外层循环标志outFlag的值。设定正向扫描标志dir1和反向扫描标志dir2分别表示正向和反向扫描是否全部完成，从而控制内层循环标志inFlag的值。外层循环开始，即开始统计连通区域数目。给s赋值为0，开始扫描标记数组imageArray。当在数组中读到-1时，表明找到一个连通区域的第一 个像素点，令s＝1,令inFlag＝true，将imageArray数组的当前元素值-1改为连通区域的数目值holeNum，并跳出扫描，进入内层循环。如果没有扫描到没有标记的连通区域，即s一直等于0，则令outFlag＝false，外层循环结束，整个程序结束。内层循环开始，即统计扫描到的一个连通区域的面积。令dir1＝0、dir2＝0。开始正向扫描标记数组imageArray，当读取的元素是已标记的或者背景像素，即数组元素不等于-1时，则继续扫描；当读取的数组元素等于-1时，则检测该元素的左侧、左上侧、上侧和右上侧的四个元素，只要有一个元素的值等于holeNum，就将holeNum取代该元素的-1值，令dir1＝1，继续扫描下一个点,直至正向扫描结束。若内层循环的所有正向扫描都没有再找到没有标记的元素，则令内层循环标志inFlag为false。开始反向扫描标记数组imageArray，当读取的元素是已标记的或者背景像素，即数组元素不等于-1时，则继续扫描；当读取的数组元素等于-1时，则检测该元素的右侧、右下侧、下侧和左上侧的四个元素，只要有一个元素的值等于holeNum，就将holeNum取代该元素的-1值，令dir2＝1，继续扫描下一个点,直至反向扫描结束。若内层循环的所有反向扫描都没有再找到没有标记的元素，则令内层循环标志inFlag为false。可以看出正向扫描和反响扫描是串行的，只有同时完成时，inFlag才为false。完成一个内层循环后，连通区域个数holeNum自加1。扫描标记数组imageArray，统计各个连通区域的面积。将面积小于阈值minArea的区域在图像上消去。
在步骤e)中选取Canny边缘检测算法来处理图像。首先对图像选择一定的Gauss滤波器进行平滑滤波，然后采用非极值抑制技术进行处理得到最后的边缘图像。利用省略系数的高斯滤波器平滑与图像进行卷积，平滑图像噪声。使用一阶偏导的差分模板与图像卷积，计算各个像素点的梯度的幅值和方向角以增强图像边缘。对梯度幅值图像非极大值抑制，保留梯度方向上的极大值点，即对于每个点，在梯度正反两个方向上各找n个像素点。若该点是灰度最大值点，则保持其灰度不变，否则，将其灰度设为0.使用双阈值二值化经过非极大值 抑制的图像。使用高阈值得到含有主要边缘，但边缘间断较多的图像，使用低阈值的得到几乎包含所有边缘，但噪声较多的图像。对于高阈值图像中的每条边，从端点出发在低阈值图像中寻找它的延长部分，直到与高阈值图像中另外一条边相连，则使用前面在低阈值图像中的路径点将它们连接起来，否则，就认为在低阈值图像中没有它的延长部分。
步骤f)中凸包的计算步骤：
1)在目标区域中找到最小横坐标的全部像素点，然后在这些像素点中找到最小纵坐标的点，则该点一定是凸包上的点，记为P0；
2)按照前面相应相应密封条的边缘数据(标准对标准，待检测对待检测)，按照逆时针顺序依次提取两个点；判断三点是否共线，若共线，则舍弃中间点，再提取一个点；若不共线，则将该三点进行排序，三点，分别为P0、P1及P2；
3)创建循环队列D来表示凸包，令队列的头指针b＝0，尾指针t＝-1。比较P2是否在P0、P1的右边，若是，则尾指针向右移动，分别将P0、P1、P2入队，然后头指针向左移动，将P2入队；否则，则尾指针向右移动，分别将P1、P0、P2，然后头指针向左移动，将P2入队；
4)加入下一个点，将该点记为P0，判断该点是否在凸包的内部，即判断以下条件是否满足：b+1所指向的点不在从Pn到b所指向的点的方向的左边，同时Pn不在从t-1所指向的点到t所指向的点的方向的左边；若是，则继续取点，如不是，则从新排列D的顺序；
5)尾指针t向左移动，判断Pn是否在从t-1所指向的点到t所指向的点的方向的左边，若是，则t继续向左移动，然后接着判断；否则将t向右移动，并将Pn入队；
6)头指针向右移动，判断b+1所指向的点是否在从Pn到b所指向的点的方向的左边，若是，则t继续向右移动，然后接着判断；否则将b向左移动，并将Pn入队；然后转去第四步。
步骤g)中最小包围面积矩形的具体操作步骤如下：
1)在凸多边形P的所有顶点中找出具有最大或者最小的x坐标或者y坐标的四个点，分别用pi、pj、pk和pl表示；
2)构建Ls(pj)和Ls(pl)作为在x方向的一对旋转卡尺；构建Ls(pi)和Ls(pk)作为y方向与第一对卡尺正交的卡尺；
3)分别考察Ls(pi)与P的边缘所成的角度θi、Ls(pj)与P的边缘所成的角度θj、Ls(pk)与P的边缘所成的角度θk以及Ls(pl)与P的边缘所成的角度θl。假设θi＝min{θi，θj，θk，θl}。分别将四条支撑线旋转θi。则与边缘重合的成了矩形的基线；矩形的四个角通过pi、pi+1，pj，pk和pl计算出来；
4)计算新矩形的面积，并且和当前最小值比较；如果小于当前最小值则更新，并保存确定最小值的矩形信息；
5)重复以上两个步骤，直到扫描完整个凸多边形P；
6)输出最小包围面积矩形的相关数据。
步骤i)中角度直方图的制造方法：角度直方图的横坐标表示角度，从0～359°，纵坐标表示每种角度的个数，计算时，需要将360°的值加到0°上去；通过不断的微调，不断比较新位置上的角度直方图，当他们的角度直方图最相似时的角度差值和位置差值就是最终的平移距离和旋转角度。通过前面的阈值将大变形剔除掉后，小变形还是会影响最小面积包围矩形的角度和中心位置，但角度和中心位置会落在一个范围内。
由于采用了上述技术方案，与现有技术相比，本发明采用客观的检测方法，克服了现有通过人工检测，劳动强度大、主观因素影响严重、一致性差、密封条原料浪费率高等问题。有效利用汽车密封条原料、提高产品质量和生产效率、降低生产成本。本发明的方法简单易行，所采用的装置体积小，布置紧凑，使用效果好。
附图说明
附图1为实施例的测试图像处理流程图；
附图2为实施例的汽车密封条截面；
附图3为实施例的汽车密封条截面图像的灰度直方图；
附图4为实施例的汽车密封条截面Otsu阈值分割法示意图；
附图5为实施例的边缘提取Canny算法示意图；
附图6为实施例的标准图像凸包；
附图7为实施例的测试图像1的凸包；
附图8为实施例的测试图像2的凸包；
附图9为实施例的标准图像最小包围面积矩形；
附图10为实施例的测试图像1最小包围面积矩形；
附图11为实施例的测试图像2最小包围面积矩形；
附图12为实施例的标准图像角度直方图；
附图13为实施例的测试图像1角度直方图；
附图14为实施例的测试图像2角度直方图；
附图15为实施例的标准公差带图像；
附图16为实施例的密封条1的标准公差带图像；
附图17为实施例的密封条2的标准公差带图像；
附图18实施例的密封条1的缺陷示例；
附图19为实施例的密封条2的缺陷示例。
具体实施方式
本发明的实施例：汽车密封条轮廓缺陷的视觉检测方法，处理流程如图1所示，
a)载入CCD相机拍摄后的待检测密封条的数字图像；如图2所示；
b)对载入的图像进行阈值分割，得到二值图像；
c)对二值图像进行滤波去除噪声；
d)对去噪后的图像进行边缘检测，如图5所示；
e)边缘提取，得到每个边缘像素点的坐标；
f)计算目标区域的凸包，如图6,7,8所示；
g)计算密封条截面的最小包围面积矩形，得到矩形的长轴和短轴的长度、矩形的中心坐标以及长轴相对与x轴正方向的角度，如图9,10,11所示；根据相关密封条的公差分别设置长轴短轴的长度阈值； 只有同时满足长轴和短轴长度条件的才需要执行步骤h)，不满足的就直接判断为缺陷；
h)将测试图像的最小包围面积矩形的各项数值检测后，与阈值进行比较，若合格，进行仿射变换；
i)计算待测图像的轮廓点到最小面积包围矩形中心的线段相对于X轴正方向的角度，然后统计每个角度的数量，制造角度直方图，如图12,13,14所示；
j)根据角度直方图得到的位移和角度差值为参数进行仿射变换；
k)如图16,17所示，遍历两幅标准公差带图像与测试图像；通过检测配准后的测试图像的目标边缘是否落在标准公差带图像的公差带内来判断测试密封条截面是否存在缺陷；对于超出公差带的缺陷用圆圈标识出来，如图18,19所示；检测结束。
在步骤b)中采用Otsu阈值分割法作为汽车密封条截面轮廓缺陷检测系统的阈值分割算法；设图像像素总数为N，灰度区间为[0,L-1]，对应灰度级i的像素数为ni(i＝0,1,2，···，L-1)，则总像素为：各个灰度出现的概率为：
其中对于pi，有：把图像中的像素按灰度值用阈值T分成两类C0和C1，C0由灰度值在[0，T]之间的像素组成，C1由灰度值在[T+1，L-1]之间的像素组成，则C0和C1的概率分别为：
区域C0和C1的平均灰度分别为：
其中，μ是整幅图像的平均灰度：
两个区域的总方差为：
让T在[0，L-1]范围内依次取值，使总方差取最大值使得T值便是最佳分割阈值。
在步骤c)中选取连通区域面积法来去除噪声，设定面积阈值，然后求取各个连通区域的面积；通过将各个连通区域的面积与阈值进行比较，小于阈值的区域都是噪声区域。将白色背景中的黑色噪声区域的灰度值设为255，将黑色目标区域中的白色噪声区域的灰度值设为0，定义一个一维整形数组imageArray做图像标记，数组的大小等于图像的像素数，即图像的宽度乘以高度。顺序扫描图像，并在imageArray中对应的位置上做出相应的标记。如果图像中像素点的灰度值为255，则对imageArray中对应的位置赋值0；如果图像中像素点的灰度值为0，则对imageArray中对应的位置赋值-1。设定阈值minArea的值。设定连通区域个数holeNum的初始值为1。分别设定外层循环标志outFlag和内层循环标志inFlag为true和false，用以控制连通区域数目的变化和某一连通区域面积的变化。设定s表示是否找到各个连通区域的第一个像素点，从而控制外层循环标志outFlag的值。设定正向扫描标志dir1和反向扫描标志dir2分别表示正向和反向扫描是否全部完成，从而控制内层循环标志inFlag的值。外层循 环开始，即开始统计连通区域数目。给s赋值为0，开始扫描标记数组imageArray。当在数组中读到-1时，表明找到一个连通区域的第一个像素点，令s＝1,令inFlag＝true，将imageArray数组的当前元素值-1改为连通区域的数目值holeNum，并跳出扫描，进入内层循环。如果没有扫描到没有标记的连通区域，即s一直等于0，则令outFlag＝false，外层循环结束，整个程序结束。内层循环开始，即统计扫描到的一个连通区域的面积。令dir1＝0、dir2＝0。开始正向扫描标记数组imageArray，当读取的元素是已标记的或者背景像素，即数组元素不等于-1时，则继续扫描；当读取的数组元素等于-1时，则检测该元素的左侧、左上侧、上侧和右上侧的四个元素，只要有一个元素的值等于holeNum，就将holeNum取代该元素的-1值，令dir1＝1，继续扫描下一个点,直至正向扫描结束。若内层循环的所有正向扫描都没有再找到没有标记的元素，则令内层循环标志inFlag为false。开始反向扫描标记数组imageArray，当读取的元素是已标记的或者背景像素，即数组元素不等于-1时，则继续扫描；当读取的数组元素等于-1时，则检测该元素的右侧、右下侧、下侧和左上侧的四个元素，只要有一个元素的值等于holeNum，就将holeNum取代该元素的-1值，令dir2＝1，继续扫描下一个点,直至反向扫描结束。若内层循环的所有反向扫描都没有再找到没有标记的元素，则令内层循环标志inFlag为false。可以看出正向扫描和反响扫描是串行的，只有同时完成时，inFlag才为false。完成一个内层循环后，连通区域个数holeNum自加1。扫描标记数组imageArray，统计各个连通区域的面积。将面积小于阈值minArea的区域在图像上消去。
在步骤e)中选取Canny边缘检测算法来处理图像。首先对图像选择一定的Gauss滤波器进行平滑滤波，然后采用非极值抑制技术进行处理得到最后的边缘图像。利用省略系数的高斯滤波器平滑与图像进行卷积，平滑图像噪声。使用一阶偏导的差分模板与图像卷积，计算各个像素点的梯度的幅值和方向角以增强图像边缘。对梯度幅值图像非极大值抑制，保留梯度方向上的极大值点，即对于每个点，在梯 度正反两个方向上各找n个像素点。若该点是灰度最大值点，则保持其灰度不变，否则，将其灰度设为0.使用双阈值二值化经过非极大值抑制的图像。使用高阈值得到含有主要边缘，但边缘间断较多的图像，使用低阈值的得到几乎包含所有边缘，但噪声较多的图像。对于高阈值图像中的每条边，从端点出发在低阈值图像中寻找它的延长部分，直到与高阈值图像中另外一条边相连，则使用前面在低阈值图像中的路径点将它们连接起来，否则，就认为在低阈值图像中没有它的延长部分。
步骤f)中凸包的计算步骤：
1)在目标区域中找到最小横坐标的全部像素点，然后在这些像素点中找到最小纵坐标的点，则该点一定是凸包上的点，记为P0；
2)按照前面相应相应密封条的边缘数据，按照逆时针顺序依次提取两个点；判断三点是否共线，若共线，则舍弃中间点，再提取一个点；若不共线，则将该三点进行排序，三点，分别为P0、P1及P2；
3)创建循环队列D来表示凸包，令队列的头指针b＝0，尾指针t＝-1。比较P2是否在P0、P1的右边，若是，则尾指针向右移动，分别将P0、P1、P2入队，然后头指针向左移动，将P2入队；否则，则尾指针向右移动，分别将P1、P0、P2，然后头指针向左移动，将P2入队；
4)加入下一个点，将该点记为P0，判断该点是否在凸包的内部，即判断以下条件是否满足：b+1所指向的点不在从Pn到b所指向的点的方向的左边，同时Pn不在从t-1所指向的点到t所指向的点的方向的左边；若是，则继续取点，如不是，则从新排列D的顺序；
5)尾指针t向左移动，判断Pn是否在从t-1所指向的点到t所指向的点的方向的左边，若是，则t继续向左移动，然后接着判断；否则将t向右移动，并将Pn入队；
6)头指针向右移动，判断b+1所指向的点是否在从Pn到b所指向的点的方向的左边，若是，则t继续向右移动，然后接着判断；否则将b向左移动，并将Pn入队；然后转去第四步。
步骤g)中最小包围面积矩形的具体操作步骤如下：
1)在凸多边形P的所有顶点中找出具有最大或者最小的x坐标或者y坐标的四个点，分别用pi、pj、pk和pl表示；
2)构建Ls(pj)和Ls(pl)作为在x方向的一对旋转卡尺；构建Ls(pi)和Ls(pk)作为y方向与第一对卡尺正交的卡尺；
3)分别考察Ls(pi)与P的边缘所成的角度θi、Ls(pj)与P的边缘所成的角度θj、Ls(pk)与P的边缘所成的角度θk以及Ls(pl)与P的边缘所成的角度θl。假设θi＝min{θi，θj，θk，θl}。分别将四条支撑线旋转θi。则与边缘重合的成了矩形的基线；矩形的四个角通过pi、pi+1，pj，pk和pl计算出来；
4)计算新矩形的面积，并且和当前最小值比较；如果小于当前最小值则更新，并保存确定最小值的矩形信息；
5)重复以上两个步骤，直到扫描完整个凸多边形P；
6)输出最小包围面积矩形的相关数据。
步骤i)中角度直方图的制造方法：角度直方图的横坐标表示角度，从0～359°，纵坐标表示每种角度的个数，计算时，需要将360°的值加到0°上去；通过不断的微调，不断比较新位置上的角度直方图，当他们的角度直方图最相似时的角度差值和位置差值就是最终的平移距离和旋转角度。通过前面的阈值将大变形剔除掉后，小变形还是会影响最小面积包围矩形的角度和中心位置，但角度和中心位置会落在一个范围内。
Claims (5)
1.一种汽车密封条轮廓缺陷的视觉检测方法，其特征在于：
a)载入CCD相机拍摄后的待检测密封条的数字图像；
b)对载入的图像进行阈值分割，得到二值图像；
c)对二值图像进行滤波去除噪声；
d)对去噪后的图像进行边缘检测；
e)边缘提取，得到每个边缘像素点的坐标；
f)计算目标区域的凸包；
g)计算密封条截面的最小包围面积矩形，得到矩形的长轴和短轴的长度、矩形的中心坐标以及长轴相对与x轴正方向的角度；根据相关密封条的公差分别设置长轴短轴的长度阈值；只有同时满足长轴和短轴长度条件的才需要执行步骤h)，不满足的就直接判断为缺陷；
h)将测试图像的最小包围面积矩形的各项数值检测后，与阈值进行比较，若合格，进行仿射变换；
i)计算待测图像的轮廓点到最小面积包围矩形中心的线段相对于X轴正方向的角度，然后统计每个角度的数量，制造角度直方图；
j)根据角度直方图得到的位移和角度差值为参数进行仿射变换；
k)遍历两幅标准公差带图像与测试图像；通过检测配准后的测试图像的目标边缘是否落在标准公差带图像的公差带内来判断测试密封条截面是否存在缺陷；对于超出公差带的缺陷用圆圈标识出来；检测结束。
2.根据权利要求1所述的汽车密封条轮廓缺陷的视觉检测方法，其特征在于：在步骤b)中采用Otsu阈值分割法作为汽车密封条截面轮廓缺陷检测系统的阈值分割算法；设图像像素总数为N，灰度区间为[0,L-1]，对应灰度级i的像素数为ni(i＝0,1,2，···，L-1)，则总像素为：各个灰度出现的概率为： 其中对于pi，有：把图像中的像素按灰度值用阈值T分成两类C0和C1，C0由灰度值在[0，T]之间的像素组成，C1由灰度值在[T+1，L-1]之间的像素组成，则C0和C1的概率分别为：
区域C0和C1的平均灰度分别为：
其中，μ是整幅图像的平均灰度：
两个区域的总方差为：
让T在[0，L-1]范围内依次取值，使总方差取最大值使得T值便是最佳分割阈值。
3.根据权利要求1所述的汽车密封条轮廓缺陷的视觉检测方法，其特征在于：在步骤c)中选取连通区域面积法来去除噪声，设定面积阈值，然后求取各个连通区域的面积；通过将各个连通区域的面积 与阈值进行比较，小于阈值的区域都是噪声区域。
4.根据权利要求1所述的汽车密封条轮廓缺陷的视觉检测方法，其特征在于：在步骤e)中选取Canny边缘检测算法来处理图像。
5.根据权利要求1所述的汽车密封条轮廓缺陷的视觉检测方法，其特征在于：步骤i)中角度直方图的制造方法：角度直方图的横坐标表示角度，从0～359°，纵坐标表示每种角度的个数，计算时，需要将360°的值加到0°上去；通过不断的微调，不断比较新位置上的角度直方图，当他们的角度直方图最相似时的角度差值和位置差值就是最终的平移距离和旋转角度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310403212.XA CN103914827B (zh) | 2013-09-06 | 2013-09-06 | 汽车密封条轮廓缺陷的视觉检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310403212.XA CN103914827B (zh) | 2013-09-06 | 2013-09-06 | 汽车密封条轮廓缺陷的视觉检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103914827A CN103914827A (zh) | 2014-07-09 |
| CN103914827B true CN103914827B (zh) | 2017-07-11 |
Family
ID=51040484
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310403212.XA Expired - Fee Related CN103914827B (zh) | 2013-09-06 | 2013-09-06 | 汽车密封条轮廓缺陷的视觉检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103914827B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105426530B (zh) | 2015-12-15 | 2017-05-10 | 徐庆 | 一种商标检索方法、装置和系统 |
| CN105574533B (zh) * | 2015-12-15 | 2018-01-12 | 徐庆 | 一种图像特征提取方法和装置 |
| CN106018422B (zh) * | 2016-07-13 | 2018-09-18 | 河北工业大学 | 基于匹配的异形冲压件轮廓缺陷视觉检测系统及方法 |
| CN107084666B (zh) * | 2017-05-10 | 2020-08-28 | 中国计量大学 | 基于机器视觉的刹车片尺寸综合检测方法 |
| KR102359944B1 (ko) * | 2017-09-22 | 2022-02-07 | 현대자동차 주식회사 | 웨더스트립의 부착 시스템 및 부착 방법 |
| CN107886495B (zh) * | 2017-09-30 | 2020-04-14 | 北京得华机器人技术研究院有限公司 | 一种基于相似度匹配的汽车零配件缺陷识别方法 |
| CN107664644B (zh) * | 2017-09-30 | 2020-08-11 | 电子科技大学 | 一种基于机器视觉的物件表观自动检测装置及方法 |
| CN107680112B (zh) * | 2017-10-16 | 2021-01-26 | 北京邮电大学 | 图像配准方法 |
| CN109242819B (zh) * | 2018-07-02 | 2022-02-11 | 广东工业大学 | 一种基于图像处理的表面擦伤缺陷联通的算法 |
| CN111426693A (zh) * | 2020-04-26 | 2020-07-17 | 湖南恒岳重钢钢结构工程有限公司 | 一种质量缺陷检测系统及其检测方法 |
| CN112001906B (zh) * | 2020-08-24 | 2024-02-02 | 徐工汉云技术股份有限公司 | 一种结合非极大值抑制的钢板焊缝图像检测方法 |
| CN111833350B (zh) * | 2020-08-26 | 2023-06-06 | 南京原觉信息科技有限公司 | 机器视觉检测方法与系统 |
| CN112070738B (zh) * | 2020-09-03 | 2022-04-12 | 广东高臻智能装备有限公司 | 一种口罩鼻梁检测方法及系统 |
| CN117197534B (zh) * | 2023-08-04 | 2024-04-05 | 广州电缆厂有限公司 | 一种基于特征识别的电缆表面缺陷自动检测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1394726A2 (en) * | 2002-08-30 | 2004-03-03 | Masakazu Yagi | Image processing for pattern recognition using edge detection and projections along predetermined directions |
| CN101751572A (zh) * | 2008-12-05 | 2010-06-23 | 比亚迪股份有限公司 | 一种图案检测方法、装置、设备及系统 |
| CN102004056A (zh) * | 2010-12-24 | 2011-04-06 | 上海交通大学 | 自冲铆接质量在线检测系统及其检测方法 |
| CN102721364A (zh) * | 2011-03-30 | 2012-10-10 | 比亚迪股份有限公司 | 一种工件的定位方法及其装置 |
-
2013
- 2013-09-06 CN CN201310403212.XA patent/CN103914827B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1394726A2 (en) * | 2002-08-30 | 2004-03-03 | Masakazu Yagi | Image processing for pattern recognition using edge detection and projections along predetermined directions |
| CN101751572A (zh) * | 2008-12-05 | 2010-06-23 | 比亚迪股份有限公司 | 一种图案检测方法、装置、设备及系统 |
| CN102004056A (zh) * | 2010-12-24 | 2011-04-06 | 上海交通大学 | 自冲铆接质量在线检测系统及其检测方法 |
| CN102721364A (zh) * | 2011-03-30 | 2012-10-10 | 比亚迪股份有限公司 | 一种工件的定位方法及其装置 |
Non-Patent Citations (2)
| Title |
|---|
| Determining the Minimum-Area Encasing Rectangle for an Arbitrary Closed Curve;H.Freeman;《Communications》;19751231;第18卷(第7期);全文 * |
| 基于机器视觉的汽车橡胶密封条边缘检测研究;何磊;《现代机械》;20121231(第3期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103914827A (zh) | 2014-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103914827B (zh) | 汽车密封条轮廓缺陷的视觉检测方法 | |
| CN109410230B (zh) | 一种可抗噪声的改进Canny图像边缘检测方法 | |
| CN110992326B (zh) | 一种qfn芯片引脚图像快速倾斜校正方法 | |
| CN109507192B (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
| JP4528309B2 (ja) | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム | |
| US8520892B2 (en) | Method and apparatus for detecting objects | |
| CN102156996B (zh) | 一种图像边缘检测的方法 | |
| CN116664559B (zh) | 基于机器视觉的内存条损伤快速检测方法 | |
| CN108830832A (zh) | 一种基于机器视觉的塑料筒表面缺陷检测算法 | |
| CN105445277A (zh) | 一种fpc表面质量视觉智能检测方法 | |
| WO2018170937A1 (zh) | 遮蔽采集图像中异物的标记体、识别图像中异物标记体的方法以及书籍扫描方法 | |
| US9996766B2 (en) | Imaging-based methods for detecting and measuring defects in extruded cellular ceramic articles | |
| CN112378350B (zh) | 一种网络变压器pin脚平整度检测方法 | |
| CN109300104B (zh) | 角点检测方法、装置 | |
| CN110298344A (zh) | 一种基于机器视觉的仪表旋钮定位与检测方法 | |
| CN106778551A (zh) | 一种高速路段及城市道路车道线识别方法 | |
| CN104036521A (zh) | 一种新的视网膜眼底图像分割方法 | |
| CN105741281B (zh) | 基于邻域离散度的图像边缘检测方法 | |
| CN111932490B (zh) | 一种用于工业机器人的视觉系统抓取信息提取方法 | |
| CN117635609B (zh) | 一种塑胶产品生产质量视觉检测方法 | |
| CN111047556A (zh) | 一种带钢表面缺陷检测方法及装置 | |
| CN115661110B (zh) | 一种透明工件识别与定位的方法 | |
| CN108765456B (zh) | 基于直线边缘特征的目标跟踪方法、系统 | |
| CN114972575A (zh) | 一种基于轮廓边缘的直线拟合算法 | |
| CN112669295A (zh) | 一种基于二次阈值分割理论的锂电池极片缺陷检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: He Fuqiang Inventor after: Chen Lijuan Inventor after: He Lei Inventor before: Chen Lijuan Inventor before: He Lei Inventor before: He Fuqiang |
|
| COR | Change of bibliographic data | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20191012 Address after: 538101 Jiangping Zhenjiang Ping Industrial Park, Dongxing City, Fangchenggang City, Guangxi Zhuang Autonomous Region Patentee after: GUANGXI DONGXING DINGKANG PLASTIC INDUSTRY Co.,Ltd. Address before: 550025 science and Technology Department, north campus, Guizhou University, Huaxi, Guizhou, China Patentee before: Guizhou University |
|
| TR01 | Transfer of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170711 |