适用于在生产流水线的工业产品外形进行圆弧直径在线检测
的方法
技术领域
本发明涉及一种在线检测的方法,尤其涉及一种适用于在生产流水线的工业产品外形进行圆弧直径在线检测的方法。
背景技术
就现有技术来说,常用的基于机器视觉的检测方法也是产品外形检测的一种方法。然而,在国内的生产流水线上很大程度还是依赖人工检测。人工检测却易造成视觉疲劳,极易带来检测误差,效率低的问题。同时,也不能够实现产品的在线、非接触测量。并且,常见的工业机器视觉上常采用的检测方法是通过边缘检测的方法实现的,然而,像素级轮廓精度低于亚像素轮廓精度,因此存在精度低的问题,不利于实际实施。
发明内容
本发明的目的就是为了解决现有技术中存在的上述问题,提供一种适用于在生产流水线的工业产品外形进行圆弧直径在线检测的方法。
本发明的目的通过以下技术方案来实现:
适用于在生产流水线的工业产品外形进行圆弧直径在线检测的方法,其包括以下步骤:步骤①,基于机器视觉获取工业产品的数字化图像。步骤②,进行图像预处理。步骤③,对步骤②完成后的图像进行图像分割、圆弧拟合。步骤④,获取亚像素轮廓,并基于亚像素轮廓实现圆弧直径的检测。
上述的适用于在生产流水线的工业产品外形进行圆弧直径在线检测的方法,其中:步骤①中,采用工业射线底片数字化仪器,结合控制软件组成的实验设备,通过该实验设备获取工业产品的数字化图像。
进一步地,上述的适用于在生产流水线的工业产品外形进行圆弧直径在线检测的方法,其中:步骤②所述的进行图像预处理为,通过采用滤波去除图像中的噪声干扰,恢复图像的原始特征,所述的滤波采用改进的中值滤波,在对图像逐行扫描过程中,对于每个像素点,首先判断该像素点是否为该邻域像素的最大值或最小值,若是则对其中值滤波,否则该像素点灰度值不变。
更进一步地,上述的适用于在生产流水线的工业产品外形进行圆弧直径在线检测的方法,其中:所述的步骤③中,所述的图像分割为,根据目标特征,对图像进行区域或是边界上的分割,最终提取出感兴趣的部分;所述的轮廓分割为,对图像校正后,将获得的亚像素轮廓还原到世界坐标系中,此时图像的椭圆变成圆弧,再采用轮廓分割法将其分成直线和圆弧;所述的轮廓分割过程中,采用ramer算法对轮廓进行递归细分,当得到的全部线段到各自对应的轮廓段的最大距离小于设定的阈值时,在轮廓起点和终点建立一条线段,若轮廓闭合则建立两条线段,计算所有轮廓点得到直线的距离,若最大距离大于设定阈值,则在最大距离轮廓点处将前段直线分成两段,依次进行细分,直到满足最大距离约束条件;若椭圆拟合的误差小于两条直线的误差,那么这两条直线被标记为待合并对象,以此类推,对所有直线进行判断,具有最小拟合误差的直线段被合并成圆或者椭圆;最后,用atukey算子进行圆拟合处理,并通过多次迭代计算拟合成圆。
更进一步地,上述的适用于在生产流水线的工业产品外形进行圆弧直径在线检测的方法,其中:所述步骤④中,采用梯度法实现亚像素轮廓的提取,首先利用数学形态学算子和Canny算子对图像边缘轮廓进行粗定位,然后,将边缘幅度拟合成二维多项式曲线,在梯度向量方向寻找其最大值,得到亚像素边缘轮廓。
再进一步地,上述的适用于在生产流水线的工业产品外形进行圆弧直径在线检测的方法,其中:所述的目标特征为灰度和/或是纹理特征。
本发明技术方案的优点主要体现在:依托于工业射线底片数字化仪器的采纳,可以有效通过机器视觉实现在线测量与非接触测量。并且,测量数据易存档。更为重要的是,能够有效提高生产自动化程度,且测量精度高,提升了市场竞争力。
本发明的目的、优点和特点,将通过下面优选实施例的非限制性说明进行解释。这些实施例仅是应用本发明技术方案的典型范例,凡采取等同替换或者等效变换而形成的技术方案,均落在本发明要求保护的范围之内。
具体实施方式
适用于在生产流水线的工业产品外形进行圆弧直径在线检测的方法,其特别之处在于采用以下步骤:
首先,基于机器视觉获取工业产品的数字化图像。在此期间,为了提高数字化图像的质量,采用JD-RTD工业射线底片数字化仪,结合自编的控制软件组成的实验设备,通过该实验设备获取工业产品的数字化图像。
之后,进行图像预处理。由此,能够去除噪声的干扰,保持图像的原始特征,是图像预处理中不可少的环节。具体来说,采用的图像预处理为,通过采用滤波去除图像中的噪声干扰,恢复图像的原始特征。在此期间,滤波采用改进的中值滤波。同时,在对图像逐行扫描过程中,对于每个像素点,首先判断该像素点是否为该邻域像素的最大值或最小值,若是则对其中值滤波,否则该像素点灰度值不变。
接着,对图像进行图像分割、圆弧拟合。具体来说,本发明采用的图像分割为,根据目标特征,对图像进行区域或是边界上的分割,最终提取出感兴趣的部分。同时,考虑到目标特征的有效识别,采用的目标特征为灰度和/或是纹理特征。
同时,采用的轮廓分割为,对图像校正后,将获得的亚像素轮廓还原到世界坐标系中,此时图像的椭圆变成圆弧。之后,再采用轮廓分割法将其分成直线和圆弧。
就本发明一较佳的实施方式来看,在轮廓分割过程中,采用ramer算法对轮廓进行递归细分。当得到的全部线段到各自对应的轮廓段的最大距离小于设定的阈值时,不再对轮廓进行细分,而是在轮廓起点和终点建立一条线段。具体来说,若轮廓闭合则建立两条线段,则计算所有轮廓点得到直线的距离。若最大距离大于设定阈值,则在最大距离轮廓点处将前段直线分成两段,依次进行细分,直到满足最大距离约束条件。同时,在上述细分的基础上,考虑每一对彼此相连的线段是否能够采用圆或者椭圆更好相似。若椭圆拟合的误差小于两条直线的误差,则这两条直线被标记为待合并对象。以此类推,对所有直线进行判断,具有最小拟合误差的直线段被合并成圆或者椭圆。最后,用atukey算子进行圆拟合处理,并通过多次迭代计算拟合成圆。
最后,获取亚像素轮廓,并基于亚像素轮廓实现圆弧直径的检测。为了提高亚像素轮廓的提取精度,本发明所采用梯度法实现。其首先利用数学形态学算子和Canny算子对图像边缘轮廓进行粗定位,然后,将边缘幅度拟合成二维多项式曲线,在梯度向量方向寻找其最大值,得到亚像素边缘轮廓。
结合本发明的实际使用情况来看,对于某种工业产品,例如塑料瓶子。首先,我们先利用机器视觉的知识,利用我们编写的软件以及仪器获取它的数字化图像,然后,对图像进行预处理,去噪;接着,对图像进行分割,获取瓶子的轮廓;下一步,对待测部位的圆弧进行提取,进行圆弧拟合;
最后,测其直径。
通过上述的文字表述可以看出,采用本发明后,依托于工业射线底片数字化仪器的采纳,可以有效通过机器视觉实现在线测量。同时,能够直接在工业生产流水线上获取图像,通过软件测量,实现非接触测量。并且,测量数据易存档,既软件直接保存在制定的文本文档内,便于上传到数据库)。更为重要的是,能够有效提高生产自动化程度,且测量精度高(基于亚像素级的轮廓提取比像素级的测量精度更高),提升了市场竞争力。