CN106485696B - 一种基于机器视觉的易爆危险品压合缺陷的检测方法 - Google Patents

一种基于机器视觉的易爆危险品压合缺陷的检测方法 Download PDF

Info

Publication number
CN106485696B
CN106485696B CN201610840241.6A CN201610840241A CN106485696B CN 106485696 B CN106485696 B CN 106485696B CN 201610840241 A CN201610840241 A CN 201610840241A CN 106485696 B CN106485696 B CN 106485696B
Authority
CN
China
Prior art keywords
image
defect
machine vision
dangerous material
template
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.)
Active
Application number
CN201610840241.6A
Other languages
English (en)
Other versions
CN106485696A (zh
Inventor
刘娟秀
张薇
倪光明
杜晓辉
陈祥
张静
刘霖
刘永
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201610840241.6A priority Critical patent/CN106485696B/zh
Publication of CN106485696A publication Critical patent/CN106485696A/zh
Application granted granted Critical
Publication of CN106485696B publication Critical patent/CN106485696B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing

Abstract

本发明公开了一种基于机器视觉的易爆危险品压合缺陷的检测方法，通过灰度化，图像增强，二值化处理得到预处理后的图像，采用中值滤波法进行去噪，删除小面积区域，避免因生产过程中产生的灰尘杂质等对后期处理的干扰，减少误检率。对目标图像进行边缘提取，找到尖点并判断样品长度是否在规定区间内，若不符合要求则无需进行后续判断，直接将其判为不合格品；若长度在规定区间，则进行模板匹配法。通过闭运算操作得到模板图像，将模板图像与目标图像进行相减匹配，通过计算均方差的大小与既定阈值的比较来判断该样品是否存在缺陷。若存在缺陷，则用矩形将其框选并显示此样品为不合格品；若不存在缺陷则判定此样品为合格品。

Description

一种基于机器视觉的易爆危险品压合缺陷的检测方法
技术领域
本发明属于机器视觉技术领域，具体是一种基于机器视觉的易爆危险品压合缺陷的检测方法。
背景技术
易爆危险品在加工的过程中需要使用强力压合的方法使得将弹体头部嵌入弹体，保证危险品主体部分弹药密封良好，若在压合过程中由于某种原因导致弹体头部与弹体之间的压合存在压合偏移、缝隙较大的情况，将直接导致危险品不可正常使用，造成无法预计的伤害。为了从生产加工环节杜绝此类安全隐患，应采用一种机器视觉检测方法对成品进行检测，避免不合格品混入使用环节。本发明所述方法不仅可以最大程度降低人力检测的成本，更重要的是简单易行、安全可靠。
发明内容
本发明所要解决的技术问题是设计一种能方便、快速、低成本、高效率的方法，实现对易爆危险品尤其是中小型炮弹弹头缺陷的自动光学检测。
本发明的技术方案为一种基于机器视觉的易爆危险品头部缺陷检测的方法，该方法包括：
步骤1：采集弹头的清晰图像；
步骤2：对图像进行灰度化，；
步骤3：使用直方图方法进行图像增强；
步骤4：将图像进行二值化，使用八连通区域标记法进行区域标记；
步骤5：使用中值滤波去除小面积区域杂质；在工业生产中拍摄区域可能有部分杂质，对非目标区域进行滤波，从而避免将杂质当做缺陷进而产生误检；
步骤6：使用sobel算子进行边缘提取；
步骤7：将图像取反，再对x轴投影，使得所有像素落在x轴上；从图像有效区域的x轴负方向开始遍历，找到第一个不为0的像素点标记为弹头顶部坐标；
步骤:8：判断弹头顶部坐标位置是否落在规定区间内，若超出规定区间，则进行步骤12，否则进行步骤9；
步骤9：对图像进行闭运算，使用形态学方法对其进行滤波、去噪；
步骤10：将步骤9获得图像与步骤5获得图像进行相减匹配的方法进行缺陷检测；
步骤11：则根据两图像相减后结果框选出最小外接矩形，并记录矩形宽度；
步骤12：输出结果。
其中，步骤9的具体内容为：
步骤9-1：使用自动提取阈值的方法分割图像，得到二值图；
步骤9-2：对图像进行膨胀，使得缺陷部位得以填充；
步骤9-3：对图像进行腐蚀，使得图像平滑看似无缺陷；
步骤9-4：通过9-2和9-3完成一次闭运算操作，记录此时的图像；
其中步骤10的具体内容为：
步骤10-1：定义原图像为模板，闭运算操作后图像为目标，将模板与目标对应像素进行减法运算；
步骤10-2：对模板、目标求均方差，均方差越小说明缺陷越小甚至无缺陷，根据情况设定阈值，并将均方差与既定阈值比较。
本发明一种基于机器视觉的易爆危险品压合缺陷的检测方法，该方法通过获取弹头的图像对图像进行灰度处理、中值滤波、边缘检测，然后寻找弹头顶点坐标，对符合规定的图像进行滤波去噪，将当前滤波去噪后的图像与之前灰度处理和种子滤波后的图像进行相减匹配，获取两者的均方差，将该均方差与设定的阈值比较，判定该弹头是否存在缺陷。该方法具有方便、快速、低成本、高效率效果。
附图说明
图1为易爆危险品压合缺陷示意图；
图2为预处理后的图像；
图3为相减匹配检测效果图；
图4为裁剪缺陷区域并将其框选的效果图；
图5为陷检测流程图。
具体实施方式
下面结合附图，对本发明中易爆危险品压合缺陷检测方法进行详细说明：
步骤1：采集弹头的清晰图像如图1所示；
步骤2：对图像进行灰度化，；
步骤3：使用直方图方法进行图像增强；
步骤4：将图像进行二值化，使用八连通区域标记法进行区域标记，得到预处理后的图像如图2所示；
步骤5：使用中值滤波去除小面积区域杂质。在工业生产中拍摄区域可能有部分杂质，对非目标区域进行滤波，从而避免将杂质当做缺陷进而产生误检；
步骤6：使用sobel算子进行边缘提取；
步骤7：将图像取反，再对x轴投影，使得所有像素落在x轴上。从图像有效区域的x轴负方向开始遍历，找到第一个不为0的像素点标记为弹头顶部坐标；
步骤8：判断坐标位置是否落在规定区间内，若超出规定区间，则进行步骤12，否则进行步骤9；
步骤9：对图像进行闭运算，使用形态学方法对其进行滤波、去噪；
步骤9-1：使用自动提取阈值的方法分割图像，得到二值图；
步骤9-2：对图像进行膨胀，使得缺陷部位得以填充；
步骤9-3：对图像进行腐蚀，使得图像平滑看似无缺陷；
步骤9-4：通过9-2和9-3完成一次闭运算操作，记录此时的图像；
步骤10：将步骤9中图像与步骤5中图像进行相减匹配的方法进行缺陷检测，相减后的示意图如图3所示；
步骤10-1：定义原图像为模板，闭运算操作后图像为目标，将模板与目标对应像素进行减法运算；
步骤10-2：模板，目标，求均方差：，均方差越小说明缺陷越小甚至无缺陷，根据情况设定阈值，并将均方差与既定阈值比较，若两者之差符合要求，则输出此样品为合格品，否则进入步骤11；
步骤11：则根据两图像相减后结果框选出最小外接矩形，并记录矩形宽度，如图4所示；
步骤12：当均方差大于阈值且矩形宽度大于合格品最小间隙时，输出出此样品为不合格品。否则输出此样品为合格品。

Claims (3)

1.一种基于机器视觉的易爆危险品压合缺陷的检测方法，该方法包括：
步骤1：采集弹头的清晰图像；
步骤2：对图像进行灰度化；
步骤3：使用直方图方法进行图像增强；
步骤4：将图像进行二值化，使用八连通区域标记法进行区域标记；
步骤5：使用中值滤波去除小面积区域杂质；在工业生产中拍摄区域可能有部分杂质，对非目标区域进行滤波，从而避免将杂质当做缺陷进而产生误检；
步骤6：使用sobel算子进行边缘提取；
步骤7：将图像取反，再对x轴投影，使得所有像素落在x轴上；从图像有效区域的x轴负方向开始遍历，找到第一个不为0的像素点标记为弹头顶部坐标；
步骤8：判断弹头顶部坐标位置是否落在规定区间内，若超出规定区间，则进行步骤12，否则进行步骤9；
步骤9：对图像进行闭运算，使用形态学方法对其进行滤波、去噪；
步骤10：将步骤9获得图像与步骤5获得图像进行相减匹配的方法进行缺陷检测；
步骤11：则根据两图像相减后结果框选出最小外接矩形，并记录矩形宽度；
步骤12：输出结果。
2.如权利要求1所述的一种基于机器视觉的易爆危险品压合缺陷的检测方法，其特征在于所述步骤9的具体内容为：
步骤9-1：使用自动提取阈值的方法分割图像，得到二值图；
步骤9-2：对图像进行膨胀，使得缺陷部位得以填充；
步骤9-3：对图像进行腐蚀，使得图像平滑；
步骤9-4：通过步骤9-2和步骤9-3完成一次闭运算操作，记录此时的图像。
3.如权利要求1所述的一种基于机器视觉的易爆危险品压合缺陷的检测方法，其特征在于步骤10的具体步骤为：
步骤10-1：定义原图像为模板，闭运算操作后图像为目标，将模板与目标对应像素进行减法运算；
步骤10-2：对模板、目标求均方差，均方差越小说明缺陷越小甚至无缺陷，根据情况设定阈值，并将均方差与设定阈值比较。
CN201610840241.6A 2016-09-22 2016-09-22 一种基于机器视觉的易爆危险品压合缺陷的检测方法 Active CN106485696B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610840241.6A CN106485696B (zh) 2016-09-22 2016-09-22 一种基于机器视觉的易爆危险品压合缺陷的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610840241.6A CN106485696B (zh) 2016-09-22 2016-09-22 一种基于机器视觉的易爆危险品压合缺陷的检测方法

Publications (2)

Publication Number Publication Date
CN106485696A CN106485696A (zh) 2017-03-08
CN106485696B true CN106485696B (zh) 2019-07-19

Family

ID=58267615

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610840241.6A Active CN106485696B (zh) 2016-09-22 2016-09-22 一种基于机器视觉的易爆危险品压合缺陷的检测方法

Country Status (1)

Country Link
CN (1) CN106485696B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108020548A (zh) * 2017-08-03 2018-05-11 刘素兰 凹陷程度测量系统
CN107941808B (zh) * 2017-11-10 2024-04-12 中国计量大学 基于机器视觉的3d打印成型质量检测系统及方法
CN107862689A (zh) * 2017-11-21 2018-03-30 广东工业大学 皮革表面明显破损自动识别方法及计算机可读存储介质
CN110674754A (zh) * 2019-09-25 2020-01-10 武汉易视维科技有限公司 一种在线间歇中空滤棒视觉缺陷检测识别系统
CN111882537B (zh) * 2020-07-28 2023-12-15 研祥智能科技股份有限公司 视觉检测方法及系统
CN112816545A (zh) * 2020-09-30 2021-05-18 中国石油天然气股份有限公司 确定储罐维修补板面积的方法及装置
CN112381759B (zh) * 2020-10-10 2022-10-14 华南理工大学 基于光流法和置信度法的单晶硅太阳能晶片缺陷检测方法
CN112419228B (zh) * 2020-10-14 2022-04-05 高视科技(苏州)有限公司 盖板立体边缘缺陷的检测方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102020036A (zh) * 2010-11-02 2011-04-20 昆明理工大学 一种条烟外包装透明纸缺陷的视觉检测方法
CN104122271A (zh) * 2014-07-09 2014-10-29 宁波摩视光电科技有限公司 一种基于aoi的子弹表观缺陷检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100131023A1 (en) * 2006-06-21 2010-05-27 Benedict James Costello Implantable medical devices comprising cathodic arc produced structures

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102020036A (zh) * 2010-11-02 2011-04-20 昆明理工大学 一种条烟外包装透明纸缺陷的视觉检测方法
CN104122271A (zh) * 2014-07-09 2014-10-29 宁波摩视光电科技有限公司 一种基于aoi的子弹表观缺陷检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
An Improved Filtered Back-Proection Algorithm for Photoacoustic Tomography;Yan Zhang等;《2011 5th International Conference on Bioinformatics and Biomedical Engineering》;20110512;第1-4页 *
基于线阵相机采集平台的枪弹表面质量检测技术;孙文缎等;《兵工自动化》;20130115;第87-90页 *

Also Published As

Publication number Publication date
CN106485696A (zh) 2017-03-08

Similar Documents

Publication Publication Date Title
CN106485696B (zh) 一种基于机器视觉的易爆危险品压合缺陷的检测方法
CN107490582B (zh) 一种流水线工件检测系统
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
CN109472788B (zh) 一种飞机铆钉表面的伤痕检测方法
CN113077437B (zh) 工件质量检测方法及其系统
CN108020554A (zh) 一种带钢表面缺陷识别检测方法
JP7449507B2 (ja) カメラストリームのためのマスクを生成する方法、コンピュータープログラム製品およびコンピューター可読媒体
CN107490583A (zh) 一种基于机器视觉的夹片缺陷检测方法
CN106780437B (zh) 一种快速qfn芯片塑封图像获取与放大方法
CN110348461A (zh) 一种工件表面缺陷特征提取方法
CN107153067A (zh) 一种基于matlab的零件表面缺陷检测方法
CN110930321A (zh) 一种能够自动选取目标区域的蓝/绿幕数字图像抠取方法
EP3510526B1 (en) Particle boundary identification
CN109949294A (zh) 一种基于OpenCV的断口形貌图裂纹缺陷提取方法
CN111932490A (zh) 一种用于工业机器人的视觉系统抓取信息提取方法
CN115187980A (zh) 一种基于Calcein AM/PI双染细胞荧光图像的细胞计数方法
CN113971681A (zh) 一种复杂环境下带式输送机边缘检测方法
CN106339709A (zh) 一种图像实时提取方法
JP2016115084A (ja) 対象物検出装置及びプログラム
CN111127450B (zh) 一种基于图像的桥梁裂缝检测方法及系统
CN112991251B (zh) 一种表面缺陷检测的方法、装置及设备
CN114354631A (zh) 一种基于视觉的阀门毛坯表面缺陷检测方法
CN113763491A (zh) 一种烟丝桶残余物的视觉检测方法
CN112270683A (zh) 一种ihc数字预览图识别和组织前景分割方法及系统
Kaur Color defect detection of pharmaceutical capsules using histogram based thresholding

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant