CN106705850B - 一种基于图像的端子质量检测方法 - Google Patents

一种基于图像的端子质量检测方法 Download PDF

Info

Publication number
CN106705850B
CN106705850B CN201710071792.5A CN201710071792A CN106705850B CN 106705850 B CN106705850 B CN 106705850B CN 201710071792 A CN201710071792 A CN 201710071792A CN 106705850 B CN106705850 B CN 106705850B
Authority
CN
China
Prior art keywords
image
terminal
point
method based
marginal point
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
Application number
CN201710071792.5A
Other languages
English (en)
Other versions
CN106705850A (zh
Inventor
陈宜飞
夏荣菲
冯勇建
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.)
Xiamen University
Original Assignee
Xiamen University
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 Xiamen University filed Critical Xiamen University
Priority to CN201710071792.5A priority Critical patent/CN106705850B/zh
Publication of CN106705850A publication Critical patent/CN106705850A/zh
Application granted granted Critical
Publication of CN106705850B publication Critical patent/CN106705850B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques

Abstract

一种基于图像的端子质量检测方法，涉及端子质量检测。采用图像采集模块摄取端子图像；采用基于形状的图像匹配方法，寻找摄像端子图像上的端子所在位置；由图像处理模块图像匹配后，基于灰度变化，采用一阶导数的方法提取图像中的边缘点，即梯度变化较大的点；采用最小二乘法对提取的边缘点进行直线拟合，从而获取端子在图像上的边界，并采用标定板标定的方法测量两边界之间的距离，求得端子尺寸；最后判断端子尺寸是否在允许公差范围内，若是，则认为端子为合格品；否则认为端子为不合格品。可实时获取端子的尺寸，完成端子质量在线检测,并直接显示在显示器上，避免人工测量存在的误差和不确定性，提高检测精度和检测效率，具有高精度和确定性。

Description

一种基于图像的端子质量检测方法
技术领域
本发明涉及端子质量检测，尤其是涉及一种基于图像的端子质量检测方法。
背景技术
端子作为电子产品间的转接媒介，其尺寸和精度要求越来越严格，现有的端子质量检测方法主要是通过工人采用特殊仪器进行抽样检查，这样就不能实时发现不合格的端子，而且会造成大程度漏检的情况，同时因为人为因素，会造成测量结果存在一定的误差和不确定性，最终导致大批量的瑕疵品，增加了成本，影响了生产竞争力。
中国专利201310728661.1公开一种端子质量检测系统，包括动态力传感器、液晶显示器、报警器、输出控制模块、供电电源模块和主处理器。动态力传感器、液晶显示器、报警器、输出控制模块分别与主处理器通信，供电电源模块分别与动态力传感器、输出控制模块、主处理器电连接。可以在DSP平台上实现线束接线端子加工质量的快速、准确的判断。
中国专利200810182929.5公开一种端子影像检测机，包括一机台上设有一检测治具,该检测治具选定处设有可放入电连接器端子的一端子检测区,该端子检测区的一侧设有一X轴向摄影装置,该端子检测区的上方设有一Y轴向摄影装置,并在机台设有一显示器。可将冲压成型的端子料带连续输入该检测治具,通过X轴向摄影装置或Y轴向摄影装置摄取端子的影像,再经过软件比对该影像,检测端子料带上各个端子的质量,并呈现在该显示器。
发明内容
为了克服上述存在的技术问题，本发明提供可使检测精度更高、检测速度更快、成本更低的一种基于图像的端子质量检测方法。
本发明包括以下步骤：
1)采用图像采集模块摄取端子图像；
2)采用基于形状的图像匹配方法，寻找摄像端子图像上的端子所在位置；
3)由图像处理模块图像匹配后，基于灰度变化，采用一阶导数的方法提取图像中的边缘点，即梯度变化较大的点；
4)采用最小二乘法对提取的边缘点进行直线拟合，从而获取端子在图像上的边界，并采用标定板标定的方法测量两边界之间的距离，求得端子尺寸；
5)最后判断端子尺寸是否在允许公差范围之内，若是，则认为端子为合格品；否则，认为端子为不合格品。
在步骤1)中，所述图像采集模块可采用摄像机。
在步骤2)中，所述基于形状的图像匹配方法包括边缘点提取、生成R-table和匹配；
所述边缘点提取包括边缘的定义为：
其中，P(i,j)为(i,j)点的灰度值。
所述R-Table中是所述提取的边缘点如表1所示：
表1
梯度值 r,θ
d<sub>1</sub> (r<sub>1</sub>,θ<sub>1</sub>),(r<sub>4</sub>,θ<sub>4</sub>)
d<sub>2</sub> (r<sub>2</sub>,θ<sub>2</sub>),(r<sub>10</sub>,θ<sub>10</sub>)
d<sub>3</sub> (r<sub>n</sub>,θ<sub>n</sub>),(r<sub>i</sub>,θ<sub>i</sub>)
表1中，r为距离，θ为方向，利用生成的R-Table进行广义霍夫变换匹配；
该算法采用生成的梯度值d在R-Table中检索并返回(r,θ)的值，并计算每一个(r,θ)所对应的基点。
xc＝x-r cosθ
yc＝y-r sinθ
其中，(xc,yc)为图像的中心点，同时作为基点。
在步骤3)中，所述采用一阶导数的方法提取图像中的边缘点，即梯度变化较大的点的具体方法可为：利用边缘处图像的梯度取得极值的特性来进行边缘检测，
其中，I为图像矩阵，分别为梯度在x方向和y方向的分量；
所述图像处理模块包括图像匹配、图像分割、直线拟合和标定。
在步骤4)中，所述采用最小二乘法对提取的边缘点进行拟合的具体方法可为：
假设所述边缘点的关系为
y＝a+bx
则要求
最小，其中，(x，y)为边缘点的坐标，a，b为所求的参数；
所述采用标定板标定的方法测量两边界之间的距离的具体步骤可为：采用摄像机摄取标定板图像，并计算标定板上两原点图像之间的像素点与距离比，根据比例求得端子的尺寸。
在本发明中，主要采用图像采集模块、图像处理模块和图像显示界面；所述图像采集模块包括摄像机、镜头；所述图像处理模块包括图像匹配、图像分割、直线拟合和标定；所述图像显示界面包括摄取的端子影像、合格率、检测尺寸结果以及参数设置等。
所述图像处理单元中的图像匹配，采用基于形状的图像匹配方法进行配准，获取端子在图像中的位置。
所述图像处理单元中的边缘检测，采用一阶导数的方法进行边缘点的提取。
所述图像处理单元中的直线拟合，采用最小二乘法对所述提取得边缘特征点进行直线拟合。
所述图像处理单元中的标定，采用所述摄像机摄取标定板图像，通过标定板上图像之间的像素点与距离比，求得最终端子的尺寸。
本发明通过摄像装备采集端子图像，通过图像处理而获取端子尺寸，本发明采用基于形状的方法进行图像配准，选取端子在图像中的位置，并通过一阶导数的方法提取图像的边缘点，进一步采用最小二乘法对获取的边缘点进行直线拟合，最后通过标定板转换为端子的尺寸。本发明的优点在于可实时获取端子的尺寸，完成端子质量在线检测,并直接显示在显示器上，避免了人工测量存在的误差和不确定性，提高了检测精度和检测效率，具有高精度和确定性。
具体实施方式
以下实施例将对本发明作进一步的说明。
本发明所述一种基于图像的端子质量检测方法包括图像采集模块、图像处理模块和图像显示界面三部分。
所述图像采集模块包括摄像机、镜头；所述图像处理模块包括图像匹配、图像分割、直线拟合和标定。
所述图像处理单元中的图像匹配采用基于形状的图像匹配方法进行配准，获取端子在图像中的位置。
所述图像处理单元中的边缘检测采用一阶导数的方法进行边缘点的提取。
所述图像处理单元中的直线拟合采用最小二乘法对所述提取得边缘特征点进行直线拟合。
所述图像处理单元中的标定采用所述摄像机摄取标定板图像，通过标定板上图像之间的像素点与距离比，求得最终端子的尺寸。
其步骤如下：
(1)采用图像采集模块摄取端子图像；
(2)采用基于形状的图像匹配方法，寻找图像上的端子位置；
(3)图像匹配后，基于灰度变化，采用一阶导数的方法提取图像中的边缘，即梯度变化较大的点；
(4)进一步采用最小二乘法对提取的边缘点进行拟合，从而获取端子在图像上的边界，并采用标定板的方法测量两边界之间的距离，求得端子尺寸；
(5)最后判断端子尺寸是否在允许公差范围之内，若是，即认为端子为合格品；反之则认为端子为不合格品。
所述基于形状的图像匹配方法其特征在于进一步包括边缘点提取、生成R-table和匹配。
所述边缘点提取为：
边缘的定义为
其中，P(i,j)为(i,j)点的灰度值。
所述R-Table中是所述提取的边缘点如表1所示。
利用生成的R-Table进行广义霍夫变换匹配。
该算法采用生成的梯度值d在R-Table中检索并返回(r,θ)的值，并计算每一个(r,θ)所对应的基点。
xc＝x-r cosθ
yc＝y-r sinθ
其中，(xc,yc)为图像的中心点，同时作为基点。
边缘指的是沿着某一个方向梯度变化较大的点所组成的集合，是灰度值不连续的结果。本发明采用一阶导数寻找灰度变化，具体方法为：用边缘处图像的梯度取得极值的特性来进行边缘检测。
其中，I为图像矩阵，分别为梯度在x方向和y方向的分量。
所述采用最小二乘法对所述边缘点进行拟合的具体方法为：
假设所述边缘点的关系为
y＝a+bx
则要求
最小，其中，(x，y)为边缘点的坐标，a，b为所求的参数。所述采用标定板的方法，其采用所述摄像机摄取标定板图像，并计算标定板上两原点图像之间的像素点与距离比，根据比例求得端子的尺寸。

Claims (6)

1.一种基于图像的端子质量检测方法，其特征在于其包括以下步骤：
1)采用图像采集模块摄取端子图像；
2)采用基于形状的图像匹配方法，寻找摄像端子图像上的端子所在位置；
所述基于形状的图像匹配方法包括边缘点提取、生成R-table和匹配；
所述边缘点提取包括边缘的定义为：
其中，P(i,j)为(i,j)点的灰度值；
所述R-Table中是所述提取的边缘点如下：
其中，r为距离，θ为方向，利用生成的R-Table进行广义霍夫变换匹配；
该算法采用生成的梯度值d在R-Table中检索并返回(r,θ)的值，并计算每一个(r,θ)所对应的基点；
xc＝x-r cosθ
yc＝y-r sinθ
其中，(xc,yc)为图像的中心点，同时作为基点；
3)由图像处理模块图像匹配后，基于灰度变化，采用一阶导数的方法提取图像中的边缘点，即梯度变化较大的点；
4)采用最小二乘法对提取的边缘点进行直线拟合，从而获取端子在图像上的边界，并采用标定板标定的方法测量两边界之间的距离，求得端子尺寸；
5)最后判断端子尺寸是否在允许公差范围之内，若是，则认为端子为合格品；否则，认为端子为不合格品。
2.如权利要求1所述一种基于图像的端子质量检测方法，其特征在于在步骤1)中，所述图像采集模块采用摄像机。
3.如权利要求1所述一种基于图像的端子质量检测方法，其特征在于在步骤3)中，所述采用一阶导数的方法提取图像中的边缘点，即梯度变化较大的点的具体方法为：利用边缘处图像的梯度取得极值的特性来进行边缘检测，
其中，I为图像矩阵，分别为梯度在x方向和y方向的分量。
4.如权利要求1所述一种基于图像的端子质量检测方法，其特征在于在步骤3)中，所述图像处理模块包括图像匹配、图像分割、直线拟合和标定。
5.如权利要求1所述一种基于图像的端子质量检测方法，其特征在于在步骤4)中，所述采用最小二乘法对提取的边缘点进行拟合的具体方法为：
假设所述边缘点的关系为
y＝a+bx
则要求
最小，其中，(x，y)为边缘点的坐标，a，b为所求的参数。
6.如权利要求1所述一种基于图像的端子质量检测方法，其特征在于在步骤4)中，所述采用标定板标定的方法测量两边界之间的距离的具体步骤为：采用摄像机摄取标定板图像，并计算标定板上两原点图像之间的像素点与距离比，根据比例求得端子的尺寸。
CN201710071792.5A 2017-02-09 2017-02-09 一种基于图像的端子质量检测方法 Expired - Fee Related CN106705850B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710071792.5A CN106705850B (zh) 2017-02-09 2017-02-09 一种基于图像的端子质量检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710071792.5A CN106705850B (zh) 2017-02-09 2017-02-09 一种基于图像的端子质量检测方法

Publications (2)

Publication Number Publication Date
CN106705850A CN106705850A (zh) 2017-05-24
CN106705850B true CN106705850B (zh) 2019-02-01

Family

ID=58909003

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710071792.5A Expired - Fee Related CN106705850B (zh) 2017-02-09 2017-02-09 一种基于图像的端子质量检测方法

Country Status (1)

Country Link
CN (1) CN106705850B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107895362B (zh) * 2017-10-30 2021-05-14 华中师范大学 一种微型接线端子质量检测的机器视觉方法
CN110874845B (zh) * 2018-09-03 2022-06-21 中国科学院深圳先进技术研究院 图像平滑化的检测方法及装置
CN109815998A (zh) * 2019-01-08 2019-05-28 科大国创软件股份有限公司 一种基于yolo算法的ai装维巡检方法及系统
CN114543659B (zh) * 2020-11-26 2023-10-20 泰科电子(上海)有限公司 连接器质量检查方法和系统
CN114882028B (zh) * 2022-07-08 2022-10-21 深圳市瑞祥鑫五金制品有限公司 一种基于多摄像头的焊接端子检测方法、装置及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1667351A (zh) * 2005-04-06 2005-09-14 北京航空航天大学 强反射背景下粗糙纹理工件图像特征点自动提取方法
CN101901477A (zh) * 2010-07-27 2010-12-01 中国农业大学 植物叶片田间图像边缘提取方法及其系统
CN105403175A (zh) * 2015-12-14 2016-03-16 苏州源硕精密模具有限公司 一种端子检测装置
CN105403152A (zh) * 2015-12-14 2016-03-16 苏州源硕精密模具有限公司 一种空调压缩机用接线端子检测装置
CN106019066A (zh) * 2016-05-12 2016-10-12 合肥加亦信息科技有限公司 一种光伏电池板接线盒端子焊接质量检测系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1667351A (zh) * 2005-04-06 2005-09-14 北京航空航天大学 强反射背景下粗糙纹理工件图像特征点自动提取方法
CN101901477A (zh) * 2010-07-27 2010-12-01 中国农业大学 植物叶片田间图像边缘提取方法及其系统
CN105403175A (zh) * 2015-12-14 2016-03-16 苏州源硕精密模具有限公司 一种端子检测装置
CN105403152A (zh) * 2015-12-14 2016-03-16 苏州源硕精密模具有限公司 一种空调压缩机用接线端子检测装置
CN106019066A (zh) * 2016-05-12 2016-10-12 合肥加亦信息科技有限公司 一种光伏电池板接线盒端子焊接质量检测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于机器视觉的医疗端子检测系统设计;徐鹏等;《新技术新工艺》;20151231(第7期);第25-28页

Also Published As

Publication number Publication date
CN106705850A (zh) 2017-05-24

Similar Documents

Publication Publication Date Title
CN106705850B (zh) 一种基于图像的端子质量检测方法
CN106017325B (zh) 一种改进的复杂表面和不规则物体体积的非接触光学测量方法
CN107063099B (zh) 一种基于视觉系统的机械制造业在线质量监测方法
CN110335271B (zh) 一种电气部件故障的红外检测方法及装置
CN105842062A (zh) 一种裂纹扩展实时监测装置及方法
CN107507174A (zh) 基于手持智能巡检的电厂仪表设备图像识别方法及系统
CN109974582A (zh) 一种汽车线束的芯线尺寸非接触式视觉检测装置及方法
CN110260818B (zh) 一种基于双目视觉的电子连接器鲁棒检测方法
CN107092905B (zh) 一种电力巡检机器人的待识别仪器定位方法
CN107238796A (zh) 一种用于线路板的维修测试设备
CN107525652B (zh) 镜头畸变测试方法、装置及系统
CN106225702A (zh) 裂缝宽度检测装置和方法
CN109978938A (zh) 一种基于机器视觉的枕簧检测方法
CN108871185B (zh) 零件检测的方法、装置、设备以及计算机可读存储介质
CN111640088A (zh) 基于深度学习的电子元件极性检测方法、系统及电子装置
CN113188633A (zh) 一种基于机器视觉的液面检测和测量方法
CN113688817A (zh) 一种自动巡检的仪表识别方法及识别系统
CN111738971A (zh) 一种基于线激光双目立体视觉的电路板立体扫描检测方法
CN113749646A (zh) 基于单目视觉的人体身高测量方法、装置及电子设备
CN106500577A (zh) 一种医用直线加速器多页光栅位置检测方法
CN106813703B (zh) 一种测试产品功能的方法和装置
CN114155432A (zh) 一种基于机器人的表计读数识别方法
US7747066B2 (en) Z-axis optical detection of mechanical feature height
CN102967602B (zh) 检测电子元件引脚焊接性能的方法
CN107607539B (zh) 一种连杆胀断面质量视觉检测装置和检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190201