CN106824806A - 基于机器视觉的小模数塑料齿轮的检测系统及检测方法 - Google Patents

Abstract

本发明提出了一种实时的基于机器视觉的小模数塑料齿轮的检测方法和实现这种方法的图像处理系统，包括图像采集模块、图像预处理模块以及检测、测量和分类模块。从而实现小模数塑料齿轮的实时、非接触性检测和分类。

Description

基于机器视觉的小模数塑料齿轮的检测系统及检测方法

技术领域

本发明属于图像处理与机器视觉领域，涉及halcon软件，具体涉及一种小模数塑料齿轮的实时在线检测系统及方法。

背景技术

小模数塑料齿轮因为具有成本低、质量轻、生产批量大等特点，被广泛用于仪表、家电、玩具等领域。在模塑法加工塑料齿轮过程中，不可避免会有残次品出现，若不剔除，成品的质量将难以保证。

在中国，很多齿轮生产商出于各方面的考虑，依然使用传统的接触式测量方法对齿轮进检测与测量。但由于小模数塑料齿轮的齿槽间隙小，测量仪器难以进入，且接触式方式测量存在检测速度慢、测量精度不高、数据不能实时存储等缺点，不适合生产过程中的实时在线检测，因此研究小模数塑料齿轮的非接触式快速检测方法意义重大。

发明内容

针对传统测量技术的不足，本发明提出了一种实时的基于机器视觉的小模数塑料齿轮的检测方法和实现这种方法的图像处理系统，从而实现小模数塑料齿轮的实时、非接触性检测。

本发明提供的基于机器视觉的小模数塑料齿轮的检测系统，包括图像采集模块、图像预处理模块以及检测、测量和分类模块。所述的图像采集模块为：在低角度LED环形光的垂直照射下，小模数齿轮在传送带上运动到指定位置时，光电传感器会触发CCD相机、摄像头工作，摄像头将被测场景中的目标成像到CCD靶面上，将其变成电信号。图像预处理模块为：图像采集卡先将采集的电信号转化为数字图像信息，在计算机内实现存储、处理。图像处理软件采用德国MVtec公司开发的具有标准的机器视觉算法包、拥有应用广泛的机器视觉集成开发环境的halcon软件，其应用范围几乎没有限制，并且程序的移植性好、抗干扰能力强。检测、测量和分类模块为：通过检测剔除不合格产品，然后测量得到齿轮的一些参数，最后进行齿轮的分类。

本发明提供的基于机器视觉的小模数塑料齿轮的检测方法，包括以下步骤：

A、图像采集；

B、图像预处理；

C、检测、测量和分类。

D、剔除不合格产品。

前面所述的小模数塑料齿轮的检测方法，优选的方案在于，所述步骤B具体步骤如下：

步骤一、先把采集的彩色图像转化为3幅R、G、B单通道图像；

步骤二、使用基于Weickert的各向异性扩散滤波算子进行图像平滑，达到去除噪声的同时保留并锐化边缘的目的；

前面所述的小模数塑料齿轮的检测方法，优选的方案在于，所述步骤C具体步骤如下：

步骤一、对平滑处理后的图像进行自动全局阈值分割，原理为计算图像的相对直方图，从直方图中提取相关的最小值用作阈值分割；

步骤二、对分割后的图像形态学处理。设置形态学结构元素，对结构元素进行腐蚀处理，然后将源图像区域和经过腐蚀处理后的区域做差运算，得到齿轮的个数和单个齿的面积，最后根据齿轮个数和单个齿的面积与标准值进行对比，剔除不合格产品；

步骤三、用基于canny的亚像素边缘检测算子提取亚像素边缘，提高检测的精确度；

步骤四、用基于atukey权重函数的最小二乘圆形曲线拟合获得一些参数；

步骤五、用圆弧测量法获得另外的参数，经过系统标定后将图像坐标系转化为世界坐标系；

步骤六、形状匹配对照明条件及物体灰度的变化等不敏感，故该匹配技术具有较强的抗干扰能力，能够实现单模板多对象匹配和多模板匹配，有效检测出旋转、偏移、缩放以及部分遮挡的目标对象。在搜索匹配中采用图像金字塔来提高搜索速度。最后通过模板和齿轮齿数，实现齿轮的分类。

本发明提出了一种实时的基于机器视觉的小模数塑料齿轮的检测方法和实现这种方法的图像处理系统，包括图像采集模块、图像预处理模块以及检测、测量和分类模块。从而实现小模数塑料齿轮的实时、非接触性检测和分类。

与现有技术相比，本发明的优点在于：

1、本发明采用基于Weickert的各向异性扩散滤波算子+自动全局阈值分割算法，用图像平滑改善全局阈值处理。传统的图像滤波算法，不仅去除了图像中的噪声，还对图像的边缘有一定程度的损坏，采用基于Weickert的各向异性扩散滤波算子实现平滑图像的同时保留并锐化图像边缘，进而达到平滑图像的目的，它是对Perona-Malik扩散模型的一个改进，根据当前像素和周围像素的关系，来确定是否要向周围扩散。其原理为：

其中，g(x,c)=1-exp(-3,31488*c^8/x^4)，c是对比度参数，u为图像的灰度值函数。

此外，工业生产中，外界环境的改变会使采集的图像有些许差别，需要选取不同的阈值参数，自动全局阈值分割算法会计算图像的相对直方图，从直方图中提取相关的最小值用作阈值分割，可以实现阈值的自动选取，提高了检测效率和工业的自动化程度。

2、本发明采用基于canny的亚像素边缘检测函数。图像测量中，精确的边缘定位是影响测量结果精确度的关键因素，使用亚像素边缘检测算子可以得到高精度的测量结果。该算法先利用canny算子进行边缘点的粗定位，在像素级上确定边缘点的坐标和梯度方向，然后再用基于双线性插值的亚像素边缘检测算法获得亚像素精度的边缘。

3、本发明采用基于atukey权重函数的最小二乘圆拟合。在拟合圆时，最小二乘法对于远离圆的离群值没有很好的鲁棒性，到圆很远的点在计算过程中会占有很大的权重，计算后得到不准确的圆。本发明提出引入atukey权重函数来减小离群值的影响。权重值的迭代思想是第一次权重为1，然后用梯度下降法寻找到一个解向量，以此求下一次迭代的权重值。

4、本发明采用基于图像金字塔的形状匹配进行齿轮分类。在搜索匹配中采用图像金字塔可以提高搜索速度。

附图说明

图1：图像处理系统结构图。其中，1为相机；2为环形光源；3为被测物体；4为剔除设备；5为pc机；6为光电触发器；7为传送带。

图2：图像处理流程图。

具体实施方式

下面结合实施例和附图详细说明本发明的技术方案，但保护范围不被此限制。

实施例 一种基于机器视觉的小模数塑料齿轮的检测方法以及实现这种方法的图像处理系统，从而实现小模数塑料齿轮的实时在线检测。

图像处理系统结构图包含图像采集模块、图像预处理模块以及检测、测量和分类模块。

图1为本发明的系统结构图，其包括：

LED环形光，在传送带的正上方，为CCD相机提供光源；

小模数塑料齿轮被放置到传送带上，通过CCD相机；

光电触发器，该光电触发器与光源系统、CCD相机相连，用于触发CCD相机、摄像头工作；

图像处理单元为安装在计算机内部的halcon软件，用于将采集的图像进行滤波、自动阈值分割、亚像素边缘提取、圆拟合、基于图像金字塔的形状匹配等处理，进而获得齿轮的齿数、齿顶圆半径、齿根圆半径、齿距、齿厚、齿距偏差等参数，实现小模数塑料齿轮的检测、测量和分类；

图2为本发明的图像处理流程图，该方案包括如下步骤：

A、CCD相机采集小模数塑料齿轮的图像；

B、对采集的图像进行图像预处理，具体步骤如下所示：

B1、先把采集的彩色图像转化为3幅R、G、B单通道图像；

B2、经过大量实验研究，对B通道的图像进行处理效果较好，所以使用基于Weickert的各向异性扩散滤波算子进行图像平滑，达到去除噪声的同时保留并锐化边缘的目的；

C、检测、测量和分类，具体步骤如下所示：

C1、对平滑处理后的图像进行自动全局阈值分割，计算图像的相对直方图，从直方图中提取相关的最小值用作阈值分割；

C2、对分割后的图像形态学处理。设置形态学结构元素，对结构元素进行腐蚀处理，然后将源图像区域和经过腐蚀处理后的区域做差运算，得到齿轮的个数和单个齿的面积，最后根据齿轮个数和单个齿的面积与标准值进行对比，剔除不合格产品；

C3、用基于canny的亚像素边缘检测算子提取齿轮的亚像素边缘，该算法先利用canny算子进行边缘点的粗定位，在像素级上确定边缘点的坐标和梯度方向，然后再用基于双线性插值的亚像素边缘检测算法获得亚像素精度的边缘。

C4、用基于atukey权重函数的最小二乘圆形曲线拟合获得齿轮的面积、中心、齿根圆、齿顶圆、分度圆等参数；

C5、用圆弧测量法获得齿轮的齿距、齿厚、齿槽宽等参数，经过系统标定后将图像坐标系转化为世界坐标系；

C6、形状匹配对照明条件及物体灰度的变化等不敏感，故该匹配技术具有较强的抗干扰能力，能够实现单模板多对象匹配和多模板匹配，有效检测出旋转、偏移、缩放以及部分遮挡的目标对象。在搜索匹配中采用图像金字塔来提高搜索速度。最后通过模板和齿轮齿数，实现齿轮的分类。

步骤D、剔除装置和计算机相连，当检查到不合格产品时，计算机会触发一个信号给剔除装置，进而使不合格产品剔除。

Claims (4)

1.基于机器视觉的小模数塑料齿轮的检测系统，其特征在于，包括图像采集模块、图像预处理模块以及检测、测量和分类模块；所述的图像采集模块：在低角度LED环形光的垂直照射下，小模数齿轮在传送带上运动到指定位置时，光电传感器会触发CCD相机、摄像头工作，摄像头将被测场景中的目标成像到CCD靶面上，将其变成电信号；所述图像预处理模块：图像采集卡先将采集的电信号转化为数字图像信息，在计算机内实现存储、处理；所述检测、测量和分类模块：通过检测剔除不合格产品，然后测量得到齿轮的一些参数，最后进行齿轮的分类。

2.基于机器视觉的小模数塑料齿轮的检测方法，其特征在于，包括以下步骤：A、图像采集；B、图像预处理；C、检测、测量和分类；D、剔除不合格产品。

3.根据权利要求2所述的检测方法，其特征在于，所述步骤B具体步骤如下：

步骤一、先把采集的彩色图像转化为3幅R、G、B单通道图像；

步骤二、使用基于Weickert的各向异性扩散滤波算子进行图像平滑，达到去除噪声的同时保留并锐化边缘的目的。

4.根据权利要求2所述的检测方法，其特征在于，所述步骤C具体步骤如下：

步骤一、对平滑处理后的图像进行自动全局阈值分割，原理为计算图像的相对直方图，从直方图中提取相关的最小值用作阈值分割；

步骤二、对分割后的图像形态学处理；设置形态学结构元素，对结构元素进行腐蚀处理，然后将源图像区域和经过腐蚀处理后的区域做差运算，得到齿轮的个数和单个齿的面积，最后根据齿轮个数和单个齿的面积与标准值进行对比，剔除不合格产品；

步骤三、用基于canny的亚像素边缘检测算子提取亚像素边缘，提高检测的精确度；

步骤四、用基于atukey权重函数的最小二乘圆形曲线拟合获得一些参数；

步骤五、用圆弧测量法获得另外的参数，经过系统标定后将图像坐标系转化为世界坐标系；

步骤六、形状匹配对照明条件及物体灰度的变化等不敏感，故该匹配技术具有较强的抗干扰能力，能够实现单模板多对象匹配和多模板匹配，有效检测出旋转、偏移、缩放以及部分遮挡的目标对象，在搜索匹配中采用图像金字塔来提高搜索速度，最后通过模板和齿轮齿数，实现齿轮的分类。