CN107153067A - 一种基于matlab的零件表面缺陷检测方法 - Google Patents

一种基于matlab的零件表面缺陷检测方法 Download PDF

Info

Publication number
CN107153067A
CN107153067A CN201710394848.0A CN201710394848A CN107153067A CN 107153067 A CN107153067 A CN 107153067A CN 201710394848 A CN201710394848 A CN 201710394848A CN 107153067 A CN107153067 A CN 107153067A
Authority
CN
China
Prior art keywords
image
matlab
surface defects
detection
detection method
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.)
Pending
Application number
CN201710394848.0A
Other languages
English (en)
Inventor
孙智权
张千
刘常堃
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.)
ZHENJIANG SYD TECHNOLOGY Co Ltd
Original Assignee
ZHENJIANG SYD TECHNOLOGY Co Ltd
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 ZHENJIANG SYD TECHNOLOGY Co Ltd filed Critical ZHENJIANG SYD TECHNOLOGY Co Ltd
Priority to CN201710394848.0A priority Critical patent/CN107153067A/zh
Publication of CN107153067A publication Critical patent/CN107153067A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种基于MATLAB的零件表面缺陷检测方法，属于图像处理领域，其包括如下步骤：步骤101、采集无缺陷的零件图像作为模板对比图像，设置多幅模板图像来降低误检率；步骤102、基于MATLAB对检测图像进行预处理；步骤103、提取缺陷特征进行分类识别；该方法以MATLAB为平台，进行表面缺陷检测，对检测图像进行预处理，获取缺陷区域后，通过提取缺陷特征进行分类识别，对比区域灰度均值与模板图像的同一区域的灰度均值，根据表面缺损、毛刺等缺陷的特点，自动判断制品的缺陷种类，检测速度快，无损伤，易于实施。

Description

一种基于MATLAB的零件表面缺陷检测方法
技术领域
本发明属于图像处理领域，具体涉及到一种基于MATLAB的零件表面缺陷检测方法。
背景技术
机器视觉是利用计算机和相机来模拟实现人眼的功能，通过控制相机来获取图像信号，并传送给图像处理系统，根据图像的颜色、像素分布和亮度转化为数字信号，从而利用视觉系统对这些信号进行各种运算来实现特定的目的。机器视觉系统可以提高生产自动化的程度，在很多危险环境和人眼精度达不到要求的工作场合，完全可以利用视觉系统来代替人工作业。运用机器视觉系统能够提高产品生产和检测的质量和精度，并可以在一定程度上降低人工成本，提高工作效率。在自动化生产过程中，人们将机器视觉系统广泛应用于工况监视、成品检验、质量控制、工艺制造、安全监控等领域。
MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，其图像处理工具箱具有灰度变换、图像滤波、图像增强等强大的图像处理功能。因此，用MATLAB处理数字图像在工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域独具优势。
发明内容
发明目的：针对上述问题，本发明的目的是提供一种基于MATLAB的零件表面缺陷检测方法，该方法以MATLAB为平台，进行表面缺陷检测，对检测图像进行预处理，获取缺陷区域后，通过提取缺陷特征进行分类识别，对比区域灰度均值与模板图像的同一区域的灰度均值，根据表面缺损、毛刺等缺陷的特点，自动判断制品的缺陷种类，检测速度快，无损伤，易于实施。
技术方案：为实现上述目的，本发明采用如下技术方案：
种基于MATLAB的零件表面缺陷检测方法，其特征在于，包括如下步骤：
步骤101，采集无缺陷的零件图像作为模板图像，Sobel算子对零件模板图像进行边缘提取，建立边缘轮廓特征库；
步骤102，基于MATLAB对检测图像进行预处理，其包括：
步骤1021，对图像进行增强处理，利用双重Sigmoid算子对待测零件图像进行增强，以增加图像辨识度，锐化零件的边缘轮廓，去除图像中的离散噪声；
步骤1022，对图像分割，采用的阈值分割法相当于对图像进行二值化；
步骤103，提取缺陷特征，对比零件模板图像与待测零件图像，进行分类识别。
有益效果：与现有技术相比，提供一种基于MATLAB的零件表面缺陷检测方法，该方法以MATLAB为平台，进行表面缺陷检测，对检测图像进行预处理，获取缺陷区域后，通过提取缺陷特征进行分类识别，对比区域灰度均值与模板图像的同一区域的灰度均值，根据表面缺损、毛刺等缺陷的特点，自动判断制品的缺陷种类，检测速度快，无损伤，易于实施。
附图说明
图1是基于MATLAB的零件表面缺陷检测方法流程图；
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明。
如图1所示，基于MATLAB的零件表面缺陷检测方法，其特征在于，包括如下步骤：
步骤101，采集无缺陷的零件图像作为模板图像，Sobel算子对零件模板图像进行边缘提取，建立边缘轮廓特征库；
步骤102，基于MATLAB对检测图像进行预处理，其包括：
步骤1021，对图像进行增强处理，利用双重Sigmoid算子对待测零件图像进行增强，以增加图像辨识度，锐化零件的边缘轮廓，去除图像中的离散噪声；
步骤1022，对图像分割，采用的阈值分割法相当于对图像进行二值化；
步骤103，提取缺陷特征，对比零件模板图像与待测零件图像，进行分类识别。
经过以上三个步骤，方法以MATLAB为平台，进行表面缺陷检测，对检测图像进行预处理，获取缺陷区域后，通过提取缺陷特征进行分类识别，对比区域灰度均值与模板图像的同一区域的灰度均值，根据表面缺损、毛刺等缺陷的特点，自动判断制品的缺陷种类，检测速度快，无损伤，易于实施。

Claims (3)

1.一种基于MATLAB的零件表面缺陷检测方法，其特征在于，包括如下步骤：
步骤101，采集无缺陷的零件图像作为模板图像；
步骤102，基于MATLAB对检测图像进行预处理，其包括：
步骤1021，对图像进行增强处理，以增加图像辨识度，锐化零件的边缘轮廓，去除图像中的离散噪声；
步骤1022，对图像分割，采用的阈值分割法相当于对图像进行二值化；
步骤103，提取缺陷特征，对比零件模板图像与待测零件图像，进行分类识别。
2.根据权利要求1所述的基于MATLAB的零件表面缺陷检测方法，其特征在于，步骤1021,利用双重Sigmoid算子对待测零件图像进行增强。
3.根据权利要求1所述的基于MATLAB的零件表面缺陷检测方法，其特征在于，Sobel算子对零件模板图像进行边缘提取，建立边缘轮廓特征库。
CN201710394848.0A 2017-05-30 2017-05-30 一种基于matlab的零件表面缺陷检测方法 Pending CN107153067A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710394848.0A CN107153067A (zh) 2017-05-30 2017-05-30 一种基于matlab的零件表面缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710394848.0A CN107153067A (zh) 2017-05-30 2017-05-30 一种基于matlab的零件表面缺陷检测方法

Publications (1)

Publication Number Publication Date
CN107153067A true CN107153067A (zh) 2017-09-12

Family

ID=59795048

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710394848.0A Pending CN107153067A (zh) 2017-05-30 2017-05-30 一种基于matlab的零件表面缺陷检测方法

Country Status (1)

Country Link
CN (1) CN107153067A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109544552A (zh) * 2018-12-06 2019-03-29 合刃科技（深圳）有限公司 一种光栅无损检测方法及系统
CN109584212A (zh) * 2018-11-05 2019-04-05 华中科技大学 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法
CN109946304A (zh) * 2019-03-11 2019-06-28 中国科学院上海技术物理研究所 基于特征匹配的零件表面缺陷在线检测系统及检测方法
CN111638218A (zh) * 2020-05-14 2020-09-08 哈尔滨工程大学 一种涂层表面缺陷的检测方法
CN112991338A (zh) * 2021-04-27 2021-06-18 湖南大捷智能装备有限公司 一种用于激光切割零件的缺陷检测方法、装置
CN114252448A (zh) * 2020-09-21 2022-03-29 科德机械科技有限公司 用于执行手套检查的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101930596A (zh) * 2010-07-19 2010-12-29 赵全友 一种复杂光照下的两步法颜色恒常性方法
CN102621150A (zh) * 2012-03-23 2012-08-01 南京航空航天大学 基于灰度共生矩阵和支持向量机的飞机蒙皮损伤识别方法
CN105513019A (zh) * 2015-11-27 2016-04-20 西安电子科技大学 一种提升图像质量的方法和装置
CN106066333A (zh) * 2016-08-04 2016-11-02 西南交通大学 曲面零件表面轮廓损伤分析装置及其方法
CN106600615A (zh) * 2016-11-24 2017-04-26 上海交通大学 一种图像边缘检测算法评价系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101930596A (zh) * 2010-07-19 2010-12-29 赵全友 一种复杂光照下的两步法颜色恒常性方法
CN102621150A (zh) * 2012-03-23 2012-08-01 南京航空航天大学 基于灰度共生矩阵和支持向量机的飞机蒙皮损伤识别方法
CN105513019A (zh) * 2015-11-27 2016-04-20 西安电子科技大学 一种提升图像质量的方法和装置
CN106066333A (zh) * 2016-08-04 2016-11-02 西南交通大学 曲面零件表面轮廓损伤分析装置及其方法
CN106600615A (zh) * 2016-11-24 2017-04-26 上海交通大学 一种图像边缘检测算法评价系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
林柳娴: "基于MATLAB的小型零件表面缺陷检测方法研究", 《中国设备工程》 *
郭峰林等: "基于双重Sigmoid变换的PCB图像增强算法", 《科技导报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109584212A (zh) * 2018-11-05 2019-04-05 华中科技大学 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法
CN109584212B (zh) * 2018-11-05 2022-04-26 华中科技大学 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法
CN109544552A (zh) * 2018-12-06 2019-03-29 合刃科技（深圳）有限公司 一种光栅无损检测方法及系统
CN109946304A (zh) * 2019-03-11 2019-06-28 中国科学院上海技术物理研究所 基于特征匹配的零件表面缺陷在线检测系统及检测方法
CN111638218A (zh) * 2020-05-14 2020-09-08 哈尔滨工程大学 一种涂层表面缺陷的检测方法
CN114252448A (zh) * 2020-09-21 2022-03-29 科德机械科技有限公司 用于执行手套检查的方法
CN112991338A (zh) * 2021-04-27 2021-06-18 湖南大捷智能装备有限公司 一种用于激光切割零件的缺陷检测方法、装置
CN112991338B (zh) * 2021-04-27 2021-07-27 湖南大捷智能装备有限公司 一种用于激光切割零件的缺陷检测方法、装置

Similar Documents

Publication Publication Date Title
CN107153067A (zh) 一种基于matlab的零件表面缺陷检测方法
CN108562589B (zh) 一种对磁路材料表面缺陷进行检测的方法
CN111080622B (zh) 神经网络训练方法、工件表面缺陷分类与检测方法及装置
CN110148130B (zh) 用于检测零件缺陷的方法和装置
CN107782733B (zh) 金属表面缺陷的图像识别无损检测装置及方法
CN111582294B (zh) 一种构建用于表面缺陷检测的卷积神经网络模型的方法及其利用
CN109781737B (zh) 一种软管表面缺陷的检测方法及其检测系统
CN103175844A (zh) 一种金属零部件表面划痕缺陷检测方法
CN117152161B (zh) 一种基于图像识别的刨花板质量检测方法及系统
CN104792794A (zh) 基于机器视觉的光学薄膜表面缺陷检测方法
CN113083804A (zh) 激光智能除锈方法、系统及可存读介质
CN112614062A (zh) 菌落计数方法、装置及计算机存储介质
CN111402238A (zh) 一种通过机器视觉实现的缺陷标识系统
CN110349125A (zh) 一种基于机器视觉的led芯片外观缺陷检测方法及系统
CN113516619B (zh) 一种基于图像处理技术的产品表面瑕疵识别方法
CN106651893A (zh) 一种基于边缘检测的墙体裂缝识别方法
CN108020554A (zh) 一种带钢表面缺陷识别检测方法
CN112560941A (zh) 基于图像检测的煤矸识别方法
CN112270658A (zh) 一种基于机器视觉的电梯钢丝绳检测方法
CN116228651A (zh) 一种布匹缺陷检测方法、系统、设备及介质
CN101770645A (zh) 高分辨率棉花异性纤维彩色图像的快速分割方法与系统
CN107886493B (zh) 一种输电线路的导线分股缺陷检测方法
CN113487538B (zh) 一种多目标分割缺陷检测方法、装置及其计算机存储介质
CN117197146A (zh) 一种铸件内部缺陷自动识别方法
CN113112458A (zh) 一种基于支持向量机的金属表面缺陷检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170912

WD01 Invention patent application deemed withdrawn after publication