CN107290347B - 蜂窝载体缺陷自动化检测方法 - Google Patents

蜂窝载体缺陷自动化检测方法 Download PDF

Info

Publication number
CN107290347B
CN107290347B CN201710567249.4A CN201710567249A CN107290347B CN 107290347 B CN107290347 B CN 107290347B CN 201710567249 A CN201710567249 A CN 201710567249A CN 107290347 B CN107290347 B CN 107290347B
Authority
CN
China
Prior art keywords
image
honeycomb carrier
hole
detected
carrier
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
CN201710567249.4A
Other languages
English (en)
Other versions
CN107290347A (zh
Inventor
张�浩
李红兵
秦可勇
高晖
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.)
Jiangsu Ares Intelligent Equipment Co Ltd
Original Assignee
Jiangsu Ares Intelligent Equipment 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 Jiangsu Ares Intelligent Equipment Co Ltd filed Critical Jiangsu Ares Intelligent Equipment Co Ltd
Priority to CN201710567249.4A priority Critical patent/CN107290347B/zh
Publication of CN107290347A publication Critical patent/CN107290347A/zh
Application granted granted Critical
Publication of CN107290347B publication Critical patent/CN107290347B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
    • 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
    • G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
    • G01B11/27—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes for testing the alignment of axes
    • 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

Abstract

本发明涉及蜂窝载体缺陷检测技术领域，尤其涉及一种蜂窝载体缺陷自动化检测方法,步骤包括：待测蜂窝载体由可控传送速度的带状传送装置送入检测区域；检测区域内设有光源，在光源投射下，利用接触式图像传感器和高清相机分别对待测蜂窝载体位于孔道两侧的两个端面进行图像采集，接触式图像传感器采用逐行扫描、每次只采集一行的方式进行图像采集，高清相机在待测蜂窝载体到达聚焦处时对其进行图像采集，接触式图像传感器和高清相机采集到的图像数据发送至上位机；上位机对接收到的图像进行处理分析得出检测结果，检测结果包括堵孔率、孔道弯曲率、孔道数目、表面裂纹和孔壁断裂结果等。本发明所述检测方法简单，适用产品尺寸范围大，检测精度高。

Description

蜂窝载体缺陷自动化检测方法
技术领域
本发明涉及蜂窝载体检测技术领域，尤其涉及一种蜂窝载体缺陷自动化检测方法。
背景技术
蜂窝载体最早被使用在小型汽车尾气净化技术领域，作为净化过程中催化剂的载体，发展到今天已被广泛应用在化工、电力、冶金、石油、电子电器、机械等技术领域中。现有的蜂窝载体生产企业对蜂窝载体生产过程中的质量控制基本还处于原始阶段，大部分企业采用人工检验的方式，即将产品对准强光后通过肉眼对孔道进行观察和判断，还有一些企业会采用较为先进的方法进行检测，即先将产品放入透光台中投射到毛玻璃上，再由人工进行判断。上述两种检测方法均存在检测效率低、判别标准不明确、检测项目少等问题，同时第一种方法还存在损伤检测人员眼睛的问题。
针对上述问题，中国专利公开号为CN103438821A的发明专利公开了一种蜂窝陶瓷载体透光检测装置及方法，该装置包括LED平面光源、透光玻璃、遮光垫、磨砂玻璃和玻璃反光镜。当装置接上电源和气源后，将要检测的产品放在遮光垫上，按下控制气缸动作的启动按钮，通过气缸使磨砂玻璃下降至产品上方1mm处；合上光源开关使LED平面光源通电发光；光线经过透光玻璃及遮光垫上的透光孔，将蜂窝陶瓷产品的孔道成像于磨砂玻璃上；调整玻璃反光镜与磨砂玻璃的夹角，使得操作者通过玻璃反光镜清楚地观察到磨砂玻璃上的清晰成像，并以此来判断所显示的产品是否孔道变形或堵孔。该装置虽然解决了人员直接透过灯光观察长时间操作眼睛伤害问题，而且也提升了判断堵孔和孔道变形的精度，但还是存在效率低，检测精度低、数据不准确问题，而且无法检测表面破损，无法计算目数。同时，中国专利公告号为CN101915545B的发明专利公开了一种蜂窝陶瓷自动检测方法与装置，该检测装置包括一个圆形旋转式透明转盘及用于样品固定的4个样品卡夹和用于测量的接触式测量传感器、相机。其检测流程为人工将载体放于样品卡夹的弯钩内固定，步进电机每隔4秒驱动圆盘旋转90°，旋转过程中检测载体指标，4次之后回到原位，再由人工装卸下一个待检测载体。该装置解决了孔密度、目数无法精确计算的问题，但该装置还是需要人工参与检测流程，手工装卸增加了装置操作的复杂性与不稳定性；由于使用卡夹装置，载体的大小也被限制在50～180mm，无法检测大中型载体，且直径不相同的载体检测前还需调整装置参数，较为不便；旋转盘配合位置固定的相机进行检测的方式一定程度地增加了检测误差，而且当出现不合格产品时，需人工分拣次品，整个装置的自动化水平不高。
发明内容
针对现有技术中的问题，本发明提供一种蜂窝载体缺陷自动化检测方法
为实现以上技术目的，本发明的技术方案是：
一种蜂窝载体缺陷自动化检测方法,其具体步骤包括：
A.待测蜂窝载体由可控传送速度的带状传送装置送入检测区域；
B.检测区域内设有光源，在光源的投射下，利用接触式图像传感器和高清相机分别对待测蜂窝载体的位于孔道两侧的两个端面进行图像采集，所述接触式图像传感器采用逐行扫描、每次只采集一行的方式进行图像采集，所述接触式图像传感器的图像采集频率与传送装置的传送速度相匹配以保证待测蜂窝载体通过检测区域后接触式图像传感器对孔道端面的完整图像采集完成，所述高清相机在待测蜂窝载体到达聚焦处时对其进行图像采集，接触式图像传感器和高清相机采集得到的图像数据发送至上位机；
C.上位机对接收到的接触式图像传感器采集图像和高清相机图像进行处理分析，得出检测结果，所述检测结果包括堵孔率、孔道弯曲率、孔道数目、表面裂纹和孔壁断裂结果、载体直径和同心度。
作为优选，所述步骤C中堵孔率、孔道弯曲率、孔道数目、表面裂纹和孔壁断裂结果的分析方法为：如果光源发出的光能从待测蜂窝载体一面经过正常孔道投射到另一面，则在接触式图像传感器采集的图像中呈现一个标准白色方块，相反地孔壁为标准黑色方块，最终形成为网格状图像。在网格状图像中，若接触式图像传感器采集的图像中的白色方块的尺寸小于标准白色方块尺寸或者黑色方块的尺寸小于标准黑色方块尺寸，则该孔道存在堵孔或者孔道弯曲的缺陷，对所有非标准方块进行统计，即可得到堵孔率、孔道弯曲率及孔道目数；若白色方块与相邻的方块连接在一起，则可以判断为孔壁断裂；白色方块与相邻的方块连接在一起的数量超过一定量值，则可以判断为载体表面裂纹。
作为优选，所述步骤C中载体直径和同心度的分析方法为：所述接触式图像传感器采集的图像和高清相机采集的图像经算法识别可以得出载体外部轮廓圆，通过载体外部轮廓圆就能计算出载体的直径、同心度。
作为改进，所述步骤B中还包括利用入口传感器和出口传感器对待测蜂窝载体在检测区域的进出进行判断，当通过入口传感器判断到待测蜂窝载体进入检测区域时则触发接触式图像传感器和高清相机进行采集，当通过出口传感器判断到待测蜂窝载体离开检测区域时则将采集到的图像上传至上位机。
作为优选，所述步骤C中上位机对接触式图像传感器采集图像和高清相机图像进行处理分析并获得检测结果的具体步骤如下：
a.对接收到的原始图像进行旋转处理得到孔洞水平竖直的图像；
b.对孔洞水平竖直的图像进行裁剪处理得到只包含载体的图像；
c.对只包含载体的图像进行去噪处理得到孔洞图像；
d.将孔洞图像与标准孔洞图像进行对比，即可获得待测蜂窝载体的孔洞检测结果。
作为改进，所述步骤a具体包括以下步骤：
a1.使用7x7模板对接收到的原始图像作均值滤波，消除图像噪点；
a2.使用31x31模板对步骤a1得到的图像作自适应均值阈值化处理，模板大小大于载体端面的一个孔洞方格的大小；
a3.对步骤a2得到的图像作形态学处理，使用3x3模板膨胀图像，再腐蚀图像；
a4.对步骤a3获得的图像作高斯模糊处理，再使用canny算子对处理后的图像检测轮廓；
a5.对检测出的所有轮廓作最小外接矩形；
a6.统计所有矩形中长宽比大于3的矩形的倾斜角度，并根据倾斜角度将矩形分为倾斜角度小于45°矩形和倾斜角度大于45°矩形两类，分别统计这两类矩形的数量并进行数量比较，选取数量较多的一类矩形并计算其倾斜角度的平均值；
a7.去除步骤a6中获得的数量较多的一类矩形中倾斜角度与平均值相差较大的矩形，对剩余矩形的倾斜角度再次取平均值，该平均值即为待测蜂窝载体的倾斜角度angle；
a8.根据步骤a7获得的倾斜角度，对原始图像作仿射变换从而实现原始图像的旋转,仿射变换时旋转中心取图像中心，旋转矩阵采用以下矩阵：
Figure GDA0002259305010000041
式(1)中，α＝scale·cos angle，β＝scale·sin angle，scale为原始图像的缩放因子，center.x和center.y的分别为原始图像的长的一半和宽的一半。
作为改进，所述步骤a1至a7只针对原始图像的1/4图像进行处理。
作为改进，所述步骤b具体包括以下步骤：
b1.对步骤a8获得的图像使用7x7模板对图像作高斯模糊；
b2.对步骤b1获得的图像作全局阈值化处理，如式(2)所示：如果原图像的一个像素src(x,y)大于阈值thresh，则输出图像相同位置像素dst(x,y)的值取maxval；否则，取0，
式(2)中阈值thresh取值略低于步骤a8获得图像的最大灰度值，maxval取255；
b3.对步骤b2获得的图像作形态学处理，腐蚀图像，消除透光白色孔洞；
b4.对步骤b3获得的图像作高斯模糊处理，对处理后的图像使用canny算子检测轮廓，该轮廓即为待测蜂窝载体的外部轮廓图像；
b5.对步骤b4获得的轮廓作最小外接矩形,获得的矩形的长即为待测蜂窝载体的长直径，矩形的宽即为待测蜂窝载体的短直径，再结合接触式图像传感器采集的DPI数值即可得到待测蜂窝载体的实际尺寸，从而即可得到只包含载体的图像信息。
作为改进，所述步骤c具体包括以下步骤：
c1.对步骤b5获得的图像使用5x5模板作高斯模糊处理；
c2.使用11x11模板对步骤c1获得的图像作自适应高斯阈值化处理；
c3.使用3x3模板计算步骤c2获得的图像的邻域灰度值总和，如果总和小于4*255，则认为这个像素是孔洞内部空白，如果总和大于6*255，则认为这个像素是孔壁，从而获得孔洞图像；
c4.使用3x3模板腐蚀孔洞图像中的内部空白部分，加粗孔洞图像中的孔壁黑线；
c5.对步骤c4获得的图像作自适应高斯阈值化处理，模板大小等于两个孔洞的大小；
c6.对步骤c5获得的图像作形态学处理，先膨胀图像，再使用5x5模板进行高斯模糊处理，最后利用canny算子检测轮廓；
c7.对步骤c6获得的轮廓作最小外接矩形，如果矩形大小高于标准孔洞的1.5倍，则该轮廓不是方形孔洞的轮廓；
c8.根据b4获得的外部轮廓图像，排除不在待测蜂窝载体内部的矩形图像；
c9.保留所有矩形图像中与待测蜂窝载体实际孔洞尺寸相一致的矩形图像，这些矩形即为是待测蜂窝载体表面的孔洞图像。
作为改进，所述步骤d具体包括以下步骤：
d1.对步骤c9获得的所有矩形图像的灰度值与标准孔洞图像的灰度值比较，即可获得每个矩形图像所对应的孔洞的堵塞、变形信息；
d2.对步骤c9获得的所有矩形图像的个数进行统计，即可获得待测蜂窝载体的孔洞目数。
从以上描述可以看出，本发明具备以下优点：
1.同时利用接触式图像传感器和高清相机对待测产品的两个端面进行图像采集，图像准确度高，为后续的图像处理过程奠定了准确性基础。
2.检测方法简单且准确度高，易于推广应用。
3.与传统的人工检测相比，检测效率高。
4.利用带状传送装置对待测产品进行传送，无需固定装置，传送机构简单且稳定性好、可检测的待测产品尺寸范围大。
5.图像处理过程中的旋转、裁剪、去噪等步骤有效提高了图像处理的精度和速度。
附图说明
图1是本发明的流程图。
具体实施方式
结合图1，详细说明本发明，但不对本发明的权利要求做任何限定。
如图1所示，一种蜂窝载体缺陷自动化检测方法,其具体步骤包括：
A.待测蜂窝载体由可控传送速度的带状传送装置送入检测区域；
B.检测区域内设有光源，在光源的投射下，利用接触式图像传感器和高清相机分别对待测蜂窝载体的位于孔道两侧的两个端面进行图像采集，所述接触式图像传感器采用逐行扫描、每次只采集一行的方式进行图像采集，所述接触式图像传感器的图像采集频率与传送装置的传送速度相匹配以保证待测蜂窝载体通过检测区域后接触式图像传感器对孔道端面的完整图像采集完成，所述高清相机在待测蜂窝载体到达聚焦处时对其进行图像采集，接触式图像传感器和高清相机采集得到的图像数据发送至上位机；
C.上位机对接收到的接触式图像传感器采集图像和高清相机图像进行处理分析，得出检测结果，所述检测结果包括堵孔率、孔道弯曲率、孔道数目、表面裂纹和孔壁断裂结果、载体直径和同心度。
其中步骤C中：
(1)堵孔率、孔道弯曲率、孔道数目、表面裂纹和孔壁断裂结果的分析方法为：如果光源发出的光能从待测蜂窝载体一面经过正常孔道投射到另一面，则在接触式图像传感器采集的图像中呈现一个标准白色方块，相反地孔壁为标准黑色方块，最终形成为网格状图像。在网格状图像中，若接触式图像传感器采集的图像中的白色方块的尺寸小于标准白色方块尺寸或者黑色方块的尺寸小于标准黑色方块尺寸，则该孔道存在堵孔或者孔道弯曲的缺陷，对所有非标准方块进行统计，即可得到堵孔率、孔道弯曲率及孔道目数；若白色方块与相邻的方块连接在一起，则可以判断为孔壁断裂；白色方块与相邻的方块连接在一起的数量超过一定量值，则可以判断为载体表面裂纹。
(2)载体直径和同心度的分析方法为：接触式图像传感器采集的图像和高清相机采集的图像经算法识别可以得出载体外部轮廓圆，通过载体外部轮廓圆就能计算出载体的直径、同心度。
为了进一步优化检测方法，步骤B中还包括利用入口传感器和出口传感器对待测蜂窝载体在检测区域的进出进行判断，当通过入口传感器判断到待测蜂窝载体进入检测区域时则触发接触式图像传感器和高清相机进行采集，当通过出口传感器判断到待测蜂窝载体离开检测区域时则将采集到的图像上传至上位机。
根据上述分析方法对步骤C的处理步骤进一步细化，具体内容如下：
所述步骤C中上位机对接触式图像传感器采集图像和高清相机图像进行处理分析并获得检测结果的具体步骤如下：
a.对接收到的原始图像进行旋转处理得到孔洞水平竖直的图像，包括：
a1.使用7x7模板对接收到的原始图像作均值滤波，消除图像噪点；
a2.使用31x31模板对步骤a1得到的图像作自适应均值阈值化处理，模板大小大于载体端面的一个孔洞方格的大小；
a3.对步骤a2得到的图像作形态学处理，使用3x3模板膨胀图像，再腐蚀图像；
a4.对步骤a3获得的图像作高斯模糊处理，再使用canny算子对处理后的图像检测轮廓；
a5.对检测出的所有轮廓作最小外接矩形；
a6.统计所有矩形中长宽比大于3的矩形的倾斜角度，并根据倾斜角度将矩形分为倾斜角度小于45°矩形和倾斜角度大于45°矩形两类，分别统计这两类矩形的数量并进行数量比较，选取数量较多的一类矩形并计算其倾斜角度的平均值；
a7.去除步骤a6中获得的数量较多的一类矩形中倾斜角度与平均值相差较大的矩形，对剩余矩形的倾斜角度再次取平均值，该平均值即为待测蜂窝载体的倾斜角度angle；
a8.根据步骤a7获得的倾斜角度，对原始图像作仿射变换从而实现原始图像的旋转,仿射变换时旋转中心取图像中心，旋转矩阵采用以下矩阵：
Figure GDA0002259305010000071
式(1)中，α＝scale·cos angle，β＝scale·sin angle，scale为缩放因子，center.x和center.y的分别为原始图像的长的一半和宽的一半。
b.对孔洞水平竖直的图像进行裁剪处理得到只包含载体的图像，包括：
b1.对步骤a8获得的图像使用7x7模板对图像作高斯模糊；
b2.对步骤b1获得的图像作全局阈值化处理，如式(2)所示，如果原图像的一个像素src(x,y)大于阈值thresh，则输出图像相同位置像素dst(x,y)的值取maxval；否则，取0，
Figure GDA0002259305010000081
式(2)中阈值thresh取值略低于步骤a8获得图像的最大灰度值，maxval取255；
b3.对步骤b2获得的图像作形态学处理，腐蚀图像，消除透光白色孔洞；
b4.对步骤b3获得的图像作高斯模糊处理，对处理后的图像使用canny算子检测轮廓，该轮廓即为待测蜂窝载体的外部轮廓图像；
b5.对步骤b4获得的轮廓作最小外接矩形,获得的矩形的长即为待测蜂窝载体的长直径，矩形的宽即为待测蜂窝载体的短直径，再结合接触式图像传感器采集的DPI数值即可得到待测蜂窝载体的实际尺寸，从而即可得到只包含载体的图像信息。
c.对只包含载体的图像进行处理得到孔洞图像，包括：
c1.对步骤b5获得的图像使用5x5模板作高斯模糊处理；
c2.使用11x11模板对步骤c1获得的图像作自适应高斯阈值化处理；
c3.使用3x3模板计算步骤c2获得的图像的邻域灰度值总和，如果总和小于4*255，则认为这个像素是孔洞内部空白，如果总和大于6*255，则认为这个像素是孔壁，从而获得孔洞图像；
c4.使用3x3模板腐蚀孔洞图像中的内部空白部分，加粗孔洞图像中的孔壁黑线；
c5.对步骤c4获得的图像作自适应高斯阈值化处理，模板大小等于两个孔洞的大小；
c6.对步骤c5获得的图像作形态学处理，先膨胀图像，再使用5x5模板进行高斯模糊处理，最后利用canny算子检测轮廓；
c7.对步骤c6获得的轮廓作最小外接矩形，如果矩形大小高于标准孔洞的1.5倍，则该轮廓不是方形孔洞的轮廓；
c8.根据b4获得的外部轮廓图像，排除不在待测蜂窝载体内部的矩形图像；
c9.保留所有矩形图像中与待测蜂窝载体实际孔洞尺寸相一致的矩形图像，这些矩形即为是待测蜂窝载体表面的孔洞图像。
d.将孔洞图像与标准孔洞图像进行对比，即可获得待测蜂窝载体的孔洞检测结果，包括：
d1.对步骤c9获得的所有矩形图像的灰度值与标准孔洞图像的灰度值比较，即可获得每个矩形图像所对应的孔洞的堵塞、变形信息；
d2.对步骤c9获得的所有矩形图像的个数进行统计，即可获得待测蜂窝载体的孔洞目数。
上述处理步骤中：
1.为了提升步骤a的处理速度，从步骤a1到a7只处理包含载体的1/4图像，从而快速获得倾斜角度angle。
2.步骤a8中由于载体图像不缩放，缩放因子scale取1。
综上所述，本发明具有以下优点：
1.同时利用接触式图像传感器和高清相机对待测产品的两个端面进行图像采集，图像准确度高，为后续的图像处理过程奠定了准确性基础。
2.检测方法简单且准确度高，易于推广应用。
3.与传统的人工检测相比，检测效率高。
4.利用带状传送装置对待测产品进行传送，无需固定装置，传送机构简单且稳定性好、可检测的待测产品尺寸范围大。
5.图像处理过程中的旋转、裁剪、去噪等步骤有效提高了图像处理的精度和速度。
可以理解的是，以上关于本发明的具体描述，仅用于说明本发明而并非受限于本发明实施例所描述的技术方案。本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换，以达到相同的技术效果；只要满足使用需要，都在本发明的保护范围之内。

Claims (8)

1.一种蜂窝载体缺陷自动化检测方法,其具体步骤包括：
A.待测蜂窝载体由可控传送速度的带状传送装置送入检测区域；
B.检测区域内设有光源，在光源的投射下，利用接触式图像传感器和高清相机分别对待测蜂窝载体的位于孔道两侧的两个端面进行图像采集，所述接触式图像传感器采用逐行扫描、每次只采集一行的方式进行图像采集，所述接触式图像传感器的图像采集频率与传送装置的传送速度相匹配以保证待测蜂窝载体通过检测区域后接触式图像传感器对孔道端面的完整图像采集完成，所述高清相机在待测蜂窝载体到达聚焦处时对其进行图像采集，接触式图像传感器和高清相机采集得到的图像数据发送至上位机；
C.上位机对接收到的接触式图像传感器采集图像和高清相机图像进行处理分析，得出检测结果，所述检测结果包括堵孔率、孔道弯曲率、孔道数目、表面裂纹和孔壁断裂结果、载体直径和同心度；
所述步骤C中上位机对接触式图像传感器采集图像和高清相机图像进行处理分析并获得检测结果的具体步骤如下：
a.对接收到的原始图像进行旋转处理得到孔洞水平竖直的图像，具体包括以下步骤：
a1.使用7x7模板对接收到的原始图像作均值滤波，消除图像噪点；
a2.使用31x31模板对步骤a1得到的图像作自适应均值阈值化处理，模板大小大于载体端面的一个孔洞方格的大小；
a3.对步骤a2得到的图像作形态学处理，使用3x3模板膨胀图像，再腐蚀图像；
a4.对步骤a3获得的图像作高斯模糊处理，再使用canny算子对处理后的图像检测轮廓；
a5.对检测出的所有轮廓作最小外接矩形；
a6.统计所有矩形中长宽比大于3的矩形的倾斜角度，并根据倾斜角度将矩形分为倾斜角度小于45°矩形和倾斜角度大于45°矩形两类，分别统计这两类矩形的数量并进行数量比较，选取数量较多的一类矩形并计算其倾斜角度的平均值；
a7.去除步骤a6中获得的数量较多的一类矩形中倾斜角度与平均值相差较大的矩形，对剩余矩形的倾斜角度再次取平均值，该平均值即为待测蜂窝载体的倾斜角度angle；
a8.根据步骤a7获得的倾斜角度，对原始图像作仿射变换从而实现原始图像的旋转,仿射变换时旋转中心取图像中心，旋转矩阵采用以下矩阵：
Figure FDA0002259303000000021
式(1)中，α＝scale·cos angle，β＝scale·sin angle，scale为原始图像的缩放因子，center.x和center.y的分别为原始图像的长的一半和宽的一半；
b.对孔洞水平竖直的图像进行裁剪处理得到只包含载体的图像；
c.对只包含载体的图像进行去噪处理得到孔洞图像；
d.将孔洞图像与标准孔洞图像进行对比，即可获得待测蜂窝载体的孔洞检测结果。
2.根据权利要求1所述的蜂窝载体缺陷自动化检测方法,其特征在于：所述步骤C中堵孔率、孔道弯曲率、孔道数目、表面裂纹和孔壁断裂结果的分析方法为：如果光源发出的光能从待测蜂窝载体一面经过正常孔道投射到另一面，则在接触式图像传感器采集的图像中呈现一个标准白色方块，相反地孔壁为标准黑色方块，最终形成为网格状图像，在网格状图像中，若接触式图像传感器采集的图像中的白色方块的尺寸小于标准白色方块尺寸或者黑色方块的尺寸小于标准黑色方块尺寸，则该孔道存在堵孔或者孔道弯曲的缺陷，对所有非标准方块进行统计，即可得到堵孔率、孔道弯曲率及孔道目数；若白色方块与相邻的方块连接在一起，则可以判断为孔壁断裂；白色方块与相邻的方块连接在一起的数量超过一定量值，则可以判断为载体表面裂纹。
3.根据权利要求1所述的蜂窝载体缺陷自动化检测方法,其特征在于：所述步骤C中载体直径和同心度的分析方法为：所述接触式图像传感器采集的图像和高清相机采集的图像经算法识别可以得出载体外部轮廓圆，通过载体外部轮廓圆就能计算出载体的直径、同心度。
4.根据权利要求1所述的蜂窝载体缺陷自动化检测方法,其特征在于：所述步骤B中还包括利用入口传感器和出口传感器对待测蜂窝载体在检测区域的进出进行判断，当通过入口传感器判断到待测蜂窝载体进入检测区域时则触发接触式图像传感器和高清相机进行采集，当通过出口传感器判断到待测蜂窝载体离开检测区域时则将采集到的图像上传至上位机。
5.根据权利要求1所述的蜂窝载体缺陷自动化检测方法，其特征在于：所述步骤a1至a7只针对原始图像的1/4图像进行处理。
6.根据权利要求5所述的蜂窝载体缺陷自动化检测方法，其特征在于：所述步骤b具体包括以下步骤：
b1.对步骤a8获得的图像使用7x7模板对图像作高斯模糊；
b2.对步骤b1获得的图像作全局阈值化处理，如式(2)所示，如果原图像的一个像素src(x,y)大于阈值thresh，则输出图像相同位置像素dst(x,y)的值取maxval；否则，取0，
Figure FDA0002259303000000031
式(2)中阈值thresh取值略低于步骤a8获得图像的最大灰度值，maxval取255；
b3.对步骤b2获得的图像作形态学处理，腐蚀图像，消除透光白色孔洞；
b4.对步骤b3获得的图像作高斯模糊处理，对处理后的图像使用canny算子检测轮廓，该轮廓即为待测蜂窝载体的外部轮廓图像；
b5.对步骤b4获得的轮廓作最小外接矩形,获得的矩形的长即为待测蜂窝载体的长直径，矩形的宽即为待测蜂窝载体的短直径，再结合接触式图像传感器采集的DPI数值即可得到待测蜂窝载体的实际尺寸，从而即可得到只包含载体的图像信息。
7.根据权利要求6所述的蜂窝载体缺陷自动化检测方法，其特征在于：所述步骤c具体包括以下步骤：
c1.对步骤b5获得的图像使用5x5模板作高斯模糊处理；
c2.使用11x11模板对步骤c1获得的图像作自适应高斯阈值化处理；
c3.使用3x3模板计算步骤c2获得的图像的邻域灰度值总和，如果总和小于4*255，则认为这个像素是孔洞内部空白，如果总和大于6*255，则认为这个像素是孔壁，从而获得孔洞图像；
c4.使用3x3模板腐蚀孔洞图像中的内部空白部分，加粗孔洞图像中的孔壁黑线；
c5.对步骤c4获得的图像作自适应高斯阈值化处理，模板大小等于两个孔洞的大小；
c6.对步骤c5获得的图像作形态学处理，先膨胀图像，再使用5x5模板进行高斯模糊处理，最后利用canny算子检测轮廓；
c7.对步骤c6获得的轮廓作最小外接矩形，如果矩形大小高于标准孔洞的1.5倍，则该轮廓不是方形孔洞的轮廓；
c8.根据b4获得的外部轮廓图像，排除不在待测蜂窝载体内部的矩形图像；
c9.保留所有矩形图像中与待测蜂窝载体实际孔洞尺寸相一致的矩形图像，这些矩形即为是待测蜂窝载体表面的孔洞图像。
8.根据权利要求7所述的蜂窝载体缺陷自动化检测方法，其特征在于：所述步骤d具体包括以下步骤：
d1.对步骤c9获得的所有矩形图像的灰度值与标准孔洞图像的灰度值比较，即可获得每个矩形图像所对应的孔洞的堵塞、变形信息；
d2.对步骤c9获得的所有矩形图像的个数进行统计，即可获得待测蜂窝载体的孔洞目数。
CN201710567249.4A 2017-07-12 2017-07-12 蜂窝载体缺陷自动化检测方法 Active CN107290347B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710567249.4A CN107290347B (zh) 2017-07-12 2017-07-12 蜂窝载体缺陷自动化检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710567249.4A CN107290347B (zh) 2017-07-12 2017-07-12 蜂窝载体缺陷自动化检测方法

Publications (2)

Publication Number Publication Date
CN107290347A CN107290347A (zh) 2017-10-24
CN107290347B true CN107290347B (zh) 2020-01-03

Family

ID=60101150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710567249.4A Active CN107290347B (zh) 2017-07-12 2017-07-12 蜂窝载体缺陷自动化检测方法

Country Status (1)

Country Link
CN (1) CN107290347B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110927157A (zh) * 2018-09-20 2020-03-27 富鼎电子科技(嘉善)有限公司 检测装置及其检测方法
CN110763688B (zh) * 2019-11-01 2022-09-27 沈阳航空航天大学 一种盲孔多余物检测系统及方法
CN113495055A (zh) * 2020-03-20 2021-10-12 上海歌地催化剂有限公司 用于蜂窝结构堵孔检测的光学检测系统
CN111583241B (zh) * 2020-05-09 2023-05-23 中南大学 超大面积蜂窝产品规整度的移动式检测方法及装置
CN111951323B (zh) * 2020-07-21 2023-07-18 汕头大学 一种可用于网格排序并计算裂纹数量及其对应面积的方法
CN113008897B (zh) * 2021-02-24 2023-05-30 江苏阿瑞斯智能设备有限公司 一种陶瓷催化剂载体缺陷检测方法、装置及设备
CN113340901A (zh) * 2021-04-30 2021-09-03 浙江达峰汽车技术有限公司 一种高目数蜂窝载体涂覆内部孔道堵塞检测方法以及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3149458A1 (en) * 2014-05-28 2017-04-05 Corning Incorporated System and method for inspecting a body

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10123067A (ja) * 1996-10-17 1998-05-15 Mitsubishi Heavy Ind Ltd 多孔質体の欠陥検査方法
CN201194000Y (zh) * 2008-04-18 2009-02-11 比亚迪股份有限公司 一种孔隙方向一致产品的孔隙率检测系统
CN103411549A (zh) * 2013-08-30 2013-11-27 无锡凯睿传感技术有限公司 一种蜂窝陶瓷的检测装置
CN103438821B (zh) * 2013-09-11 2015-12-02 凯龙蓝烽新材料科技有限公司 一种蜂窝陶瓷载体透光检测装置及方法
CN104849285A (zh) * 2015-05-18 2015-08-19 无锡惠科电工高新技术有限公司 一种线扫描式蜂窝陶瓷检测装置及检测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3149458A1 (en) * 2014-05-28 2017-04-05 Corning Incorporated System and method for inspecting a body

Also Published As

Publication number Publication date
CN107290347A (zh) 2017-10-24

Similar Documents

Publication Publication Date Title
CN107290347B (zh) 蜂窝载体缺陷自动化检测方法
CN108230324B (zh) 磁瓦表面微缺陷视觉检测方法
CN109141232B (zh) 一种基于机器视觉的盘类铸件在线检测方法
US7570794B2 (en) System and method for evaluating a machined surface of a cast metal component
CN202075755U (zh) 一种工件表面微裂纹视觉检测装置
CN115020267B (zh) 一种半导体表面缺陷检测方法
WO2014134880A1 (zh) 背光模组瑕疵的检测方法及设备
CN109900719B (zh) 一种叶片表面刀纹的视觉检测方法
CN109142509B (zh) 圆钢磁粉探伤方法与装置
CN110443278B (zh) 一种太阳能电池片栅线粗细异常的检测方法、装置及设备
TWI512284B (zh) 玻璃氣泡瑕疵檢測系統
CN104315977A (zh) 橡胶塞质量检测装置及检测方法
CN113155839A (zh) 一种基于机器视觉的钢板外表面缺陷在线检测方法
JP2002148195A (ja) 表面検査装置及び表面検査方法
JP3189588B2 (ja) 表面欠陥検査装置
CN108732148B (zh) 一种荧光磁粉探伤在线检测装置及方法
CN109785290A (zh) 基于局部光照归一化的钢板缺陷检测方法
JP2006343138A (ja) 検査装置
CN111103309A (zh) 用于检测透明材质物体瑕疵的方法
CN111833350A (zh) 机器视觉检测方法与系统
CN109622404B (zh) 一种基于机器视觉的微工件自动分拣系统及方法
CN109374628A (zh) 凹印版辊表面缺陷智能检测的缺陷确认方法
CN114383522B (zh) 一种测量反光差异工件表面间隙、面差的方法
CN114612474B (zh) 一种晶圆清洁干燥模组状态检测方法、装置及平坦化设备
JP2017040559A (ja) 表面欠陥検査装置および表面欠陥検査方法

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
GR01 Patent grant
GR01 Patent grant