CN107328781A - 一种基于机器视觉的柱状产品表面缺陷检测方法及装置 - Google Patents

一种基于机器视觉的柱状产品表面缺陷检测方法及装置 Download PDF

Info

Publication number
CN107328781A
CN107328781A CN201710368110.7A CN201710368110A CN107328781A CN 107328781 A CN107328781 A CN 107328781A CN 201710368110 A CN201710368110 A CN 201710368110A CN 107328781 A CN107328781 A CN 107328781A
Authority
CN
China
Prior art keywords
image
detection
machine vision
columnar product
tray
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
CN201710368110.7A
Other languages
English (en)
Inventor
孙智权
张千
熊节
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 CN201710368110.7A priority Critical patent/CN107328781A/zh
Publication of CN107328781A publication Critical patent/CN107328781A/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
    • G01N21/8806—Specially adapted optical and illumination features
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/952—Inspecting the exterior surface of cylindrical bodies or wires
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • 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
    • 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

Landscapes

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

Abstract

本发明公开了一种基于机器视觉的柱状产品表面缺陷检测方法及装置，属于机器视觉识别检测领域，其包括如下步骤：步骤101、构建机器视觉的柱状产品表面缺陷检测装置，包括相机、光源、图像采集卡、PC机、旋转托盘、运动控制卡及图像处理VC源代码；步骤102、获取产品表面图像，对图像进行去噪等预处理；步骤103、确定感兴趣的区域(ROI)，缩小检测范围，增快检测速度；步骤104、VC++程序进行图像检测，检测表面缺陷；该方法及装置可以快速而准确地发现加工过程中主要存在表面外伤、表面裂纹2种缺陷，具有检测速度快、无损伤、检测可靠等特点，避免了因作业条件，主观判断等影响检测结果的准确性，实现了更快更精确地进行柱状产品质量的检测。

Description

一种基于机器视觉的柱状产品表面缺陷检测方法及装置
技术领域
本发明属于机器视觉检测领域，具体涉及到一种基于机器视觉的柱状产品表面缺陷检测方法及装置。
背景技术
随着数字图像处理技术的迅猛发展，采用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量，，因此，机器视觉检测技术越来越受到人们的高度重视。
如今，人们对产品质量要求的提高，对于传统的柱状产品的制造，切割过程中因受力不均，特别是柱形产品的表面，由于科学技术的限制，仍然采用人工检测方法及装置检测产品表面的缺陷，由于人工的限制和技术的落后，不仅检测产品的速度慢、效率低下，而且在检测过程中容易出错，无法进行自动检测及识别。
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机器视觉的柱状产品表面缺陷检测方法及装置，该方法及装置可以快速而准确地发现加工过程中主要存在表面外伤、表面裂纹2种缺陷，具有检测速度快、无损伤、检测可靠等特点，避免了因作业条件，人为主观判断等影响检测结果的准确性，实现了更快更精确地进行柱状产品质量的检测。
技术方案：为实现上述目的，本发明采用如下技术方案：
一种基于机器视觉的柱状产品表面缺陷检测方法及装置，包括如下步骤：
步骤101，构建机器视觉的柱状产品表面缺陷检测系统，包括包括相机、光源、图像采集卡、PC机、旋转托盘、运动控制卡及图像处理VC源代码；
步骤102，柱形产品放置所述的旋转托盘，所述的旋转托盘每旋转60°，所述的相机获取柱形产品表面图像一张，旋转托盘旋转一周，相机采集六张图像，对六张图像进行拟合、去噪等预处理，采用中值滤波器去噪，保持图像的边缘特性；
步骤103，对拍摄到的图像进行边缘提取，并根据边缘长度进行阈值分割，得到图像的最终轮廓信息确定ROI区域，缩小检测范围，增快检测速度；
步骤104、采用阈值分割的灰度分析方法，提取缺损部位，检测裂纹和外伤缺陷。
所述的光源采用双光源方式，所述的旋转托盘上方为环形光源，一侧为条形光源。
所述的实现方法用VC编程实现。
所述的步骤102中的图像拟合，以每张图像的边缘进行拟合，六张图像进行拟合，形成完整的柱形产品展开图。
有益效果：与现有技术相比，提供一种基于机器视觉的柱状产品表面缺陷检测方法及装置，该方法及装置可以快速而准确地发现加工过程中主要存在表面外伤、表面裂纹2种缺陷，具有检测速度快、无损伤、检测可靠等特点，避免了因作业条件，主观判断等影响检测结果的准确性，实现了更快更精确地进行柱状产品质量的检测。
附图说明
图1是基于机器视觉的柱状产品表面缺陷检测方法流程图；
图2是基于机器视觉的柱状产品表面缺陷检测装置示意图。
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，一种基于机器视觉的柱状产品表面缺陷检测方法及装置，包括如下步骤：
步骤101，如图2所示，构建机器视觉的柱状产品表面缺陷检测系统，包括包括相机、光源、图像采集卡、PC机、旋转托盘、运动控制卡及图像处理VC源代码，光源采用双光源方式，旋转托盘上方为环形光源，一侧为条形光源；
步骤102，柱形产品放置所述的旋转托盘，所述的旋转托盘每旋转60°，所述的相机获取柱形产品表面图像一张，旋转托盘旋转一周，相机采集六张图像，对六张图像进行拟合、去噪等预处理，采用中值滤波器去噪，保持图像的边缘特性；
步骤103，对拍摄到的图像进行边缘提取，并根据边缘长度进行阈值分割，得到图像的最终轮廓信息确定ROI区域，缩小检测范围，增快检测速度；
步骤104、采用阈值分割的灰度分析方法，提取缺损部位，检测裂纹和外伤缺陷，整个过程采用VC编程语言。
经过以上四个步骤，构建基于机器视觉的柱状产品表面缺陷检测系统，该方法及装置可以快速而准确地发现加工过程中主要存在表面外伤、表面裂纹2种缺陷，具有检测速度快、无损伤、检测可靠等特点，避免了因作业条件，主观判断等影响检测结果的准确性，实现了更快更精确地进行柱状产品质量的检测。

Claims (4)

1.一种基于机器视觉的柱状产品表面缺陷检测方法及装置，其特征在于，包括如下步骤：
步骤101，构建机器视觉的柱状产品表面缺陷检测系统，包括包括相机、光源、图像采集卡、PC机、旋转托盘、运动控制卡及图像处理VC源代码；
步骤102，柱形产品放置所述的旋转托盘，所述的旋转托盘每旋转60°，所述的相机获取柱形产品表面图像一张，旋转托盘旋转一周，相机采集六张图像，对六张图像进行拟合、去噪等预处理，采用中值滤波器去噪，保持图像的边缘特性；
步骤103，对拍摄到的图像进行边缘提取，并根据边缘长度进行阈值分割，得到图像的最终轮廓信息确定ROI区域，缩小检测范围，增快检测速度。
步骤104、采用阈值分割的灰度分析方法，提取缺损部位，检测裂纹和外伤缺陷。
2.根据权利要求1所述的基于机器视觉的柱状产品表面缺陷检测方法及装置，其特征在于：所述的光源采用双光源方式，所述的旋转托盘上方为环形光源，一侧为条形光源。
3.根据权利要求1所述的基于机器视觉的柱状产品表面缺陷检测方法及装置，其特征在于：所述的实现方法用VC编程实现。
4.根据权利要求1所述的基于机器视觉的柱状产品表面缺陷检测方法及装置，其特征在于：所述的步骤102中的图像拟合，以每张图像的边缘进行拟合，六张图像进行拟合，形成完整的柱形产品展开图。
CN201710368110.7A 2017-05-23 2017-05-23 一种基于机器视觉的柱状产品表面缺陷检测方法及装置 Pending CN107328781A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710368110.7A CN107328781A (zh) 2017-05-23 2017-05-23 一种基于机器视觉的柱状产品表面缺陷检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710368110.7A CN107328781A (zh) 2017-05-23 2017-05-23 一种基于机器视觉的柱状产品表面缺陷检测方法及装置

Publications (1)

Publication Number Publication Date
CN107328781A true CN107328781A (zh) 2017-11-07

Family

ID=60193390

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710368110.7A Pending CN107328781A (zh) 2017-05-23 2017-05-23 一种基于机器视觉的柱状产品表面缺陷检测方法及装置

Country Status (1)

Country Link
CN (1) CN107328781A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107941808A (zh) * 2017-11-10 2018-04-20 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
CN109325930A (zh) * 2018-09-12 2019-02-12 苏州优纳科技有限公司 边界缺陷的检测方法、装置及检测设备
CN109342455A (zh) * 2018-09-18 2019-02-15 广东工业大学 一种基于视觉的塑料管大面积缺陷检测装置及其检测方法
CN110308151A (zh) * 2019-07-22 2019-10-08 重庆大学 一种基于机器视觉的金属工件表面缺陷识别方法及装置
CN111505014A (zh) * 2020-06-04 2020-08-07 嘉兴宁嘉智能科技有限公司 一种纺织丝辊毛丝瑕疵检测方法
CN111915607A (zh) * 2020-08-31 2020-11-10 佛山市南海区广工大数控装备协同创新研究院 一种基于机器视觉的金属膜电阻表面条带缺陷检测方法
CN113899749A (zh) * 2020-06-22 2022-01-07 东华大学 剥丝打结检测装置以及剥丝打结检测方法
CN115690034A (zh) * 2022-10-27 2023-02-03 佛山读图科技有限公司 一种基于图像提取算法的西林瓶检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103063684A (zh) * 2012-12-20 2013-04-24 西安石油大学 一种管道内壁全景图显示与缺陷定位方法
CN102636490B (zh) * 2012-04-12 2014-01-15 江南大学 基于机器视觉的轴承防尘盖表面缺陷检测方法
CN204718967U (zh) * 2015-06-11 2015-10-21 龚厚志 一种化纤纸管外观检测过程中图像精确处理系统
CN105115988A (zh) * 2015-07-02 2015-12-02 上海齐宏检测技术有限公司 环面检测装置及方法
CN106383130A (zh) * 2016-10-25 2017-02-08 广东技术师范学院 一种基于机器视觉的短钢管表面缺陷检测装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102636490B (zh) * 2012-04-12 2014-01-15 江南大学 基于机器视觉的轴承防尘盖表面缺陷检测方法
CN103063684A (zh) * 2012-12-20 2013-04-24 西安石油大学 一种管道内壁全景图显示与缺陷定位方法
CN204718967U (zh) * 2015-06-11 2015-10-21 龚厚志 一种化纤纸管外观检测过程中图像精确处理系统
CN105115988A (zh) * 2015-07-02 2015-12-02 上海齐宏检测技术有限公司 环面检测装置及方法
CN106383130A (zh) * 2016-10-25 2017-02-08 广东技术师范学院 一种基于机器视觉的短钢管表面缺陷检测装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
苏俊宏等: "圆柱型高精密零件表面缺陷检测及形貌分析", 《激光与光电子学进展》 *
陈智利等: "精密轴承表面疵病检测及图像拼接方法", 《西安工业大学学报》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107941808A (zh) * 2017-11-10 2018-04-20 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
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
CN109325930A (zh) * 2018-09-12 2019-02-12 苏州优纳科技有限公司 边界缺陷的检测方法、装置及检测设备
CN109342455A (zh) * 2018-09-18 2019-02-15 广东工业大学 一种基于视觉的塑料管大面积缺陷检测装置及其检测方法
CN110308151A (zh) * 2019-07-22 2019-10-08 重庆大学 一种基于机器视觉的金属工件表面缺陷识别方法及装置
CN111505014A (zh) * 2020-06-04 2020-08-07 嘉兴宁嘉智能科技有限公司 一种纺织丝辊毛丝瑕疵检测方法
CN113899749A (zh) * 2020-06-22 2022-01-07 东华大学 剥丝打结检测装置以及剥丝打结检测方法
CN111915607A (zh) * 2020-08-31 2020-11-10 佛山市南海区广工大数控装备协同创新研究院 一种基于机器视觉的金属膜电阻表面条带缺陷检测方法
CN115690034A (zh) * 2022-10-27 2023-02-03 佛山读图科技有限公司 一种基于图像提取算法的西林瓶检测方法

Similar Documents

Publication Publication Date Title
CN107328781A (zh) 一种基于机器视觉的柱状产品表面缺陷检测方法及装置
CN103090804B (zh) 成品磁环图像自动检测系统及检测方法
Priyadumkol et al. Crack detection on unwashed eggs using image processing
CN110403232B (zh) 一种基于二级算法的烟支质量检测方法
GB2569751A (en) Static infrared thermal image processing-based underground pipe leakage detection method
CN103454285A (zh) 基于机器视觉的传动链条质量检测系统
CN107966454A (zh) 一种基于fpga的端塞缺陷检测装置及检测方法
Liu et al. Automatic detection technology of surface defects on plastic products based on machine vision
CN105388162A (zh) 基于机器视觉的原料硅片表面划痕检测方法
Ali et al. A cascading fuzzy logic with image processing algorithm–based defect detection for automatic visual inspection of industrial cylindrical object’s surface
CN103868935A (zh) 基于计算机视觉的烟支外观质量检测方法
CN111652098A (zh) 产品表面缺陷检测方法及装置
CN104483320A (zh) 工业脱硝催化剂的数字化缺陷检测装置与检测方法
CN104792794A (zh) 基于机器视觉的光学薄膜表面缺陷检测方法
CN210071686U (zh) 基于正交双目机器视觉的水果分级装置
CN110554052A (zh) 一种人造板表面缺陷检测方法及其系统
CN112419261B (zh) 具有异常点去除功能的视觉采集方法及装置
Fu et al. Research on image-based detection and recognition technologies for cracks on rail surface
CN112950541A (zh) 一种基于机器视觉的合成革涂胶在线监测方法
CN113916127A (zh) 一种气门导管成品外观视觉检测系统及检测方法
CN210775265U (zh) 一种人造板表面缺陷检测系统
Zhang et al. A PCB photoelectric image edge information detection method
CN113570587A (zh) 一种基于计算机视觉的光伏电池断栅检测方法及系统
CN106501278B (zh) 基于旋转不变纹理特征的灯管表面瑕疵分类方法及系统
CN203069148U (zh) 一种成品磁环图像自动检测系统

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171107