CN108596909A - 空心圆柱工件表面缺陷检测系统及方法 - Google Patents
空心圆柱工件表面缺陷检测系统及方法 Download PDFInfo
- Publication number
- CN108596909A CN108596909A CN201810467449.7A CN201810467449A CN108596909A CN 108596909 A CN108596909 A CN 108596909A CN 201810467449 A CN201810467449 A CN 201810467449A CN 108596909 A CN108596909 A CN 108596909A
- Authority
- CN
- China
- Prior art keywords
- image
- hollow cylinder
- internal periphery
- pixel
- workpiece
- 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
Links
Classifications
-
- 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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于视觉机器人技术领域,提供了一种空心圆柱体工件表面缺陷检测系统及方法,该方法包括:对采集的空心圆柱工件端面图像进行预处理,预处理包括:自适应图像裁处理、光照补偿处理、及图像平滑处理;针对处理后的图像进行表面缺陷检测、内轮廓缺陷检测及外轮廓缺陷检测,其中,表面缺陷缺陷是指表面掉漆,内轮廓缺陷包括:内轮廓不圆及内轮廓毛刺,外轮廓缺陷是指外轮廓破损;显示空心圆柱工件存在的缺陷。本发明提供的空心圆柱工件表面缺陷检测系统及方法可以快速的对空心圆柱工件表面的缺陷进行识别,不仅能识别是否存在缺陷,还能精准的检测表面缺陷的类型,包括表面掉漆、内轮廓不圆、内轮廓毛刺、或外轮廓损坏。
Description
技术领域
本发明属于视觉机器人技术领域,提供了一种空心圆柱工件表面检测系统及方法。
背景技术
空心圆柱工件在轧制、加工过程中会产生不同类型的缺陷,这些缺陷不仅影响了产品的美观性,而且会导致应力集中,机械性能变差等问题,使得产品的精度、耐磨性、密封性、抗疲劳强度等性能指标大幅降低,例如刹车油管墩头在制造过程中,需要对刹车油管进行镦头加工,以改善其头部强度、密封性等性能。传统的质量检测方法是采用离线检测的方式,将生产出的产品置于高倍相机下拍成照片,再经人工目测来判断刹车油管镦头端面质量的好坏。这种方法的检测速度较慢,无法检测出精确的参数信息,同时,当检测人员肉眼疲劳时,误检率较高。传统检测方法的缺陷大大降低了生产线工艺调整的及时性和有效性,不利于企业生产效率的提高。
发明内容
本发明实施例提供了种空心圆柱工件表面检测系统及方法,旨在解决传统空心圆柱工件质量检测方法存在检测速度较慢,且误检率较高的问题。
本发明是这样实现的,一种基于空心圆柱工件表面缺陷检测系统,该系统包括:
设于工件台上的传送带,设于传送带正上方的CCD摄像机,及设于传送带侧边的红外传感器,与CCD摄像机及红外传感器通讯连接的工控机;
传送带用于传送待检测的空心圆柱工件,待检测的空心圆柱工件竖直放置于传送带,红外传感在待拍摄位置检测到空心圆柱工件时,向工控机发送存在指令,工控机基于存在指令控制CCD摄像机拍摄待检测工件的端面图像,并将采集到的待测工件端面图像发送至工控机进行表面缺陷识别。
本发明是这样实现的,一种基于空心圆柱工件表面缺陷检测方法,所述方法包括如下步骤:
S1、对采集的空心圆柱工件端面图像进行预处理,预处理包括:自适应图像裁剪、光照补偿、及图像平滑处理;
S2、针对处理后的图像进行表面缺陷检测、内轮廓缺陷检测及外轮廓缺陷检测,其中,表面缺陷缺陷是指表面掉漆,内轮廓缺陷包括:内轮廓不圆及内轮廓毛刺,外轮廓缺陷是指外轮廓破损;
S3、显示空心圆柱工件存在的缺陷。
进一步的,表面掉漆的检测方法具体包括如下步骤:
S11、将预处理后的图像转换到HSV颜色空间,获取喷漆的HSV分量区间;
S12、基于HSV分量区间对图像中的各像素点进行标识,标识为掉漆及未掉漆;
S13、基于连通域标记算法提取掉漆区域,若掉漆区域面积大于设定阈值,则判定为存在表面缺陷。
进一步的,其特征在于,内轮廓圆度的检测方法包括如下步骤:
S21、对预处理后的图像基于局部阈值进行分割,获取二值化图像;
S22、提取各连通区域标的包围线,将最小长度的包围线定义为内轮廓;
S23、基于内轮廓的包围面积及内轮廓的周长来计算圆度e,若圆度e小于圆度阈值,则判定为圆度不圆。
进一步的,内轮廓毛刺检测方法包括如下步骤:
S31、基于探测圆逼近算法来确定内轮廓探测圆的圆心及半径;
S32、在内轮廓圆周上等分设置n个节点;
S33、内轮廓探测圆圆心到节点的长度与内轮廓探测圆的半径之差即为毛刺长度;
S34、若毛刺长度大于长度阈值,则判定在该结点处存在毛刺。
进一步的,外轮廓破损的检测方法包括如下步骤:
S41、对预处理后的图像采用全局sobel边缘检测算子提取边缘区域,得到二值化图像;
S42、提取各连通区域的包围线,将最大长度的包围线定义为外轮廓;
S43、采用最小二乘圆拟合外轮廓边缘,获取外轮廓拟合圆的圆心和半径;
S44、计算拟合圆曲线与最大长度包围线的径向偏差,若径向偏差大于偏差阈值,则判定为外轮廓破损。
进一步的,所述光照补偿处理方法具体包括如下步骤:
S11、去除初始灰度图像中的背景,获取无背景的工件灰度图像;
S12、计算无背景工件灰度图像的水平方向亮度矫正图像A和垂直方向亮度矫正图像B;
S13、基于水平方向亮度矫正图像A和垂直方向亮度矫正图像B来获取矫正图像。
进一步的,所述步骤S12具体包括如下步骤:
S121、对无背景工件灰度图像中每个像素进行按行、按列分别进行迭代加权最小二乘法多项式的回归计算,分别获得水平方向迭代回归图像S及垂直方向迭代回归图像V;
S122、将无背景的工件灰度图像分别除以水平方向迭代回归图像和垂直方向迭代回归图像,获得水平方向亮度矫正图像A和垂直方向亮度矫正图像B。
进一步的,所述水平方向迭代回归图像S的获取方法具体包括如下步骤:
S1211、逐行扫描无背景工件灰度图像,统计当前行Ri灰度值大于0的像素点个数;
S1212、若个数大于等于3,则将灰度值大于0像素点的列号及灰度值写入行向量
F(nl)=k2·nl 2+k1·nl+k0+e (1)
其中,nl是行向量中像素点Il所在列号,l的取值为1,2,…,m,m为行向量中像素点的个数,F(nl)是像素点Il的灰度值计算值,k2为二次项系数,k1为一次项系数,k0为常数,e是行残差,其取值为0;
S1214、将像素点Il的列号代入公式(1),将灰度值计算值F(nl)代替原灰度值作为像素点Il的灰度值。
所述垂直方向迭代回归图像V的获取方法具体包括如下步骤:
S1215、逐列扫描无背景工件灰度图像,统计当前列Li灰度值大于0的像素点个数;
S1216、若个数大于等于3,则将灰度值大于0像素点的行号及灰度值写入列向量
S1217、对行向量进行迭代加权最小二乘计算,得到下式:
F(ms)=k2·ms 2+k1·ms+k0+e (2)
其中,ms是行向量中像素点Is所在行号,s的取值为1,2,…,n,n为行向量中像素点的个数,F(ms)是像素点Is的灰度值计算值,k2为二次项系数,k1为一次项系数,k0为常数,e是行残差,其取值为0;
S1218、将像素点Is的行号代入公式(2),将灰度值计算值F(ms)代替原灰度值作为像素点Is的灰度值。
进一步的,所述空心圆柱工件为刹车油管墩头。
本发明提供的空心圆柱工件表面缺陷检测系统及方法可以快速的对空心圆柱工件表面的缺陷进行识别,不仅能识别是否存在缺陷,还能精准的检测表面缺陷的类型,包括表面掉漆、内轮廓不圆、内轮廓毛刺、或外轮廓损坏。
附图说明
图1为本发明实施例提供的空心圆柱工件表面缺陷检测系统的结构示意图;
图2为本发明实施例提供的空心圆柱工件表面缺陷检测方法流程图;
图3为本发明实施例提供的基于连通域标记算法的掉漆区域提取方法流程图;
图4为本发明实施例提供的基于探测圆逼近算法的内轮廓探测圆的圆心及半径获取方法流程图;
图5为本发明实施例提供的采用最下二乘法进行光照补偿处理后的工件端面图像;
图6为本发明实施例提供的采用迭代加权最小二乘法进行光照补充处理后的工件端面图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为本发明实施例提供的空心圆柱工件表面缺陷检测系统的结构示意图,为了便于说明,仅示出与本发明实施例相关的部分。
该系统包括:
设于工件台上的传送带,设于传送带正上方的CCD摄像机,及设于传送带侧边的红外传感器,与CCD摄像机及红外传感器通讯连接的工控机;
传送带用于传送待检测的空心圆柱工件,待检测的空心圆柱工件竖直放置于传送带,红外传感在待拍摄位置检测到空心圆柱工件时,向工控机发送存在指令,工控机基于存在指令控制CCD摄像机拍摄待检测工件的端面图像,并将采集到的待测工件端面图像发送至工控机进行缺陷识别。
图2为本发明实施例提供的空心圆柱工件表面缺陷检测方法流程图,该方法包括:
S1、对采集的空心圆柱工件的端面图像进行预处理,预处理包括:自适应图像裁剪处理、光照补偿处理、及图像平滑处理;
在本发明实施例中,光照补偿处理具体包括如下步骤:
S11、去除初始灰度图像中的背景,获取无背景的工件灰度图像;
在本发明实施例中,图像背景的去除方法具体如下:
S111、将初始灰度图像分割成目标工件及背景,对目标工件及背景进行二值化处理,得到二值化工件图像,用灰度值0标识背景,用灰度值225标识目标工件,该初始灰度图像是指经自适应剪裁后的空心圆柱端面图像;
S112、将二值化工件图像中各像素点的灰度值与初始灰度图像中对应像素点的灰度值进行相乘,即获取无背景的工件灰度图像,简称为无背景工件灰度图像。
S12、计算无背景工件灰度图像的水平方向亮度矫正图像A和垂直方向亮度矫正图像B;
在发明实施例中,步骤S12具体包括如下步骤:
S121、对无背景工件灰度图像中每个像素进行按行、按列分别进行迭代加权最小二乘法多项式的回归计算,分别获得水平方向迭代回归图像S及垂直方向迭代回归图像V;
S122、将无背景的工件灰度图像分别除以水平方向迭代回归图像和垂直方向迭代回归图像,获得水平方向亮度矫正图像A和垂直方向亮度矫正图像B,即A=O/S,B=O/V,O为无背景工件灰度图像。
在本发明实施例中,水平方向迭代回归图像S的获取方法具体包括如下步骤:
S1211、逐行扫描无背景工件灰度图像,统计当前行Ri灰度值大于0的像素点个数;
S1212、若个数大于等于3,则将灰度值大于0像素点的列号及灰度值写入行向量
F(nl)=k2·nl 2+k1·nl+k0+e (1)
其中,nl是行向量中像素点Il所在列号,l的取值为1,2,…,m,m为行向量中像素点的个数,F(nl)是像素点Il的灰度值计算值,k2为二次项系数,k1为一次项系数,k0为常数,e是行残差,其取值为0;
S1214、将像素点Il的列号代入公式(1),将灰度值计算值F(nl)代替原灰度值作为像素点Il的灰度值。
在本发明实施例中,垂直方向迭代回归图像V的获取方法具体包括如下步骤:
S1215、逐列扫描无背景工件灰度图像,统计当前列Li灰度值大于0的像素点个数;
S1216、若个数大于等于3,则将灰度值大于0像素点的行号及灰度值写入列向量
S1217、对行向量进行迭代加权最小二乘计算,得到下式:
F(ms)=k2·ms 2+k1·ms+k0+e (2)
其中,ms是行向量中像素点Is所在行号,s的取值为1,2,…,n,n为行向量中像素点的个数,F(ms)是像素点Is的灰度值计算值,k2为二次项系数,k1为一次项系数,k0为常数,e是行残差,其取值为0;
S1218、将像素点Is的行号代入公式(2),将灰度值计算值F(ms)代替原灰度值作为像素点Is的灰度值。
S13、基于水平方向亮度矫正图像A和垂直方向亮度矫正图像B来获取矫正图像。
在本发明实施例中,矫正图像像素点的灰度值计算公式具体如下:
pic=0.5*A+0.5*B (3)
其中,Ipic为矫正图像,A为水平方向亮度矫正图像,B为垂直方向亮度矫正图像。
本发明提供的光照补偿方法具有如下有益技术效果:
现有采用最小二乘方法进行光照补偿,提升了图像的平滑性,但容易受到噪声偏离影响,对中部高频白噪声处理效果较差,且图像整体灰度偏低,对1200*1600图像进行处理,平均耗时157ms,图5为采用最下二乘法进行光照补偿处理后的工件端面图像,本发明采用迭代加权最小二乘法进行补偿后,图像的整体对比度、缺陷的纹理特征显著提升,并且对于高频白噪声有一定的抑制效果,算法对1200*1600图像进行处理,平均耗时仅为115ms,图6为采用迭代加权最小二乘法进行光照补充处理后的工件端面图像,此外,提升了缺陷区域与非缺陷区域的对比度,方便后续对缺陷进行阈值提取。
S2、针对处理后的图像进行表面缺陷检测、内轮廓缺陷检测及外轮廓缺陷检测,其中,表面缺陷缺陷是指表面掉漆,内轮廓缺陷包括:内轮廓不圆及内轮廓毛刺,外轮廓缺陷是指外轮廓破损;
S3、显示空心圆柱工件存在的缺陷。
在本发明实施例中,表面掉漆的检测方法具体包括如下步骤:
S11、将预处理后的图像转换到HSV颜色空间,获取喷漆的HSV分量区间,包括:H分量区间、S分量区间、及V分量区间,其中,H为色调,S为饱和度,V为明度;
S12、基于HSV分量区间对图像中的各像素点进行标识,标识为掉漆及未掉漆,即将颜色分量位于HSV分量区间的像素点标识为255,即为未掉漆的像素点,将颜色分量不位于HSV分量区间的像素点标识为0,即为掉漆像素点;
S13、基于连通域标记算法提取掉漆区域,若掉漆区域面积大于设定阈值,则判定为存在表面缺陷。
在本发明实施例中,基于连通域标记算法的掉漆区域提取方法见附图3,该方法具体如下:
逐行逐团检测像素点Iij中是否存在掉漆标识,若像素点Iij存在,则赋予像素点Iij连通标号cn,其中,n表示为第n个独立的掉漆区域,即从像素点I11检测到像素点Iij时,已存在n个独立、不连通的掉漆区域,其中,I11表示第1行第1团对应的像素点,Iij表示第i行第j团对应的像素点,该掉漆区域可以由一个标识为掉漆的像素点组成,或多个标识为掉漆,且连通的像素点组成;
以像素点Iij为中心,检测位于相邻区域的像素点中是否存在连通标号,如存在,则以最小的连通标号来标识相邻区域中的掉漆像素,这里的相邻区域是指以像素点Iij为中心形成的3*3矩阵。
相同连通标号像素点形成区域即为掉漆区域。
在本发明实施例中,内轮廓圆度的检测方法包括如下步骤:
S21、对预处理后的图像基于局部阈值进行分割,获取二值化图像,这里的局部阈值是指针对内轮廓区域提取的阈值,称为局部阈值;
S22、提取各连通区域标的包围线,将最小长度的包围线定义为内轮廓;
S23、基于内轮廓的包围面积及内轮廓的周长来计算圆度e,若圆度e小于圆度阈值,则判定为圆度不圆,若圆度e大于等于圆度阈值,则判定为圆度合格;在本发明实施例中,圆度阈值设为0.9,内轮廓的圆度大于等于0.9,则认定内轮廓的圆度合格,内轮廓的圆度小于0.9,则认定内轮廓的圆度不合格。
本发明实施例中,内轮廓毛刺检测方法包括如下步骤:
S31、基于探测圆逼近算法来确定内轮廓探测圆的圆心及半径;
内轮廓探测圆的圆心及半径获取流程具体如图4所示。
S32、在内轮廓圆周上等分设置n个节点,在本发明实施例中,n的取值越大,所有结点连成的轨迹就越接近内轮廓,在本发明实施例中,n的取值为360;
S33、内轮廓探测圆圆心到节点的长度与内轮廓探测圆的半径之差即为毛刺长度;
S34、若毛刺长度大于长度阈值,则判定在该结点处存在毛刺,否则,判定为合格。
在本发明实施例中,外轮廓破损的检测方法包括如下步骤:
S41、对预处理后的图像采用全局sobel边缘检测算子提取边缘区域,得到二值化图像;
S42、提取各连通区域的包围线,将最大长度的包围线定义为外轮廓;
S43、采用最小二乘圆拟合外轮廓边缘,获取外轮廓拟合圆的圆心和半径;最小二乘圆拟合方法是根据外轮廓上所有点的位置信息,以最小化目标函数和原始数据的累计误差为目标,计算外轮廓拟合圆的圆心和半径。
S44、计算拟合圆曲线与最大长度包围线的径向偏差,若径向偏差大于偏差阈值,则判定为外轮廓破损,否则,判定为外轮廓合格。
在本发明实施例中,上述空心圆柱工件可以为刹车油管墩头、套筒管件、圆环垫片、圆柱销表面、模具冲头。
本发明提供的空心圆柱工件表面缺陷检测系统及方法可以快速的对空心圆柱工件表面的缺陷进行识别,不仅能识别是否存在缺陷,还能精准的检测表面缺陷的类型,包括表面掉漆、内轮廓不圆、内轮廓毛刺、或外轮廓损坏。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种空心圆柱工件表面缺陷检测系统,其特征在于,所述系统包括:
设于工件台上的传送带,设于传送带正上方的CCD摄像机,及设于传送带侧边的红外传感器,与CCD摄像机及红外传感器通讯连接的工控机;
传送带用于传送待检测的空心圆柱工件,待检测的空心圆柱工件竖直放置于传送带,红外传感在待拍摄位置检测到空心圆柱工件时,向工控机发送存在指令,工控机基于存在指令控制CCD摄像机拍摄待检测工件的端面图像,并将采集到的待测工件端面图像发送至工控机进行表面缺陷识别。
2.一种基于空心圆柱工件表面缺陷检测方法,其特征在于,所述方法包括如下步骤:
S1、对采集的空心圆柱工件端面图像进行预处理,预处理包括:自适应图像裁处理、光照补偿处理、及图像平滑处理;
S2、针对处理后的图像进行表面缺陷检测、内轮廓缺陷检测及外轮廓缺陷检测,其中,表面缺陷缺陷是指表面掉漆,内轮廓缺陷包括:内轮廓不圆及内轮廓毛刺,外轮廓缺陷是指外轮廓破损;
S3、显示空心圆柱工件存在的缺陷。
3.如权利要求2所述基于空心圆柱工件表面缺陷检测方法,其特征在于,表面掉漆的检测方法具体包括如下步骤:
S11、将预处理后的图像转换到HSV颜色空间,获取喷漆的HSV分量区间;
S12、基于HSV分量区间对图像中的各像素点进行标识,标识为掉漆及未掉漆;
S13、基于连通域标记算法提取掉漆区域,若掉漆区域面积大于设定阈值,则判定为存在表面缺陷。
4.如权利要求2所述基于空心圆柱工件表面缺陷检测方法,其特征在于,内轮廓圆度的检测方法包括如下步骤:
S21、对预处理后的图像基于局部阈值进行分割,获取二值化图像;
S22、提取各连通区域标的包围线,将最小长度的包围线定义为内轮廓;
S23、基于内轮廓的包围面积及内轮廓的周长来计算圆度e,若圆度e小于圆度阈值,则判定为圆度不圆。
5.如权利要求4所述基于空心圆柱工件表面缺陷检测方法,其特征在于,内轮廓毛刺检测方法包括如下步骤:
S31、基于探测圆逼近算法来确定内轮廓探测圆的圆心及半径;
S32、在内轮廓圆周上等分设置n个节点;
S33、内轮廓探测圆圆心到节点的长度与内轮廓探测圆的半径之差即为毛刺长度;
S34、若毛刺长度大于长度阈值,则判定在该结点处存在毛刺。
6.如权利要求2所述基于空心圆柱工件表面缺陷检测方法,其特征在于,外轮廓破损的检测方法包括如下步骤:
S41、对预处理后的图像采用全局sobel边缘检测算子提取边缘区域,得到二值化图像;
S42、提取各连通区域的包围线,将最大长度的包围线定义为外轮廓;
S43、采用最小二乘圆拟合外轮廓边缘,获取外轮廓拟合圆的圆心和半径;
S44、计算拟合圆曲线与最大长度包围线的径向偏差,若径向偏差大于偏差阈值,则判定为外轮廓破损。
7.如权利要求要求2所述基于空心圆柱工件表面缺陷检测方法,其特征在于,所述光照补偿处理方法具体包括如下步骤:
S11、去除初始灰度图像中的背景,获取无背景的工件灰度图像;
S12、计算无背景工件灰度图像的水平方向亮度矫正图像A和垂直方向亮度矫正图像B;
S13、基于水平方向亮度矫正图像A和垂直方向亮度矫正图像B来获取矫正图像。
8.如权利要求要求7所述基于空心圆柱工件表面缺陷检测方法,其特征在于,所述步骤S12具体包括如下步骤:
S121、对无背景工件灰度图像中每个像素进行按行、按列分别进行迭代加权最小二乘法多项式的回归计算,分别获得水平方向迭代回归图像S及垂直方向迭代回归图像V;
S122、将无背景的工件灰度图像分别除以水平方向迭代回归图像和垂直方向迭代回归图像,获得水平方向亮度矫正图像A和垂直方向亮度矫正图像B。
9.如权利要求要求8所述基于空心圆柱工件表面缺陷检测方法,其特征在于,所述水平方向迭代回归图像S的获取方法具体包括如下步骤:
S1211、逐行扫描无背景工件灰度图像,统计当前行Ri灰度值大于0的像素点个数;
S1212、若个数大于等于3,则将灰度值大于0像素点的列号及灰度值写入行向量
F(nl)=k2·nl 2+k1·nl+k0+e (1)
其中,nl是行向量中像素点Il所在列号,l的取值为1,2,…,m,m为行向量中像素点的个数,F(nl)是像素点Il的灰度值计算值,k2为二次项系数,k1为一次项系数,k0为常数,e是行残差,其取值为0;
S1214、将像素点Il的列号代入公式(1),将灰度值计算值F(nl)代替原灰度值作为像素点Il的灰度值。
所述垂直方向迭代回归图像V的获取方法具体包括如下步骤:
S1215、逐列扫描无背景工件灰度图像,统计当前列Li灰度值大于0的像素点个数;
S1216、若个数大于等于3,则将灰度值大于0像素点的行号及灰度值写入列向量
S1217、对行向量进行迭代加权最小二乘计算,得到下式:
F(ms)=k2·ms 2+k1·ms+k0+e (2)
其中,ms是行向量中像素点Is所在行号,s的取值为1,2,…,n,n为行向量中像素点的个数,F(ms)是像素点Is的灰度值计算值,k2为二次项系数,k1为一次项系数,k0为常数,e是行残差,其取值为0;
S1218、将像素点Is的行号代入公式(2),将灰度值计算值F(ms)代替原灰度值作为像素点Is的灰度值。
10.如权利要求2至9任一权利要求所述基于空心圆柱工件表面缺陷检测方法,其特征在于,所述空心圆柱工件为刹车油管墩头、套筒管件、圆环垫片、圆柱销表面、模具冲头。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810467449.7A CN108596909A (zh) | 2018-05-09 | 2018-05-09 | 空心圆柱工件表面缺陷检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810467449.7A CN108596909A (zh) | 2018-05-09 | 2018-05-09 | 空心圆柱工件表面缺陷检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108596909A true CN108596909A (zh) | 2018-09-28 |
Family
ID=63631313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810467449.7A Pending CN108596909A (zh) | 2018-05-09 | 2018-05-09 | 空心圆柱工件表面缺陷检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108596909A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109461149A (zh) * | 2018-10-31 | 2019-03-12 | 泰州市创新电子有限公司 | 喷漆表面缺陷的智能检测系统及方法 |
CN109671075A (zh) * | 2018-12-21 | 2019-04-23 | 广州视源电子科技股份有限公司 | 缺陷检测方法、装置、设备和存储介质 |
CN109870193A (zh) * | 2018-12-19 | 2019-06-11 | 华中科技大学 | 一种用于空调冷凝管管口故障识别的视觉检测系统及方法 |
CN111141758A (zh) * | 2019-12-27 | 2020-05-12 | 江苏南高智能装备创新中心有限公司 | 一种内圆柱表面缺陷检测方法 |
CN112132160A (zh) * | 2020-09-07 | 2020-12-25 | 桂林电子科技大学 | 破损零件的修复方法、设备和计算机可读存储介质 |
CN115082466A (zh) * | 2022-08-22 | 2022-09-20 | 江苏庆慈机械制造有限公司 | 一种pcb表面焊点缺陷检测方法及系统 |
CN115880280A (zh) * | 2023-02-01 | 2023-03-31 | 山东建筑大学鉴定检测中心有限公司 | 一种钢结构焊缝质量的检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499590A (zh) * | 2013-10-17 | 2014-01-08 | 福州大学 | 环形零件端面缺损检测及筛选方法及系统 |
CN103639599A (zh) * | 2013-12-20 | 2014-03-19 | 深圳市大族激光科技股份有限公司 | 一种激光去毛刺系统及方法 |
CN105046700A (zh) * | 2015-07-09 | 2015-11-11 | 北京农业智能装备技术研究中心 | 基于亮度校正与颜色分类的水果表面缺陷检测方法及系统 |
CN106124511A (zh) * | 2016-05-24 | 2016-11-16 | 浙江大学 | 一种基于自适应亮度回归矫正的水果表面缺陷检测方法 |
CN106204614A (zh) * | 2016-07-21 | 2016-12-07 | 湘潭大学 | 一种基于机器视觉的工件外观缺陷检测方法 |
CN106780526A (zh) * | 2016-11-21 | 2017-05-31 | 浙江工业大学 | 一种铁氧体圆片表面裂痕识别方法 |
CN107843600A (zh) * | 2017-10-31 | 2018-03-27 | 河北工业大学 | 一种多晶硅太阳能电池片外观手印缺陷检测的方法 |
-
2018
- 2018-05-09 CN CN201810467449.7A patent/CN108596909A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499590A (zh) * | 2013-10-17 | 2014-01-08 | 福州大学 | 环形零件端面缺损检测及筛选方法及系统 |
CN103639599A (zh) * | 2013-12-20 | 2014-03-19 | 深圳市大族激光科技股份有限公司 | 一种激光去毛刺系统及方法 |
CN105046700A (zh) * | 2015-07-09 | 2015-11-11 | 北京农业智能装备技术研究中心 | 基于亮度校正与颜色分类的水果表面缺陷检测方法及系统 |
CN106124511A (zh) * | 2016-05-24 | 2016-11-16 | 浙江大学 | 一种基于自适应亮度回归矫正的水果表面缺陷检测方法 |
CN106204614A (zh) * | 2016-07-21 | 2016-12-07 | 湘潭大学 | 一种基于机器视觉的工件外观缺陷检测方法 |
CN106780526A (zh) * | 2016-11-21 | 2017-05-31 | 浙江工业大学 | 一种铁氧体圆片表面裂痕识别方法 |
CN107843600A (zh) * | 2017-10-31 | 2018-03-27 | 河北工业大学 | 一种多晶硅太阳能电池片外观手印缺陷检测的方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109461149A (zh) * | 2018-10-31 | 2019-03-12 | 泰州市创新电子有限公司 | 喷漆表面缺陷的智能检测系统及方法 |
CN109870193A (zh) * | 2018-12-19 | 2019-06-11 | 华中科技大学 | 一种用于空调冷凝管管口故障识别的视觉检测系统及方法 |
CN109870193B (zh) * | 2018-12-19 | 2020-10-30 | 华中科技大学 | 一种用于空调冷凝管管口故障识别的视觉检测系统及方法 |
CN109671075A (zh) * | 2018-12-21 | 2019-04-23 | 广州视源电子科技股份有限公司 | 缺陷检测方法、装置、设备和存储介质 |
CN111141758A (zh) * | 2019-12-27 | 2020-05-12 | 江苏南高智能装备创新中心有限公司 | 一种内圆柱表面缺陷检测方法 |
CN112132160A (zh) * | 2020-09-07 | 2020-12-25 | 桂林电子科技大学 | 破损零件的修复方法、设备和计算机可读存储介质 |
CN112132160B (zh) * | 2020-09-07 | 2024-03-01 | 桂林电子科技大学 | 破损零件的修复方法、设备和计算机可读存储介质 |
CN115082466A (zh) * | 2022-08-22 | 2022-09-20 | 江苏庆慈机械制造有限公司 | 一种pcb表面焊点缺陷检测方法及系统 |
CN115082466B (zh) * | 2022-08-22 | 2023-09-01 | 倍利得电子科技(深圳)有限公司 | 一种pcb表面焊点缺陷检测方法及系统 |
CN115880280A (zh) * | 2023-02-01 | 2023-03-31 | 山东建筑大学鉴定检测中心有限公司 | 一种钢结构焊缝质量的检测方法 |
CN115880280B (zh) * | 2023-02-01 | 2023-05-09 | 山东建筑大学鉴定检测中心有限公司 | 一种钢结构焊缝质量的检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596909A (zh) | 空心圆柱工件表面缺陷检测系统及方法 | |
CN109141232B (zh) | 一种基于机器视觉的盘类铸件在线检测方法 | |
CN110163853B (zh) | 一种边缘缺陷的检测方法 | |
CN112598001B (zh) | 一种基于多模型融合的船舶水尺读数自动识别方法 | |
CN105067638B (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
CN109870461B (zh) | 一种电子元器件质量检测系统 | |
CN109490316A (zh) | 一种基于机器视觉的表面缺陷检测算法 | |
CN111189837B (zh) | 一种烟支外观在线检测方法及其装置 | |
CN115375686B (zh) | 一种基于图像处理的玻璃边缘瑕疵检测方法 | |
CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
CN109752392A (zh) | 一种pcb板缺陷类型检测系统和方法 | |
CN113375566B (zh) | 物体尺寸的精确测量方法及系统 | |
CN107798293A (zh) | 一种道路裂缝检测装置 | |
CN114549441B (zh) | 基于图像处理的吸管缺陷检测方法 | |
CN111539927A (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测过程及算法 | |
CN111968082A (zh) | 一种基于机器视觉的产品包装缺陷检测识别方法 | |
CN114170165A (zh) | 一种芯片表面缺陷检测方法和装置 | |
CN105184792A (zh) | 一种圆锯片磨损量在线测量方法 | |
CN109387524A (zh) | 基于线性偏振光的螺纹缺陷检测方法及装置 | |
CN116539620A (zh) | 一种刀具表面缺陷在机检测方法 | |
CN117269168B (zh) | 一种新能源汽车精密零配件表面缺陷检测装置及检测方法 | |
CN112598720B (zh) | 基于双目拍摄的输送带磨损状态检测方法和系统 | |
CN114155226A (zh) | 一种微小缺陷边缘计算方法 | |
CN113970560A (zh) | 一种基于多传感融合的缺陷三维检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180928 |