CN108956639B

CN108956639B - 管件检测方法和管件检测装置

Info

Publication number: CN108956639B
Application number: CN201810605212.0A
Authority: CN
Inventors: 薛瑞; 胡正
Original assignee: Guangdong Midea Intelligent Technologies Co Ltd
Current assignee: Guangdong Midea Intelligent Technologies Co Ltd
Priority date: 2018-06-13
Filing date: 2018-06-13
Publication date: 2021-10-01
Anticipated expiration: 2038-06-13
Also published as: CN108956639A

Abstract

本发明提供了一种管件检测方法和管件检测装置，其中，管件检测方法，包括：获取所有管件的图像；确定图像中每个管件的边缘；根据每个管件的边缘分别确定每个管件所对应的检测区域；确定检测区域的灰度图中灰度值小于灰度阈值的像素点的数量；若像素点的数量大于预设数量，则判断检测区域所对应的管件为标记管。本发明提供的管件检测方法，实现了对于管件的自动检测，并且在检测过程中无需人工设置检测型号或检测区域，能够自动识别管件和定位检测区域并判断出哪些管件为标记管，极大地提升了对于管件的检测效率，进而进一步地提高了后续对于管件的加工效率。

Description

管件检测方法和管件检测装置

技术领域

本发明涉及自动化检测技术领域，具体而言，涉及一种管件检测方法和管件检测装置。

背景技术

现有的铜管加工装置(如短U管加工机)在检测喷墨的铜管时都需要预先人工设置铜管的检测型号，并且还需要在对应的软件上手动画出检测区域，由此使得铜管的检测自动化程度低下且效率也较低，极大地限制了生产效率。另外在现有装置的打光条件下所生成的图形也无法清晰地表现出铜管有喷墨与无喷墨之间的区别，使得检测的速度和准确度都无法保证。

发明内容

为了解决上述技术问题至少之一，本发明的第一方面的实施例提出了一种管件检测方法。

本发明的第二方面实施例，还提出了一种管件检测装置。

有鉴于此，根据本发明的第一方面的实施例，本发明提出了一种管件检测方法，包括：获取所有管件的图像；确定图像中每个管件的边缘；根据每个管件的边缘分别确定每个管件所对应的检测区域；确定检测区域的灰度图中灰度值小于灰度阈值的像素点的数量；若像素点的数量大于预设数量，则判断检测区域所对应的管件为标记管。

本发明提供的管件检测方法，首先根据管件的图像确定各个管件的边缘位置，并由边缘位置自动确定对应于各个管件的检测区域，之后再根据检测区域内灰度值小于灰度阈值的像素点的数量判断该检测区域内的着色情况，进而由此判断出该检测区域所对应的管件是否标记管。通过上述的管件检测方法，实现了对于管件(如铜管)的自动检测，并且在检测过程中无需人工设置检测型号或检测区域，能够自动识别管件和定位检测区域并判断出哪些管件为标记管(如喷墨的铜管)，极大地提升了对于管件的检测效率，进而进一步地提高了后续对于管件的加工效率。另外，在检测区域的灰度图中可有效且清晰地展示出管件的标记(喷墨)情况，以便于工作人员的查看。

另外，本发明提供的上述实施例中的管件检测方法还可以具有如下附加技术特征：

在上述技术方案中，优选地，还包括：根据图像中管件的边缘的数量确定管件的数量。

在该技术方案中，可根据图像中管件的边缘的数量确定管件的数量，一般地，每两个相邻的边缘即可确定一个管件，并且同时还可以由各个边缘确定各个管件的位置分布，以便于定位检测到的标记管。

在上述任一技术方案中，优选地，确定图像内每个管件的边缘具体包括以下步骤：根据索贝尔算子处理图像以确定图像内每个管件的边缘。

在该技术方案中，在确定图像内每个管件的边缘时可优先选择索贝尔算子算法处理图像进行确定，通过索贝尔算子算法可优化对于管件边缘的检测。

在上述任一技术方案中，优选地，灰度值的取值范围为0至255，灰度值为0的像素点为黑色，灰度值为255的像素点为白色，灰度阈值大于50且小于128，预设数量大于灰度图中所有像素点的总数的十分之一。

在该技术方案中，在检测区域的灰度图中像素点的灰度值的取值范围为0至255，灰度值为0的像素点为黑色，灰度值为255的像素点为白色，灰度值越小则像素点越暗，反之灰度值越大则像素点越亮，若检测区域的灰度图中灰度值小于灰度阈值的像素点的数量大于预设数量，则可判断检测区域内有标记(如喷墨)，进而可判断出该检测区域所对应的管件为标记管(如喷墨的铜管)。其中，灰度阈值的取值范围可为50至128，灰度阈值越大则使得检测过程越敏感；同时预设数量大于灰度图中所有像素点的总数的十分之一，预设数量越小则使得检测过程越敏感，另外预设数量也可以直接设定为一个固定值。

本发明第二方面的实施例提供了一种管件检测装置，包括：存储可执行指令的存储器；配置为获取图像的成像装置；至少一个处理器，配置为执行可执行指令以：获取所有管件的图像；和确定图像中每个管件的边缘；和根据每个管件的边缘分别确定每个管件所对应的检测区域；和确定检测区域的灰度图中灰度值小于灰度阈值的像素点的数量；和若像素点的数量大于预设数量，则判断检测区域所对应的管件为标记管。

本发明提供的管件检测装置，通过至少一个处理器执行存储器内存储的可执行指令以完成对于标记管的检测，具体地，首先根据管件的图像确定各个管件的边缘位置，并由边缘位置自动确定对应于各个管件的检测区域，之后再根据检测区域内灰度值小于灰度阈值的像素点的数量判断该检测区域内的着色情况，进而由此判断出该检测区域所对应的管件是否标记管。处理器通过执行上述的可执行指令，实现了对于管件(如铜管)的自动检测，并且在检测过程中无需人工设置检测型号或检测区域，能够自动识别管件和定位检测区域并判断出哪些管件为标记管(如喷墨的铜管)，极大地提升了对于管件的检测效率，进而进一步地提高了后续对于管件的加工效率。另外，在检测区域的灰度图中可有效且清晰地展示出管件的标记(喷墨)情况，以便于工作人员的查看。

另外，本发明提供的上述实施例中的管件检测装置还可以具有如下附加技术特征：

在上述技术方案中，优选地，至少一个处理器还配置为执行可执行指令以执行以下步骤：根据图像中管件的边缘的数量确定管件的数量。

在该技术方案中，处理器执行指令时还可根据图像中管件的边缘的数量确定管件的数量，一般地，每两个相邻的边缘即可确定一个管件，并且同时还可以有各个边缘确定各个管件的位置分布，以便于定位检测到的标记管。

在上述任一技术方案中，优选地，至少一个处理器还配置为执行可执行指令以具体执行以下步骤：根据索贝尔算子处理图像以确定图像内每个管件的边缘。

在该技术方案中，处理器执行指令时，具体在确定图像内每个管件的边缘时可优先选择索贝尔算子算法处理图像进行确定，通过索贝尔算子算法可优化对于管件边缘的检测。

在上述任一技术方案中，优选地，还包括：基座；支架，设置在基座上；固定架，设置在基座上；背景板，设置在固定架上；成像装置包括：光源体、相机和镜头，光源体与支架相连接，镜头与相机相连接，相机与支架相连接，管件位于背景板与光源体之间，镜头朝向管件以获取管件的图像。

在该技术方案中，管件检测装置还包括基座、支架、固定架和背景板，而成像装置具体包括光源体、相机和镜头，光源体作为光源向管件发光，之后通过相机和镜头朝向管件和背景板获取管件的图像，以便于处理器获取和处理相机所获取到的图像，实现对于管件的检测和判断。

在上述任一技术方案中，优选地，光源体为半球形，光源体位于管件的上方且光源体的开口朝向管件，开口与管件之间的距离小于2cm，光源体开设有通孔，镜头伸入通孔以获取管件的图像，镜头伸入通孔的距离小于2cm。

在该技术方案中，光源体优选为半球形且其开口朝向管件，同时开口与管件之间的距离保持在2cm之内以保证对于管件的打光效果，镜头和相机可通过设置在光源体上的通孔伸入到光源体内以获取管件的图像，通过上述的结构可使得所获取到的管件图像更加清晰，以便于后续的图像处理和对于管件的检测和判断。其中，光源体发出的光可优选为红色或黄色，背景板的颜色则可优选为白色。

本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明一种实施例的管件检测方法的流程示意图；

图2是本发明另一种实施例的管件检测方法的流程示意图；

图3是本发明一种实施例的管件检测装置的示意框图；

图4是本发明一种实施例的管件检测装置的结构示意图；

图5是本发明另一种实施例的管件检测装置的爆炸图；

图6是图5所示结构在另一视角的爆炸图；

图7是图5所示结构在另一视角的爆炸图；

图8是图5所示结构在另一视角的爆炸图；

图9是图5所示结构在另一视角的爆炸图；

图10是本发明一种实施例的管件检测装置的显示界面。

其中，图4至图9中附图标记与部件名称之间的对应关系为：

402支架，404底座，406固定板，408肋板，410第一固定模块，412连接板，414调节模块，416第二固定模块，422固定架，424背景板，432光源体，434相机，436镜头，502管件。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

下面参照图1至图10描述根据本发明一些实施例所述的管件检测方法和管件检测装置。

如图1所示，本发明提供了一种管件检测方法，包括以下步骤：

S102：获取所有管件的图像；

S104：确定图像中每个管件的边缘；

S106：根据每个管件的边缘分别确定每个管件所对应的检测区域；

S108：确定检测区域的灰度图中灰度值小于灰度阈值的像素点的数量；

S110：若像素点的数量大于预设数量，则判断检测区域所对应的管件为标记管。

在本发明的一个实施例中，优选地，还包括：根据图像中管件的边缘的数量确定管件的数量。

在该实施例中，可根据图像中管件的边缘的数量确定管件的数量，一般地，每两个相邻的边缘即可确定一个管件，并且同时还可以有各个边缘确定各个管件的位置分布，以便于定位检测到的标记管。另外，还可以根据管件的边缘的形状判断管件是否变形，例如边缘基本为直线则说明管件正常，若边缘呈曲线形状则说明管件变形。

在本发明的一个实施例中，优选地，确定图像内每个管件的边缘具体包括以下步骤：根据索贝尔算子处理图像以确定图像内每个管件的边缘。

在该实施例中，在确定图像内每个管件的边缘时可优先选择索贝尔算子算法处理图像进行确定，通过索贝尔算子算法可优化对于管件边缘的检测。

具体地，获取图像后，可通过sobel(索贝尔)边缘检测算法提取铜管(管件)边缘，通过提取到的边缘个数算出铜管个数，并且在提取的边缘对内定位铜管的检测区域来做进一步喷墨铜管的检测。其中，Sobel算子是像素图像边缘检测中最重要的算子之一，在机器学习、数字媒体、计算机视觉等信息科技领域起着举足轻重的作用。在技术上，它是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子，将会产生该点对应的梯度矢量或是其法矢量。该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像，其公式如下：

图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。

可用以下公式计算梯度方向。

在以上例子中，如果以上的角度Θ等于零，即代表图像该处拥有纵向边缘，左方较右方暗。

在边缘检测中，常用的一种模板是Sobel算子。Sobel算子有两个，一个是检测水平边缘的；另一个是检测垂直边缘的。与Prewitt算子相比，Sobel算子对于像素的位置的影响做了加权，可以降低边缘模糊程度，因此效果更好。

Sobel算子另一种形式是各向同性Sobel(Isotropic Sobel)算子，也有两个，一个是检测水平边缘的，另一个是检测垂直边缘的。各向同性Sobel算子和普通Sobel算子相比，它的位置加权系数更为准确，在检测不同方向的边沿时梯度的幅度一致。将Sobel算子矩阵中的所有2改为根号2，就能得到各向同性Sobel的矩阵。

由于Sobel算子是滤波算子的形式，用于提取边缘，可以利用快速卷积函数，简单有效，因此应用广泛。美中不足的是，Sobel算子并没有将图像的主体与背景严格地区分开来，换言之就是Sobel算子没有基于图像灰度进行处理，由于Sobel算子没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。

在本发明的一个实施例中，优选地，灰度值的取值范围为0至255，灰度值为0的像素点为黑色，灰度值为255的像素点为白色，灰度阈值大于50且小于128，预设数量大于灰度图中所有像素点的总数的十分之一。

在该实施例中，在检测区域的灰度图中像素点的灰度值的取值范围为0至255，灰度值为0的像素点为黑色，灰度值为255的像素点为白色，灰度值越小则像素点越暗，反之灰度值越大则像素点越亮，若检测区域的灰度图中灰度值小于灰度阈值的像素点的数量大于预设数量，则可判断检测区域内有标记(如喷墨)，进而可判断出该检测区域所对应的管件为标记管(如喷墨的铜管)。其中，灰度阈值的取值范围可为50至128，灰度阈值越大则使得检测过程越敏感；同时预设数量大于灰度图中所有像素点的总数的十分之一，预设数量越小则使得检测过程越敏感，另外预设数量也可以直接设定为一个固定值。

简单地说，上述的方法就是在数出铜管个数及定位出铜管检测区域后，在铜管检测区域内通过对图像的二值化来检测是否有喷墨管。

图像的二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。

一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化。

例如，上述的灰度阈值是70，在定位出铜管检测区域的灰度图中(灰度图，又称灰阶图，把白色与黑色之间按对数关系分为若干等级，称为灰度，灰度分为256阶，0阶为黑色，越靠近0越暗，255阶为白色，越靠近255越亮)如果灰度阈值小于70的像素个数大于1万个，则判断此检测区域内存在喷墨的铜管。在观测一幅图像的时候，我们往往首先注意的是图像与背景不同的部分，正是这个部分将主体突出显示，基于该理论，本发明给出了上述的阈值化轮廓提取算法，该算法已在数学上证明当像素点满足正态分布时所求解是最优的。

如图2所示，本发明提供了一种管件检测方法，包括以下步骤：

S202：装置开机，检测系统自动启动并获取图像；

S204：对图像应用sobel算法提取铜管边缘；

S206：计算边缘对个数来确定铜管个数并根据边缘定位铜管的检测区域；

S208：在铜管检测区域内通过二值化来确定阈值小于70的像素个数，若大于1万个则判断为有喷墨的铜管；

S210：显示检测结果。

本发明提供的管件检测方法，可实现自动化检测铜管的目的，并且可向用户展示检测结果。具体地，展示的效果图如图10所示，图10中从上至下的5个白色区域显示的就是铜管的轮廓，其中由上至下的第三个铜管上出现了许多深色的像素点，则可由此判断第三个铜管为喷墨的铜管。

如图3所示，本发明提供了一种管件检测装置3，包括：存储可执行指令的存储器302；配置为获取图像的成像装置304；至少一个处理器306，配置为执行可执行指令以：获取所有管件的图像；和确定图像中每个管件的边缘；和根据每个管件的边缘分别确定每个管件所对应的检测区域；和确定检测区域的灰度图中灰度值小于灰度阈值的像素点的数量；和若像素点的数量大于预设数量，则判断检测区域所对应的管件为标记管。

本发明提供的管件检测装置3，通过至少一个处理器306执行存储器302内存储的可执行指令以完成对于标记管的检测，具体地，首先根据管件的图像确定各个管件的边缘位置，并由边缘位置自动确定对应于各个管件的检测区域，之后再根据检测区域内灰度值小于灰度阈值的像素点的数量判断该检测区域内的着色情况，进而由此判断出该检测区域所对应的管件是否标记管。处理器306通过执行上述的可执行指令，实现了对于管件(如铜管)的自动检测，并且在检测过程中无需人工设置检测型号或检测区域，能够自动识别管件和定位检测区域并判断出哪些管件为标记管(如喷墨的铜管)，极大地提升了对于管件的检测效率，进而进一步地提高了后续对于管件的加工效率。另外，在检测区域的灰度图中可有效且清晰地展示出管件的标记(喷墨)情况，以便于工作人员的查看。

在本发明的一个实施例中，优选地，如图3所示，至少一个处理器306还配置为执行可执行指令以执行以下步骤：根据图像中管件的边缘的数量确定管件的数量。

在该实施例中，处理器306执行指令时还可根据图像中管件的边缘的数量确定管件的数量，一般地，每两个相邻的边缘即可确定一个管件，并且同时还可以有各个边缘确定各个管件的位置分布，以便于定位检测到的标记管。

在本发明的一个实施例中，优选地，如图3所示，至少一个处理器306还配置为执行可执行指令以具体执行以下步骤：根据索贝尔算子处理图像以确定图像内每个管件的边缘。

在该实施例中，处理器306执行指令时，具体在确定图像内每个管件的边缘时可优先选择索贝尔算子算法处理图像进行确定，通过索贝尔算子算法可优化对于管件边缘的检测。

在本发明的一个实施例中，优选地，如图4至图9所示，还包括：基座；支架402，设置在基座上；固定架422，设置在基座上；背景板424，设置在固定架422上；成像装置包括：光源体432、相机434和镜头436，光源体432与支架402相连接，镜头436与相机434相连接，相机434与支架402相连接，管件502位于背景板424与光源体432之间，镜头436朝向管件502以获取管件502的图像。

在该实施例中，管件检测装置还包括基座、支架402、固定架422和背景板424，而成像装置具体包括光源体432、相机434和镜头436，光源体432作为光源向管件502发光，之后通过相机434和镜头436朝向管件502和背景板424获取管件502的图像，以便于处理器获取和处理相机434所获取到的图像，实现对于管件502的检测和判断。

具体地，支架402包括底座404、固定板406、肋板408、第一固定模块410、连接板412、调节模块414和第二固定模块416，其中的调节模块414可用于调节相机434和镜头436的高度。

在本发明的一个实施例中，优选地，如图4至图9所示，光源体432为半球形，光源体432位于管件502的上方且光源体432的开口朝向管件502，开口与管件502之间的距离小于2cm，光源体432开设有通孔，镜头436伸入通孔以获取管件502的图像，镜头436伸入通孔的距离小于2cm。

在该实施例中，光源体432优选为半球形且其开口朝向管件502，同时开口与管件502之间的距离保持在2cm之内以保证对于管件502的打光效果，镜头436和相机434可通过设置在光源体432上的通孔伸入到光源体432内以获取管件502的图像，通过上述的结构可使得所获取到的管件502图像更加清晰，以便于后续的图像处理和对于管件502的检测和判断。其中，光源体432发出的光可优选为红色或黄色，背景板424的颜色则可优选为白色。

本发明所提供的管件检测装置，方便产线操作人员操作，只需开启装置及其软件即可，无需任何设置就可及时将有缺陷的铜管检测出，避免不良品流入下一个工位。

在本发明中，术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；“相连”可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种管件检测方法，其特征在于，包括：

通过成像装置获取所有管件的图像；

确定所述图像中每个所述管件的边缘；

根据所述每个所述管件的边缘分别确定每个所述管件所对应的检测区域；

确定所述检测区域的灰度图中灰度值小于灰度阈值的像素点的数量；

若所述像素点的数量大于预设数量，则判断所述检测区域所对应的所述管件为喷墨管；

所述灰度值的取值范围为0至255，所述灰度阈值大于50且小于128，所述预设数量大于所述灰度图中所有所述像素点的总数的十分之一，

其中，所述成像装置包括：光源体、相机和镜头，所述镜头与所述相机相连接，所述光源体位于所述管件的上方且所述光源体的开口朝向所述管件，所述光源体开设有通孔，所述镜头伸入所述通孔以获取所述管件的图像。

2.根据权利要求1所述的管件检测方法，其特征在于，还包括：

根据所述图像中所述管件的边缘的数量确定所述管件的数量。

3.根据权利要求1所述的管件检测方法，其特征在于，所述确定所述图像内每个所述管件的边缘具体包括以下步骤：

根据索贝尔算子处理所述图像以确定所述图像内每个所述管件的边缘。

4.根据权利要求1至3中任一项所述的管件检测方法，其特征在于

所述灰度值为0的所述像素点为黑色，所述灰度值为255的所述像素点为白色。

5.一种管件检测装置，其特征在于，包括：

存储可执行指令的存储器；

配置为获取图像的成像装置；

至少一个处理器，配置为执行所述可执行指令以：

获取所有管件的图像；和

确定所述图像中每个所述管件的边缘；和

根据所述每个所述管件的边缘分别确定每个所述管件所对应的检测区域；和

确定所述检测区域的灰度图中灰度值小于灰度阈值的像素点的数量；和

所述灰度值的取值范围为0至255，所述灰度阈值大于50且小于128，所述预设数量大于所述灰度图中所有所述像素点的总数的十分之一；

所述成像装置包括：光源体、相机和镜头，所述镜头与所述相机相连接，所述光源体位于所述管件的上方且所述光源体的开口朝向所述管件，所述光源体开设有通孔，所述镜头伸入所述通孔以获取所述管件的图像。

6.根据权利要求5所述的管件检测装置，其特征在于，所述至少一个处理器还配置为执行所述可执行指令以执行以下步骤：

7.根据权利要求5所述的管件检测装置，其特征在于，所述至少一个处理器还配置为执行所述可执行指令以具体执行以下步骤：

8.根据权利要求5至7中任一项所述的管件检测装置，其特征在于，

9.根据权利要求5至7中任一项所述的管件检测装置，其特征在于，还包括：

基座；

支架，设置在所述基座上；

固定架，设置在所述基座上；

背景板，设置在所述固定架上；

所述成像装置还包括：所述光源体与所述支架相连接，所述相机与所述支架相连接，所述管件位于所述背景板与所述光源体之间，所述镜头朝向所述管件以获取所述管件的图像。

10.根据权利要求9所述的管件检测装置，其特征在于，

所述光源体为半球形，所述开口与所述管件之间的距离小于2cm，所述镜头伸入所述通孔的距离小于2cm。