CN109115800B - 一种产品毛刺的快速检测及长度精确测量方法 - Google Patents

一种产品毛刺的快速检测及长度精确测量方法 Download PDF

Info

Publication number
CN109115800B
CN109115800B CN201810949825.6A CN201810949825A CN109115800B CN 109115800 B CN109115800 B CN 109115800B CN 201810949825 A CN201810949825 A CN 201810949825A CN 109115800 B CN109115800 B CN 109115800B
Authority
CN
China
Prior art keywords
curve
burr
point
product
burrs
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
CN201810949825.6A
Other languages
English (en)
Other versions
CN109115800A (zh
Inventor
甄明辉
武亚飞
李亚辉
张永鹏
肖尚
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.)
Shenzhen Jieenshi Intelligent Technology Co ltd
Original Assignee
Shenzhen Jieenshi Intelligent 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 Shenzhen Jieenshi Intelligent Technology Co ltd filed Critical Shenzhen Jieenshi Intelligent Technology Co ltd
Priority to CN201810949825.6A priority Critical patent/CN109115800B/zh
Publication of CN109115800A publication Critical patent/CN109115800A/zh
Application granted granted Critical
Publication of CN109115800B publication Critical patent/CN109115800B/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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
    • 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
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness

Abstract

本发明公开了一种产品毛刺的快速检测及长度精确测量方法，以图像灰度变化和产品图形轮廓为依托，检测产品表面的毛刺并对毛刺进行分析、精确测量处理，所有处理均在毫秒级完成。本发明以解决现有的毛刺检测的准确性和精确测量值计算过程较为复杂的技术问题，采用毛刺的骨架欧式长度代表毛刺长度，比传统利用毛刺区域的外接矩形的宽度、高度、对角线长度等信息代表毛刺长度更符合实际，测量精度更高。

Description

一种产品毛刺的快速检测及长度精确测量方法
技术领域
本发明涉及机器视觉检测及测量领域，特别涉及一种产品毛刺的快速检测及长度精确测量方法。
背景技术
在工业自动化生产中，要生产各种各样形状的产品，一般采用切割、冲压、模切等生产工艺。无论采用何种生产工艺，生产过程中都无法避免产品上出现各种各样的瑕疵，例如：裂痕、毛刺等。每一种瑕疵对产品的使用都会产生影响，例如：裂痕对产品坚固产生严重影响；毛刺加重产品使用过程中的摩擦，对产品寿命产生影响。产品上同一类的瑕疵在不同的行业，造成的影响程度也不同。例如：锂电电池生产过程中，由于冲切刀具的问题，极片在分切中极易在极片的边缘产生毛刺，正负极片的毛刺严重影响电池的安全性能，如果出现毛刺超标情况，容易引起后续电池内部短路，进而造成电池起火爆炸等安全事故。
传统的毛刺检测方法有很多种，大体上分为两种：人工检测和机器视觉检测。无论上述哪种检测方式都不能对各种各样的毛刺长度进行精确的测量。传统的毛刺检测方式对比如下：
Figure BDA0001771208230000011
Figure BDA0001771208230000021
人工检测方式：存在检测员工劳动强度大、检测稳定性差、检测速度慢不能生产线上实时检测等不足，而且品质要求高的产品，人眼无法直接进行检测。
机器视觉检测方式：现有的检测算法一般采用通用边界提取算法进行查找边界(例如：Canny算法，Sobel算法)，传统的边界提取算法需要传入经验值，该值的好与坏直接影响边界提取效果。另外，传统的边界提取算法对所有边界点点进行提取，产生大量的无效点，过多的无效点严重影响毛刺检测精度。
以上两种方式都无法实现对毛刺的长度精确测量。人工测量需要借助二次测量仪器进行分段测量；现有的机器视觉测量采用计算毛刺的外接矩形，大部分的毛刺都是弯曲的，外接矩形的长度或者宽度与毛刺的真是长度存在较大误差。
发明内容
本发明所要解决的技术问题是提供一种毛刺的检测及长度精确测量方法，该方法以图像灰度变化和产品图形轮廓为依托，检测产品表面是否存在毛刺，并对毛刺进行分析、精确测量等处理，所有处理均在毫秒级完成。本发明以解决现有的毛刺检测的准确性和精确测量值计算过程较为复杂的技术问题。
本发明是通过以下技术方案来实现的：一种产品毛刺的快速检测及长度精确测量方法，以图像灰度变化和产品图形轮廓为依托，检测产品表面的毛刺并对毛刺进行分析、精确测量处理，具体步骤如下：
第一步、通过工业面阵相机或者工业线阵相机采集样本图像；
第二步、根据产品理论曲线公式，根据曲线法线的计算公式，求曲线上面每一个点的法线直线：
第三步、计算点的法线直线上灰度梯度值，并查找灰度梯度值最大及其位置；其灰度梯度值计算如下：
当前点坐标为(xn,yn)，
Figure BDA0001771208230000031
为图像中点的灰度值，其灰度梯度值计算公式：
Figure BDA0001771208230000032
其中点坐标(xn-1,yn-1)或(xn+1,yn+1)计算方式如下：
当-1≤k≤1时
Figure BDA0001771208230000033
或
Figure BDA0001771208230000034
当k＞1或-1＞k时
Figure BDA0001771208230000035
或
Figure BDA0001771208230000036
第四步、不断采用最小二乘法拟合曲线、计算点到曲线的距离以及距离大于指定阈值为异常点并剔除，直到所有点都满足要求；
第五步、计算第三步所计算出来所有点到曲线的距离，扫描所有距离并查找大于毛刺阈值的所有毛刺区域；
第六步、分别对查找到的毛刺区域进行二值化处理，提取图像的前景和背景；
第七步、对图像的前景进行骨架提取，得到骨架的曲线；
第八步、利用8连通区域分析算法分别对骨架曲线分析，分析相邻点之间的关系，根据相邻点不同关系计算点与点之间的欧式距离；
第九步、分别对每个毛刺区域进行欧式距离求和，该和值即为毛刺的长度。
作为优选的技术方案，步骤二中，过曲线上点(x0,y0)的法线计算方式：曲线模型为直线(y＝k0x)其点法线直线方程为：
Figure BDA0001771208230000041
曲线模型为圆((x-xc)2+(y-yc)2＝r2)其点法线直线方程为
Figure BDA0001771208230000042
法线为垂直的时候其法线直线方程为x＝x0。
本发明的有益效果是：相较于现有技术，本发明的图像处理方式不采用传统边缘提取算法，而是采用在曲线上点法线直线查找边缘，可以有效排除大量的无效的边缘点；
同时，采用亚像素边缘提取算法进一步提高边缘点的提取精度；多次剔除异常点的最小二乘法拟合，不断剔除边缘点集中毛刺数据，保证最终参与拟合边缘点集都是真实边缘点，进一步保证拟合曲线的符合理论区域；
采用毛刺的骨架欧式长度代表毛刺长度，比传统利用毛刺区域的外接矩形的宽度、高度、对角线长度等信息代表毛刺长度更符合实际，测量精度更高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的工作流程图；
图2是典型曲线的点法线的示意图。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
如图1所示，基于产品图形轮廓理论曲线，依次计算曲线上面每一个点的法线直线，查找直线上灰阶变化最大的坐标(即初步产品边缘点)，再在边缘点进行亚像素分析，使边缘点更近真实边缘点；
根据所述的产品边缘点集，经过多次剔除异常点的最小二乘法进行曲线拟合，使拟合出来的曲线更符合理论值；
根据所述产品边缘点和拟合出来的曲线，计算出所有边缘点到曲线的距离并扫面其距离找到大于距离阈值的区域。
根据所述的区域进行骨架提取算法，以骨架曲线长度代表毛刺的长度；
根据所述的骨架曲线进行连通域分析(八连通)，从骨架曲线的一段到另一端的所有点的相关关系。然后，将相邻点按照点与点之间的欧式距离进行累加(即为毛刺的长度)。
具体步骤如下：
第一步，通过工业面阵相机或者工业线阵相机采集样本图像；
第二步，根据产品理论曲线公式，根据曲线法线的计算公式，求曲线上面每一个点的法线直线；(如图2典型曲线的点法线)；
过曲线上点(x0,y0)的法线计算方式：(以曲线模型为直线和圆进行计算推导)；
曲线模型为直线(y＝k0x)其点法线直线方程为：
Figure BDA0001771208230000061
曲线模型为圆((x-xc)2+(y-yc)2＝r2)其点法线直线方程为
Figure BDA0001771208230000062
备注：法线为垂直的时候其法线直线方程为x＝x0；
第三步，计算点的法线直线上灰度梯度值，并查找灰度梯度值最大及其位置；
其灰度梯度值计算如下(为推导公式简化其法线直线方程归一为y＝kx+b)：
当前点坐标为(xn,yn)，
Figure BDA0001771208230000063
为图像中点的灰度值，其灰度梯度值计算公式：
Figure BDA0001771208230000064
其中点坐标(xn-1，yn-1)或(xn+1,yn+1)计算方式如下：
当-1≤k≤1时
Figure BDA0001771208230000066
或
Figure BDA0001771208230000067
当k＞1或-1＞k时
Figure BDA0001771208230000068
或
Figure BDA0001771208230000069
第四步，不断采用最小二乘法拟合曲线、计算点到曲线的距离以及距离大于指定阈值为异常点并剔除，直到所有点都满足要求；
第五步，计算第三步所计算出来所有点到曲线的距离，扫描所有距离并查找大于毛刺阈值的所有毛刺区域；
第六步，分别对查找到的毛刺区域进行二值化处理，提取图像的前景和背景；
第七步，对图像的前景进行骨架提取，得到骨架的曲线；
第八步，利用8连通区域分析算法分别对骨架曲线分析，分析相邻点之间的关系(八连通或者四连通)，根据相邻点不同关系计算点与点之间的欧式距离；例如：
8 1 2
7 0 3
6 5 4
标号为0的是当前点；标号1、3、5、7与标号0为四连通关系；标号2、4、6、8与标号0为八连通关系。
其距离计算公式为：
标号1和5到标号0的距离：D1＝y
标号3和7到标号0的距离：D2＝x
标号2、4、6、8到标号0的距离：
Figure BDA0001771208230000071
其中：y为图像垂直方向上的分辨率(单位：mm/pixel)
X为图像水平方向上的分辨率(单位：mm/pixel)
第九步，分别对每个毛刺区域进行欧式距离求和(即为毛刺的长度)。
本发明的有益效果是：相较于现有技术，本发明的图像处理方式不采用传统边缘提取算法，而是采用在曲线上点法线直线查找边缘，可以有效排除大量的无效的边缘点；
同时，采用亚像素边缘提取算法进一步提高边缘点的提取精度；多次剔除异常点的最小二乘法拟合，不断剔除边缘点集中毛刺数据，保证最终参与拟合边缘点集都是真实边缘点，进一步保证拟合曲线的符合理论区域；
采用毛刺的骨架欧式长度代表毛刺长度，比传统利用毛刺区域的外接矩形的宽度、高度、对角线长度等信息代表毛刺长度更符合实际，测量精度更高。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书所限定的保护范围为准。

Claims (2)

1.一种产品毛刺的快速检测及长度精确测量方法，其特征在于，以图像灰度变化和产品图形轮廓为依托，检测产品表面的毛刺并对毛刺进行分析、精确测量处理，具体步骤如下：
第一步、通过工业面阵相机或者工业线阵相机采集样本图像；
第二步、根据产品理论曲线公式，根据曲线法线的计算公式，求曲线上面每一个点的法线直线，法线直线方程为y＝kx+b，其中，k为直线斜率，b为常量；
第三步、计算点的法线直线上灰度梯度值，并查找灰度梯度值最大及其位置；其灰度梯度值计算如下：
当前点坐标为(xn,yn)，
Figure FDA0003513218780000011
为图像中点的灰度值，其灰度梯度值计算公式：
Figure FDA0003513218780000012
其中点坐标(xn-1,yn-1)、(xn+1,yn+1)计算方式如下：
当-1≤k≤1时
Figure FDA0003513218780000013
当k＞1、-1＞k时
Figure FDA0003513218780000014
第四步、不断采用最小二乘法拟合曲线、计算点到曲线的距离以及距离大于指定阈值为异常点并剔除，直到所有点都满足要求；
第五步、计算第三步所计算出来所有点到曲线的距离，扫描所有距离并查找大于毛刺阈值的所有毛刺区域；
第六步、分别对查找到的毛刺区域进行二值化处理，提取图像的前景和背景；
第七步、对图像的前景进行骨架提取，得到骨架的曲线；
第八步、利用8连通区域分析算法分别对骨架曲线分析，分析相邻点之间的关系，根据相邻点不同关系计算点与点之间的欧式距离；
第九步、分别对每个毛刺区域进行欧式距离求和，该和值即为毛刺的长度。
2.如权利要求1所述的产品毛刺的快速检测及长度精确测量方法，其特征在于：步骤二中，过曲线上点(x0,y0)的法线计算方式：曲线模型为直线y＝k0x时，其点法线直线方程为：
Figure FDA0003513218780000021
曲线模型为圆(x-xc)2+(y-yc)2＝r2，点法线直线方程为
Figure FDA0003513218780000022
法线为垂直的时候，法线直线方程为x＝x0。
CN201810949825.6A 2018-08-20 2018-08-20 一种产品毛刺的快速检测及长度精确测量方法 Active CN109115800B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810949825.6A CN109115800B (zh) 2018-08-20 2018-08-20 一种产品毛刺的快速检测及长度精确测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810949825.6A CN109115800B (zh) 2018-08-20 2018-08-20 一种产品毛刺的快速检测及长度精确测量方法

Publications (2)

Publication Number Publication Date
CN109115800A CN109115800A (zh) 2019-01-01
CN109115800B true CN109115800B (zh) 2022-04-12

Family

ID=64851914

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810949825.6A Active CN109115800B (zh) 2018-08-20 2018-08-20 一种产品毛刺的快速检测及长度精确测量方法

Country Status (1)

Country Link
CN (1) CN109115800B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110057294B (zh) * 2019-03-26 2020-12-22 天津大学 光镊系统微粒轴向纳米级位移测量方法
CN110930376A (zh) * 2019-11-13 2020-03-27 上海交通大学 基于机器视觉的对焊点毛刺的检测方法及系统
CN112697068A (zh) * 2020-12-11 2021-04-23 中国计量大学 一种管状水准泡气泡长度测量方法
CN112858329A (zh) * 2020-12-31 2021-05-28 慈溪迅蕾轴承有限公司 一种轴承异型环的影像检测方法
CN113284143B (zh) * 2021-07-20 2021-10-29 江苏中科云控智能工业装备有限公司 基于图像数据处理的压铸件去毛刺精度检测系统
CN115122691A (zh) * 2022-06-29 2022-09-30 江阴旺达商务贴有限公司 塑料传送带体制造系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS631957A (ja) * 1986-06-23 1988-01-06 Matsushita Electric Works Ltd 穴あけ品質検査装置
JPH10255056A (ja) * 1997-03-07 1998-09-25 Toshiba Eng Co Ltd 円形体の欠陥検査方法
CN105548208A (zh) * 2016-02-05 2016-05-04 湖北工业大学 一种基于机器视觉的陶瓷阀芯表面缺陷检测方法
CN107345916A (zh) * 2017-07-25 2017-11-14 深圳市杰恩世智能科技有限公司 一种基于固定轮廓的平面外观检测方法
CN107462587A (zh) * 2017-08-31 2017-12-12 华南理工大学 一种柔性ic基板凹凸痕缺陷的精密视觉检测系统及方法
CN207020097U (zh) * 2017-05-17 2018-02-16 司索智能工程（上海）有限公司 一种通孔微小毛刺视觉检测装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS631957A (ja) * 1986-06-23 1988-01-06 Matsushita Electric Works Ltd 穴あけ品質検査装置
JPH10255056A (ja) * 1997-03-07 1998-09-25 Toshiba Eng Co Ltd 円形体の欠陥検査方法
CN105548208A (zh) * 2016-02-05 2016-05-04 湖北工业大学 一种基于机器视觉的陶瓷阀芯表面缺陷检测方法
CN207020097U (zh) * 2017-05-17 2018-02-16 司索智能工程（上海）有限公司 一种通孔微小毛刺视觉检测装置
CN107345916A (zh) * 2017-07-25 2017-11-14 深圳市杰恩世智能科技有限公司 一种基于固定轮廓的平面外观检测方法
CN107462587A (zh) * 2017-08-31 2017-12-12 华南理工大学 一种柔性ic基板凹凸痕缺陷的精密视觉检测系统及方法

Also Published As

Publication number Publication date
CN109115800A (zh) 2019-01-01

Similar Documents

Publication Publication Date Title
CN109115800B (zh) 一种产品毛刺的快速检测及长度精确测量方法
CN109141232B (zh) 一种基于机器视觉的盘类铸件在线检测方法
CN105067638B (zh) 基于机器视觉的轮胎胎膜表面字符缺陷检测方法
US11551341B2 (en) Method and device for automatically drawing structural cracks and precisely measuring widths thereof
CN108918526B (zh) 一种柔性ic封装基板线路的缺口缺陷检测方法
CN104101600B (zh) 连铸坯断面微小裂纹检测方法
CN109900711A (zh) 基于机器视觉的工件缺陷检测方法
CN103267764B (zh) 基于邻域信息评估的热轧钢板表面缺陷图像识别方法
CN116645367B (zh) 一种高端制造用的钢板切割质量检测方法
CN103292701A (zh) 基于机器视觉的精密器件在线尺寸测量方法
CN103207987A (zh) 一种指针式仪表的示数识别方法
CN110530278B (zh) 利用多线结构光测量间隙面差的方法
CN114972356B (zh) 塑料制品表面缺陷检测识别方法及系统
CN115311629B (zh) 一种折弯机的异常折弯精度监测系统
CN116563279B (zh) 基于计算机视觉的量测开关检测方法
CN102129685B (zh) 一种基于高斯金字塔分解的不规则圆检测方法
CN110211178B (zh) 一种利用投影计算的指针式仪表识别方法
CN105184792B (zh) 一种圆锯片磨损量在线测量方法
CN115345876B (zh) 一种基于超声图像的螺栓螺纹缺陷检测方法
CN113030123B (zh) 一种基于物联网的aoi检测反馈系统
CN115719332A (zh) 一种焊接质量检测方法
CN112508913A (zh) 基于图像检测的电缆截面边沿检测方法
CN104036514A (zh) 一种基于直方图峰值搜索的圆检测方法
CN113393447B (zh) 基于深度学习的针尖正位度检测方法及系统
CN114972204A (zh) 一种钢制品表面裂纹检测方法及设备

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