CN109727244A - 一种磁瓦表面裂纹检测方法 - Google Patents
一种磁瓦表面裂纹检测方法 Download PDFInfo
- Publication number
- CN109727244A CN109727244A CN201910049249.4A CN201910049249A CN109727244A CN 109727244 A CN109727244 A CN 109727244A CN 201910049249 A CN201910049249 A CN 201910049249A CN 109727244 A CN109727244 A CN 109727244A
- Authority
- CN
- China
- Prior art keywords
- image
- magnetic shoe
- gray value
- region
- detected
- 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.)
- Granted
Links
Landscapes
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明提供了一种磁瓦表面裂纹检测方法,首先采集一系列表面没有缺陷的同一磁瓦的图像作为目标图像,对目标图像进行灰度值平均化处理,得到消除光照影响的模板图像;再对模板图像进行二维快速傅里叶变换后得到滤波器,同时根据裂纹特性建立裂纹区域;获取生产线上待检测磁瓦的待检测图像用滤波器进行滤波处理,对滤波后的待检测图像进行动态阈值分割和连通域分析,在发现某个图像区域符合裂纹区域的特征时,进行裂纹标记或报警,否则继续后续磁瓦的检测。本发明先期建立消除了光照影响的均值滤波器,然后对后续图像进行分析后处理,降低了磁瓦表面纹理对于裂纹检测的干扰,提升了整体算法针对裂纹检测的准确率。
Description
技术领域
本发明涉及机械领域,特别是涉及一种能够减小检测误差提高检测效率的磁瓦表面裂纹检测方法。
背景技术
随着工业自动化的不断普及,需要经常对相应的生产线进行升级改造。在磁瓦的生产线流程中,需要对生产的磁瓦表面缺陷进行检测,磁瓦表面缺陷分为裂纹、崩缺、起级等不同现象,其中裂纹是最难进行自动化检测的一块,目前多是通过人工完成相应的检测步骤。
目前也有自动检测磁瓦表面裂纹检测的方法,一般是通过对直接拍摄的磁瓦图像进行阈值分割,然后将其中近似于裂纹的部分作为缺陷指出。该方法虽然能够检测出一定的裂纹,但是这种直接进行阈值分割的方法,忽略了磁瓦由于前面磨削加工时产生的纹理的影响,这些并不完全相同的纹理特征在阈值分割后,和裂纹特征表现的较为近似,难以直接分割出来,因此降低了裂纹的检测准确率。
发明内容
本发明的目的是要提供一种能够减小检测误差提高检测效率的磁瓦表面裂纹检测方法。
特别地,本发明提供了一种磁瓦表面裂纹检测方法,包括如下步骤:
步骤100,采集一系列表面没有缺陷的同一磁瓦的图像作为目标图像,然后对目标图像进行灰度值平均化处理,得到消除光照影响的模板图像;
步骤200,对模板图像进行二维快速傅里叶变换,得到这些模板图像的频域分布,然后将频域幅值转换到0~1之间并保留相应的相位信息,得到滤波器,根据裂纹特性,将符合一定面积和长宽比的图像区域设定为裂纹区域;
步骤300,获取生产线上待检测磁瓦的待检测图像,依次进行灰度值平均化处理和进行二维快速傅里叶变换,再用滤波器进行滤波处理;
步骤400,对滤波后的待检测图像进行动态阈值分割,对分割后的图像区域进行连通域分析,在发现某个图像区域符合裂纹区域的特征时,进行裂纹标记或报警,否则继续后续磁瓦的检测。
在本发明的一个实施方式中,所述步骤100中,目标图像包括磁瓦的外弧面整体图像或磁瓦内弧面整体图像,且外弧面整体图像或磁瓦内弧面整体图像生成的滤波器分别检测相应的外弧面整体图像或磁瓦内弧面整体图像。
在本发明的一个实施方式中,所述步骤100中,所述对目标图像进行灰度值平均化处理过程为:
遍历目标图像的所有像素点,累加求取所有像素点的灰度值总和,再用灰度值总和除像素点个数,所得结果即为平均灰度值,然后将目标图像中各部分图像的灰度值减去平均灰度值。
在本发明的一个实施方式中,所述步骤400中的动态阈值分割为将待检测图像与滤波后图像差分后实现。
在本发明的一个实施方式中,在连通域分析后某个图像区域的长宽比小于0.5时,则认为当前磁瓦存在裂纹,否则该磁瓦不存在裂纹。
本发明先期建立消除了光照影响的均值滤波器,然后对后续图像进行分析后处理,降低了磁瓦表面纹理对于裂纹检测的干扰,提升了整体算法针对裂纹检测的准确率,可以成功消除由于磨削加工带来的磁瓦表面纹理对于裂纹检测算法的干扰,成功提高了裂纹检测的准确率。
附图说明
图1是本发明一个实施方式的磁瓦表面裂纹检测方法流程示意图。
具体实施方式
如图1所示,本发明一个实施方式公开一种磁瓦表面裂纹检测方法一般性地包括如下步骤:
步骤100,采集一系列表面没有缺陷的同一磁瓦的图像作为目标图像,然后对目标图像进行灰度值平均化处理,得到消除光照影响的模板图像;
磁瓦为弧形状,相对的两面分别为外弧面和内弧面,图像分析需要对两面分别进行,因此这里的目标图像包括磁瓦的外弧面整体图像和磁瓦内弧面整体图像,后面步骤中也是分别针对外弧面整体图像和磁瓦内弧面整体图像生成相应的滤波器,但是在检测时是利用由外弧面整体图像生成的滤波器去检测磁瓦的外弧面,由内弧面整体图像生成的滤波器去检测磁瓦的内弧面。
在具体检测时,是分成两个检测过程,如先检测磁瓦的外弧面,然后再检测磁瓦的内弧面。
其中对目标图像进行灰度值平均化处理过程为:
遍历目标图像的所有像素点,累加求取所有像素点的灰度值总和,再用灰度值总和除像素点个数,所得结果即为平均灰度值,然后将目标图像中各部分图像的灰度值减去平均灰度值,即为灰度值平均化处理。
步骤200,对模板图像进行二维快速傅里叶变换,得到这些模板图像的频域分布,然后将频域幅值转换到0~1之间并保留相应的相位信息,得到滤波器,根据裂纹特性,将符合一定面积和长宽比的图像区域设定为裂纹区域;
其中裂纹区域特征以长宽比特征为例,区分开来的不连通像素区域拟合成长方形并得到其长度、宽度,则可以计算得到区域的长宽比特征,其中长宽比大于0.5的视为裂纹特征,长宽比小于0.5的则不视为裂纹特征。
步骤300,获取生产线上待检测磁瓦的待检测图像,依次进行灰度值平均化处理和进行二维快速傅里叶变换,再用滤波器进行滤波处理;
步骤400,对滤波后的待检测图像进行动态阈值分割,对分割后的图像区域进行连通域分析,在发现某个图像区域符合裂纹区域的特征时,进行裂纹标记或报警,否则继续后续磁瓦的检测。
其中连通域分析具体就指将二值化后的图像按照8连通区域寻找附近的连通像素区域,将不连通的区域区分开来。
本实施方式首先通过空间滤波(如均值滤波、中值滤波、高斯滤波等)的方式对图像进行模糊处理,然后与滤波前的图像相减,就能得到图像中变化较为剧烈的部分,即为裂纹所在的区域。
本发明先期建立消除了光照影响的均值滤波器,然后对后续图像进行分析后处理,降低了磁瓦表面纹理对于裂纹检测的干扰,提升了整体算法针对裂纹检测的准确率,可以成功消除由于磨削加工带来的磁瓦表面纹理对于裂纹检测算法的干扰,成功提高了裂纹检测的准确率。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (5)
1.一种磁瓦表面裂纹检测方法,其特征在于,包括如下步骤:
步骤100,采集一系列表面没有缺陷的同一磁瓦的图像作为目标图像,然后对目标图像进行灰度值平均化处理,得到消除光照影响的模板图像;
步骤200,对模板图像进行二维快速傅里叶变换,得到这些模板图像的频域分布,然后将频域幅值转换到0~1之间并保留相应的相位信息,得到滤波器,根据裂纹特性,将符合一定面积和长宽比的图像区域设定为裂纹区域;
步骤300,获取生产线上待检测磁瓦的待检测图像,依次进行灰度值平均化处理和进行二维快速傅里叶变换,再用滤波器进行滤波处理;
步骤400,对滤波后的待检测图像进行动态阈值分割,对分割后的图像区域进行连通域分析,在发现某个图像区域符合裂纹区域的特征时,进行裂纹标记或报警,否则继续后续磁瓦的检测。
2.根据权利要求1所述的磁瓦表面裂纹检测方法,其特征在于,
所述步骤100中,目标图像包括磁瓦的外弧面整体图像或磁瓦内弧面整体图像,且外弧面整体图像或磁瓦内弧面整体图像生成的滤波器分别检测相应的外弧面整体图像或磁瓦内弧面整体图像。
3.根据权利要求1所述的磁瓦表面裂纹检测方法,其特征在于,
所述步骤100中,所述对目标图像进行灰度值平均化处理过程为:
遍历目标图像的所有像素点,累加求取所有像素点的灰度值总和,再用灰度值总和除像素点个数,所得结果即为平均灰度值,然后将目标图像中各部分图像的灰度值减去平均灰度值。
4.根据权利要求1所述的磁瓦表面裂纹检测方法,其特征在于,
所述步骤400中的动态阈值分割为将待检测图像与滤波后图像差分后实现。
5.根据权利要求1所述的磁瓦表面裂纹检测方法,其特征在于,
在连通域分析后某个图像区域的长宽比小于0.5时,则认为当前磁瓦存在裂纹,否则该磁瓦不存在裂纹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910049249.4A CN109727244B (zh) | 2019-01-18 | 2019-01-18 | 一种磁瓦表面裂纹检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910049249.4A CN109727244B (zh) | 2019-01-18 | 2019-01-18 | 一种磁瓦表面裂纹检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109727244A true CN109727244A (zh) | 2019-05-07 |
CN109727244B CN109727244B (zh) | 2020-12-08 |
Family
ID=66299214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910049249.4A Active CN109727244B (zh) | 2019-01-18 | 2019-01-18 | 一种磁瓦表面裂纹检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109727244B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110296997A (zh) * | 2019-07-03 | 2019-10-01 | 三峡大学 | 基于机器视觉的陶瓷瓦的缺陷检测方法及装置 |
CN110687122A (zh) * | 2019-09-19 | 2020-01-14 | 湖北三江航天万峰科技发展有限公司 | 一种陶瓦表面裂纹检测方法及系统 |
CN110687121A (zh) * | 2019-09-19 | 2020-01-14 | 湖北三江航天万峰科技发展有限公司 | 一种陶瓦智能在线检测与自动分级方法和系统 |
CN111210419A (zh) * | 2020-01-09 | 2020-05-29 | 浙江理工大学 | 基于人类视觉特性的微型磁瓦表面缺陷检测方法 |
CN114833648A (zh) * | 2022-04-24 | 2022-08-02 | 启东市申力高压油泵厂 | 液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法 |
CN114894804A (zh) * | 2022-04-22 | 2022-08-12 | 江苏名欧精密机械有限公司 | 一种精密标准件表面裂纹检测方法 |
CN115254674A (zh) * | 2022-09-28 | 2022-11-01 | 南通思诺船舶科技有限公司 | 一种轴承缺陷分选方法 |
CN117890486A (zh) * | 2024-03-15 | 2024-04-16 | 四川吉利学院 | 基于稀疏切空间投影的磁瓦内部缺陷检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103559499A (zh) * | 2013-10-09 | 2014-02-05 | 华南理工大学 | 一种rgb矢量匹配快速识别系统及方法 |
CN105719266A (zh) * | 2014-12-02 | 2016-06-29 | 马鞍山森格电子科技有限公司 | 基于纹理特征聚类的磁瓦表面缺陷检测方法 |
CN108181324A (zh) * | 2018-01-05 | 2018-06-19 | 佛山职业技术学院 | 一种基于机器视觉的木板表面检测方法 |
CN108318491A (zh) * | 2017-12-04 | 2018-07-24 | 华南理工大学 | 一种基于频谱曲率分析的织物缺陷检测方法 |
CN109146871A (zh) * | 2018-08-31 | 2019-01-04 | 珠海格力智能装备有限公司 | 裂纹的识别方法及装置 |
CN109211919A (zh) * | 2018-09-03 | 2019-01-15 | 珠海格力智能装备有限公司 | 磁瓦崩缺区域的识别方法及装置 |
-
2019
- 2019-01-18 CN CN201910049249.4A patent/CN109727244B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103559499A (zh) * | 2013-10-09 | 2014-02-05 | 华南理工大学 | 一种rgb矢量匹配快速识别系统及方法 |
CN105719266A (zh) * | 2014-12-02 | 2016-06-29 | 马鞍山森格电子科技有限公司 | 基于纹理特征聚类的磁瓦表面缺陷检测方法 |
CN108318491A (zh) * | 2017-12-04 | 2018-07-24 | 华南理工大学 | 一种基于频谱曲率分析的织物缺陷检测方法 |
CN108181324A (zh) * | 2018-01-05 | 2018-06-19 | 佛山职业技术学院 | 一种基于机器视觉的木板表面检测方法 |
CN109146871A (zh) * | 2018-08-31 | 2019-01-04 | 珠海格力智能装备有限公司 | 裂纹的识别方法及装置 |
CN109211919A (zh) * | 2018-09-03 | 2019-01-15 | 珠海格力智能装备有限公司 | 磁瓦崩缺区域的识别方法及装置 |
Non-Patent Citations (4)
Title |
---|
严俊龙 等: "磁瓦表面缺陷自动检测系统的研究", 《计算机工程与应用》 * |
徐森 等: "基于相位谱和加权马氏距离的带钢表面缺陷显著性检测", 《计算机应用》 * |
杨成立 等: "基于小波变换的磁瓦表面缺陷检测方法研究", 《计算机应用与软件》 * |
肖可 等: "基于堆栈式自编码网络的电子线路分类算法", 《计算机应用研究》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110296997A (zh) * | 2019-07-03 | 2019-10-01 | 三峡大学 | 基于机器视觉的陶瓷瓦的缺陷检测方法及装置 |
CN110687122A (zh) * | 2019-09-19 | 2020-01-14 | 湖北三江航天万峰科技发展有限公司 | 一种陶瓦表面裂纹检测方法及系统 |
CN110687121A (zh) * | 2019-09-19 | 2020-01-14 | 湖北三江航天万峰科技发展有限公司 | 一种陶瓦智能在线检测与自动分级方法和系统 |
CN111210419A (zh) * | 2020-01-09 | 2020-05-29 | 浙江理工大学 | 基于人类视觉特性的微型磁瓦表面缺陷检测方法 |
CN111210419B (zh) * | 2020-01-09 | 2023-10-20 | 浙江理工大学 | 基于人类视觉特性的微型磁瓦表面缺陷检测方法 |
CN114894804A (zh) * | 2022-04-22 | 2022-08-12 | 江苏名欧精密机械有限公司 | 一种精密标准件表面裂纹检测方法 |
CN114894804B (zh) * | 2022-04-22 | 2024-06-21 | 辽宁中科力勒检测技术服务有限公司 | 一种精密标准件表面裂纹检测方法 |
CN114833648A (zh) * | 2022-04-24 | 2022-08-02 | 启东市申力高压油泵厂 | 液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法 |
CN114833648B (zh) * | 2022-04-24 | 2023-11-28 | 启东市申力高压油泵厂 | 液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法 |
CN115254674A (zh) * | 2022-09-28 | 2022-11-01 | 南通思诺船舶科技有限公司 | 一种轴承缺陷分选方法 |
CN117890486A (zh) * | 2024-03-15 | 2024-04-16 | 四川吉利学院 | 基于稀疏切空间投影的磁瓦内部缺陷检测方法 |
CN117890486B (zh) * | 2024-03-15 | 2024-05-14 | 四川吉利学院 | 基于稀疏切空间投影的磁瓦内部缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109727244B (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109727244A (zh) | 一种磁瓦表面裂纹检测方法 | |
CN109410230B (zh) | 一种可抗噪声的改进Canny图像边缘检测方法 | |
CN111369516B (zh) | 基于红外图像识别的变压器套管发热缺陷检测方法 | |
Qiang et al. | An edge-detection method based on adaptive canny algorithm and iterative segmentation threshold | |
CN108898132B (zh) | 一种基于形状上下文描述的太赫兹图像危险品识别方法 | |
CN114399522A (zh) | 一种基于高低阈值的Canny算子的边缘检测方法 | |
CN110717900B (zh) | 基于改进Canny边缘检测算法的受电弓磨耗检测方法 | |
CN107341793A (zh) | 一种靶面图像处理方法及装置 | |
CN105787912B (zh) | 一种基于分类的阶跃型边缘亚像素定位方法 | |
CN113837198B (zh) | 一种基于三维块匹配的改进自适应阈值Canny边缘检测方法 | |
CN105184792B (zh) | 一种圆锯片磨损量在线测量方法 | |
CN113012181B (zh) | 一种基于Hough变换的新型类圆形检测方法 | |
CN116777917B (zh) | 一种光缆生产用缺陷检测方法及系统 | |
CN113888456B (zh) | 一种基于轮廓的角点检测方法 | |
CN108269264B (zh) | 豆籽粒图像的去噪及分形方法 | |
CN114648505A (zh) | 一种环形纹理图像周期、相位的自动测量方法及系统 | |
CN113436216B (zh) | 基于Canny算子的电气设备红外图像边缘检测方法 | |
Ram et al. | Symmetry-based detection of nuclei in microscopy images | |
CN115147613A (zh) | 一种基于多向融合的红外小目标检测方法 | |
Cao et al. | Automatic measurement of garment dimensions using machine vision | |
CN112991251B (zh) | 一种表面缺陷检测的方法、装置及设备 | |
Sun et al. | Retinal vessel tracking using bilateral filter based on canny method | |
CN111815600A (zh) | 一种基于视觉的环形磁钢外观缺陷检测方法 | |
CN111161296A (zh) | 基于离散小波变换的多尺度边缘检测方法 | |
CN111141753A (zh) | 基于机器视觉的陶瓷瓦表面裂纹检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |