CN109967389A - 一种起爆具缺陷自动检测系统及其检测方法 - Google Patents

Abstract

本发明公开了一种起爆具缺陷自动检测系统及其检测方法，包括机械运动模组、图像采集模组、硬件模组、以及软件模组四部分。其中，机械运动模组包括由多个型材搭建构成的框架，以及安装在所述框架内的输送道；图像采集模组包括至少一个安装在所述框架内顶端、且位于所述输送道正上方的顶部检测相机，以及至少三个安装在所述输送道的一端、且互呈预定夹角的侧部检测相机；软件模组包括支持QT框架，以及基于所述QT框架的算法程序；硬件模组包括供电组件，以及安装有所述软件模组、且与所述图像采集模组电性连接的计算机。本发明能够保证被测样品传送时的稳定性，提高图像采集精度，并针对不同的缺陷适配专用算法，进而提高了缺陷检测的正确率。

Description

一种起爆具缺陷自动检测系统及其检测方法

技术领域

本发明涉及一种检测系统，具体涉及一种起爆具缺陷自动检测系统及其检测方法。

背景技术

缺陷自动检测系统主要是利用多维运动机构与机器视觉系统结合，自动地对放入样品进行装配完整性检测。该系统集成了光学、机械、计算机和控制、软件和算法等多种前沿技术。针对不同样品，缺陷自动检测系统需要对其进行适配。

在起爆具制作行业，受限于其易燃易爆的特殊性，传统的通用型缺陷自动检测系统无法满足其要求；同时，受限于其形状、外观特征，以及起爆具特有的缺陷特征，传统缺陷自动检测系统受限于算法的通用性，无法很好的检测出其缺陷，导致次品流入良品盒内，最终流入市场，对公共安全造成危害。

发明内容

发明目的：提供一种起爆具缺陷自动检测系统及其检测方法，有效解决了现有技术存在的上述问题。

技术方案：一种起爆具缺陷自动检测系统，包括机械运动模组、图像采集模组、硬件模组、以及软件模组四部分。

其中，机械运动模组，包括由多个型材搭建构成预定检测空间的框架，以及安装在所述框架内的输送道；

图像采集模组，包括至少一个安装在所述框架内顶端、且位于所述输送道正上方的顶部检测相机，以及至少三个安装在所述输送道的一端、且互呈预定夹角的侧部检测相机；

软件模组，包括支持C/C++ 的QT框架，以及基于所述QT框架的算法程序；

硬件模组，包括供电组件，以及安装有所述软件模组、且与所述图像采集模组电性连接的人机交互界面，所述人机交互界面包括计算机。

在进一步的实施例中，所述输送道包括检测段，所述检测段包括若干等距离固定的枕块，固定在所述枕块上的地轨，滑动设置在所述地轨上的传送块，固定在所述传送块上的定位块，固定在所述地轨一侧、且与所述地轨等长的桥架，以及一端固定在所述传送块上、另一端固定在所述桥架上的拖链；所述定位块上放置有待检测样品，即起爆具；所述地轨的两端固定有限位挡块，所述限位挡块与所述传送块接触的部分为橡胶材质；所述地轨与传送块之间通过螺杆传动，包括转动设置在所述地轨上且与地轨等长的螺杆，固定在所述传送块上且与所述螺杆配合的螺母，以及固定在所述地轨一端且与所述螺杆连接的步进电机。

在进一步的实施例中，所述定位块上设有与所述起爆具的尺寸相同的盲孔，所述盲孔的周边圆周设有倒角。

在进一步的实施例中，所述输送道还包括剔除段，所述剔除段与所述检测段的地轨延长连接，包括固定在所述地轨两侧的导柱，固定在所述导柱上的水平滑杆，滑动设置在所述水平滑杆上的抓取部，以及分别固定在所述地轨一侧的两个收纳盒，所述收纳盒分别为良品盒和次品盒；所述良品盒和次品盒的一侧安装有第一光电传感器；所述地轨的一侧固定有第二光电传感器；所述抓取部包括双出杆气缸，以及固定在所述双出杆气缸的活塞杆一端的真空吸盘。

在进一步的实施例中，所述图像采集模组还可以包括六轴机械臂，所述六轴机械臂包括回转底座、转动连接在所述回转底座上的大臂俯仰关节，转动连接在所述大臂俯仰关节一端的前臂俯仰关节，转动连接在所述前臂俯仰关节一端的小臂旋转关节，转动连接在所述小臂旋转关节一端的手腕俯仰关节，以及转动连接在所述手腕俯仰关节一端的手腕旋转关节；所述回转底座、大臂俯仰关节、前臂俯仰关节、小臂旋转关节、手腕俯仰关节、以及手腕旋转关节之间通过伺服电机连接驱动，所述伺服电机内置有绝对编码器；所述手腕俯仰关节的一端安装有摄像头。

在进一步的实施例中，所述侧部检测相机之间的初始夹角为120度。

一种起爆具缺陷自动检测系统的检测方法，其特征在于包括以下步骤：

S1、起爆具在生产流水线上完成生产后自动通过传送带传送至输送道上的检测段；

S2、起爆具放置在定位块上，由定位块上预定尺寸的倒角对起爆具完成自动对心；

S3、图像采集模组获取图像，计算机后台自动执行“图像预处理”，并依靠预设的“图像处理算法”对图像进行后期处理；

S4、计算机识别缺陷，并根据预设设定的阈值判断样品是否合格；

S5、若判断样品合格，则由剔除段上的抓取部抓取起爆具，并放置在良品盒内；

S6、若判断样品不合格，则由剔除段上的抓取部抓取起爆具，并放置在次品盒内。

在进一步的实施例中，所述图像预处理包括以下9种缺陷预判：标贴纸不正、表面污损、底盖破损、功能孔缺陷、流挂、翘盖、上盖破损、缩孔、纸壳破损。

在进一步的实施例中，所述S3中的“图像处理算法”针对不同缺陷，包括以下步骤：

S301、计算机经过“图像预处理”后，判断该样品的缺陷为“标贴纸不正”，计算机利用圆检测算法，检测样品顶图像中的2个圆形，即一个为标贴纸，另一个为正圆孔，若检测结果若为只有1个正圆形，即认为标贴纸不正将正圆孔遮挡，输出样品不合格并且输出缺陷的种类为标贴纸不正；

S302、计算机经过“图像预处理”后，判断该样品的缺陷为“表面污损”，计算机利用颜色提取算法，检测出样品中的表面污损，通过图像处理可以标注出样品的污损区域，若污损在样品的浅色区域，检测出污损区域并标注，若污损与样品的深色部分重合，需提取颜色进行处理；

S303、计算机经过“图像预处理”后，判断该样品的缺陷为“底盖破损”，计算机利用圆形边缘拟正算法，检测底盖的圆，若出现不平即认为待测样品的底盖破损，输出待测样品不合格且缺陷种类为底盖破损；

S304、计算机经过“图像预处理”后，判断该样品的缺陷为“功能孔缺陷”，计算机利用孔边界检测算法，检测功能孔的边界，若出现裂痕，即认为样品不合格且输出缺陷的种类为功能孔破坏；

S305、计算机经过“图像预处理”后，判断该样品的缺陷为“流挂”，计算机利用图像二值化算法，对图像进行二值化处理，并提取出可疑区域，标注为流挂；输出样品为不合格且输出缺陷的种类为流挂；

S306、计算机经过“图像预处理”后，判断该样品的缺陷为“翘盖”，计算机利用上下边界平行算法，检测顶盖的上边界与下边界是否平行，若平行即认为样品合格，反之认为不合格并输出缺陷类型；

S307、计算机经过“图像预处理”后，判断该样品的缺陷为“上盖破损”，计算机利用侧面图像处理算法，检测样品是否有裂痕；若图像处理算法无法检测出，则拟采用激光位移仪，对样品进行再次检测；

S308、计算机经过“图像预处理”后，判断该样品的缺陷为“缩孔”，计算机利用色彩深度算法，检测圆，对于缩孔情况，在圆孔周围有浅色的区域，通过算法检测并标注；

S309、计算机经过“图像预处理”后，判断该样品的缺陷为“纸壳破损”，计算机利用边界直线处理算法，检测样品边界的直线，若不是直线则认为待测样品不合格，并输出缺陷的种类为纸壳破损。

有益效果：本发明涉及一种起爆具缺陷自动检测系统及其检测方法，通过机械运动模组的优化设置，将输送道分为检测段和剔除段，在进一步的实施例中，检测段上设有定位块，对起爆具起到定位、对心的作用，保证其传送稳定性，提高最终的图像采集精度；同时，在剔除段上设置抓取部，在进一步的实施例中，输送道可以替换为六轴机械臂，所述抓取部上设有真空吸盘，利用局部真空形成的吸附力对起爆具进行分拣，避免了传统机械爪抓取时因夹紧力设置不当导致起爆具自爆的现象发生；同时，通过在预定的位置设置顶部检测相机和侧部检测相机，并配合针对多个不同的缺陷适配专用算法，算法针对起爆具的特殊形式进行改良、提高了专用性，进而提高了缺陷检测的正确率。

附图说明

图1为本发明的整体结构示意图。

图2为本发明中检测段的结构示意图。

图3为本发明中剔除段的结构示意图。

图4为本发明中六轴机械臂的结构示意图。

图5为本发明系统总体架构图。

图6为本发明中软件模组架构图。

图7为本发明中硬件模组架构图。

图8为本发明中图像采集模组的摆放位置示意图。

图9为本发明中软件模组流程图。

图10为本发明中人机交互界面图。

图11为起爆具缺陷一“标贴纸不正”的采集图像。

图11-1为起爆具缺陷一“标贴纸不正”经过算法处理后的图像。

图11-2为起爆具缺陷一“标贴纸不正”利用微元法检测边缘的局部放大图。

图12为起爆具缺陷二“表面污损”的采集图像。

图12-1为起爆具缺陷二“表面污损”经过算法处理后的图像。

图13为起爆具缺陷三“底盖破损”的采集图像。

图13-1为起爆具缺陷三“底盖破损”经过算法处理后的图像。

图14为起爆具缺陷四“功能孔缺陷”的采集图像。

图14-1为起爆具缺陷四“功能孔缺陷”经过算法处理后的图像。

图15为起爆具缺陷五“流挂”的采集图像。

图15-1为起爆具缺陷五“流挂”经过算法处理后的图像。

图16为起爆具缺陷六“翘盖”的采集图像。

图16-1为起爆具缺陷六“翘盖”经过算法处理后的图像。

图17为起爆具缺陷七“上盖破损”的采集图像。

图17-1为起爆具缺陷七“上盖破损”经过算法处理后的图像。

图18为起爆具缺陷八“缩孔”的采集图像。

图18-1为起爆具缺陷八“缩孔”经过算法处理后的图像。

图19为起爆具缺陷九“纸壳破损”的采集图像。

图19-1为起爆具缺陷九“纸壳破损”经过算法处理后的图像。

图中各附图标记为：检测段1、枕块101、限位挡块102、地轨103、定位块104、传送块105、拖链106、桥架107、剔除段2、双出杆气缸201、水平滑杆202、良品盒203、次品盒204、第一光电传感器205、第二光电传感器206、待检测样品3、六轴机械臂4、回转底座401、大臂俯仰关节402、前臂俯仰关节403、小臂旋转关节404、手腕俯仰关节405、手腕旋转关节406、伺服电机407、顶部检测相机5、人机交互界面6、电气柜7、侧部检测相机8、框架9。

具体实施方式

在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

如图1至图19所示，本发明公开了一种起爆具缺陷自动检测系统及其检测方法，由机械运动模组、图像采集模组、硬件模组、以及软件模组四部分组成，下面将详细介绍各部分的详细设计。

实施例一：

一种起爆具缺陷自动检测系统的整体架构包括载物台、多个摄像头、计算机，所述载物台包括输送道、传送块105、定位块104，所述载物台用于放置待测样品，即文中起爆具；摄像头用于采集图像数据，并将待测样品图像通过通讯线缆或无线网络传输至计算机，最终操作人员通过计算机上的人机交互界面6获取信息。

机械运动模组包括由多个型材搭建构成的框架9，所述框架9内构成预定的检测空间，所述框架9内设有输送道。图像采集模组包括该系统的摄像头模组的设计，对于样品外形的拍摄，考虑到需要将样品的顶面即侧面拍摄下来，一种方案是放置至少4个摄像头，其中至少1个摄像头负责样品的顶面，即顶部检测相机5；至少3个摄像头负责样品的侧面，即侧部检测相机8，每个侧部检测相机8的初始夹角为120度，并可做以初始状态为起点，向两侧摆动30度，即构成叠加区域，进而增加检测的精确度；至少4个摄像头即可记录样品的状态，完成样品图像的获取，所述摄像头根据不同需要做适当的调整，采用USB或者网络接口的摄像头。本方案的软件模组主要运行图像处理算法以及人机接口，图像处理算法检测样品缺陷，人机接口的目的是为操作员提供检测软件，接口程序采用支持C/C++ 的QT框架9实现，QT相比VC功能更加强大，可视化、集成化程度高。整个系统从人机界面获得指令，判断操作模式后开始执行。这部分程序在整个系统中充当了联络图像处理算法和控制信号的角色，此外人机接口程序还要为系统操作员提供简易的菜单选项，以实现不同检测流程的目标。软件涉及内容较广，各功能需要模块化处理，模块与模块之间简单的接口实现通信，良好模块化设计决定了整个系统的优劣，提升执行效率的同时，方便功能的增减以及维护。如下图3所示的程序流程图展示了各软件模块之间的关系。整个程序的重点包括两个方面，一是图像处理的过程；二是程序架构的设计，能够实现多种缺陷功能的检测目标，协调各模块的调取。此外，软件模组还包括基于所述QT框架9的算法程序，所述算法程序实现图像处理对缺陷的检测，对于不同的缺陷不同的算法进行检测，已有的不合格样品检测到的缺陷有：标贴纸不正，表面污损，底盖破损，功能孔破坏，流挂，翘盖，上盖破损，缩孔，纸壳破损等缺陷进行检测。硬件模组如下图4所示，包括供电组件，以及安装有所述软件模组的计算机，供电组件主要实现系统电路的供电，计算机主要运行图像处理算法，对样品缺陷进行检测。

作为一个优选方案，所述输送道包括检测段1，所述检测段1包括多个枕块101、地轨103、传送块105、定位块104、桥架107、拖链106、限位挡块102、螺杆、螺母、步进电机；所述枕块101以预定距离固定在基面上，所述地轨103固定在所述枕块101上，所述传送块105滑动设置在所述地轨103上，所述定位块104固定在所述传送块105上，所述桥架107固定在所述地轨103一侧、且与所述地轨103等长，所述拖链106一端固定在所述传送块105上、另一端固定在所述桥架107上，所述定位块104上放置有待检测样品3，即起爆具，所述限位挡块102固定在所述地轨103的两端，所述限位挡块102与所述传送块105接触的部分为橡胶材质，所述螺杆通过步进电机转动设置在所述地轨103上，所述固定在所述传送块105的底面上、且螺旋套设在所述螺杆上，使得传送块105与螺杆之间配合传动，所述伺服电机407固定在所述地轨103的一端，用于为螺杆提供动力；所述定位块104上设有与所述起爆具尺寸相同的盲孔，所述盲孔的周边圆周设有倒角。

作为一个优选方案，所述输送道还包括剔除段2，所述剔除段2与所述检测段1的地轨103延长连接，包括导柱、水平滑杆202、抓取部、收纳盒、第一光电传感器205、第二光电传感器206；所述水平滑杆202固定在所述导柱上，所述抓取部滑动设置在所述水平滑杆202上，所述收纳盒分别为良品盒203和次品盒204，所述良品盒203和次品盒204固定在所述地轨103一侧，所述良品盒203和次品盒204的一侧安装有第一光电传感器205，所述地轨103的一侧固定有第二光电传感器206；所述第一光电传感器205用于检测良品盒203和次品盒204内是否存在已检测完成的样品，所述第二光电传感器206用于计数，地轨103上每经过一次待检测样品3，光电传感器便计数一次；所述抓取部包括双出杆气缸201，所述气缸的活塞杆一端固定有真空吸盘；所述真空吸盘用于吸取起爆具，受限于起爆具易燃易爆的特殊性，抓取部无法使用机械爪，机械爪的夹紧力控制不当极易对起爆具造成不良影响，危害生产安全。本发明使用真空吸盘来吸取起爆具，解决了这一问题。真空吸盘的工作过程如下：首先由真空吸盘接触工件，随后利用外接气泵吸气，使得吸盘内部形成局部真空，外部大气压大于吸盘内部气压，此时利用大气压力成功得将起爆具吸起。

实施例二：

在上述实施例一的基础上，所述图像采集模组还可以包括六轴机械臂4，所述六轴机械臂4包括回转底座401、转动连接在所述回转底座401上的大臂俯仰关节402，转动连接在所述大臂俯仰关节402一端的前臂俯仰关节403，转动连接在所述前臂俯仰关节403一端的小臂旋转关节404，转动连接在所述小臂旋转关节404一端的手腕俯仰关节405，以及转动连接在所述手腕俯仰关节405一端的手腕旋转关节406；所述回转底座401、大臂俯仰关节402、前臂俯仰关节403、小臂旋转关节404、手腕俯仰关节405、以及手腕旋转关节406之间通过伺服电机407连接驱动，所述伺服电机407内置有绝对编码器；所述手腕俯仰关节405的一端安装有摄像头。

所述六轴机械臂4具体的工作过程如下：位于回转底座401上的伺服电机407带动回转底座401转动，进而带动机械臂整体做出回转动作；位于所述回转底座401与大臂俯仰关节402处的伺服电机407用于带动大臂俯仰关节402转动，进而做出大臂俯仰关节402的俯仰动作；位于所述大臂俯仰关节402与前臂俯仰关节403处的伺服电机407带动所述前臂俯仰关节403转动，进而做出前臂俯仰关节403的俯仰动作；位于所述前臂俯仰关节403与小臂旋转关节404处的伺服电机407带动小臂旋转关节404转动；位于所述手腕旋转关节406处的伺服电机407通过一对皮带轮与皮带之间的配合传动，将动力传至手腕旋转关节406处，带动手腕旋转关节406转动。同时，所述手腕旋转关节406的一端还安装有一个伺服电机407，该伺服电机407的输出轴连接有摄像头。

具体的，起爆具在生产流水线上完成生产后自动通过传送带传送至输送道上的检测段1；随后，起爆具放置在定位块104上，由定位块104上预定尺寸的倒角对起爆具完成自动对心；接着，图像采集模组获取图像，计算机后台自动执行“图像预处理”，并依靠预设的“图像处理算法”对图像进行后期处理；接着，计算机识别缺陷，并根据预设设定的阈值判断样品是否合格；若判断样品合格，则由剔除段2上的抓取部抓取起爆具，并放置在良品盒203内；若判断样品不合格，则由剔除段2上的抓取部抓取起爆具，并放置在次品盒204内。

下面对于不同缺陷拟采用算法进行详细说明：

1. 标贴纸不正：对于顶盖的标贴纸不正，注意到样品顶部图片的标贴纸为正圆并且顶部也有一个正圆孔，拟采用圆检测或边界检测算法对样品的顶部图像进行处理。图11为不合格样品标贴纸不正的缺陷情况图。一种算法为圆检测算法，对图像进行预处理后，可以检测样品顶图像中的2个圆形，即一个为标贴纸，另一个为正圆孔，若检测结果若为只有1个正圆形，即认为标贴纸不正将正圆孔遮挡，输出样品不合格并且输出缺陷的种类为标贴纸不正。另一种算法为边界检测算法，对图像进行预处理后，检测样品顶盖的边界情况，即检测顶盖有几个边界，对于合格样品应检测到6次边界，若检测边界数目少于6次，即认为样品不合格，并输出不合格样品的缺陷为标贴纸不正。具体的算法方法如下：首先载入图像，并显示网格线和坐标线，接着采用sobel算子进行卷积运算，sobel算子锐化图像后再使用拉普拉斯算子进行卷积运算，最终得出拉普拉斯算子锐化图像，完成算法。

更为具体的，所述圆检测算法依靠牛顿莱布尼茨公式对图像进行细分，并根据设定的阈值判断边缘，具体过程如下：将图像均等分隔成预定尺寸的网格，网格的数量决定了图像边缘检测的精度，上述即对图像的网格化操作，通过上述过程，将原本均匀、连续的图像线条转变为栅格状，由此一来，计算机即可根据栅格内的颜色与预设的阈值进行比对，若栅格内的颜色大于阈值，则定义为1，若栅格内的颜色小于阈值，则定义为0，最终计算机将1和0之间围成的区域描出线条，最终完成边缘检测。

上述算法涉及的公式如下：

其中，为被积函数，该积分的上限函数为该图像面积随x的变化，

设有界函数在区间[a，b]上可积，则积分上限函数在区间[a，b]上连续。

为了检测边缘，我们需要在图像对应的方向计算梯度。用下面的矩阵对图像进行处理：

图像的锐化也就是增强图像的突变部分，那么我们也就对图像的恒定区域中，突变的开始点与结束点（台阶和斜坡突变）及沿着灰度斜坡处的微分的性质。微分是对函数局部变化率的一种表示，那么对于一阶微分有以下几个性质：1.在恒定的灰度区域，图像的微分值为0。（灰度值没有发生变换，自然微分为0）；2.在灰度台阶或斜坡起点处微分值不为0。3.沿着斜坡的微分值不为0。

从以上性质可以看出，在灰度值变化的地方，一阶微分和二阶微分的值都不为0；在灰度恒定的地方，微分值都为0。也就是说，不论是使用一阶微分还是二阶微分都可以得到图像灰度的变化值。

对于图像的一阶微分计算公式如下：

在笛卡尔坐标系中，在X轴方向，

在笛卡尔坐标系中，在Y轴方向，

对于图像的边缘来说，通常会形成一个斜坡过度。一阶微分在斜坡处的值不为0，那么用其得到的边缘较粗；而二阶微分在斜坡处的值为0，但在斜坡两端值不为0，且值得符号不一样，这样二阶微分得到的是一个由0分开的一个像素宽的双边缘。

2. 表面污损：图12为样品表面污损的缺陷情况图，拟采用算法方案如下：检测出样品中的表面污损，通过图像处理可以标注出样品的污损区域，若污损在样品的浅色区域，检测出污损区域并标注，若污损与样品的深色部分重合，需提取颜色进行处理。具体的算法过程如下：首先用MATLAB实现直方图阈值法，计算机读入原始图像，并处理为灰度图像，接着显示网格线和坐标系，测量图像尺寸参数，随后预创建存放灰度出现概率的向量，然后计算每级灰度出现的概率，将其存入GP中相应位置，随后绘制出直方图，接着后台处理阈值150的分割图像，最终完成该算法。

上述算法涉及的公式如下：

首先求出的原函数

根据牛顿莱布尼茨公式

上述结果保留小数点后三位，结果1.206即为分割图像的最小单位。

3. 底盖破损：图13为样品底盖破损缺陷情况图，可以根据方案所设计的系统摄像头采集到样品顶部图像与侧面图像，对2张图像进行处理后判定底盖破损缺陷。拟采用的算法如下：检测顶盖的圆，若出现不平即认为待测样品的底盖破损，输出待测样品不合格且缺陷种类为底盖破损。具体的算法过程如下：首先载入图像，显示坐标系，接着采用半径为1的圆作为结构元素，随后开启运算后图像，再闭合运算后图像，最终完成算法。

上述算法涉及的公式如下：利用线性滤波算法对图像进行处理。我们有一个二维的滤波器矩阵和一个要处理的二维图像。对于图像的每一个像素点，计算它的邻域像素和滤波器矩阵的对应元素的乘积，然后加起来，作为该像素位置的值。这样就完成了滤波过程。对图像和滤波矩阵进行逐个元素相乘再求和的操作就相当于将一个二维的函数移动到另一个二维函数的所有位置。

在图像的滤波过程中需要使用梯度幅值来实现，对于图像f(x，y)，f在坐标系（x， y）中的梯度是一个列向量：

其中，该向量表示图像中的像素在点（x，y）中灰度值的最大变化率的方向。的幅值是图像f(x，y)的梯度图，记为M(x，y)

其中，

为图像在x方向上的梯度；为图像在y方向上的梯度。

4. 功能孔缺陷：图14为样品功能孔缺陷情况图,获取到样品顶部图片后，对图像进行处理，检测功能孔的裂痕，拟采用的算法为，检测功能孔的边界，若出现裂痕，即认为样品不合格且输出缺陷的种类为功能孔破坏。具体的算法过程如下：首先载入图像，接着用MATLAB实现领域平均法抑制噪声程序，采用3x3模板对图像进行平滑滤波，最终完成算法。

5. 流挂：图15为样品流挂缺陷情况图,根据采集到的样品侧面图像，进行图像处理，检测流挂。拟采用的算法如下，对图像进行二值化处理，并提取出可疑区域，标注为流挂。输出样品为不合格且输出缺陷的种类为流挂。具体的算法方法如下：首先计算机读入原始图像，随后在计算机后台显示网格线和坐标系，接着将彩色图像转化灰度图像，计算将灰度图像转化为二值图像所需的门限，再将灰度图像转化为二值图像，然后计算起始点列坐标，计算起始点行坐标，最终完成算法。

二值化处理以离散的形式存储，使用差分来计算图像的微分，公式如下：

为图像在x方向上的梯度；为图像在y方向上的梯度。

6. 翘盖：图16为样品翘盖缺陷情况图，对于翘盖情况，拟采用的算法为，对采集的样品的侧面图片进行处理，检测顶盖的上边界与下边界是否平行，若平行即认为样品合格，反之认为不合格并输出缺陷类型。具体的算法方法如下：载入图像，计算机对图像进行二值化处理后直接提取四个顶点坐标，根据四个顶点的位置来判断上下边界是否平行，最终完成算法。

在图像处理的过程中，不会只单独的对图像中的某一个像素进行运算，通常会考虑到每个像素的某个邻域的灰度变化。因此，通常不会简单的利用梯度的定义进行梯度的计算，而是在像素的某个邻域内设置梯度算子。考虑3X3区域的像素，使用如下矩阵表示：

令中心点表示图像中任一像素，那么根据梯度的定义，则在x和y方向上的梯度分别为g(x)=；g(y)=

7. 上盖破损：图17为样品上盖破损情况图，对于上盖破损情况，拟采用的算法为，对采集的样品的侧面图片进行处理，检测样品是否有裂痕。若图像处理算法无法检测出，则拟采用激光位移仪，对样品进行再次检测。

8. 缩孔：图18为样品缩孔情况图，对样品顶部的图像进行处理，拟采用的算法为，对图像进行预处理后，检测圆，对于缩孔情况，在圆孔周围有浅色的区域，通过算法检测并标注。

9. 纸壳破损：图19为样品缩孔情况图,对样品侧面的图像进行处理，拟采用的算法为，对图像进行预处理后，检测样品边界的直线，若不是直线则认为待测样品不合格，并输出缺陷的种类为纸壳破损。具体的算法过程如下：载入图像，确定灰度阈值，随后采用Otsu法阈值分割图像，最终输出图像，完成算法。

Otsu法阈值分割图像的算法如下：

其中，

如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上做出各种变化。

Claims (10)

1.一种起爆具缺陷自动检测系统，其特征是包括：

机械运动模组，包括由多个型材搭建构成预定检测空间的框架，以及安装在所述框架内的输送道；

图像采集模组，包括至少一个安装在所述框架内顶端、且位于所述输送道正上方的顶部检测相机，以及至少三个安装在所述输送道的一端、且互呈预定夹角的侧部检测相机；

软件模组，包括支持C/C++ 的QT框架，以及基于所述QT框架的算法程序；

硬件模组，包括供电组件，以及安装有所述软件模组、且与所述图像采集模组电性连接的人机交互界面，所述人机交互界面包括计算机。

2.根据权利要求1所述的一种起爆具缺陷自动检测系统，其特征在于：所述输送道包括检测段，所述检测段包括若干等距离固定的枕块，固定在所述枕块上的地轨，滑动设置在所述地轨上的传送块，固定在所述传送块上的定位块，固定在所述地轨一侧、且与所述地轨等长的桥架，以及一端固定在所述传送块上、另一端固定在所述桥架上的拖链；所述定位块上放置有待检测样品，即起爆具；所述地轨的两端固定有限位挡块，所述限位挡块与所述传送块接触的部分为橡胶材质；所述地轨与传送块之间通过螺杆传动，包括转动设置在所述地轨上且与地轨等长的螺杆，固定在所述传送块上且与所述螺杆配合的螺母，以及固定在所述地轨一端且与所述螺杆连接的步进电机。

3.根据权利要求2所述的一种起爆具缺陷自动检测系统，其特征在于：所述定位块上设有与所述起爆具的尺寸相同的盲孔，所述盲孔的周边圆周设有倒角。

4.根据权利要求1所述的一种起爆具缺陷自动检测系统，其特征在于：所述输送道还包括剔除段，所述剔除段与所述检测段的地轨延长连接，包括固定在所述地轨两侧的导柱，固定在所述导柱上的水平滑杆，滑动设置在所述水平滑杆上的抓取部，以及分别固定在所述地轨一侧的两个收纳盒，所述收纳盒分别为良品盒和次品盒；所述良品盒和次品盒的一侧安装有第一光电传感器；所述地轨的一侧固定有第二光电传感器；所述抓取部包括双出杆气缸，以及固定在所述双出杆气缸的活塞杆一端的真空吸盘。

5.根据权利要求1所述的一种起爆具缺陷自动检测系统，其特征在于：所述图像采集模组还可以包括六轴机械臂，所述六轴机械臂包括回转底座、转动连接在所述回转底座上的大臂俯仰关节，转动连接在所述大臂俯仰关节一端的前臂俯仰关节，转动连接在所述前臂俯仰关节一端的小臂旋转关节，转动连接在所述小臂旋转关节一端的手腕俯仰关节，以及转动连接在所述手腕俯仰关节一端的手腕旋转关节；所述回转底座、大臂俯仰关节、前臂俯仰关节、小臂旋转关节、手腕俯仰关节、以及手腕旋转关节之间通过伺服电机连接驱动，所述伺服电机内置有绝对编码器；所述手腕俯仰关节的一端安装有摄像头。

6.根据权利要求1所述的一种起爆具缺陷自动检测系统，其特征在于：所述侧部检测相机之间的初始夹角为120度。

7.一种起爆具缺陷自动检测系统的检测方法，其特征在于包括以下步骤：

S1、起爆具在生产流水线上完成生产后自动通过传送带传送至输送道上的检测段；

S2、起爆具放置在定位块上，由定位块上预定尺寸的倒角对起爆具完成自动对心；

S3、图像采集模组获取图像，计算机后台自动执行“图像预处理”，并依靠预设的“图像处理算法”对图像进行后期处理；

S4、计算机识别缺陷，并根据预设设定的阈值判断样品是否合格；

S5、若判断样品合格，则由剔除段上的抓取部抓取起爆具，并放置在良品盒内；

S6、若判断样品不合格，则由剔除段上的抓取部抓取起爆具，并放置在次品盒内。

8.根据权利要求7所述的一种起爆具缺陷自动检测系统的检测方法，其特征在于所述图像预处理包括以下9种缺陷预判：标贴纸不正、表面污损、底盖破损、功能孔缺陷、流挂、翘盖、上盖破损、缩孔、纸壳破损。

9.根据权利要求8所述的一种起爆具缺陷自动检测系统的检测方法，其特征在于，所述S3中的“图像处理算法”针对不同缺陷，包括以下步骤：

S301、计算机经过“图像预处理”后，判断该样品的缺陷为“标贴纸不正”，计算机利用圆检测算法，检测样品顶图像中的2个圆形，即一个为标贴纸，另一个为正圆孔，若检测结果若为只有1个正圆形，即认为标贴纸不正将正圆孔遮挡，输出样品不合格并且输出缺陷的种类为标贴纸不正；

S302、计算机经过“图像预处理”后，判断该样品的缺陷为“表面污损”，计算机利用颜色提取算法，检测出样品中的表面污损，通过图像处理可以标注出样品的污损区域，若污损在样品的浅色区域，检测出污损区域并标注，若污损与样品的深色部分重合，需提取颜色进行处理；

S303、计算机经过“图像预处理”后，判断该样品的缺陷为“底盖破损”，计算机利用圆形边缘拟正算法，检测底盖的圆，若出现不平即认为待测样品的底盖破损，输出待测样品不合格且缺陷种类为底盖破损；

S304、计算机经过“图像预处理”后，判断该样品的缺陷为“功能孔缺陷”，计算机利用孔边界检测算法，检测功能孔的边界，若出现裂痕，即认为样品不合格且输出缺陷的种类为功能孔破坏；

S305、计算机经过“图像预处理”后，判断该样品的缺陷为“流挂”，计算机利用图像二值化算法，对图像进行二值化处理，并提取出可疑区域，标注为流挂；输出样品为不合格且输出缺陷的种类为流挂；

S306、计算机经过“图像预处理”后，判断该样品的缺陷为“翘盖”，计算机利用上下边界平行算法，检测顶盖的上边界与下边界是否平行，若平行即认为样品合格，反之认为不合格并输出缺陷类型；

S307、计算机经过“图像预处理”后，判断该样品的缺陷为“上盖破损”，计算机利用侧面图像处理算法，检测样品是否有裂痕；若图像处理算法无法检测出，则拟采用激光位移仪，对样品进行再次检测；

S308、计算机经过“图像预处理”后，判断该样品的缺陷为“缩孔”，计算机利用色彩深度算法，检测圆，对于缩孔情况，在圆孔周围有浅色的区域，通过算法检测并标注；

S309、计算机经过“图像预处理”后，判断该样品的缺陷为“纸壳破损”，计算机利用边界直线处理算法，检测样品边界的直线，若不是直线则认为待测样品不合格，并输出缺陷的种类为纸壳破损。

10.根据权利要求9所述的一种起爆具缺陷自动检测系统的检测方法，其特征在于，所述S301还可以通过边界检测算法：计算机对图像进行预处理后，检测样品顶盖的边界情况，即检测顶盖有几个边界，对于合格样品应检测到6次边界，若检测边界数目少于6次，即认为样品不合格，并输出不合格样品的缺陷为标贴纸不正。