CN111047574A - 一种圆柱形工件的视觉检测缺陷识别方法 - Google Patents
一种圆柱形工件的视觉检测缺陷识别方法 Download PDFInfo
- Publication number
- CN111047574A CN111047574A CN201911270149.0A CN201911270149A CN111047574A CN 111047574 A CN111047574 A CN 111047574A CN 201911270149 A CN201911270149 A CN 201911270149A CN 111047574 A CN111047574 A CN 111047574A
- Authority
- CN
- China
- Prior art keywords
- gray level
- cylindrical workpiece
- region
- picture
- visual inspection
- 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
Images
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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种圆柱形工件的视觉检测缺陷识别方法,可包括以下步骤:S1、获取圆柱形工件的视觉检测图片,启动Halcon算法;S2、根据不同工件设定的参数,开始提取ROI区域;S3、在ROI区域中查找圆或圆环;S4、识别缺陷;S5、将缺陷在图片上标识出来。采用本发明的方法,能够实现缺陷的自动识别,并且准确性高,大大提高的生产效率,降低人力成本。
Description
技术领域
本发明涉及圆柱形工件的外观缺陷检测技术,具体地涉及一种圆柱形工件的视觉检测缺陷识别方法。
背景技术
诸如轴承滚子的圆柱形工件在生产过程中需要对其外观(端面和倒角等)进行检查,以剔除带有缺陷的产品。现有检测工艺通常采用人工检测方式进行,工作效率低下,缺陷识别准确率不高。
发明内容
本发明旨在提供一种圆柱形工件的视觉检测缺陷识别方法,以解决上述问题。为此,本发明采用的具体技术方案如下:
一种圆柱形工件的视觉检测缺陷识别方法,可包括以下步骤:
S1、获取圆柱形工件的视觉检测图片,启动Halcon算法;
S2、根据不同工件设定的参数,开始提取ROI区域;
S3、在ROI区域中查找圆或圆环,具体地包括以下过程:
S31、根据预设参数选出灰度区间区域,其中预设参数为最大灰度和最小灰度;
S32、填充内部孔洞;
S33、分割连通区域;
S34、根据半径范围和圆度范围选出圆。
S4、识别缺陷,具体地包括以下过程:
S41、根据最高频域和最低频域两个参数对ROI区域进行高斯滤波,去除杂波干扰,保留有用图像信息;
S42、寻找灰度突变位置,在突变位置周边膨胀若干像素变成新区域,将原图缩小到新区域,并在新区域中查找灰度值小于参数“最小灰度”的区域;
S43、通过开闭运算,分割出连通区域;
S44、根据面积和紧密度条件筛选出缺陷;
S5、将缺陷在图片上标识出来。
进一步地,所述圆柱形工件为轴承滚子,并且其视觉检测图片为轴承滚子端面图片和轴承滚子倒角图片。
本发明采用上述技术方案,具有的有益效果是:采用本发明的方法,能够实现缺陷的自动识别,并且准确性高,大大提高的生产效率,降低人力成本。
附图说明
为进一步说明各实施例,本发明提供有附图。这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
图1是本发明方法的总体流程图;
图2示出了轴承滚子端面图片;
图3示出了在图2所示的图片中找出圆的截图;
图4示出了在图2所示的图片上标识出缺陷的截图。
具体实施方式
现结合附图和具体实施方式对本发明进一步说明。
如图1所示,一种圆柱形工件的视觉检测缺陷识别方法,可包括以下步骤:
100、获取圆柱形工件的视觉检测图片,如图2所示,启动Halcon算法。视觉检测图片可以通过工业摄像机进行采集并上传。HALCON是德国MVtec公司开发的一套完善的标准的机器视觉算法包,这里不再展开描述。应该理解,第一次检测之前,需要进行初始化,包括各种参数初始化及导入典型缺陷特征等。
200、根据不同工件设定的参数(工件宽度、高度和面积等),开始提取ROI区域。
300、在ROI区域中查找圆或圆环:
a、根据预设参数(最大灰度和最小灰度)选出灰度区间区域,只选出符合亮度的区域,这样就缩小了查找范围。
b、填充内部孔洞。工件上的磕碰、生锈等缺陷拍摄后,会在图片上呈现出黑点。在上一步选出的区域中,由于黑点的亮度不够,会导致选出的区域有孔洞,为了获取缺陷的完整区域,需要填充内部孔洞。
c、分割连通区域,根据灰度范围选出的区域,可能有多块,需要把不相连的区域分割成多块,为接下来选出最终工件区域做准备。
d、根据半径范围和圆度范围选出圆。不同型号工件,半径不同,意味着面积就不同,因为工件是圆柱体,端面是圆形,所以根据圆度可以排除长方形等其他背景图形,最终准确选出工件区域,结果如图3所示。
400、识别缺陷,具体地包括以下过程:
a、根据最高频域和最低频域两个参数,对ROI区域进行高斯滤波,去除杂波干扰,保留有用图像信息。对于不同工件缺陷,其最高频域和最低频域不同。
b、寻找灰度突变位置,在突变位置周边膨胀若干像素(膨胀像素大小根据经验一般为10-20个),变成新区域,将原图缩小到新区域,并在新区域中查找灰度值小于参数“最小灰度”的区域。
c、通过开闭运算,分割出连通区域,由于上一步选出的区域可能不止一块,即缺陷可能不止一个,因此需要将它们分割出来。
d、计算分割后的每个区域的面积和紧密度,然后根据预设的面积和紧密度条件筛选出缺陷。
500、将缺陷在图片上标识出来,具体地,用大于缺陷轮廓10个像素再画一条醒目颜色(例如,红色)的新轮廓,这样缺陷将被醒目标识出来,图4箭头所指的位置就是缺陷。
应该理解,虽然在实施例中以轴承滚子的端面图片为例进行说明,但本发明的方法适应于这类圆柱形工件的外观(端面和倒角等)缺陷检测。
尽管结合优选实施方案具体展示和介绍了本发明,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本发明的精神和范围内,在形式上和细节上可以对本发明做出各种变化,均为本发明的保护范围。
Claims (2)
1.一种圆柱形工件的视觉检测缺陷识别方法,其特征在于,所述方法包括以下步骤:
S1、获取圆柱形工件的视觉检测图片,启动Halcon算法;
S2、根据不同工件设定的参数,开始提取ROI区域;
S3、在ROI区域中查找圆或圆环,具体地包括以下过程:
S31、根据预设参数选出灰度区间区域,其中预设参数为最大灰度和最小灰度;
S32、填充内部孔洞;
S33、分割连通区域;
S34、根据半径范围和圆度范围选出圆;
S4、识别缺陷,具体地包括以下过程:
S41、根据最高频域和最低频域两个参数对ROI区域进行高斯滤波,去除杂波干扰,保留有用图像信息;
S42、寻找灰度突变位置,在突变位置周边膨胀若干像素变成新区域,将原图缩小到新区域,并在新区域中查找灰度值小于参数“最小灰度”的区域;
S43、通过开闭运算,分割出连通区域;
S44、根据面积和紧密度条件筛选出缺陷;
S5、将缺陷在图片上标识出来。
2.如权利要求1所述的方法,其特征在于,所述圆柱形工件为轴承滚子,并且其视觉检测图片为轴承滚子端面图片和轴承滚子倒角图片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911270149.0A CN111047574A (zh) | 2019-12-12 | 2019-12-12 | 一种圆柱形工件的视觉检测缺陷识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911270149.0A CN111047574A (zh) | 2019-12-12 | 2019-12-12 | 一种圆柱形工件的视觉检测缺陷识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111047574A true CN111047574A (zh) | 2020-04-21 |
Family
ID=70235822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911270149.0A Pending CN111047574A (zh) | 2019-12-12 | 2019-12-12 | 一种圆柱形工件的视觉检测缺陷识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111047574A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001126064A (ja) * | 1999-10-26 | 2001-05-11 | Nachi Fujikoshi Corp | 金属表面の欠陥検出方法 |
CN102914545A (zh) * | 2012-11-15 | 2013-02-06 | 潍坊学院 | 一种基于计算机视觉的齿轮缺陷检测方法及系统 |
CN105510344A (zh) * | 2015-11-24 | 2016-04-20 | 昆明理工大学 | 一种区域内输电铁塔新增裂纹检测方法 |
CN106247969A (zh) * | 2016-09-21 | 2016-12-21 | 哈尔滨工业大学 | 一种基于机器视觉的工业磁芯元件的形变检测方法 |
CN106408555A (zh) * | 2015-12-27 | 2017-02-15 | 华南理工大学 | 一种基于图像视觉的轴承表面瑕疵检测方法 |
CN107768269A (zh) * | 2017-10-30 | 2018-03-06 | 河北工业大学 | 一种多晶硅太阳能电池片外观脏污缺陷检测的方法 |
CN108629775A (zh) * | 2018-05-14 | 2018-10-09 | 华中科技大学 | 一种热态高速线材表面图像处理方法 |
CN108665458A (zh) * | 2018-05-17 | 2018-10-16 | 杭州智谷精工有限公司 | 透明体表面缺陷提取及识别方法 |
CN109187581A (zh) * | 2018-07-12 | 2019-01-11 | 中国科学院自动化研究所 | 基于视觉的成品轴承端面缺陷检测方法 |
CN109685788A (zh) * | 2018-12-22 | 2019-04-26 | 北京工业大学 | 一种基于形态学特征的楼面缺陷图像自动检测方法 |
-
2019
- 2019-12-12 CN CN201911270149.0A patent/CN111047574A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001126064A (ja) * | 1999-10-26 | 2001-05-11 | Nachi Fujikoshi Corp | 金属表面の欠陥検出方法 |
CN102914545A (zh) * | 2012-11-15 | 2013-02-06 | 潍坊学院 | 一种基于计算机视觉的齿轮缺陷检测方法及系统 |
CN105510344A (zh) * | 2015-11-24 | 2016-04-20 | 昆明理工大学 | 一种区域内输电铁塔新增裂纹检测方法 |
CN106408555A (zh) * | 2015-12-27 | 2017-02-15 | 华南理工大学 | 一种基于图像视觉的轴承表面瑕疵检测方法 |
CN106247969A (zh) * | 2016-09-21 | 2016-12-21 | 哈尔滨工业大学 | 一种基于机器视觉的工业磁芯元件的形变检测方法 |
CN107768269A (zh) * | 2017-10-30 | 2018-03-06 | 河北工业大学 | 一种多晶硅太阳能电池片外观脏污缺陷检测的方法 |
CN108629775A (zh) * | 2018-05-14 | 2018-10-09 | 华中科技大学 | 一种热态高速线材表面图像处理方法 |
CN108665458A (zh) * | 2018-05-17 | 2018-10-16 | 杭州智谷精工有限公司 | 透明体表面缺陷提取及识别方法 |
CN109187581A (zh) * | 2018-07-12 | 2019-01-11 | 中国科学院自动化研究所 | 基于视觉的成品轴承端面缺陷检测方法 |
CN109685788A (zh) * | 2018-12-22 | 2019-04-26 | 北京工业大学 | 一种基于形态学特征的楼面缺陷图像自动检测方法 |
Non-Patent Citations (5)
Title |
---|
HAO SHEN 等: "Bearing defect inspection based on machine vision", 《MEASUREMENT》 * |
JINGUI CHEN 等: "An Improved Gray Compensation Method for Surface Defect Detection of Tapered Roller", 《2017 INTERNATIONAL CONFERENCE ON COMPUTER TECHNOLOGY, ELECTRONICS AND COMMUNICATION (ICCTEC)》 * |
崔明 等: "基于机器视觉的轴承滚动体缺陷检测算法研究", 《组合机床与自动化加工技术》 * |
杨娟: "基于机器视觉的铸坯表面缺陷检测算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
陈金贵 等: "基于改进Niblack算法的轴承滚子表面缺陷检测", 《组合机床与自动化加工技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111044522B (zh) | 缺陷检测方法、装置及终端设备 | |
CN110363781B (zh) | 基于深度神经网络的熔池轮廓检测方法 | |
CN107610111B (zh) | 一种基于深度学习的焊点图像检测方法 | |
CN115272280A (zh) | 一种缺陷检测方法、装置、设备及存储介质 | |
CN110648349A (zh) | 基于背景减除和连通区域算法的焊缝缺陷分割方法 | |
CN106780526A (zh) | 一种铁氧体圆片表面裂痕识别方法 | |
CN109544513A (zh) | 一种钢管端面缺陷提取识别的方法 | |
CN115082410A (zh) | 基于图像处理的卡簧缺陷检测方法 | |
CN104331695A (zh) | 一种鲁棒的圆形标志符形状质量检测方法 | |
CN115311289A (zh) | 一种素色布匹油渍缺陷检测方法 | |
CN111999305A (zh) | 机器视觉硬件系统和轮毂花键结合缝隙视觉检测方法 | |
CN115861274A (zh) | 一种融合三维点云与二维图像的裂缝检测方法 | |
CN109767426B (zh) | 一种基于图像特征识别的盾构隧道渗漏水检测方法 | |
CN113538603A (zh) | 一种基于阵列产品的光学检测方法、系统和可读存储介质 | |
CN108107611B (zh) | 一种自适应缺陷检测方法、装置及电子设备 | |
CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
CN116539620A (zh) | 一种刀具表面缺陷在机检测方法 | |
CN112434694B (zh) | 一种滚动轴承前盖外圈破损故障识别方法及系统 | |
CN111047574A (zh) | 一种圆柱形工件的视觉检测缺陷识别方法 | |
CN111008960B (zh) | 基于机器视觉的铝电解电容底部外观检测方法及装置 | |
CN114943710B (zh) | 利用改进最小二乘拟合对薄壁圆管类零件圆心定位的方法 | |
CN109472765B (zh) | 一种喷码质量的检测方法及装置 | |
CN113469980B (zh) | 一种基于图像处理的法兰识别方法 | |
CN115423746B (zh) | 一种用于计算蒙皮孔位和孔径的图像处理方法 | |
CN110060270B (zh) | 一种适用于低成像质量多边形管状物体的边缘检测方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230621 Address after: 215000 North 2nd Floor, Building 3, Listing Science and Technology Innovation Park, No. 19 Yong'an Road, High tech Zone, Suzhou City, Jiangsu Province Applicant after: Suzhou weishiken Testing Technology Co.,Ltd. Address before: 361000 room 3011, Xuanye building, Pioneer Park, torch hi tech Zone, Xiamen City, Fujian Province Applicant before: VSCAN (XIAMEN) INTELLIGENT TECHNOLOGY CO.,LTD. |
|
TA01 | Transfer of patent application right |