CN111968090A - 一种xy刀偏心自动检测方法、设备及存储介质 - Google Patents
一种xy刀偏心自动检测方法、设备及存储介质 Download PDFInfo
- Publication number
- CN111968090A CN111968090A CN202010832689.XA CN202010832689A CN111968090A CN 111968090 A CN111968090 A CN 111968090A CN 202010832689 A CN202010832689 A CN 202010832689A CN 111968090 A CN111968090 A CN 111968090A
- Authority
- CN
- China
- Prior art keywords
- cutter
- image
- knife
- histogram
- value
- 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
- 238000000034 method Methods 0.000 title abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 45
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 239000000463 material Substances 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 9
- 230000000877 morphologic effect Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000001035 drying Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请公开了一种xy刀偏心自动检测方法、设备及存储介质,该方法包括:安装刀具并以相同方式重复切割校准材料,生成不同对比度、亮度、饱和度组合下具有三刀切痕的多张图像;对生成的多张图像进行预处理;对预处理后的图像中的三刀切痕进行x方向和y方向直方图投影,经过滤生成每张图像的特征值,选取出最优图像;对最优图像中三刀切痕的x方向和y方向直方图投影最大最小下标位置进行计算,并根据计算出的位置信息,对三刀切痕的中心点距离进行计算;判断刀心偏移方向,并计算最优图像像素转换成的毫米度量值;分别计算x方向和y方向上的刀心偏移量。本申请可以实现刀具偏心自动校准,检测效率高,节省了人力成本,精准度高。
Description
技术领域
本发明涉及刀具切割技术领域,特别是涉及一种xy刀偏心自动检测方法、设备及存储介质。
背景技术
切割刀具安装时由于工业组件的不规范或者老化磨损等情况,使得切割刀安装有倾斜,从而在切割时X、Y方向刀尖发生微小偏移,导致切割出来的材料出现多切、少切、线条不规范等情况,所以每次安装刀具后需要先进行刀具偏心的位置校准。但是,目前在每次安装刀具后一般是通过人工校准刀具偏心位置,人力成本较高,检测效率较低。
因此,如何实现刀具偏心自动校准,是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种xy刀偏心自动检测方法、设备及存储介质,可以实现刀具偏心自动校准,检测效率高,节省了人力成本,精准度高。其具体方案如下:
一种xy刀偏心自动检测方法,包括:
安装刀具并以相同方式重复切割校准材料,生成不同对比度、亮度、饱和度组合下具有三刀切痕的多张图像;
对生成的多张图像进行预处理;
对预处理后的图像中的三刀切痕进行x方向和y方向直方图投影,经过滤生成每张图像的特征值,选取出最优图像;
对所述最优图像中三刀切痕的x方向和y方向直方图投影最大最小下标位置进行计算,并根据计算出的位置信息,对三刀切痕的中心点距离进行计算;
根据计算出的所述中心点距离,判断刀心偏移方向,并计算所述最优图像像素转换成的毫米度量值;
根据计算出的所述毫米度量值,分别计算x方向和y方向上的刀心偏移量。
优选地,在本发明实施例提供的上述xy刀偏心自动检测方法中,对生成的多张图像进行预处理,具体包括:
对生成的每张图像进行灰度化;
对灰度化后的图像进行高斯滤波去燥;
对经过高斯滤波后的图像进行拉普拉斯边缘的提取;
将提取边缘的图像数据作为参考模板数据,采用设定阈值对灰度化的图像进行像素值修改,得到同时包含梯度和灰度可分性特性的图像;
对得到的图像进行OTSU算法的图像二值化阈值分割,形态学去燥和填充处理;
对处理后的图像进行像素翻转并查找对应的轮廓,并用轮廓长宽过滤生成轮廓图。
优选地,在本发明实施例提供的上述xy刀偏心自动检测方法中,在对预处理后的图像中的三刀切痕进行x方向和y方向直方图投影之后,还包括:
分别对x方向直方图投影中的直方图值求中值,并分别对该直方图从左边起或从右边起连续三个像素在直方图对应位置的值小于中值的一半,则标记当前图像为无效图;
分别对y方向直方图投影中的直方图值求中值,并分别对该直方图从左边起或从右边起十个像素之内有对应位置的直方图值小于中值的一半,则标记当前图像为无效图。
优选地,在本发明实施例提供的上述xy刀偏心自动检测方法中,经过滤生成每张图像的特征值,选取出最优图像,具体包括:
根据y方向直方图投影,计算个数大于1的连续直方图宽度;
根据计算出的所述连续直方图宽度,生成每张图像的特征值;其中,将无效图的特征值设置为-1;
在生成的特征值组成的矩阵中,选择除-1外的特征值最小的图像作为最优图像。
优选地,在本发明实施例提供的上述xy刀偏心自动检测方法中,采用下列公式对三刀切痕的中心点距离进行计算:
dist23=p3-p2=xLast3-xFirst2-abs(xLast3-xFirst3)/2.0-abs(xLast2-xFirst2)/2.0
dist12=p2-p1=xLast2-xFirst1-abs(xLast2-xFirst2)/2.0-abs(xLast1-xFirst1)/2.0
其中,p1、p2、p3分别为三刀切痕的中心点的x坐标;dist23为p2和p3之间的距离;dist12为p1和p2之间的距离;xFirst1、xFirst2、xFirst3分别为三刀切痕的x方向直方图投影的左边起最大值位置;xLast1、xLast2、xLast3分别为三刀切痕的x方向直方图投影的右边起最大值位置。
优选地,在本发明实施例提供的上述xy刀偏心自动检测方法中,采用下列公式判断刀心偏移方向:
采用下列公式计算所述最优图像像素转换成的毫米度量值:
pixelToMm=L/(xLast2-xFirst1-abs(xLast2-xFirst2)/2.0-abs(xLast1-xFirst1)/2.0)
其中,xFlag、yFlag分别为x方向和y方向偏心的刀心偏移方向;yLast1、yLast2、yLast3分别为三刀切痕的y方向直方图投影的最后一个非0值位置;pixelToMm为所述最优图像像素转换成的毫米度量值;L为切割相邻两刀时刀具在x方向平移的设定距离。
优选地,在本发明实施例提供的上述xy刀偏心自动检测方法中,采用下列公式分别计算x方向和y方向上的刀心偏移量:
xMove=xFlag*abs(dist23-dist12)*pixelToMm/2
yMove=yFlag*(yLast3-yFirst2-(yLast1-yFirst1+yLast2-yFirst2+yLast3-yFirst3)/3)/2*pixelToMm
其中,xMove为x方向上的刀心偏移量;yMove为y方向上的刀心偏移量;yFirst1、yFirst2、yFirst3分别为三刀切痕的y方向直方图投影的第一个非0值位置。
优选地,在本发明实施例提供的上述xy刀偏心自动检测方法中,三刀切痕中的第一刀切痕为参考刀痕,第二刀切痕和第三刀切痕为待检测刀痕;
将刀具从下往上重复切割设定次数,生成所述第一刀切痕;
将刀具从所述第一刀切痕位置处沿x方向平移设定距离后,刀具从下往上重复切割所述设定次数,生成所述第二刀切痕;
将刀具从所述第二刀切痕位置处沿x方向平移所述设定距离后,在刀具中心点位置不变时旋转刀具从上往下重复切割所述设定次数,生成所述第三刀切痕。
本发明实施例还提供了一种xy刀偏心自动检测设备,包括处理器和存储器,其中,所述处理器执行所述存储器中保存的计算机程序时实现如本发明实施例提供的上述xy刀偏心自动检测方法。
本发明实施例还提供了一种计算机可读存储介质,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现如本发明实施例提供的上述xy刀偏心自动检测方法。
从上述技术方案可以看出,本发明所提供的一种xy刀偏心自动检测方法、设备及存储介质,包括:安装刀具并以相同方式重复切割校准材料,生成不同对比度、亮度、饱和度组合下具有三刀切痕的多张图像;对生成的多张图像进行预处理;对预处理后的图像中的三刀切痕进行x方向和y方向直方图投影,经过滤生成每张图像的特征值,选取出最优图像;对最优图像中三刀切痕的x方向和y方向直方图投影最大最小下标位置进行计算,并根据计算出的位置信息,对三刀切痕的中心点距离进行计算;根据计算出的中心点距离,判断刀心偏移方向,并计算最优图像像素转换成的毫米度量值;根据计算出的毫米度量值,分别计算x方向和y方向上的刀心偏移量。
本发明通过上述xy刀偏心自动检测方法,首先生成不同对比度、亮度、饱和度组合下具有三刀切痕的多张图像并对其进行预处理,然后从多张图像中选择切痕效果最好、误差最小的最优图像作为后续选图,之后对最优图像中的三刀切痕进行相关计算,得出xy方向的偏移量,进而可以实现刀具偏心自动校准,检测效率高,节省了人力成本,精准度高。
附图说明
为了更清楚地说明本发明实施例或相关技术中的技术方案,下面将对实施例或相关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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的xy刀偏心自动检测方法的流程图;
图2为本发明实施例提供的三刀切痕的示意图;
图3为本发明实施例提供的不同对比度、亮度、饱和度组合下具有三刀切痕的多张图像的示意图;
图4为本发明实施例提供的灰度化后的图像的示意图;
图5为本发明实施例提供的高斯滤波去燥后的图像的示意图;
图6为本发明实施例提供的提取边缘后的图像的示意图;
图7为本发明实施例提供的二值化阈值分割后的图像的示意图;
图8为本发明实施例提供的形态学去燥和填充处理后的图像的示意图;
图9为本发明实施例提供的生成的轮廓图的示意图;
图10为本发明实施例提供的最优图像中三刀切痕的x方向和y方向直方图投影最大最小下标位置的示意图;
图11为本发明实施例提供的判断刀偏心方向的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种xy刀偏心自动检测方法,如图1所示,包括以下步骤:
S101、安装刀具并以相同方式重复切割校准材料,生成不同对比度、亮度、饱和度组合下具有三刀切痕的多张图像;
在实际应用中,校准材料可以选择日常使用的A4纸;三刀切痕中的第一刀切痕作为参考刀痕,第二刀切痕和第三刀切痕作为待检测刀痕;具体地,将刀具从下往上重复切割设定次数,生成第一刀切痕;将刀具从第一刀切痕位置处沿x方向平移设定距离后,刀具从下往上重复切割设定次数,生成第二刀切痕;将刀具从第二刀切痕位置处沿x方向平移设定距离后,在刀具中心点位置不变时旋转刀具从上往下重复切割设定次数,生成第三刀切痕。优选地,设定次数可以选择10次,设定距离可以选择3mm;
S102、对生成的多张图像进行预处理;
S103、对预处理后的图像中的三刀切痕进行x方向和y方向直方图投影(如白点直方图投影:xHist1、xHist2、xHist3、yHist1、yHist2、yHist3),经过滤生成每张图像的特征值,选取出最优图像;
S104、对最优图像中三刀切痕的x方向和y方向直方图投影最大最小下标位置进行计算,并根据计算出的位置信息,对三刀切痕的中心点距离进行计算;
S105、根据计算出的中心点距离,判断刀心偏移方向,并计算最优图像像素转换成的毫米度量值;
S106、根据计算出的毫米度量值,分别计算x方向和y方向上的刀心偏移量。
在本发明实施例提供的上述xy刀偏心自动检测方法中,首先生成不同对比度、亮度、饱和度组合下具有三刀切痕的多张图像并对其进行预处理,然后从多张图像中选择切痕效果最好、误差最小的最优图像作为后续选图,之后对最优图像中的三刀切痕进行相关计算,得出xy方向的偏移量,进而可以实现刀具偏心自动校准,检测效率高,节省了人力成本,精准度高。
在具体实施时,在本发明实施例提供的上述xy刀偏心自动检测方法中,步骤S102对生成的多张图像进行预处理,具体可以包括:首先对生成的每张图像进行灰度化;对灰度化后的图像进行高斯滤波去燥;然后对经过高斯滤波后的图像进行拉普拉斯边缘的提取;之后将提取边缘的图像数据作为参考模板数据,采用设定阈值对灰度化的图像进行像素值修改,得到同时包含梯度和灰度可分性特性的图像;随后对得到的图像进行OTSU算法的图像二值化阈值分割,形态学去燥和填充处理;最后对处理后的图像进行像素翻转并查找对应的轮廓,并用轮廓长宽过滤生成轮廓图。
在上述步骤中,通过高斯滤波可抑制高斯噪声影响,使图像平滑化;在二值化阈值分割后,对图像先后进行形态学闭运行、形态学开运算,可去除一些孤立的点或者毛刺和消除物体内部的一些小黑洞的效果,使得刀痕尽量满足直径特征;整体对图像的处理方式可以解决图像前景轮廓像素值和背景像素值差距较小或者无差距图像的轮廓提取问题。
在具体实施时,在本发明实施例提供的上述xy刀偏心自动检测方法中,在执行步骤S103对预处理后的图像中的三刀切痕进行x方向和y方向直方图投影之后,还可以包括:分别对x方向直方图投影xHist1、xHist2、xHist3中的直方图值求中值,并分别对该直方图从左边起或从右边起连续三个像素在直方图对应位置的值小于中值的一半,则标记当前图像为无效图;分别对y方向直方图投影yHist1、yHist2、yHist3中的直方图值求中值,并分别对该直方图从左边起或从右边起十个像素之内有对应位置的直方图值小于中值的一半,则标记当前图像为无效图。这样通过排除标记的无效图,利于之后最优图像的选取。
进一步地,在具体实施时,在本发明实施例提供的上述xy刀偏心自动检测方法中,步骤S103经过滤生成每张图像的特征值score(也可称为打分值),选取出最优图像,具体可以包括:根据y方向直方图投影,计算个数大于1的连续直方图宽度;根据计算出的连续直方图宽度,生成每张图像的特征值;其中,将无效图的特征值设置为-1;在生成的特征值组成的矩阵中,选择除-1外的特征值最小的图像作为最优图像。
具体地,对y方向白点直方图投影yHist1、yHist2、yHist3,计算个数大于1的连续直方图宽度yStep1、yStep2、yStep3,采用下列公式生成其特征值score(即打分值):
score=|yStep1-yStep2|+|yStep1-yStep3|+|yStep2-yStep3|
在具体实施时,在本发明实施例提供的上述xy刀偏心自动检测方法中,采用下列公式对三刀切痕的中心点距离进行计算:
dist23=p3-p2=xLast3-xFirst2-abs(xLast3-xFirst3)/2.0-abs(xLast2-xFirst2)/2.0
dist12=p2-p1=xLast2-xFirst1-abs(xLast2-xFirst2)/2.0-abs(xLast1-xFirst1)/2.0
其中,p1、p2、p3分别为三刀切痕的中心点的x坐标;dist23为p2和p3之间的距离;dist12为p1和p2之间的距离;xFirst1、xFirst2、xFirst3分别为三刀切痕的x方向直方图投影的左边起最大值位置;xLast1、xLast2、xLast3分别为三刀切痕的x方向直方图投影的右边起最大值位置;abs表示绝对值。
在具体实施时,在本发明实施例提供的上述xy刀偏心自动检测方法中,采用下列公式判断刀心偏移方向:
由于第一刀和第二刀距离3mm,可以采用下列公式计算最优图像像素转换成的毫米度量值:
pixelToMm=L/(xLast2-xFirst1-abs(xLast2-xFirst2)/2.0-abs(xLast1-xFirst1)/2.0)
其中,xFlag、yFlag分别为x方向和y方向偏心的刀心偏移方向;yLast1、yLast2、yLast3分别为三刀切痕的y方向直方图投影的最后一个非0值位置;pixelToMm为最优图像像素转换成的毫米度量值;L为切割相邻两刀时刀具在x方向平移的设定距离。
在具体实施时,在本发明实施例提供的上述xy刀偏心自动检测方法中,采用下列公式分别计算x方向和y方向上的刀心偏移量:
xMove=xFlag*abs(dist23-dist12)*pixelToMm/2
yMove=yFlag*(yLast3-yFirst2-(yLast1-yFirst1+yLast2-yFirst2+yLast3-yFirst3)/3)/2*pixelToMm
其中,xMove为x方向上的刀心偏移量;yMove为y方向上的刀心偏移量;yFirst1、yFirst2、yFirst3分别为三刀切痕的y方向直方图投影的第一个非0值位置。
下面以一个具体实例对本发明实施例提供的上述xy刀偏心自动检测方法进行详细说明:
步骤一、安装刀具并切割A4白纸生成如图2所示的图像,图中有三刀切痕(即三条线),首先将刀具从下往上重复切割10次,生成1线;然后将刀具从1线位置处沿x方向平移3mm后,刀具从下往上重复切割10次,生成2线;之后将刀具从2线位置处沿x方向平移3mm后,在刀具中心点位置不变时旋转刀具从上往下重复切割10次,生成3线;其中1线为参考刀痕,2线和3线为待检测刀痕;
步骤二、如图3所示,针对步骤一中生成的图2,获取不同对比度、亮度、饱和度组合下的30张图像;
步骤三、如图4所示,针对图2中每一张图像,做灰度化,三通道转换为单通道图;
步骤四、如图5所示,对灰度化后图像做半径为r(r=3,5,7,9,11等奇数,根据图像分辨率及噪声程度决定)的高斯滤波,抑制高斯噪声影响,对图像做平滑处理;
步骤五、如图6所示,对上述经过高斯滤波后的图像做半径为r(r=3,5,7,9,11等奇数,根据图像分辨率及噪声程度决定)的拉普拉斯算法,做各向同性微分,提取边缘;
步骤六、基于步骤五生成图像的数据为参考模板数据,用阈值threshold(threshold可根据步骤四和步骤五的半径做出调整)对步骤三灰度化的图像做像素值修改,使得修改后图像同时包含梯度和灰度可分性特性;
步骤七、如图7所示,对步骤六生成的图像做OTSU算法的图像二值化阈值分割;
步骤八、对步骤七生成图像先后做核为(3,3)、(1,8)的形态学闭运行、形态学开运算,去除掉一些孤立的点或是毛刺和消除物体内部的一些小黑洞的效果,使得刀痕尽量满足直线特征,生成如图8所示的图像;
步骤九、如图9所示,对步骤八图像做像素翻转并查找对应的轮廓,并用轮廓长宽过滤生成的轮廓图;
步骤十、分别对图9中1,2,3三刀切痕做x方向(水平),y方向(竖直)白点直方图投影xHist1、xHist2、xHist3、yHist1、yHist2、yHist3;
步骤十一、分别对xHist1、xHist2、xHist3中直方图值求中值,然后分别对直方图从左边起或者从右边起连续三个像素在直方图对应位置的值小于中值的一半,则标记当前图像为无效图;
步骤十二、同样分别对yHist1、yHist2、yHist3中直方图值求中值,然后分别对直方图从左边起或者从右边起十个像素之内有对应位置的直方图值小于中值的一半,则标记当前图像为无效图;
步骤十三、对y方向白点直方图投影yHist1、yHist2、yHist3,计算个数大于1的连续直方图宽度yStep1、yStep2、yStep3,并用如下公式生成其特征值score:
score=|yStep1-yStep2|+|yStep1-yStep3|+|yStep2-yStep3|
步骤十四、重复步骤三到步骤十三生成每一张图像的特征值score,其中,满足步骤十一和步骤十二的无效图score设置为-1;
步骤十五、从步骤十四生成的特征值矩阵中,选择除-1外score最小的图作为最优图像;
步骤十六、如图10所示,对步骤十五的最优图像执行步骤三到步骤十,并分别计算x方向直方图投影xHist1、xHist2、xHist3的左边起最大值位置xFirst1、xFirst2、xFirst3和右边起最大值位置xLast1、xLast2、xLast3;y方向直方图投影yHist1的第一个非0值位置yFirst1,最后一个非0值位置yLast1;y方向直方图投影yHist2的第一个非0值位置yFirst2,最后一个非0值位置yLast2;y方向直方图投影yHist3的第一个非0值位置yFirst3,最后一个非0值位置yLast3;
步骤十七、进行三刀中心点距离的计算,公式如下:
dist23=p3-p2=xLast3-xFirst2-abs(xLast3-xFirst3)/2.0-abs(xLast2-xFirst2)/2.0
dist12=p2-p1=xLast2-xFirst1-abs(xLast2-xFirst2)/2.0-abs(xLast1-xFirst1)/2.0
其中,p1、p2、p3分别为三刀切痕的x方向中心点;dist23为p2和p3之间的距离;dist12为p1和p2之间的距离;abs表示绝对值;
步骤十八、如图11所示,进行刀偏心方向的判断,公式如下:
其中,xFlag、yFlag分别为x方向和y方向偏心的刀心偏移方向;
步骤十九、因第一刀和第二刀距离3mm,采用下列公式计算最优图像像素转换成的毫米度量值:
pixelToMm=3/(xLast2-xFirst1-abs(xLast2-xFirst2)/2.0-abs(xLast1-xFirst1)/2.0)
其中,pixelToMm为最优图像像素转换成的毫米度量值。
步骤二十、通过如下公式计算x方向偏移xMove:
xMove=xFlag*abs(dist23-dist12)*pixelToMm/2
步骤二十一、通过如下公式计算y方向偏移yMove:
yMove=yFlag*(yLast3-yFirst2-(yLast1-yFirst1+yLast2-yFirst2+yLast3-yFirst3)/3)/2*pixelToMm
通过上述步骤,计算得到的刀偏心x方向和y方向的误差控制在±0.1mm范围内,精准度很高,比人眼查看只能校准1mm误差范围的精度提高了10倍以上。
相应的,本发明实施例还公开了一种xy刀偏心自动检测设备,包括处理器和存储器;其中,处理器执行存储器中保存的计算机程序时实现前述实施例公开的xy刀偏心自动检测方法。
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
进一步的,本发明还公开了一种计算机可读存储介质,用于存储计算机程序;计算机程序被处理器执行时实现前述公开的xy刀偏心自动检测方法。
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置、设备、存储介质而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本发明实施例提供的一种xy刀偏心自动检测方法、设备及存储介质,包括:安装刀具并以相同方式重复切割校准材料,生成不同对比度、亮度、饱和度组合下具有三刀切痕的多张图像;对生成的多张图像进行预处理;对预处理后的图像中的三刀切痕进行x方向和y方向直方图投影,经过滤生成每张图像的特征值,选取出最优图像;对最优图像中三刀切痕的x方向和y方向直方图投影最大最小下标位置进行计算,并根据计算出的位置信息,对三刀切痕的中心点距离进行计算;根据计算出的中心点距离,判断刀心偏移方向,并计算最优图像像素转换成的毫米度量值;根据计算出的毫米度量值,分别计算x方向和y方向上的刀心偏移量。通过上述xy刀偏心自动检测方法,首先生成不同对比度、亮度、饱和度组合下具有三刀切痕的多张图像并对其进行预处理,然后从多张图像中选择切痕效果最好、误差最小的最优图像作为后续选图,之后对最优图像中的三刀切痕进行相关计算,得出xy方向的偏移量,进而可以实现刀具偏心自动校准,检测效率高,节省了人力成本,精准度高,计算得到的刀偏心x方向和y方向的误差控制在±0.1mm范围内,比人眼查看只能校准1mm误差范围的精度提高了10倍以上。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的xy刀偏心自动检测方法、设备及存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种xy刀偏心自动检测方法,其特征在于,包括:
安装刀具并以相同方式重复切割校准材料,生成不同对比度、亮度、饱和度组合下具有三刀切痕的多张图像;
对生成的多张图像进行预处理;
对预处理后的图像中的三刀切痕进行x方向和y方向直方图投影,经过滤生成每张图像的特征值,选取出最优图像;
对所述最优图像中三刀切痕的x方向和y方向直方图投影最大最小下标位置进行计算,并根据计算出的位置信息,对三刀切痕的中心点距离进行计算;
根据计算出的所述中心点距离,判断刀心偏移方向,并计算所述最优图像像素转换成的毫米度量值;
根据计算出的所述毫米度量值,分别计算x方向和y方向上的刀心偏移量。
2.根据权利要求1所述的xy刀偏心自动检测方法,其特征在于,对生成的多张图像进行预处理,具体包括:
对生成的每张图像进行灰度化;
对灰度化后的图像进行高斯滤波去燥;
对经过高斯滤波后的图像进行拉普拉斯边缘的提取;
将提取边缘的图像数据作为参考模板数据,采用设定阈值对灰度化的图像进行像素值修改,得到同时包含梯度和灰度可分性特性的图像;
对得到的图像进行OTSU算法的图像二值化阈值分割,形态学去燥和填充处理;
对处理后的图像进行像素翻转并查找对应的轮廓,并用轮廓长宽过滤生成轮廓图。
3.根据权利要求2所述的xy刀偏心自动检测方法,其特征在于,在对预处理后的图像中的三刀切痕进行x方向和y方向直方图投影之后,还包括:
分别对x方向直方图投影中的直方图值求中值,并分别对该直方图从左边起或从右边起连续三个像素在直方图对应位置的值小于中值的一半,则标记当前图像为无效图;
分别对y方向直方图投影中的直方图值求中值,并分别对该直方图从左边起或从右边起十个像素之内有对应位置的直方图值小于中值的一半,则标记当前图像为无效图。
4.根据权利要求3所述的xy刀偏心自动检测方法,其特征在于,经过滤生成每张图像的特征值,选取出最优图像,具体包括:
根据y方向直方图投影,计算个数大于1的连续直方图宽度;
根据计算出的所述连续直方图宽度,生成每张图像的特征值;其中,将无效图的特征值设置为-1;
在生成的特征值组成的矩阵中,选择除-1外的特征值最小的图像作为最优图像。
5.根据权利要求4所述的xy刀偏心自动检测方法,其特征在于,采用下列公式对三刀切痕的中心点距离进行计算:
dist23=p3-p2=xLast3-xFirst2-abs(xLast3-xFirst3)/2.0-abs(xLast2-xFirst2)/2.0
dist12=p2-p1=xLast2-xFirst1-abs(xLast2-xFirst2)/2.0-abs(xLast1-xFirst1)/2.0
其中,p1、p2、p3分别为三刀切痕的中心点的x坐标;dist23为p2和p3之间的距离;dist12为p1和p2之间的距离;xFirst1、xFirst2、xFirst3分别为三刀切痕的x方向直方图投影的左边起最大值位置;xLast1、xLast2、xLast3分别为三刀切痕的x方向直方图投影的右边起最大值位置。
7.根据权利要求6所述的xy刀偏心自动检测方法,其特征在于,采用下列公式分别计算x方向和y方向上的刀心偏移量:
xMove=xFlag*abs(dist23-dist12)*pixelToMm/2
yMove=yFlag*(yLast3-yFirst2-(yLast1-yFirst1+yLast2-yFirst2+yLast3-yFirst3)/3)
/2*pixelToMm
其中,xMove为x方向上的刀心偏移量;yMove为y方向上的刀心偏移量;yFirst1、yFirst2、yFirst3分别为三刀切痕的y方向直方图投影的第一个非0值位置。
8.根据权利要求1所述的xy刀偏心自动检测方法,其特征在于,三刀切痕中的第一刀切痕为参考刀痕,第二刀切痕和第三刀切痕为待检测刀痕;
将刀具从下往上重复切割设定次数,生成所述第一刀切痕;
将刀具从所述第一刀切痕位置处沿x方向平移设定距离后,刀具从下往上重复切割所述设定次数,生成所述第二刀切痕;
将刀具从所述第二刀切痕位置处沿x方向平移所述设定距离后,在刀具中心点位置不变时旋转刀具从上往下重复切割所述设定次数,生成所述第三刀切痕。
9.一种xy刀偏心自动检测设备,其特征在于,包括处理器和存储器,其中,所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至7任一项所述的xy刀偏心自动检测方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的xy刀偏心自动检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010832689.XA CN111968090B (zh) | 2020-08-18 | 2020-08-18 | 一种xy刀偏心自动检测方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010832689.XA CN111968090B (zh) | 2020-08-18 | 2020-08-18 | 一种xy刀偏心自动检测方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111968090A true CN111968090A (zh) | 2020-11-20 |
CN111968090B CN111968090B (zh) | 2023-08-08 |
Family
ID=73389268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010832689.XA Active CN111968090B (zh) | 2020-08-18 | 2020-08-18 | 一种xy刀偏心自动检测方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111968090B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117351557A (zh) * | 2023-08-17 | 2024-01-05 | 中国矿业大学 | 一种深度学习的车载手势识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1691302A (zh) * | 2004-04-21 | 2005-11-02 | 株式会社迪思科 | 切削刀片的位置偏移的检测方法 |
JP2007048014A (ja) * | 2005-08-10 | 2007-02-22 | Mori Seiki Co Ltd | 工作機械の干渉検知システム |
CN105689782A (zh) * | 2016-02-03 | 2016-06-22 | 建德市港联机械设备有限公司 | 一种双向内圆切片机 |
CN105783712A (zh) * | 2014-12-26 | 2016-07-20 | 北京中电科电子装备有限公司 | 一种检测刀痕的方法及装置 |
JP2016206120A (ja) * | 2015-04-28 | 2016-12-08 | コニカミノルタ株式会社 | 工具の機上測定方法 |
CN109472788A (zh) * | 2018-11-20 | 2019-03-15 | 成都信息工程大学 | 一种飞机铆钉表面的伤痕检测方法 |
-
2020
- 2020-08-18 CN CN202010832689.XA patent/CN111968090B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1691302A (zh) * | 2004-04-21 | 2005-11-02 | 株式会社迪思科 | 切削刀片的位置偏移的检测方法 |
JP2007048014A (ja) * | 2005-08-10 | 2007-02-22 | Mori Seiki Co Ltd | 工作機械の干渉検知システム |
CN105783712A (zh) * | 2014-12-26 | 2016-07-20 | 北京中电科电子装备有限公司 | 一种检测刀痕的方法及装置 |
JP2016206120A (ja) * | 2015-04-28 | 2016-12-08 | コニカミノルタ株式会社 | 工具の機上測定方法 |
CN105689782A (zh) * | 2016-02-03 | 2016-06-22 | 建德市港联机械设备有限公司 | 一种双向内圆切片机 |
CN109472788A (zh) * | 2018-11-20 | 2019-03-15 | 成都信息工程大学 | 一种飞机铆钉表面的伤痕检测方法 |
Non-Patent Citations (2)
Title |
---|
M.RITOU ET AL.: ""Angularr approoach combined to mechanical model for tol breakage detection by eddy current sensors"", 《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》, vol. 44, no. 1 * |
段飞宇: ""基于复杂直纹面精加工的变形误差补偿及刀位优化研究"", 《硕士电子期刊》, no. 07 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117351557A (zh) * | 2023-08-17 | 2024-01-05 | 中国矿业大学 | 一种深度学习的车载手势识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111968090B (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109389592B (zh) | 计算冠脉钙化积分的方法、装置及系统 | |
CN109288536B (zh) | 获取冠脉钙化区域分类的方法、装置及系统 | |
CN110648350B (zh) | 一种肝脏血管分割方法、装置及电子设备 | |
CN107871319B (zh) | 限束器区域的检测方法、装置、x射线系统和存储介质 | |
CN109741450B (zh) | 一种基于扫描线的路面点云自动提取方法及装置 | |
CN111968090A (zh) | 一种xy刀偏心自动检测方法、设备及存储介质 | |
JPH08287184A (ja) | 画像切り出し装置及び文字認識装置 | |
CN111814673A (zh) | 一种修正文本检测边界框的方法、装置、设备及存储介质 | |
CN111311497A (zh) | 一种条形码图像角度校正方法和装置 | |
CN117109447B (zh) | 自适应极耳宽度检测方法、装置及设备 | |
CN110532973B (zh) | 基于特殊锚点的双页文本图像识别及定位分割方法 | |
JPH08305795A (ja) | 文字認識方法 | |
CN114937037B (zh) | 产品缺陷检测方法、装置、设备及可读存储介质 | |
CN113643319B (zh) | 在图像上标定脂肪厚度起算线及脂肪厚度测量方法 | |
CN110263736A (zh) | 一种构件识别方法、装置、存储介质及系统 | |
CN109993066B (zh) | 面向边线的车辆定位方法和系统 | |
CN112949631B (zh) | 用于目标检测的预训练图片合成方法和装置 | |
US10911636B2 (en) | Image inclination angle detection apparatus that detects inclination angle of image with respect to document, image forming apparatus, and computer-readable non-transitory recording medium storing image inclination angle detection program | |
CN108629788B (zh) | 一种图像边缘检测方法、装置、设备及可读存储介质 | |
CN113658153A (zh) | 一种轮廓数据特征点检测方法及装置 | |
CN117292372B (zh) | 一种适用3d打印产品的识别方法、系统、电子设备及介质 | |
CN117570852B (zh) | 极耳顶点坐标检测方法、装置及设备 | |
CN116721100B (zh) | 工业视觉窄区域切割方法、装置、电子设备及存储介质 | |
EP3916673A1 (en) | Method for determining striation properties of fatigue striations and for determining the presence of fatigue damage | |
CN117292372A (zh) | 一种适用3d打印产品的识别方法、系统、电子设备及介质 |
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 |