CN112146593A - 一种基于机器视觉的外螺纹检测方法及实时检测系统 - Google Patents

一种基于机器视觉的外螺纹检测方法及实时检测系统 Download PDF

Info

Publication number
CN112146593A
CN112146593A CN202011019642.8A CN202011019642A CN112146593A CN 112146593 A CN112146593 A CN 112146593A CN 202011019642 A CN202011019642 A CN 202011019642A CN 112146593 A CN112146593 A CN 112146593A
Authority
CN
China
Prior art keywords
detection
thread
accumulation
external thread
image
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.)
Withdrawn
Application number
CN202011019642.8A
Other languages
English (en)
Inventor
杨华廷
朱林
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.)
Shanghai Harmony Feed Co ltd
Original Assignee
Shanghai Harmony Feed 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 Shanghai Harmony Feed Co ltd filed Critical Shanghai Harmony Feed Co ltd
Priority to CN202011019642.8A priority Critical patent/CN112146593A/zh
Publication of CN112146593A publication Critical patent/CN112146593A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/2425—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures of screw-threads
    • 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
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种基于机器视觉的外螺纹检测方法及实时检测系统，其中外螺纹检测方法包括步骤：S1.用标准格栅对图像进行标定；S2.用螺纹公差要求和系统学习数据确定螺纹可旋入性的判断标准；S3.利用针对外螺纹检测设计的快速Hough变换算法进行直线检测；S4.生成测量报告和过程控制统计图表。得益于Hough变换的全局性和鲁棒性，本申请中的检测方法和实时检测系统对图像质量和被测件定位要求低，适应性好，检测可靠性高；通过标定步骤和进阶Hough变换适应各种被测件尺寸和公差要求；通过查表法计算、缩小累积范围、累积阵分辨率进阶等技术手段，减少了计算量，可实现实时检测和过程控制。

Description

一种基于机器视觉的外螺纹检测方法及实时检测系统
技术领域
本申请涉及外螺纹检测领域，尤其涉及一种基于机器视觉的外螺纹检测方法及实时检测系统。
背景技术
饲料行业的各种设备往往需要在粉尘环境和振动环境中工作，各种螺栓连接是设备安全性和可靠性的保证。各种设备壳体上一般都有多个内螺纹孔，用于使用螺钉紧凑地固定其他零件。由于这些重要连接多有拧紧力矩要求而需要自动化装配，从而对所用的螺钉质量提出了很高的要求。如果螺钉的外螺纹有质量缺陷，一是可能造成无法达到力矩要求而需要返工，更有可能导致壳体上的内螺纹损坏而导致昂贵的壳体报废。这些螺钉对生产过程控制和检测手段提出了很高的要求。
螺纹量规是传统的检测手段，优点是技术成熟、量规成本低、效率高、便于批量检测；其缺点是每个量规只能针对单一公差检测、无法同时提供各种统计数据、螺纹品种较多时需要多套量规、较难实现自动化测量或在线自动测量、批量较大时100％检测成本变高。
目前已有的利用机器视觉的螺纹检测技术多是在传统的影像法测量技术或者类似量规技术的模板匹配技术的基础上发展而来，在被测件的装卡、图像的预处理、尺寸信息的提取等方面有较高的要求；同时利用机器视觉进行测量时计算量很大，对测量系统的软硬件要求较高。
例如公开号为CN109141286A的发明专利申请，提出了一种基于机器视觉和旋合模型的螺纹通止检测方法及系统，包括中轴线确定模块，确定螺纹工件的中轴线；图像重构模块，根据中轴线旋转图像；轮廓提取模块，提取旋转后图像的螺牙外轮廓，得到每个螺牙的轮廓线；旋合位置计算模块，计算旋合匹配时各个螺牙量规位置搜索算法的起始与终止位置；旋合模拟模块，生成理论量规的轮廓线进行旋合匹配。该方案实现了机器视觉螺纹检测，但算法复杂，过于注重细节。实际上，需要实时检测的大批量生产的外螺纹多为滚压制造，其缺陷往往出现在成段的螺纹上；同时，基于机器视觉的检测方法一般只能处理一个零件截面的信息；因此，在实时检测中，局部缺陷的检测既无必要也很难实现，反而会降低检测的鲁棒性。
发明内容
为了改进目前外螺纹检测技术的不足，本申请提供了一种基于机器视觉的外螺纹检测方法及实时检测系统。利用Hough变换特有的全局性和鲁棒性提高了检测过程的可靠性；并利用了外螺纹的特点，即构成外螺纹轮廓的直线参数范围很小的特点，解决了Hough变换计算量大的问题，可作为机器视觉实时自动检测装置的图像处理方法，对外螺纹进行测量，并对其可旋入性进行判断，同时为生产过程控制提供实时测量数据。
为了实现上述目的，本申请采用以下技术方案，包括步骤：
S1.用标准格栅对图像进行标定；
S2.用螺纹公差要求和系统学习数据确定螺纹可旋入性的判断标准；
S3.利用针对外螺纹检测设计的快速Hough变换算法进行直线检测；
S4.生成测量报告和过程控制统计图表。
进一步地，所述步骤S1包括：
S1.1.用检测所用的图像采集系统获取标准格栅板的图像，应使格栅在图像采集系统中的位置和被测螺纹在图像采集系统中位置一致；
S1.2.通过边缘检测、灰度统计、二值化和高分辨率Hough变换获得格栅图像中交叉点位置信息；
S1.3.确定坐标系后和标准格栅交叉点测量数据比较，得到全局比例系数和全视野畸变的标定系数信息。
进一步地，所述步骤S2包括：
S2.1.根据螺纹的公差要求确定可旋入性的综合判断标准，包括中径、螺牙半角、螺距、升角、作用中径的公差范围；
S2.2.用试生产或者实际生产过程中的不合格件、合格件进行测量，如有必要调整上一步骤中确定的判断标准；
S2.3.根据螺纹品种、精度级别等参数确定图像的分辨率要求，根据检测过程所需计算时间确定是否需要进行两次Hough变换累积，根据螺纹公差要求确定Hough变换累积阵的角度范围；
S2.4.将获得的所有数据输入数据库。
进一步地，所述步骤S3包括：
S3.1.降低Hough变换累积阵和图像分辨率进行第一次累积；
S3.2.根据第一次累积计算结果，确定第二次更高分辨率累积时的计算范围并进行第二次累积。
进一步地，所述步骤S3.1包括：
S3.1.1.根据检测精度要求确定图像分辨率和Hough变换累积阵分辨率；
S3.1.2.用边缘检测算法获得螺纹轮廓的边缘图像；
S3.1.3.通过二值化和连续区域搜索算法确定两侧螺纹轮廓包含的像素点；
S3.1.4.通过最小二乘法确定两侧螺纹轮廓的中轴线，进而获得整个螺纹的轴线；
S3.1.5.根据螺纹轴线和螺纹参数确定Hough累积阵的累积范围，减少计算量；
S3.1.6.用查表法和预先计算好的三角函数值进行Hough变换累积；
S3.1.7.用二值化和连续区域搜索算法将累积阵自动分块；
S3.1.8.用峰值搜索算法得到所有直线的参数；
S3.1.9.根据获得的直线参数计算螺纹的各参数及其平均值、极值、方差等数据；
S4.判断螺纹的可旋入性并生成测量报告和过程控制统计图表。
相应地，本申请提出一种基于机器视觉的外螺纹实时检测系统，包括图像预处理和标定模块，标定图像尺寸和畸变；系统学习和可旋入性判断标准生成模块；实时检测模块，获得外螺纹尺寸信息并判断其可旋入性；检测报告及过程控制图表生成模块。
进一步地，所述图像预处理和标定模块根据螺纹的公差要求确定可旋入性的综合判断标准，包括中径、螺牙半角、螺距、升角、作用中径的公差范围；用试生产或者实际生产过程中的不合格件、合格件进行测量，如有必要调整上一步骤中确定的判断标准；根据螺纹品种、精度级别等参数确定图像的分辨率要求，根据检测过程所需计算时间确定是否需要进行两次Hough变换累积，根据螺纹公差要求确定Hough变换累积阵的角度范围。
进一步地，系统学习和可旋入性判断标准生成模块根据螺纹的公差要求确定可旋入性的综合判断标准，包括中径、螺牙半角、螺距、升角、作用中径的公差范围；用试生产或者实际生产过程中的不合格件、合格件进行测量，如有必要调整上一步骤中确定的判断标准；根据螺纹品种、精度级别等参数确定图像的分辨率要求，根据检测过程所需计算时间确定是否需要进行两次Hough变换累积，根据螺纹公差要求确定Hough变换累积阵的角度范围；将获得的所有数据输入数据库。
进一步地，所述实时检测模块包括快速Hough变换模块。
进一步地，所述快速Hough变换模块包括：图像分辨率和Hough变换累积阵分辨率确定模块；边缘检测模块；二值化和连续区域搜索模块；螺纹中轴线确定模块，用最小二乘法确定两侧螺纹轮廓的中轴线，进而获得整个螺纹的轴线；限定累积范围的Hough变换模块，用查表法进行Hough变换累积，该限定累积范围的Hough变换模块可以按不同精度多次进阶累积，其累积范围由被检外螺纹公差要求、螺纹中轴线位置或较低精度累积得到的外螺纹尺寸信息确定。
与现有技术相比，本申请具有以下优点：
得益于Hough变换的全局性和鲁棒性，本申请中的检测方法和实时检测系统可与多种图像获得设备搭配使用，对被测件定位要求低，适应性好，保证了检测过程的可靠性；本方法的标定步骤和可适应不同精度要求的进阶Hough变换使本方法可以适应各种被测件尺寸和公差要求；本方法通过查表法计算Hough变换、针对外螺纹检测设计的缩小累积范围的Hough变换、累积阵分辨率进阶等技术手段，减少了Hough变换的计算量，可实现实时检测。
附图说明
图1是本申请的总体流程图；
图2是实施例一中的外螺纹实时检测流程图；
图3是实施例一中的外螺纹图像实例局部；
图4是实施例一中的外螺纹轮廓二值化图像局部；
图5是Hough变换原理图；
图6是图像空间直线(左侧)和对应的Hough变换累积阵局部(右侧)示意图；
图7是1024x1024像素图像的Hough变换累积阵尺寸的计算示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点和功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神的情况下进行各种修饰或改变。在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
实施例一
本实施例为一种基于机器视觉的外螺纹检测方法，其中只进行一次Hough变换累积，主要步骤包括：
S1.用平行光管背光照明和摄像机获得螺纹图像，螺纹轴线水平，但不要求有固定的方向，可用较简单的装置实现，摄像头竖直，得到的图像局部如图3所示；
S1.1用机器视觉栅格标定板对图像系统进行标定：将合适尺寸的格栅板置于螺纹轴线相应的水平位置，调整格栅板纵横轴线和视野轴线重合；
S1.2获得图像，如有必要重新调整调整格栅板位置；进行边缘检测、统计灰度、二值化；用高分辨率Hough变换获得直线信息，计算交叉点位置信息；
S1.3选择图像中心即格栅板中心为坐标原点，获得图像的比例标定系数和全视野坐标点的畸变标定系数。
S2.确定必要的图像和分析参数：
S2.1.根据螺纹的公差要求确定可旋入性的综合判断标准，包括中径、螺牙半角、螺距、升角、作用中径的公差范围；
S2.2.用试生产或者实际生产过程中的不合格件、合格件进行测量，如有必要调整上一步骤中确定的判断标准；
S2.3.根据螺纹品种、精度级别等参数确定图像的分辨率要求，根据检测过程所需计算时间确定是否需要进行两次Hough变换累积，根据螺纹公差要求确定Hough变换累积阵的角度范围；
S2.4.将获得的所有数据输入数据库。
S3.利用针对外螺纹检测设计的快速Hough变换算法进行直线检测；
S3.1.进行Hough变换累积，包括步骤：
S3.1.1.根据检测精度要求确定图像分辨率和Hough变换累积阵分辨率。
Hough变换最基本的思想是检测代表直线的两个参数。图象空间中所有直线均可以用两个参数来表示，这样图象空间中所有直线构成了一个二参数族。若我们为这个参数族选定一个参数组，则图象空间中一条任意直线可用参数空间中的一个点来代表。将处于xy平面上的任意直线用直线的法向角θ和从原点到直线的距离ρ来代表。如果规定θ∈[0，π)，且规定当直线位于原点上方时ρ为正、直线位于原点下方时ρ为负，则每条直线的参数就唯一了，且对一幅具体的图象来说ρ、θ都是有界的。
据此，参数为ρ0、θ0的直线现在可以用下式表示：
xcosθ0+ysinθ0＝ρ0
而图象空间中点(x0,y0)的所有直线的参数则满足方程：
x0cosθ+y0sinθ＝ρ
Hough变换的过程可用图5来解释。假设我们在图象空间中有n个点{(x1,y1),(x2,y2),…,(xn,yn)}，则对点(xi,yi)，i∈[1,n],所有过这一点的直线参数均满足方程xicosθ+yisinθ＝ρ,此方程在参数空间中为一条三角函数曲线，如果图象空间中这些点在同一条直线上，则相应的参数空间中这些三角函数就都交于同一点。不难理解，这一点就代表它们所在直线的参数。这样，检测共线点的问题就转化为求共点的曲线的问题。
在实际应用中，又可在一定精度的条件下将参数空间划分成一个累积矩阵，每当有一条三角函数曲线通过矩阵中的一个单元时，就将这个单元的累积值加一。这样，累积矩阵中的各个单元最终记录了通过它们的曲线的数目，从而在图象空间中寻找直线的问题就转化成在参数空间中寻找极大值的问题。如图6。
由于Hough变换有拟合直线的能力，因此在直线图像达到一定长度时，变换结果不仅有很好的鲁棒性，其参数测量的分辨率也高于图像的像素实际尺寸。根据文献分析(N.Kiryati and M.Lindenbaum,Digital or analog Hough transform,PatternRecognition Letters 12,1991,291-297)，对一幅1024x1024的图像，直线参数ρ的分辨率最高可达0.001像素，参数θ的分辨率最高可达1秒。但实际由于图形质量、直线长度原因，实际分辨率在0.05像素和1分量级。如果拍摄的是100mm的视野，实际分辨率可达5微米和1分，对大多数应用来说已足够。实际可选用1024x1024或者2048x2048像素的图像。
确定Hough变换累积阵的尺寸：如图7所示，对于1024x1024像素的图像，ρ的分辨率设为0.1像素、θ的分辨率设为0.05度时，Hough变换累积阵尺寸为((1448+1024)/0.1)*(180/0.05)＝24720*3600。
S3.1.2.用边缘检测模块获得边缘图像。边缘检测都是利用边缘处图像灰度值的梯度来提取图像的边缘信息。本实施例使用的是十字窗检测算法。
S3.1.3.进行灰度统计，根据统计结果将图像二值化，获得可以用于Hough变换的二值(黑白)图像；典型图像的局部如图4所示。
S3.1.4.根据步骤S1里确定的标定参数修正二值图像中所有点的坐标值；用最小二乘法分别获得两侧轮廓线的轴线，并由此获得螺纹的轴线；
S3.1.5.按以下步骤确定Hough变换累积阵的角度范围：图像最边缘的像素全部删除，以免妨碍后续算法；用连接区域搜索算法将图像中的连续的或者几乎连续的像素点作为块进行标记，即把相邻或者距离小于一定阈值的像素点标记为同一连续块；该阈值可根据图像的取得方式和质量调整；如果得到两个明显大于其他标记区域的连续块，则这两个连续块即为螺纹两侧的轮廓线；如果不是，则调整上一步骤中的距离阈值，直到获得轮廓线；如果多次调整仍无法获得轮廓线，则判断图像质量有问题；根据螺纹的轴线和螺纹参数及公差范围，确定Hough变换累积阵的角度范围(即知道螺纹的轴线后即可知道构成螺纹轮廓的直线的两个角度范围，进行Hough变换累积时只需要进行这两个角度范围的计算即可，显著减少计算量)；根据上一步的计算结果，将θ的累积范围限制为8°范围，累积阵尺寸即可降低至24720*160。
S3.1.6.用查表法进行Hough变换累积：Hough变换的主要运算是Hough曲线ρ＝x*cosθ+y*sinθ的计算，其中三角函数的计算比乘法要慢得多。查表法就是预先计算好足够分辨率情况下所有角度的正弦值和余弦值，然后计算Hough曲线的时候查表获得这些数值。这样累积时只需要做乘法，也很容易用汇编语言实现，计算速度比用C语言直接计算三角函数提高一个量级。预先计算时的分辨率可根据要求确定，也可计算最高可能的分辨率，该计算时间不占用实时检测的时间，所占资源相对图像处理任务来说也很小。
S3.1.7.用类似于步骤S3.1.5.中的二值化和连接区域搜索法对Hough变换累积阵进行自动分块，注意最后是对累积阵(灰度图像)而不是二值化后的图像进行分块。
S3.1.8.对有效分块进行峰值搜索，峰值位置坐标即对应的直线的参数。
S3.1.9.根据上一步得到的直线参数计算各螺纹参数特别是作用中径的平均值、最大最小值和方差等数据；
S3.1.10.根据上一步得到的数据和可旋入性判断标准得到检测结论；将获得的所有数据输入数据库。
实施例二
本实施例为进行两次进阶Hough变换累积的案例。其主要步骤和实施例一类似，以下仅就进阶累积的关键步骤进行说明。如有必要，也可进行更多次的进阶累积，但其边际效益会出现递减。
按照实施例一进行计算，但是使用分辨率较低的累积阵，以降低计算量。也可同时使用分辨率更低的图像以进一步降低计算量，但是其效果不如降低累积阵的分辨率明显。取参数ρ的分辨率为1像素、θ累积阵尺寸为0.2度(分别降低10倍和4倍)，同时将θ的累积范围放宽至16度时，累积阵尺寸变为2472*80，相比案例一累积计算量降低20倍。如果同时降低图像分辨率时，需要适当调整累积阵的参数，总的计算量还可进一步降低。
使用低分辨率的累积阵完成计算后，可以得到螺纹边缘的相对较精确的信息。在此基础上进行目标分辨率的累积计算时，可以将两个参数的累积范围进一步缩小。第一次累积时并未缩小累积范围的参数ρ也只需要在不到十分之一的范围内进行累积。同时将参数θ的范围降至4度，累积计算量相比案例一降低20倍以上。
以上步骤的计算时间占整个检测过程的绝大部分。因此通过两次进阶累积，可以将检测时间降低约一个量级。
实施例三
与实施例一对应，本实施例为一种基于机器视觉的外螺纹实时检测系统，包括图像预处理和标定模块，标定图像尺寸和畸变；系统学习和可旋入性判断标准生成模块；实时检测模块，获得外螺纹尺寸信息并判断其可旋入性；检测报告及过程控制图表生成模块。
本实施例中模块的具体功能与实施例一中的方法步骤对应，在此不再赘述。
上述仅为本申请的较佳实施例及所运用的技术原理，在不脱离本申请构思的情况下，还可以进行各种明显的变化、重新调整和替代，而本申请的范围由所附的权利要求范围决定。

Claims (10)

1.一种基于机器视觉的外螺纹检测方法，其特征在于，包括步骤：
S1.用标准格栅对图像进行标定；
S2.用螺纹公差要求和系统学习数据确定螺纹可旋入性的判断标准；
S3.利用针对外螺纹检测设计的快速Hough变换算法进行直线检测；
S4.生成测量报告和过程控制统计图表。
2.根据权利要求1所述的外螺纹检测方法，其特征在于，步骤S1包括：
S1.1.用检测所用的图像采集系统获取标准格栅板的图像；
S1.2.通过边缘检测、灰度统计、二值化和高分辨率Hough变换获得交叉点位置信息；
S1.3.确定坐标系后和标准格栅交叉点测量数据比较，得到全局比例系数和全视野畸变的标定系数信息。
3.根据权利要求1所述的外螺纹检测方法，其特征在于，步骤S3包括：
S3.1.降低Hough变换累积阵和图像分辨率进行第一次累积；
S3.2.根据第一次累积计算结果，确定第二次更高分辨率累积时的计算范围并进行第二次累积。
4.根据权利要求3所述的外螺纹检测方法，其特征在于，步骤S3.1包括：
S3.1.1.根据检测精度要求确定图像分辨率和Hough变换累积阵分辨率；
S3.1.2.用边缘检测算法获得螺纹轮廓的边缘图像；
S3.1.3.通过二值化和连续区域搜索算法确定两侧螺纹轮廓包含的像素点；
S3.1.4.通过最小二乘法确定两侧螺纹轮廓的中轴线，进而获得整个螺纹的轴线；
S3.1.5.根据螺纹轴线和螺纹参数确定Hough累积阵的累积范围，减少计算量；
S3.1.6.用查表法和预先计算好的三角函数值进行Hough变换累积；
S3.1.7.用二值化和连续区域搜索算法将累积阵自动分块；
S3.1.8.用峰值搜索算法得到所有直线的参数；
S3.1.9.根据获得的直线参数计算螺纹的各参数及它们的平均值、极值、方差等数据。
5.一种基于机器视觉的外螺纹实时检测系统，其特征在于，包括图像预处理和标定模块，标定图像尺寸和畸变；系统学习和可旋入性判断标准生成模块；实时检测模块，获得外螺纹尺寸信息并判断其可旋入性；检测报告及过程控制图表生成模块。
6.根据权利要求5所述的外螺纹实时检测系统，其特征在于，所述实时检测模块包括快速Hough变换模块。
7.根据权利要求6所述的外螺纹实时检测系统，其特征在于，所述快速Hough变换模块包括螺纹中轴线确定模块和限定累积范围的Hough变换模块。
8.根据权利要求7所述的外螺纹实时检测系统，其特征在于，所述螺纹中轴线确定模块采用最小二乘法确定两侧螺纹轮廓的中轴线，进而获得整个螺纹的轴线。
9.根据权利要求7或8所述的外螺纹实时检测系统，其特征在于，所述限定累积范围的Hough变换用查表法进行Hough变换累积。
10.根据权利要求7或8所述的外螺纹实时检测系统，其特征在于，所述限定累积范围的Hough变换可以按不同精度多次进阶累积，其累积范围由被检外螺纹公差要求、螺纹中轴线位置或较低精度累积得到的外螺纹尺寸信息确定。
CN202011019642.8A 2020-09-25 2020-09-25 一种基于机器视觉的外螺纹检测方法及实时检测系统 Withdrawn CN112146593A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011019642.8A CN112146593A (zh) 2020-09-25 2020-09-25 一种基于机器视觉的外螺纹检测方法及实时检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011019642.8A CN112146593A (zh) 2020-09-25 2020-09-25 一种基于机器视觉的外螺纹检测方法及实时检测系统

Publications (1)

Publication Number Publication Date
CN112146593A true CN112146593A (zh) 2020-12-29

Family

ID=73896928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011019642.8A Withdrawn CN112146593A (zh) 2020-09-25 2020-09-25 一种基于机器视觉的外螺纹检测方法及实时检测系统

Country Status (1)

Country Link
CN (1) CN112146593A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113223031A (zh) * 2021-04-20 2021-08-06 毫末智行科技有限公司 基于霍夫变换的目标边缘线检测方法及装置
CN113643252A (zh) * 2021-08-10 2021-11-12 深圳市道通科技股份有限公司 一种车辆的螺丝扭力确定方法及扭力扳手

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009192474A (ja) * 2008-02-18 2009-08-27 Takao Nemoto 雄螺子の測定装置及び判定装置
CN103245296A (zh) * 2013-04-25 2013-08-14 北方民族大学 一种基于图像测量与处理的丝杠螺纹参数测量方法
CN110223339A (zh) * 2019-05-27 2019-09-10 盐城工学院 一种基于机器视觉热保护器校准点中心定位方法
CN111353993A (zh) * 2020-03-30 2020-06-30 华南理工大学 一种基于机器视觉的螺纹角度测量方法
CN111462066A (zh) * 2020-03-30 2020-07-28 华南理工大学 一种基于机器视觉的螺纹参数检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009192474A (ja) * 2008-02-18 2009-08-27 Takao Nemoto 雄螺子の測定装置及び判定装置
CN103245296A (zh) * 2013-04-25 2013-08-14 北方民族大学 一种基于图像测量与处理的丝杠螺纹参数测量方法
CN110223339A (zh) * 2019-05-27 2019-09-10 盐城工学院 一种基于机器视觉热保护器校准点中心定位方法
CN111353993A (zh) * 2020-03-30 2020-06-30 华南理工大学 一种基于机器视觉的螺纹角度测量方法
CN111462066A (zh) * 2020-03-30 2020-07-28 华南理工大学 一种基于机器视觉的螺纹参数检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
施保华等: "一种基于机器视觉的螺纹缺陷检测方法", 《三峡大学学报》 *
杨华廷: "Hough变换及其在螺纹自动检测中的应用研究", 《上海交通大学硕士学位论文》 *
梁学军等: "基于随机Hough变换的螺纹快速测量", 《振动、测试与诊断》 *
洪迈生等: "基于随机Hough变换的螺纹可旋入性判别法", 《光学精密工程》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113223031A (zh) * 2021-04-20 2021-08-06 毫末智行科技有限公司 基于霍夫变换的目标边缘线检测方法及装置
CN113643252A (zh) * 2021-08-10 2021-11-12 深圳市道通科技股份有限公司 一种车辆的螺丝扭力确定方法及扭力扳手
CN113643252B (zh) * 2021-08-10 2024-05-31 深圳市道通科技股份有限公司 一种车辆的螺丝扭力确定方法及扭力扳手

Similar Documents

Publication Publication Date Title
CN103292701B (zh) 基于机器视觉的精密器件在线尺寸测量方法
CN111879241B (zh) 基于机器视觉的手机电池尺寸测量方法
Gadelmawla Computer vision algorithms for measurement and inspection of spur gears
CN112651968B (zh) 一种基于深度信息的木板形变与凹坑检测方法
CN112146593A (zh) 一种基于机器视觉的外螺纹检测方法及实时检测系统
CN109409290B (zh) 一种温度表检定读数自动识别系统及方法
CN111047588A (zh) 一种轴型小零件尺寸的图像化测量方法
CN110146019A (zh) 一种基于工业相机的工件尺寸在线检测与自动补偿方法
CN112729112B (zh) 基于机器人视觉的发动机缸体孔径与孔位检测方法
CN113724193A (zh) Pcba零部件尺寸及间隙高精度视觉测量方法
CN105157611A (zh) 管螺纹视觉检测方法
CN114549408A (zh) 基于图形图像的位置尺寸比对方法
Jing et al. Flank angle measurement based on improved Sobel operator
CN106122430B (zh) 一种基于特征图像的小模数齿轮边缘检测精度计算方法
CN115861217A (zh) 一种基于视觉的背光板电路板缺陷检测系统及方法
CN110544276A (zh) 最小二乘法椭圆拟合活塞裙部最大点处尺寸测量方法
CN112378338B (zh) 一种基于Hough变换的外螺纹检测方法
CN111539951A (zh) 一种陶瓷砂轮头轮廓尺寸视觉检测方法
CN111256612A (zh) 基于机器视觉的直齿渐开线小模数齿轮的测量方法
Mutambi et al. Application of digital image analysis method in metric screw thread metrology
CN115641326A (zh) 用于陶瓷天线pin针图像的亚像素尺寸检测方法及系统
CN113989513A (zh) 一种方形指针式仪表读数识别的方法
Fan et al. Dimensional inspecting system of shaft parts based on machine vision
Chen et al. Detection Technique for Dual Screw Holes Based on Morphology
CN116524004B (zh) 基于HoughLines算法的钢筋尺寸检测方法及系统

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20201229

WW01 Invention patent application withdrawn after publication