CN112991284B - 一种温控器导向架缺陷检测方法及系统 - Google Patents

一种温控器导向架缺陷检测方法及系统 Download PDF

Info

Publication number
CN112991284B
CN112991284B CN202110245000.8A CN202110245000A CN112991284B CN 112991284 B CN112991284 B CN 112991284B CN 202110245000 A CN202110245000 A CN 202110245000A CN 112991284 B CN112991284 B CN 112991284B
Authority
CN
China
Prior art keywords
gray
circular ring
area
image
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.)
Active
Application number
CN202110245000.8A
Other languages
English (en)
Other versions
CN112991284A (zh
Inventor
熊红莲
曾亚光
王茗祎
李晓
陈允照
伍海龙
邓永平
翁祥涛
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.)
Foshan University
Original Assignee
Foshan University
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 Foshan University filed Critical Foshan University
Priority to CN202110245000.8A priority Critical patent/CN112991284B/zh
Publication of CN112991284A publication Critical patent/CN112991284A/zh
Application granted granted Critical
Publication of CN112991284B publication Critical patent/CN112991284B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • G06T5/70—
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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

Abstract

本发明公开了一种温控器导向架缺陷检测方法及系统，包括：获取温控器导向架的原图；去噪预处理得到第一图像；根据第一图像将第i圆环区域进行分离，得到第i圆环区域图；绘制第i圆环区域图的灰度直方图，得到第i灰度直方图；确定第i灰度直方图确定波峰和波谷；在第i灰度直方图中寻找小于预设的第i阈值的灰度值，并从中找出像素值数量相差最大的两个灰度值，取像素值数量较小的灰度值的值作为分割阈值，统计所有圆环区域内的不满料面积得到总面积，根据总面积判断温控器导向架是否存在缺陷。系统用于执行上述的方法，本发明有效克服了手动筛选耗时的缺点，提高整个家电温控器导向架生产的效率。本发明主要用于温控器导向架识别。

Description

一种温控器导向架缺陷检测方法及系统
技术领域
本发明涉及图像识别技术领域，具体是一种温控器导向架缺陷检测方法及系统。
背景技术
温控器导向架缺陷检测是家电温控器生产制造重要环节之一，温控器导向架缺陷检测直接影响整个家电温控器的质量问题，使用有缺陷的温控器导向架会导致家电温控器存在漏电、过度发热等问题。如何快速对温控器导向架缺陷检测成为一大难题。目前国内家电温控器生产行业普遍使用传统人工筛选的方式对家电温控器导向架进行筛选，但这项工作劳动强度大，且人工筛选速度较慢。人工筛选方式不但耗费大量的人力还严重影响一个工厂的生产效率，而且需要支付较大的人工成本，加大了中小企业的成本开支，不利与中小企业的发展。现市场上有的家电温控器导向架筛选机的导向架缺陷检测算法主要以下两种：设定阈值进行阈值分割、采用otsu算法进行分割。这些方法存在分割精度不足，算法弹性不足等问题，仍需要人工进行重筛选，面对不同型号工件需要人工多次调节参数才能继续使用。
发明内容
本发明提供一种温控器导向架缺陷检测方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
一方面，本发明提供了一种温控器导向架缺陷检测方法，包括：
步骤1、获取温控器导向架的俯视图图像，所述俯视图图像记为原图；
步骤2、将所述原图进行去噪预处理得到第一图像；
步骤3、将温控器导向架以圆心为中心划分出若干个圆环区域，分别记为第i圆环区域；步骤4、根据第一图像将第i圆环区域进行分离，得到第i圆
环区域图；
步骤5、绘制第i圆环区域图的灰度直方图，得到第i灰度直方图；
步骤6、确定第i灰度直方图确定波峰和波谷；
步骤7、在第i灰度直方图中寻找小于预设的第i阈值的灰度值，从所述灰度值中确定符合步骤6所确定的波峰和波谷的灰度值，并从中找出像素值数量相差最大的两个灰度值，取像素值数量较小的灰度值的值作为分割阈值，其中，第i阈值指的是灰度值所对应的像素值数量；
步骤8、统计在第i圆环区域图中小于分割阈值的像素点集合的面积，所述像素点集合的面积即为圆环区域内的不满料面积；
步骤9、统计所有圆环区域内的不满料面积得到总面积，根据所述总面积判断温控器导向架是否存在缺陷；
其中，i＝1，2…n,n≥2；n为正整数。
进一步，在步骤3中，将温控器导向架以圆心为中心划分出若干个圆环区域，分别记为第i圆环区域具体为：将温控器导向架以圆心为中心划分出2个圆环区域，其中将温控器导向架自外往内的台阶边界依次设为第一边界和第二边界，其中，第一边界往温控器导向架外部的温控器导向架的部分称为第1圆环区域，第一边界与第二边界之间的温控器导向架的部分称为第2圆环区域；
在步骤4中，根据第一图像将第i圆环区域进行分离，得到第i圆环区域图具体为：根据第一图像将第1圆环区域进行分离；根据第一图像将第2圆环区域进行分离；
在步骤5中，绘制第i圆环区域图的灰度直方图，得到第i灰度直方图具体为：绘制第1圆环区域图的灰度直方图，得到第1灰度直方图；绘制第2圆环区域图的灰度直方图，得到第2灰度直方图；
在步骤6中，确定第i灰度直方图确定波峰和波谷具体为：确定第1灰度直方图确定波峰和波谷，确定第2灰度直方图确定波峰和波谷；
步骤7中，在第i灰度直方图中寻找小于预设的第i阈值的灰度值，从所述灰度值中确定符合步骤6所确定的波峰和波谷的灰度值，并从中找出像素值数量相差最大的两个灰度值，取像素值数量较小的灰度值的值作为分割阈值，其中，第i阈值指的是灰度值所对应的像素值数量具体包括：
在第1灰度直方图中寻找小于预设的第1阈值的灰度值，从所述灰度值中确定符合步骤6所确定的第1灰度直方图的波峰和波谷的灰度值，并从中找出像素值数量相差最大的两个灰度值，取像素值数量较小的灰度值的值作为分割阈值，其中，第1阈值指的是灰度值所对应的像素值数量；
在第2灰度直方图中寻找小于预设的第2阈值的灰度值，从所述灰度值中确定符合步骤6所确定的第2灰度直方图的波峰和波谷的灰度值，并从中找出像素值数量相差最大的两个灰度值，取像素值数量较小的灰度值的值作为分割阈值，其中，第2阈值指的是灰度值所对应的像素值数量；
在步骤8中，统计在第i圆环区域图中小于分割阈值的像素点集合的面积，所述像素点集合的面积即为圆环区域内的不满料面积具体包括：
统计在第1圆环区域图中小于分割阈值的像素点集合的面积，所述像素点集合的面积即为第1圆环区域内的不满料面积；
统计在第2圆环区域图中小于分割阈值的像素点集合的面积，所述像素点集合的面积即为第2圆环区域内的不满料面积；
在步骤9中，统计所有圆环区域内的不满料面积得到总面积，根据所述总面积判断温控器导向架是否存在缺陷具体包括：
将第1圆环区域内的不满料面积和第2圆环区域内的不满料面积相加得到总面积，根据所述总面积判断温控器导向架是否存在缺陷。
进一步，根据第一图像将第1圆环区域进行分离具体包括：对原图进行二值取反处理，再把二值取反处理后的图片放入二维霍夫空间内，定位圆心以及对应的半径，对第一图像进行二值取反处理，再用漫水填充算法反色填充背景再与第一图像的二值图进行或运算，提取填充圆心的孔后的温控器导向架的二值图，得到第二图像；
先用预定的第1圆环区域的半径参量以及第二图像，获得需要处理的圆环部分，再把圆环部分与原图进行点乘，提取出原图中待处理的圆环部分，得到原图中待处理的圆环部分的图像为第1圆环区域图；
其中，所述预定的第1圆环区域的半径参量包括：以温控器导向架的中心点为圆心，其中，圆心到第一边界的距离定为R1，圆心与温控器导向架的外圈边缘的距离定义为R2，通过R1和R2得到第1圆环区域的半径参量；
根据第一图像将第2圆环区域进行分离具体包括：先用预定的第2圆环区域的半径参量以及第二图像，获得需要处理的圆环部分，再把圆环部分与原图进行点乘，提取出原图中待处理的圆环部分，得到原图中待处理的圆环部分的图像为第2圆环区域图；
其中，所述预定的第2圆环区域的半径参量包括：圆心到第二边界的距离定为R3，通过R1和R3得到第2圆环区域的半径参量。
进一步，对于得到的第1灰度直方图，在确定波峰和波谷前，需要对第1灰度直方图进行高斯平滑处理；
对于得到的第2灰度直方图，在确定波峰和波谷前，需要对第2灰度直方图进行高斯平滑处理。
进一步，对第1灰度直方图进行高斯平滑处理包括：对第1灰度直方图进行加权平均，每一个值都由其本身值和邻域内的其他值经过加权平均后得到，其中，高斯卷积核为{0.25，0.5，0.25}；
对第2灰度直方图进行高斯平滑处理包括：对第2灰度直方图进行加权平均，每一个值都由其本身值和邻域内的其他值经过加权平均后得到，其中，高斯卷积核为{0.25，0.5，0.25}。
进一步，第2圆环区域设有三个圆孔和字符刻印，其中，三个圆孔沿着温控器导向架的中心均匀设置；
在绘制第2灰度直方图之前，需要对第2圆环区域图进行预处理，所述预处理过程包括：屏蔽三个圆孔的图像位置，和屏蔽字符刻印的图像位置。
进一步，在步骤6中，确定第i灰度直方图确定波峰和波谷具体为：在第i灰度直方图的一定范围内确定波峰和波谷，其中，一定范围内是以温控器导向架的常见灰度值为依据进行确定。
另一方面，提供一种温控器导向架缺陷检测系统，包括：处理器和存储器，所述存储器用于存储计算机可读程序；当所述计算机可读程序被所述处理器执行时，使得所述处理器实现如上述技术方案任一项所述的温控器导向架缺陷检测方法。
本发明至少具有以下有益效果：本发明可以准确并快速识别家电温控器导向架缺陷，平均处理速度为25个/s，有效克服了手动筛选耗时的缺点，提高整个家电温控器导向架生产的效率。相比设定阈值分割、otsu等方法精度更高、对于不同的家电温控器导向架有更好算法弹性。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1是温控器导向架缺陷检测方法的步骤流程图；
图2是温控器导向架的俯视图的图像；
图3是原图进行去噪预处理得到第一图像的图像；
图4是提取填充圆心的孔后的温控器导向架的二值图得到第二图像的图像；
图5是第1圆环区域图的图像；
图6的第2圆环区域图的图像；
图7是三个圆孔和字符刻印被屏蔽的图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
需要说明的是，虽然在系统示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于系统中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
图1是本发明实施例提供一种温控器导向架缺陷检测方法，包括：
步骤1、获取温控器导向架的俯视图图像，所述俯视图图像记为原图；
原图如图2所示。
步骤2、将所述原图进行去噪预处理得到第一图像；
第一图像如图3所示。
步骤3、将温控器导向架以圆心为中心划分出若干个圆环区域，分别记为第i圆环区域；步骤4、根据第一图像将第i圆环区域进行分离，得到第i圆
环区域图；
步骤5、绘制第i圆环区域图的灰度直方图，得到第i灰度直方图；
步骤6、确定第i灰度直方图确定波峰和波谷；
步骤7、在第i灰度直方图中寻找小于预设的第i阈值的灰度值，从所述灰度值中确定符合步骤6所确定的波峰和波谷的灰度值，并从中找出像素值数量相差最大的两个灰度值，取像素值数量较小的灰度值的值作为分割阈值，其中，第i阈值指的是灰度值所对应的像素值数量；
步骤8、统计在第i圆环区域图中小于分割阈值的像素点集合的面积，所述像素点集合的面积即为圆环区域内的不满料面积；
步骤9、统计所有圆环区域内的不满料面积得到总面积，根据所述总面积判断温控器导向架是否存在缺陷；
其中，i＝1，2…n,n≥2；n为正整数。
对于常规的温控器导向架，一般会将温控器导向架分成两个部分进行缺陷检测。
即在步骤3中，将温控器导向架以圆心为中心划分出若干个圆环区域，分别记为第i圆环区域具体为：将温控器导向架以圆心为中心划分出2个圆环区域，其中将温控器导向架自外往内的台阶边界依次设为第一边界和第二边界，其中，第一边界往温控器导向架外部的温控器导向架的部分称为第1圆环区域，第一边界与第二边界之间的温控器导向架的部分称为第2圆环区域。
当划分好了圆环区域后，则需要对圆环区域进行分离，具体为：
在步骤4中，根据第一图像将第i圆环区域进行分离，得到第i圆环区域图具体为：根据第一图像将第1圆环区域进行分离；根据第一图像将第2圆环区域进行分离。
其中，根据第一图像将第1圆环区域进行分离具体包括：对原图进行二值取反处理，再把二值取反处理后的图片放入二维霍夫空间内，定位圆心以及对应的半径，对第一图像进行二值取反处理，再用漫水填充算法反色填充背景再与第一图像的二值图进行或运算，提取填充圆心的孔后的温控器导向架的二值图，得到第二图像。第二图像如图4所示。
先用预定的第1圆环区域的半径参量以及第二图像，获得需要处理的圆环部分，再把圆环部分与原图进行点乘，提取出原图中待处理的圆环部分，得到原图中待处理的圆环部分的图像为第1圆环区域图。第1圆环区域图如图5所示。
其中，所述预定的第1圆环区域的半径参量包括：以温控器导向架的中心点为圆心，其中，圆心到第一边界的距离定为R1，圆心与温控器导向架的外圈边缘的距离定义为R2，通过R1和R2得到第1圆环区域的半径参量；
根据第一图像将第2圆环区域进行分离具体包括：先用预定的第2圆环区域的半径参量以及第二图像，获得需要处理的圆环部分，再把圆环部分与原图进行点乘，提取出原图中待处理的圆环部分，得到原图中待处理的圆环部分的图像为第2圆环区域图。第2圆环区域图如图6所示。
其中，所述预定的第2圆环区域的半径参量包括：圆心到第二边界的距离定为R3，通过R1和R3得到第2圆环区域的半径参量。
在得到第1圆环区域图和第2圆环区域图后，就可以从第1圆环区域图和第2圆环区域图中通过图像处理的方式确定不满料的部分。并统计不满料的部分的面积，基于该面积来确定温控器导向架是否存在缺陷。
具体可以通过如下方法：
绘制第1圆环区域图的灰度直方图，得到第1灰度直方图；绘制第2圆环区域图的灰度直方图，得到第2灰度直方图；
确定第1灰度直方图确定波峰和波谷，确定第2灰度直方图确定波峰和波谷；
在第1灰度直方图中寻找小于预设的第1阈值的灰度值，从所述灰度值中确定符合步骤6所确定的第1灰度直方图的波峰和波谷的灰度值，并从中找出像素值数量相差最大的两个灰度值，取像素值数量较小的灰度值的值作为分割阈值，其中，第1阈值指的是灰度值所对应的像素值数量。
在第2灰度直方图中寻找小于预设的第2阈值的灰度值，从所述灰度值中确定符合步骤6所确定的第2灰度直方图的波峰和波谷的灰度值，并从中找出像素值数量相差最大的两个灰度值，取像素值数量较小的灰度值的值作为分割阈值，其中，第2阈值指的是灰度值所对应的像素值数量。
第1阈值和第2阈值预先设置，在本实施例中，第1阈值设置为60，第2阈值设置为300。
统计在第1圆环区域图中小于分割阈值的像素点集合的面积，所述像素点集合的面积即为第1圆环区域内的不满料面积；
统计在第2圆环区域图中小于分割阈值的像素点集合的面积，所述像素点集合的面积即为第2圆环区域内的不满料面积。
在提取分割阈值是时候，本实施例提出了通过波峰和波谷在设定区域内来确定，这样的做法可以很大程度的排出背景的干扰，还有可以更加准确地确定不满料的位置。在本实施例的方法中：设定了不满料的位置会比正常色更黑，而且，在第1灰度直方图和第2灰度直方图中，波峰代表的是温控器导向架的正常色，正常色的像素值数量往往会比较多。而波谷则代表着不满料位置的颜色，一般的像素值数量会比较少。
最后，将第1圆环区域内的不满料面积和第2圆环区域内的不满料面积相加得到总面积，根据所述总面积判断温控器导向架是否存在缺陷。
一般通过设定阈值，当总面积小于预先设定的阈值时，则说明温控器导向架不存在不满料的缺陷(或者存在的不满料的面积对温控器导向架影响较小)，当总面积大于等于预先设定的阈值，则说明温控器导向架存在缺陷。
在一些优选的实施例中，为了更加好的确定波峰和波谷，在确定波峰和波谷前，需要对第1灰度直方图进行高斯平滑处理；
对于得到的第2灰度直方图，在确定波峰和波谷前，需要对第2灰度直方图进行高斯平滑处理。
其中，高斯平滑出来采用对整个灰度直方图进行加权平均，每一个值都由其本身值和邻域内的其他值经过加权平均后得到。
具体为：对第1灰度直方图进行高斯平滑处理包括：对第1灰度直方图进行加权平均，每一个值都由其本身值和邻域内的其他值经过加权平均后得到；
对第2灰度直方图进行高斯平滑处理包括：对第2灰度直方图进行加权平均，每一个值都由其本身值和邻域内的其他值经过加权平均后得到。
运算公式为：
Figure BDA0002963784150000091
一维尺寸为1*3的高斯卷积核为:{0.25，0.5，0.25}。
对于确定灰度直方图的波峰和波谷，采用二阶导数法求极值获取一定范围内的极值，即在一定范围内来确定灰度直方图的波峰和波谷，二阶导数法求极值为：先进行前向差分，接着用符号函数处理数组，最后再进行前向差分，取≥0的为极小值，≤-1为极大值。其中，一定范围内以温控器导向架的常见灰度值为依据进行确定。对于温控器导向架，其常见灰度值为0-100，因此，在确定灰度直方图的波峰和波谷时，则在0-100这个灰度值的范围内进行确定。这样做可以避免了由于内部缺陷导致的高亮的部分参与统计，从而影响统计的准确度。
在一些优选的实施例中，第2圆环区域设有三个圆孔和字符刻印，其中，三个圆孔沿着温控器导向架的中心均匀设置；在绘制第2灰度直方图之前，需要对第2圆环区域图进行预处理，所述预处理过程包括：屏蔽三个圆孔的图像位置，和屏蔽字符刻印的图像位置。
由于第2圆环区域设有三个圆孔和字符刻印，圆孔和字符刻印会对不满料面积造成影响。因此，需要对圆孔和字符刻印进行屏蔽。具体对圆孔的屏蔽方法：需要先确定一个圆孔的位置，具体为：对第2圆环区域图进行二值化处理。用sobel算子对第2圆环区域图的x、y两个方向进行边缘检测，再把检测结果按1:1进行权重相加，对结果进行整合，得到边缘检测图。
对x，y方向使用两个不同的soble卷积核如下：
Figure BDA0002963784150000101
把边缘检测图放入二维霍夫空间内，寻找一个圆孔。
当能确定一个圆孔的位置时，能确定一个圆的位置时，则通过坐标旋转公式把确定的圆的位置旋转120°锁定第二个圆的位置，再旋转-120°锁定第三个圆的位置，从而确定3个圆的位置。
坐标旋转公式为：
取x1，y1为待旋转点，x0，y0为旋转中心，angle为旋转角度。
Figure BDA0002963784150000111
Figure BDA0002963784150000112
因为三个圆孔会有下陷，导致三个圆孔位置的灰度值减小，容易被误判为不满料部分，影响结果；因此需要屏蔽找到的三个圆孔。
用霍夫直线检测算法对第2圆环区域图进行检测，寻找直线以及统计寻找所有直线的中点。然后计算三个圆孔与字符中点的距离，找出距离最远的圆作为参考圆。通过用参考圆孔的横纵坐标与剩余两个圆孔的横纵坐标进行比较，判断参考圆孔在图像的方位，以及另外两个圆孔的相对位置并找出把温控器导向架摆正的角度。
摆正温控器导向架的角度公式为：
设左/上圆坐标为L(Lx，Ly)，右/下圆坐标为R(Rx，Ry)。
Figure BDA0002963784150000113
若angle＞0，则angle＝angle+180。
对温控器导向架摆正进行摆正，通过相对位置找出字符的位置，最后屏蔽三个圆孔和字符刻印，得到屏蔽图，如图7所示。
同时，本具体实施方式还提供了一种温控器导向架缺陷检测系统，所述系统用于执行上述具体实施方式任一项所述的一种温控器导向架缺陷检测方法。其中，系统包括：处理器和存储器，存储器用于存储计算机可读程序；当所述计算机可读程序被所述处理器执行时，使得所述处理器实现如上述具体实施方式中任一项所述的方法。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。

Claims (8)

1.一种温控器导向架缺陷检测方法，其特征在于，包括：
步骤1、获取温控器导向架的俯视图图像，所述俯视图图像记为原图；
步骤2、将所述原图进行去噪预处理得到第一图像；
步骤3、将温控器导向架以圆心为中心划分出若干个圆环区域，分别记为第i圆环区域；步骤4、根据第一图像将第i圆环区域进行分离，得到第i圆环区域图；
步骤5、绘制第i圆环区域图的灰度直方图，得到第i灰度直方图；
步骤6、确定第i灰度直方图的波峰和波谷；
步骤7、在第i灰度直方图中寻找小于预设的第i阈值的灰度值，从所述灰度值中确定符合步骤6所确定的波峰和波谷的灰度值，并从中找出像素值数量相差最大的两个灰度值，取像素值数量较小的灰度值的值作为分割阈值，其中，第i阈值指的是灰度值所对应的像素值数量；
步骤8、统计在第i圆环区域图中小于分割阈值的像素点集合的面积，所述像素点集合的面积即为圆环区域内的不满料面积；
步骤9、统计所有圆环区域内的不满料面积得到总面积，根据所述总面积判断温控器导向架是否存在缺陷；
其中，i=1，2…n,n≥2； n为正整数。
2.根据权利要求1所述一种温控器导向架缺陷检测方法，其特征在于，在步骤3中，将温控器导向架以圆心为中心划分出若干个圆环区域，分别记为第i圆环区域具体为：将温控器导向架以圆心为中心划分出2个圆环区域，其中将温控器导向架自外往内的台阶边界依次设为第一边界和第二边界，其中，第一边界往温控器导向架外部的温控器导向架的部分称为第1圆环区域，第一边界与第二边界之间的温控器导向架的部分称为第2圆环区域；
在步骤4中，根据第一图像将第i圆环区域进行分离，得到第i圆环区域图具体为：根据第一图像将第1圆环区域进行分离；根据第一图像将第2圆环区域进行分离；
在步骤5中，绘制第i圆环区域图的灰度直方图，得到第i灰度直方图具体为：绘制第1圆环区域图的灰度直方图，得到第1灰度直方图；绘制第2圆环区域图的灰度直方图，得到第2灰度直方图；
在步骤6中，确定第i灰度直方图的波峰和波谷具体为：确定第1灰度直方图的波峰和波谷，确定第2灰度直方图的波峰和波谷；
步骤7中，在第i灰度直方图中寻找小于预设的第i阈值的灰度值，从所述灰度值中确定符合步骤6所确定的波峰和波谷的灰度值，并从中找出像素值数量相差最大的两个灰度值，取像素值数量较小的灰度值的值作为分割阈值，其中，第i阈值指的是灰度值所对应的像素值数量具体包括：
在第1灰度直方图中寻找小于预设的第1阈值的灰度值，从所述灰度值中确定符合步骤6所确定的第1灰度直方图的波峰和波谷的灰度值，并从中找出像素值数量相差最大的两个灰度值，取像素值数量较小的灰度值的值作为分割阈值，其中，第1阈值指的是灰度值所对应的像素值数量；
在第2灰度直方图中寻找小于预设的第2阈值的灰度值，从所述灰度值中确定符合步骤6所确定的第2灰度直方图的波峰和波谷的灰度值，并从中找出像素值数量相差最大的两个灰度值，取像素值数量较小的灰度值的值作为分割阈值，其中，第2阈值指的是灰度值所对应的像素值数量；
在步骤8中，统计在第i圆环区域图中小于分割阈值的像素点集合的面积，所述像素点集合的面积即为圆环区域内的不满料面积具体包括：
统计在第1圆环区域图中小于分割阈值的像素点集合的面积，所述像素点集合的面积即为第1圆环区域内的不满料面积；
统计在第2圆环区域图中小于分割阈值的像素点集合的面积，所述像素点集合的面积即为第2圆环区域内的不满料面积；
在步骤9中，统计所有圆环区域内的不满料面积得到总面积，根据所述总面积判断温控器导向架是否存在缺陷具体包括：
将第1圆环区域内的不满料面积和第2圆环区域内的不满料面积相加得到总面积，根据所述总面积判断温控器导向架是否存在缺陷。
3.根据权利要求2所述一种温控器导向架缺陷检测方法，其特征在于，根据第一图像将第1圆环区域进行分离具体包括：对原图进行二值取反处理，再把二值取反处理后的图片放入二维霍夫空间内，定位圆心以及对应的半径，对第一图像进行二值取反处理，用漫水填充算法反色填充背景后再与第一图像的二值图进行或运算，提取填充圆心的孔后的温控器导向架的二值图，得到第二图像；
先用预定的第1圆环区域的半径参量以及第二图像，获得需要处理的圆环部分，再把圆环部分与原图进行点乘，提取出原图中待处理的圆环部分，得到原图中待处理的圆环部分的图像为第1圆环区域图；
其中，所述预定的第1圆环区域的半径参量包括：以温控器导向架的中心点为圆心，其中，圆心到第一边界的距离定为R1，圆心与温控器导向架的外圈边缘的距离定义为R2，通过R1和R2得到第1圆环区域的半径参量；
根据第一图像将第2圆环区域进行分离具体包括：先用预定的第2圆环区域的半径参量以及第二图像，获得需要处理的圆环部分，再把圆环部分与原图进行点乘，提取出原图中待处理的圆环部分，得到原图中待处理的圆环部分的图像为第2圆环区域图；
其中，所述预定的第2圆环区域的半径参量包括：圆心到第二边界的距离定为R3，通过R1和R3得到第2圆环区域的半径参量。
4.根据权利要求2所述一种温控器导向架缺陷检测方法，其特征在于，对于得到的第1灰度直方图，在确定波峰和波谷前，需要对第1灰度直方图进行高斯平滑处理；
对于得到的第2灰度直方图，在确定波峰和波谷前，需要对第2灰度直方图进行高斯平滑处理。
5.根据权利要求4所述一种温控器导向架缺陷检测方法，其特征在于，对第1灰度直方图进行高斯平滑处理包括：对第1灰度直方图进行加权平均，每一个值都由其本身值和邻域内的其他值经过加权平均后得到，其中，高斯卷积核为{0.25，0.5，0.25}；
对第2灰度直方图进行高斯平滑处理包括：对第2灰度直方图进行加权平均，每一个值都由其本身值和邻域内的其他值经过加权平均后得到，其中，高斯卷积核为{0.25，0.5，0.25}。
6.根据权利要求3所述一种温控器导向架缺陷检测方法，其特征在于，第2圆环区域设有三个圆孔和字符刻印，其中，三个圆孔沿着温控器导向架的中心均匀设置；
在绘制第2灰度直方图之前，需要对第2圆环区域图进行预处理，所述预处理过程包括：屏蔽三个圆孔的图像位置，和屏蔽字符刻印的图像位置。
7.根据权利要求1所述一种温控器导向架缺陷检测方法，其特征在于，在步骤6中，确定第i灰度直方图的波峰和波谷具体为：在第i灰度直方图的一定范围内确定波峰和波谷，其中，一定范围内是以温控器导向架的常见灰度值为依据进行确定。
8.一种温控器导向架缺陷检测系统，其特征在于：包括：
处理器；
存储器，用于存储计算机可读程序；
当所述计算机可读程序被所述处理器执行时，使得所述处理器实现如权利要求1-7任一项所述的方法。
CN202110245000.8A 2021-03-05 2021-03-05 一种温控器导向架缺陷检测方法及系统 Active CN112991284B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110245000.8A CN112991284B (zh) 2021-03-05 2021-03-05 一种温控器导向架缺陷检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110245000.8A CN112991284B (zh) 2021-03-05 2021-03-05 一种温控器导向架缺陷检测方法及系统

Publications (2)

Publication Number Publication Date
CN112991284A CN112991284A (zh) 2021-06-18
CN112991284B true CN112991284B (zh) 2022-11-01

Family

ID=76353033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110245000.8A Active CN112991284B (zh) 2021-03-05 2021-03-05 一种温控器导向架缺陷检测方法及系统

Country Status (1)

Country Link
CN (1) CN112991284B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117252876B (zh) * 2023-11-17 2024-02-09 江西斯迈得半导体有限公司 一种led支架缺陷检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104297255A (zh) * 2014-10-15 2015-01-21 西安交通大学 一种纸杯缺陷视觉检测方法及系统装置
CN106097308A (zh) * 2016-05-31 2016-11-09 长沙理工大学 一种基于机器视觉的新能源电动车辆充电孔检测与定位方法
CN106841229A (zh) * 2016-12-20 2017-06-13 浙江工业大学 一种基于机器视觉的在线pe瓶瓶口密封缺陷的检测方法
CN108844961A (zh) * 2018-08-01 2018-11-20 佛山科学技术学院 一种温控器壳体视觉检测系统及方法
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4310090B2 (ja) * 2002-09-27 2009-08-05 株式会社日立製作所 欠陥データ解析方法及びその装置並びにレビューシステム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104297255A (zh) * 2014-10-15 2015-01-21 西安交通大学 一种纸杯缺陷视觉检测方法及系统装置
CN106097308A (zh) * 2016-05-31 2016-11-09 长沙理工大学 一种基于机器视觉的新能源电动车辆充电孔检测与定位方法
CN106841229A (zh) * 2016-12-20 2017-06-13 浙江工业大学 一种基于机器视觉的在线pe瓶瓶口密封缺陷的检测方法
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
CN108844961A (zh) * 2018-08-01 2018-11-20 佛山科学技术学院 一种温控器壳体视觉检测系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Study on End Face Defect detection method of Bearing Inner Ring;Wei Li et al.;《2018 5th Asia-Pacific World Congress on Computer Science and Engineering (APWC on CSE)》;20181231;第172-176页 *
图像处理技术在玻璃缺陷检测中的应用;王吴雨等;《工业控制计算机》;20110225(第02期);第68-70页 *

Also Published As

Publication number Publication date
CN112991284A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN111179225B (zh) 一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法
CN112949564B (zh) 一种基于深度学习的指针式仪表自动读数方法
CN110930390B (zh) 基于半监督深度学习的芯片管脚缺失检测方法
CN113658133A (zh) 一种基于图像处理的齿轮表面缺陷检测方法及系统
CN111915704A (zh) 一种基于深度学习的苹果分级识别方法
CN113781486B (zh) Ic卡图像缺陷检测方法
CN115115612B (zh) 一种用于机械配件的表面缺陷检测方法及系统
CN107192716A (zh) 一种基于轮廓特征的工件缺陷快速检测方法
CN108596925A (zh) 基于视觉的太阳花模组表面螺钉孔位置图像处理方法
CN111027546A (zh) 一种字符分割方法、装置以及计算机可读存储介质
CN112288724B (zh) 缺陷检测方法及装置、电子设备和存储介质
CN116704516B (zh) 一种用于水溶肥料包装的视觉检测方法
CN112991284B (zh) 一种温控器导向架缺陷检测方法及系统
CN111382680A (zh) 一种闸门监测方法、终端及计算机可读存储介质
CN115272199A (zh) 一种pcb载板缺陷检测方法、系统、电子设备及介质
CN115861307A (zh) 基于人工智能的筋膜枪供电驱动板焊接故障检测方法
CN110288619B (zh) 基于视觉的太阳花模组表面螺钉孔位置检测方法
CN108573476A (zh) 基于视觉的太阳花模组表面螺钉孔位置检测方法
CN111707672A (zh) 风电回转支撑件表面缺陷检测方法
CN115809999A (zh) 器件上目标对象检测方法、装置、电子设备及存储介质
CN116843665A (zh) 相机模组涂胶情况判定方法、装置、设备及存储介质
CN114119594A (zh) 一种基于深度学习的油液渗漏检测方法和检测装置
CN114359276A (zh) 基于麻点缺陷的钢模下料优选方案获取方法
CN110827272B (zh) 一种基于图像处理的轮胎x光图像缺陷检测方法
CN114359597A (zh) 一种基于视觉的油箱内盖识别及位姿参数感知方法

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