CN113155865A - 基于多相机的铝压铸件孔洞内壁缺陷检测系统及检测方法 - Google Patents
基于多相机的铝压铸件孔洞内壁缺陷检测系统及检测方法 Download PDFInfo
- Publication number
- CN113155865A CN113155865A CN202110011578.7A CN202110011578A CN113155865A CN 113155865 A CN113155865 A CN 113155865A CN 202110011578 A CN202110011578 A CN 202110011578A CN 113155865 A CN113155865 A CN 113155865A
- Authority
- CN
- China
- Prior art keywords
- die casting
- aluminum die
- image
- hole
- wall
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/954—Inspecting the inner surface of hollow bodies, e.g. bores
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明属于机器视觉检测技术领域,公开了一种基于多相机的铝压铸件孔洞内壁缺陷检测系统及检测方法,所述基于多相机的铝压铸件孔洞内壁缺陷检测系统包括:多个视觉系统、多个机械传动机构、图像处理单元;所述基于多相机的铝压铸件孔洞内壁缺陷检测方法包括:视觉系统与机械传动机构固定,通过调节自动使CCD相机与铝压铸件的孔洞对齐,利用光电传感器触发,多个CCD相机同时拍摄,将采集的到清晰图像传给图像处理单元,利用与预设模板进行差分,判断铝压铸件是否为合格。本发明提供的铝压铸件孔洞内壁缺陷检测系统结构简单,使用方便,检测效率高,操作少,实现了对铝压铸件多个孔洞内壁的一次性快速、高清晰、全方位的在在线实时检测。
Description
技术领域
本发明属于机器视觉检测技术领域,尤其涉及一种基于多相机的铝压铸件孔洞内壁缺陷检测系统及检测方法。
背景技术
铝压铸件在汽车行业中发挥着重要作用,对产品质量要求比较高,不允许有残次品流入到市场中,但是在铝压铸件生产过程中,因种种的原因,其孔洞内壁会产生气孔、沙眼、毛刺、异物等缺陷,此缺陷产品如果在流入到市场,将严重影响汽车的物理性能,甚至发生不可挽回的损失。
目前针对孔洞内壁的缺陷检测因产品的复杂性,一直是困扰行业实现自动化的一个难点。传统的检测方法有气动塞规法、涡流法、超声波检测法,其中气动塞规法利用空气压缩原理对孔洞内壁进行定性的检测,Golinelli G等利用其原理实现了内壁直径的检测,但由于该方法原理受限,虽然可以检测孔洞内壁是否相通,但是对孔洞内壁的气孔、沙眼、毛刺、异物等缺陷无法识别;涡流法利用交流电磁线圈变化的原理,对于非金属材料具有一定局限性,但可以对裂纹进行检测;超声波检测法利用超声波在孔洞内壁中传播,通过接收器接受声波的信息进行孔洞内壁缺陷的检测,但是局限性大,需要有丰富经验的操作者,对复杂孔也是无法检测。Shcherbinin V等利用涡流和超声检测原理对孔洞内壁检测,但优于孔洞内壁的形态和材质的影响,其检测仍会受到限制。
随着内窥镜在工业中的使用,逐渐的替代传统的方式。工业内窥镜利用近景成像的原理,在设备的前端安装电荷耦合器件CCD,可以实现了将图像经过处理在显示器上显示,可供工作人员对孔洞内部有了更深刻的了解。目前在汽车行业中应用的比较广泛,但是内窥的使用步骤比较多,拍摄视野比较小,同时要求操作人员具有丰富的经验。
以上的检测方法都需要大量的操作工参与其中,随着操作时间加长,劳动程度加大,对其产品的质量、生产效率均无法保证,人工成本又逐年增加,完全依靠人工进行目检的传统方式已经无法满足现代企业快速发展的规划。因此,亟需一种新的铝压铸件孔洞内壁缺陷检测方法。
通过上述分析,现有技术存在的问题及缺陷为:
(1)传统的气动塞规法由于原理受限,但是对孔洞内壁的气孔、沙眼、毛刺、异物等缺陷无法识别;涡流法利用交流电磁线圈变化的原理,对于非金属材料具有一定局限性。
(2)超声波检测法局限性大,需要有丰富经验的操作者,对复杂孔也是无法检测;利用涡流和超声检测原理对孔洞内壁检测,但优于孔洞内壁的形态和材质的影响,其检测仍会受到限制。
(3)现有针对孔洞内壁的缺陷检测方法都需要大量的操作工参与其中,随着操作时间加长,劳动程度加大,对其产品的质量、生产效率均无法保证,人工成本又逐年增加,完全依靠人工进行目检的传统方式已经无法满足现代企业快速发展的规划。
解决以上问题及缺陷的难度为:对于铝阀板视觉检测,缺陷存在类型多种多样,有气孔、沙眼、毛刺、异物等缺陷,它们存在的位置均不同,有位于产品孔洞底部也有位于其内壁,而且因整条产线的效率要求,对于铝阀板的视觉检测有一定的时间要求,传统的解决方案未能有效解决此问题。
解决以上问题及缺陷的意义:为考虑到传统人工检测方式以及传统视觉的检测方式,采用本文提出的检测方法可以适应种类的缺陷以及不通位置的缺陷,利用多相机进行拍摄,可以实现多个孔洞的同时拍照检测,提升企业的生产效率,提高产品的整体质量,同时可以完成产品的缺陷实时追溯,为中国制造2050 提供了基础数据。
发明内容
针对现有技术存在的问题,本发明提供了一种基于多相机的铝压铸件孔洞内壁缺陷检测系统及检测方法。
本发明是这样实现的,一种基于多相机的铝压铸件孔洞内壁缺陷检测系统,所述基于多相机的铝压铸件孔洞内壁缺陷检测系统包括:多个视觉系统、多个机械传动机构和图像处理单元。
多个视觉系统,固定在机械传动机构上,用于通过视觉系统中的CCD相机实现对铝压铸件孔洞内壁图像的采集;
多个机械传动机构,用于将多个视觉系统通过指令自动移动到铝压铸件孔洞处,为CCD相机拍摄提供精确的位置,并通过机械传动机构的运动实现CCD 相机对齐每个孔洞内壁的检测位置;
图像处理单元,与多个CCD相机相连,用于将多个视觉系统中的CCD相机采集到的清晰图像传入到图像处理单元,并将所有清晰的图像与预设的图像模板进行差分,判断铝压铸件是否合格。
进一步,所述多个视觉系统包括多个CCD相机、360度锥镜、开孔低角度光源;360度锥镜与CCD相机的接口相连接,开孔低角度光源的轴线位于CCD 相机的轴线重合,并且360度锥镜通过开孔低角度光源的孔,直接完成对光线的接收。
进一步,所述基于多相机的铝压铸件孔洞内壁缺陷检测系统,还包括:
工控机和显示器;
工控机与图像处理单元连接,通过接收图像处理单元的处理结果并实时地显示在显示器上,供操作员工作出判断。
本发明的另一目的在于提供一种应用所述的基于多相机的铝压铸件孔洞内壁缺陷检测系统的基于多相机的铝压铸件孔洞内壁缺陷检测方法,所述基于多相机的铝压铸件孔洞内壁缺陷检测方法包括以下步骤:
步骤一,针对铝压铸件产品的批次型号,将铝压铸件产品对应的数字编号输入到程序控制界面,通过机械传动机构使视觉设备自动移动到铝压铸件孔洞内壁的待检测位置;
步骤二,当铝压铸件在运动过程中,在固定位置触发光电触发传感器,并把信号传入给图像处理单元,利用图像处理单元同时控制多组开孔低角度光源和CCD相机同时开启;
步骤三,利用多个视觉系统中的CCD相机实现对铝压铸件孔洞内壁图像的采集,并将多个视觉系统中的CCD采集到的清晰图像传入到图像处理单元;
步骤四,针对每张清晰图像,获取所述图像的特征信息,并对齐完成特征点的描述;同时根据特征点的特征描述与预设的模板进行差分;
步骤五,当获取图像上的特征点与预设模板上的特征点一样或非常接近时,则认为多个视觉系统中的CCD相机拍摄的清晰图像与预设的模板匹配正确,判定该铝压铸件孔洞内壁为合格品;否则,判断该铝压铸件孔洞内壁为不合格品。
进一步,步骤一中,每个视觉系统与机械传动机构固定,通过机械传动机构的运动实现CCD相机对齐每个孔洞内壁的检测位置;其中,自动对齐方法,包括:
(1)根据铝压铸件产品的型号,向工控机中导入铝压铸件产品的三维信息图,并标注铝压铸件孔的位置;
(2)通过计算、坐标系之间的转换,得到机械传动机构的位置坐标,并将记录保存在铝压铸件的数据库中;
(3)在完成铝压铸件数据库的建立后,由操作员工根据待检测的铝压铸件的型号,在设备操作界面中选择相对应的铝压铸件编号;
(4)点击操作按钮,机械传动机构根据铝压铸件数据库中的位置坐标,移动到铝压铸件孔洞内壁的位置。
进一步,步骤四中,图像处理单元通过与多个CCD相机相连,将获取到的多张清晰图并传给预设的模板,进行差分;其中,多个铝压铸件孔洞内壁检测方法,包括:
(1)通过设置光电触发传感器的位置,当铝压铸件在运动的过程中,在固定位置触发光电触发传感器,并把信号传入给工控机,利用工控机同时控制多组开孔低角度光源和CCD相机同时开启,并完成快速的图像采集;
(2)把CCD相机采集到的清晰图像,传入到图像处理单元;针对每张清晰图像,获取该图像上的特征点,并对齐完成特征点的描述;
(3)通过对待检测图像的特征点描述。假设A(i,j)为预设的模板图像,B(i,j) 为待检测的图像,将两张图像进行差分,得到的图像为D(i,j),则有:
D(i,j)=|B(i,j)-A(i,j)|;
其中,D(i,j)表示两张图像的相似程度,值越小代表两张图像越相似。
进一步,所述根据特征点的特征描述与预设的模板进行差分后,还包括对差分后的图像进行二值化处理;所述二值化处理方法,包括:
通过选择合适的阈值将差分后的图像中缺陷从待检测图像中提取出来,其中最重要的选择合适的阈值。采用大津法求取预设的模板图像和待检测图像的类间方差,求出的值越大,说明预设的模板图像与待检测图像灰度值越大,更容易进行缺陷的分割。
对于图像I(x,y),预设的模板图像与待检测图像的分割阈值记作为t,图像的总平均灰度值为u,类间方差为g(t),则:
u=w0*u0+w1*u1;
g(t)=w0*(u0-u)^2+w1*(u1-u)^2;
其中,w0表示预设的模板图像像素比列;u0表示预设的模板图像的平均灰度值;w1表示待检测图像像素比列;u1表示待检测图像的平均灰度值。
当分割阈值为t时,g(t)就是其类间方差的表达式,当g(t)获得全局最大值时,所对应的t称为最佳阈值;根据涉及到的图像,进行阈值的选择。
进一步,所述基于多相机的铝压铸件孔洞内壁缺陷检测方法,还包括:
采用Blob分析,在要处理的图像中找到相近的像素点,对所述点进行连通性分析,形成Blob单元;分析Blob单元的特征,提取出缺陷的特征,通过特征筛选;若超出预设参考值,判定所述铝压铸件孔洞内壁为合格品;否则,判断所述铝压铸件孔洞内壁为不合格品。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述的基于多相机的铝压铸件孔洞内壁缺陷检测方法。
本发明的另一目的在于提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机所述的基于多相机的铝压铸件孔洞内壁缺陷检测方法。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明提供的基于多相机的铝压铸件孔洞内壁缺陷检测系统,结构简单,使用方便,检测效率高,操作工动手操作少,实现了对铝压铸件多个孔洞内壁的一次性快速、高清晰、全方位的在在线实时检测。在设计中,考虑到铝压铸件产品的多样化,增加机械传动机构,通过铝压铸件的产品型号,自动使视觉设备对齐孔洞内壁的检测位置。同时,根据操作的特性,设计了操作界面,可以供操作员工进行铝压铸件产品型号的输入、图像的查看、判定结果的显示。另外根据360度锥镜的视野,本发明适用于孔洞直径大于5mm,深度小于30mm的铝压铸件。
本发明无需依赖比照于现有技术而言的检测,即可获得比照于现有技术而言具有相当甚至更高的检测的效果,本发明一种针对铝压铸件孔洞内壁的多相机实时检测方案,可以实现铝压铸件在运动的过程中,通过一次触发,利用开孔低角度光源、360度锥镜以及CCD相机组成的视觉设备对多组孔洞内壁进行图像的采集,获取高清图像,同时配合机械传动机构,通过对零件产品型号的输入,自动使视觉设备对齐每个孔洞内壁的检测位置。针对现有检测设备而言,克服了单个CCD相机对铝压铸件孔位的检测,解决了拍摄速度慢、成本高、机械运动复杂等问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,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这些附图获得其他的附图。
图1是本发明实施例提供的基于多相机的铝压铸件孔洞内壁缺陷检测方法流程图。
图2是本发明实施例提供的铝压铸机械结构示意件图。
图3是本发明实施例提供的设备运行流程图。
图4(a)是本发明实施例提供的多相机单工位机械结构示意图。
图4(b)是本发明实施例提供的视觉系统单元硬件系统结构示意图。
图5(a)是本发明实施例提供的视觉系统单元硬件CCD相机示意图。
图5(b)是本发明实施例提供的视觉系统单元硬件360内窥镜示意图。
图5(c)是本发明实施例提供的视觉系统单元硬件开孔低角度光源示意图。
图6(a)是本发明实施例提供的CCD相机拍摄孔内磕碰示意图。
图6(b)是本发明实施例提供的孔内磕碰经算法处理结示意图。
图6(c)是本发明实施例提供的孔内磕碰拒局部放大图。
图7(a)是本发明实施例提供的CCD相机拍摄孔内凹坑示意图。
图7(b)是本发明实施例提供的CCD相机拍摄孔内螺纹示意图。
图7(c)是本发明实施例提供的CCD相机拍摄孔内沙眼示意图。
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仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种基于多相机的铝压铸件孔洞内壁缺陷检测系统及检测方法,下面结合附图对本发明作详细的描述。
本发明实施例提供的基于多相机的铝压铸件孔洞内壁缺陷检测系统包括:多个视觉系统、多个机械传动机构和图像处理单元。
多个视觉系统,固定在机械传动机构上,用于通过视觉系统中的CCD相机实现对铝压铸件孔洞内壁图像的采集;
多个机械传动机构,用于将多个视觉系统通过指令自动移动到铝压铸件孔洞处,为CCD相机拍摄提供精确的位置,并通过机械传动机构的运动实现CCD 相机对齐每个孔洞内壁的检测位置;
图像处理单元,与多个CCD相机相连,用于将多个视觉系统中的CCD相机采集到的清晰图像传入到图像处理单元,并将所有清晰的图像与预设的图像模板进行差分,判断铝压铸件是否合格。
如图1所示,本发明实施例提供的基于多相机的铝压铸件孔洞内壁缺陷检测方法包括以下步骤:
S101,针对铝压铸件产品的批次型号,将铝压铸件产品对应的数字编号输入到程序控制界面,通过机械传动机构使视觉设备自动移动到铝压铸件孔洞内壁的待检测位置;
S102,当铝压铸件在运动过程中,在固定位置触发光电触发传感器,并把信号传入给图像处理单元,利用图像处理单元同时控制多组开孔低角度光源和 CCD相机同时开启;
S103,利用多个视觉系统中的CCD相机实现对铝压铸件孔洞内壁图像的采集,并将多个视觉系统中的CCD采集到的清晰图像传入到图像处理单元;
S104,针对每张清晰图像,获取所述图像的特征信息,并对齐完成特征点的描述;同时根据特征点的特征描述与预设的模板进行差分;
S105,当获取图像上的特征点与预设模板上的特征点一样或非常接近时,则认为多个视觉系统中的CCD相机拍摄的清晰图像与预设的模板匹配正确,判定该铝压铸件孔洞内壁为合格品;否则,判断该铝压铸件孔洞内壁为不合格品。
下面结合实施例对本发明作进一步描述。
实施例1
本发明无需依赖比照于现有技术而言的检测,即可获得比照于现有技术而言具有相当甚至更高的检测的效果,本发明一种针对铝压铸件孔洞内壁的多相机实时检测方案,可以实现铝压铸件在运动的过程中,通过一次触发,利用开孔低角度光源、360度锥镜以及CCD相机组成的视觉设备对多组孔洞内壁进行图像的采集,获取高清图像,同时配合机械传动机构,通过对零件产品型号的输入,自动使视觉设备对齐每个孔洞内壁的检测位置。针对现有检测设备而言,克服了单个CCD相机对铝压铸件孔位的检测,解决了拍摄速度慢、成本高、机械运动复杂等问题。
为了实现上述目的,本发明针对铝压铸件多孔检测提供了一种CCD相机自动检测系统及检测方法,其中包括了多个视觉系统、机械传动机构和图像处理单元。
于本发明一示例中,多个视觉系统包含了多个CCD相机、360度锥镜、开孔低角度光源。360度锥镜与CCD相机的接口相连接,开孔低角度光源的轴线位于CCD相机的轴线重合,并且360度锥镜通过开孔低角度光源的孔,直接完成对光线的接收。
于本发明一示例中,每个视觉系统与机械传动机构固定,通过机械传动机构的运动实现CCD相机对齐每个孔洞内壁的检测位置。
相对应的,本发明提供一种针对铝压铸件多孔位多CCD相机的自动检测方案,操作员工针对铝压铸件产品的批次型号,将其对应的数字编号输入到程序控制界面中,通过机械传动机构使视觉设备自动移动到其孔洞内壁的检测位置。当铝压铸件在运动过程中,在固定位置触发光电触发传感器,并把信号传入给图像处理单元,利用图像处理单元同时控制多组开孔低角度光源和CCD相机同时开启,并完成快速的图像采集,实现了一次性多CCD相机针对铝压铸件多孔位进行同时采集。
于本发明一示例中,图像处理单元通过与多个CCD相机相连,将获取到的多张清晰图并传给预设的模板,进行差分。
相对应的,本发明提供一种多CCD相机自动图像灰度差分的方法。图像完成差分后进行图像中缺席的检测。假设A(i,j)为预设的模板图像,B(i,j)为待检测的图像,将两张图像进行差分,得到的图像为D(i,j),则有:
D(i,j)=|B(i,j)-A(i,j)|;
其中,D(i,j)代表了两张图像的相似程度,值越小代表两张图像越相似。
本发明针对差分后的图像进行二值化处理,通过选择合适的阈值将差分后的图像中缺陷从待检测图像中提取出来,其中最重要的选择合适的阈值,如果阈值选择偏大,则缺陷信息容易漏检,如果阈值选择偏大,则缺陷信息容易误检。本发明针对此种情况,采用大津法求取预设的模板图像和待检测图像的类间方差,求出的值越大,说明预设的模板图像与待检测图像灰度值越大,更容易进行缺陷的分割。
对于图像I(x,y),预设的模板图像与待检测图像的分割阈值记作为t,图像的总平均灰度值为u,类间方差为g(t),则:
u=w0*u0+w1*u1;
g(t)=w0*(u0-u)^2+w1*(u1-u)^2;
式中:
w0—预设的模板图像像素比列;
u0—预设的模板图像的平均灰度值;
w1—待检测图像像素比列;
u1—待检测图像的平均灰度值。
当分割阈值为t时,g(t)就是其类间方差的表达式,当g(t)获得全局最大值时,所对应的t称为最佳阈值。
当待检测图像上没有缺陷时,两张图像差分后,灰度值为零。但在实际测试中,因为每个产品因加工存在不同,两张图像差分后,灰度值是不等于零。通过采用Blob分析,在要处理的图像中找到相近的像素点,对这些点进行连通性分析,形成Blob单元,下一步分析Blob单元的特征,提取出缺陷的特征,通过特征筛选,若超出预设参考值,判定该铝压铸件孔洞内壁为合格品,否则,判断该铝压铸件孔洞内壁为不合格品。
于本发明一示例中,CCD相机自动检测系统还包括了工控机和显示器。工控机与图像处理单元连接,通过接收图像处理单元的处理结果并实时地显示在显示器上。
综上所述,本发明提供了一套铝压铸件孔洞内壁的在线实时检测方案,结构简单,使用方便,检测效率高,操作工动手操作少,实现了对铝压铸件多个孔洞内壁的一次性快速、高清晰、全方位的在在线实时检测。在设计中,考虑到铝压铸件产品的多样化,增加机械传动机构,通过铝压铸件的产品型号,自动使视觉设备对齐孔洞内壁的检测位置。同时,根据操作的特性,设计了操作界面,可以供操作员工进行铝压铸件产品型号的输入、图像的查看、判定结果的显示。另外根据360度锥镜的视野,本发明适用于孔洞直径大于5mm,深度小于30mm的铝压铸件。
实施例2
本发明提供了的CCD相机自动检测系统包含了多个视觉系统、机械传动机构和图像处理单元。多个视觉系统通过操作人员手动选择铝压铸件的产品型号,通过机械传动机构自动使视觉系统上的CCD相机与铝压铸件孔洞对齐。其机械结构如图2所示,设备运行流程如图3所示。
于本实施例中,每个视觉系统,如图4所示,其中包含了1个CCD相机、 1个360度锥镜、1个开孔低角度光源,其中结果如图5所示:360度锥镜于CCD 相机的接口相连接,并且垂直于铝压铸件的表面。开孔低角度光源的轴线与相机的轴线重合,并且360度锥镜通过开孔低角度光源的孔,直接完成对光线的接收。
于本实施例中,每个视觉系统与机械传动机构固定,通过机械传动机构的运动实现CCD相机对齐每个孔洞内壁的检测位置。为实现自动对齐,其步骤如下:
(1)根据铝压铸件产品的型号,向工控机中导入铝压铸件产品的三维信息图,并标注铝压铸件孔的位置。
(2)通过计算、坐标系之间的转换,得到机械传动机构的位置坐标,并将记录保存在铝压铸件的数据库中。
(3)在完成铝压铸件数据库的建立后。由操作员工根据待检测的铝压铸件的型号,在设备操作界面中选择相对应的铝压铸件编号。
(4)点击操作按钮,机械传动机构根据铝压铸件数据库中的位置坐标,移动到铝压铸件孔洞内壁的位置。实现了多个视觉设备针对铝压铸件孔洞内壁自动对齐的功能,为下一步视觉检测提供了理想的机械位置。
于本实施例中,图像处理单元通过与多个CCD相机相连,将获取到的多张清晰图并传给预设的模板,进行差分。为实现多个铝压铸件孔洞内壁检测,其步骤如下:
(1)通过设置光电触发传感器的位置,当铝压铸件在运动的过程中,在固定位置触发光电触发传感器,并把信号传入给工控机,利用工控机同时控制多组开孔低角度光源和CCD相机同时开启,并完成快速的图像采集。采集的图像效果如图6所示。
(2)把CCD相机采集到的清晰图像,传入到图像处理单元。针对每张清晰图像,获取该图像上的特征点,并对齐完成特征点的描述。
(3)通过对待检测图像的特征点描述,假设A(i,j)为预设的模板图像,B(i,j) 为待检测的图像,将两张图像进行差分,得到的图像为D(i,j),则有:
D(i,j)=|B(i,j)-A(i,j)|;
其中,D(i,j)代表了两张图像的相似程度,值越小代表两张图像越相似。
本发明针对差分后的图像进行二值化处理,通过选择合适的阈值将差分后的图像中缺陷从待检测图像中提取出来,其中最重要的选择合适的阈值。对于图像I(x,y),预设的模板图像与待检测图像的分割阈值记作为t,图像的总平均灰度值为u,类间方差为g(t),则:
u=w0*u0+w1*u1;
g(t)=w0*(u0-u)^2+w1*(u1-u)^2;
式中:
w0—预设的模板图像像素比列;
u0—预设的模板图像的平均灰度值;
w1—待检测图像像素比列;
u1—待检测图像的平均灰度值。
当分割阈值为t时,g(t)就是其类间方差的表达式,当g(t)获得全局最大值时,所对应的t称为最佳阈值。根据本发明涉及到的图像,进行阈值的选择。
通过采用Blob分析,在要处理的图像中找到相近的像素点,对这些点进行连通性分析,形成Blob单元,下一步分析Blob单元的特征,提取出缺陷的特征,通过特征筛选,若超出预设参考值,判定该铝压铸件孔洞内壁为合格品,否则,判断该铝压铸件孔洞内壁为不合格品。
本发明实施例中算法处理结果如图6所示。
本发明实施例中拍摄其他产品的结果如图7所示。
工控机与图像处理单元连接,通过接收图像处理单元的处理结果并实时地显示在显示器上,供操作员工作出判断。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。
在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于多相机的铝压铸件孔洞内壁缺陷检测系统,其特征在于,所述基于多相机的铝压铸件孔洞内壁缺陷检测系统包括:多个视觉系统、多个机械传动机构和图像处理单元;
多个视觉系统,固定在机械传动机构上,用于通过视觉系统中的CCD相机实现对铝压铸件孔洞内壁图像的采集;
多个机械传动机构,用于将多个视觉系统通过指令自动移动到铝压铸件孔洞处,为CCD相机拍摄提供精确的位置,并通过机械传动机构的运动实现CCD相机对齐每个孔洞内壁的检测位置;
图像处理单元,与多个CCD相机相连,用于将多个视觉系统中的CCD相机采集到的清晰图像传入到图像处理单元,并将所有清晰的图像与预设的图像模板进行差分,判断铝压铸件是否合格。
2.如权利要求1所述的基于多相机的铝压铸件孔洞内壁缺陷检测系统,其特征在于,所述多个视觉系统包括多个CCD相机、360度锥镜、开孔低角度光源;360度锥镜与CCD相机的接口相连接,开孔低角度光源的轴线位于CCD相机的轴线重合,并且360度锥镜通过开孔低角度光源的孔,直接完成对光线的接收。
3.如权利要求1所述的基于多相机的铝压铸件孔洞内壁缺陷检测系统,其特征在于,所述基于多相机的铝压铸件孔洞内壁缺陷检测系统,还包括:
工控机和显示器;
工控机与图像处理单元连接,通过接收图像处理单元的处理结果并实时地显示在显示器上,供操作员工作出判断。
4.一种应用如权利要求1~3任意一项所述的基于多相机的铝压铸件孔洞内壁缺陷检测系统的基于多相机的铝压铸件孔洞内壁缺陷检测方法,其特征在于,所述基于多相机的铝压铸件孔洞内壁缺陷检测方法包括以下步骤:
步骤一,针对铝压铸件产品的批次型号,将铝压铸件产品对应的数字编号输入到程序控制界面,通过机械传动机构使视觉设备自动移动到铝压铸件孔洞内壁的待检测位置;
步骤二,当铝压铸件在运动过程中,在固定位置触发光电触发传感器,并把信号传入给图像处理单元,利用图像处理单元同时控制多组开孔低角度光源和CCD相机同时开启;
步骤三,利用多个视觉系统中的CCD相机实现对铝压铸件孔洞内壁图像的采集,并将多个视觉系统中的CCD采集到的清晰图像传入到图像处理单元;
步骤四,针对每张清晰图像,获取所述图像的特征信息,并对齐完成特征点的描述;同时根据特征点的特征描述与预设的模板进行差分;
步骤五,当获取图像上的特征点与预设模板上的特征点一样或非常接近时,则认为多个视觉系统中的CCD相机拍摄的清晰图像与预设的模板匹配正确,判定该铝压铸件孔洞内壁为合格品;否则,判断该铝压铸件孔洞内壁为不合格品。
5.如权利要求4所述的基于多相机的铝压铸件孔洞内壁缺陷检测方法,其特征在于,步骤一中,每个视觉系统与机械传动机构固定,通过机械传动机构的运动实现CCD相机对齐每个孔洞内壁的检测位置;其中,自动对齐方法包括:
(1)根据铝压铸件产品的型号,向工控机中导入铝压铸件产品的三维信息图,并标注铝压铸件孔的位置;
(2)通过计算、坐标系之间的转换,得到机械传动机构的位置坐标,并将记录保存在铝压铸件的数据库中;
(3)在完成铝压铸件数据库的建立后,由操作员工根据待检测的铝压铸件的型号,在设备操作界面中选择相对应的铝压铸件编号;
(4)点击操作按钮,机械传动机构根据铝压铸件数据库中的位置坐标,移动到铝压铸件孔洞内壁的位置。
6.如权利要求4所述的基于多相机的铝压铸件孔洞内壁缺陷检测方法,其特征在于,步骤四中,图像处理单元通过与多个CCD相机相连,将获取到的多张清晰图并传给预设的模板,进行差分;其中,多个铝压铸件孔洞内壁检测方法,包括:
(1)通过设置光电触发传感器的位置,当铝压铸件在运动的过程中,在固定位置触发光电触发传感器,并把信号传入给工控机,利用工控机同时控制多组开孔低角度光源和CCD相机同时开启,并完成快速的图像采集;
(2)把CCD相机采集到的清晰图像,传入到图像处理单元;针对每张清晰图像,获取该图像上的特征点,并对齐完成特征点的描述;
(3)通过对待检测图像的特征点描述;假设A(i,j)为预设的模板图像,B(i,j)为待检测的图像,将两张图像进行差分,得到的图像为D(i,j),则有:
D(i,j)=|B(i,j)-A(i,j)|;
其中,D(i,j)表示两张图像的相似程度,值越小代表两张图像越相似。
7.如权利要求6所述的基于多相机的铝压铸件孔洞内壁缺陷检测方法,其特征在于,所述根据特征点的特征描述与预设的模板进行差分后,还包括对差分后的图像进行二值化处理;所述二值化处理方法,包括:
通过选择合适的阈值将差分后的图像中缺陷从待检测图像中提取出来,其中最重要的选择合适的阈值;采用大津法求取预设的模板图像和待检测图像的类间方差,求出的值越大,说明预设的模板图像与待检测图像灰度值越大,更容易进行缺陷的分割;
对于图像I(x,y),预设的模板图像与待检测图像的分割阈值记作为t,图像的总平均灰度值为u,类间方差为g(t),则:
u=w0*u0+w1*u1;
g(t)=w0*(u0-u)^2+w1*(u1-u)^2;
其中,w0表示预设的模板图像像素比列;u0表示预设的模板图像的平均灰度值;w1表示待检测图像像素比列;u1表示待检测图像的平均灰度值;
当分割阈值为t时,g(t)就是其类间方差的表达式,当g(t)获得全局最大值时,所对应的t称为最佳阈值;根据涉及到的图像,进行阈值的选择。
8.如权利要求4所述的基于多相机的铝压铸件孔洞内壁缺陷检测方法,其特征在于,所述基于多相机的铝压铸件孔洞内壁缺陷检测方法,还包括:
采用Blob分析,在要处理的图像中找到相近的像素点,对所述点进行连通性分析,形成Blob单元;分析Blob单元的特征,提取出缺陷的特征,通过特征筛选;若超出预设参考值,判定所述铝压铸件孔洞内壁为合格品;否则,判断所述铝压铸件孔洞内壁为不合格品。
9.一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施如权利要求4~8任意一项所述的基于多相机的铝压铸件孔洞内壁缺陷检测方法。
10.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求4~8任意一项所述的基于多相机的铝压铸件孔洞内壁缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110011578.7A CN113155865A (zh) | 2021-01-06 | 2021-01-06 | 基于多相机的铝压铸件孔洞内壁缺陷检测系统及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110011578.7A CN113155865A (zh) | 2021-01-06 | 2021-01-06 | 基于多相机的铝压铸件孔洞内壁缺陷检测系统及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113155865A true CN113155865A (zh) | 2021-07-23 |
Family
ID=76878610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110011578.7A Pending CN113155865A (zh) | 2021-01-06 | 2021-01-06 | 基于多相机的铝压铸件孔洞内壁缺陷检测系统及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113155865A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117092116A (zh) * | 2023-10-20 | 2023-11-21 | 上海嘉朗实业南通智能科技有限公司 | 基于机器视觉的汽车铝合金铸件缺陷检测系统及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102608124A (zh) * | 2012-04-06 | 2012-07-25 | 天津大学 | 微细管道管内缺陷及形貌测量装置及方法 |
CN103399016A (zh) * | 2013-07-26 | 2013-11-20 | 齐鲁工业大学 | 冷轧铝板表面缺陷在线检测系统及其检测方法 |
CN106996934A (zh) * | 2016-01-25 | 2017-08-01 | 浙江田中精机股份有限公司 | 多相机视觉检测系统及检测方法 |
CN107561087A (zh) * | 2017-08-31 | 2018-01-09 | 广东工业大学 | 一种基于机器视觉的鼠标logo定位及缺陷检测方法 |
CN108982514A (zh) * | 2018-07-12 | 2018-12-11 | 常州大学 | 一种铸件表面缺陷仿生视觉检测系统 |
CN109115785A (zh) * | 2018-08-08 | 2019-01-01 | 长沙理工大学 | 一种铸件打磨质量检测方法、装置及其使用方法 |
CN109556530A (zh) * | 2018-10-09 | 2019-04-02 | 天津大学 | 一种异型深孔内壁检测方法 |
CN110246122A (zh) * | 2019-05-20 | 2019-09-17 | 江苏理工学院 | 基于机器视觉的小型轴承质量检测方法、装置及系统 |
CN211086140U (zh) * | 2019-11-29 | 2020-07-24 | 征图新视(江苏)科技股份有限公司 | 针对螺丝孔内异物的视觉检测设备 |
-
2021
- 2021-01-06 CN CN202110011578.7A patent/CN113155865A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102608124A (zh) * | 2012-04-06 | 2012-07-25 | 天津大学 | 微细管道管内缺陷及形貌测量装置及方法 |
CN103399016A (zh) * | 2013-07-26 | 2013-11-20 | 齐鲁工业大学 | 冷轧铝板表面缺陷在线检测系统及其检测方法 |
CN106996934A (zh) * | 2016-01-25 | 2017-08-01 | 浙江田中精机股份有限公司 | 多相机视觉检测系统及检测方法 |
CN107561087A (zh) * | 2017-08-31 | 2018-01-09 | 广东工业大学 | 一种基于机器视觉的鼠标logo定位及缺陷检测方法 |
CN108982514A (zh) * | 2018-07-12 | 2018-12-11 | 常州大学 | 一种铸件表面缺陷仿生视觉检测系统 |
CN109115785A (zh) * | 2018-08-08 | 2019-01-01 | 长沙理工大学 | 一种铸件打磨质量检测方法、装置及其使用方法 |
CN109556530A (zh) * | 2018-10-09 | 2019-04-02 | 天津大学 | 一种异型深孔内壁检测方法 |
CN110246122A (zh) * | 2019-05-20 | 2019-09-17 | 江苏理工学院 | 基于机器视觉的小型轴承质量检测方法、装置及系统 |
CN211086140U (zh) * | 2019-11-29 | 2020-07-24 | 征图新视(江苏)科技股份有限公司 | 针对螺丝孔内异物的视觉检测设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117092116A (zh) * | 2023-10-20 | 2023-11-21 | 上海嘉朗实业南通智能科技有限公司 | 基于机器视觉的汽车铝合金铸件缺陷检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112036755B (zh) | 一种建筑工程质量检测的监管方法及系统 | |
CN101532926A (zh) | 冲击试样自动加工装置在线检测视觉系统及其图像处理方法 | |
CN102621156B (zh) | 基于图像处理的微小零件自动分拣系统 | |
CN111340798A (zh) | 深度学习在产品外观瑕疵检测中的应用 | |
CN111982911A (zh) | 一种电路板缺陷的检测方法、装置、终端设备及存储介质 | |
CN113723325B (zh) | 一种装配式预制构件的工装缺陷检测系统 | |
CN110675395A (zh) | 输电线路智能在线监测方法 | |
CN101696945A (zh) | 机器视觉系统对光伏玻璃瑕疵的在线检测方法 | |
CN106651849A (zh) | 基于面阵相机的pcb裸板缺陷检测方法 | |
CN109003271A (zh) | 一种基于深度学习yolo算法的线束连接器排线质量检测方法 | |
WO2024055796A1 (zh) | 一种缺陷检测系统、方法、装置、电子设备及存储介质 | |
CN109584259B (zh) | 一种石英坩埚气泡分层计数装置及方法 | |
CN108364306B (zh) | 一种高速周期运动的视觉实时检测方法 | |
CN114029237A (zh) | 一种铝型材表面缺陷实时分拣系统及方法 | |
CN111426693A (zh) | 一种质量缺陷检测系统及其检测方法 | |
CN105844282A (zh) | 一种运用线扫描相机检测喷油嘴O-Ring缺陷的方法 | |
CN113155865A (zh) | 基于多相机的铝压铸件孔洞内壁缺陷检测系统及检测方法 | |
CN109557098A (zh) | 基于机器视觉的金属表面检测系统 | |
CN102303018A (zh) | 机器视觉系统对注射器钢针毛刺的自动检测方法 | |
CN109622404B (zh) | 一种基于机器视觉的微工件自动分拣系统及方法 | |
CN111028207A (zh) | 基于类脑即时-通用特征提取网络的纽扣瑕疵检测方法 | |
KR20180092033A (ko) | 부품 등록기 | |
CN210376186U (zh) | 一种全自动显微镜视觉成像表面检测机 | |
CN116253026A (zh) | 一种用于gdx2包装设备中的烟支外观检测与判别处理系统及方法 | |
CN113723841B (zh) | 一种装配式预制构件中工装缺失的在线检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |