CN113592808B - 一种皮带轮视觉检测方法 - Google Patents
一种皮带轮视觉检测方法 Download PDFInfo
- Publication number
- CN113592808B CN113592808B CN202110855309.9A CN202110855309A CN113592808B CN 113592808 B CN113592808 B CN 113592808B CN 202110855309 A CN202110855309 A CN 202110855309A CN 113592808 B CN113592808 B CN 113592808B
- Authority
- CN
- China
- Prior art keywords
- image
- workpiece
- groove angle
- straight line
- edge
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 12
- 230000000007 visual effect Effects 0.000 title claims abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000011179 visual inspection Methods 0.000 claims description 8
- 230000000873 masking effect Effects 0.000 claims description 3
- 238000004040 coloring Methods 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004042 decolorization Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
- G06T7/13—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
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种皮带轮视觉检测方法,包含以下步骤:获取步骤:获取工件图像,所述工件图像包含槽角图像;提取步骤:提取所述工件图像中的边缘图像;遮挡步骤:局部遮挡所述边缘图像,暴露并得到槽角边缘图像;拟合步骤:根据所述槽角边缘图像对应槽角的两个边缘分别拟合直线,计算两条直线的交点;判断步骤:判断所述交点是否在设定的范围内,若是则判定所述皮带轮合格,若否则判定所述皮带轮不合格。本发明将工件图片提取边缘、遮挡无关图像、拟合出准确的直线,再通过直线的交点位置判断皮带轮是否合格,整个检测过程快速便捷,无需通过标尺等工具进行测量,从而不会引入新的误差。
Description
技术领域
本发明涉及皮带轮检测领域,具体指有一种皮带轮视觉检测方法。
背景技术
皮带轮,属于盘毂类零件,主要用于远距离传送动力的场合,例如小型柴油机动力的输出,农用车,拖拉机,汽车,农业机械动力的传送,等等。
皮带轮作为动力传输系统,其关键在于与皮带接触的槽角与安装基准中心高,因此皮带轮在生产制造后,需要进行槽角的检测,检测皮带轮的尺寸、槽角角度、槽角的角高等参数,以确保生产质量。但是现有结构的检测工具,一般都是靠人工或者机械操作标尺等工具进行检测,造成的操作变化,使得检测效果具有一定的波动性,而且费时费力,增加人力成本。
针对上述的现有技术存在的问题设计一种皮带轮视觉检测方法是本发明研究的目的。
发明内容
针对上述现有技术存在的问题,本发明在于提供一种皮带轮视觉检测方法,能够有效解决上述现有技术存在的问题。
本发明的技术方案是:
一种皮带轮视觉检测方法,包含以下步骤:
获取步骤:获取工件图像,所述工件图像包含槽角图像;
提取步骤:提取所述工件图像中的边缘图像;
遮挡步骤:局部遮挡所述边缘图像,暴露并得到槽角边缘图像;
拟合步骤:根据所述槽角边缘图像对应槽角的两个边缘分别拟合直线,计算两条直线的交点;
判断步骤:判断所述交点是否在设定的范围内,若是则判定所述皮带轮合格,若否则判定所述皮带轮不合格。
进一步地,所述提取步骤具体为,通过二值化所述工件图像得到二值化图像,将所述工件图像与所述二值化图像做差得到所述工件图像中的边缘图像。
进一步地,所述提取步骤具体为,去色所述工件图像得到黑白图像,计算黑白图像的灰度直方图,取所述灰度直方图的波峰或者波谷,得到所述黑白图像中黑白变化的边缘图像。
进一步地,判断步骤中,所述判断所述交点是否在设定的范围内具体为:
设置基准直线,计算所述交点与所述基准直线的距离,判断所述距离是否在设定的阈值范围内。
进一步地,所述工件放置于定位块的上表面,所述基准直线平行于所述定位块的上表面。
进一步地,拟合步骤中,所述拟合直线具体为:
获取所述槽角边缘图像其中一边的每个像素点的坐标,通过最小二乘法直线拟合算法拟合直线。
进一步地,采用图像掩模遮挡或暴露。
进一步地,在逆光条件下获取黑白的所述工件图像。
进一步地,提取步骤中,提取所述工件图像中黑白变化的边缘图片。
因此,本发明提供以下的效果和/或优点:
本发明通过获取步骤、提取步骤、遮挡步骤、拟合步骤、判断步骤,分别将工件图片提取边缘、遮挡无关图像、拟合出准确的直线,再通过直线的交点位置判断皮带轮是否合格,能够通过交点的位置自动检测工件的槽角的角度、长短、方向等参数是否合格,整个检测过程快速便捷,只需将工件放置并拍摄工件图片后即可快速计算出工件是否合格,无需通过标尺等工具进行测量,从而不会引入新的误差,整个判断过程小于1秒。
本发明通过二值化、差分图像计算,或者通过灰度直方图取波峰/波谷从而获得槽角的边缘图像,为后续的步骤提供良好的图像基础。
本发明通过拟合直线的方式获取槽角的参数,从而无需人工测量,也无需通过机器操作标尺/角度尺等测量,工作效率大大提高。
本发明在逆光条件下获取黑白的所述工件图像,从而能够获取到更好的图像,更好地分离工件和背景,提高后续的步骤中的准确率。
应当明白,本发明的上文的概述和下面的详细说明是示例性和解释性的,并且意在提供对如要求保护的本发明的进一步的解释。
附图说明
图1为实施例一的流程示意图。
图2为获取步骤获取的工件图像。
图3为提取步骤中根据图2得到的二值化图像。
图4为提取步骤中根据图3得到的差值图像。
图5为遮挡步骤中图像掩模的示意图。
图6为遮挡步骤中图4通过图5遮挡后所暴露的图像。
图7为拟合步骤中根据图6得到的其中一条直线的示意图。
图8为槽角边缘拟合出两条直线的示意图。
图9为基准直线的示意图。
图10为交点与所述基准直线的距离的示意图。
具体实施方式
为了便于本领域技术人员理解,现将实施例结合附图对本发明的结构作进一步详细描述:
实施例一
参考图1,一种皮带轮视觉检测方法,包含以下步骤:
S1,获取步骤:在逆光条件下获取黑白的所述工件图像,所述工件放置于定位块的上表面,所述工件图像包含槽角图像。本实施例中,获取的工件图像是黑白的,在其他实施例中,工件图像也可以是彩色,只需要经过去色处理成黑白即可,在此不做限定。本实施例中,工件图像是在逆光条件下获取的,具体为,通过工件放置于定位块的上表面,光源从工件的一侧照射,相机从工件的另一侧拍摄工件,相机、工件、光源处于同一直线上。由于工件处于光源和相机之间,所以就产生了背景亮度远远高于被工件的状况,拍摄的工件图像边缘清晰,边缘与背景可以更好地分离。此步骤得到如图2所示的图片,为了便于展示,图2只展示部分工件图像。其中包含槽角,以及工件的与定位块的接触面(图2中底部)。
S2,提取步骤:提取所述工件图像中黑白变化的边缘图片,具体为:通过二值化所述工件图像得到二值化图像,将所述工件图像与所述二值化图像做差得到所述工件图像中的边缘图像。选择合适的阈值进行二值化处理,二值化是将黑白图像中,大于设定阈值的像素全部转换为黑色,小于设定阈值的像素全部转换为白色。二值化图像如图3所示。接下来,将所述工件图像与所述二值化图像做差得到所述工件图像中的边缘图像,得到如图4所示的差值图像。
S3,遮挡步骤:采用图像掩模遮挡局部遮挡所述边缘图像,采用图像掩模暴露并得到槽角边缘图像。本实施例中,采用如图5所示的图像掩模进行遮挡或暴露,图像掩模的重点在于,遮挡边缘图像中跟槽角参数无关的部分(例如工件槽角以外的图像),以及遮挡边缘图像中槽角的非直线部分(例如槽角的底端的圆弧部分),只暴露边缘图像中槽角的类似直线的部分,得到如图6所示的图像。
S4,拟合步骤:根据所述槽角边缘图像对应槽角的两个边缘,获取所述槽角边缘图像其中一边的每个像素点的坐标,通过最小二乘法直线拟合算法分别拟合直线,计算两条直线的交点。通过图6所示的图像,只保留其中一个槽角边缘的像素点,获取所述槽角边缘图像其中一边的每个像素点的坐标,拟合其中一条直线,得到如图7所示的直线,再重复步骤得到另一条直线。其中,直线拟合的算法是假设每个点的XY坐标的误差都是符合0均值的正态分布的,将离散点拟合为ax+by+c=0型直线,其中a为斜率,b为截距。最小二乘就是对n个点进行拟合,使其距离拟合直线的总体误差尽量小。求解方法也很简单,就是最小化每个点到直线的垂直误差。与一元线性回归算法的区别:一元线性回归算法假定X是无误差的,只有Y有误差。获取步骤、提取步骤、遮挡步骤为本步骤提供了良好的图像基础,可以有效提高直线拟合的精确度,防止直线拟合出现偏差等情况。本实施例采用最小二乘法直线拟合算法进行直线拟合,最小二乘法是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。本实施例采用的最小二乘法为现有技术,在此不展开详细介绍。
S5,判断步骤:判断所述交点是否在设定的范围内,若是则判定所述皮带轮合格,若否则判定所述皮带轮不合格。所述判断所述交点是否在设定的范围内具体为:设置基准直线,所述基准直线平行于所述定位块的上表面,计算所述交点与所述基准直线的距离,判断所述距离是否在设定的阈值范围内。本实施例中,通过拟合步骤得到如图8所示的两条直线后,直线的一般方程为F(x)=ax+by+c=0。既然我们已经知道直线的两个点,假设为(x0,y0),(x1,y1),那么可以得到a=y0–y1,b=x1–x0,c=x0y1–x1y0。
因此我们可以将两条直线分别表示为:
F0(x)=a0*x+b0*y+c0=0,F1(x)=a1*x+b1*y+c1=0。
那么两条直线的交点应该满足:a0*x+b0*y+c0=a1*x+b1*y+c1。
由此可推出:
x=(b0*c1–b1*c0)/D;
y=(a1*c0–a0*c1)/D;
D=a0*b1–a1*b0,(D为0时,表示两直线重合)。
从而计算出两条直线的交点,如图8所示。
为了判断槽角的参数是否满足要求,需要判断所述交点是否在设定的范围。具体为,预先设定有一条基准直线,该基准直线可以是在所有步骤之前就设定好的,针对特定的需要标识的位置做出一条基准直线,该基准直线在整体图像视野内的位置是不会变的。基准直线可根据2个手动点来确定又或者其他工具参考应用进来的点,本实施例通过设置一条与所述定位块的上表面平行的直线作为基准直线,如图9所示。在其他实施例中,只要是能够固定位置不变并且能够用于测量与上述交点之间距离即可。然后,计算交点与基准直线之间的距离,如图10所示,通过该距离即可得知槽角是否合格。因为皮带轮的槽角出现误差的情况下,例如槽角偏离原位置、槽角的角度不对、槽角的长短误差等,均会影响槽角的两个槽角边缘,进而影响槽角的两个槽角边缘的交点的位置,通过该距离可以便捷地判断槽角位置、槽角的角度大小、槽角的长短等参数,如果该距离在预设的阈值内,则可以判断为槽角的参数合格。本实施例计算得到的距离为2083.868,预设的阈值范围为2080-2085,判定为合格。
实施例二
本实施例与实施例一基本相同,不同点在于,所述提取步骤具体为,去色所述工件图像得到黑白图像,计算黑白图像的灰度直方图,取所述灰度直方图的波峰或者波谷,得到所述黑白图像中黑白变化的边缘图像。灰度直方图(histogram)是灰度级的函数,描述的是图像中每种灰度级像素的个数,反映图像中每种灰度出现的频率。其中,横坐标是灰度级,纵坐标是灰度级出现的频率。取灰度直方图的波峰或波谷即可得到黑白图像中黑白变化的边缘。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属于本发明的涵盖范围。
Claims (7)
1.一种皮带轮视觉检测方法,其特征在于:包含以下步骤:
获取步骤:获取工件图像,所述工件图像包含槽角图像;
提取步骤:提取所述工件图像中的边缘图像;
遮挡步骤:局部遮挡所述边缘图像,并且遮挡所述边缘图像中跟槽角参数无关的部分以及遮挡所述边缘图像中槽角的非直线部分,暴露并得到槽角边缘图像;
拟合步骤:根据所述槽角边缘图像对应槽角的两个边缘分别拟合直线,计算两条直线的交点;
所述拟合直线具体为:获取所述槽角边缘图像其中一边的每个像素点的坐标,通过最小二乘法直线拟合算法拟合直线;
判断步骤:判断所述交点是否在设定的范围内,若是则判定所述皮带轮合格,若否则判定所述皮带轮不合格;
所述判断所述交点是否在设定的范围内具体为:设置基准直线,计算所述交点与所述基准直线的距离,判断所述距离是否在设定的阈值范围内。
2.根据权利要求1所述的一种皮带轮视觉检测方法,其特征在于:所述提取步骤具体为,通过二值化所述工件图像得到二值化图像,将所述工件图像与所述二值化图像做差得到所述工件图像中的边缘图像。
3.根据权利要求1所述的一种皮带轮视觉检测方法,其特征在于:所述提取步骤具体为,去色所述工件图像得到黑白图像,计算黑白图像的灰度直方图,取所述灰度直方图的波峰或者波谷,得到所述黑白图像中黑白变化的边缘图像。
4.根据权利要求1所述的一种皮带轮视觉检测方法,其特征在于:所述工件放置于定位块的上表面,所述基准直线平行于所述定位块的上表面。
5.根据权利要求1所述的一种皮带轮视觉检测方法,其特征在于:遮挡步骤中,采用图像掩模遮挡或暴露。
6.根据权利要求1所述的一种皮带轮视觉检测方法,其特征在于:获取步骤中,在逆光条件下获取黑白的所述工件图像。
7.根据权利要求6所述的一种皮带轮视觉检测方法,其特征在于:提取步骤中,提取所述工件图像中黑白变化的边缘图片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110855309.9A CN113592808B (zh) | 2021-07-28 | 2021-07-28 | 一种皮带轮视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110855309.9A CN113592808B (zh) | 2021-07-28 | 2021-07-28 | 一种皮带轮视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113592808A CN113592808A (zh) | 2021-11-02 |
CN113592808B true CN113592808B (zh) | 2024-04-02 |
Family
ID=78250980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110855309.9A Active CN113592808B (zh) | 2021-07-28 | 2021-07-28 | 一种皮带轮视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113592808B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1759298A (zh) * | 2003-03-12 | 2006-04-12 | 法国原子能委员会 | 通过单视角背照射逆光照相法测量三维物体的方法 |
CN105069799A (zh) * | 2015-08-13 | 2015-11-18 | 深圳市华汉伟业科技有限公司 | 一种角点定位方法及装置 |
CN107036542A (zh) * | 2017-05-19 | 2017-08-11 | 佛山市南海区广工大数控装备协同创新研究院 | 一种齿环内外径外观检测方法及装置 |
CN107341802A (zh) * | 2017-07-19 | 2017-11-10 | 无锡信捷电气股份有限公司 | 一种基于曲率与灰度复合的角点亚像素定位方法 |
CN108416787A (zh) * | 2018-03-06 | 2018-08-17 | 昆山海克易邦光电科技有限公司 | 应用于机器视觉检测的工件直线边缘定位方法 |
KR102105066B1 (ko) * | 2018-10-22 | 2020-04-27 | 아진산업(주) | 골격 정도 비전검사방법 |
CN111179232A (zh) * | 2019-12-20 | 2020-05-19 | 山东大学 | 基于图像处理的钢筋尺寸检测系统及方法 |
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 |
-
2021
- 2021-07-28 CN CN202110855309.9A patent/CN113592808B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1759298A (zh) * | 2003-03-12 | 2006-04-12 | 法国原子能委员会 | 通过单视角背照射逆光照相法测量三维物体的方法 |
CN105069799A (zh) * | 2015-08-13 | 2015-11-18 | 深圳市华汉伟业科技有限公司 | 一种角点定位方法及装置 |
CN107036542A (zh) * | 2017-05-19 | 2017-08-11 | 佛山市南海区广工大数控装备协同创新研究院 | 一种齿环内外径外观检测方法及装置 |
CN107341802A (zh) * | 2017-07-19 | 2017-11-10 | 无锡信捷电气股份有限公司 | 一种基于曲率与灰度复合的角点亚像素定位方法 |
CN108416787A (zh) * | 2018-03-06 | 2018-08-17 | 昆山海克易邦光电科技有限公司 | 应用于机器视觉检测的工件直线边缘定位方法 |
KR102105066B1 (ko) * | 2018-10-22 | 2020-04-27 | 아진산업(주) | 골격 정도 비전검사방법 |
CN111179232A (zh) * | 2019-12-20 | 2020-05-19 | 山东大学 | 基于图像处理的钢筋尺寸检测系统及方法 |
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 |
Non-Patent Citations (2)
Title |
---|
基于DSP的机器视觉检测系统的设计及应用;王晨阳;硕士论文;第2.1.2节、第四章、第五章 * |
基于机器视觉的齿轮齿形缺陷检测技术;任聪等;设计研究(第16期);95-97 * |
Also Published As
Publication number | Publication date |
---|---|
CN113592808A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102175700B (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
CN103292701B (zh) | 基于机器视觉的精密器件在线尺寸测量方法 | |
CN112001917A (zh) | 一种基于机器视觉的圆形有孔零件形位公差检测方法 | |
US9230318B2 (en) | Analysis of the digital image of the external surface of a tyre and processing of false measurement points | |
US9638606B2 (en) | Tire shape inspection method and tire shape inspection device | |
CN112686920A (zh) | 一种圆形零件几何尺寸参数视觉测量方法及系统 | |
CN111179362B (zh) | 一种基于动态光照校正算法的试纸颜色均匀性检测方法 | |
CN113483682B (zh) | 一种基于机器视觉的缝隙测量方法及系统 | |
CN111275700A (zh) | 基于深度学习的端子缺陷检测方法及系统 | |
US20020142696A1 (en) | Method for manufacturing spark plug and apparatus for carrying out the same | |
CN109614868A (zh) | 汽车轮胎花纹图像直线识别系统 | |
CN113592808B (zh) | 一种皮带轮视觉检测方法 | |
CN111539951A (zh) | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 | |
CN112634259A (zh) | 一种键盘键帽自动建模定位方法 | |
US9230337B2 (en) | Analysis of the digital image of the internal surface of a tyre and processing of false measurement points | |
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 | |
CN113077429B (zh) | 基于相邻子区相关系数的散斑质量评价方法 | |
CN113189002B (zh) | 一种超薄电子玻璃基板条纹缺陷的在线检测方法和装置 | |
CN114708243A (zh) | 基于深度学习的香烟端面烟草缺失量化检测方法和装置 | |
CN110794389B (zh) | 一种基于图像处理的非接触式测量间距的方法 | |
CN113793321A (zh) | 基于机器视觉的铸件表面缺陷动态检测方法及装置 | |
CN109900720B (zh) | 一种适应不同网板光学检测光源亮度自动调整方法及系统 | |
CN114049304A (zh) | 一种3d光栅检测方法、装置、计算机设备及可读存储介质 | |
CN112763495A (zh) | 一种手机电池尺寸和外观缺陷检测系统及检测方法 | |
CN205192967U (zh) | 一种abs齿圈缺陷在线检测装置 |
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 |