CN113643296A - 电感元件装配质量检测方法、装置、电子设备及存储介质 - Google Patents

电感元件装配质量检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113643296A
CN113643296A CN202111207071.5A CN202111207071A CN113643296A CN 113643296 A CN113643296 A CN 113643296A CN 202111207071 A CN202111207071 A CN 202111207071A CN 113643296 A CN113643296 A CN 113643296A
Authority
CN
China
Prior art keywords
coordinate data
outer contour
data set
body part
contour point
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
Application number
CN202111207071.5A
Other languages
English (en)
Other versions
CN113643296B (zh
Inventor
范朝龙
康信勇
袁悦
范黎
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.)
Ji Hua Laboratory
Original Assignee
Ji Hua Laboratory
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 Ji Hua Laboratory filed Critical Ji Hua Laboratory
Priority to CN202111207071.5A priority Critical patent/CN113643296B/zh
Publication of CN113643296A publication Critical patent/CN113643296A/zh
Application granted granted Critical
Publication of CN113643296B publication Critical patent/CN113643296B/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
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer
    • 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)
  • Coils Or Transformers For Communication (AREA)

Abstract

本申请属于装配检测技术领域，公开了一种电感元件装配质量检测方法、装置、电子设备及存储介质，通过获取待检测的电感元件的图像；根据图像提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集；分别从盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集提取对应的一个特征点的坐标数据；根据盖体部分的特征点的坐标数据和主体部分的特征点的坐标数据计算盖体部分的顶部与主体部分的顶部之间的高度偏差；根据该高度偏差判断电感元件的装配质量；从而实现电感元件装配质量的自动检测，无需依靠人眼和卡尺来检测盖体部分和主体部分的高度偏差，可提高检测效率，降低检测出错率。

Description

电感元件装配质量检测方法、装置、电子设备及存储介质
技术领域
本申请涉及装配检测技术领域，具体而言，涉及一种电感元件装配质量检测方法、装置、电子设备及存储介质。
背景技术
现有的一种电感元件的结构如图4所示，包括主体部分90、盖体部分91和连接件92（该连接件92为螺丝），其中，盖体部分91嵌入在主体部分90的上端一侧，连接件92设置在盖体部分91下侧与主体部分90之间，该盖体部分91的顶部以及该主体部分90顶部均为平面，理想情况下，装配后的盖体部分91的顶部以及该主体部分90顶部是齐平的（即根据设计尺寸，装配后的盖体部分91的顶部以及该主体部分90顶部是齐平的）。这种电感元件在装配完成后，需要检测其装配精度，主要是检测盖体部分91的顶部与主体部分90顶部之间的高度偏差是否合格，目前，一般是依靠人眼和卡尺来检测该高度偏差，检测效率低，且容易引起人眼疲劳而导致检测出错率高。
发明内容
本申请的目的在于提供一种电感元件装配质量检测方法、装置、电子设备及存储介质，可提高检测效率，降低检测出错率。
第一方面，本申请提供了一种电感元件装配质量检测方法，用于对包括主体部分、盖体部分和连接件的电感元件的装配质量进行检测，所述盖体部分嵌入在所述主体部分的上端一侧，所述连接件设置在所述盖体部分下侧与所述主体部分之间，所述盖体部分的顶部以及所述主体部分顶部均为平面；包括以下步骤：
A1.获取待检测的电感元件的图像；
A2.根据所述图像提取所述电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集；
A3.分别从所述盖体部分的外轮廓点坐标数据集和所述主体部分的外轮廓点坐标数据集提取对应的一个特征点的坐标数据；
A4.根据所述盖体部分的特征点的坐标数据和所述主体部分的特征点的坐标数据计算所述盖体部分的顶部与所述主体部分的顶部之间的高度偏差；
A5.根据所述高度偏差判断所述电感元件的装配质量。
该电感元件装配质量检测方法，通过图像识别得到盖体部分的特征点和主体部分的特征点的坐标数据，然后根据两个特征点之间的高度偏差判断电感元件的装配质量，可实现电感元件装配质量的自动检测，无需依靠人眼和卡尺来检测盖体部分和主体部分的高度偏差，可提高检测效率，降低检测出错率。
优选地，步骤A2包括：
对所述图像进行灰度化处理；
对灰度化处理后的所述图像进行二值化处理；
基于Canny边缘检测算法从二值化处理后的所述图像获取第一外轮廓点坐标数据集；
从所述第一外轮廓点坐标数据集中提取所述电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集。
优选地，从所述第一外轮廓点坐标数据集中提取所述电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集的步骤包括：
按所述第一外轮廓点坐标数据集中各外轮廓的外轮廓点集合的排序，依次对各外轮廓包围的连通区域填充对应的颜色，且不同连通区域的颜色不同；
根据各外轮廓的颜色从所述第一外轮廓点坐标数据集中提取所述电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集。
由于检测程序是固定的，对同样的电感元件进行边缘检测得到的第一外轮廓点坐标数据集中的各外轮廓的外轮廓点坐标数据的排序是固定的，进行颜色填充时可按固定的颜色排序依次对各连通区域进行填充，可在调试阶段由人工确定哪种颜色与哪个部件对应，从而在实际应用时可通过填充后的各轮廓的颜色确定哪些外轮廓点属于盖体部分、哪些外轮廓点属于主体部分，从而提取得到所述电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集，处理过程方便快捷。
优选地，步骤A3包括：
分别从所述盖体部分的外轮廓点坐标数据集和所述主体部分的外轮廓点坐标数据集提取对应的斜率突变点坐标数据集；
分别从所述盖体部分的斜率突变点坐标数据集和所述主体部分的斜率突变点坐标数据集提取对应的一个特征点的坐标数据。
优选地，所述分别从所述盖体部分的外轮廓点坐标数据集和所述主体部分的外轮廓点坐标数据集提取对应的斜率突变点坐标数据集的步骤包括：
分别针对所述盖体部分的外轮廓点坐标数据集和所述主体部分的外轮廓点坐标数据集执行以下步骤:
S1.根据以下公式计算各外轮廓点的斜率值：
Figure DEST_PATH_IMAGE001
；
其中，
Figure 764218DEST_PATH_IMAGE002
为第i个外轮廓点的斜率值，
Figure DEST_PATH_IMAGE003
、
Figure 41877DEST_PATH_IMAGE004
分别为第i个外轮廓点的横坐标值和纵坐标值，
Figure DEST_PATH_IMAGE005
、
Figure 415090DEST_PATH_IMAGE006
分别为第i+1个外轮廓点的横坐标值和纵坐标值，
Figure DEST_PATH_IMAGE007
、
Figure 200512DEST_PATH_IMAGE008
分别为第1个外轮廓点的横坐标值和纵坐标值，n为外轮廓点的总数；
S2.根据以下公式计算各外轮廓点的斜率变化值：
Figure DEST_PATH_IMAGE009
；
其中，
Figure 313087DEST_PATH_IMAGE010
为第i个外轮廓点的斜率变化值，
Figure DEST_PATH_IMAGE011
为第i个外轮廓点的斜率值，
Figure 994604DEST_PATH_IMAGE012
为第i+1个外轮廓点的斜率值，
Figure DEST_PATH_IMAGE013
为第1个外轮廓点的斜率值，n为外轮廓点的总数；
S3.提取斜率变化值大于预设阈值的外轮廓点的坐标数据得到所述盖体部分或所述主体部分的斜率突变点坐标数据集。
优选地，所述分别从所述盖体部分的斜率突变点坐标数据集和所述主体部分的斜率突变点坐标数据集提取对应的一个特征点的坐标数据的步骤包括：
从所述盖体部分的斜率突变点坐标数据集中筛选出纵坐标值最大的点作为第一特征点，并提取所述第一特征点的坐标数据；
从所述主体部分的斜率突变点坐标数据集中筛选出纵坐标值最大的点作为第二特征点，并提取所述第二特征点的坐标数据。
由于理想情况下盖体部分的顶部与主体部分的顶部是齐平的，两个部件之间的纵坐标值最大的点可表征该两个部件顶部的高度，从而用纵坐标值最大的点作为特征点，通过该特征点的坐标数据可比较准确地计算得到盖体部分的顶部与主体部分的顶部之间的高度偏差。
优选地，步骤A4包括：
根据以下公式计算所述盖体部分的顶部与所述主体部分的顶部之间的高度偏差：
Figure 58375DEST_PATH_IMAGE014
；
其中，
Figure DEST_PATH_IMAGE015
为所述高度偏差，
Figure 629513DEST_PATH_IMAGE016
为所述第一特征点的纵坐标值，
Figure DEST_PATH_IMAGE017
为所述第二特征点的纵坐标值。
第二方面，本申请提供了一种电感元件装配质量检测装置，用于对包括主体部分、盖体部分和连接件的电感元件的装配质量进行检测，所述盖体部分嵌入在所述主体部分的上端一侧，所述连接件设置在所述盖体部分下侧与所述主体部分之间，所述盖体部分的顶部以及所述主体部分顶部均为平面；电感元件装配质量检测装置包括：
第一获取模块，用于获取待检测的电感元件的图像；
第一提取模块，用于根据所述图像提取所述电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集；
第二提取模块，用于分别从所述盖体部分的外轮廓点坐标数据集和所述主体部分的外轮廓点坐标数据集提取对应的一个特征点的坐标数据；
第一计算模块，用于根据所述盖体部分的特征点的坐标数据和所述主体部分的特征点的坐标数据计算所述盖体部分的顶部与所述主体部分的顶部之间的高度偏差；
判断模块，用于根据所述高度偏差判断所述电感元件的装配质量。
该电感元件装配质量检测装置，通过图像识别得到盖体部分的特征点和主体部分的特征点的坐标数据，然后根据两个特征点之间的高度偏差判断电感元件的装配质量，可实现电感元件装配质量的自动检测，无需依靠人眼和卡尺来检测盖体部分和主体部分的高度偏差，可提高检测效率，降低检测出错率。
第三方面，本申请提供了一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如前文所述电感元件装配质量检测方法中的步骤。
第四方面，本申请提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如前文所述电感元件装配质量检测方法中的步骤。
有益效果：
本申请提供的电感元件装配质量检测方法、装置、电子设备及存储介质，通过获取待检测的电感元件的图像；根据所述图像提取所述电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集；分别从所述盖体部分的外轮廓点坐标数据集和所述主体部分的外轮廓点坐标数据集提取对应的一个特征点的坐标数据；根据所述盖体部分的特征点的坐标数据和所述主体部分的特征点的坐标数据计算所述盖体部分的顶部与所述主体部分的顶部之间的高度偏差；根据所述高度偏差判断所述电感元件的装配质量；从而实现电感元件装配质量的自动检测，无需依靠人眼和卡尺来检测盖体部分和主体部分的高度偏差，可提高检测效率，降低检测出错率。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请了解。
附图说明
图1为本申请实施例提供的电感元件装配质量检测方法的一种流程图。
图2为本申请实施例提供的电感元件装配质量检测装置的一种结构示意图。
图3为本申请实施例提供的电子设备的结构示意图。
图4为一种电感元件的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的一种电感元件装配质量检测方法，用于对包括主体部分、盖体部分和连接件的电感元件（图4所示的电感元件）的装配质量进行检测，盖体部分嵌入在主体部分的上端一侧，连接件设置在盖体部分下侧与主体部分之间，盖体部分的顶部以及主体部分顶部均为平面；包括以下步骤：
A1.获取待检测的电感元件的图像；
A2.根据图像提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集；
A3.分别从盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集提取对应的一个特征点的坐标数据；
A4.根据盖体部分的特征点的坐标数据和主体部分的特征点的坐标数据计算盖体部分的顶部与主体部分的顶部之间的高度偏差；
A5.根据高度偏差判断电感元件的装配质量。
该电感元件装配质量检测方法，通过图像识别得到盖体部分的特征点和主体部分的特征点的坐标数据，然后根据两个特征点之间的高度偏差判断电感元件的装配质量，可实现电感元件装配质量的自动检测，无需依靠人眼和卡尺来检测盖体部分和主体部分的高度偏差，可提高检测效率，降低检测出错率。
在本实施例中，该电感元件的图像是把待检测的电感元件以预设姿态放置在预设的拍照位置上以位置固定的相机拍摄得到的，该图像是该电感元件侧视图并包含盖体部分和主体部分的图像（如图4所示），且该图像中，电感元件的高低方向与图像的纵向坐标轴（y轴）平行。从而对电感元件拍照后，无需对图像进行旋转处理和缩放处理，就能够保证图像的角度和尺寸统一，提高检测效率。
实际应用中，也可不固定拍照位置，但得到的图像需要先进行旋转处理和缩放处理（即步骤A1之后还需要对图像进行旋转处理和缩放处理），以使图像的角度和尺寸统一，以便后续用统一的标准对各电感元件进行装配质量的判断。
在一些优选实施方式中，步骤A2包括：
A201.对图像进行灰度化处理；
A202.对灰度化处理后的图像进行二值化处理；
A203.基于Canny边缘检测算法从二值化处理后的图像获取第一外轮廓点坐标数据集；
A204.从第一外轮廓点坐标数据集中提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集。
其中，灰度化处理、二值化处理和基于Canny边缘检测算法获取第一外轮廓点坐标数据集的具体方法是现有技术，此处不对其进行详述。需要说明的是，基于Canny边缘检测算法从二值化处理后的图像获取的第一外轮廓点坐标数据集是包括主体部分、盖体部分和连接件三个部件的外轮廓点坐标数据的，因此需要进一步从中提取主体部分和盖体部分的外轮廓点坐标数据集。
其中，为了提高图像识别的精度，在一些更优选的实施例中，在步骤A201之前，还包括：A200.对图像进行高斯模糊去噪处理。进行高斯模糊去噪处理的过程为现有技术，此处不对其进行详述。
在一些具体实施方式中，步骤A204包括：
按第一外轮廓点坐标数据集中各外轮廓的外轮廓点集合的排序，依次对各外轮廓包围的连通区域（即各外轮廓点集合的外轮廓点包围的区域）填充对应的颜色，且不同连通区域的颜色不同；
根据各外轮廓的颜色从第一外轮廓点坐标数据集中提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集。
其中，属于同一个外轮廓的所有外轮廓点的集合即为该外轮廓的外轮廓点集合。由于检测程序是固定的，对同样的电感元件进行边缘检测得到的第一外轮廓点坐标数据集中的各外轮廓的外轮廓点坐标数据的排序是固定的，从而，各外轮廓的外轮廓点集合的排序是固定的（即第一外轮廓点坐标数据集中从前到后依次记录第一个部件的外轮廓点坐标数据、第二个部件外轮廓点坐标数据、第三个部件外轮廓点坐标数据，其中，第一个部件、第二个部件和第三个部件分别为哪个部件由具体的检测程序决定），进行颜色填充时可按固定的颜色排序依次对各连通区域进行填充，可在调试阶段由人工确定哪种颜色与哪个部件对应，从而在实际应用时可通过填充后的各轮廓的颜色（连通区域填充颜色后，对应的轮廓点也具有该颜色）确定哪些外轮廓点属于盖体部分、哪些外轮廓点属于主体部分，从而提取得到电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集，处理过程方便快捷。
其中，对各连通区域进行颜色填充后，对应的外轮廓点的也会具有对应的颜色，从而可提取各外轮廓点的像素值数据（不同颜色对应不同的像素值数据），根据各外轮廓点的像素值数据判断确定哪些外轮廓点属于盖体部分、哪些外轮廓点属于主体部分；步骤“根据各外轮廓的颜色从第一外轮廓点坐标数据集中提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集”包括：提取各外轮廓点的像素值数据，根据各外轮廓点的像素值数据从第一外轮廓点坐标数据集中提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集。
例如，第一外轮廓点坐标数据集中从前到后依次记录第一个部件的外轮廓点坐标数据、第二个部件外轮廓点坐标数据、第三个部件外轮廓点坐标数据，固定的颜色排序从前到后依次为第一颜色（如红色，但不限于此）、第二颜色（如黄色，但不限于此）、第三颜色（如绿色，但不限于此），从而在填充颜色时，在第一个部件的外轮廓包围的连通区域填充第一颜色，在第二个部件的外轮廓包围的连通区域填充第二颜色，在第三个部件的外轮廓包围的连通区域填充第三颜色，在测试程序的调试阶段，可由人工判断具有第一颜色的第一个部件为哪个部件、具有第二颜色的第二个部件为哪个部件、具有第三颜色的第三个部件为哪个部件，从而确定哪种颜色对应哪个部件，进而在实际应用时，可根据填充后的各轮廓的颜色快速地确定盖体部分和主体部分的外轮廓点坐标数据集；假设通过人工判断，具有第一颜色的第一个部件为盖体部分、具有第二颜色的第二个部件为主体部分，则在实际应用中，提取具有第一颜色的连通区域的外轮廓点坐标数据得到盖体部分的外轮廓点坐标数据集，并提取具有第二颜色的连通区域的外轮廓点坐标数据得到主体部分的外轮廓点坐标数据集。
在另一些具体实施方式中，步骤A204包括：
计算第一外轮廓点坐标数据集中的各外轮廓包围的连通区域（即各外轮廓点集合的外轮廓点包围的区域）的面积；
用各连通区域的面积与各部件的标准面积进行匹配；
根据匹配结果从第一外轮廓点坐标数据集中提取盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集。
其中，各部件的标准面积可事先测得并存储，进行匹配时，若一个连通区域的面积与其中一个标准面积之间的偏差（绝对值）小于预设的第一偏差阈值，则判定该连通区域对应的外轮廓与该标准面积对应的部件相匹配。用该方式提取盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集，与前一种方式相比，计算量更大，处理速度相对较小，但当被检测的电感元件的型号发生变化时，无需因为第一外轮廓点坐标数据集中各外轮廓的外轮廓点集合的排序发生变化而需要人工重新进行颜色与部件之间的对应关系的确定，使用的方便性更好。
在又一具体实施方式中，步骤A204包括：
计算第一外轮廓点坐标数据集中的各外轮廓的特征长度；该特征长度是外轮廓的外轮廓点之间距离的最大值、最小值或平均值；
用各外轮廓的特征长度与各部件的标准特征长度进行匹配；
根据匹配结果从第一外轮廓点坐标数据集中提取盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集。
其中，各部件的标准特征长度可事先测得并存储，进行匹配时，若一个外轮廓的特征长度与其中一个标准特征长度之间的偏差（绝对值）小于预设的第二偏差阈值，则判定该外轮廓与标准特征长度对应的部件相匹配。用该方式提取盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集，与第一种方式相比，计算量更大，处理速度相对较小，但当被检测的电感元件的型号发生变化时，无需因为第一外轮廓点坐标数据集中各外轮廓的外轮廓点集合的排序发生变化而需要人工重新进行颜色与部件之间的对应关系的确定，使用的方便性更好。
需要说明的是，具体的从第一外轮廓点坐标数据集中提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集的方法不限于此。
优选地，步骤A3包括：
A301.分别从盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集提取对应的斜率突变点坐标数据集；
A302.分别从盖体部分的斜率突变点坐标数据集和主体部分的斜率突变点坐标数据集提取对应的一个特征点的坐标数据。
从图4中可以看到，盖体部分的外轮廓线以及主体部分的外轮廓线由直线段和曲线段围成，在直线段和曲线段内部，斜率是连续的，只有线段之间的连接处发生斜率突变情况，因此，步骤A301实质是提取外轮廓线上的线段之间的连接点的坐标数据集。
具体地，步骤A301包括：
分别针对盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集执行以下步骤:
S1.根据以下公式计算各外轮廓点的斜率值：
Figure 95130DEST_PATH_IMAGE018
；
其中，
Figure 619652DEST_PATH_IMAGE002
为第i个外轮廓点的斜率值，
Figure DEST_PATH_IMAGE019
、
Figure 233036DEST_PATH_IMAGE004
分别为第i个外轮廓点的横坐标值和纵坐标值，
Figure 2671DEST_PATH_IMAGE020
、
Figure 791635DEST_PATH_IMAGE006
分别为第i+1个外轮廓点的横坐标值和纵坐标值，
Figure 549376DEST_PATH_IMAGE007
、
Figure 322160DEST_PATH_IMAGE008
分别为第1个外轮廓点的横坐标值和纵坐标值，n为外轮廓点的总数（对于盖体部分和主体部分，该n的值不同）；
S2.根据以下公式计算各外轮廓点的斜率变化值：
Figure DEST_PATH_IMAGE021
；
其中，
Figure 394021DEST_PATH_IMAGE010
为第i个外轮廓点的斜率变化值，
Figure 866853DEST_PATH_IMAGE011
为第i个外轮廓点的斜率值，
Figure 733178DEST_PATH_IMAGE012
为第i+1个外轮廓点的斜率值，
Figure 727679DEST_PATH_IMAGE013
为第1个外轮廓点的斜率值，n为外轮廓点的总数（对于盖体部分和主体部分，该n的值不同）；
S3.提取斜率变化值大于预设阈值K的外轮廓点的坐标数据得到盖体部分或主体部分的斜率突变点坐标数据集。
其中，预设阈值K的大小可根据实际需要设置。
具体的，步骤A302包括：
从盖体部分的斜率突变点坐标数据集中筛选出纵坐标值最大的点作为第一特征点，并提取第一特征点的坐标数据；
从主体部分的斜率突变点坐标数据集中筛选出纵坐标值最大的点作为第二特征点，并提取第二特征点的坐标数据。
由于理想情况下盖体部分的顶部与主体部分的顶部是齐平的，两个部件之间的纵坐标值最大的点可表征该两个部件顶部的高度，从而用纵坐标值最大的点作为特征点，通过该特征点的坐标数据可比较准确地计算得到盖体部分的顶部与主体部分的顶部之间的高度偏差。
其中，当纵坐标值最大的点有多个时，可选择其中的横坐标值最小或最大的点作为对应的特征点。
进一步地，步骤A4包括：
根据以下公式计算盖体部分的顶部与主体部分的顶部之间的高度偏差：
Figure 337651DEST_PATH_IMAGE014
；
其中，
Figure 163525DEST_PATH_IMAGE015
为高度偏差，
Figure 466330DEST_PATH_IMAGE016
为第一特征点的纵坐标值，
Figure 682548DEST_PATH_IMAGE017
为第二特征点的纵坐标值。
由于图像中，电感元件的高低方向与图像的纵向坐标轴（y轴）平行，因此第一特征点和第二特征点之间的纵坐标值偏差即为两个特征点之间的高度偏差，也代表了盖体部分的顶部与主体部分的顶部之间的高度偏差。
在一些实施方式中，步骤A5包括：
根据该高度偏差所处的区间判定该电感元件的装配质量等级。
例如，装配质量等级分为优秀、良好、合格和不合格四个等级；若该高度偏差
Figure 597677DEST_PATH_IMAGE015
小于或等于预设的第一判断阈值A，则判定该电感元件的装配质量等级为优秀；若该高度偏差
Figure 278057DEST_PATH_IMAGE015
大于预设的第一判断阈值A但小于或等于预设的第二判断阈值B，则判定该电感元件的装配质量等级为良好；若该高度偏差
Figure 751763DEST_PATH_IMAGE015
大于预设的第二判断阈值B但小于或等于预设的第三判断阈值C，则判定该电感元件的装配质量等级为合格；若该高度偏差
Figure 455277DEST_PATH_IMAGE015
大于预设的第三判断阈值C，则判定该电感元件的装配质量等级为不合格；其中A<B<C。
在实际应用中装配质量等级不限于是四个等级，也不限于用优秀、良好、合格和不合格来划分等级（例如也可以是一级、二级、三级和四级等）。
由上可知，该电感元件装配质量检测方法，通过获取待检测的电感元件的图像；根据图像提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集；分别从盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集提取对应的一个特征点的坐标数据；根据盖体部分的特征点的坐标数据和主体部分的特征点的坐标数据计算盖体部分的顶部与主体部分的顶部之间的高度偏差；根据高度偏差判断电感元件的装配质量；从而实现电感元件装配质量的自动检测，无需依靠人眼和卡尺来检测盖体部分和主体部分的高度偏差，可提高检测效率，降低检测出错率。
如图2所示，本申请提供了一种电感元件装配质量检测装置，用于对包括主体部分、盖体部分和连接件的电感元件的装配质量进行检测，盖体部分嵌入在主体部分的上端一侧，连接件设置在盖体部分下侧与主体部分之间，盖体部分的顶部以及主体部分顶部均为平面；该电感元件装配质量检测装置包括：
第一获取模块1，用于获取待检测的电感元件的图像；
第一提取模块2，用于根据图像提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集；
第二提取模块3，用于分别从盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集提取对应的一个特征点的坐标数据；
第一计算模块4，用于根据盖体部分的特征点的坐标数据和主体部分的特征点的坐标数据计算盖体部分的顶部与主体部分的顶部之间的高度偏差；
判断模块5，用于根据高度偏差判断电感元件的装配质量。
该电感元件装配质量检测装置，通过图像识别得到盖体部分的特征点和主体部分的特征点的坐标数据，然后根据两个特征点之间的高度偏差判断电感元件的装配质量，可实现电感元件装配质量的自动检测，无需依靠人眼和卡尺来检测盖体部分和主体部分的高度偏差，可提高检测效率，降低检测出错率。
在本实施例中，该电感元件的图像是把待检测的电感元件以预设姿态放置在预设的拍照位置上以位置固定的相机拍摄得到的，该图像是该电感元件侧视图并包含盖体部分和主体部分的图像（如图4所示），且该图像中，电感元件的高低方向与图像的纵向坐标轴（y轴）平行。从而对电感元件拍照后，无需对图像进行旋转处理和缩放处理，就能够保证图像的角度和尺寸统一，提高检测效率。
实际应用中，也可不固定拍照位置，但得到的图像需要先进行旋转处理和缩放处理（即该电感元件装配质量检测装置还包括：第一处理模块，用于对图像进行旋转处理和缩放处理），以使图像的角度和尺寸统一，以便后续用统一的标准对各电感元件进行装配质量的判断。
在一些优选实施方式中，第一提取模块2用于在根据图像提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集的时候，执行：
对图像进行灰度化处理；
对灰度化处理后的图像进行二值化处理；
基于Canny边缘检测算法从二值化处理后的图像获取第一外轮廓点坐标数据集；
从第一外轮廓点坐标数据集中提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集。
其中，灰度化处理、二值化处理和基于Canny边缘检测算法获取第一外轮廓点坐标数据集的具体方法是现有技术，此处不对其进行详述。需要说明的是，基于Canny边缘检测算法从二值化处理后的图像获取的第一外轮廓点坐标数据集是包括主体部分、盖体部分和连接件三个部件的外轮廓点坐标数据的，因此需要进一步从中提取主体部分和盖体部分的外轮廓点坐标数据集。
其中，为了提高图像识别的精度，在一些更优选的实施例中，第一提取模块2还用于在对图像进行灰度化处理之前，执行：对图像进行高斯模糊去噪处理。进行高斯模糊去噪处理的过程为现有技术，此处不对其进行详述。
在一些具体实施方式中，第一提取模块2在从第一外轮廓点坐标数据集中提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集的时候：
按第一外轮廓点坐标数据集中各外轮廓的外轮廓点集合的排序，依次对各外轮廓包围的连通区域（即各外轮廓点集合的外轮廓点包围的区域）填充对应的颜色，且不同连通区域的颜色不同；
根据各外轮廓的颜色从第一外轮廓点坐标数据集中提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集。
其中，属于同一个外轮廓的所有外轮廓点的集合即为该外轮廓的外轮廓点集合。由于检测程序是固定的，对同样的电感元件进行边缘检测得到的第一外轮廓点坐标数据集中的各外轮廓的外轮廓点坐标数据的排序是固定的，从而，各外轮廓的外轮廓点集合的排序是固定的（即第一外轮廓点坐标数据集中从前到后依次记录第一个部件的外轮廓点坐标数据、第二个部件外轮廓点坐标数据、第三个部件外轮廓点坐标数据，其中，第一个部件、第二个部件和第三个部件分别为哪个部件由具体的检测程序决定），进行颜色填充时可按固定的颜色排序依次对各连通区域进行填充，可在调试阶段由人工确定哪种颜色与哪个部件对应，从而在实际应用时可通过填充后的各轮廓的颜色（连通区域填充颜色后，对应的轮廓点也具有该颜色）确定哪些外轮廓点属于盖体部分、哪些外轮廓点属于主体部分，从而提取得到电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集，处理过程方便快捷。
其中，对各连通区域进行颜色填充后，对应的外轮廓点的也会具有对应的颜色，从而可提取各外轮廓点的像素值数据（不同颜色对应不同的像素值数据），根据各外轮廓点的像素值数据判断确定哪些外轮廓点属于盖体部分、哪些外轮廓点属于主体部分；第一提取模块2在根据各外轮廓的颜色从第一外轮廓点坐标数据集中提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集的时候执行：提取各外轮廓点的像素值数据，根据各外轮廓点的像素值数据从第一外轮廓点坐标数据集中提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集。
例如，第一外轮廓点坐标数据集中从前到后依次记录第一个部件的外轮廓点坐标数据、第二个部件外轮廓点坐标数据、第三个部件外轮廓点坐标数据，固定的颜色排序从前到后依次为第一颜色（如红色，但不限于此）、第二颜色（如黄色，但不限于此）、第三颜色（如绿色，但不限于此），从而在填充颜色时，在第一个部件的外轮廓包围的连通区域填充第一颜色，在第二个部件的外轮廓包围的连通区域填充第二颜色，在第三个部件的外轮廓包围的连通区域填充第三颜色，在测试程序的调试阶段，可由人工判断具有第一颜色的第一个部件为哪个部件、具有第二颜色的第二个部件为哪个部件、具有第三颜色的第三个部件为哪个部件，从而确定哪种颜色对应哪个部件，进而在实际应用时，可根据填充后的各轮廓的颜色快速地确定盖体部分和主体部分的外轮廓点坐标数据集；假设通过人工判断，具有第一颜色的第一个部件为盖体部分、具有第二颜色的第二个部件为主体部分，则在实际应用中，提取具有第一颜色的连通区域的外轮廓点坐标数据得到盖体部分的外轮廓点坐标数据集，并提取具有第二颜色的连通区域的外轮廓点坐标数据得到主体部分的外轮廓点坐标数据集。
在另一些具体实施方式中，第一提取模块2在从第一外轮廓点坐标数据集中提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集的时候：
计算第一外轮廓点坐标数据集中的各外轮廓包围的连通区域（即各外轮廓点集合的外轮廓点包围的区域）的面积；
用各连通区域的面积与各部件的标准面积进行匹配；
根据匹配结果从第一外轮廓点坐标数据集中提取盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集。
其中，各部件的标准面积可事先测得并存储，进行匹配时，若一个连通区域的面积与其中一个标准面积之间的偏差（绝对值）小于预设的第一偏差阈值，则判定该连通区域对应的外轮廓与该标准面积对应的部件相匹配。用该方式提取盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集，与前一种方式相比，计算量更大，处理速度相对较小，但当被检测的电感元件的型号发生变化时，无需因为第一外轮廓点坐标数据集中各外轮廓的外轮廓点集合的排序发生变化而需要人工重新进行颜色与部件之间的对应关系的确定，使用的方便性更好。
在又一具体实施方式中，第一提取模块2在从第一外轮廓点坐标数据集中提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集的时候：
计算第一外轮廓点坐标数据集中的各外轮廓的特征长度；该特征长度是外轮廓的外轮廓点之间距离的最大值、最小值或平均值；
用各外轮廓的特征长度与各部件的标准特征长度进行匹配；
根据匹配结果从第一外轮廓点坐标数据集中提取盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集。
其中，各部件的标准特征长度可事先测得并存储，进行匹配时，若一个外轮廓的特征长度与其中一个标准特征长度之间的偏差（绝对值）小于预设的第二偏差阈值，则判定该外轮廓与标准特征长度对应的部件相匹配。用该方式提取盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集，与第一种方式相比，计算量更大，处理速度相对较小，但当被检测的电感元件的型号发生变化时，无需因为第一外轮廓点坐标数据集中各外轮廓的外轮廓点集合的排序发生变化而需要人工重新进行颜色与部件之间的对应关系的确定，使用的方便性更好。
需要说明的是，具体的从第一外轮廓点坐标数据集中提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集的方法不限于此。
优选地，第二提取模块3用于在分别从盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集提取对应的一个特征点的坐标数据的时候，执行：
分别从盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集提取对应的斜率突变点坐标数据集；
分别从盖体部分的斜率突变点坐标数据集和主体部分的斜率突变点坐标数据集提取对应的一个特征点的坐标数据。
从图4中可以看到，盖体部分的外轮廓线以及主体部分的外轮廓线由直线段和曲线段围成，在直线段和曲线段内部，斜率是连续的，只有线段之间的连接处发生斜率突变情况，因此，第二提取模块3实质是提取外轮廓线上的线段之间的连接点的坐标数据集。
具体地，第二提取模块3在分别从盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集提取对应的斜率突变点坐标数据集的时候：
分别针对盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集执行以下步骤:
S1.根据以下公式计算各外轮廓点的斜率值：
Figure 407053DEST_PATH_IMAGE001
；
其中，
Figure 410781DEST_PATH_IMAGE002
为第i个外轮廓点的斜率值，
Figure 353591DEST_PATH_IMAGE003
、
Figure 809980DEST_PATH_IMAGE004
分别为第i个外轮廓点的横坐标值和纵坐标值，
Figure 299868DEST_PATH_IMAGE005
、
Figure 689261DEST_PATH_IMAGE006
分别为第i+1个外轮廓点的横坐标值和纵坐标值，
Figure 504770DEST_PATH_IMAGE007
、
Figure 182876DEST_PATH_IMAGE008
分别为第1个外轮廓点的横坐标值和纵坐标值，n为外轮廓点的总数（对于盖体部分和主体部分，该n的值不同）；
S2.根据以下公式计算各外轮廓点的斜率变化值：
Figure 742033DEST_PATH_IMAGE009
；
其中，
Figure 752977DEST_PATH_IMAGE010
为第i个外轮廓点的斜率变化值，
Figure 473808DEST_PATH_IMAGE011
为第i个外轮廓点的斜率值，
Figure 639210DEST_PATH_IMAGE012
为第i+1个外轮廓点的斜率值，
Figure 736479DEST_PATH_IMAGE013
为第1个外轮廓点的斜率值，n为外轮廓点的总数（对于盖体部分和主体部分，该n的值不同）；
S3.提取斜率变化值大于预设阈值K的外轮廓点的坐标数据得到盖体部分或主体部分的斜率突变点坐标数据集。
其中，预设阈值K的大小可根据实际需要设置。
具体的，第二提取模块3在分别从盖体部分的斜率突变点坐标数据集和主体部分的斜率突变点坐标数据集提取对应的一个特征点的坐标数据的时候：
从盖体部分的斜率突变点坐标数据集中筛选出纵坐标值最大的点作为第一特征点，并提取第一特征点的坐标数据；
从主体部分的斜率突变点坐标数据集中筛选出纵坐标值最大的点作为第二特征点，并提取第二特征点的坐标数据。
由于理想情况下盖体部分的顶部与主体部分的顶部是齐平的，两个部件之间的纵坐标值最大的点可表征该两个部件顶部的高度，从而用纵坐标值最大的点作为特征点，通过该特征点的坐标数据可比较准确地计算得到盖体部分的顶部与主体部分的顶部之间的高度偏差。
其中，当纵坐标值最大的点有多个时，可选择其中的横坐标值最小或最大的点作为对应的特征点。
进一步地，第一计算模块4用于在根据盖体部分的特征点的坐标数据和主体部分的特征点的坐标数据计算盖体部分的顶部与主体部分的顶部之间的高度偏差的时候，执行：
根据以下公式计算盖体部分的顶部与主体部分的顶部之间的高度偏差：
Figure 366044DEST_PATH_IMAGE014
；
其中，
Figure 257776DEST_PATH_IMAGE015
为高度偏差，
Figure 677519DEST_PATH_IMAGE016
为第一特征点的纵坐标值，
Figure 312899DEST_PATH_IMAGE017
为第二特征点的纵坐标值。
由于图像中，电感元件的高低方向与图像的纵向坐标轴（y轴）平行，因此第一特征点和第二特征点之间的纵坐标值偏差即为两个特征点之间的高度偏差，也代表了盖体部分的顶部与主体部分的顶部之间的高度偏差。
在一些实施方式中，判断模块5用于在根据高度偏差判断电感元件的装配质量的时候，执行：
根据该高度偏差所处的区间判定该电感元件的装配质量等级。
例如，装配质量等级分为优秀、良好、合格和不合格四个等级；若该高度偏差
Figure 734653DEST_PATH_IMAGE015
小于或等于预设的第一判断阈值A，则判定该电感元件的装配质量等级为优秀；若该高度偏差
Figure 859604DEST_PATH_IMAGE015
大于预设的第一判断阈值A但小于或等于预设的第二判断阈值B，则判定该电感元件的装配质量等级为良好；若该高度偏差
Figure 530757DEST_PATH_IMAGE015
大于预设的第二判断阈值B但小于或等于预设的第三判断阈值C，则判定该电感元件的装配质量等级为合格；若该高度偏差
Figure 969829DEST_PATH_IMAGE015
大于预设的第三判断阈值C，则判定该电感元件的装配质量等级为不合格；其中A<B<C。
在实际应用中装配质量等级不限于是四个等级，也不限于用优秀、良好、合格和不合格来划分等级（例如也可以是一级、二级、三级和四级等）。
由上可知，该电感元件装配质量检测装置，通过获取待检测的电感元件的图像；根据图像提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集；分别从盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集提取对应的一个特征点的坐标数据；根据盖体部分的特征点的坐标数据和主体部分的特征点的坐标数据计算盖体部分的顶部与主体部分的顶部之间的高度偏差；根据高度偏差判断电感元件的装配质量；从而实现电感元件装配质量的自动检测，无需依靠人眼和卡尺来检测盖体部分和主体部分的高度偏差，可提高检测效率，降低检测出错率。
请参照图3，图3为本申请实施例提供的一种电子设备的结构示意图，本申请提供一种电子设备，包括：处理器301和存储器302，处理器301和存储器302通过通信总线303和/或其他形式的连接机构（未标出）互连并相互通讯，存储器302存储有处理器301可执行的计算机程序，当电子设备运行时，处理器301执行该计算机程序，以执行上述实施例的任一可选的实现方式中的电感元件装配质量检测方法，以实现以下功能：获取待检测的电感元件的图像；根据图像提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集；分别从盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集提取对应的一个特征点的坐标数据；根据盖体部分的特征点的坐标数据和主体部分的特征点的坐标数据计算盖体部分的顶部与主体部分的顶部之间的高度偏差；根据高度偏差判断电感元件的装配质量。
本申请实施例提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的电感元件装配质量检测方法，以实现以下功能：获取待检测的电感元件的图像；根据图像提取电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集；分别从盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集提取对应的一个特征点的坐标数据；根据盖体部分的特征点的坐标数据和主体部分的特征点的坐标数据计算盖体部分的顶部与主体部分的顶部之间的高度偏差；根据高度偏差判断电感元件的装配质量。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static RandomAccess Memory, 简称SRAM），电可擦除可编程只读存储器（Electrically ErasableProgrammable Read-Only Memory, 简称EEPROM），可擦除可编程只读存储器（ErasableProgrammable Read Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory, 简称PROM），只读存储器（Read-Only Memory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
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。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种电感元件装配质量检测方法，用于对包括主体部分、盖体部分和连接件的电感元件的装配质量进行检测，所述盖体部分嵌入在所述主体部分的上端一侧，所述连接件设置在所述盖体部分下侧与所述主体部分之间，所述盖体部分的顶部以及所述主体部分顶部均为平面；其特征在于，包括以下步骤：
A1.获取待检测的电感元件的图像；
A2.根据所述图像提取所述电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集；
A3.分别从所述盖体部分的外轮廓点坐标数据集和所述主体部分的外轮廓点坐标数据集提取对应的一个特征点的坐标数据；
A4.根据所述盖体部分的特征点的坐标数据和所述主体部分的特征点的坐标数据计算所述盖体部分的顶部与所述主体部分的顶部之间的高度偏差；
A5.根据所述高度偏差判断所述电感元件的装配质量。
2.根据权利要求1所述的电感元件装配质量检测方法，其特征在于，步骤A2包括：
对所述图像进行灰度化处理；
对灰度化处理后的所述图像进行二值化处理；
基于Canny边缘检测算法从二值化处理后的所述图像获取第一外轮廓点坐标数据集；
从所述第一外轮廓点坐标数据集中提取所述电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集。
3.根据权利要求2所述的电感元件装配质量检测方法，其特征在于，从所述第一外轮廓点坐标数据集中提取所述电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集的步骤包括：
按所述第一外轮廓点坐标数据集中各外轮廓的外轮廓点集合的排序，依次对各外轮廓包围的连通区域填充对应的颜色，且不同连通区域的颜色不同；
根据各外轮廓的颜色从所述第一外轮廓点坐标数据集中提取所述电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集。
4.根据权利要求1所述的电感元件装配质量检测方法，其特征在于，步骤A3包括：
分别从所述盖体部分的外轮廓点坐标数据集和所述主体部分的外轮廓点坐标数据集提取对应的斜率突变点坐标数据集；
分别从所述盖体部分的斜率突变点坐标数据集和所述主体部分的斜率突变点坐标数据集提取对应的一个特征点的坐标数据。
5.根据权利要求4所述的电感元件装配质量检测方法，其特征在于，所述分别从所述盖体部分的外轮廓点坐标数据集和所述主体部分的外轮廓点坐标数据集提取对应的斜率突变点坐标数据集的步骤包括：
分别针对所述盖体部分的外轮廓点坐标数据集和所述主体部分的外轮廓点坐标数据集执行以下步骤:
S1.根据以下公式计算各外轮廓点的斜率值：
Figure 64922DEST_PATH_IMAGE001
；
其中，
Figure 360774DEST_PATH_IMAGE002
为第i个外轮廓点的斜率值，
Figure 489529DEST_PATH_IMAGE003
、
Figure 466712DEST_PATH_IMAGE004
分别为第i个外轮廓点的横坐标值和纵坐标值，
Figure 659796DEST_PATH_IMAGE005
、
Figure 329812DEST_PATH_IMAGE006
分别为第i+1个外轮廓点的横坐标值和纵坐标值，
Figure 444398DEST_PATH_IMAGE007
、
Figure 225273DEST_PATH_IMAGE008
分别为第1个外轮廓点的横坐标值和纵坐标值，n为外轮廓点的总数；
S2.根据以下公式计算各外轮廓点的斜率变化值：
Figure 476125DEST_PATH_IMAGE009
；
其中，
Figure 615245DEST_PATH_IMAGE010
为第i个外轮廓点的斜率变化值，
Figure 217128DEST_PATH_IMAGE011
为第i个外轮廓点的斜率值，
Figure 536114DEST_PATH_IMAGE012
为第i+1个外轮廓点的斜率值，
Figure 907052DEST_PATH_IMAGE013
为第1个外轮廓点的斜率值，n为外轮廓点的总数；
S3.提取斜率变化值大于预设阈值的外轮廓点的坐标数据得到所述盖体部分或所述主体部分的斜率突变点坐标数据集。
6.根据权利要求5所述的电感元件装配质量检测方法，其特征在于，所述分别从所述盖体部分的斜率突变点坐标数据集和所述主体部分的斜率突变点坐标数据集提取对应的一个特征点的坐标数据的步骤包括：
从所述盖体部分的斜率突变点坐标数据集中筛选出纵坐标值最大的点作为第一特征点，并提取所述第一特征点的坐标数据；
从所述主体部分的斜率突变点坐标数据集中筛选出纵坐标值最大的点作为第二特征点，并提取所述第二特征点的坐标数据。
7.根据权利要求6所述的电感元件装配质量检测方法，其特征在于，步骤A4包括：
根据以下公式计算所述盖体部分的顶部与所述主体部分的顶部之间的高度偏差：
Figure 715608DEST_PATH_IMAGE014
；
其中，
Figure 273628DEST_PATH_IMAGE015
为所述高度偏差，
Figure 163349DEST_PATH_IMAGE016
为所述第一特征点的纵坐标值，
Figure 388794DEST_PATH_IMAGE017
为所述第二特征点的纵坐标值。
8.一种电感元件装配质量检测装置，用于对包括主体部分、盖体部分和连接件的电感元件的装配质量进行检测，所述盖体部分嵌入在所述主体部分的上端一侧，所述连接件设置在所述盖体部分下侧与所述主体部分之间，所述盖体部分的顶部以及所述主体部分顶部均为平面；其特征在于，所述电感元件装配质量检测装置包括：
第一获取模块，用于获取待检测的电感元件的图像；
第一提取模块，用于根据所述图像提取所述电感元件的盖体部分的外轮廓点坐标数据集和主体部分的外轮廓点坐标数据集；
第二提取模块，用于分别从所述盖体部分的外轮廓点坐标数据集和所述主体部分的外轮廓点坐标数据集提取对应的一个特征点的坐标数据；
第一计算模块，用于根据所述盖体部分的特征点的坐标数据和所述主体部分的特征点的坐标数据计算所述盖体部分的顶部与所述主体部分的顶部之间的高度偏差；
判断模块，用于根据所述高度偏差判断所述电感元件的装配质量。
9.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-7任一项所述电感元件装配质量检测方法中的步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-7任一项所述电感元件装配质量检测方法中的步骤。
CN202111207071.5A 2021-10-18 2021-10-18 电感元件装配质量检测方法、装置、电子设备及存储介质 Active CN113643296B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111207071.5A CN113643296B (zh) 2021-10-18 2021-10-18 电感元件装配质量检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111207071.5A CN113643296B (zh) 2021-10-18 2021-10-18 电感元件装配质量检测方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113643296A true CN113643296A (zh) 2021-11-12
CN113643296B CN113643296B (zh) 2022-02-08

Family

ID=78427315

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111207071.5A Active CN113643296B (zh) 2021-10-18 2021-10-18 电感元件装配质量检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113643296B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114399507A (zh) * 2022-03-25 2022-04-26 季华实验室 一种手机外观质量检测方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5038380A (en) * 1988-04-28 1991-08-06 Matsushita Electric Industrial Co., Ltd. Method for recognizing position of component and apparatus therefor
US20040241890A1 (en) * 2003-02-03 2004-12-02 Qcept Technologies, Inc. Wafer inspection system
CN101839690A (zh) * 2010-04-13 2010-09-22 河海大学常州校区 一种基于边缘拟合的片式电子元件位置误差视觉检测方法
CN106504231A (zh) * 2016-10-11 2017-03-15 广州视源电子科技股份有限公司 元件缺陷检测方法和系统
CN110246121A (zh) * 2019-05-15 2019-09-17 湖北工程学院 一种基于视觉的电子装配件装配精度检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5038380A (en) * 1988-04-28 1991-08-06 Matsushita Electric Industrial Co., Ltd. Method for recognizing position of component and apparatus therefor
US20040241890A1 (en) * 2003-02-03 2004-12-02 Qcept Technologies, Inc. Wafer inspection system
CN101839690A (zh) * 2010-04-13 2010-09-22 河海大学常州校区 一种基于边缘拟合的片式电子元件位置误差视觉检测方法
CN106504231A (zh) * 2016-10-11 2017-03-15 广州视源电子科技股份有限公司 元件缺陷检测方法和系统
CN110246121A (zh) * 2019-05-15 2019-09-17 湖北工程学院 一种基于视觉的电子装配件装配精度检测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114399507A (zh) * 2022-03-25 2022-04-26 季华实验室 一种手机外观质量检测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113643296B (zh) 2022-02-08

Similar Documents

Publication Publication Date Title
WO2022042579A1 (zh) 一种用于lcd屏幕的缺陷检测方法、装置
CN109087274A (zh) 基于多维融合及语义分割的电子器件缺陷检测方法及装置
CN106500593A (zh) 航空电连接器插针位置偏差检测方法
CN110517265B (zh) 一种产品表面缺陷的检测方法、装置及存储介质
WO2018209941A1 (zh) 一种基于高斯拟合的高密度电路板圆孔亚像素检测方法
CN113030121B (zh) 用于电路板元器件的自动光学检测方法、系统、及设备
CN109658584A (zh) 一种票据票据识别方法及装置
CN109584281B (zh) 一种基于彩色图像和深度图像的重叠颗粒物分层计数方法
EP3534334B1 (en) Method for identification of characteristic points of a calibration pattern within a set of candidate points derived from an image of the calibration pattern
CN110119680A (zh) 一种基于图像识别的电气柜接线自动查错系统
CN109060842B (zh) 基于曲面拟合校正的柑橘表面缺陷检测方法
CN112686858A (zh) 一种手机充电器视觉缺陷检测方法、装置、介质及设备
CN110660072B (zh) 一种直线边缘的识别方法、装置、存储介质及电子设备
CN111325164B (zh) 指针表示数识别方法、装置和电子设备
CN113643296B (zh) 电感元件装配质量检测方法、装置、电子设备及存储介质
CN112669295A (zh) 一种基于二次阈值分割理论的锂电池极片缺陷检测方法
CN107909554A (zh) 图像降噪方法、装置、终端设备及介质
CN116309518A (zh) 一种基于计算机视觉的pcb电路板检测方法及系统
CN114399507A (zh) 一种手机外观质量检测方法、装置、电子设备及存储介质
CN112465910B (zh) 一种目标拍摄距离获取方法、装置、存储介质及电子设备
CN113129260A (zh) 一种锂电池电芯内部缺陷的自动检测方法及装置
WO2007004864A1 (en) Method and apparatus for visual object recognition
CN107240109A (zh) 一种仪表刻度线位置自动检测方法
CN109902695B (zh) 一种面向像对直线特征匹配的线特征矫正与提纯方法
CN110349129A (zh) 一种高密度柔性ic基板外观缺陷检测方法

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
GR01 Patent grant
GR01 Patent grant