CN114022378A - 一种基于视觉的铜带屏蔽层搭盖率检测方法 - Google Patents

一种基于视觉的铜带屏蔽层搭盖率检测方法 Download PDF

Info

Publication number
CN114022378A
CN114022378A CN202111297354.3A CN202111297354A CN114022378A CN 114022378 A CN114022378 A CN 114022378A CN 202111297354 A CN202111297354 A CN 202111297354A CN 114022378 A CN114022378 A CN 114022378A
Authority
CN
China
Prior art keywords
shielding layer
image
copper strip
coordinate system
camera
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
Application number
CN202111297354.3A
Other languages
English (en)
Inventor
刘国庆
刘星星
丁华东
吴伟伟
章鹏程
丁圆圆
尹建军
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.)
Zhongtian Intelligent Equipment Co ltd
Jiangsu Zhongtian Technology Co Ltd
Original Assignee
Zhongtian Intelligent Equipment Co ltd
Jiangsu Zhongtian Technology 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 Zhongtian Intelligent Equipment Co ltd, Jiangsu Zhongtian Technology Co Ltd filed Critical Zhongtian Intelligent Equipment Co ltd
Priority to CN202111297354.3A priority Critical patent/CN114022378A/zh
Publication of CN114022378A publication Critical patent/CN114022378A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/20Image enhancement or restoration using local operators
    • G06T5/30Erosion or dilatation, e.g. thinning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/64Analysis of geometric attributes of convexity or concavity
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/66Analysis of geometric attributes of image moments or centre of gravity
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/80Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G06T7/85Stereo camera calibration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20024Filtering details
    • G06T2207/20032Median filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20112Image segmentation details
    • G06T2207/20132Image cropping

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于视觉的铜带屏蔽层搭盖率检测方法,铜带屏蔽层绕包设备运行稳定后,相机采集铜带屏蔽层绕包图像;对采集的图像进行裁剪、中值滤波、二值化和腐蚀运算;对处理后的图像得到最小外接矩形;对图像角度进行调整,对目标区域进行筛选,并提取区域质心;通过区域质心距离计算铜带屏蔽层的搭盖率。本发明通过视觉技术实时对屏蔽层的搭盖率进行自动测量,从而方便对屏蔽层绕包的搭盖率进行控制,从而无需设定较高的搭盖值,减少屏蔽层浪费。

Description

一种基于视觉的铜带屏蔽层搭盖率检测方法
技术领域
本发明涉及一种铜带搭盖率检测方法,特别是一种基于视觉的铜带屏蔽层搭盖率检测方法,属于线缆生产控制领域。
背景技术
为提高线缆对外部信号的抗干扰性能,在中高压线缆生产工艺中通常采用铜带或铅带作为屏蔽层绕包于线缆表面,屏蔽层厚度、宽度及搭盖率是绕包工序中的重要参数,其中搭盖率为屏蔽层相互重叠长度与屏蔽层宽度的比值,搭盖率与屏蔽层使用量成正比关系,屏蔽层绕包存在以下3个问题。第一,搭盖率因线缆行进速度与绕包速度之间的不匹配现象,导致实际搭盖率与设定搭盖率存在偏差,线缆的搭盖率参数指标通常要求限定在一定范围内,而实际生产中,为了确保生产效率与产品质量,搭盖率通常设定为较高值,这就存在屏蔽层浪费现象。第二,目前采用人工方式测量生产过程中的屏蔽层搭盖率,具有明显的人为测量误差,且测量误差因人而异。第三,测量频率过低,低于0.02%,难以反映出整个电缆表面屏蔽层实际搭盖率分布趋势。
综上所述,现有技术屏蔽层绕包系统对搭盖率的控制精度不高,实际生产中搭盖率数值往往高于产品技术参数要求,存在屏蔽层浪费现象。现有搭盖率检测为人工使用卡尺在产线运行时进行测量,存在测量误差大、一致性差、检测频率低的问题,不足以反映出整个电缆屏蔽层实际搭盖率的变化。因此有必要开发一种屏蔽层搭盖率的自动检测方法,以解决现有技术的不足。
发明内容
本发明所要解决的技术问题是提供一种基于视觉的铜带屏蔽层搭盖率检测方法,实现对铜带屏蔽层搭盖率的实时自动检测。
为解决上述技术问题,本发明所采用的技术方案是:
一种基于视觉的铜带屏蔽层搭盖率检测方法,其特征在于包含以下步骤:
步骤一:铜带屏蔽层绕包设备运行稳定后,相机采集铜带屏蔽层绕包图像;
步骤二:对采集的图像进行裁剪、中值滤波、二值化和腐蚀运算;
步骤三:对处理后的图像得到最小外接矩形;
步骤四:对图像角度进行调整,对目标区域进行筛选,并提取区域质心;
步骤五:通过区域质心距离计算铜带屏蔽层的搭盖率。
进一步地,所述步骤一种铜带屏蔽层绕包设备运行稳定的状态判定方式是:在绕包设备设置编码器,绕包设备开机编码器清零,绕包设备运行后当编码器计数达到设定值时,则认为绕包设备进入运行稳定状态。
进一步地,所述步骤一中相机采集的图像需要进行相机标定,相机标定过程为:
针孔成像模型涉及4个坐标系,二维像素坐标系O0uv、二维图像物理坐标系O1xy、三维相机坐标系O2XCYCZC和三维世界坐标系O3XWYWZW,图像物理坐标系圆心O1在像素坐标系下的坐标是(u0,v0),设空间一点P在相机坐标系、世界坐标系下的坐标分别是(XC,YC,ZC)、(XW,YW,ZW),像素坐标系下坐标是P0(u,v),dx,dy为像素点物理尺寸;
像素坐标系与图像物理坐标系关系如下:
Figure BDA0003337001540000031
空间点P与P0之间的对应关系如下:
Figure BDA0003337001540000032
其中,f为相机焦距,Zc一般为常数,相机坐标系与世界坐标系通过旋转R与平移矩阵T进行转换;
由式1和2可知,空间任意点P转换到像素坐标系下P0的关系如下:
Figure BDA0003337001540000033
其中,M1为相机的内参数,M2为相机的外参数;
由于相机、镜头的制造、安装存在偏差,实际成像存在畸变现象,各畸变因素中以径向畸变与切向畸变为主,设实际成像点P′0(u′,v′)与理想点P0(u,v)间的关系如下:
Figure BDA0003337001540000041
径向畸变δr(u,v)、切向畸变为δt(u,v)的数学描述如下:
Figure BDA0003337001540000042
使用Matlab的toolbox_calib工具箱中的张正友法计算相机参数,得到相机参数,通过内部参数将畸变图像校正,从而得到精度更高的图像。
进一步地,所述步骤二中二值化采用最大类间方差法。
进一步地,所述最大类间方差法具体为:
假设存在一个阀值T将图像像素分为像素小于T的类I1与像素大于T的类I2,两个类的均值为m1与m2,图像整体的均值与类间方差为m与σ,像素被分为I1、I2类的概率为p1、p2,则有关系式:
Figure BDA0003337001540000043
由此可得类间方差公式:
σ=p1(m1-m)2+p2(m2-m)2=p1p2(m1-m2)2 (7)
采用遍历法即可得到最佳阀值T。
进一步地,所述步骤二中腐蚀运算具体为:通过一个结构化元素以滑动窗口的方式对图像进行逐像素运算,腐蚀能够消融物体的边界,然后再对腐蚀后的图像进行膨胀,膨胀与腐蚀效果相反,扩大物体的边界。
进一步地,所述步骤三中最小外接矩形采用旋转法、顶点链码法或Graham扫描法。
进一步地,所述步骤三中最小外接矩形采用Graham扫描法,Graham扫描法具体包含:
设凸包上第i个点的坐标是(xi,yi),第i条边与水平轴的夹角为θi,其中θi=tan-1((yi+1-yi)/(xi+1-xi)),最小外接矩形面积为smin
1)将凸包绕坐标系原点顺时针旋转θi,第i条边与水平轴平行,作为外接矩形底边,此时第i点的坐标为(x′i,y′i),存在关系式:
Figure BDA0003337001540000051
该式适用于凸包中所有点的坐标换算;
2)遍历旋转后的凸包点集,得到在水平轴与竖直轴的最大最小值,依照数据规律得到外接矩形的另外三条边,记录第i个外接矩形的面积si、长宽及顶点坐标;
3)如果si<smin则将si赋值给smin,将凸包绕图像坐标原点逆时针旋转θi恢复至最初始位置,设第i个外接矩形的顶点坐标为(x′,y′),反向旋转后的顶点坐标为(x,y),则:
Figure BDA0003337001540000052
重复步骤1)、2)、3)则得到凸包多边形的最小外接矩形,两最小外接矩形形心距离即为水平节距值S0
进一步地,所述步骤五具体为:
设线缆直径为D,铜带厚度为H,铜带宽度为W,铜带水平节距为S0,相邻两铜带边缘距离为L,铜带绕包角度为α,搭盖率为δ,可得关系式:
Figure BDA0003337001540000061
当D、W、H已知时,根据铜带水平节距值S0由公式10求出搭盖率δ。
本发明与现有技术相比,具有以下优点和效果:本发明提供了一种基于视觉的铜带屏蔽层搭盖率的检测方法,通过视觉技术实时对屏蔽层的搭盖率进行自动测量,从而方便对屏蔽层绕包的搭盖率进行控制,从而无需设定较高的搭盖值,减少屏蔽层浪费;而且自动检测屏蔽层搭盖率,检测速度快,检测结果准确,可以全程检测,从而准确检测和控制屏蔽层绕包全程的搭盖率,反应真实的生产情况;本发明首先对采集图像进行相机标定,减少图像畸变带来的检测误差,同时在图像处理中采用腐蚀膨胀法便于后续的最小外接矩形的寻找,方便快速准确得到铜带的水平节距。
附图说明
图1是本发明的一种基于视觉的铜带屏蔽层搭盖率检测方法的流程图。
图2是本发明的针孔成像模型的坐标示意图。
图3是本发明的最大类间方差法二值化效果图。
图4是本发明的腐蚀运算效果图。
图5是本发明的最小外接矩形效果图。
图6是本发明的铜带绕包表面的状态图。
具体实施方式
为了详细阐述本发明为达到预定技术目的而所采取的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清晰、完整地描述,显然,所描述的实施例仅仅是本发明的部分实施例,而不是全部的实施例,并且,在不付出创造性劳动的前提下,本发明的实施例中的技术手段或技术特征可以替换,下面将参考附图并结合实施例来详细说明本发明。
如图1所示,本发明的一种基于视觉的铜带屏蔽层搭盖率检测方法,包含以下步骤:
步骤一:铜带屏蔽层绕包设备运行稳定后,相机采集铜带屏蔽层绕包图像。
铜带屏蔽层绕包设备运行稳定的状态判定方式是:在绕包设备设置编码器,绕包设备开机编码器清零,绕包设备运行后当编码器计数达到设定值时,则认为绕包设备进入运行稳定状态。
相机可以实时对图像进行采集,然而根据实际情况,在一定的时间内,屏蔽层的绕包率并不会有显著的变化,因此为了节约能源以及降低计算量,优选地采用间隔式的图像采集方式。间隔时间的确定方式为:编码器设定一个间隔阈值,检测设备开启时编码器清零,铜带屏蔽层绕包过程中,当编码器达到设定的间隔阈值时,触发相机采集图像,然后编码器清零,再一次达到间隔阈值再采集下一个图像。
由于相机为圆形镜头,其实际的呈现会有一定的畸变,在这样的畸变图像基础上得到的检测结果当然会加大检测结果的误差。因此我们需要将采集的图像进行相机标定,以消除图像成像畸变带来的误差。其具体过程包含:
如图2所示,针孔成像模型涉及4个坐标系,二维像素坐标系O0uv、二维图像物理坐标系O1xy、三维相机坐标系O2XCYCZC和三维世界坐标系O3XWYWZW,图像物理坐标系圆心O1在像素坐标系下的坐标是(u0,v0),设空间一点P在相机坐标系、世界坐标系下的坐标分别是(XC,YC,ZC)、(XW,YW,ZW),像素坐标系下坐标是P0(u,v),dx,dy为像素点物理尺寸;
像素坐标系与图像物理坐标系关系如下:
Figure BDA0003337001540000081
空间点P与P0之间的对应关系如下:
Figure BDA0003337001540000082
其中,f为相机焦距,Zc一般为常数,相机坐标系与世界坐标系通过旋转R与平移矩阵T进行转换;
由式1和2可知,空间任意点P转换到像素坐标系下P0的关系如下:
Figure BDA0003337001540000091
其中,M1为相机的内参数,M2为相机的外参数;
由于相机、镜头的制造、安装存在偏差,实际成像存在畸变现象,各畸变因素中以径向畸变与切向畸变为主,设实际成像点P′0(u′,v′)与理想点P0(u,v)间的关系如下:
Figure BDA0003337001540000092
径向畸变δr(u,v)、切向畸变为δt(u,v)的数学描述如下:
Figure BDA0003337001540000093
相机标定有多种方法,而张正友标定法鲁棒性好、精度好且操作简便。使用Matlab的toolbox_calib工具箱中的张正友法计算相机参数,得到相机参数如表1所示,通过内部参数将畸变图像校正,从而得到精度更高的图像。
表1相机参数
Tab.1 Camera Parameters
Figure BDA0003337001540000094
步骤二:对采集的图像进行裁剪、中值滤波、二值化和腐蚀运算。
相机拍照后首先校正图像,其次经过裁切得到ROI图像,避免图像尺寸过大带来的计算浪费,最后采用中值滤波降低图像噪声,同时又能较好地保持边缘有效信息。
二值化采用阈值分隔法。阀值分割可有效区分出背景与前景,最大类间方差法(OTSU)计算简单,不受图像亮度及对比度的影响,被认为是最佳的阀值确定方法而广泛运用。其具体过程为:
假设存在一个阀值T将图像像素分为像素小于T的类I1与像素大于T的类I2,两个类的均值为m1与m2,图像整体的均值与类间方差为m与σ,像素被分为I1、I2类的概率为p1、p2,则有关系式:
Figure BDA0003337001540000101
由此可得类间方差公式:
σ=p1(m1-m)2+p2(m2-m)2=p1p2(m1-m2)2 (7)
采用遍历法即可得到最佳阀值T,通过这样最佳阈值T将图像进行二值化,阈值分隔法得到的二值化图像效果如图3所示。
腐蚀运算具体为:通过一个结构化元素以滑动窗口的方式对图像进行逐像素运算,腐蚀能够消融物体的边界,然后再对腐蚀后的图像进行膨胀,膨胀与腐蚀效果相反,扩大物体的边界。腐蚀与膨胀是形态学最基本的运算,也是构成其他复杂运算的基础。为增强铜带边缘效果,采用腐蚀运算对图像进行形态学处理,效果如图4所示。
步骤三:对处理后的图像得到最小外接矩形。
最小外接矩形是常用提取区域长宽、角度、形心坐标等几何特征的图像处理算法,寻找区域最小外接矩形的方法以旋转法、顶点链码法、Graham扫描法为主,但前两种方法计算量过大,而Graham扫描法是求解平面点集凸包问题的时间最少算法,因此采用更高效的Graham扫描法。Graham扫描法首先得到区域的最小凸包,依据一个凸多边形的最小外接矩形必过该凸多边形一条边的原理,分别求过凸包各边的外接矩形即可得到最小外接矩形,具体步骤是:
设凸包上第i个点的坐标是(xi,yi),第i条边与水平轴的夹角为θi,其中θi=tan-1((yi+1-yi)/(xi+1-xi)),最小外接矩形面积为smin
1)将凸包绕坐标系原点顺时针旋转θi,第i条边与水平轴平行,作为外接矩形底边,此时第i点的坐标为(x′i,y′i),存在关系式:
Figure BDA0003337001540000111
该式适用于凸包中所有点的坐标换算;
2)遍历旋转后的凸包点集,得到在水平轴与竖直轴的最大最小值,依照数据规律得到外接矩形的另外三条边,记录第i个外接矩形的面积si、长宽及顶点坐标;
3)如果si<smin则将si赋值给smin,将凸包绕图像坐标原点逆时针旋转θi恢复至最初始位置,设第i个外接矩形的顶点坐标为(x′,y′),反向旋转后的顶点坐标为(x,y),则:
Figure BDA0003337001540000112
重复步骤1)、2)、3)则得到凸包多边形的最小外接矩形,效果如图5所示,两最小外接矩形形心距离即为水平节距值S0
步骤四:对图像角度进行调整,对目标区域进行筛选,并提取区域质心。
步骤五:通过区域质心距离计算铜带屏蔽层的搭盖率。
铜带绕包于线缆表面后的状态如图6所示。设线缆直径为D,铜带厚度为H,铜带宽度为W,铜带水平节距为S0,相邻两铜带边缘距离为L,铜带绕包角度为α,搭盖率为δ,可得关系式:
Figure BDA0003337001540000121
当D、W、H已知时,根据铜带水平节距值S0由公式10求出搭盖率δ。
铜带屏蔽层绕包设备得到检测的搭盖率,判断当前搭盖率是否大于系统设定的搭盖率,若当前搭盖率大于设定的搭盖率,则控制绕包机降低速度,从而降低搭盖率;若当前搭盖率小于设定的搭盖率,则控制绕包机升高速度,从而增大搭盖率。通过这样的自动控制方式,可以使屏蔽层搭盖率保持在设定值,从而减少屏蔽层浪费。
本发明提供了一种基于视觉的铜带屏蔽层搭盖率的检测方法,通过视觉技术实时对屏蔽层的搭盖率进行自动测量,从而方便对屏蔽层绕包的搭盖率进行控制,从而无需设定较高的搭盖值,减少屏蔽层浪费;而且自动检测屏蔽层搭盖率,检测速度快,检测结果准确,可以全程检测,从而准确检测和控制屏蔽层绕包全程的搭盖率,反应真实的生产情况;本发明首先对采集图像进行相机标定,减少图像畸变带来的检测误差,同时在图像处理中采用腐蚀膨胀法便于后续的最小外接矩形的寻找,方便快速准确得到铜带的水平节距。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质,在本发明的精神和原则之内,对以上实施例所作的任何简单的修改、等同替换与改进等,均仍属于本发明技术方案的保护范围之内。

Claims (9)

1.一种基于视觉的铜带屏蔽层搭盖率检测方法,其特征在于包含以下步骤:
步骤一:铜带屏蔽层绕包设备运行稳定后,相机采集铜带屏蔽层绕包图像;
步骤二:对采集的图像进行裁剪、中值滤波、二值化和腐蚀运算;
步骤三:对处理后的图像得到最小外接矩形;
步骤四:对图像角度进行调整,对目标区域进行筛选,并提取区域质心;
步骤五:通过区域质心距离计算铜带屏蔽层的搭盖率。
2.根据权利要求1所述的基于视觉的铜带屏蔽层搭盖率检测方法,其特征在于:所述步骤一种铜带屏蔽层绕包设备运行稳定的状态判定方式是:在绕包设备设置编码器,绕包设备开机编码器清零,绕包设备运行后当编码器计数达到设定值时,则认为绕包设备进入运行稳定状态。
3.根据权利要求1所述的基于视觉的铜带屏蔽层搭盖率检测方法,其特征在于:所述步骤一中相机采集的图像需要进行相机标定,相机标定过程为:
针孔成像模型涉及4个坐标系,二维像素坐标系O0uv、二维图像物理坐标系O1xy、三维相机坐标系O2XCYCZC和三维世界坐标系O3XWYWZW,图像物理坐标系圆心O1在像素坐标系下的坐标是(u0,v0),设空间一点P在相机坐标系、世界坐标系下的坐标分别是(XC,YC,ZC)、(XW,YW,ZW),像素坐标系下坐标是P0(u,v),dx,dy为像素点物理尺寸;
像素坐标系与图像物理坐标系关系如下:
Figure FDA0003337001530000021
空间点P与P0之间的对应关系如下:
Figure FDA0003337001530000022
其中,f为相机焦距,Zc一般为常数,相机坐标系与世界坐标系通过旋转R与平移矩阵T进行转换;
由式1和2可知,空间任意点P转换到像素坐标系下P0的关系如下:
Figure FDA0003337001530000023
其中,M1为相机的内参数,M2为相机的外参数;
由于相机、镜头的制造、安装存在偏差,实际成像存在畸变现象,各畸变因素中以径向畸变与切向畸变为主,设实际成像点P′0(u′,v′)与理想点P0(u,v)间的关系如下:
Figure FDA0003337001530000024
径向畸变δr(u,v)、切向畸变为δt(u,v)的数学描述如下:
Figure FDA0003337001530000031
使用Matlab的toolbox_calib工具箱中的张正友法计算相机参数,得到相机参数,通过内部参数将畸变图像校正,从而得到精度更高的图像。
4.根据权利要求1所述的基于视觉的铜带屏蔽层搭盖率检测方法,其特征在于:所述步骤二中二值化采用最大类间方差法。
5.根据权利要求4所述的基于视觉的铜带屏蔽层搭盖率检测方法,其特征在于:所述最大类间方差法具体为:
假设存在一个阀值T将图像像素分为像素小于T的类I1与像素大于T的类I2,两个类的均值为m1与m2,图像整体的均值与类间方差为m与σ,像素被分为I1、I2类的概率为p1、p2,则有关系式:
Figure FDA0003337001530000032
由此可得类间方差公式:
σ=p1(m1-m)2+p2(m2-m)2=p1p2(m1-m2)2 (7)
采用遍历法即可得到最佳阀值T。
6.根据权利要求1所述的基于视觉的铜带屏蔽层搭盖率检测方法,其特征在于:所述步骤二中腐蚀运算具体为:通过一个结构化元素以滑动窗口的方式对图像进行逐像素运算,腐蚀能够消融物体的边界,然后再对腐蚀后的图像进行膨胀,膨胀与腐蚀效果相反,扩大物体的边界。
7.根据权利要求1所述的基于视觉的铜带屏蔽层搭盖率检测方法,其特征在于:所述步骤三中最小外接矩形采用旋转法、顶点链码法或Graham扫描法。
8.根据权利要求7所述的基于视觉的铜带屏蔽层搭盖率检测方法,其特征在于:所述步骤三中最小外接矩形采用Graham扫描法,Graham扫描法具体包含:
设凸包上第i个点的坐标是(xi,yi),第i条边与水平轴的夹角为θi,其中θi=tan-1((yi+1-yi)/(xi+1-xi)),最小外接矩形面积为smin
1)将凸包绕坐标系原点顺时针旋转θi,第i条边与水平轴平行,作为外接矩形底边,此时第i点的坐标为(x′i,y′i),存在关系式:
Figure FDA0003337001530000041
该式适用于凸包中所有点的坐标换算;
2)遍历旋转后的凸包点集,得到在水平轴与竖直轴的最大最小值,依照数据规律得到外接矩形的另外三条边,记录第i个外接矩形的面积si、长宽及顶点坐标;
3)如果si<smin则将si赋值给smin,将凸包绕图像坐标原点逆时针旋转θi恢复至最初始位置,设第i个外接矩形的顶点坐标为(x′,y′),反向旋转后的顶点坐标为(x,y),则:
Figure FDA0003337001530000051
重复步骤1)、2)、3)则得到凸包多边形的最小外接矩形,两最小外接矩形形心距离即为水平节距值S0
9.根据权利要求1所述的基于视觉的铜带屏蔽层搭盖率检测方法,其特征在于:所述步骤五具体为:
设线缆直径为D,铜带厚度为H,铜带宽度为W,铜带水平节距为S0,相邻两铜带边缘距离为L,铜带绕包角度为α,搭盖率为δ,可得关系式:
Figure FDA0003337001530000052
当D、W、H已知时,根据铜带水平节距值S0由公式10求出搭盖率δ。
CN202111297354.3A 2021-11-04 2021-11-04 一种基于视觉的铜带屏蔽层搭盖率检测方法 Pending CN114022378A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111297354.3A CN114022378A (zh) 2021-11-04 2021-11-04 一种基于视觉的铜带屏蔽层搭盖率检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111297354.3A CN114022378A (zh) 2021-11-04 2021-11-04 一种基于视觉的铜带屏蔽层搭盖率检测方法

Publications (1)

Publication Number Publication Date
CN114022378A true CN114022378A (zh) 2022-02-08

Family

ID=80060469

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111297354.3A Pending CN114022378A (zh) 2021-11-04 2021-11-04 一种基于视觉的铜带屏蔽层搭盖率检测方法

Country Status (1)

Country Link
CN (1) CN114022378A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115953981A (zh) * 2023-02-28 2023-04-11 长春希达电子技术有限公司 异形平面屏灯点定位方法以及亮度信息的获得方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101718530A (zh) * 2009-11-18 2010-06-02 上海理工大学 电磁线绕包质量在线检测系统
CN102213767A (zh) * 2011-04-08 2011-10-12 浙江工业大学 一种车载gps封闭区域的定位控制方法
CN103512892A (zh) * 2013-09-22 2014-01-15 上海理工大学 电磁线薄膜绕包的检测方法
CN109035320A (zh) * 2018-08-12 2018-12-18 浙江农林大学 基于单目视觉的深度提取方法
CN110176020A (zh) * 2019-04-09 2019-08-27 广东工业大学 一种融合2d和3d图像的燕窝杂质分拣方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101718530A (zh) * 2009-11-18 2010-06-02 上海理工大学 电磁线绕包质量在线检测系统
CN102213767A (zh) * 2011-04-08 2011-10-12 浙江工业大学 一种车载gps封闭区域的定位控制方法
CN103512892A (zh) * 2013-09-22 2014-01-15 上海理工大学 电磁线薄膜绕包的检测方法
CN109035320A (zh) * 2018-08-12 2018-12-18 浙江农林大学 基于单目视觉的深度提取方法
CN110176020A (zh) * 2019-04-09 2019-08-27 广东工业大学 一种融合2d和3d图像的燕窝杂质分拣方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘禾: "数字图像处理及应用", vol. 7, 31 January 2006, 中国电力出版社, pages: 129 - 131 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115953981A (zh) * 2023-02-28 2023-04-11 长春希达电子技术有限公司 异形平面屏灯点定位方法以及亮度信息的获得方法

Similar Documents

Publication Publication Date Title
CN108921176B (zh) 一种基于机器视觉的指针式仪表定位与识别方法
CN109003258B (zh) 一种高精度亚像素圆形零件测量方法
CN108132017B (zh) 一种基于激光视觉系统的平面焊缝特征点提取方法
CN110286126B (zh) 一种基于视觉图像的晶圆表面缺陷分区域检测方法
CN107203973B (zh) 一种三维激光扫描系统中线激光中心的亚像素定位方法
CN108681525B (zh) 一种基于车载激光扫描数据的路面点云强度增强方法
CN101853333B (zh) 医疗机器人导航定位图像中的标记拾取方法
CN115239704B (zh) 一种木材表面缺陷的精准检测修复方法
CN107945155B (zh) 一种基于Gabor滤波器的牙膏管肩缺陷检测方法
CN111462066B (zh) 一种基于机器视觉的螺纹参数检测方法
CN110189375B (zh) 一种基于单目视觉测量的图像目标识别方法
CN110569857B (zh) 一种基于质心距离计算的图像轮廓角点检测方法
CN110933926B (zh) 一种基于角点检测的贴片机吸嘴元件角度的自动校正方法
CN107796826B (zh) 基于齿心距离曲线分析的微型双联齿轮断齿缺陷检测方法
CN115375686B (zh) 一种基于图像处理的玻璃边缘瑕疵检测方法
CN112767359B (zh) 复杂背景下的钢板角点检测方法及系统
CN112651968A (zh) 一种基于深度信息的木板形变与凹坑检测方法
CN113340909B (zh) 一种基于机器视觉的胶线缺陷检测方法
CN114279357A (zh) 一种基于机器视觉的压铸件毛刺尺寸测量方法及系统
CN105787912B (zh) 一种基于分类的阶跃型边缘亚像素定位方法
CN115096206A (zh) 一种基于机器视觉的零件尺寸高精度测量方法
CN114022378A (zh) 一种基于视觉的铜带屏蔽层搭盖率检测方法
CN112378350A (zh) 一种网络变压器pin脚平整度检测方法
CN107657620A (zh) 一种带纹理的金属凝固区域识别的方法及系统
CN111815575B (zh) 一种基于机器视觉的轴承钢珠零件检测方法

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