CN114755236A - 一种回转曲面电镀件表面缺陷的检测系统及方法 - Google Patents
一种回转曲面电镀件表面缺陷的检测系统及方法 Download PDFInfo
- Publication number
- CN114755236A CN114755236A CN202210437881.8A CN202210437881A CN114755236A CN 114755236 A CN114755236 A CN 114755236A CN 202210437881 A CN202210437881 A CN 202210437881A CN 114755236 A CN114755236 A CN 114755236A
- Authority
- CN
- China
- Prior art keywords
- image
- point
- curved surface
- value
- light source
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000009713 electroplating Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 230000003287 optical effect Effects 0.000 claims abstract description 6
- 238000005286 illumination Methods 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 17
- 239000000758 substrate Substances 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 11
- 230000002146 bilateral effect Effects 0.000 claims description 10
- 238000000265 homogenisation Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 9
- 238000009825 accumulation Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 2
- 230000001960 triggered effect Effects 0.000 claims description 2
- 239000011541 reaction mixture Substances 0.000 claims 2
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000008030 elimination Effects 0.000 abstract 2
- 238000003379 elimination reaction Methods 0.000 abstract 2
- 238000007747 plating Methods 0.000 abstract 2
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010047571 Visual impairment Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001915 proofreading effect Effects 0.000 description 1
- 208000029257 vision disease Diseases 0.000 description 1
- 230000004393 visual impairment Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
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
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G06T5/70—
-
- 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
- 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
- G01N21/8806—Specially adapted optical and illumination features
- G01N2021/8812—Diffuse illumination, e.g. "sky"
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
- G01N2021/8918—Metal
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
Abstract
本发明提供了一种回转曲面电镀件表面缺陷的检测系统及方法,首先通过对待检测电镀面的曲面形状分析以及反射光线光路分析,保证光源发出的光线经电镀曲面反射后到达相机光学中心,以减少镜面反射带来的局部高光消除;然后结合图像处理技术能够实现对回转曲面电镀件的外观检测,构建利用空间域和值域信息的折中滤波方式对原始图像进行处理,保护边缘信息的同时降低非边缘点对特征提取造成的影响,基于缺陷边缘与其他区域间灰度值不连续特性,用局部化检测窗口检测不同区域间的边缘,实现消除残余反射高光干扰。最大化消除了待测电镀面镜面反射产生高光淹没缺陷信息的情况,极大提升了电镀件的缺陷检测准确率。
Description
技术领域
本发明涉及一种表面缺陷的检测系统及方法,更具体的是涉及一种回转曲面电镀件表面缺陷的检测系统及方法。
背景技术
汽车电镀件作为汽车内外饰件的重要组成部分,其外观品质和质量是影响汽车外观整体抗冲击强度、美观度的重要因素。目前现有的电镀件生产技术受工艺、运输、人员等因素影响,易在不同工艺环节中对所生产的电镀件造成划伤、污染等缺陷。因此需要对汽车电镀件表面的缺陷进行检测,目前对汽车电镀件表面缺陷的检测主要依赖于人工,检测员在日光灯下肉眼观测镜面表面,找到认为反光情况异常的局部曲面时即认定为缺陷,从而完成缺陷检测。但人工检测存在诸多方面的不足,总结如下:
(1)人工检测主观性强,检测结果依赖工人技术水平、情绪、个人判断标准、劳累程度等因素,误检或漏检率高;
(2)人工观测随机性强,尤其对于微小缺陷难以发现,易产生漏检或误检;
(3)手工移动工件无法保证所有被检曲面的完全覆盖,易造成漏检;
(4)检测人员长时间观察具有高反光度的镜面,易造成视觉疲劳甚至损害视力。
基于人工检测的不足,现开发了基于机器视觉的检测系统,但由于电镀件具有类镜面表面,在某一方向的反射强度大,易造成局部高亮现象,此种现象增加了各种缺陷检测的难度,对于使用机器视觉的检测系统进行缺陷检测具有非常严重的影响。具体来说,相比于平面电镀件和普通曲面零部件,实现不规则曲面的电镀件缺陷主要有两大难点:
(1)根据光学反射定律,因为电镀曲面的法线不断变化,使得多方向照射的光线经过电镀面反射后到达相机光学中心,成像后产生曝光过度的亮点,影响零部件表面的缺陷图像采集。对比度较高的零部件表面缺陷较为明显,对光照的要求较高,通过常规方式的图像采集和成熟的图像处理技术就能够实现缺陷的检测。针对电镀件的高光现象,需要适配特殊的照明系统和智能算法才能分别实现缺陷图像的采集和检测;
(2)回转电镀曲面无法通过单目相机实现整个曲面全景图像的获取,单目相机的取景范围有限,且受图像采集角度影响,若单目相机位置与待检测件相对固定,难以采集到回转电镀曲面的背面,需设计一种可绕曲面回转轴线旋转的夹具,并根据其转动速度设置相机采集频率实现整个电镀曲面的图像采集。
因此针对汽车电镀件表面特殊的工艺和形状,当检测系统的光源照射在电镀表面时,会出现不同程度的镜面反射现象,容易导致所采集图像的局部饱和失真,使缺陷信息被淹没,另外电镀件表面所反射出的周围环境也会对缺陷的识别产生影响,导致微小缺陷会被反光区域掩盖从而难以被发现等问题
基于以上问题,专利文件CN112924468A公开了一种反光平面外观缺陷的视觉检测方法,主要采用对视觉系统相机和照明组件进行路径规划,使得视觉系统能够沿着产品表面移动以及覆盖整个表面,从而实现对金属反光工件表面缺陷进行检测,但是采用该种方法会在单件产品上耗费大量的检测时间从而导致检测效率较低,因此只适用于线下单检而不适用于在线检测。
专利文件112927226A公开了一种划痕损伤的图像检测方法,主要包括首先对被检测物的原始图像进行旋转、叠加和滤波等操作,然后根据人为设置的阈值判断图像中是否存在划痕损伤,但该发明应用于光面、磨砂、水迹等痕迹检测,检测速度较快,但主要是对产品表面划痕缺陷的检测,不适用于汽车电镀件表面例如暗印、鼓泡、色差等缺陷的检测,此目前仍然缺少对汽车电镀件表面缺陷检测的技术方案。
发明内容
为解决现有技术的不足,现提供一种回转曲面电镀件表面缺陷的检测系统及方法。
一种回转曲面电镀件表面缺陷的检测系统包括图像采集装置、照明装置、图像采集卡、编码器、信号传感器、计算机;图像采集装置与照明装置根据离轴照明理论以及反射定律进行计算建模后设计,并根据光源阵列曲面的形状确定摆放位置;通过编码器发出的脉冲信号数字变频后触发图像采集装置进行图像采集,采集结束后通过图像采集卡转换为数字信号并进行压缩后传送至计算机的存储系统中;编码器设有转动辊,被测电镀件通过转动辊运动一周由图像采集装置采集全景图像。
优选地,照明装置为LED阵列光源。
一种回转曲面电镀件表面缺陷的检测方法,主要包括以下步骤:
S1、设计曲面阵列离轴光源:采集均匀漫散光进行照明的方法,通过对待检测电镀面的曲面形状分析以及反射光线光路分析,根据离轴照明理论以及反射定律进行计算建模后设计出曲面阵列离轴光源;
S2、采集回转电镀件的图像:通过在待检测回转曲面电镀件的回转轴线上设置夹具,并保证待测电镀件在转动辊按照一定频率转动时绕回转轴线旋转,旋转编码器进行输出脉冲计数,通过数字变频法的相机触发机制以触发相机采集图像;
S3、对原始图像进行预处理:构建利用空间域和值域信息的双边滤波对原始图像进行处理,并利用非最大值抑制和滞后阈值化抑制错误边缘,保护边缘信息,以降低非边缘点对特征提取造成的影响,实现回转曲面获取图像的降噪和畸变校正,同时基于基板图像特征匹配和补偿因子推算实现光照均匀化;
S4、提取缺陷特征:基于最大类间方差法改进的滞后阈值处理,利用缺陷边缘与其他区域间灰度值不连续特性,用局部化检测窗口检测不同区域间的边缘,实现消除部分高光干扰的同时捕获到缺陷边缘信息;
S5、完成回转曲面电镀件表面缺陷的检测。
优选地,S1中设计曲面阵列离轴光源的具体步骤为:将半圆柱形电镀件建模为具有恒定半径的圆柱体,数学模型中回转半径变量设置为恒定,且待检测面具有镜面反射特性,在数学模型中遵循几何光学定律,假设P点为待检表面的一般点,其位置由三个参数(X,Y,Z)表示,三个参数分别表示圆柱体半径、沿圆柱体轴的坐标以及围绕圆柱体轴的角度,则点P可以表示为具有两个变量的已知函数:
P(α,y)=ilx+jly+klz=ilRsinα+jly+Rklcosα (1)
而P点处所对应的法向单位向量可表示为:
为保证相机视场范围内的图像信息都能够清晰成像,被检测表面反射的光线须到达相机的光学中心T。因此光源所发出的光线经过P点反射后的方向q 可表示为:
同时,q可根据反射定律表达为:
式(4)中,n代表P点处的法线方向向量;xl代表P点处的切线方向向量;β表示光线在P点处的反射角。
s表示光源所发出光线到达被测表面点P时的方向,由反射定律可表达为:
由(4)(5)两式可得:
据反射定律,P点法向向量n与反射方向q的乘积与反射角β关系为:
由式(6)(7)联合可得:
再由同样的计算方式可表示出LED阵列光源上发射光线Ps处的光线方向信息:
-s=-xlssinσ+nscosσ (9)
式(9)(10)中,i表示光源中点Ps处的切向向量;ns表示光源中点Ps处的法向向量;
同上式(6)(7)有:
最后,由上式以及各系统参数和变量可得出光源阵列面的法线表达式:
接着可用光源阵列面的法线表达式确定光源阵列面的表达式:
其中m(α,y)为未知函数,其计算方式如式(15)-(18)所示。
优选地,S2中旋转编码器进行输出脉冲计数,通过数字变频法的相机触发机制以触发相机采集图像的具体步骤为:
首先根据编码器分辨率设置脉冲计数界限Nm,设置完毕后计数器开始计数,同时对接收到的脉冲进行累加计数;当脉冲累加计数到达Nm时进行下一步操作,同时计数器清零后再次开始计数;最后统计脉冲累加计数超限时间Tms,并计算触发系数Sk:
式(19)中,Rr为转动辊的半径;Tm为旋转编码器的分辨率;Kg为图像纵向分布精度
然后计算触发步长即触发信号的等待周期Lk:
得到等待周期后通过计数器进行计数,当数值等于Lk时生成触发信号,并重置计数器;触发信号通过同步机制发送给相机以完成图像采集供计算机处理。
优选地,S3中构建双边滤波函数的具体步骤如下:
确定空间域滤波系数模板,将输入图像IM×N的像素函数简化表示为f(x),f(x,y)表示由低通空间滤波方式作用后的输出图像函数
式中,c(ε,x)表示邻域中心点x与邻近点ε的空间几何邻近度,
采用低通滤波的目的是保留低通信号的直流分量,有:
式中,kd表示归一化参数,
若滤波器能够保持位移不变,则c(ε,x)仅表示向量差ε-x的一个函数,kd的值在相同几何位置恒定,与图像函数f无关。
然后确定值域滤波系数模板,由像素灰度差值决定,可定义为:
式中,s(f(ε),f(x))表示邻域中心点x与邻近点ε的像素相似性,其归一化函数受图像函数f影响,可表示为:
相似度函数s表示向量差f(ε)-f(x)的函数,且具有无偏估计性
至此,双边滤波函数可以由上述空间域和值域的滤波系数模板构造,表示为:
紧接着引入权重系数ξ(x,y,i,j)
式中,权重系数ξ(x,y,i,j)表示邻域像素值的加权组合,其定义由像素空间距离的滤波系数和像素灰度差值的滤波系数共同决定,可表示为:
将式22与式24相结合,经过滤波后的输出图像函数表达式为:
优选地,S3中基于基板图像特征匹配和补偿因子推算实现光照均匀化的具体步骤为:
计算图像灰度平均值avg和标准差sdv:
式(30)(31)中,g(x,y)表示图像上(x,y)位置的灰度值,N表示当前图像中像素点个数;
其次将初始图像中符合基板图像特征部分标记出来,标记公式如下:
通过该式对滤波后的图像进行二值化标记,每个像素点灰度值落在基板标记范围内则标记为1,否则标记为零;
然后根据生成的二值化标记图像计算补偿因子,图像中各点光照补偿可采用纵向平均光照进行推算,各点的光照补偿值可用一维数组bc(i)表示,其表达式为:
式(33)中,gbz(x,y)为二值化标记图像中(x,y)点的值;gbz(i,y)为图像中x=i点的值;N表示值为1的点的总数;Ni表示图像中第i列为1的点的总个数;
最后得出光照均匀化后输出图像g′(x,y)的函数表达式:
优选地,S4中基于最大类间方差法改进的滞后阈值处理的步骤为:
确定阈值分割参数,选取下限阈值Th1、上限阈值Th2两组阈值,将图像中疑似边缘点像素值与阈值进行比较,当其大于Th1时,将其标记为边缘线的第一点,然后比较Th2与以此点为中心的8领域内像素点像素值的关系;将第一点作为种子点,保持此种方法覆沿各领域进行检索,直到大于下限阈值的点不再出现,此时停止查找,完成整个曲线的闭合以及分割。
有益效果:
(1)本发明提供了一种回转曲面电镀件表面缺陷的检测系统及方法,基于曲面阵列离轴光源的设计使得光源所发出的照明光线经过被检面反射后的大部分光线都能进入相机,解决针对电镀件表面易产生镜面反射,以及曲面电镀件所反射光线分别照向不同方向只有少部分光线能够进入相机,导致被检测表面难以全部成像问题的问题。
(2)本发明利用离轴照明理论以及反射定律进行计算建模后,选取相机以及镜头种类,并根据所建模型优化相机以及光源的布置位置以及角度,采用均匀漫散光进行照明,并设置能使得回转曲面电镀件按照所设置频率环绕其回转轴线转动的夹持装置,以实现回转型电镀件表面的全面检测,解决了单一相机无法全面获取曲率较大的回转曲面问题。
(3)本发明通过优化数字变频法的相机触发机制,将编码器发出的脉冲信号数字变频后,发送给相机用以触发相机采集图像,解决回转曲面的过采以及漏采问题。
(4)本发明优化传统高斯算法用于边缘模糊的手段,构建利用空间域和值域信息的折中滤波方式对原始图像进行处理,实现回转曲面获取图像的降噪和畸变校正。同时基于基板图像特征匹配和补偿因子推算实现光照均匀化,解决因部分物理光照不均以及相机背光不均问题。
(5)本发明基于最大类间方差法改进的滞后阈值处理,利用缺陷边缘与其他区域间灰度值不连续特性,用局部化检测窗口检测不同区域间的边缘,实现消除部分高光干扰的同时捕获到缺陷边缘信息。
附图说明
图1是实施例中回转曲面电镀件表面缺陷的检测方法流程图。
图2是实施例中回转曲面电镀件表面缺陷的检测系统的结构示意图。
图3是实施例中LED曲面阵列离轴光源设计原理图。
图4是实施例中相机触发机制流程图。
符号说明:
1、相机及镜头,2、LED阵列光源,3、图像采集卡,4、编码器,5、信号传感器,6、计算机。
具体实施方式
为了加深对本发明的理解,下面将结合实施例和附图对本发明作进一步详述,该实施例仅用于解释本发明,并不构成对本发明保护范围的限定。
实施例:
本发明具体实施方式所采用检测系统结构如图1所示,本实施例所述的检测系统由相机及镜头1,LED阵列光源2,图像采集卡3,编码器4,信号传感器5,计算机6以及相关设备机架组成;
所述相机及镜头1与LED阵列光源2一起按照建模计算后的位置分布布置在设备机架上,并固定相对位置;其中,被测电镀件工件在编码器控制的转动辊运动下,其回转曲面旋转一周后待检测表面能被相机采集到高分辨率全景图像;
所述LED阵列光源2的形状及布置及取决于被检测表面的形状和面积大小,当待检面形状复杂、曲率半径不同时,需要对待检面进行数学分析,使得反射的绝大部分光线进入到相机中,通过物理方式消除电镀件表面极易出现的高光现象,以减少高光现象对缺陷检测的干扰,保证采集到的局部高清图像中无高光现象的影响;
所述编码器4发出的脉冲信号数字变频后,发送给相机1用以触发相机采集图像,通过图像采集卡3转换为数字信号并进行压缩后传送到计算机的存储系统中,以便于计算机6进行后续处理;
具体实施例以半圆柱形回转曲面电镀件表面为检测对象进行描述,具体实施方式如下:
(1)根据待检表面形状设计出LED曲面阵列离轴光源:选用单颗LED光源型号为5730LED,额定功率为0.5W,工作电压3.0V,光通量为55LM/颗。LED 光源阵列排布后通过焊接在柔性PCB电路板上,然后固定在全自由曲面边框中,通过自由曲面边框曲率精确控制。
其中,LED阵列曲面排布数据计算过程如下:
首先将半圆柱形电镀件建模为具有恒定半径的圆柱体,数学模型中回转半径变量设置为恒定,且待检测面具有镜面反射特性,在数学模型中遵循几何光学定律。其数学模型图如图2所示。假设P点为待检表面的一般点,其位置由三个参数(X,Y,Z)表示,三个参数分别表示圆柱体半径、沿圆柱体轴的坐标以及围绕圆柱体轴的角度,则点P可以表示为具有两个变量的已知函数:
P(α,y)=ilx+jly+klz=ilRsinα+jly+Rklcosα (1)
而P点处所对应的法向单位向量可表示为:
为保证相机视场范围内的图像信息都能够清晰成像,被检测表面反射的光线须到达相机的光学中心T。因此光源所发出的光线经过P点反射后的方向q 可表示为:
同时,q可根据反射定律表达为:
q=-xlsinβ+ncosβ (4)
式中,n代表P点处的法线方向向量;xl代表P点处的切线方向向量;β表示光线在P点处的反射角。
s表示光源所发出光线到达被测表面点P时的方向,由反射定律可表达为:
s=xlsinβ+ncosβ (5)
由(4)(5)两式式可得:
q+s=2ncosβ (6)
根据反射定律,P点法向向量n与反射方向q的乘积与反射角β关系为:
q·n=cosβ (7)
由式(6)(7)联合可得:
s=2(q·n)n-q (8)
再由同样的计算方式可表示出LED阵列光源上发射光线Ps处的光线方向信息:
-s=-xlssinσ+nscosσ (9)
i=xlssinσ+nscosσ (10)
式(9)(10)中,i表示光源中点Ps处的切向向量;ns表示光源中点Ps处的法向向量;
同上式(6)(7)有:
i+s=2nscosσ (11)
i·s=cos(2σ) (12)
最后,由上式以及各系统参数和变量可得出光源阵列面的法线表达式:
接着可用光源阵列面的法线表达式确定光源阵列面的表达式:
Ps(α,y)=P(α,y)+m(α,y)·s(α,y) (14)
其中m(α,y)为未知函数,其计算方式如式(15)-(18)所示。
(2)回转电镀件表面的图像采集:基于本发明提出的数字变频法的相机触发机制,通过设置在回转夹具所连接转动辊上的旋转编码器进行输出脉冲计数,通过数字变频法的相机触发机制以触发相机采集图像。具体分为以下几个步骤:首先根据编码器分辨率设置脉冲计数界限Nm,本例中所采用的编码器分辨率为3000,所以Nm取值60;设置好然后脉冲计数界限后计数器开始计数,同时对接收到的脉冲进行累加计数;当脉冲累加计数到达Nm时进行下一步操作,同时计数器清零后再次开始计数;最后统计脉冲累加计数超限时间Tms,并计算触发系数Sk:
式中,Rr为转动辊的半径;Tm为旋转编码器的分辨率;Kg为图像纵向分布精度。
然后计算触发步长即触发信号的等待周期Lk:
得到等待周期后通过计数器进行计数,当数值等于Lk时生成触发信号,并重置计数器;触发信号通过同步机制发送给相机以完成图像采集供计算机处理。
(3)基于本文提出的双边滤波函数和光照均匀化算法实现对原始图像的预处理:具体步骤为
S1:本实施例采用空间域和值域信息的折中滤波方式对原始图像进行降噪处理,保护边缘信息,以降低非边缘点对特征提取造成的影响,实现回转曲面获取图像的降噪。双边滤波是一种非迭代的简单策略,可以在滤波时对边缘进行保护,在去掉噪声的同时保留缺陷信息。双边滤波函数构建方式具体如下:首先确定空间域滤波系数模板,其主要由像素空间几何距离决定。将输入图像 IM×N的像素函数简化表示为f(x),f(x,y)表示由低通空间滤波方式作用后的输出图像函数。
式中,c(ε,x)表示邻域中心点x与邻近点ε的空间几何邻近度。
采用低通滤波的目的是保留低通信号的直流分量,有:
式中,kd表示归一化参数。
若滤波器能够保持位移不变,则c(ε,x)仅表示向量差ε-x的一个函数,kd的值在相同几何位置恒定,与图像函数f无关。
然后确定值域滤波系数模板,由像素灰度差值决定,可定义为:
式中,s(f(ε),f(x))表示邻域中心点x与邻近点ε的像素相似性,其归一化函数受图像函数f影响,可表示为:
相似度函数s表示向量差f(ε)-f(x)的函数,且具有无偏估计性至此,双边滤波函数可以由上述空间域和值域的滤波系数模板构造,表示为:
紧接着引入权重系数ξ(x,y,i,j)
式中,权重系数ξ(x,y,i,j)表示邻域像素值的加权组合,其定义由像素空间距离的滤波系数和像素灰度差值的滤波系数共同决定,可表示为:
将式22与式24相结合,经过滤波后的输出图像函数表达式为:
将图像函数输入式29后,对像素平坦区域进行滤波时,差值f(ε)-f(x)的变化较小,空域权重较大对平坦区域进行高斯滤波,去噪声作用较为明显,所对应的值域权重为1;而在对边缘区域进行滤波时,差值f(ε)-f(x)的变化较大,值域权重有所下降,对边缘区域起保护作用,即保留缺陷信息。
S2:图像光照均匀化:本发明提出的基于基板图像特征匹配和补偿因子推算实现光照均匀化,解决因部分物理光照不均以及相机背光不均等造成的光照分布不均问题。具体处理流程如下:
首先计算图像灰度平均值avg和标准差sdv:
式中,g(x,y)表示图像上(x,y)位置的灰度值,N表示当前图像中像素点个数。
其次将初始图像中符合基板图像特征部分标记出来,标记公式如下:
通过该式对滤波后的图像进行二值化标记,每个像素点灰度值落在基板标记范围内则标记为1,否则标记为零。
然后根据生成的二值化标记图像计算补偿因子,图像中各点光照补偿可采用纵向平均光照进行推算,各点的光照补偿值可用一维数组bc(i)表示,其表达式为:
式中,gbz(x,y)为二值化标记图像中(x,y)点的值;gbz(i,y)为图像中x=i 点的值;N表示值为1的点的总数;Ni表示图像中第i列为1的点的总个数。
最后得出光照均匀化后输出图像g′(x,y)的函数表达式:
至此即完成了原始图像的预处理。
(4)采用本发明提出的基于最大间类方差改进的阈值分割法对缺陷边缘信息进行提取:为了解决图像边缘信息因高光区域引起的缺断问题,首先确定阈值分割参数,选取下限阈值Th1、上限阈值Th2两组阈值,将图像中疑似边缘点像素值与阈值进行比较,当其大于Th1时,将其标记为边缘线的第一点,接下来比较Th2与以此点为中心的8领域内像素点像素值的关系。接下来将第一点作为种子点,一直采用此种方法沿着各领域进行检索,直到大于下限阈值的点不再出现,此时停止查找。以此种方式完成整个曲线的闭合以及分割。递归计算的具体步骤如下:
a.首先通过滞后双阈值进行行坐标递归运算。设定最大递归深度RecursionLimit,当区域像素点坐标输入后,将坐标记为col_rows_pic(i,j),行列坐标分别记为cols_pic和row_pic;
b.对递归范围进行校对。将各输入边界点坐标记为new_edge(i,j),若横坐标new_edge(i)大于等于1且小于cols_pic-2,纵坐标new_edge(j)大于等于1且小于row_pic-2,则进行检索,否则跳出校对;
c.将输入的像素点确定为种子点,若new_edge(i,j)大于Th2,则标记为种子点,并将该点灰度值置为255;
d.对高光影响的缺段部分进行连接。将相邻点像素值标记为 new_edge_seed(i,j),然后按照中心点的8连通邻域搜寻形式进行搜索,若该点new_edge_seed(i)小于等于7且new_edge_seed(j)小于等于8,则继续搜寻该点邻近点;若new_edge_seed(i,j)不小于Th1,则确定为下一步搜索的种子点,继续搜寻,直到完成整个缺陷边缘的提取。
作为进一步改进,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种回转曲面电镀件表面缺陷的检测系统,其特征在于,包括图像采集装置、照明装置、图像采集卡、编码器、信号传感器、计算机;图像采集装置与照明装置根据离轴照明理论以及反射定律进行计算建模后设计,并根据光源阵列曲面的形状确定摆放位置;通过编码器发出的脉冲信号数字变频后触发图像采集装置进行图像采集,采集结束后通过图像采集卡转换为数字信号并进行压缩后传送至计算机的存储系统中;编码器设有转动辊,被测电镀件通过转动辊运动一周由图像采集装置采集全景图像。
2.根据权利要求1所述的一种回转曲面电镀件表面缺陷的检测系统,其特征在于,照明装置为LED阵列光源。
3.一种回转曲面电镀件表面缺陷的检测方法,其特征在于,主要包括以下步骤:
S1、设计曲面阵列离轴光源:采集均匀漫散光进行照明的方法,通过对待检测电镀面的曲面形状分析以及反射光线光路分析,根据离轴照明理论以及反射定律进行计算建模后设计出曲面阵列离轴光源;
S2、采集回转电镀件的图像:通过在待检测回转曲面电镀件的回转轴线上设置夹具,并保证待测电镀件在转动辊按照一定频率转动时绕回转轴线旋转,旋转编码器进行输出脉冲计数,通过数字变频法的相机触发机制以触发相机采集图像;
S3、对原始图像进行预处理:构建利用空间域和值域信息的双边滤波对原始图像进行处理,并利用非最大值抑制和滞后阈值化抑制错误边缘,保护边缘信息,以降低非边缘点对特征提取造成的影响,实现回转曲面获取图像的降噪和畸变校正,同时基于基板图像特征匹配和补偿因子推算实现光照均匀化;
S4、提取缺陷特征:基于最大类间方差法改进的滞后阈值处理,利用缺陷边缘与其他区域间灰度值不连续特性,用局部化检测窗口检测不同区域间的边缘,实现消除部分高光干扰的同时捕获到缺陷边缘信息;
S5、完成回转曲面电镀件表面缺陷的检测。
4.根据权利要求3所述的一种回转曲面电镀件表面缺陷的检测方法,其特征在于,S1中设计曲面阵列离轴光源的具体步骤为:将半圆柱形电镀件建模为具有恒定半径的圆柱体,数学模型中回转半径变量设置为恒定,且待检测面具有镜面反射特性,在数学模型中遵循几何光学定律,假设P点为待检表面的一般点,其位置由三个参数(X,Y,Z)表示,三个参数分别表示圆柱体半径、沿圆柱体轴的坐标以及围绕圆柱体轴的角度,则点P可以表示为具有两个变量的已知函数:
P(α,y)=ilx+jly+klz=ilRsinα+jly+Rklcosα (1)
而P点处所对应的法向单位向量可表示为:
为保证相机视场范围内的图像信息都能够清晰成像,被检测表面反射的光线须到达相机的光学中心T。因此光源所发出的光线经过P点反射后的方向q可表示为:
同时,q可根据反射定律表达为:
式(4)中,n代表P点处的法线方向向量;xl代表P点处的切线方向向量;β表示光线在P点处的反射角。
s表示光源所发出光线到达被测表面点P时的方向,由反射定律可表达为:
由(4)(5)两式可得:
据反射定律,P点法向向量n与反射方向q的乘积与反射角β关系为:
由式(6)(7)联合可得:
再由同样的计算方式可表示出LED阵列光源上发射光线Ps处的光线方向信息:
-s=-xlssinσ+nscosσ (9)
式(9)(10)中,i表示光源中点Ps处的切向向量;ns表示光源中点Ps处的法向向量;
同上式(6)(7)有:
最后,由上式以及各系统参数和变量可得出光源阵列面的法线表达式:
接着可用光源阵列面的法线表达式确定光源阵列面的表达式:
其中m(α,y)为未知函数,其计算方式如式(15)-(18)所示。
5.根据权利要求3所述的一种回转曲面电镀件表面缺陷的检测方法,其特征在于,S2中旋转编码器进行输出脉冲计数,通过数字变频法的相机触发机制以触发相机采集图像的具体步骤为:
首先根据编码器分辨率设置脉冲计数界限Nm,设置完毕后计数器开始计数,同时对接收到的脉冲进行累加计数;当脉冲累加计数到达Nm时进行下一步操作,同时计数器清零后再次开始计数;最后统计脉冲累加计数超限时间Tms,并计算触发系数Sk:
式(19)中,Rr为转动辊的半径;Tm为旋转编码器的分辨率;Kg为图像纵向分布精度
然后计算触发步长即触发信号的等待周期Lk:
得到等待周期后通过计数器进行计数,当数值等于Lk时生成触发信号,并重置计数器;触发信号通过同步机制发送给相机以完成图像采集供计算机处理。
6.根据权利要求3所述的一种回转曲面电镀件表面缺陷的检测方法,其特征在于,S3中构建双边滤波函数的具体步骤如下:
确定空间域滤波系数模板,将输入图像IM×N的像素函数简化表示为f(x),f(x,y)表示由低通空间滤波方式作用后的输出图像函数
式(21)中,c(ε,x)表示邻域中心点x与邻近点ε的空间几何邻近度,
采用低通滤波的目的是保留低通信号的直流分量,有:
式(22)(23)中,kd表示归一化参数,
若滤波器能够保持位移不变,则c(ε,x)仅表示向量差ε-x的一个函数,kd的值在相同几何位置恒定,与图像函数f无关。
然后确定值域滤波系数模板,由像素灰度差值决定,可定义为:
式(24)中,s(f(ε),f(x))表示邻域中心点x与邻近点ε的像素相似性,其归一化函数受图像函数f影响,可表示为:
相似度函数s表示向量差f(ε)-f(x)的函数,且具有无偏估计性
至此,双边滤波函数可以由上述空间域和值域的滤波系数模板构造,表示为:
紧接着引入权重系数ξ(x,y,i,j)
式(27)中,权重系数ξ(x,y,i,j)表示邻域像素值的加权组合,其定义由像素空间距离的滤波系数和像素灰度差值的滤波系数共同决定,可表示为:
将式22与式24相结合,经过滤波后的输出图像函数表达式为:
7.根据权利要求3所述的一种回转曲面电镀件表面缺陷的检测方法,其特征在于,S3中基于基板图像特征匹配和补偿因子推算实现光照均匀化的具体步骤为:
计算图像灰度平均值avg和标准差sdv:
式(30)(31)中,g(x,y)表示图像上(x,y)位置的灰度值,N表示当前图像中像素点个数;
其次将初始图像中符合基板图像特征部分标记出来,标记公式如下:
通过式(32)对滤波后的图像进行二值化标记,每个像素点灰度值落在基板标记范围内则标记为1,否则标记为零;
然后根据生成的二值化标记图像计算补偿因子,图像中各点光照补偿可采用纵向平均光照进行推算,各点的光照补偿值可用一维数组bc(i)表示,其表达式为:
式(33)中,gbz(x,y)为二值化标记图像中(x,y)点的值;gbz(i,y)为图像中x=i点的值;N表示值为1的点的总数;Ni表示图像中第i列为1的点的总个数;
最后得出光照均匀化后输出图像g′(x,y)的函数表达式:
8.根据权利要求3所述的一种回转曲面电镀件表面缺陷的检测方法,其特征在于,S4中基于最大类间方差法改进的滞后阈值处理的步骤为:
确定阈值分割参数,选取下限阈值Th1、上限阈值Th2两组阈值,将图像中疑似边缘点像素值与阈值进行比较,当其大于Th1时,将其标记为边缘线的第一点,然后比较Th2与以此点为中心的8领域内像素点像素值的关系;将第一点作为种子点,保持此种方法沿各领域进行检索,直到大于下限阈值的点不再出现,此时停止查找,完成整个曲线的闭合以及分割。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210437881.8A CN114755236A (zh) | 2022-04-25 | 2022-04-25 | 一种回转曲面电镀件表面缺陷的检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210437881.8A CN114755236A (zh) | 2022-04-25 | 2022-04-25 | 一种回转曲面电镀件表面缺陷的检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114755236A true CN114755236A (zh) | 2022-07-15 |
Family
ID=82333760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210437881.8A Pending CN114755236A (zh) | 2022-04-25 | 2022-04-25 | 一种回转曲面电镀件表面缺陷的检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114755236A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116385445A (zh) * | 2023-06-06 | 2023-07-04 | 东莞市希锐自动化科技股份有限公司 | 一种基于视觉技术的电镀五金件瑕疵检测方法 |
-
2022
- 2022-04-25 CN CN202210437881.8A patent/CN114755236A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116385445A (zh) * | 2023-06-06 | 2023-07-04 | 东莞市希锐自动化科技股份有限公司 | 一种基于视觉技术的电镀五金件瑕疵检测方法 |
CN116385445B (zh) * | 2023-06-06 | 2023-08-11 | 东莞市希锐自动化科技股份有限公司 | 一种基于视觉技术的电镀五金件瑕疵检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109141232B (zh) | 一种基于机器视觉的盘类铸件在线检测方法 | |
CN108332689B (zh) | 一种检测表面粗糙度和表面损伤的光学测量系统及方法 | |
CN109816644A (zh) | 一种基于多角度光源影像的轴承缺陷自动检测系统 | |
CN113252568A (zh) | 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端 | |
CN108416766A (zh) | 双侧入光式导光板缺陷视觉检测方法 | |
CN112686920A (zh) | 一种圆形零件几何尺寸参数视觉测量方法及系统 | |
CN113324478A (zh) | 一种线结构光的中心提取方法及锻件三维测量方法 | |
CN104458764B (zh) | 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法 | |
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 | |
CN113034474A (zh) | 一种oled显示器晶圆图的测试方法 | |
CN115100206A (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
CN114280075A (zh) | 一种管类零件表面缺陷在线视觉检测系统及检测方法 | |
CN114636706A (zh) | 一种太阳能电池片在镀膜后的图像检测的综合方法及装置 | |
CN115272256A (zh) | 亚像素级传感光纤路径高斯提取方法及系统 | |
CN114755236A (zh) | 一种回转曲面电镀件表面缺陷的检测系统及方法 | |
CN111879789A (zh) | 金属表面缺陷检测方法及系统 | |
CN105391998B (zh) | 微光夜视仪分辨率自动检测方法和装置 | |
CN112858351A (zh) | 一种基于机器视觉的x射线无损探伤方法 | |
CN111103309A (zh) | 用于检测透明材质物体瑕疵的方法 | |
CN114688969A (zh) | 一种光学镜片尺寸检测装置及方法 | |
Yang et al. | Image Classification for Automobile Pipe Joints Surface Defect Detection Using Wavelet Decomposition and Convolutional Neural Network | |
CN110402386A (zh) | 圆筒体表面检查装置及圆筒体表面检查方法 | |
CN111815580A (zh) | 一种图像边缘识别方法及小模数齿轮模数检测方法 | |
CN111833350A (zh) | 机器视觉检测方法与系统 | |
Lee et al. | Development of an On-Machine External Thread Measurement System for CNC Lathes Using Eye-in-Hand Machine Vision with Morphology Technology. |
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 |