CN115063429B - 一种用于机械配件的质量检测方法 - Google Patents
一种用于机械配件的质量检测方法 Download PDFInfo
- Publication number
- CN115063429B CN115063429B CN202210994835.8A CN202210994835A CN115063429B CN 115063429 B CN115063429 B CN 115063429B CN 202210994835 A CN202210994835 A CN 202210994835A CN 115063429 B CN115063429 B CN 115063429B
- Authority
- CN
- China
- Prior art keywords
- edge
- point
- region
- straight line
- defect
- 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
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
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种用于机械配件的质量检测方法。该方法包括:获取待检测灰度图并二值化得到二值图像;分别获得密封件的外侧轮廓的外侧起始点和内侧轮廓的内侧起始点;分别以外侧起始点和内侧起始点为起点利用改进的边缘跟踪算法得到外侧轮廓的边缘和内侧轮廓的边缘;得到多个外侧子边缘段和内侧子边缘段;基于多个外侧子边缘段的曲率波动情况和多个内侧子边缘段的曲率的波动情况获得密封件的轮廓完整性指标;利用轮廓完整性指标判断高压油路密封件轮廓是否存在缺陷;然后再对密封件的其他缺陷进行检测。本发明对传统的边缘跟踪算法进行了改进,提高了其获得边缘的效率和精确度,从而提高了对密封件质量检测的准确性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种用于机械配件的质量检测方法。
背景技术
一辆汽车需要多个零部件组成,对于车辆的每个零部件的质量都需要进行严格的把关,这不仅是厂家生产过程的重要指标,更是消费者选购汽车时的重要参考指标,所以需要车辆的每个零部件的质量过关。其中高压油路密封件是非常重要的一个零部件,它的质量好坏直接影响着发动机工作的安全性,而且由于其所在的环境是高压油路,相比于一般压力下的油路更容易发生侧漏,所以对高压油路密封件的质量更需要进行严格的把关。
但是在生产过程中,由于工业环境的复杂性和生产工艺的问题,生产出来的气密件会出现一些缺陷导致其质量不合格。在传统检测其高压油路气密件的质量时还基于人工目测进行检测,随着机器视觉技术的快速发展,可以利用机器视觉技术基于高压油路密封件的表面图像对密封件的质量进行检测,在检测时需要基于密封件的内轮廓边缘和外轮廓边缘是否为严格的圆形判断密封件的轮廓是否存在缺陷,但在对密封件的边缘进行分析时,传统的边缘跟踪算法需要进行全图滑窗得到密封件的边缘,此时获得边缘点的速度比较慢,计算量比较大,效率较低;另外传统的边缘跟踪算法在以当前边缘点为中心的邻域内寻找边缘点时,起始方向的变化只是按照规定的方向进行变化的,并未考虑到当前边缘点的位置特征,此时就会导致得到的下一个边缘点可能是当前边缘点与上一个边缘点之间的边缘点,与以边缘点为中心的窗口移动的方向相反,这样会影响边缘跟踪算法的对密封件的内轮廓边缘和外轮廓边缘检测的准确性,从而影响对密封件轮廓质量检测的准确性。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种用于机械配件的质量检测方法,所采用的技术方案具体如下:
本发明一个实施例提供了一种用于机械配件的质量检测方法:对获取的密封件的表面图像进行预处理并灰度化得到表面灰度图;利用区域生长法对表面灰度图进行处理,若获得背景区域和密封件的内圆区域,将表面灰度图记为待检测灰度图,若仅获得背景区域,则表面灰度图对应的密封件出现边缘轮廓缺失的缺陷;将待检测灰度图二值化得到二值图像;
分别选取二值图像中的背景区域和内圆区域中任意一个像素点,经过选取的两个像素点做直线,记为第一直线;第一直线与密封件的外侧轮廓相交于两点,选取靠近图像上半部分一点为外侧起始点,与密封件的内侧轮廓相交于两点,选取靠近图像上半部分一点为内侧起始点;利用边缘跟踪算法在以外侧起始点为中心的邻域内,以第一直线与水平直线的夹角的角度方向上的邻域内的像素点为搜索起始点,按照设定方向进行搜索获得第一个边缘点;连接第一个边缘点和外侧起始点得到第二直线,经过第一个边缘点做第二直线的垂线,在以第一个边缘点为中心的邻域内,以第二直线的垂线与水平直线的夹角的角度方向上的邻域内的像素点为搜索起始点,按照设定方向进行搜索得到第二个边缘点,以此类推直至得到的边缘点为外侧起始点停止寻找外侧轮廓的边缘点,得到外侧轮廓的边缘;以内侧起始点为起始点获得内侧轮廓的边缘;
分别对外侧轮廓和内侧轮廓的边缘进行均匀划分得到多个外侧子边缘段和内侧子边缘段;基于多个外侧子边缘段的曲率波动情况和多个内侧子边缘段的曲率波动情况获得密封件的轮廓完整性指标;利用轮廓完整性指标判断高压油路密封件轮廓是否存在缺陷。
优选地,利用区域生长法对表面灰度图进行处理,若获得背景区域和密封件的内圆区域,将表面灰度图记为待检测灰度图,包括:选取表面灰度图中左上角的像素点作为第一起始点,以第一起始点为起始点进行区域生长获得背景区域;计算背景区域的灰度平均值,在除背景区域外的其他区域内寻找与灰度值与背景区域的灰度平均值相等的像素点,作为第二起始点;以第二起始点为起始点进行区域生长获得内圆区域。
优选地,将待检测灰度图二值化得到二值图像,包括:将表面灰度图中背景区域和内圆区域的像素点的灰度值标记为第一预设值,将除了背景区域和内圆区域的其他区域的像素点的灰度值标记为第二预设值,获得二值图像。
优选地,以内侧起始点为起始点获得内侧轮廓的边缘,包括:利用边缘跟踪算法在以内侧起始点为中心的8邻域内,以第一直线与水平直线的夹角的角度方向上的8邻域内的像素点为搜索起始点,按照顺时针方向进行搜索获得第一个边缘点;连接第一个边缘点和内侧起始点得到内侧第二直线,经过第一个边缘点做内侧第二直线的垂线,在以第一个边缘点为中心的8邻域内,以内侧第二直线的垂线与水平直线的夹角的角度方向上的8邻域内的像素点为搜索起始点,按照顺时针方向进行搜索得到第二个边缘点;连接第二个边缘点与第一个边缘点得到内侧第三直线,经过第二个边缘点做内侧第三直线的垂线,在以第二个边缘点为中心的8邻域内,以内侧第三直线的垂线与水平直线的夹角的角度方向上的8邻域内的像素点为搜索起始点,按照顺指针方向进行搜索得到第三个边缘点,以此类推直至得到的边缘点为内侧起始点停止寻找内侧轮廓的边缘点,得到内侧轮廓的边缘。
优选地,基于多个外侧子边缘段的曲率波动情况和多个内侧子边缘段的曲率波动情况获得密封件的轮廓完整性指标,包括:将多个外侧子边缘段的曲率组成一个序列,记为外侧曲率序列;将多个内侧子边缘段的曲率组成一个序列,记为内侧曲率序列;分别计算外侧曲率序列和内侧曲率序列的方差,分别记为第一方差和第二方差;利用第一方差和第二方差得到密封件的轮廓完整性指标:
优选地,利用轮廓完整性指标判断高压油路密封件轮廓是否存在缺陷,包括:设定判断阈值,若轮廓完整性指标大于判断阈值则高压油路密封件不存在缺陷。
优选地,利用轮廓完整性指标判断高压油路密封件轮廓之后还包括:利用获得了外侧轮廓的边缘和内侧轮廓的边缘的二值图像与表面灰度图相乘获得只包含密封件的第一灰度图;利用阈值分割获得第一灰度图中的缺陷区域;计算缺陷区域的面积与第一灰度图中的密封件的面积的比值,设定氧化判定阈值,所述比值大于氧化判定阈值的缺陷区域为氧化缺陷区域;获取除了氧化缺陷区域外其他每个的缺陷区域中的最长轴的长度记为第一长度;获取除了氧化缺陷区域外其他每个的缺陷区域中的最长轴的中垂线段的长度记为第二长度,所述中垂线段为最长轴的中垂线交缺陷区域的两点之间的线段;一个除了氧化缺陷区域外其他的缺陷区域对应的第一长度和第二长度的比值为该缺陷区域的熔点缺陷和划痕缺陷的区分指标;设定区分阈值,若缺陷区域对应的区分指标大于等于区分阈值,则缺陷区域为熔点缺陷区域,若缺陷区域对应的区分指标小于区分阈值,则缺陷区域为划痕缺陷区域。
本发明实施例至少具有如下有益效果:本发明利用区域生长法获得密封件的待检测灰度图背景区域和密封件内侧轮廓包围的内圆区域,基于经过背景区域和内圆区域中两点的直线获得外侧起始点和内侧起始点,使得利用边缘跟踪算法获得密封件的外侧轮廓和内侧轮廓时不必再进行全图的像素点遍历寻找边缘点,只需要紧贴外侧轮廓和内侧轮廓进行遍历寻找边缘点即可,减少了计算量,提高了寻找边缘点的效率;
另外,本发明通过先后寻找到的前一个边缘点和当前边缘点之间的连线的垂线与水平直线的夹角的角度方向得到在以当前边缘点为中心的8邻域内寻找下一个边缘点时的搜索起始点,考虑了当前边缘点的位置特征,避免了得到的下一个边缘点是当前边缘点与上一个边缘点之间的边缘点的情况,能够使得到下一个边缘点的方向与以边缘点为中心的窗口移动的方向相同,提高了密封件的外侧轮廓和内侧轮廓的边缘的检测的精度,进而提高了对密封件轮廓质量检测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中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它附图。
图1为本发明实施例提供的一种用于机械配件的质量检测方法的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种用于机械配件的质量检测方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种用于机械配件的质量检测方法的具体方案。
实施例:
本发明的主要应用场景为:在生产高压油路密封件时,需要对传送带上的密封件进行拍照根据其密封件的图像进行分析,对密封件的质量进行检测。另外本发明中的密封件指的是高压油路密封件。
请参阅图1,其示出了本发明实施例提供的一种用于机械配件的质量检测方法的方法流程图,该方法包括以下步骤:
步骤S1,对获取的密封件的表面图像进行预处理并灰度化得到表面灰度图;利用区域生长法对表面灰度图进行处理,若获得背景区域和密封件的内圆区域,将表面灰度图记为待检测灰度图,若仅获得背景区域,则表面灰度图对应的密封件出现边缘轮廓缺失的缺陷;将待检测灰度图二值化得到二值图像。
本发明检测的机械配件为发动机高压油路密封件,该密封件的缺陷主要可能存在四种,分别为划痕缺陷、熔点缺陷、氧化缺陷和轮廓缺失缺陷。其中,由于搬运过程的碰撞摩擦、机械加工的夹取和切磨等因素可能会在密封件的表面形成划痕,造成划痕缺陷;液体金属在零件铸造过程中,由于磨具存在砂砾或气泡,使密封件的表面留下不均匀的熔点,造成熔点缺陷;同时在密封件生产过程中,铜片表面的一层活跃金属元素与氧气接触变黑形成一层氧化层导致出现氧化缺陷;密封件在铸造过程中存在不完整或者在机械加工过程中造成的边缘损坏,这一类的缺陷为轮廓缺失缺陷。
这四种类型的缺陷都是在生产、运输、保存阶段造成的缺陷,因此在密封件被安装在发动机前,需要对密封件进行缺陷检测,由于不同的密封件缺陷特征不同,所以对不同缺陷的修复方式是不同的,因此要尽可能的将不同缺陷的密封件归类,方便之后对密封件的缺陷进行修补。
首先,对高压油路密封件的轮廓缺失缺陷进行检测,通过支架固定选定的相机和光源,根据设计好的打光方案调节相机的高度和光源入射角度,使相机能够采集到视野范围内清晰的密封件图像,在密封件出厂时,在传送带上运输,运输时是使用的间歇传送带,将相机和间歇传送带频率调整同步,在固定位置,使用相机采集当前位置的密封件的表面图像。由于需要较为清晰的图像进行后续操作,而在工业环境下,图像采集装置采集的图像在转换数字信号时会出现噪声,因此要对图像进行预处理,需要说明的是密封件在图像中的成像始终位于图像的中央部位。
图像采集设备采集到的密封件的表面图像为彩色图像,使用加权平均法将彩色图像灰度化,得到表面灰度图。在之后对该表面灰度图使用高斯滤波来除去图像噪声,高斯滤波为公知算法,在此就不做详细赘述,由此得到了去噪后的表面灰度图,设该表面灰度图为A,图像大小为。
由于完好无缺陷的密封件在表面灰度图中呈现的是一个圆环的形状,也即是外侧轮廓与内侧轮廓是一个同心圆,内侧轮廓包裹的小圆形内的灰度值是与最外侧背景区域的灰度值是相同的。因此选取表面灰度图左上角的像素点为第一起始点使用区域生长法,其左上角的像素点必定为背景区域内像素点,优选地,在本实施例中第一起始点以灰度值相差5来进行区域生长,例如第一起始点的像素值为y,则认为灰度值在y-5到y+5范围内的像素点为背景区域内像素点,区域生长法为公知技术,在此不做详细赘述。经过区域生长算法之后,可以得到背景区域,此时计算背景区域的灰度平均值:
通过对场景的观察,被密封件内侧轮廓包裹的圆环中间部分与最外侧的背景区域是具有相同的灰度值,可以基于此确定下次进行区域生长的初始点,在除背景区域外的其他区域内寻找与灰度值与背景区域的灰度平均值相等的像素点,作为第二起始点,第二起始点必然位于同心圆内的小圆范围内,从第二起始点开始根据获得最外侧的背景区域的区域生长法的规则使用区域生长法,通过该方法将密封件内侧轮廓包裹的小圆分割出来,获得内圆区域。
经过两次区域生长法来获得最外侧的背景区域和内圆区域,如果在进行第二次区域生长法获得内圆区域时,在除背景区域外的其他区域内找不到与灰度值与背景区域的灰度平均值相等的像素点,此时说明密封件圆环破损的很厉害,使得最外侧的背景区域与内圆区域连接到了一起,都成为了背景区域,在第一次区域生长时就已经把内侧轮廓包裹的部分的像素点囊括在背景区域中了,此时说明出现边缘轮廓缺失的缺陷,不再对该密封件进行后续的分析。
对于需要经过两次区域生长分别得到背景区域和内圆区域的密封件,记为待检测密封件,待检测密封件的表面灰度图为待检测灰度图,进一步的,为了方便后续的处理,将待检测灰度图进行二值化得到二值图像,具体为:将表面灰度图中背景区域和内圆区域的像素点的灰度值标记为第一预设值,将除了背景区域和内圆区域的其他区域的像素点的灰度值标记为第二预设值,获得二值图像,优选的,本实施例中第一预设值为0,第二预设值为1。
步骤S2,分别选取二值图像中的背景区域和内圆区域中任意一个像素点,经过选取的两个像素点做直线,记为第一直线;第一直线与密封件的外侧轮廓相交于两点,选取靠近图像上半部分一点为外侧起始点,与密封件的内侧轮廓相交于两点,选取靠近图像上半部分一点为内侧起始点;利用边缘跟踪算法在以外侧起始点为中心的邻域内,以第一直线与水平直线的夹角的角度方向上的邻域内的像素点为搜索起始点,按照设定方向进行搜索获得第一个边缘点;连接第一个边缘点和外侧起始点得到第二直线,经过第一个边缘点做第二直线的垂线,在以第一个边缘点为中心的邻域内,以第二直线的垂线与水平直线的夹角的角度方向上的邻域内的像素点为搜索起始点,按照设定方向进行搜索得到第二个边缘点,以此类推直至得到的边缘点为外侧起始点停止寻找外侧轮廓的边缘点,得到外侧轮廓的边缘;以内侧起始点为起始点获得内侧轮廓的边缘。
由于需要判断密封件的外侧轮廓和内侧轮廓是否存在缺陷,所以需要利用边缘跟踪算法检测密封件的外侧轮廓和内侧轮廓的边缘。传统的边缘跟踪算法需要进行全图滑窗得到区域的边缘,计算量很大,且得到边缘点的速度慢,效率低,因此本发明需要找到外侧轮廓的边缘上的边缘点和内侧轮廓的边缘上的边缘点作为利用边缘跟踪算法寻找外侧轮廓的边缘和内侧轮廓的边缘的起始点。
在步骤S1中二值图像中已经知晓了背景区域和内圆区域中像素点的坐标,从这两个区域分别任意选择一个像素点,经过选择的这两个像素点做直线,将该直线记为第一直线;第一直线与密封件在图像中呈现的圆环相交于四个像素点,也即是与密封件的外侧轮廓相交于两点,与密封件的内侧轮廓相交于两点,在与密封件的外侧轮廓相交的两点中,选取靠近图像上半部分一点为外侧起始点,在与密封件的内侧轮廓相交的两点中,选取靠近图像上半部分一点为内侧起始点。
其中内侧起始点和外侧起始点的灰度值都为1;以寻找密封件的外侧轮廓的边缘为例,外侧起始点为,因为外侧起始点在第一直线上,以直线的方向作为在8邻域内寻找边缘点的起始方向,具体为:以水平直线为基准线,第一直线与水平直线会形成夹角,此时第一直线的一端指向内侧轮廓,另一端指向外侧轮廓的外侧,在以外侧起始点为中心的8邻域内,以第一直线与水平直线的夹角的角度方向上的邻域内的像素点为搜索起始点,按照设定方向进行搜索获得第一个边缘点,需要说明的是,这里的第一直线与水平直线的夹角的角度方向指的是第一直线在与水平直线形成夹角的基础上指向外侧轮廓的外侧的方向,也可以说成以外侧起始点为起点的射线的方向,该射线与第一直线部分重合,设定方向为逆时针方向,另外,在以外侧起始点为中线的8邻域内,第一直线角度方向上的像素点可能不止一个,优选的,本实施例中以第一直线将要出邻域时角度方向上的最后一个像素点作为搜索起始点,第一个边缘点的灰度值也为1。
在获得第一个边缘点后,将第一个边缘点与外侧起始点相连获得第二直线,经过第一个边缘点做第二直线的垂线,此时的垂线可以看作一个以第一个边缘点为起点的射线,其与水平直线也有一个夹角,在以第一个边缘点为中心的8邻域内,以垂线与水平直线的夹角的角度方向上的8邻域内的像素点为搜索起始点,也即是射线方向,按照逆时针方向进行搜索得到第二个边缘点,进一步的连接第一边缘点和第二边缘点得到第三直线,经过第二个边缘点做第三直线的垂线,在以第二个边缘点为中心的8邻域内以获得第二个边缘点的方法找到第三个边缘点,以此类推可以获得外侧轮廓的边缘上的第n个边缘点,因为外侧轮廓为一个封闭的边缘,因此当第n个边缘点为外侧起始点时停止寻找边缘点,获得密封件的外侧轮廓的边缘。
需要说明的是,上述的第一个边缘点、第二个边缘点和第三个边缘点并不是指边缘上的边缘点的个数,其含义是在不同的8邻域内以搜索起始点为起点开始逆时针寻找边缘点时,首先找到的边缘点,例如在以外侧起始点为中心的8邻域内首先找到的边缘点为第一个起始点,在以第一个边缘点为中心的8邻域内首先找到的边缘点为第二个边缘点;另外在一个8邻域内可能会找到多个边缘点,此时需要对边缘点进行标记,防止其重复遍历。
获得密封件外侧轮廓的边缘后,还需要获得内侧轮廓的边缘,其方法与获得外侧轮廓边缘的方法基本相同,只不过是在8邻域内搜索边缘点时时顺时针方向;具体为:利用边缘跟踪算法在以内侧起始点为中心的8邻域内,以第一直线与水平直线的夹角的角度方向上的8邻域内的像素点为搜索起始点,按照顺时针方向获得第一个边缘点;连接第一个边缘点和内侧起始点得到内侧第二直线,经过第一个边缘点做内侧第二直线的垂线,在以第一个边缘点为中心的8邻域内,以内侧第二直线的垂线与水平直线的夹角的角度方向上的8邻域内的像素点为搜索起始点,按照顺时针方向得到第二个边缘点;连接第二个边缘点与第一个边缘点得到内侧第三直线,经过第二个边缘点做内侧第三直线的垂线,在以第二个边缘点为中心的8邻域内,以内侧第三直线的垂线与水平直线的夹角的角度方向上的8邻域内的像素点为搜索起始点,按照顺指针方向得到第三个边缘点,以此类推直至得到的边缘点为内侧起始点停止寻找内侧轮廓的边缘点,得到内侧轮廓的边缘。
至此,得到了密封件的外侧轮廓的边缘和内侧轮廓的边缘。
步骤S3,分别对外侧轮廓和内侧轮廓的边缘进行均匀划分得到多个外侧子边缘段和内侧子边缘段;基于多个外侧子边缘段的曲率波动情况和多个内侧子边缘段的曲率波动情况获得密封件的轮廓完整性指标;利用轮廓完整性指标判断高压油路密封件轮廓是否存在缺陷。
在步骤S2中得到了得到了密封件的外侧轮廓的边缘和内侧轮廓的边缘,如果密封件的外侧轮廓的边缘和内侧轮廓的边缘不存在缺陷,则其应该是一个较为规则的圆形,较为规则的圆形其边上各部分的曲率应该是相同的,因此可以基于外侧轮廓的边缘和内侧轮廓的边缘各部分的曲率来判断密封件的外侧轮廓的边缘和内侧轮廓的边缘是否存在缺陷。
分别对外侧轮廓和内侧轮廓的边缘进行均匀划分得到多个外侧子边缘段和内侧子边缘段,分别计算得到每个外侧子边缘段和每个内侧子边缘段的曲率;将多个外侧子边缘段的曲率组成一个序列,记为外侧曲率序列;将多个内侧子边缘段的曲率组成一个序列,记为内侧曲率序列;分别计算外侧曲率序列和内侧曲率序列的方差,分别记为第一方差和第二方差,第一方差和第二方差分别可以表示多个外侧子边缘段的曲率波动情况以及多个内侧子边缘段的曲率波动情况;利用第一方差和第二方差得到密封件的轮廓完整性指标:
其中,表示密封件的轮廓完整性指标;表示自然常数;表示第一方差,表示第二方差。如果十分大,说明第一方差和第二方差的值十分小,此时说明密封件的外侧轮廓的边缘划分出来的多个外侧子边缘段之间的曲率基本相同,内侧轮廓的边缘划分出来的多个内侧子边缘段之间的曲率也基本相同,则此时外侧轮廓和内侧轮廓也可能存在缺陷,但此时缺陷的程度是非常小的,不影响密封件正常使用,就将其认为没有缺陷,理想情况即是的值为1;反之,若是的值小于等于一定值,说明此时外侧轮廓和内侧轮廓必定存在缺陷,且缺陷的严重程度会影响密封件的使用。
设定判断阈值TH,优选的,本实施例中判断阈值的取值为0.96,在具体的使用过程中,实施者可以根据实际情况进行调整,若轮廓完整性指标大于判断阈值则高压油路密封件不存在缺陷,若轮廓完整性指标小于等于判断阈值则高压油路密封件存在缺陷,此时的缺陷就是密封件轮廓缺失缺陷。
在识别出密封件的轮廓缺失缺陷后,还需要对步骤S1中提到其他三种缺陷进行检测,这三种缺陷都是密封件表面金属表面出现的问题,密封件整体形状没有发生变化。在检测完轮廓边缘缺陷后,由于氧化缺陷反应表现为金属表面大面积的变黑,而划痕和熔点都是小范围的缺陷,并且氧化会使得灰度图灰度增大,而划痕和熔点则会让灰度图的灰度减少,因此可以根据这两个特征来判断缺陷是否为氧化缺陷。之后基于划痕和熔点的形状纹理不同来区分划痕和熔点,划痕是比较细长型的,熔点的形状相比于划痕则是比较均匀的。
利用获得了外侧轮廓的边缘和内侧轮廓的边缘的二值图像与表面灰度图相乘获得只包含密封件的第一灰度图;利用阈值分割获得第一灰度图中的缺陷区域,优选地本实施例中利用ostu阈值分割进行分割,由于ostu阈值分割为公知技术,在此不在进行详细阐述。
计算缺陷区域的面积与第一灰度图中的密封件的面积的比值,设定氧化判定阈值YH,优选地,本实施中YH=0.05,实施者可以基于具体情况进行调整,若比值大于氧化判定阈值YH=0.05,则该缺陷区域为氧化缺陷区域。由此可以检测出密封件是否存在氧化缺陷。
获取除了氧化缺陷区域外其他每个的缺陷区域中的最长轴的长度记为第一长度;获取除了氧化缺陷区域外其他每个的缺陷区域中的最长轴的中垂线段的长度记为第二长度,需要说明的是中垂线段为最长轴的中垂线交缺陷区域的两点之间的线段,一个除了氧化缺陷区域外其他的缺陷区域对应的第一长度和第二长度的比值为该缺陷区域的熔点缺陷和划痕缺陷的区分指标。
设定区分阈值QF,优选地本实施例中区分区域QF=0.7,实施者可以基于具体情况进行调整,若缺陷区域对应的区分指标大于等于区分阈值QF=0.7,则缺陷区域为熔点缺陷区域,若缺陷区域对应的区分指标小于区分阈值QF=0.7,则缺陷区域为划痕缺陷区域。由此可以区分出熔点缺陷和划痕缺陷。
至此,可以检测到高压油路密封件不同缺陷,达到了对密封件质量进行检测的目的,另外工作人员可以基于检测的结果对存在缺陷的密封件进行修复,同时分析出现缺陷的原因,然后进行改进。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,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 (5)
1.一种用于机械配件的质量检测方法,其特征在于,该方法包括:
对获取的密封件的表面图像进行预处理并灰度化得到表面灰度图;利用区域生长法对表面灰度图进行处理,若获得背景区域和密封件的内圆区域,将表面灰度图记为待检测灰度图,若仅获得背景区域,则表面灰度图对应的密封件出现边缘轮廓缺失的缺陷;将待检测灰度图二值化得到二值图像;
分别选取二值图像中的背景区域和内圆区域中任意一个像素点,经过选取的两个像素点做直线,记为第一直线;第一直线与密封件的外侧轮廓相交于两点,选取靠近图像上半部分一点为外侧起始点,与密封件的内侧轮廓相交于两点,选取靠近图像上半部分一点为内侧起始点;利用边缘跟踪算法在以外侧起始点为中心的邻域内,以第一直线与水平直线的夹角的角度方向上的邻域内的像素点为搜索起始点,按照设定方向进行搜索获得第一个边缘点;连接第一个边缘点和外侧起始点得到第二直线,经过第一个边缘点做第二直线的垂线,在以第一个边缘点为中心的邻域内,以第二直线的垂线与水平直线的夹角的角度方向上的邻域内的像素点为搜索起始点,按照设定方向进行搜索得到第二个边缘点,以此类推直至得到的边缘点为外侧起始点停止寻找外侧轮廓的边缘点,得到外侧轮廓的边缘;以内侧起始点为起始点获得内侧轮廓的边缘;
分别对外侧轮廓和内侧轮廓的边缘进行均匀划分得到多个外侧子边缘段和内侧子边缘段;基于多个外侧子边缘段的曲率波动情况和多个内侧子边缘段的曲率波动情况获得密封件的轮廓完整性指标;利用轮廓完整性指标判断高压油路密封件轮廓是否存在缺陷;
所述以内侧起始点为起始点获得内侧轮廓的边缘,包括:利用边缘跟踪算法在以内侧起始点为中心的8邻域内,以第一直线与水平直线的夹角的角度方向上的8邻域内的像素点为搜索起始点,按照顺时针方向进行搜索获得第一个边缘点;连接第一个边缘点和内侧起始点得到内侧第二直线,经过第一个边缘点做内侧第二直线的垂线,在以第一个边缘点为中心的8邻域内,以内侧第二直线的垂线与水平直线的夹角的角度方向上的8邻域内的像素点为搜索起始点,按照顺时针方向进行搜索得到第二个边缘点;连接第二个边缘点与第一个边缘点得到内侧第三直线,经过第二个边缘点做内侧第三直线的垂线,在以第二个边缘点为中心的8邻域内,以内侧第三直线的垂线与水平直线的夹角的角度方向上的8邻域内的像素点为搜索起始点,按照顺时针方向进行搜索得到第三个边缘点,以此类推直至得到的边缘点为内侧起始点停止寻找内侧轮廓的边缘点,得到内侧轮廓的边缘;
所述基于多个外侧子边缘段的曲率波动情况和多个内侧子边缘段的曲率波动情况获得密封件的轮廓完整性指标,包括:将多个外侧子边缘段的曲率组成一个序列,记为外侧曲率序列;将多个内侧子边缘段的曲率组成一个序列,记为内侧曲率序列;分别计算外侧曲率序列和内侧曲率序列的方差,分别记为第一方差和第二方差;利用第一方差和第二方差得到密封件的轮廓完整性指标:
2.根据权利要求1所述的一种用于机械配件的质量检测方法,其特征在于,所述利用区域生长法对表面灰度图进行处理,若获得背景区域和密封件的内圆区域,将表面灰度图记为待检测灰度图,包括:选取表面灰度图中左上角的像素点作为第一起始点,以第一起始点为起始点进行区域生长获得背景区域;计算背景区域的灰度平均值,在除背景区域外的其他区域内寻找与灰度值与背景区域的灰度平均值相等的像素点,作为第二起始点;以第二起始点为起始点进行区域生长获得内圆区域。
3.根据权利要求1所述的一种用于机械配件的质量检测方法,其特征在于,所述将待检测灰度图二值化得到二值图像,包括:将表面灰度图中背景区域和内圆区域的像素点的灰度值标记为第一预设值,将除了背景区域和内圆区域的其他区域的像素点的灰度值标记为第二预设值,获得二值图像。
4.根据权利要求1所述的一种用于机械配件的质量检测方法,其特征在于,所述利用轮廓完整性指标判断高压油路密封件轮廓是否存在缺陷,包括:设定判断阈值,若轮廓完整性指标大于判断阈值则高压油路密封件不存在缺陷。
5.根据权利要求1所述的一种用于机械配件的质量检测方法,其特征在于,在所述利用轮廓完整性指标判断高压油路密封件轮廓之后还包括:利用获得的外侧轮廓的边缘和内侧轮廓的边缘的二值图像与表面灰度图相乘获得只包含密封件的第一灰度图;利用阈值分割获得第一灰度图中的缺陷区域;计算缺陷区域的面积与第一灰度图中的密封件的面积的比值,设定氧化判定阈值,所述比值大于氧化判定阈值的缺陷区域为氧化缺陷区域;获取除了氧化缺陷区域外其他每个的缺陷区域中的最长轴的长度记为第一长度;获取除了氧化缺陷区域外其他每个的缺陷区域中的最长轴的中垂线段的长度记为第二长度,所述中垂线段为最长轴的中垂线与缺陷区域的交点之间的线段;除了氧化缺陷区域外其他的缺陷区域对应的第一长度和第二长度的比值为该缺陷区域的熔点缺陷和划痕缺陷的区分指标;设定区分阈值,若缺陷区域对应的区分指标大于等于区分阈值,则缺陷区域为熔点缺陷区域,若缺陷区域对应的区分指标小于区分阈值,则缺陷区域为划痕缺陷区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210994835.8A CN115063429B (zh) | 2022-08-18 | 2022-08-18 | 一种用于机械配件的质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210994835.8A CN115063429B (zh) | 2022-08-18 | 2022-08-18 | 一种用于机械配件的质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115063429A CN115063429A (zh) | 2022-09-16 |
CN115063429B true CN115063429B (zh) | 2022-11-11 |
Family
ID=83207439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210994835.8A Active CN115063429B (zh) | 2022-08-18 | 2022-08-18 | 一种用于机械配件的质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115063429B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116258722B (zh) * | 2023-05-16 | 2023-08-11 | 青岛奥维特智能科技有限公司 | 基于图像处理的桥梁建筑智能检测方法 |
CN116818778B (zh) * | 2023-08-31 | 2023-11-10 | 靖江市恒友汽车部件制造有限公司 | 一种汽车部件快速智能检测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264448A (zh) * | 2019-06-06 | 2019-09-20 | 中南大学 | 一种基于机器视觉的绝缘子故障检测方法 |
CN112712512A (zh) * | 2021-01-05 | 2021-04-27 | 余波 | 一种基于人工智能的热轧带钢结疤缺陷检测方法及系统 |
CN113706537A (zh) * | 2021-10-28 | 2021-11-26 | 江苏启力锻压机床有限公司 | 一种基于机器视觉的不规则工件检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012101301B4 (de) * | 2012-02-17 | 2014-11-06 | Kocos Automation Gmbh | Vorrichtung zur berührungslosen Kantenprofilbestimmung an einem dünnen scheibenförmigen Objekt |
WO2015039245A1 (en) * | 2013-09-18 | 2015-03-26 | Ats Automation Tooling Systems Inc. | System and method for decoration inspection on transparent media |
CN112991279B (zh) * | 2021-03-03 | 2023-02-14 | 华南理工大学 | 柔性电路板缺陷圆检测方法、装置、介质和设备 |
-
2022
- 2022-08-18 CN CN202210994835.8A patent/CN115063429B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264448A (zh) * | 2019-06-06 | 2019-09-20 | 中南大学 | 一种基于机器视觉的绝缘子故障检测方法 |
CN112712512A (zh) * | 2021-01-05 | 2021-04-27 | 余波 | 一种基于人工智能的热轧带钢结疤缺陷检测方法及系统 |
CN113706537A (zh) * | 2021-10-28 | 2021-11-26 | 江苏启力锻压机床有限公司 | 一种基于机器视觉的不规则工件检测方法 |
Non-Patent Citations (4)
Title |
---|
Curvature methods of damage detection using digital image correlation;Mark N. Helfrick等;《Proc. SPIE 7295, Health Monitoring of Structural and Biological Systems 2009》;20090408;第72950D-1至72950D-12页 * |
Digital image edge detection based on LVQ neural network;Xiaofeng Li等;《2016 IEEE 11th Conference on Industrial Electronics and Applications (ICIEA)》;20161024;第1241-1255页 * |
基于各向异性高斯核的图像边缘与角点检测;赵亚利;《信息科技辑》;20190215(第02期);第7-40页 * |
基于机器视觉的机械零件几何外形检测研究;豆永坤;《工程科技Ⅰ辑》;20180915(第09期);第8-50页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115063429A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115063429B (zh) | 一种用于机械配件的质量检测方法 | |
CN109871895B (zh) | 电路板的缺陷检测方法和装置 | |
US8054460B2 (en) | Methodology for evaluating the start and profile of a thread with a vision-based system | |
CN115294120B (zh) | 基于图像识别的阀门表面质量检测方法 | |
CN101526484B (zh) | 基于嵌入式机器视觉的轴承缺陷检测方法 | |
CN109685760B (zh) | 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法 | |
CN109682839B (zh) | 一种金属弧形工件表面缺陷在线检测方法 | |
CN106600593B (zh) | 一种中铝瓷球表面缺陷检测方法 | |
CN105160652A (zh) | 基于计算机视觉的手机外壳检验装置与方法 | |
CN115375686A (zh) | 一种基于图像处理的玻璃边缘瑕疵检测方法 | |
JPH08320294A (ja) | 被検査パターンの欠陥検査方法及びその装置 | |
CN115290663A (zh) | 基于光学检测的Mini LED晶圆外观缺陷检测方法 | |
CN117152129B (zh) | 一种电池盖板的表面缺陷视觉检测方法及系统 | |
CN111815575B (zh) | 一种基于机器视觉的轴承钢珠零件检测方法 | |
CN111539951B (zh) | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 | |
CN116934783A (zh) | 一种用于开口卡簧尺寸视觉检测的图像几何特征提取方法 | |
CN111192261A (zh) | 一种镜片疵病类型识别的方法 | |
CN111815580A (zh) | 一种图像边缘识别方法及小模数齿轮模数检测方法 | |
CN112834517B (zh) | 一种轴承外观的影像检测方法 | |
CN112683902B (zh) | 一种基于模板的模切产品表面缺陷在线检测方法 | |
KR102600923B1 (ko) | 마스크 생산 라인에서 마스크 필터의 정형 및 비정형 이물질 자동 판별을 위한 교차상관관계 기반 영상 처리 방법 | |
CN117455801A (zh) | 一种防滑垫圈生产质量视觉检测方法 | |
CN117495846B (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN114972344B (zh) | 一种用于手表零配件的生产质量缺陷检测方法 | |
CN117541579B (zh) | 一种封装支架缺陷检测方法及系统 |
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 |