CN115308223A - 一种适合各种类型金属表面缺陷的检测方法、系统 - Google Patents
一种适合各种类型金属表面缺陷的检测方法、系统 Download PDFInfo
- Publication number
- CN115308223A CN115308223A CN202210859993.2A CN202210859993A CN115308223A CN 115308223 A CN115308223 A CN 115308223A CN 202210859993 A CN202210859993 A CN 202210859993A CN 115308223 A CN115308223 A CN 115308223A
- Authority
- CN
- China
- Prior art keywords
- picture
- detection piece
- surface defects
- various types
- 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
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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种适合各种类型金属表面缺陷的检测方法、系统,其中,该方法包括如下步骤:S1、图片采集:按图片采集规则依次在不同打光方向下打光并采集检测件的图片,得到检测件在不同打光方向下的一个图片数组;其中,打光方向包括倾斜角和旋转角,倾斜角为光源光束与相机中轴线的夹角,旋转角为光源光束中线投影与检测件中心水平往右轴线的夹角;S2、图片合成:将获取的一个图片数组构建合成一张梯度矢量图和反照率图。通过本方案消除了因金属材质表面的高反光和阴影等导致的零件表面缺陷成像不清晰的问题,还解决了零件表面对照明布局敏感和受打光方向影响大而导致难以捕捉的复杂无规律、方向不固定、微小变化和凹凸特征等的表面缺陷。
Description
技术领域
本发明涉及机械制造、光学识别视觉技术领域,特别涉及一种适合各种类型金属表面缺陷的检测方法、系统。
背景技术
机械零件从锻造或浇铸的毛坯料经过机加工或成型加工至成品的过程中,不可避免地会产生表面缺陷,如:黑皮、缺肉、孔洞、缩孔、酥松、磕碰、划伤、压痕、异物和锈斑等等,对这些表面质量缺陷,目前大多数生产线上传统的检测方法是:光学成像检测,用照相机拍照的方式检测是否有缺陷,但此种检测方式存在的问题是会受生产线自身环境,例如环境光线,还有金属材质表面高反光且几何形状复杂,阴影等的影响导致零件表面缺陷照相成像不清晰。零件表面缺陷特征复杂无规律,呈多个方向且受打光方向影响,造成成像困难。另外,对于图片清晰度采用人为主观判断并通过手动调整工业相机焦距,误差比较大。
发明内容
有鉴于此,本发明提供了一种适合各种类型金属表面缺陷的检测方法,旨在使检测件表面缺陷能够被清晰的照相成像,其具有如下的有益效果:
1、消除了因金属材质表面的高反光和阴影等导致的零件表面缺陷成像不清晰的问题;
2、解决了零件表面对照明布局敏感和受打光方向影响大而导致难以捕捉的复杂无规律、方向不固定、微小变化和凹凸特征等的表面缺陷;
3、弱化了加工纹理背景和复杂刀具切削纹路等造成的成像干扰。
为实现上述目的,本发明提供如下技术方案:
一种适合各种类型金属表面缺陷的检测方法,包括如下步骤:
S1、图片采集:按图片采集规则依次在不同打光方向下打光并采集检测件的图片,得到检测件在不同打光方向下的一个图片数组;其中,打光方向包括倾斜角和旋转角,倾斜角为光源光束与相机中轴线的夹角,旋转角为光源光束中线投影与检测件中心水平往右轴线的夹角;
S2、图片合成:将S1步骤获取的一个图片数组构建合成一张梯度矢量图和反照率图。
优选地,在步骤S1中,所述按图片采集规则依次在不同打光方向下打光并采集检测件的图片包括:
按顺时针或逆时针顺序依次在不同打光方向下打光并采集检测件的图片。
优选地,所述按顺时针或逆时针顺序依次在不同打光方向下打光并采集检测件的图片包括:
按逆时针顺序依次在八个打光方向下打光并采集检测件的八张图片;其中,打光方向的倾斜角为30°-60°,打光方向旋转角为[0°,45°,90°,135°,180°,225°,270°,315°]。
优选地,在步骤S2中,所述将S1步骤获取的一个图片数组构建合成一张梯度矢量图和反照率图包括:
根据打光方向的倾斜角和旋转角、不同打光方向下采集的图片灰度值,基于光源j照射检测件表面第i点产生像素值tij的漫反射公式:tij=pi(Ni·Lj)lj求得Ni表面单位法向量,pi反射率,得到图片中每个像素点的梯度矢量和反照率;其中tij为像素值,Lj为光源方向单位向量,lj为光源强度。
优选地,在所述步骤S1之前,还包括:
S0、图片清晰度自动判断和调整。
优选地,在步骤S0中,图片清晰度自动判断和调整包括:
S01、控制相机焦距产生变化,在焦距的可调范围内,每步进0.5度采集一张图片,使得采集到由模糊到清晰再到模糊的一系列图片;
S02、采用多种清晰度算法函数分别对步骤S01的一系列图片进行运算,得到每个清晰度算法函数求得的最大值,即指针指向最佳的一张图片,再对五个结果采用投票制规则,最终输出唯一的一张最清晰图片;
S03、依据步骤S02最清晰图片的指针反向获得该图片采集时相机的焦距位置,控制相机运转到该焦距位置。
优选地,在所述步骤S2之后,还包括:
S3、缺陷检测:对于输出的反照率图,通过阈值分割算法或深度学习的目标检测、图像分割和对抗神经网络等算法对检测件表面缺陷进行识别、评价和判断;和/或,对于梯度矢量图,通过设置阈值方法,提取检测件表面的缺陷特征信息。
一种适合各种类型金属表面缺陷的检测系统,采用如上所述的适合各种类型金属表面缺陷的检测方法进行检测,且包括光学成像装置、控制系统和照片合成系统;
所述光学成像装置包括相机和分区域多角度照明单元;
所述控制系统能够控制所述分区域多角度照明单元按图片采集规则依次在不同打光方向下打光,和控制所述相机在所述分区域多角度照明单元每次打光时采集检测件的图片;所述照片合成系统用于将所述相机依次采集到得到的一个图片数组构建合成一张梯度矢量图和反照率图。
优选地,所述分区域多角度照明单元包括分体的阵列灯、射灯或LED灯;所述分区域多角度照明的光源为多边形光源或环形光源,且所述环形光源围绕所述相机。
优选地,还包括机械臂、活动基座和检测件定位夹具;
所述光学成像装置设置于所述机械臂的末端;
所述检测件定位夹具设置于所述活动基座的活动端;
所述控制系统能够控制所述机械臂和所述活动基座的运动。
从上述的技术方案可以看出,本发明提供的适合各种类型金属表面缺陷的检测方法,旨在使检测件表面缺陷能够被清晰的照相成像,其具有如下的有益效果:
1、消除了因金属材质表面的高反光和阴影等导致的零件表面缺陷成像不清晰的问题;
2、解决了零件表面对照明布局敏感和受打光方向影响大而导致难以捕捉的复杂无规律、方向不固定、微小变化和凹凸特征等的表面缺陷;
3、弱化了加工纹理背景和复杂刀具切削纹路等造成的成像干扰。
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,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地介绍,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他的附图。
图1为本发明实施例提供的适合各种类型金属表面缺陷的检测方法的流程图;
图2为本发明实施例提供的适合各种类型金属表面缺陷的检测系统的结构示意图;
图3为本发明实施例提供的分区域多角度照明单元的结构示意图;
图4为本发明实施例提供的倾斜角示意图;
图5为本发明实施例提供的旋转角示意图;
图6a至图6h为本发明实施例提供的相机依次在八个打光方向下采集的图片;
图6i为本发明实施例提供的最终合成的图片;
图7为本发明实施例提供的梯度矢量图。
具体实施方式
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楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供的适合各种类型金属表面缺陷的检测方法,如图1所示,包括如下步骤:
S1、图片采集:按图片采集规则依次在不同打光方向下打光并采集检测件的图片,得到检测件在不同打光方向下的一个图片数组;其中,打光方向包括倾斜角和旋转角,倾斜角为光源光束与相机中轴线的夹角,旋转角为光源光束中线投影与检测件中心水平往右轴线的夹角;
S2、图片合成:将S1步骤获取的一个图片数组构建合成一张梯度矢量图和反照率图。其中,梯度矢量图可参见如图7所示。
需要说明的是,步骤S1采集的是一个图片数组,在采集图片数组时,相机镜头和检测件的相对位置保持固定,在不同的打光方向下每打光一次就采集一张对应图片,然后组合得到一个图片数组。此外,打光方向包括倾斜角和旋转角两个角度参数,打光方向即为光源相对于当前位置的光照角度。
其中,如图4所示,倾斜角一般选择30度-60度。
如图5所示,旋转角通常是均匀分布在检测件周围,比如3个打光方向打光,其旋转角度应该是[0,120,240]或者[0,120,-120],4个打光方向打光,其旋转角度应该是[0,90,180,-90]。需要注意的是,本方案的打光方向不能相同,否则重构的图像结果达不到预期效果,而且至少需要采集三张不同打光方向打光的图片,对于某些特殊的零件表面,因为阴影的原因,三个打光方向打光不能很好的表征缺陷特征,造成重建的图像特征不明显,此时需要在原基础上增加打光方向,避免死角。一般来说4-6个不同打光方向打光能满足大部分应用。
此外,步骤S2为将由一个图片数组构建合成了一张梯度矢量图和反照率图,其中,梯度矢量图表征了物体表面的变化率矢量特征信息,反照率图不受其表面反射系数的影响,从而创建出具有增强的对比度和减小表面噪声的图像。
从上述的技术方案可以看出,本发明实施例提供的适合各种类型金属表面缺陷的检测方法,旨在使检测件表面缺陷能够被清晰的照相成像,其具有如下的有益效果:
1、消除了因金属材质表面的高反光和阴影等导致的零件表面缺陷成像不清晰的问题;
2、解决了零件表面对照明布局敏感和受打光方向影响大而导致难以捕捉的复杂无规律、方向不固定、微小变化和凹凸特征等的表面缺陷;
3、弱化了加工纹理背景和复杂刀具切削纹路等造成的成像干扰。
在本方案中,为了更好消除因金属材质表面的高反光和阴影等导致的零件表面缺陷成像不清晰的问题,在步骤S1中,所述按图片采集规则依次在不同打光方向下打光并采集检测件的图片包括:
按顺时针或逆时针顺序依次在不同打光方向下打光并采集检测件的图片。
进一步地,为了使得在不同打光方向下更好地表征某些特殊零件表面的缺陷特征,以使得合成的图片特征更为明显达到预期效果。作为优选,所述按顺时针或逆时针顺序依次在不同打光方向下打光并采集检测件的图片包括:
按逆时针顺序依次在八个打光方向下打光并采集检测件的八张图片;其中,打光方向的倾斜角为30°-60°,打光方向旋转角为[0°,45°,90°,135°,180°,225°,270°,315°]。
在本方案中,在步骤S2中,所述将S1步骤获取的一个图片数组构建合成一张梯度矢量图和反照率图包括:
根据打光方向的倾斜角和旋转角、不同打光方向下采集的图片灰度值,基于光源j照射检测件表面第i点产生像素值tij的漫反射公式:tij=pi(Ni·Lj)lj求得Ni表面单位法向量,pi反射率,从而得到图片中每个像素点的梯度矢量和反照率,即实现了由一个图片数组构建合成了一张梯度矢量图和反照率图,如图6i所示;其中tij为像素值,Lj为光源方向单位向量,lj为光源强度。
再进一步地,为了便于获得更为清晰的图片,在所述步骤S1之前,还包括:
S0、图片清晰度自动判断和调整。
具体地,在步骤S0中,图片清晰度自动判断和调整包括:
S01、控制相机焦距产生变化,在焦距的可调范围内,每步进0.5度采集一张图片,使得采集到由模糊到清晰再到模糊的一系列图片;
需要说明的是,在相机与检测件距离和位置不变的前提下,通过工控机控制光学成像装置中的小伺服电机旋转,通过齿轮机构带动工业相机上的焦距产生变化,在焦距的可调范围内,每步进0.5度拍摄一张图片,使得在同一位置可以采集到由模糊到清晰再到模糊的一系列图片;
S02、采用多种清晰度算法函数分别对步骤S01的一系列图片进行运算,得到每个清晰度算法函数求得的最大值,即指针指向最佳的一张图片,再对五个结果采用投票制规则,最终输出唯一的一张最清晰图片;
需要说明的是,多种清晰度算法函数分别为①方差算法函数②拉普拉斯能量函数③能量梯度函数④Brenner函数⑤Tenegrad函数;
S03、依据步骤S02最清晰图片的指针反向获得该图片采集时相机的焦距位置,控制相机运转到该焦距位置。
需要说明的是,依据最清晰图片的指针反向获得该图片拍摄时工业相机的焦距位置,驱动小伺服电机运转到该记录位置,完成图片清晰度的自动判断和调整。
为了进一步优化上述技术方案,在所述步骤S2之后,还包括:
S3、缺陷检测:对于输出的反照率图,通过阈值分割算法或深度学习的目标检测、图像分割和对抗神经网络等算法对检测件表面缺陷进行识别、评价和判断;和/或,对于梯度矢量图,通过设置阈值方法,提取检测件表面的缺陷特征信息。
下面结合具体实施例对本方案作进一步介绍:
本发明提供的适合各种类型金属表面缺陷的检测方法,包括以下步骤:
1、拍摄准备
图片清晰度自动判断和调整:在相机与拍摄物距离和位置不变的前提下,工控机控制光学成像装置中的小伺服电机旋转,通过齿轮机构带动工业相机上的焦距变化,在焦距的可调范围内,每步进0.5度拍摄一张图片,故在同一位置可以采集到由模糊到清晰再到模糊的一系列图片。
本实施例采用五个清晰度算法函数:①方差算法函数②拉普拉斯能量函数③能量梯度函数④Brenner函数⑤Tenegrad函数,分别对上述的一系列图片进行运算,可以得到每一个函数求得的最大值,即指针指向最佳的一张图片;然后对五个结果采用投票制规则,最终输出唯一的一张最清晰图片。
依据最清晰图片的指针反向获得该图片拍摄时工业相机的焦距位置,驱动小伺服电机运转到该记录位置,完成图片清晰度的自动判断和调整。
2、图片采集
采集的图片是一个图片数组,在采集图片数组时,相机镜头和物体的相对位置保持固定,其每次的拍摄取像是通过打光方向在顺时针或逆时针改变下获取的。
打光方向说明:对于采集的图片数组中的每一张图片,照明方向必须指定倾斜角和旋转角两个角度参数,其描述了相对于当前位置的光照角度。
①倾斜角:光源光束方向与相机中轴线的夹角,如图4所示,一般选择30度-60度。
②旋转角:光源光束中线投影与采集的图像中心水平往右主轴线的夹角,如图5所示。旋转角通常是均匀分布在被测物体周围,比如3个方向打光,旋转角度应该是[0,120,240]或者[0,120,-120],4个方向打光是[0,90,180,-90]。需要注意,打光方向不能相同,否则重构的图像结果达不到预期效果。至少需要采集三张不同方向打光的图片,对于某些特殊的零件表面,因为阴影的原因,三个方向打光不能很好的表征缺陷特征,造成重建的图像特征不明显,此时需要在原基础上增加打光方向,避免死角。一般来说4-6个不同方向打光能满足大部分应用。
本实施例倾斜角设置为30度,旋转角设置为八个方向均匀分布,其角度为[0,45,90,135,180,225,270,315]。在一个图片采集位置,逆时针方向依次从八个旋转角方向打光并采集8张图片,其图片可参见如图6a至图6h所示,然后组合成一个图片数组。
3、图片合成
输入的图片是按上述图片采集方法获取的一个图片数组,其中的每张图片都是按图片采集规则在不同打光方向下采集的,图片属性要求为单通道图片。
已知设置的打光方向的倾斜角和旋转角、不同打光方向下采集的图片灰度值,基于光源j照射物体表面第i点产生像素值tij的漫反射公式:tij=pi(Ni·Lj)lj,其中tij为像素值,Lj为光源方向单位向量,lj为光源强度,求得Ni表面单位法向量,pi反射率。
从而得到图片中每个像素点的梯度矢量和反照率,即由一个图片数组构建合成了一张梯度矢量图和反照率图,见图6i。
梯度矢量图表征了物体表面的变化率矢量特征信息。反照率图不受其表面反射系数的影响,从而创建出具有增强的对比度和减小表面噪声的图像。
4、缺陷检测
本实施例通过上述图片合成方法构建的反照率图和梯度矢量图,根据实际效果,可选择性地采用其中一种或全部以进行使用。
①采用反照率图,通过阈值分割算法或深度学习的目标检测、图像分割和对抗神经网络等算法对待测零件表面缺陷进行识别、评价和判断。
②采用梯度矢量图,通过设置阈值方法,提取零件表面的缺陷特征信息,达到缺陷检测的目的。
本发明实施例还提供了一种适合各种类型金属表面缺陷的检测系统,采用如上所述的适合各种类型金属表面缺陷的检测方法进行检测,如图2所示,且包括光学成像装置20、控制系统和照片合成系统;
光学成像装置20包括相机21和分区域多角度照明单元22;
控制系统能够控制分区域多角度照明单元22按图片采集规则依次在不同打光方向下打光,和控制所述相机21在分区域多角度照明单元22每次打光时采集检测件的图片;照片合成系统用于将相机21依次采集到得到的一个图片数组构建合成一张梯度矢量图和反照率图。
需要说明的是,光学成像装置20由相机21(面阵相机)、远心镜头、分区域多角度照明单元22和电机组成。面阵相机与远心镜头匹配联接,面阵相机通过TCP/IP协议与工控机主板上配置的图像采集卡相连接用于传输图像数据。远心镜头通过电机调整焦距,使与检测件表面成像更为清晰,即解决了对图片清晰度采用人为主观判断和手动调整工业相机焦距而造成的误差大的问题。
相机21是无畸变成像,并且相机必须与检测件表面垂直安装。根据实际情况尽可能提高相机精度,如使用相机的全部动态范围,使用高于8位深度的图像(灰度范围0-65535而不是0-255类型的图像)。
分区域多角度照明单元22光源要求:光源发射的光束都是平行且均匀的,比如具有均匀强度的远心照明光源,或者远距离的点光源。
此外,由于本方案采用了上述的适合各种类型金属表面缺陷的检测方法,因此其也就具有相应的有益效果,具体可以参照前面说明,在此不再赘述。
具体地,分区域多角度照明单元22包括分体的阵列灯、射灯或LED灯;分区域多角度照明22的光源为多边形光源或环形光源,如图2所示,且环形光源围绕相机21。作为优选,如图3所示,分区域多角度照明22的光源为环形光源,而且可独立分为多个在圆周方向(围绕相机21的方向)均布的光源,简化了光源和照明布局。其中,该环形光源分为8个45度的光源,并且光源面与水平面形成一定倾斜角,该倾斜角优选为30°。此外,分区域多角度照明单元22通过光源控制器调节分区开关节点和亮度,用于配合采集图像时给检测件表面提供光照补偿。
进一步地,如图2所示,本发明实施例提供的一种适合各种类型金属表面缺陷的检测系统还包括机械臂10、活动基座30和检测件定位夹具40;
光学成像装置20设置于机械臂10的末端;
检测件定位夹具40设置于活动基座30的活动端;
控制系统能够控制机械臂10和活动基座30的运动。
需要说明的是,活动基座30为三轴基座,其顶部零件摆放台设有螺栓孔,用于固定不同检测件定位夹具40,而且具有XYZ三个方向可移动滑轨,用于实现检测件的位置调整。
机械臂10为六轴机械臂,与三轴基座相连,其顶部设有夹具用于固定光学成像装置20,用于控制光学成像装置20的移动,实现光学成像装置20与检测件的位置调整。
检测件定位夹具40,用于把检测件固定在三轴基座上,与光学成像装置20保持固定位置。
控制系统能够控制机械臂10的运动、分区域多角度照明单元开关节点和亮度、远心镜头位置调整和面阵相机的采集节点之前的联动。
下面再结合具体实施例对本方案作进一步介绍:
本发明实施例提供的一种适合各种类型金属表面缺陷的检测系统,其操作步骤如下:
1、零件定位:将检测件缺陷面朝上,放在定位夹具上并带紧。
2、平台定位:根据待测零件选择对应程序,运动平台的XY方向位置自动调整至刻度,同时六轴机械臂加载着光源成像装置自动运行至检测初始位置。
3、拍摄准备:启动运动控制联动系统,根据不同检测件选择合适的程序,六轴机械臂经安全零位移动至检测件上方。光学成像装置以一定的高度位置和角度姿态对峙检测件表面,然后自动进行相机焦距的调整和图像清晰度判断,直至图像清晰度调至最优。
4、图片采集:通过运动平台和机械臂对检测件表面的仿形运行,将其分为多个区域分别拍摄,直至覆盖整个被检表面。在每个区域的拍摄流程为,相机镜头和物体的相对位置保持固定,分区域多角度照明单元以逆时针依次从八个打光方向打光并采集8张图片,并将其组合成一个图片数组。
5、图片合成:将每个区域拍摄并采集到的图片数组,通过图片合成方法,构建出了每个区域的梯度矢量图和反照率图并对应输出。
6、缺陷检测:对每个区域输出的梯度矢量图和反照率图,分别采用阈值分割法和通过深度学习训练获得的模型,对零件表面的缺陷特征进行提取。然后根据缺陷标准,如尺寸、数量和位置等要求进行评价,最终对检测件的表面缺陷是否合格进行判断。工控机在显示屏上输出合格与否的结果和缺陷图片及缺陷特征信息。
7、运动平台和机械臂返回安全零位,等待下一次的检测。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种适合各种类型金属表面缺陷的检测方法,其特征在于,包括如下步骤:
S1、图片采集:按图片采集规则依次在不同打光方向下打光并采集检测件的图片,得到检测件在不同打光方向下的一个图片数组;其中,打光方向包括倾斜角和旋转角,倾斜角为光源光束与相机中轴线的夹角,旋转角为光源光束中线投影与检测件中心水平往右轴线的夹角;
S2、图片合成:将S1步骤获取的一个图片数组构建合成一张梯度矢量图和反照率图。
2.根据权利要求1所述的适合各种类型金属表面缺陷的检测方法,其特征在于,在步骤S1中,所述按图片采集规则依次在不同打光方向下打光并采集检测件的图片包括:
按顺时针或逆时针顺序依次在不同打光方向下打光并采集检测件的图片。
3.根据权利要求2所述的适合各种类型金属表面缺陷的检测方法,其特征在于,所述按顺时针或逆时针顺序依次在不同打光方向下打光并采集检测件的图片包括:
按逆时针顺序依次在八个打光方向下打光并采集检测件的八张图片;其中,打光方向的倾斜角为30°-60°,打光方向旋转角为[0°,45°,90°,135°,180°,225°,270°,315°]。
4.根据权利要求1所述的适合各种类型金属表面缺陷的检测方法,其特征在于,在步骤S2中,所述将S1步骤获取的一个图片数组构建合成一张梯度矢量图和反照率图包括:
根据打光方向的倾斜角和旋转角、不同打光方向下采集的图片灰度值,基于光源j照射检测件表面第i点产生像素值tij的漫反射公式:tij=pi(Ni·Lj)lj求得Ni表面单位法向量,pi反射率,得到图片中每个像素点的梯度矢量和反照率;其中tij为像素值,Lj为光源方向单位向量,lj为光源强度。
5.根据权利要求1所述的适合各种类型金属表面缺陷的检测方法,其特征在于,在所述步骤S1之前,还包括:
S0、图片清晰度自动判断和调整。
6.根据权利要求5所述的适合各种类型金属表面缺陷的检测方法,其特征在于,在步骤S0中,图片清晰度自动判断和调整包括:
S01、控制相机焦距产生变化,在焦距的可调范围内,每步进0.5度采集一张图片,使得采集到由模糊到清晰再到模糊的一系列图片;
S02、采用多种清晰度算法函数分别对步骤S01的一系列图片进行运算,得到每个清晰度算法函数求得的最大值,即指针指向最佳的一张图片,再对五个结果采用投票制规则,最终输出唯一的一张最清晰图片;
S03、依据步骤S02最清晰图片的指针反向获得该图片采集时相机的焦距位置,控制相机运转到该焦距位置。
7.根据权利要求1所述的适合各种类型金属表面缺陷的检测方法,其特征在于,在所述步骤S2之后,还包括:
S3、缺陷检测:对于输出的反照率图,通过阈值分割算法或深度学习的目标检测、图像分割和对抗神经网络等算法对检测件表面缺陷进行识别、评价和判断;和/或,对于梯度矢量图,通过设置阈值方法,提取检测件表面的缺陷特征信息。
8.一种适合各种类型金属表面缺陷的检测系统,其特征在于,采用如权利要求1-7任意一项所述的适合各种类型金属表面缺陷的检测方法进行检测,且包括光学成像装置(20)、控制系统和照片合成系统;
所述光学成像装置(20)包括相机(21)和分区域多角度照明单元(22);
所述控制系统能够控制所述分区域多角度照明单元(22)按图片采集规则依次在不同打光方向下打光,和控制所述相机(21)在所述分区域多角度照明单元(22)每次打光时采集检测件的图片;所述照片合成系统用于将所述相机(21)依次采集到得到的一个图片数组构建合成一张梯度矢量图和反照率图。
9.根据权利要求8所述的适合各种类型金属表面缺陷的检测系统,其特征在于,所述分区域多角度照明单元(22)包括分体的阵列灯、射灯或LED灯;所述分区域多角度照明(22)的光源为多边形光源或环形光源,且所述环形光源围绕所述相机(21)。
10.根据权利要求8所述的适合各种类型金属表面缺陷的检测系统,其特征在于,还包括机械臂(10)、活动基座(30)和检测件定位夹具(40);
所述光学成像装置(20)设置于所述机械臂(10)的末端;
所述检测件定位夹具(40)设置于所述活动基座(30)的活动端;
所述控制系统能够控制所述机械臂(10)和所述活动基座(30)的运动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210859993.2A CN115308223A (zh) | 2022-07-21 | 2022-07-21 | 一种适合各种类型金属表面缺陷的检测方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210859993.2A CN115308223A (zh) | 2022-07-21 | 2022-07-21 | 一种适合各种类型金属表面缺陷的检测方法、系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115308223A true CN115308223A (zh) | 2022-11-08 |
Family
ID=83856173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210859993.2A Pending CN115308223A (zh) | 2022-07-21 | 2022-07-21 | 一种适合各种类型金属表面缺陷的检测方法、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115308223A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309547A (zh) * | 2023-05-10 | 2023-06-23 | 成都飞机工业(集团)有限责任公司 | 一种零件表面质量检测方法、装置、设备及介质 |
CN116577349A (zh) * | 2023-07-13 | 2023-08-11 | 合肥图迅电子科技有限公司 | 一种半导体光滑表面缺陷检测系统及方法 |
TWI833534B (zh) * | 2022-12-30 | 2024-02-21 | 致茂電子股份有限公司 | 晶圓研磨製程之缺陷檢測系統及方法 |
-
2022
- 2022-07-21 CN CN202210859993.2A patent/CN115308223A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI833534B (zh) * | 2022-12-30 | 2024-02-21 | 致茂電子股份有限公司 | 晶圓研磨製程之缺陷檢測系統及方法 |
CN116309547A (zh) * | 2023-05-10 | 2023-06-23 | 成都飞机工业(集团)有限责任公司 | 一种零件表面质量检测方法、装置、设备及介质 |
CN116309547B (zh) * | 2023-05-10 | 2023-09-19 | 成都飞机工业(集团)有限责任公司 | 一种零件表面质量检测方法、装置、设备及介质 |
CN116577349A (zh) * | 2023-07-13 | 2023-08-11 | 合肥图迅电子科技有限公司 | 一种半导体光滑表面缺陷检测系统及方法 |
CN116577349B (zh) * | 2023-07-13 | 2023-10-27 | 合肥图迅电子科技有限公司 | 一种半导体光滑表面缺陷检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115308223A (zh) | 一种适合各种类型金属表面缺陷的检测方法、系统 | |
CN101660894B (zh) | 基于平行光照明的多目视觉检测装置及方法 | |
EP1462992B1 (en) | System and method for shape reconstruction from optical images | |
US7019826B2 (en) | Optical inspection system, apparatus and method for reconstructing three-dimensional images for printed circuit board and electronics manufacturing inspection | |
CN110575966B (zh) | 一种高反光物体表面缺陷检测装置 | |
CN110308153A (zh) | 基于单目立体视觉的金属工件缺陷检测方法、系统、存储介质、以及装置 | |
JP2019049556A (ja) | ウェーハの検査システム及び方法 | |
CN111612737B (zh) | 一种人造板表面瑕疵检测装置及检测方法 | |
US7551272B2 (en) | Method and an apparatus for simultaneous 2D and 3D optical inspection and acquisition of optical inspection data of an object | |
JP2001249012A (ja) | 被検体の外観形状検査方法及び装置 | |
US20040184653A1 (en) | Optical inspection system, illumination apparatus and method for use in imaging specular objects based on illumination gradients | |
CN101013028A (zh) | 图像处理方法以及图像处理装置 | |
US20040184032A1 (en) | Optical inspection system and method for displaying imaged objects in greater than two dimensions | |
US10579890B2 (en) | Automatic alignment of a 3D model to a test object | |
JP2019158602A (ja) | 外観検査装置、外観検査方法及びプログラム | |
CN113483892B (zh) | 一种多光谱影像测量系统和方法 | |
CN115427790A (zh) | 用于对反射对象成像的系统和方法 | |
JP5647084B2 (ja) | 面法線計測装置、面法線計測システム及び面法線計測プログラム | |
JPH071164B2 (ja) | 三次元形状の認識装置 | |
CN114450579A (zh) | 图像处理系统、设定方法和程序 | |
CN111750991A (zh) | 分光照相机以及检查系统 | |
JPH1073419A (ja) | エンジン外付け部品の誤欠品検査装置 | |
JP7188821B1 (ja) | 検査システム | |
Saif et al. | 6 Smart system based on STEP-NC for machine vision inspection (3SMVI) | |
JP2996063B2 (ja) | 塗装面鮮映性自動検査装置 |
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 |