CN115830021B - 一种用于五金件加工的金属表面缺陷检测方法 - Google Patents
一种用于五金件加工的金属表面缺陷检测方法 Download PDFInfo
- Publication number
- CN115830021B CN115830021B CN202310113151.7A CN202310113151A CN115830021B CN 115830021 B CN115830021 B CN 115830021B CN 202310113151 A CN202310113151 A CN 202310113151A CN 115830021 B CN115830021 B CN 115830021B
- Authority
- CN
- China
- Prior art keywords
- crack
- hardware
- determining
- metal surface
- ductility
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 117
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 94
- 239000002184 metal Substances 0.000 title claims abstract description 94
- 238000001514 detection method Methods 0.000 title claims abstract description 57
- 238000003754 machining Methods 0.000 title description 4
- 238000012937 correction Methods 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 44
- 229920000742 Cotton Polymers 0.000 claims abstract description 27
- 230000004927 fusion Effects 0.000 claims abstract description 24
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000012216 screening Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims description 15
- 238000007499 fusion processing Methods 0.000 claims description 8
- 238000005520 cutting process Methods 0.000 claims description 6
- 230000002950 deficient Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 210000002268 wool Anatomy 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000010191 image analysis Methods 0.000 abstract description 2
- 238000003466 welding Methods 0.000 description 20
- 238000004364 calculation method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005452 bending Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000764238 Isis Species 0.000 description 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- FKENQMMABCRJMK-RITPCOANSA-N sulbactam Chemical compound O=S1(=O)C(C)(C)[C@H](C(O)=O)N2C(=O)C[C@H]21 FKENQMMABCRJMK-RITPCOANSA-N 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本公开涉及图像分析及缺陷检测技术领域，具体涉及一种用于五金件加工的金属表面缺陷检测方法。该方法包括：采集五金件的金属表面图像，处理生成表面融合图像；对表面融合图像进行边缘特征提取处理，生成边缘特征图像；根据五金件裂纹检测算子对初始边缘像素点进行加权纠正处理，生成边缘纠正因子；基于边缘纠正因子，对初始边缘像素点进行筛选处理，确定裂纹边缘像素点，根据裂纹边缘像素点确定裂纹曲线；根据裂纹曲线不同坐标处的曲度因子，确定裂纹曲线的表面裂纹绵延度；基于曲度因子与表面裂纹绵延度，对五金件加工的金属表面缺陷进行检测，通过本公开实现对五金件金属表面的缺陷检测，提升五金件裂纹缺陷检测分析的准确性。
Description
技术领域
本公开涉及图像分析及缺陷检测技术领域，具体涉及一种用于五金件加工的金属表面缺陷检测方法。
背景技术
五金件泛指通过对铁、铜、铝、金、银等金属加工铸造得到的用于固定、装饰的模具和机械配件，被广泛应用于机械加工生产、建筑板件、家用厨用电器等日常生活常见的场景中。由于五金件结构外形复杂，且使用焊接铸造实现加工，在金属表面容易形成焊接纹路，在对五金件金属表面进行裂纹识别时，焊接纹路极大概率影响裂纹识别结果。
相关技术中，通常使用特征提取网络实现五金件金属表面的裂纹缺陷检测，或者使用裂纹仪、应变仪及回路传感器组成裂纹检测设备，以实现五金件加工的金属表面裂纹缺陷检测。
这种方式下，由于五金件焊接黑化边缘处的特征，容易将五金件焊接黑化边缘处误判为裂纹缺陷，从而导致无法有效对焊接位置处的裂纹缺陷进行准确识别，影响裂纹缺陷检测的准确度，进而影响五金件裂纹检测的可靠性与实用性。
发明内容
为了解决上述技术问题，本公开的目的在于提供一种用于五金件加工的金属表面缺陷检测方法，所采用的技术方案具体如下：
本公开提出了一种用于五金件加工的金属表面缺陷检测方法，方法包括：
采集至少两种曝光尺度下的五金件的金属表面图像，并对金属表面图像进行图像处理，生成多曝光尺度的表面灰度图像；对多曝光尺度的表面灰度图像进行图像融合处理，生成表面融合图像；
对表面融合图像进行边缘特征提取处理，生成边缘特征图像，边缘特征图像包括：至少两个初始边缘像素点；根据五金件裂纹检测算子对初始边缘像素点进行加权纠正处理，生成边缘纠正因子；基于边缘纠正因子，对初始边缘像素点进行筛选处理，确定裂纹边缘像素点，裂纹边缘像素点构成至少两条裂纹曲线；
根据裂纹曲线不同坐标处的灰度信息和曲率信息获得曲度因子，根据曲度因子，结合裂纹曲线，确定裂纹曲线的表面裂纹绵延度；
基于曲度因子与表面裂纹绵延度，确定五金件加工的金属表面缺陷概率，根据金属表面缺陷概率，对五金件加工的金属表面缺陷进行检测。
进一步地，五金件裂纹检测算子包括：裂纹检测子算子，裂纹检测子算子的数量为至少两个，根据五金件裂纹检测算子对初始边缘像素点进行加权纠正处理，生成边缘纠正因子，包括：
确定初始边缘像素点的梯度值，确定五金件裂纹检测算子的第一权重值与第二权重值，其中，第一权重值为黑色区域的权重值，第二权重值为白色区域的权重值；
根据至少两个裂纹检测子算子，结合梯度值、第一权重值，以及第二权重值，确定初始纠正因子；基于初始纠正因子，确定边缘纠正因子。
进一步地，根据至少两个裂纹检测子算子，结合梯度值、第一权重值，以及第二权重值，确定初始纠正因子，包括：
使用初始纠正因子公式确定初始纠正因子，其中，初始纠正因子公式包括：
式中，
表示初始纠正因子，
表示第一权重值，
表示第二权重值，
表示
处的灰度级大小，
表示像素点的梯度值，
表示黑色区域，
表示白色
区域。
进一步地，根据曲度因子，结合裂纹曲线，确定裂纹曲线的表面裂纹绵延度，包括：
确定裂纹分叉点，基于裂纹分叉点确定裂纹分叉点在圆形范围内的裂纹截断点，根据裂纹截断点，结合曲度因子，使用表面裂纹绵延度公式确定表面裂纹绵延度，其中，表面裂纹绵延度公式，包括：
式中，
表示表面裂纹绵延度，
表示圆形范围的圆心位置，
表示裂纹截断点的
数量，
表示第
个裂纹截断点，
为中点函数，即取得两个不同截断点
连线位
置处的中点位置，
为五金件裂纹缺陷圆的圆心位置
与五金件裂纹缺陷
圆中各个不同位置截断点的连线中点位置处的欧式距离，
表示圆形范围的周长，
表示像素点处的曲度因子。
进一步地，基于曲度因子与表面裂纹绵延度，确定五金件加工的金属表面缺陷概率，包括：
确定不同位置的至少两个表面裂纹绵延度，基于至少两个表面裂纹绵延度，确定裂纹曲线的总绵延度；
将总绵延度的数值映射到单位大小的区间上，确定金属表面缺陷概率。
进一步地，确定不同位置的至少两个表面裂纹绵延度，基于至少两个表面裂纹绵延度，确定裂纹曲线的总绵延度，包括：
根据总绵延度公式确定裂纹曲线的总绵延度，其中，总绵延度公式包括：
式中，
表示总绵延度，
表示表面裂纹绵延度的数量，
表示第
个表面裂纹绵延
度，
表示平均绵延度。
进一步地，根据金属表面缺陷概率，对五金件加工的金属表面缺陷进行检测，包括：
确定表面缺陷概率阈值，其中，表面缺陷概率阈值为金属表面缺陷概率的门限值；
在金属表面缺陷概率大于表面缺陷概率阈值时，则表示五金件的金属表面出现缺陷；在金属表面缺陷概率小于或等于表面缺陷概率阈值时，则表示五金件的金属表面未出现缺陷。
本公开具有如下有益效果：
通过采集至少两种曝光尺度下的五金件的金属表面图像，并对金属表面图像进行图像处理，生成多曝光尺度的表面灰度图像；对多曝光尺度的表面灰度图像进行图像融合处理，生成表面融合图像；对表面融合图像进行边缘特征提取处理，生成边缘特征图像，边缘特征图像包括：至少两个初始边缘像素点；根据五金件裂纹检测算子对初始边缘像素点进行加权纠正处理，生成边缘纠正因子；基于边缘纠正因子，对初始边缘像素点进行筛选处理，确定裂纹边缘像素点，裂纹边缘像素点构成至少两条裂纹曲线；根据裂纹曲线不同坐标处的灰度信息和曲率信息获得曲度因子，根据曲度因子，结合裂纹曲线，确定裂纹曲线的表面裂纹绵延度；基于曲度因子与表面裂纹绵延度，确定五金件加工的金属表面缺陷概率，根据金属表面缺陷概率，对五金件加工的金属表面缺陷进行检测，由于是通过将不同曝光程度的金属表面图像进行融合从而得到细节信息更加清晰完整的边缘特征图像，并优化五金件裂纹检测算子对初始边缘像素点进行加权纠正，根据曲度因子与表面裂纹绵延度确定五金件加工的金属表面缺陷概率，能够有效的规避五金件焊接黑化边缘处误判的影响，对焊接位置处的裂纹缺陷进行准确识别，从而提升裂纹缺陷检测的准确度，进而增强五金件裂纹检测的可靠性与实用性。
附图说明
为了更清楚地说明本公开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公开的一些实施例，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为本公开一个实施例所提供的一种用于五金件加工的金属表面缺陷检测方法的流程图。
图2是本公开一个实施例所提供的六个裂纹检测子算子的示意图；
图3是本公开一个实施例所提供的绵延度计算示意图。
具体实施方式
为了更进一步阐述本公开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，对依据本公开提出的一种用于新舒巴坦酸提取工艺的品质保持方法，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公开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公开所提供的一种用于五金件加工的金属表面缺陷检测方法的具体方案。
请参阅图1，其示出了本公开一个实施例提供的一种用于五金件加工的金属表面缺陷检测方法的流程图，该方法包括：
S101：采集至少两种曝光尺度下的五金件的金属表面图像，并对金属表面图像进行图像处理，生成多曝光尺度的表面灰度图像；对多曝光尺度的表面灰度图像进行图像融合处理，生成表面融合图像。
其中，金属表面图像，是对五金件金属表面进行拍摄所生成的图像，金属表面图像可以为多媒体设备所捕捉得到的RGB颜色空间下的金属表面的照片。
本公开实施例中，在获取金属表面图像时，可以使用高斯滤波、降噪等处理方式预处理获取得到的图像，以作为金属表面图像，对此不做限制。
由于某些五金件金属表面整体并不是规则的几何外形结构，当五金件某个位置处发生裂纹缺陷时不易被直接观察，为了较好的捕捉到这种五金件的裂纹缺陷，本公开实施例可以使用条形发光二极管结构灯源，对五金件表面进行照射，并使用电耦合元件（Chargecoupled Device，CCD）工业相机对五金件表面进行拍摄采集，当然，本公开实施例还可以使用其他任意可能的实现方式采集五金件的金属表面图像，对此不做限制。
在采集五金件的金属表面图像时，可以采集多个不同曝光尺度下的金属表面图像，以避免单曝光尺度下产生噪点过多的情况。
举例而言，可以选择曝光时间分别为15秒、2.5秒、1/4秒和1/30秒，进行不同尺度的曝光从而得到多曝光尺度的五金件金属表面图像。
本公开实施例中，可以对RGB颜色空间下的金属表面图像的R、G、B三个通道中的颜色进行加权平均灰度处理，以生成表面灰度图像，不同曝光尺度生成与之对应的表面灰度图像。
举例而言，分别对R、G、B三个通道中的颜色设置权重为0.299、0.587、0.114，该权重可以根据实际场景动态调整，对此不做限制。
本公开实施例中，在生成表面灰度图像之后，可以将多曝光尺度下得到的多帧表面灰度图像进行图像融合处理，以生成表面融合图像，可以理解的是，不同曝光程度下，金属表面的纹理显示清晰度与显示效果也不同，因此设计多曝光尺度的图像采集并进行图像融合处理，能够有效提升裂纹缺陷检测的精确程度。
本公开实施例中，可以使用曝光融合Mertens算法进行表面灰度图像的融合处理，获取亮暗曝光细节信息均较为清晰的表面融合图像，当然，本公开还支持使用多种图像融合方式，对此不做限制。
本公开在生成表面融合图像之后，可以根据表面融合图像的图像特征，进行后续表面缺陷检测的步骤。
S102：对表面融合图像进行边缘特征提取处理，生成边缘特征图像，边缘特征图像包括：至少两个初始边缘像素点；根据五金件裂纹检测算子对初始边缘像素点进行加权纠正处理，生成边缘纠正因子；基于边缘纠正因子，对初始边缘像素点进行筛选处理，确定裂纹边缘像素点，裂纹边缘像素点构成至少两条裂纹曲线。
其中，使用特征提取的方式将表面融合图像中裂纹边缘特征进行提取，得到的包含裂纹特征的图像，可以被称为边缘特征图像，在边缘特征图像中，可以使用像素点的集合来识别裂纹边缘，该像素点可以被称为初始边缘像素点。
本公开实施例中，可以使用边缘处理算法实现对表面融合图像的特征提取，生成边缘特征图像，但在表面融合图像中，由于高温焊接通常导致焊接位置处出现发黑，与周围像素点在灰度梯度级上呈现较大差异，因此使用传统边缘处理算法直接对表面融合图像进行处理时，由于这些焊接位置在表面融合图像中的灰度梯度级的表征特性，可能导致提取到错误的边缘信息，从而输出错误的缺陷判断结果，因此本公开实施例搭建五金件裂纹检测算子，以根据五金件裂纹检测算子对初始边缘像素点进行加权纠正处理，生成边缘纠正因子。
进一步地，本公开的一些实施例中，五金件裂纹检测算子包括：裂纹检测子算子，裂纹检测子算子的数量为至少两个，根据五金件裂纹检测算子对初始边缘像素点进行加权纠正处理，生成边缘纠正因子，包括：确定初始边缘像素点的梯度值，确定五金件裂纹检测算子的第一权重值与第二权重值，其中，第一权重值为黑色区域的权重值，第二权重值为白色区域的权重值；根据至少两个裂纹检测子算子，结合梯度值、第一权重值，以及第二权重值，确定初始纠正因子；基于初始纠正因子，确定边缘纠正因子，由于是使用梯度值、第一权重值，以及第二权重值对初始边缘像素点进行分析，生成边缘纠正因子，从而使得边缘纠正因子能够实现对初始边缘像素点的准确判别，有效消除焊点位置发黑产生的误判，进而保证裂纹曲线内的像素点均符合裂纹的特征，有效提升裂纹曲线的效果。
参见图2，图2是本公开一个实施例所提供的六个裂纹检测子算子的示意图。以裂
纹检测子算子的数量为6个进行具体示例，为了使用该裂纹检测子算子与发黑焊点的边缘
进行区分，可以选择宽度
，长度为
的矩形区域对整个五金件边缘特征图像进行计算分
析，边缘曲线上的每个初始边缘像素点使用一组裂纹检测子算子分别计算，可以计算得到6
个不同的初始纠正因子。
在本公开的一些实施例中，使用初始纠正因子公式确定初始纠正因子，其中，初始纠正因子公式包括：
式中，
表示初始纠正因子，
表示第一权重值，
表示第二权重值，
表示
处的灰度级大小，
表示初始边缘像素点的梯度值，
表示黑色区域，
表示白色区域。
由初始纠正因子公式可知，通过对黑色区域与白色区域分别进行权重配置，并根据第一权重值与第二权重值，分别对初始边缘像素点的梯度值进行处理，以生成初始纠正因子。
由于初始纠正因子的数量为多个（参见图2，若裂纹检测子算子的数量为6个，则对于任一初始边缘像素点具有6个初始纠正因子），则可以对多个初始纠正因子进行加和得到边缘纠正因子。如下式所示：
式中，
表示边缘纠正因子，
表示第
个初始纠正因子，
表示初始纠正因子的
数量。
本公开实施例中，可以基于边缘纠正因子，对初始边缘像素点进行筛选处理，确定裂纹边缘像素点，根据裂纹边缘像素点生成裂纹掩膜，基于裂纹掩膜与表面融合图像，确定裂纹曲线，通过对初始边缘像素点的筛选，去除焊接部分与多种其他噪点部分的错误影响，从而得到更为准确的裂纹曲线。
假设在五金件边缘曲线图像中的某个坐标位置为
处的初始边缘像素点，若
该初始边缘像素点是由于焊点发黑而导致的检测得到边缘曲线上的某个像素点，由于该像
素点两侧灰度值、梯度值均有较大的差异，则通过五金件裂纹检测算子计算的得到的边缘
纠正因子
的数值会较大；反之，若该像素点的位于五金件的裂纹缺陷位置处，则该像素
点两侧为五金件背景区域，通过五金件裂纹检测算子计算的得到的边缘纠正因子
的数
值会较小，因此，可以根据边缘纠正因子筛选去除焊点发黑而导致的检测得到边缘曲线上
的初始边缘像素点，保留裂纹边缘像素点。
举例而言，可以使用裂纹Mask掩膜作为裂纹掩膜，设置筛选条件为
，将满
足筛选条件的初始边缘像素点筛选出来作为裂纹边缘像素点，从而根据裂纹边缘像素点生
成裂纹曲线。
S103：根据裂纹曲线不同坐标处的灰度信息和曲率信息获得曲度因子，根据曲度因子，结合裂纹曲线，确定裂纹曲线的表面裂纹绵延度。
其中，用于表征裂纹曲线坐标处的灰度信息和曲率信息程度的数值，可以被称为曲度因子。
本公开实施例中，可以结合裂纹曲线中裂纹边缘像素点的灰度信息与周围像素点的曲率信息，计算裂纹边缘像素点所处坐标位置的曲度因子。
通过计算得到五金件裂纹曲线中坐标位置位于
处的曲度因子
的数值
大小。由于高温焊接导致五金件金属内部结构发生变化，从而导致五金件焊接位置周围出
现裂纹缺陷，当缺陷越严重时，从五金件裂纹曲线上表征为不同位置处裂纹曲线的弯曲越
严重、越明显。因此通过对五金件裂纹曲线中不同坐标位置处曲度因子
的计算可以反
映这种裂纹曲线的弯曲形变严重程度。式中，通过该坐标位置处的灰度级大小
与整
幅图像的基准灰度级大小
相比可以计算得到该坐标位置处的灰度权因子，当灰度权因子
数值越大时，表示该坐标位置处灰度越深，则该坐标位置处越有可能为裂纹，且裂纹严重程
度就越高，曲度因子就越大，同时考虑到五金件裂纹曲线在微小区域内可以近似成直线段，
因此可以通过该位置处某个小区域中水平与垂直方向的相对变化从而得到该坐标位置位
于
处的曲度因子
的数值大小，通过计算得到的曲度因子
的数值越大时，则
该位置处的五金件裂纹缺陷越严重；反之，若通过计算得到的该坐标位置处曲度因子
的数值越小时，则该位置处的五金件裂纹缺陷越轻微。
本公开实施例中，可以根据曲度因子，结合裂纹曲线，确定裂纹曲线的表面裂纹绵
延度，对五金件裂纹曲线进一步观察分析可以发现，当五金件表面缺陷越严重，在得到的五
金件裂纹曲线中，裂纹曲线弯曲变换越明显，同时裂纹曲线的分布和变化越密集，因此引入
五金件裂纹绵延度
，对五金件表面裂纹缺陷进行进一步评估描述。
进一步地，确定裂纹分叉点，基于裂纹分叉点确定裂纹分叉点在圆形范围内的裂纹截断点，根据裂纹截断点，结合曲度因子，使用表面裂纹绵延度公式确定表面裂纹绵延度，其中，表面裂纹绵延度公式，包括：
式中，
表示表面裂纹绵延度，
表示圆形范围的圆心位置，
表示裂纹截断点的
数量，
表示第
个裂纹截断点，
为中点函数，即取得两个不同截断点
连线位
置处的中点位置，
为五金件裂纹缺陷圆的圆心位置
与五金件裂纹缺陷
圆中各个不同位置截断点的连线中点位置处的欧式距离，
表示圆形范围的周长，
表示像素点处的曲度因子。
本公开实施例中，如图3所示，图3是本公开一个实施例所提供的绵延度计算示意
图。假设五金件裂纹曲线中在裂纹分叉点位置处
的坐标为
，则以该坐标位置处的像
素点为中心，取
为半径得到五金件裂纹缺陷圆，该缺陷圆与五金件裂纹曲线会形成
五金件裂纹截断点，假设某个五金件裂纹截断点为
，共有
等不同位置的截
断点，基于两个相邻裂纹截断点间线段的中点，至圆心
的欧式距离，确定该裂纹截断点位
置处的表面裂纹绵延度。
本公开实施例中，表面裂纹绵延度的引用能够直观地展示裂纹分叉点处的裂纹严重程度，以提升裂纹缺陷检测的可靠性。
S104：基于曲度因子与表面裂纹绵延度，确定五金件加工的金属表面缺陷概率，根据金属表面缺陷概率，对五金件加工的金属表面缺陷进行检测。
进一步地，确定不同位置的至少两个表面裂纹绵延度，基于至少两个表面裂纹绵延度，确定裂纹曲线的总绵延度，将总绵延度的数值映射到单位大小的区间上，确定金属表面缺陷概率，由于是使用总绵延度结合曲度因子作为金属表面的裂纹缺陷检测的判断依据，能够有效提升金属表面缺陷概率的准确性与客观性，增强金属表面缺陷检测的准确性。
本公开实施例中，单位大小的区间可以具体例如为
的映射区间，以使用该区间
展示金属表面缺陷概率，使得金属表面缺陷概率的展示更为直观简洁。
本公开实施例中，可以根据总绵延度公式确定裂纹曲线的总绵延度，其中，总绵延度公式包括：
式中，
表示总绵延度，
表示表面裂纹绵延度的数量，
表示第
个表面裂纹绵延
度，
表示平均绵延度。
本公开实施例中，通过第
个表面裂纹绵延度与平均绵延度的差值，求得总绵延
度，用于表示表面裂纹绵延度的变化情况，并将其映射到单位大小的区间上。
进一步地，根据金属表面缺陷概率，对五金件加工的金属表面缺陷进行检测，可以是确定表面缺陷概率阈值，其中，表面缺陷概率阈值为金属表面缺陷概率的门限值，在金属表面缺陷概率大于表面缺陷概率阈值时，则表示五金件的金属表面出现缺陷；在金属表面缺陷概率小于或等于表面缺陷概率阈值时，则表示五金件的金属表面未出现缺陷。
其中，表面缺陷概率阈值，是表面缺陷概率的门限值，在表面缺陷概率大于该表面缺陷概率阈值时，可以表示五金件的金属表面出现缺陷，在金属表面缺陷概率小于或等于表面缺陷概率阈值时，则表示五金件的金属表面未出现缺陷，根据表面缺陷概率阈值的设定，有效规避了复杂场景中噪点造成的影响，保证裂纹检测的准确性。
本公开实施例中，也可以直接将表面缺陷概率的数值作为裂纹缺陷检测的结果，或者，还可以使用图表的方式展示表面缺陷概率，举例而言，五金件表面缺陷概率越大时，且越接近1时，该待检测的五金件表面出现缺陷的概率越大；反之，当计算得到的五金件表面缺陷概率越小时，该待检测的五金件表面出现缺陷的概率越小，当然，本公开还支持使用多种其他任意可能的实现方式根据金属表面缺陷概率，对五金件加工的金属表面缺陷进行检测，对此不做限制。
本实施例中，通过采集至少两种曝光尺度下的五金件的金属表面图像，并对金属表面图像进行图像处理，生成多曝光尺度的表面灰度图像；对多曝光尺度的表面灰度图像进行图像融合处理，生成表面融合图像；对表面融合图像进行边缘特征提取处理，生成边缘特征图像，边缘特征图像包括：至少两个初始边缘像素点；根据五金件裂纹检测算子对初始边缘像素点进行加权纠正处理，生成边缘纠正因子；基于边缘纠正因子，对初始边缘像素点进行筛选处理，确定裂纹边缘像素点，裂纹边缘像素点构成至少两条裂纹曲线；根据裂纹曲线不同坐标处的灰度信息和曲率信息获得曲度因子，根据曲度因子，结合裂纹曲线，确定裂纹曲线的表面裂纹绵延度；基于曲度因子与表面裂纹绵延度，确定五金件加工的金属表面缺陷概率，根据金属表面缺陷概率，对五金件加工的金属表面缺陷进行检测，由于是通过将不同曝光程度的金属表面图像进行融合从而得到细节信息更加清晰完整的边缘特征图像，并优化五金件裂纹检测算子对初始边缘像素点进行加权纠正，根据曲度因子与表面裂纹绵延度确定五金件加工的金属表面缺陷概率，能够有效的规避了五金件焊接黑化边缘处误判的影响，对焊接位置处的裂纹缺陷进行准确识别，从而提升裂纹缺陷检测的准确度，进而增强五金件裂纹检测的可靠性与实用性。
需要说明的是：上述本公开实施例先后顺序仅仅为了描述，不代表实施例的优劣。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。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
需要说明的是，在本公开的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施例所属技术领域的技术人员所理解。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本公开的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本公开的限制，本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种用于五金件加工的金属表面缺陷检测方法，其特征在于，所述方法包括：
采集至少两种曝光尺度下的所述五金件的金属表面图像，并对所述金属表面图像进行图像处理，生成多曝光尺度的表面灰度图像；对所述多曝光尺度的表面灰度图像进行图像融合处理，生成表面融合图像；
对所述表面融合图像进行边缘特征提取处理，生成边缘特征图像，所述边缘特征图像包括：至少两个初始边缘像素点；根据五金件裂纹检测算子对所述初始边缘像素点进行加权纠正处理，生成边缘纠正因子；基于所述边缘纠正因子，对所述初始边缘像素点进行筛选处理，确定裂纹边缘像素点，所述裂纹边缘像素点构成至少两条裂纹曲线；
根据所述裂纹曲线不同坐标处的灰度信息和曲率信息获得曲度因子，根据所述曲度因子，结合所述裂纹曲线，确定所述裂纹曲线的表面裂纹绵延度；
基于所述曲度因子与所述表面裂纹绵延度，确定所述五金件加工的金属表面缺陷概率，根据所述金属表面缺陷概率，对所述五金件加工的金属表面缺陷进行检测；
所述根据所述曲度因子，结合所述裂纹曲线，确定所述裂纹曲线的表面裂纹绵延度，包括：
确定裂纹分叉点，基于所述裂纹分叉点确定所述裂纹分叉点在圆形范围内的裂纹截断点，根据所述裂纹截断点，结合所述曲度因子，使用表面裂纹绵延度公式确定所述表面裂纹绵延度，其中，所述表面裂纹绵延度公式，包括：
式中，
表示表面裂纹绵延度，
表示圆形范围的圆心位置，
表示裂纹截断点的数量，
表示第
个裂纹截断点，
为中点函数，即取得两个不同截断点
连线位置处的中点位置，
为五金件裂纹缺陷圆的圆心位置
与五金件裂纹缺陷圆中各个不同位置截断点的连线中点位置处的欧式距离，
表示圆形范围的周长，
表示像素点处的曲度因子。
2.如权利要求1所述的方法，其特征在于，所述五金件裂纹检测算子包括：裂纹检测子算子，所述裂纹检测子算子的数量为至少两个，所述根据五金件裂纹检测算子对所述初始边缘像素点进行加权纠正处理，生成边缘纠正因子，包括：
确定所述初始边缘像素点的梯度值，确定所述五金件裂纹检测算子的第一权重值与第二权重值，其中，所述第一权重值为黑色区域的权重值，所述第二权重值为白色区域的权重值；
根据至少两个所述裂纹检测子算子，结合所述梯度值、所述第一权重值，以及所述第二权重值，确定初始纠正因子；基于所述初始纠正因子，确定边缘纠正因子。
3.如权利要求2所述的方法，其特征在于，所述根据至少两个所述裂纹检测子算子，结合所述梯度值、所述第一权重值，以及所述第二权重值，确定初始纠正因子，包括：
使用初始纠正因子公式确定初始纠正因子，其中，所述初始纠正因子公式包括：
式中，
表示初始纠正因子，
表示第一权重值，
表示第二权重值，
表示
处的灰度级大小，
表示像素点的梯度值，
表示黑色区域，
表示白色区域。
4.如权利要求2所述的方法，其特征在于，所述基于所述曲度因子与所述表面裂纹绵延度，确定所述五金件加工的金属表面缺陷概率，包括：
确定不同位置的至少两个所述表面裂纹绵延度，基于至少两个所述表面裂纹绵延度，确定所述裂纹曲线的总绵延度；
将所述总绵延度的数值映射到单位大小的区间上，确定金属表面缺陷概率。
5.如权利要求4所述的方法，其特征在于，所述确定不同位置的至少两个所述表面裂纹绵延度，基于至少两个所述表面裂纹绵延度，确定所述裂纹曲线的总绵延度，包括：
根据总绵延度公式确定所述裂纹曲线的总绵延度，其中，所述总绵延度公式包括：
式中，
表示总绵延度，
表示表面裂纹绵延度的数量，
表示第
个表面裂纹绵延度，
表示平均绵延度。
6.如权利要求5所述的方法，其特征在于，所述根据所述金属表面缺陷概率，对所述五金件加工的金属表面缺陷进行检测，包括：
确定表面缺陷概率阈值，其中，所述表面缺陷概率阈值为所述金属表面缺陷概率的门限值；
在所述金属表面缺陷概率大于所述表面缺陷概率阈值时，则表示所述五金件的金属表面出现缺陷；在所述金属表面缺陷概率小于或等于所述表面缺陷概率阈值时，则表示所述五金件的金属表面未出现缺陷。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310113151.7A CN115830021B (zh) | 2023-02-15 | 2023-02-15 | 一种用于五金件加工的金属表面缺陷检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310113151.7A CN115830021B (zh) | 2023-02-15 | 2023-02-15 | 一种用于五金件加工的金属表面缺陷检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115830021A CN115830021A (zh) | 2023-03-21 |
| CN115830021B true CN115830021B (zh) | 2023-04-21 |
Family
ID=85521390
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310113151.7A Active CN115830021B (zh) | 2023-02-15 | 2023-02-15 | 一种用于五金件加工的金属表面缺陷检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115830021B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116520289B (zh) * | 2023-07-04 | 2023-09-01 | 东莞市新通电子设备有限公司 | 五金件加工过程智能控制方法及相关装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5091967A (en) * | 1988-04-08 | 1992-02-25 | Dainippon Screen Mfg. Co., Ltd. | Method of extracting contour of a subject image from an original |
| CN104166986A (zh) * | 2014-07-07 | 2014-11-26 | 广东工业大学 | 一种条状物体表面缺陷在线视觉注意力检测方法 |
| CN111242923A (zh) * | 2020-01-13 | 2020-06-05 | 国网湖北省电力有限公司宜昌供电公司 | 基于Canny算子的最大熵阈值优化的绝缘子裂纹检测方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110221906A1 (en) * | 2010-03-12 | 2011-09-15 | Board Of Regents, The University Of Texas System | Multiple Camera System for Automated Surface Distress Measurement |
| CN101975695B (zh) * | 2010-10-15 | 2013-07-10 | 华东理工大学 | 含裂纹类缺陷承压设备的安全评定方法 |
| WO2021118463A1 (en) * | 2019-12-09 | 2021-06-17 | Agency For Science, Technology And Research | Defect detection in image space |
| EP3926341A1 (en) * | 2020-06-16 | 2021-12-22 | ABB Schweiz AG | Method and arrangement for crack detection at an edge in a metallic material |
| CN112330628A (zh) * | 2020-11-03 | 2021-02-05 | 南通斯迈尔精密设备有限公司 | 一种金属工件表面缺陷图像检测方法 |
| CN113822890B (zh) * | 2021-11-24 | 2022-02-25 | 中科慧远视觉技术(北京)有限公司 | 一种微裂纹检测方法、装置、系统及存储介质 |
| CN114719749B (zh) * | 2022-04-06 | 2023-07-14 | 重庆大学 | 基于机器视觉的金属表面裂纹检测及真实尺寸测量方法及系统 |
| CN114972204A (zh) * | 2022-04-29 | 2022-08-30 | 江苏至卓特种门业科技有限公司 | 一种钢制品表面裂纹检测方法及设备 |
| CN115035059A (zh) * | 2022-06-06 | 2022-09-09 | 京东方科技集团股份有限公司 | 缺陷检测方法、装置、缺陷检测系统、设备及介质 |
| CN115345885B (zh) * | 2022-10-19 | 2023-12-19 | 南通鹏宝运动用品有限公司 | 一种金属健身器材外观质量检测方法 |
-
2023
- 2023-02-15 CN CN202310113151.7A patent/CN115830021B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5091967A (en) * | 1988-04-08 | 1992-02-25 | Dainippon Screen Mfg. Co., Ltd. | Method of extracting contour of a subject image from an original |
| CN104166986A (zh) * | 2014-07-07 | 2014-11-26 | 广东工业大学 | 一种条状物体表面缺陷在线视觉注意力检测方法 |
| CN111242923A (zh) * | 2020-01-13 | 2020-06-05 | 国网湖北省电力有限公司宜昌供电公司 | 基于Canny算子的最大熵阈值优化的绝缘子裂纹检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115830021A (zh) | 2023-03-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6620477B2 (ja) | コンクリートのひび割れ検出方法及び検出プログラム | |
| CN111047568B (zh) | 一种漏汽缺陷检测识别方法及系统 | |
| CN117351019B (zh) | 一种焊接缺陷检测方法 | |
| CN116721107B (zh) | 一种电缆生产质量智能监控系统 | |
| CN115830021B (zh) | 一种用于五金件加工的金属表面缺陷检测方法 | |
| CN115205290B (zh) | 一种pcb板生产过程在线检测方法及系统 | |
| CN109447011B (zh) | 红外对蒸汽管道泄露的实时监控方法 | |
| CN117095004B (zh) | 基于计算机视觉的挖掘机行走架主体焊接变形检测方法 | |
| CN108871185B (zh) | 零件检测的方法、装置、设备以及计算机可读存储介质 | |
| CN112284260A (zh) | 一种视觉位移监测方法、设备和系统 | |
| CN116309409A (zh) | 一种焊缝缺陷检测方法、系统和存储介质 | |
| CN115147370A (zh) | 一种电池顶盖焊接缺陷检测方法、装置、介质及电子设备 | |
| CN117274252B (zh) | 基于标识解析的钢铁产品表面瑕疵检测系统 | |
| CN116258713B (zh) | 一种金属柜焊接加工检测方法 | |
| WO2017071406A1 (zh) | 金针类元件的引脚检测方法和系统 | |
| CN115841434A (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
| CN112819844B (zh) | 一种图像边缘检测方法及装置 | |
| CN118501177A (zh) | 一种化成箔的外观缺陷检测方法及系统 | |
| CN109767426B (zh) | 一种基于图像特征识别的盾构隧道渗漏水检测方法 | |
| KR20160123455A (ko) | 영상을 이용한 스폿용접 전극팁 오염도 측정방법 | |
| CN117495791A (zh) | 一种表面缺陷定位方法 | |
| CN113554688B (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 | |
| CN111928944B (zh) | 激光光线检测方法、装置和系统 | |
| JP2009017158A (ja) | カメラ検査装置 | |
| CN105427295A (zh) | 一种基于焊缝的图像识别方法和图像识别系统 |
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 |