CN116109572A - 工件边缘微弱缺陷的检测方法、装置及电子设备 - Google Patents
工件边缘微弱缺陷的检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116109572A CN116109572A CN202211699991.8A CN202211699991A CN116109572A CN 116109572 A CN116109572 A CN 116109572A CN 202211699991 A CN202211699991 A CN 202211699991A CN 116109572 A CN116109572 A CN 116109572A
- Authority
- CN
- China
- Prior art keywords
- contour
- edge
- workpiece
- angle information
- target
- 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 90
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims description 48
- 238000004590 computer program Methods 0.000 claims description 14
- 238000009499 grossing Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 abstract description 15
- 238000003384 imaging method Methods 0.000 abstract description 10
- 238000004458 analytical method Methods 0.000 abstract description 7
- 230000000007 visual effect Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/60—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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种工件边缘微弱缺陷的检测方法、装置及电子设备,属于视觉检测技术领域。该方法包括:获取待检测工件的工件边缘图像;基于所述工件边缘图像的灰度信息,进行轮廓提取,得到所述工件边缘图像的目标边缘轮廓;获取所述目标边缘轮廓的轮廓角度信息,所述轮廓角度信息包括所述目标边缘轮廓中每个轮廓点的角度信息;基于所述轮廓角度信息,确定所述待检测工件中所述目标边缘轮廓的微弱缺陷检测结果。该方法通过获取待检测工件边缘的轮廓角度的特征,对获得的轮廓角度信息进行轮廓角度的异常分析,实现工件边缘微弱崩边崩角、微弱毛刺等微弱缺陷的准确检测,且检测准确率高、成像要求低。
Description
技术领域
本申请属于视觉检测技术领域,尤其涉及一种工件边缘微弱缺陷的检测方法、装置及电子设备。
背景技术
工件的边缘为接触部分,在加工或使用的过程中,边缘容易出现崩边崩角、毛刺等缺陷,边缘存在的缺陷会影响工件的装配、使用性能及工作寿命。
目前,对于成像较为明显的崩边崩角、毛刺等显著缺陷,常通过图像二值化后的开闭运算进行缺陷检测,二值化操作对工业相机成像精度、成像灰度有一定要求,这类技术无法实现对成像不太明显的微弱崩边崩角、微弱毛刺等微弱缺陷的准确检测。
因此,亟需一种能够有效检测工件边缘的微弱崩边崩角、微弱毛刺等微弱缺陷的机器视觉检测方法。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种工件边缘微弱缺陷的检测方法、装置及电子设备,可以实现对微弱崩边崩角、微弱毛刺等微弱缺陷的准确检测。
第一方面,本申请提供了一种工件边缘微弱缺陷的检测方法,该方法包括:
获取待检测工件的工件边缘图像;
基于所述工件边缘图像的灰度信息,进行轮廓提取,得到所述工件边缘图像的目标边缘轮廓;
获取所述目标边缘轮廓的轮廓角度信息,所述轮廓角度信息包括所述目标边缘轮廓中每个轮廓点的角度信息;
基于所述轮廓角度信息,确定所述待检测工件中所述目标边缘轮廓的微弱缺陷检测结果。
根据本申请的工件边缘微弱缺陷的检测方法,通过获取待检测工件边缘的轮廓角度的特征,对获得的轮廓角度信息进行轮廓角度的异常分析,实现工件边缘微弱崩边崩角、微弱毛刺等微弱缺陷的准确检测,且检测准确率高、成像要求低。
根据本申请的一个实施例,所述基于所述轮廓角度信息,确定所述待检测工件中所述目标边缘轮廓的微弱缺陷检测结果,包括:
在基于所述轮廓角度信息,确定所述目标边缘轮廓存在目标轮廓点的情况下,确定所述目标边缘轮廓存在微弱缺陷;
其中,所述目标轮廓点的角度信息和与所述目标轮廓点相邻的轮廓点的角度信息的差值大于第一角度阈值。
根据本申请的一个实施例,所述基于所述轮廓角度信息,确定所述目标边缘轮廓存在目标轮廓点,包括:
基于所述轮廓角度信息,获得第一角度函数;
对所述轮廓角度信息进行平滑处理,并基于平滑处理后的所述轮廓角度信息,拟合得到第二角度函数;
基于所述第一角度函数和所述第二角度函数,得到至少一个第一闭合区域;
在确定所述第一闭合区域的区域面积大于第一面积阈值的情况下,确定所述第一闭合区域内的轮廓点为所述目标轮廓点。
根据本申请的一个实施例,所述基于平滑处理后的所述轮廓角度信息,拟合得到第二角度函数,包括:
基于所述目标边缘轮廓的边缘形状,对所述平滑处理后的所述轮廓角度信息进行线性拟合或高次拟合,得到所述第二角度函数。
根据本申请的一个实施例,所述基于所述轮廓角度信息,确定所述目标边缘轮廓存在目标轮廓点,包括:
基于所述轮廓角度信息,确定不相邻的第一轮廓点和第二轮廓点为所述目标轮廓点;
获取所述第一轮廓点和所述第二轮廓点之间的第一像素距离;
在确定所述第一像素距离超出目标像素距离范围的情况下,确定所述第一轮廓点和所述第二轮廓点之间的第三轮廓点为所述目标轮廓点。
根据本申请的一个实施例,所述获取所述目标边缘轮廓的轮廓角度信息,包括:
连接第四轮廓点和与所述第四轮廓点相邻的两个第五轮廓点,形成第一夹角;
获取所述第一夹角的第一角平分线;
以所述第四轮廓点为中心,获取所述第一角平分线的第一灰度矢量;
将所述第一灰度矢量确定为所述第四轮廓点的角度信息。
根据本申请的一个实施例,所述获取所述目标边缘轮廓的轮廓角度信息,包括:
确定第六轮廓点为所述目标边缘轮廓的端点,连接所述第六轮廓点和与所述第六轮廓点相邻的第七轮廓点,得到第一线段;
将所述第一线段的垂线对应的矢量确定为所述第六轮廓点的角度信息。
第二方面,本申请提供了一种工件边缘微弱缺陷的检测装置,该装置包括:
第一获取模块,用于获取待检测工件的工件边缘图像;
第一处理模块,用于基于所述工件边缘图像的灰度信息,进行轮廓提取,得到所述工件边缘图像的目标边缘轮廓;
第二获取模块,用于获取所述目标边缘轮廓的轮廓角度信息,所述轮廓角度信息包括所述目标边缘轮廓中每个轮廓点的角度信息;
第二处理模块,用于基于所述轮廓角度信息,确定所述待检测工件中所述目标边缘轮廓的微弱缺陷检测结果。
根据本申请的工件边缘微弱缺陷的检测装置,通过获取待检测工件边缘的轮廓角度的特征,对获得的轮廓角度信息进行轮廓角度的异常分析,实现工件边缘微弱崩边崩角、微弱毛刺等微弱缺陷的准确检测,且检测准确率高、成像要求低。
第三方面,本申请提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的工件边缘微弱缺陷的检测方法。
第四方面,本申请提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的工件边缘微弱缺陷的检测方法。
第五方面,本申请提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的工件边缘微弱缺陷的检测方法。
本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本申请实施例提供的工件边缘微弱缺陷的检测方法的流程示意图之一;
图2是本申请实施例提供的工件边缘微弱缺陷的检测方法的流程示意图之二;
图3是本申请实施例提供的工件边缘微弱缺陷的检测装置的结构示意图;
图4是本申请实施例提供的电子设备的结构示意图;
图5是本申请实施例提供的电子设备的硬件示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的工件边缘微弱缺陷的检测方法、工件边缘微弱缺陷的检测装置、电子设备和可读存储介质进行详细地说明。
其中,工件边缘微弱缺陷的检测方法可应用于终端,具体可由,终端中的硬件或软件执行。
该终端包括但不限于具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的移动电话或平板电脑等便携式通信设备。还应当理解的是,在某些实施例中,该终端可以不是便携式通信设备,而是具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的台式计算机。
以下各个实施例中,描述了包括显示器和触摸敏感表面的终端。然而,应当理解的是,终端可以包括诸如物理键盘、鼠标和控制杆的一个或多个其它物理用户接口设备。
本申请实施例提供的工件边缘微弱缺陷的检测方法,该工件边缘微弱缺陷的检测方法的执行主体可以为电子设备或者电子设备中能够实现该工件边缘微弱缺陷的检测方法的功能模块或功能实体,本申请实施例提及的电子设备包括但不限于手机、平板电脑、电脑、相机和可穿戴设备等,下面以电子设备作为执行主体为例对本申请实施例提供的工件边缘微弱缺陷的检测方法进行说明。
如图1所示,该工件边缘微弱缺陷的检测方法包括:步骤110、步骤120、步骤130和步骤140。
步骤110、获取待检测工件的工件边缘图像。
在该步骤中,可以通过图像采集装置对待检测工件的边缘进行图像采集,得到工件边缘图像。
在该实施例中,图像采集装置可以为工业相机。
在实际执行中,可以配置光源,为待检测工件提供合适的打光,控制工业相机对待检测工件的边缘进行图像采集,获得工件边缘图像。
获取的待检测工件的工件边缘图像可以为灰度图像,也可以为彩色图像。
步骤120、基于工件边缘图像的灰度信息,进行轮廓提取,得到工件边缘图像的目标边缘轮廓。
图像中灰度值变化剧烈,且具有连续性等特性的位置,可以定义为轮廓,进行轮廓提取,即为获取图像中的轮廓。
在该步骤中,根据工件边缘图像的灰度信息,进行轮廓提取,可以提取出反映灰度值剧烈变化的轮廓点,将这些轮廓点进行连接,得到工件边缘图像的目标边缘轮廓。
可以理解的是,对采集到的工件边缘图像,通过灰度信息进行轮廓提取,提取处于待检测工件边缘的亚像素轮廓点,得到目标边缘轮廓。
在实际执行中,当工件边缘图像为彩色图像时,将其转换成灰度图像,再根据灰度图像的灰度值进行轮廓提取;当工件边缘图像为灰度图像时,直接根据灰度图像的灰度值进行轮廓提取。
在该实施例中,通过工件边缘图像的灰度信息,可以精准提取待检测工件的目标边缘轮廓,有助于提升后续待检测工件边缘缺陷检测的精度。
步骤130、获取目标边缘轮廓的轮廓角度信息。
其中,轮廓角度信息包括目标边缘轮廓中每个轮廓点的角度信息。
可以理解的是,某一轮廓点的角度信息与该轮廓点以及该轮廓点相邻或相近的轮廓点相关。
对通过轮廓提取得到的目标边缘轮廓,获取目标边缘轮廓所有的轮廓点,计算相邻或相近的各个轮廓点的角度数据,将目标边缘轮廓所有轮廓点的角度数据作为目标边缘轮廓的轮廓角度信息。
步骤140、基于轮廓角度信息,确定待检测工件中目标边缘轮廓的微弱缺陷检测结果。
在该步骤中,基于目标边缘轮廓中每个轮廓点的角度信息,对目标边缘轮廓上轮廓角度变化进行分析,判断待检测工件中目标边缘轮廓处是否有微弱缺陷存在。
需要说明的是,本申请发明人发现对于没有崩边崩角或毛刺的边缘,其轮廓的角度为缓慢变化的;对于有崩边崩角或毛刺等缺陷的边缘,其轮廓的角度会发生较大幅度的变化,且轮廓的角度在缺陷为微弱崩边崩角或微弱毛刺等微弱缺陷时,仍然较为明显。
本申请实施例中,本申请发明人创造性地将微弱崩边崩角、微弱毛刺等微弱缺陷的不易检测的像素特征,转变为变化明显且易于检测的轮廓角度的特征,对获得的轮廓角度信息进行轮廓角度的异常分析,实现待检测工件边缘微弱崩边崩角、微弱毛刺等微弱缺陷的准确检测。
需要说明的是,本申请实施例可以对待检测工件边缘微弱崩边崩角、微弱毛刺等微弱缺陷进行准确检测,也可以通过轮廓角度特征的变化,对待检测工件的崩边崩角或毛刺等缺陷进行准确检测。
下面介绍一个具体的实施例。
如图2所示,步骤一、采集图像。
在该步骤中,可以使用工业相机配合合适的光源打光,对待检测工件的边缘进行图像采集,得到工件边缘图像。
步骤二、轮廓提取。
对采集到的工件边缘图像,基于工件边缘图像的灰度信息,提取待检测工件的边缘轮廓,得到目标边缘轮廓。
步骤三、轮廓角度计算。
对于由轮廓提取步骤提取到的目标边缘轮廓,获取目标边缘轮廓上所有的轮廓点,进行相邻点的角度计算,获得目标边缘轮廓的轮廓角度信息,其中,轮廓角度信息包括目标边缘轮廓所有轮廓点的角度信息。
步骤四、轮廓角度异常点捕获。
对轮廓角度计算步骤计算得到的轮廓角度信息进行分析,对于部分轮廓点的角度信息同相邻的轮廓点的角度信息相差较大时,将这部分轮廓点判定为异常轮廓点。
步骤五、边缘微弱缺陷检测。
轮廓角度异常点捕获步骤捕获到的异常轮廓点,即为微弱崩边崩角或微弱毛刺的缺陷区域像素点,根据捕获到的异常轮廓点,完成对待检测工件边缘的微弱缺陷的准确检测。
根据本申请实施例提供的工件边缘微弱缺陷的检测方法,通过获取待检测工件边缘的轮廓角度的特征,对获得的轮廓角度信息进行轮廓角度的异常分析,实现工件边缘微弱崩边崩角、微弱毛刺等微弱缺陷的准确检测,且检测准确率高、成像要求低。
在一些实施例中,步骤140、基于轮廓角度信息,确定待检测工件中目标边缘轮廓的微弱缺陷检测结果,可以包括:
在基于轮廓角度信息,确定目标边缘轮廓存在目标轮廓点的情况下,确定目标边缘轮廓存在微弱缺陷;
其中,目标轮廓点的角度信息和与目标轮廓点相邻的轮廓点的角度信息的差值大于第一角度阈值。
其中,目标轮廓点为目标边缘轮廓中轮廓角度异常的轮廓点。
目标轮廓点的角度信息和与目标轮廓点相邻的轮廓点的角度信息的差值大于第一角度阈值,表明目标轮廓点的角度信息与相邻轮廓点的角度信息相差较大,目标轮廓点为轮廓角度异常的轮廓点。
在该实施例中,根据目标边缘轮廓的轮廓角度信息,对目标边缘轮廓中每个轮廓点进行分析,判断出目标边缘轮廓中存在轮廓角度异常的目标轮廓点时,目标边缘轮廓存在微弱崩边崩角或微弱毛刺等微弱缺陷。
其中,目标边缘轮廓上确定出的目标轮廓点所在的区域,即为微弱崩边崩角或微弱毛刺等微弱缺陷存在的区域。
在一些实施例中,基于轮廓角度信息,确定目标边缘轮廓存在目标轮廓点,可以包括:
基于轮廓角度信息,获得第一角度函数;
对轮廓角度信息进行平滑处理,并基于平滑处理后的轮廓角度信息,拟合得到第二角度函数;
基于第一角度函数和第二角度函数,得到至少一个第一闭合区域;
在确定第一闭合区域的区域面积大于第一面积阈值的情况下,确定第一闭合区域内的轮廓点为目标轮廓点。
根据目标边缘轮廓中每个轮廓点的角度信息,计算目标边缘轮廓的角度函数,角度函数用于表征目标边缘轮廓的轮廓点的角度变化特征。
在该实施例中,基于轮廓角度信息,获得第一角度函数,其中,第一角度函数表征进行轮廓提取后的目标边缘轮廓原本的角度变化特征。
对目标边缘轮廓的轮廓角度信息进行平滑处理,对平滑处理后的轮廓角度信息进行拟合,获得第二角度函数,其中,第二角度函数表征目标边缘轮廓平滑后的角度变化特征。
根据第一角度函数和第二角度函数,可以形成至少一个第一闭合区域,计算每个第一闭合区域的区域面积,当确定某一第一闭合区域的区域面积大于第一面积阈值时,判断第一闭合区域内的轮廓点为目标轮廓点。
在实际执行中,第一闭合区域内的轮廓点可以为一个或多个。
在一些实施例中,基于平滑处理后的轮廓角度信息,拟合得到第二角度函数,可以包括:
基于目标边缘轮廓的边缘形状,对平滑处理后的轮廓角度信息进行线性拟合或高次拟合,得到第二角度函数。
在该实施例中,根据目标边缘轮廓的边缘形状,选择线性拟合或高次拟合对平滑处理后的轮廓角度信息进行拟合处理,得到第二角度函数。
第二角度函数的拟合函数形式基于目标边缘轮廓的边缘形状确定,例如,目标边缘轮廓为直边时,可以选择线性拟合对平滑处理后的轮廓角度信息进行拟合处理。
再例如,目标边缘轮廓为弯曲边缘时,可以选择高次拟合对平滑处理后的轮廓角度信息进行拟合处理,拟合函数的次幂可以根据目标边缘轮廓的边缘形状进行调整。
在一些实施例中,基于轮廓角度信息,确定目标边缘轮廓存在目标轮廓点,可以包括:
基于轮廓角度信息,确定不相邻的第一轮廓点和第二轮廓点为目标轮廓点;
获取第一轮廓点和第二轮廓点之间的第一像素距离;
在确定第一像素距离超出目标像素距离范围的情况下,确定第一轮廓点和第二轮廓点之间的第三轮廓点为目标轮廓点。
在该实施例中,对已经确定出的目标轮廓点(第一轮廓点和第二轮廓点)做连接处理,计算不相邻的第一轮廓点和第二轮廓点之间的第一像素距离,当判断第一像素距离超出目标像素距离范围时,将第一轮廓点和第二轮廓点之间的第三轮廓点确定为目标轮廓点,可以精确检出细长崩边类缺陷,提升缺陷检测的全面性。
目标像素距离范围可以为预先设置的像素距离范围,可以根据实际检测工件种类、尺寸进行调整。
确定第一像素距离超出目标像素距离范围,可以为第一轮廓点和第二轮廓点之间的第一像素距离大于目标像素距离范围的上限值,也可以为第一轮廓点和第二轮廓点之间的第一像素距离小于目标像素距离范围的下限值。
在一些实施例中,步骤130、获取目标边缘轮廓的轮廓角度信息,可以包括:
连接第四轮廓点和与第四轮廓点相邻的两个第五轮廓点,形成第一夹角;
获取第一夹角的第一角平分线;
以第四轮廓点为中心,获取第一角平分线的第一灰度矢量;
将第一灰度矢量确定为第四轮廓点的角度信息。
在该实施例中,第四轮廓点是待计算角度信息的轮廓点,根据第四轮廓点和与第四轮廓点相邻的两个第五轮廓点,计算第四轮廓点的角度信息。
需要说明的是,第四轮廓点不是目标边缘轮廓的端点,第四轮廓点具有两个与之相邻的第五轮廓点。
在实际执行中,用待计算角度的第四轮廓点分别与两个第五轮廓点相连,得到两条线段,两条线段形成第一夹角。
在获取到第一夹角的第一角平分线后,以待计算角度的第四轮廓点为中心,计算第一角平分线上像素点灰度值从高至低或从低至高的方向矢量第一灰度矢量,以该第一灰度矢量的方向作为第四轮廓点的角度,确定第四轮廓点的角度信息。
在一些实施例中,步骤130、获取目标边缘轮廓的轮廓角度信息,可以包括:
确定第六轮廓点为目标边缘轮廓的端点,连接第六轮廓点和与第六轮廓点相邻的第七轮廓点,得到第一线段;
将第一线段的垂线对应的矢量确定为第六轮廓点的角度信息。
在该实施例中,第六轮廓点是待计算角度信息的轮廓点,且第六轮廓点为目标边缘轮廓两端的端点。
可以理解的是,第六轮廓点为目标边缘轮廓两端的端点,与第六轮廓点相邻的第七轮廓点只有一个,第七轮廓点可以称为次端点。
在该实施例中,连接第六轮廓点和第七轮廓点,得到第一线段,即端点和次端点之间的线段,对第一线段做垂线处理,得到第一线段的垂线,将第一线段的垂线对应的矢量方向作为待计算角度信息的第六轮廓点的角度,确定第六轮廓点的角度信息。
本申请实施例提供的工件边缘微弱缺陷的检测方法,执行主体可以为工件边缘微弱缺陷的检测装置。本申请实施例中以工件边缘微弱缺陷的检测装置执行工件边缘微弱缺陷的检测方法为例,说明本申请实施例提供的工件边缘微弱缺陷的检测装置。
本申请实施例还提供一种工件边缘微弱缺陷的检测装置。
如图3所示,该工件边缘微弱缺陷的检测装置包括:
第一获取模块310,用于获取待检测工件的工件边缘图像;
第一处理模块320,用于基于工件边缘图像的灰度信息,进行轮廓提取,得到工件边缘图像的目标边缘轮廓;
第二获取模块330,用于获取目标边缘轮廓的轮廓角度信息,轮廓角度信息包括目标边缘轮廓中每个轮廓点的角度信息;
第二处理模块340,用于基于轮廓角度信息,确定待检测工件中目标边缘轮廓的微弱缺陷检测结果。
根据本申请实施例提供的工件边缘微弱缺陷的检测装置,通过获取待检测工件边缘的轮廓角度的特征,对获得的轮廓角度信息进行轮廓角度的异常分析,实现工件边缘微弱崩边崩角、微弱毛刺等微弱缺陷的准确检测,且检测准确率高、成像要求低。
在一些实施例中,第二处理模块340,用于在基于轮廓角度信息,确定目标边缘轮廓存在目标轮廓点的情况下,确定目标边缘轮廓存在微弱缺陷;
其中,目标轮廓点的角度信息和与目标轮廓点相邻的轮廓点的角度信息的差值大于第一角度阈值。
在一些实施例中,第二处理模块340,用于基于轮廓角度信息,获得第一角度函数;
对轮廓角度信息进行平滑处理,并基于平滑处理后的轮廓角度信息,拟合得到第二角度函数;
基于第一角度函数和第二角度函数,得到至少一个第一闭合区域;
在确定第一闭合区域的区域面积大于第一面积阈值的情况下,确定第一闭合区域内的轮廓点为目标轮廓点。
在一些实施例中,第二处理模块340,用于基于目标边缘轮廓的边缘形状,对平滑处理后的轮廓角度信息进行线性拟合或高次拟合,得到第二角度函数。
在一些实施例中,第二处理模块340,用于基于轮廓角度信息,确定不相邻的第一轮廓点和第二轮廓点为目标轮廓点;
获取第一轮廓点和第二轮廓点之间的第一像素距离;
在确定第一像素距离超出目标像素距离范围的情况下,确定第一轮廓点和第二轮廓点之间的第三轮廓点为目标轮廓点。
在一些实施例中,第二获取模块330,用于连接第四轮廓点和与第四轮廓点相邻的两个第五轮廓点,形成第一夹角;
获取第一夹角的第一角平分线;
以第四轮廓点为中心,获取第一角平分线的第一灰度矢量;
将第一灰度矢量确定为第四轮廓点的角度信息。
在一些实施例中,第二获取模块330,用于确定第六轮廓点为目标边缘轮廓的端点,连接第六轮廓点和与第六轮廓点相邻的第七轮廓点,得到第一线段;
将第一线段的垂线对应的矢量确定为第六轮廓点的角度信息。
本申请实施例中的工件边缘微弱缺陷的检测装置可以是电子设备,也可以是电子设备中的部件,例如集成电路或芯片。该电子设备可以是终端,也可以为除终端之外的其他设备。示例性的,电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(Mobile Internet Device,MID)、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobilepersonal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,还可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的工件边缘微弱缺陷的检测装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为IOS操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请实施例提供的工件边缘微弱缺陷的检测装置能够实现图1至图2的方法实施例实现的各个过程,为避免重复,这里不再赘述。
在一些实施例中,如图4所示,本申请实施例还提供一种电子设备400,包括处理器401、存储器402及存储在存储器402上并可在处理器401上运行的计算机程序,该程序被处理器401执行时实现上述工件边缘微弱缺陷的检测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,本申请实施例中的电子设备包括上述的移动电子设备和非移动电子设备。
图5为实现本申请实施例的一种电子设备的硬件结构示意图。
该电子设备500包括但不限于:射频单元501、网络模块502、音频输出单元503、输入单元504、传感器505、显示单元506、用户输入单元507、接口单元508、存储器509以及处理器510等部件。
本领域技术人员可以理解,电子设备500还可以包括给各个部件供电的电源(比如电池),电源可以通过电源管理系统与处理器510逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图5中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置,在此不再赘述。
其中,输入单元504,在本申请实施例中为摄像头,用于获取待检测工件的工件边缘图像;
处理器510,用于基于工件边缘图像的灰度信息,进行轮廓提取,得到工件边缘图像的目标边缘轮廓;
获取目标边缘轮廓的轮廓角度信息,轮廓角度信息包括目标边缘轮廓中每个轮廓点的角度信息;
基于轮廓角度信息,确定待检测工件中目标边缘轮廓的微弱缺陷检测结果。
根据本申请实施例提供的电子设备,通过获取待检测工件边缘的轮廓角度的特征,对获得的轮廓角度信息进行轮廓角度的异常分析,实现工件边缘微弱崩边崩角、微弱毛刺等微弱缺陷的准确检测,且检测准确率高、成像要求低。
在一些实施例中,处理器510,还用于:
在基于轮廓角度信息,确定目标边缘轮廓存在目标轮廓点的情况下,确定目标边缘轮廓存在微弱缺陷;
其中,目标轮廓点的角度信息和与目标轮廓点相邻的轮廓点的角度信息的差值大于第一角度阈值。
在一些实施例中,处理器510,还用于:
基于轮廓角度信息,获得第一角度函数;
对轮廓角度信息进行平滑处理,并基于平滑处理后的轮廓角度信息,拟合得到第二角度函数;
基于第一角度函数和第二角度函数,得到至少一个第一闭合区域;
在确定第一闭合区域的区域面积大于第一面积阈值的情况下,确定第一闭合区域内的轮廓点为目标轮廓点。
在一些实施例中,处理器510,还用于:
基于目标边缘轮廓的边缘形状,对平滑处理后的轮廓角度信息进行线性拟合或高次拟合,得到第二角度函数。
在一些实施例中,处理器510,还用于:
基于轮廓角度信息,确定不相邻的第一轮廓点和第二轮廓点为目标轮廓点;
获取第一轮廓点和第二轮廓点之间的第一像素距离;
在确定第一像素距离超出目标像素距离范围的情况下,确定第一轮廓点和第二轮廓点之间的第三轮廓点为目标轮廓点。
在一些实施例中,处理器510,还用于:
连接第四轮廓点和与第四轮廓点相邻的两个第五轮廓点,形成第一夹角;
获取第一夹角的第一角平分线;
以第四轮廓点为中心,获取第一角平分线的第一灰度矢量;
将第一灰度矢量确定为第四轮廓点的角度信息。
在一些实施例中,处理器510,还用于:
确定第六轮廓点为目标边缘轮廓的端点,连接第六轮廓点和与第六轮廓点相邻的第七轮廓点,得到第一线段;
将第一线段的垂线对应的矢量确定为第六轮廓点的角度信息。
应理解的是,本申请实施例中,输入单元504可以包括图形处理器(GraphicsProcessing Unit,GPU)5041和麦克风5042,图形处理器5041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元506可包括显示面板5061,可以采用液晶显示器、有机发光二极管等形式来配置显示面板5061。用户输入单元507包括触控面板5071以及其他输入设备5072中的至少一种。触控面板5071,也称为触摸屏。触控面板5071可包括触摸检测装置和触摸控制器两个部分。其他输入设备5072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。
存储器509可用于存储软件程序以及各种数据。存储器509可主要包括存储程序或指令的第一存储区和存储数据的第二存储区,其中,第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外,存储器509可以包括易失性存储器或非易失性存储器,或者,存储器509可以包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM,SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,DRRAM)。本申请实施例中的存储器509包括但不限于这些和任意其它适合类型的存储器。
处理器510可包括一个或多个处理单元;处理器510集成应用处理器和调制解调处理器,其中,应用处理器主要处理涉及操作系统、用户界面和应用程序等的操作,调制解调处理器主要处理无线通信信号,如基带处理器。可以理解的是,上述调制解调处理器也可以不集成到处理器510中。
本申请实施例还提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述工件边缘微弱缺陷的检测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例还提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述工件边缘微弱缺陷的检测方法。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述工件边缘微弱缺陷的检测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可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,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“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申请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。
尽管已经示出和描述了本申请的实施例,本领域的普通技术人员可以理解:在不脱离本申请的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本申请的范围由权利要求及其等同物限定。
Claims (11)
1.一种工件边缘微弱缺陷的检测方法,其特征在于,包括:
获取待检测工件的工件边缘图像;
基于所述工件边缘图像的灰度信息,进行轮廓提取,得到所述工件边缘图像的目标边缘轮廓;
获取所述目标边缘轮廓的轮廓角度信息,所述轮廓角度信息包括所述目标边缘轮廓中每个轮廓点的角度信息;
基于所述轮廓角度信息,确定所述待检测工件中所述目标边缘轮廓的微弱缺陷检测结果。
2.根据权利要求1所述的工件边缘微弱缺陷的检测方法,其特征在于,所述基于所述轮廓角度信息,确定所述待检测工件中所述目标边缘轮廓的微弱缺陷检测结果,包括:
在基于所述轮廓角度信息,确定所述目标边缘轮廓存在目标轮廓点的情况下,确定所述目标边缘轮廓存在微弱缺陷;
其中,所述目标轮廓点的角度信息和与所述目标轮廓点相邻的轮廓点的角度信息的差值大于第一角度阈值。
3.根据权利要求2所述的工件边缘微弱缺陷的检测方法,其特征在于,所述基于所述轮廓角度信息,确定所述目标边缘轮廓存在目标轮廓点,包括:
基于所述轮廓角度信息,获得第一角度函数;
对所述轮廓角度信息进行平滑处理,并基于平滑处理后的所述轮廓角度信息,拟合得到第二角度函数;
基于所述第一角度函数和所述第二角度函数,得到至少一个第一闭合区域;
在确定所述第一闭合区域的区域面积大于第一面积阈值的情况下,确定所述第一闭合区域内的轮廓点为所述目标轮廓点。
4.根据权利要求3所述的工件边缘微弱缺陷的检测方法,其特征在于,所述基于平滑处理后的所述轮廓角度信息,拟合得到第二角度函数,包括:
基于所述目标边缘轮廓的边缘形状,对所述平滑处理后的所述轮廓角度信息进行线性拟合或高次拟合,得到所述第二角度函数。
5.根据权利要求2所述的工件边缘微弱缺陷的检测方法,其特征在于,所述基于所述轮廓角度信息,确定所述目标边缘轮廓存在目标轮廓点,包括:
基于所述轮廓角度信息,确定不相邻的第一轮廓点和第二轮廓点为所述目标轮廓点;
获取所述第一轮廓点和所述第二轮廓点之间的第一像素距离;
在确定所述第一像素距离超出目标像素距离范围的情况下,确定所述第一轮廓点和所述第二轮廓点之间的第三轮廓点为所述目标轮廓点。
6.根据权利要求1-5任一项所述的工件边缘微弱缺陷的检测方法,其特征在于,所述获取所述目标边缘轮廓的轮廓角度信息,包括:
连接第四轮廓点和与所述第四轮廓点相邻的两个第五轮廓点,形成第一夹角;
获取所述第一夹角的第一角平分线;
以所述第四轮廓点为中心,获取所述第一角平分线的第一灰度矢量;
将所述第一灰度矢量确定为所述第四轮廓点的角度信息。
7.根据权利要求1-5任一项所述的工件边缘微弱缺陷的检测方法,其特征在于,所述获取所述目标边缘轮廓的轮廓角度信息,包括:
确定第六轮廓点为所述目标边缘轮廓的端点,连接所述第六轮廓点和与所述第六轮廓点相邻的第七轮廓点,得到第一线段;
将所述第一线段的垂线对应的矢量确定为所述第六轮廓点的角度信息。
8.一种工件边缘微弱缺陷的检测装置,其特征在于,
第一获取模块,用于获取待检测工件的工件边缘图像;
第一处理模块,用于基于所述工件边缘图像的灰度信息,进行轮廓提取,得到所述工件边缘图像的目标边缘轮廓;
第二获取模块,用于获取所述目标边缘轮廓的轮廓角度信息,所述轮廓角度信息包括所述目标边缘轮廓中每个轮廓点的角度信息;
第二处理模块,用于基于所述轮廓角度信息,确定所述待检测工件中所述目标边缘轮廓的微弱缺陷检测结果。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任一项所述工件边缘微弱缺陷的检测方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7任一项所述的工件边缘微弱缺陷的检测方法。
11.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述工件边缘微弱缺陷的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211699991.8A CN116109572A (zh) | 2022-12-28 | 2022-12-28 | 工件边缘微弱缺陷的检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211699991.8A CN116109572A (zh) | 2022-12-28 | 2022-12-28 | 工件边缘微弱缺陷的检测方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116109572A true CN116109572A (zh) | 2023-05-12 |
Family
ID=86257405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211699991.8A Pending CN116109572A (zh) | 2022-12-28 | 2022-12-28 | 工件边缘微弱缺陷的检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116109572A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117576088A (zh) * | 2024-01-15 | 2024-02-20 | 平方和(北京)科技有限公司 | 一种液体杂质智能过滤视觉检测方法和装置 |
CN118010738A (zh) * | 2024-04-09 | 2024-05-10 | 钛玛科(北京)工业科技有限公司 | 基于轮廓的轮胎棉线提取方法、装置、设备及存储介质 |
-
2022
- 2022-12-28 CN CN202211699991.8A patent/CN116109572A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117576088A (zh) * | 2024-01-15 | 2024-02-20 | 平方和(北京)科技有限公司 | 一种液体杂质智能过滤视觉检测方法和装置 |
CN117576088B (zh) * | 2024-01-15 | 2024-04-05 | 平方和(北京)科技有限公司 | 一种液体杂质智能过滤视觉检测方法和装置 |
CN118010738A (zh) * | 2024-04-09 | 2024-05-10 | 钛玛科(北京)工业科技有限公司 | 基于轮廓的轮胎棉线提取方法、装置、设备及存储介质 |
CN118010738B (zh) * | 2024-04-09 | 2024-06-11 | 钛玛科(北京)工业科技有限公司 | 基于轮廓的轮胎棉线提取方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2016127736A1 (zh) | 指纹重叠区域面积的计算方法及电子装置 | |
CN116109572A (zh) | 工件边缘微弱缺陷的检测方法、装置及电子设备 | |
CN109977859B (zh) | 一种图标识别的方法以及相关装置 | |
US8965051B2 (en) | Method and apparatus for providing hand detection | |
CN109167893B (zh) | 拍摄图像的处理方法、装置、存储介质及移动终端 | |
KR101559502B1 (ko) | 실시간 손 포즈 인식을 통한 비접촉식 입력 인터페이스 방법 및 기록 매체 | |
CN116188379A (zh) | 边缘缺陷检测方法、装置、电子设备及存储介质 | |
CN110738078A (zh) | 一种人脸识别方法及终端设备 | |
CN116958145B (zh) | 图像处理方法、装置、视觉检测系统及电子设备 | |
CN111898610A (zh) | 卡片缺角检测方法、装置、计算机设备及存储介质 | |
CN112532884B (zh) | 识别方法、装置及电子设备 | |
CN106355182A (zh) | 用于对象检测和图像处理的方法和装置 | |
CN103227864A (zh) | 一种检测图像边缘的方法和移动终端 | |
CN116168040A (zh) | 元器件的方向检测方法、装置、电子设备及可读存储介质 | |
CN116245808A (zh) | 工件缺陷检测方法、装置、电子设备及存储介质 | |
CN110619597A (zh) | 一种半透明水印去除方法、装置、电子设备及存储介质 | |
CN115829929A (zh) | 产品表面图像的缺陷检测方法、装置、设备及存储介质 | |
CN114565777A (zh) | 数据处理方法和装置 | |
CN114089868A (zh) | 触控操作方法、装置和电子设备 | |
CN110782439B (zh) | 一种辅助检测图像标注质量的方法及装置 | |
CN112286430A (zh) | 图像处理方法、装置、设备及介质 | |
CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
CN113055599B (zh) | 摄像头的切换方法、装置、电子设备和可读存储介质 | |
CN114244884B (zh) | 应用于云游戏的基于眼球跟踪的视频编码方法 | |
CN116109573A (zh) | 光学字符验证方法、装置、电子设备及存储介质 |
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 |