CN116664554B - 一种基于图像处理的螺栓螺纹缺陷检测方法 - Google Patents
一种基于图像处理的螺栓螺纹缺陷检测方法 Download PDFInfo
- Publication number
- CN116664554B CN116664554B CN202310920042.6A CN202310920042A CN116664554B CN 116664554 B CN116664554 B CN 116664554B CN 202310920042 A CN202310920042 A CN 202310920042A CN 116664554 B CN116664554 B CN 116664554B
- Authority
- CN
- China
- Prior art keywords
- bolt
- thread
- obtaining
- binary image
- pixel points
- 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 39
- 238000001514 detection method Methods 0.000 title abstract description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 26
- 238000003708 edge detection Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 20
- 238000007689 inspection Methods 0.000 claims description 2
- 230000002950 deficient Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于图像处理的螺栓螺纹缺陷检测方法,涉及图像处理技术领域,该方法包括:获取待检测螺栓的二值图像;根据二值图像中每列的螺栓区域像素点的数量得到列和曲线图,获取行和曲线图;根据列和曲线图以及行和曲线图中的螺栓区域像素点的数量和坐标,得到二值图像中螺纹区域的坐标范围,根据坐标范围得到二值图像中螺纹区域的外接矩形;对螺纹区域的外接矩形的区域进行边缘检测得到螺纹的纹线边缘,根据纹线边缘的像素点坐标得到螺纹的合格螺纹牙,根据相邻两合格螺纹牙之间的距离得到该螺纹对应的螺栓的评价系数,根据评价系数确定螺栓的缺陷等级,本发明方法提高了螺栓螺纹缺陷检测的准确率。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于图像处理的螺栓螺纹缺陷检测方法。
背景技术
在机械工业制品中,螺栓是其中最重要的紧固件、连接件和传动组件,螺栓螺纹表面的质量会直接影响工业生产的正常进行,常见地,由于磨损、牙伤的原因导致螺栓松动,在高强度工作的机械设备中将会引发更大的安全隐患。目前,工业螺栓的缺陷检测己成为工业生产中极为重要的一个环节。人工目测的方法效率低且容易错检漏检。
因此大部分企业利用检测装置对螺纹进行缺陷检测,相对于人工目标测准确率较高,但是检测装置是对整张图像的所有像素点进行处理,通过计算螺纹的牙型角来判断螺纹是否有缺陷,这种方法需计算整张图像的像素点以及曲线角度,计算量过大导致检测效率相对较低。
发明内容
本发明提供一种基于图像处理的螺栓螺纹缺陷检测方法,以解决现有的检测装置通过螺纹的牙型角判断螺纹缺陷,计算量过大导致检测效率低问题。
本发明的一种基于图像处理的螺栓螺纹缺陷检测方法采用如下技术方案:该方法包括:
获取待检测螺栓的二值图像;
将二值图像中螺栓轴向记为列方向,垂直于螺栓轴向记为行方向,根据二值图像中每列的螺栓区域像素点的数量得到列和曲线图,根据每行的螺栓区域像素点的数量得到行和曲线图;
根据列和曲线图以及行和曲线图中的螺栓区域像素点的数量和坐标,得到二值图像中螺纹区域的坐标范围,根据坐标范围得到二值图像中螺纹区域的外接矩形;
对螺纹区域的外接矩形的区域进行边缘检测得到螺纹的纹线边缘,根据纹线边缘的像素点坐标得到螺纹的合格螺纹牙,以及相邻两合格螺纹牙之间的距离;
根据相邻两合格螺纹牙之间的距离得到该螺纹对应的螺栓的评价系数,根据评价系数确定螺栓的缺陷等级。
进一步,根据二值图像中每列的螺栓区域像素点的数量得到列和曲线图,根据每行的螺栓区域像素点的数量得到行和曲线图的步骤包括:
将二值图像中平行于螺栓轴向的方向记为列方向,获取二值图像中每列的螺栓区域像素点的数量;
根据每列的螺栓区域像素点的数量和以及该列像素点在二值图像中横坐标得到列和曲线图;
将垂直于列的方向记为行方向,获取二值图像中每行的螺栓区域像素点的数量;
根据每行的螺栓区域像素点的数量和该行像素点在二值图像中的纵坐标得到行和曲线图。
进一步,根据列和曲线图以及行和曲线图中的螺栓区域像素点的数量和坐标,得到二值图像中螺纹区域的坐标范围的步骤包括:
根据列和曲线图中每列的螺栓区域像素点的数量和坐标得到左侧螺纹区域的左侧横坐标范围、右侧螺纹区域的右侧横坐标范围;
根据行和曲线图中每行的螺栓区域像素点的数量和坐标得到螺纹区域的纵坐标范围。
进一步,根据坐标范围得到二值图像中螺纹区域的外接矩形的步骤包括:
根据左侧螺纹区域的左侧横坐标范围和纵坐标范围得到二值图像中左侧螺纹区域的左侧外接矩形;
根据右侧螺纹区域的右侧横坐标范围和纵坐标范围得到二值图像中右侧螺纹区域的右侧外接矩形。
进一步,根据相邻两合格螺纹牙之间的距离得到该螺纹对应的螺栓的评价系数的步骤包括:
获取所有相邻两合格螺纹牙之间的距离中的最小距离和最大距离,根据最小距离和最大距离的比值得到该螺纹对应螺栓的评价系数。
进一步,根据评价系数确定螺栓的缺陷等级的方法为:
当评价系数在预设的第一阈值区间,该螺栓螺纹基本无缺陷,符合过检要求;
当评价系数在预设的第二阈值区间,该螺栓为三级缺陷;
当评价系数在预设的第三阈值区间,该螺栓为二级缺陷;
当评价系数在预设的第四阈值区间,该螺栓为一级缺陷。
本发明的有益效果是:本发明的一种基于图像处理的螺栓螺纹缺陷检测方法,通过行和列的螺栓区域的像素点数量得到螺纹区域的坐标范围,根据坐标范围得到螺纹的外接矩形区域,对外接矩形区域进行边缘检测,相比于对整个灰度图像进行边缘检测并处理边缘检测后的结果减少了计算量,能够使检测效率更高;通过边缘检测得到纹线边缘,根据纹线边缘的像素点坐标得到的螺纹相邻两合格螺纹牙之间的距离计算螺栓的评价系数,通过坐标具体数值的计算能够使检测结果的更精确,准确率更高。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种基于图像处理的螺栓螺纹缺陷检测方法的实施例总体步骤的流程图;
图2为图像采集平台;
图3为图像采集平台的俯视图;
图4为图1中的二值图像;
图5为图1中的列和曲线图;
图6为图1中的行和曲线图;
图7为图1中的外接矩形的坐标系。
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。
本发明的一种基于图像处理的螺栓螺纹缺陷检测方法的实施例,如图1所示,该方法包括:
S1、获取待检测螺栓的二值图像。
具体的,设置待检测螺栓的图像采集平台,如图2所示,图像采集平台主要包括螺栓、转动装置、光源和电子相机,为了排除环境光对检测过程的干扰,在图像采集平台左右两侧分别设置两个照明灯,如图3所示,通过电子相机的闪光灯拍摄后,能够有效减少环境光对待检测螺栓的图像的噪声杂质影响;由于电子相机拍摄只能获取某一角度的图像,不能得到待检测螺栓的完整图像,为了获得各个不同方向的轮廓图象,在图像采集平台中设置转动装置,该转动装置能够进行180°的转动,每转动30°电子相机拍摄一次,对同一个待检测螺栓一共采集六次图像,得到六个待测螺栓的图像,记为待检测螺栓的图像集。
电子相机采集到的待检测螺栓的图像为RGB图像,RGB图像是三层通道,转换为灰度图只有一层通道,在进行计算时可以有效降低计算量,这样更便于处理,对采集到的待检测螺栓的每个RGB图像灰度化处理得到待检测螺栓的灰度图像。
获取待检测螺栓的灰度图像中所有像素点的灰度值,根据预设的分割阈值和每个像素点的灰度值,将灰度图像中灰度值小于分割阈值的像素点划分为初始螺栓区域像素点,将灰度图像中灰度值大于或等于分割阈值的点划分为初始背景点;获取初始螺栓区域像素点占灰度图像所有像素点的初始螺栓区域比例和初始螺栓区域像素点的灰度值均值/>,获取初始背景点占灰度图像所有像素点的初始背景点比例/>和初始背景点的灰度值均值/>。
根据下式计算类间方差:
其中,g表示类间方差;表示初始螺栓区域比例;/>表示初始螺栓区域像素点的灰度值均值;/>表示初始背景点比例;/>表示初始背景点的灰度值均值。
多次调整预设的分割阈值得到多个对应的类间方差,从多个类间方差中选取最大类间方差,将得到最大类间方差的分割阈值作为灰度阈值;将灰度图像中灰度值小于灰度阈值的像素点划分为螺栓区域像素点,将灰度图像中灰度值大于或等于灰度阈值的像素点划分为背景点;根据分割后的灰度图像进行二值化处理,将螺栓区域像素点的灰度值全部置为1,将背景点的灰度值全部置为0,得到灰度图像的二值图像,如图4所示,图4为二值图像中截取的螺纹部分二值图像。
S2、将二值图像中螺栓轴向记为列方向,垂直于螺栓轴向记为行方向,根据二值图像中每列螺栓区域像素点的数量得到列和曲线图,根据每行螺栓区域像素点的数量得到行和曲线图。
具体的,将二值图像中平行于螺栓轴向且由螺纹指向螺帽的方向规定为下,记二值图像的左下角的坐标为,构建二值图像中螺栓区域像素点的列和曲线图如图5所示,以及行和曲线图如图6所示,二值图像的最下边从坐标/>向右为横轴/>的正方向,二值图像的最左边从坐标/>向上为纵轴/>的正方向,将二值图像中平行于横轴的方向记为行方向,将平行于纵轴的方向记为列方向,/>表示二值图像中横坐标为/>的所有螺栓区域像素点数量,即二值图像中第/>列的螺栓区域像素点数量,/>表示二值图像中纵坐标为/>的所有螺栓区域像素点数量,即二值图像中第/>行的螺栓区域像素点数量; />即为列和曲线图如图5所示,/>即为行和曲线图如图6所示。
S3、根据列和曲线图以及行和曲线图中的螺栓区域像素点的数量和坐标,得到二值图像中螺纹区域的坐标范围,根据坐标范围得到二值图像中螺纹区域的外接矩形。
具体的,在列和曲线图中,由于螺栓在中心轴两侧是完全对称的,如图5所示,最小的是螺栓的螺帽区域,螺栓螺纹的截面呈刺状,随着/>的增大,由螺帽区域过渡到螺纹区域,二值图像中每列的螺栓区域像素点的数量会不断增大,即/>不断增大,随后由螺纹区域过渡到螺栓螺纹端面,此时二值图像中每列的螺栓区域像素点的数量达到最大值,即达到 />,根据螺栓的对称性质得到右侧对称趋势。
在行和曲线图中,如图6所示,螺帽区域的横截面最大,则螺帽区域对应的二值图像中螺栓区域像素点的数量最多,即为,随着/>的增大,由螺帽区域过渡到螺纹区域,二值图像中每列的螺栓区域像素点的数量会突然减小,并达到最小值/>。
根据列和曲线图提取螺纹区域的横坐标信息,统计螺栓区域像素点的数量在范围内的列,如图5所示,螺纹区域一定是在0.5倍的螺栓区域像素点的数量最大值和1.5倍的最小值之间的,从0.5倍的最大值和1.5倍的最小值之间选取最小值对应的横坐标作为螺纹区域的横坐标,即统计所有的对应的/>坐标信息,记为/>,此时得到多个/>,计算最大/>和最小/>之间的差值:/>,则对应的二值图像中左侧螺纹区域的左侧横坐标范围为/>,右侧横坐标范围为,螺纹区域没有选取/>是因为,在这个区间内还包括一部分螺栓螺纹端面的横坐标,对差值取0.3倍一定包含了螺纹区域,一定程度的减少了其余区域的干扰,减少了后续的计算量。
根据行和曲线图提取螺纹区域的纵坐标信息,规定所有且要求是连续的纵坐标/>,我们取最长的连续段的纵坐标/>信息,统计所有范围内的纵坐标记为/>,那么螺纹区域的纵坐标范围即为/>,在螺纹区域,因为有牙凹凸不平,所以螺纹区域每一行的螺栓区域像素点的数量上下起伏固定在某个范围,螺纹区域的所有行中螺栓区域像素点的数量的最小值为牙底部分,即为,螺纹区域的所有行中螺栓区域像素点的数量的最大值为牙顶部分,设定为最小值的1.2倍,即/>。
确定了二值图像中螺纹区域的横坐标范围和纵坐标范围,根据横、纵坐标范围获取螺纹的外接矩形,得到的左侧螺纹区域的左侧横坐标范围为,右侧横坐标范围为/>,得到的螺纹区域的纵坐标范围即为/>,则左侧螺纹区域对应的左侧外接矩形的左下顶点为/>,右上顶点为/>;右侧螺纹区域对应的右侧外接矩形的右下顶点为/>,左上顶点为。
对螺纹区域做外接矩形,就是为了根据外接矩形重新建系,分析螺纹纹线的特征以及缺陷螺纹的特征,为了能让纹线外部尖锐点尽量落在边界上,建系方法如下:左侧外接矩形以左下顶点为原点,竖直向上为X轴正方向,水平向右为Y轴正方向,建立坐标系;右侧外接矩形以右下顶点为原点,竖直向上为X轴正方向,水平向左为Y轴正方向,建立坐标系,如图7所示,这样就可以避免左右方向干扰,统一进行建模分析。
S4、对螺纹区域的外接矩形的区域进行边缘检测得到螺纹的纹线边缘,根据纹线边缘的像素点坐标得到螺纹的合格螺纹牙以及相邻两合格螺纹牙之间的距离。
具体的,螺纹区域做外接矩形,就是为了根据外接矩形重新建系,分析螺纹纹线的特征以及缺陷螺纹的特征,为了能让纹线外部尖锐点尽量落在边界上,建系方法如下:左侧外接矩形以左下顶点为原点,竖直向上为X轴正方向,水平向右为Y轴正方向,建立坐标系;右侧外接矩形以右下顶点为原点,竖直向上为X轴正方向,水平向左为Y轴正方向,建立坐标系,如图7所示,这样就可以避免左右方向干扰,统一进行建模分析。
利用Canny算子对螺纹区域的外接矩形的区域进行边缘检测,得到螺纹的纹线边缘,根据外接矩形的坐标系,可以得到每一个X都有其唯一的Y值,如图 7所示,原图中应为黑色背景,白色边界线,为了理解方便,图像中只有线条,没有填色;获取外接矩形的坐标系中纹线边缘的像素点坐标(X,Y)中的横坐标最小值、最大值/>,计算差值;将所有/>的/>统计出来,记为/>,/>是外接矩形的坐标系中纹线边缘像素点的纵坐标集合,符合范围要求的/>为/>,如果螺栓没有缺陷,完全符合理想状态,则螺栓螺纹的所有合格螺纹牙在外接矩形的坐标系中横坐标Y都为/>,每两个相邻合格螺纹牙之间的距离是相等的,但是实际情况中总有一些误差,为了减少误差对检测结果的影响,将合格螺纹牙的横坐标Y限定在/>的范围内,0.1的系数可根据实际情况进行调整,然后计算相邻两合格螺纹牙之间的距离,根据下式计算螺纹相邻两合格螺纹牙点的纵坐标差值:
其中,表示螺纹相邻两合格螺纹牙点的纵坐标差值,即相邻两合格螺纹牙之间的距离;/>,/>分别表示相邻两合格螺纹牙点的纵坐标。
S5、根据相邻两合格螺纹牙之间的距离得到该螺纹对应的螺栓的评价系数,根据评价系数确定螺栓的缺陷等级。
具体的,根据下式计算该螺栓的评价系数:
其中,表示最大纵坐标差值,即最大距离,/>表示最小纵坐标差值,即最小距离,也是理想状态下相邻两合格螺纹牙之间的距离。
在最开始采集待检测螺栓的图像时,每个待检测螺栓都有6个图像,每个图像都得到了一个评价系数值,选取6个/>值中最大的/>,根据/>判断螺栓有无缺陷以及螺栓的缺陷等级;
当评价系数在预设的第一阈值区间,即/>,认为该螺栓螺纹基本无缺陷,符合过检要求;
当评价系数在预设的第二阈值区间,即/>,认为该螺栓上的螺纹有一牙缺陷,该螺栓为三级缺陷;
当评价系数在预设的第三阈值区间,即/>,认为该螺栓螺纹存在连续两牙缺陷该螺栓为二级缺陷;
当评价系数在预设的第四阈值区间,即/>,认为该螺栓至少存在连续三牙缺陷,该螺栓为一级缺陷。
基于此,有缺陷的螺栓可以被有效的检测出来。
综上所述,本发明提供一种基于图像处理的螺栓螺纹缺陷检测方法,通过行和列的螺栓区域的像素点数量得到螺纹区域的坐标范围,根据坐标范围得到螺纹的外接矩形区域,对外接矩形区域进行边缘检测,相比于对整个灰度图像进行边缘检测并处理边缘检测后的结果减少了计算量,能够使检测效率更高;通过边缘检测得到纹线边缘,根据纹线边缘的像素点坐标得到的螺纹相邻两合格螺纹牙之间的距离计算螺栓的评价系数,通过坐标具体数值的计算能够使检测结果的更精确,准确率更高。
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 (5)
1.一种基于图像处理的螺栓螺纹缺陷检测方法,其特征在于,该方法包括:
获取待检测螺栓的二值图像;
将二值图像中螺栓轴向记为列方向,垂直于螺栓轴向记为行方向,根据二值图像中每列的螺栓区域像素点的数量得到列和曲线图,根据每行的螺栓区域像素点的数量得到行和曲线图,包括:将二值图像中平行于螺栓轴向的方向记为列方向,获取二值图像中每列的螺栓区域像素点的数量;根据每列的螺栓区域像素点的数量和以及该列像素点在二值图像中横坐标得到列和曲线图;将垂直于列的方向记为行方向,获取二值图像中每行的螺栓区域像素点的数量;根据每行的螺栓区域像素点的数量和该行像素点在二值图像中的纵坐标得到行和曲线图;
根据列和曲线图以及行和曲线图中的螺栓区域像素点的数量和坐标,得到二值图像中螺纹区域的坐标范围,根据坐标范围得到二值图像中螺纹区域的外接矩形;
对螺纹区域的外接矩形的区域进行边缘检测得到螺纹的纹线边缘,根据纹线边缘的像素点坐标得到螺纹的合格螺纹牙,以及相邻两合格螺纹牙之间的距离,包括:利用Canny算子对螺纹区域的外接矩形的区域进行边缘检测,得到螺纹的纹线边缘,获取外接矩形的坐标系中纹线边缘的像素点坐标(X,Y)中的横坐标最小值、最大值/>,计算差值;将所有/>的/>统计出来,记为/>,/>是外接矩形的坐标系中纹线边缘像素点的纵坐标集合,符合范围要求的/>为/>,然后计算相邻两合格螺纹牙之间的距离,根据下式计算螺纹相邻两合格螺纹牙点的纵坐标差值:
其中,表示螺纹相邻两合格螺纹牙点的纵坐标差值,即相邻两合格螺纹牙之间的距离;/>,/>分别表示相邻两合格螺纹牙点的纵坐标;
根据相邻两合格螺纹牙之间的距离得到该螺纹对应的螺栓的评价系数,根据评价系数确定螺栓的缺陷等级。
2.根据权利要求1所述的一种基于图像处理的螺栓螺纹缺陷检测方法,其特征在于,根据列和曲线图以及行和曲线图中的螺栓区域像素点的数量和坐标,得到二值图像中螺纹区域的坐标范围的步骤包括:
根据列和曲线图中每列的螺栓区域像素点的数量和坐标得到左侧螺纹区域的左侧横坐标范围、右侧螺纹区域的右侧横坐标范围;
根据行和曲线图中每行的螺栓区域像素点的数量和坐标得到螺纹区域的纵坐标范围。
3.根据权利要求2所述的一种基于图像处理的螺栓螺纹缺陷检测方法,其特征在于,根据坐标范围得到二值图像中螺纹区域的外接矩形的步骤包括:
根据左侧螺纹区域的左侧横坐标范围和纵坐标范围得到二值图像中左侧螺纹区域的左侧外接矩形;
根据右侧螺纹区域的右侧横坐标范围和纵坐标范围得到二值图像中右侧螺纹区域的右侧外接矩形。
4.根据权利要求1所述的一种基于图像处理的螺栓螺纹缺陷检测方法,其特征在于,根据相邻两合格螺纹牙之间的距离得到该螺纹对应的螺栓的评价系数的步骤包括:
获取所有相邻两合格螺纹牙之间的距离中的最小距离和最大距离,根据最小距离和最大距离的比值得到该螺纹对应螺栓的评价系数。
5.根据权利要求1所述的一种基于图像处理的螺栓螺纹缺陷检测方法,其特征在于,根据评价系数确定螺栓的缺陷等级的方法为:
当评价系数在预设的第一阈值区间,该螺栓螺纹基本无缺陷,符合过检要求;
当评价系数在预设的第二阈值区间,该螺栓为三级缺陷;
当评价系数在预设的第三阈值区间,该螺栓为二级缺陷;
当评价系数在预设的第四阈值区间,该螺栓为一级缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310920042.6A CN116664554B (zh) | 2023-07-26 | 2023-07-26 | 一种基于图像处理的螺栓螺纹缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310920042.6A CN116664554B (zh) | 2023-07-26 | 2023-07-26 | 一种基于图像处理的螺栓螺纹缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116664554A CN116664554A (zh) | 2023-08-29 |
CN116664554B true CN116664554B (zh) | 2023-10-20 |
Family
ID=87728242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310920042.6A Active CN116664554B (zh) | 2023-07-26 | 2023-07-26 | 一种基于图像处理的螺栓螺纹缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116664554B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425142A (zh) * | 2008-09-17 | 2009-05-06 | 北大方正集团有限公司 | 页面倾斜角度的确定方法和装置 |
CN102842037A (zh) * | 2011-06-20 | 2012-12-26 | 东南大学 | 一种基于多特征融合的车辆阴影消除方法 |
CN103134809A (zh) * | 2013-03-14 | 2013-06-05 | 苏州华源包装股份有限公司 | 焊缝缺陷检测方法 |
CN104992451A (zh) * | 2015-06-25 | 2015-10-21 | 河海大学 | 一种改进的目标跟踪方法 |
WO2021000524A1 (zh) * | 2019-07-03 | 2021-01-07 | 研祥智能科技股份有限公司 | 孔位保护门检测方法、装置、计算机设备和存储介质 |
JP2021156832A (ja) * | 2020-03-30 | 2021-10-07 | ユニバーサル製缶株式会社 | ボトル缶のねじ部検査方法及びボトル缶のねじ部検査装置 |
WO2022110219A1 (zh) * | 2020-11-30 | 2022-06-02 | 京东方科技集团股份有限公司 | 一种显示面板的检测方法、装置及系统 |
CN115330793A (zh) * | 2022-10-13 | 2022-11-11 | 济宁市兖州区恒升机械有限公司 | 一种基于图像处理的液压硬管连接管接头质量检测方法 |
CN115900585A (zh) * | 2022-11-23 | 2023-04-04 | 沈阳理工大学 | 基于激光点云分析的内螺纹参数检测方法及系统 |
CN115984356A (zh) * | 2023-03-20 | 2023-04-18 | 广东电网有限责任公司江门供电局 | 一种基于图像的导线压接间距测量方法及系统 |
-
2023
- 2023-07-26 CN CN202310920042.6A patent/CN116664554B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425142A (zh) * | 2008-09-17 | 2009-05-06 | 北大方正集团有限公司 | 页面倾斜角度的确定方法和装置 |
CN102842037A (zh) * | 2011-06-20 | 2012-12-26 | 东南大学 | 一种基于多特征融合的车辆阴影消除方法 |
CN103134809A (zh) * | 2013-03-14 | 2013-06-05 | 苏州华源包装股份有限公司 | 焊缝缺陷检测方法 |
CN104992451A (zh) * | 2015-06-25 | 2015-10-21 | 河海大学 | 一种改进的目标跟踪方法 |
WO2021000524A1 (zh) * | 2019-07-03 | 2021-01-07 | 研祥智能科技股份有限公司 | 孔位保护门检测方法、装置、计算机设备和存储介质 |
JP2021156832A (ja) * | 2020-03-30 | 2021-10-07 | ユニバーサル製缶株式会社 | ボトル缶のねじ部検査方法及びボトル缶のねじ部検査装置 |
WO2022110219A1 (zh) * | 2020-11-30 | 2022-06-02 | 京东方科技集团股份有限公司 | 一种显示面板的检测方法、装置及系统 |
CN115330793A (zh) * | 2022-10-13 | 2022-11-11 | 济宁市兖州区恒升机械有限公司 | 一种基于图像处理的液压硬管连接管接头质量检测方法 |
CN115900585A (zh) * | 2022-11-23 | 2023-04-04 | 沈阳理工大学 | 基于激光点云分析的内螺纹参数检测方法及系统 |
CN115984356A (zh) * | 2023-03-20 | 2023-04-18 | 广东电网有限责任公司江门供电局 | 一种基于图像的导线压接间距测量方法及系统 |
Non-Patent Citations (1)
Title |
---|
沈萌红 ; 沈绍锋 ; 王贤成 ; 陈俊华 ; 曾成洲 ; .圆柱螺纹牙型非接触检测失真校正.农业机械学报.(第10期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN116664554A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109003258B (zh) | 一种高精度亚像素圆形零件测量方法 | |
CN113658133B (zh) | 一种基于图像处理的齿轮表面缺陷检测方法及系统 | |
CN111539935B (zh) | 一种基于机器视觉的电缆表面缺陷在线检测方法 | |
CN112651968B (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
CN112686920A (zh) | 一种圆形零件几何尺寸参数视觉测量方法及系统 | |
CN111261079B (zh) | 一种亮、暗斑异常现象的检测方法 | |
CN115597494B (zh) | 一种基于点云的预制构件预留孔的精度检测方法、系统 | |
CN117291919B (zh) | 一种钢轨螺栓表面润滑脂视觉检测方法 | |
CN109387524A (zh) | 基于线性偏振光的螺纹缺陷检测方法及装置 | |
CN111353981A (zh) | 基于机器视觉的齿轮检测方法、系统及存储介质 | |
CN116664554B (zh) | 一种基于图像处理的螺栓螺纹缺陷检测方法 | |
CN108805854B (zh) | 一种复杂环境下药片快速计数与完整性检测方法 | |
CN111833350A (zh) | 机器视觉检测方法与系统 | |
CN112146593A (zh) | 一种基于机器视觉的外螺纹检测方法及实时检测系统 | |
CN109064463B (zh) | 一种齿面点蚀面积率测量方法及系统 | |
CN111192261A (zh) | 一种镜片疵病类型识别的方法 | |
JP2019120644A (ja) | 表面検査装置、及び表面検査方法 | |
CN114494165A (zh) | 一种基于聚类的光条提取方法及装置 | |
JP6114559B2 (ja) | フラットパネルディスプレイの自動ムラ検出装置 | |
Fan et al. | Dimensional inspecting system of shaft parts based on machine vision | |
CN108871224B (zh) | 一种用于led玻璃灯杯的凹槽深度检测方法 | |
JP5666894B2 (ja) | 外観検査装置及び外観検査方法 | |
JP2012008018A (ja) | 表面検査方法 | |
CN111504193A (zh) | 一种数据线插头尺寸自动检测方法 | |
CN112629407B (zh) | 基于图像分析的螺纹钢尺寸测量方法 |
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 |