CN116703906B - 基于图像处理的金属件打磨质量检测方法 - Google Patents
基于图像处理的金属件打磨质量检测方法 Download PDFInfo
- Publication number
- CN116703906B CN116703906B CN202310974139.5A CN202310974139A CN116703906B CN 116703906 B CN116703906 B CN 116703906B CN 202310974139 A CN202310974139 A CN 202310974139A CN 116703906 B CN116703906 B CN 116703906B
- Authority
- CN
- China
- Prior art keywords
- polishing
- edge pixel
- quality
- pixel points
- determining
- 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
- 238000005498 polishing Methods 0.000 title claims abstract description 336
- 239000002184 metal Substances 0.000 title claims abstract description 81
- 238000001514 detection method Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000007547 defect Effects 0.000 claims description 50
- 230000002950 deficient Effects 0.000 claims description 21
- 238000000227 grinding Methods 0.000 claims description 8
- 238000003708 edge detection Methods 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 abstract description 3
- 239000011159 matrix material Substances 0.000 description 5
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000003466 welding 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
Abstract
本发明提供一种基于图像处理的金属件打磨质量检测方法。本发明应用于图像处理领域,该方法包括:通过获取打磨后的金属制品表面的图像;根据图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度,确定各分块区域的打磨质量;根据各分块区域的打磨质量和DTW距离,确定金属制品表面的质量,DTW距离包括图像中各像素点组成的行打磨质量序列和列打磨质量序列的DTW距离。通过金属件表面各分块区域的所述打磨质量和DTW距离对金属制品的打磨质量进行检测,不仅衡量了各区域打磨质量的高低,还将整体打磨的均匀度考虑在内,使得对金属制品打磨质量的检测更加准确。
Description
技术领域
本发明涉及图像处理领域,具体为一种用于基于图像处理的金属件打磨质量检测方法。
背景技术
在金属制品的加工过程中,金属制成的设备、配件等产品在准备喷涂、焊接或其他操作前,为了清除金属制品上的磨损或生锈,通常会对金属制品的表面进行打磨处理,以使其表面光滑、平整、美观,同时可延长金属制品的寿命。
现有技术对金属制品表面的机械打磨处理,通常使用磨头、打磨机等工具,通过切削、研磨、抛光等方式,去除金属表面的凸起部位,从而使得金属的表面更加光滑。但是,机械打磨抛光出的线条表面会有一丝丝的磨抛痕迹或者凹陷,会造成金属件表面的不平整,影响产品的使用和外观。
对金属件的打磨质量进行检测可以确保产品表面的光洁度和平整度符合设计要求和客户需求,及时地发现和改进打磨质量问题,提高生产效率,减少不合格品率。然而,由于打磨产生的凹陷、划痕等形态各异,现有的图像处理技术无法对金属制品的打磨质量进行准确的检测。
发明内容
针对现有技术中存在的问题,本发明提供一种基于图像处理的金属件打磨质量检测方法。
本发明是通过以下技术方案来实现:
本发明提供一种基于图像处理的金属件打磨质量检测方法,包括:
获取打磨后的金属制品表面的图像;
根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度,确定各所述分块区域的打磨质量/>,所述打磨方向均匀度包括根据所述分块区域的打磨方向变化次数以及打磨方向黏着度确定的值,所述打磨力控平稳一致度包括根据所述分块区域的打磨光滑度确定的值;
根据各所述分块区域的所述打磨质量和DTW距离,确定所述金属制品表面的打磨质量,所述DTW距离包括所述图像中各像素点组成的行打磨质量序列和列打磨质量序列的DTW距离。
进一步的,所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度/>,确定各所述分块区域的打磨质量/>之前,还包括:
将所述图像通过边缘检测canny算子处理,确定所述金属制品表面的边缘像素点;
将所述边缘像素点连续个数大于阈值的连通域,确定为缺陷区域。
进一步的,所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度/>,确定各所述分块区域的打磨质量/>之前,还包括:
将边缘像素点反光程度均值和非边缘像素点反光程度均值相减,并将获得的差值绝对值的倒数作为所述边缘像素点的打磨光滑度,所述边缘像素点反光程度均值包括所述边缘像素点的邻域窗口内第一边缘像素点的反光程度的均值,所述非边缘像素点反光程度均值包括所述边缘像素点的邻域窗口内第一非边缘像素点的反光程度的均值。
进一步的,所述将边缘像素点反光程度均值和非边缘像素点反光程度均值相减,并将获得的差值绝对值的倒数作为所述边缘像素点的打磨光滑度之前,还包括:
将所述缺陷区域中所有边缘像素点的所述打磨光滑度进行相加,确定所述缺陷区域的打磨力控平稳度。
进一步的,所述将缺陷区域中所有边缘像素点的所述打磨光滑度进行相加,确定所述缺陷区域的打磨力控平稳度之后,还包括:
将所述缺陷区域内的两个边缘像素点的所述打磨光滑度进行相减,确定所述缺陷区域的打磨力控一致度。
进一步的,所述将所述缺陷区域内的两个边缘像素点的打磨光滑度进行相减,确定所述缺陷区域的打磨力控一致度之后,还包括:
将所述打磨力控一致度与所述打磨力控平稳度相乘,相乘的乘积为所述缺陷区域的所述打磨力控平稳一致度。
进一步的,所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度/>,确定各所述分块区域的打磨质量/>之前,还包括:
根据公式,确定第k个缺陷区域的打磨方向变化次数/>,其中,/>为在第i个方向上连续出现j个边缘像素点的次数,/>为连续出现边缘像素点的个数,i为在所述分块区域中边缘像素点的延伸方向,M为边缘像素点的延伸方向,K为在一延伸方向上连续出现边缘像素点的最大个数。
进一步的,所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度/>,确定各所述分块区域的打磨质量/>之前,还包括:
根据公式,确定第k个缺陷区域的打磨方向黏着度/>,其中,/>为连续出现边缘像素点的个数,i为在所述分块区域中边缘像素点的延伸方向。
进一步的,所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度/>,确定各所述分块区域的打磨质量/>之前,还包括:
根据公式,确定第k个缺陷区域的打磨方向均匀度。
所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度/>,确定各所述分块区域的打磨质量/>,包括:
根据公式,确定各所述分块区域的打磨质量。
进一步的,所述根据各所述分块区域的打磨质量和DTW距离,确定所述金属制品表面的打磨质量,包括:
根据公式,确定所述金属制品表面的打磨质量,其中,/>为行打磨质量序列/>、列打磨质量序列/>的DTW距离,/>为各分块区域打磨质量的均值。
与现有技术相比,本发明具有以下有益的技术效果:
本发明提供的基于图像处理的金属件打磨质量检测方法,通过获取打磨后的金属制品表面的图像;根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度/>,确定各所述分块区域的打磨质量/>,所述打磨方向均匀度包括根据所述分块区域的打磨方向变化次数以及打磨方向黏着度确定的值,所述打磨力控平稳一致度包括根据所述分块区域的打磨光滑度确定的值;根据各所述分块区域的打磨质量和DTW距离,确定所述金属制品表面的打磨质量,所述DTW距离包括所述图像中各像素点组成的行打磨质量序列和列打磨质量序列的DTW距离。通过金属件表面各分块区域的所述打磨质量和DTW距离对金属制品的打磨质量进行检测,不仅衡量了各区域打磨质量的高低,还将整体打磨的均匀度考虑在内,使得对金属制品打磨质量的检测更加准确。
附图说明
图1是本发明一实施例基于图像处理的金属件打磨质量检测方法的流程示意图;
图2是本发明一实施例基于图像处理的金属件打磨质量检测方法的图像示意图。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
本发明实施例提供的基于图像处理的金属件打磨质量检测方法,适用于对金属件的打磨质量进行检测时。
图1是本发明一实施例基于图像处理的金属件打磨质量检测方法的流程示意图;图2是本发明一实施例基于图像处理的金属件打磨质量检测方法的图像示意图,如图1和图2所示,本发明实施例提供的基于图像处理的金属件打磨质量检测方法,包括:
步骤101、获取打磨后的金属制品表面的图像;
在本发明实施例中,由于金属件表面的细微划痕与背景区域灰度级差异较小,而工业相机具有高分辨率、高灵敏度和高动态范围等特点,可以捕捉到因打磨长生的凹陷、划痕的细节信息,因此本发明实施例中打磨后的金属制品表面的图像是由工业相机采集的,即得到RGB空间的图像,接着选用非局部均值滤波对图像进行预处理,例如,对获取的图像进行去噪、增强,消除部分噪声,增强后续分析的准确性。同时,也可采取其他图像增强方法,将获取的RGB图像转换为灰度图像。
步骤102、根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度/>,确定各所述分块区域的打磨质量/>。
本实施例中的所述打磨方向均匀度包括根据所述分块区域的打磨方向变化次数以及打磨方向黏着度确定的值,所述打磨力控平稳一致度包括根据所述分块区域的打磨光滑度确定的值;
具体的,所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度/>,确定各所述分块区域的打磨质量/>之前,还包括:
将所述图像通过边缘检测canny算子处理,确定所述金属制品表面的边缘像素点;
将所述边缘像素点连续个数大于阈值的连通域,确定为缺陷区域。
具体来讲,先使用边缘检测canny算子获取金属制品表面的边缘信息,得到二值化图像,该边缘信息包括边缘像素点的信息,然后将图像平均分为N×N块,在每个分块内计算打磨力控一致度和打磨方向均匀度,N经验取值为10,进而获得金属件表面的区域打磨质量,再根据各分块区域打磨质量之间的关系获取其打磨均匀度,从金属件表面的区域打磨质量以及整体的打磨均匀程度对金属件的打磨质量进行检测。
金属件打磨之后无缺陷区域通常比较光滑,因此,边缘像素点往往为缺陷区域边缘上的像素点。将边缘像素点连续个数大于阈值的连通域,初步判断为缺陷区域,阈值/>经验取值为10。
进一步的,在上述实施例的基础上,所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度/>,确定各所述分块区域的打磨质量/>之前,还包括:
将边缘像素点反光程度均值和非边缘像素点反光程度均值相减,并将获得的差值绝对值的倒数作为所述边缘像素点的打磨光滑度,所述边缘像素点反光程度均值包括所述边缘像素点的邻域窗口内第一边缘像素点的反光程度的均值,所述非边缘像素点反光程度均值包括所述边缘像素点的邻域窗口内第一非边缘像素点的反光程度的均值。
举例来讲,由于因打磨产生的缺陷使得金属件表面变得凹凸不平,当打磨力度变化越平稳时,在缺陷区域的边缘处,凹凸变化就越平稳,边缘就越平滑,反光程度就越高,因此边缘像素点的反光程度会随着打磨力度变化的平稳程度发生变化,边缘像素点的反光程度,反映了在该点打磨力控的平稳度。
对缺陷区域,在其每个边缘像素点的邻域窗口内,根据其周围像素点反光程度的变化,计算其打磨光滑度,进而获得该区域的打磨力控平稳度,邻域窗口的大小经验取值为9×9。边缘像素点x处的打磨光滑度可以表示为其邻域窗口内边缘像素点的反光程度均值与非边缘像素点的反光程度均值之差。
基于Retinex理论,各边缘像素点的反光程度,对应环境光的照射分量可以用该像素点领域窗口和高斯核的卷积来近似表示,标准高斯核大小为5×5。则边缘像素点处的打磨光滑度/>可以表示如下:
其中,、/>分别为边缘像素点/>邻域窗口内边缘像素点和非边缘像素点反光程度的均值,当两者相差越大时,说明该边缘像素点处的反光程度相差越大,打磨的越不光滑,该边缘像素点处的反光程度相差越小,打磨的越光滑。
在本实施例中,在上述实施例的基础上,所述将边缘像素点反光程度均值和非边缘像素点反光程度均值相减,并将获得的差值绝对值的倒数作为所述边缘像素点的打磨光滑度之前,还包括:
将所述缺陷区域中所有边缘像素点的所述打磨光滑度进行相加,确定所述缺陷区域的打磨力控平稳度。
举例来讲,金属件表面因打磨产生的缺陷,多连续成片,但分布不均,为了对金属件表面不同区域的打磨力控一致度和打磨方向均匀度进行衡量,并判断金属件表面的区域打磨质量以及整体的打磨均匀度,需要假设某一分块内第k个缺陷区域共有个边缘像素点,则该缺陷区域的打磨力控平稳度/>可以表示如下:
式中,为该缺陷区域内第i个边缘像素点/>处的打磨光滑度,代表了该边缘像素点和周围区域像素点的相似程度,相似程度越高,则该缺陷区域边缘打磨力度的变化越小,打磨力控平稳度越高。
进一步的,在上述实施例的基础上,所述将缺陷区域中所有边缘像素点的所述打磨光滑度进行相加,确定所述缺陷区域的打磨力控平稳度之后,还包括:
将所述缺陷区域内的两个边缘像素点的所述打磨光滑度进行相减,确定所述缺陷区域的打磨力控一致度。
具体的,在金属件打磨质量相对较好的区域,其打磨力控平稳度应该是一致的,而在缺陷区域,由于打磨力度的不同,导致金属件表面凹凸不平,在缺陷区域的边缘处,打磨的光滑度也不尽相同,只有当各边缘像素点的打磨光滑度基本相同时,打磨力控一致度达到最大值。因此,在同一个因打磨产生的缺陷区域,打磨力度也可能不同,根据各边缘像素点的打磨光滑度,则该分块内第k个缺陷区域的打磨力控一致度可以表示如下:
其中,、/>分别表示该分块内第k个缺陷区域第i个、第j个边缘像素点的打磨光滑度,当两者差值越大时,说明两边缘像素点与周围区域的相异程度越高,打磨力控一致度越低,打磨质量越差。
优选的,在上述实施例的基础上,所述将所述缺陷区域内的两个边缘像素点的打磨光滑度进行相减,确定所述缺陷区域的打磨力控一致度之后,还包括:
将所述打磨力控一致度与所述打磨力控平稳度相乘,相乘的乘积为所述缺陷区域的所述打磨力控平稳一致度。
举例来讲,综合打磨力控平稳度和打磨力控一致度对打磨力度的控制能力进行衡量,进而对金属件表面的打磨质量进行检测,打磨力控平稳一致度可以表示为打磨力控平稳度和打磨力控一致度的乘积,即/>,当打磨力控平稳度、打磨力控一致度越高时,打磨力控平稳一致度越高,打磨质量越好。
在对金属件进行打磨时,往往是朝着各个方向均匀打磨时,能够产生较好的打磨效果,因此可以通过打磨方向的均匀度对打磨质量进行衡量。但是在缺陷区域内部,无法直接观察到打磨的方向,而缺陷的边缘、轮廓特征反映了打磨时方向的均匀度,当打磨方向越均匀时,缺陷区域的轮廓越平滑;相反的,当打磨方向越趋向于单一时,缺陷区域的轮廓越尖锐。可以在各分块对应的二值化图像内构建打磨边缘方向矩阵,根据边缘的延伸情况计算打磨方向均匀度。
为了方便计算,减少计算量,将0-180度平均划分为个方向,对边缘的延伸方向使用加权投票法划分到这/>个方向中,/>经验取值为9,打磨边缘方向矩阵/>的大小为M×K,其中M为边缘像素点的延伸方向,K为在某一延伸方向上连续出现边缘像素点的最大个数,矩阵元素/>代表在第i个方向上连续出现j个边缘像素点的次数。
进一步的,在上述实施例的基础上,所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度/>,确定各所述分块区域的打磨质量/>之前,还包括:
当在一个区域内打磨方向的变化次数越多,即缺陷区域边缘的条数越多时,缺陷区域的轮廓曲折度越高,则说明缺陷区域的边缘轮廓越平滑,金属件表面打磨方向变化次数越多,打磨方向均匀度越高,因此打磨方向的均匀度与边缘的条数有着密不可分的联系,可以根据边缘的条数对打磨方向变化次数进行估计,则该分块内第k个缺陷区域的打磨方向变化次数。
优选的,根据公式,确定第k个缺陷区域的打磨方向变化次数/>,其中,/>为在第i个方向上连续出现j个边缘像素点的次数,代表长度为j的边缘在第i个方向上出现的条数,边缘的条数越多,说明打磨方向变化次数越多,矩阵元素之和代表边缘的总条数,边缘总条数越多,则打磨方向变化次数越多,打磨方向均匀度越高,/>为连续出现边缘像素点的个数,i为在所述分块区域中边缘像素点的延伸方向,M为边缘像素点的延伸方向,K为在一延伸方向上连续出现边缘像素点的最大个数。
在打磨时,如果在一段时间内一直在一个区域沿着一个方向进行打磨,则会在金属件的表面产生凹凸不平的划痕,对金属件的打磨质量以及外观产生一定的影响,因此,可以通过打磨方向的黏着度对金属件的打磨方向均匀度进行衡量。
在上述实施例的基础上,所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度/>,确定各所述分块区域的打磨质量/>之前,还包括:
根据缺陷区域轮廓边缘的长度,该分块内第k个缺陷区域的打磨方向黏着度,即根据公式/>,确定第k个缺陷区域的打磨方向黏着度/>,其中,/>为连续出现边缘像素点的个数,/>可以是矩阵的列数,即边缘的长度,边缘长度越长,则缺陷区域的骨架线长度越长,说明在打磨时,沿着一个方向打磨的时间越长,打磨方向黏着度越高,金属件表面打磨的方向越不均匀,打磨方向均匀度越低,i为在所述分块区域中边缘像素点的延伸方向。
综合打磨方向变化次数和打磨方向黏着度,则该分块内第k个缺陷区域的打磨方向均匀度。
也就是,所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度/>,确定各所述分块区域的打磨质量/>之前,还包括:
根据公式,确定第k个缺陷区域的打磨方向均匀度,其中,为第k个缺陷区域的打磨方向变化次数,打磨方向变化次数越多时,打磨方向均匀度越高;/>为第k个缺陷区域的打磨方向黏着度,代表打磨时沿着一个方向打磨的时间,时间越长,则打磨的方向均匀度越低。
所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度/>,确定各所述分块区域的打磨质量/>,包括:
当金属件表面因打磨出现划痕和凹陷时,往往是因为打磨时力度和方向的控制不一致所造成的,并且会导致金属件表面凹凸不平,影响其质量和美观,可以根据打磨后分块内各缺陷区域的打磨力控一致度和打磨方向均匀度对其区域打磨质量进行衡量,假设第j个分块内共有个缺陷区域,综合来讲,根据打磨力控一致度和打磨方向均匀度,则第j个分块的区域打磨质量/>,也就是,根据公式/>,确定各所述分块区域的打磨质量/>。其中,/>为该分块第k个缺陷区域的打磨力控平稳一致度,打磨力控平稳一致度越高,在打磨时力度的控制越好,区域打磨质量越高;/>为该分块第k个缺陷区域的打磨方向均匀度,打磨方向均匀度越高,在打磨时方向的控制越好,区域打磨质量越高。
步骤103、根据各所述分块区域的打磨质量和DTW距离,确定所述金属制品表面的打磨质量。
在本实施例中,所述DTW距离包括所述图像中各像素点组成的行打磨质量序列和列打磨质量序列的DTW距离。
具体的,由于不同区域的打磨程度不同,可以根据各分块之间区域打磨质量的关系,获得打磨均匀度。将各分块的区域打磨质量分别按行、按列组织成行打磨质量序列、列打磨质量序列/>,并计算这两个序列之间的DTW距离,得到打磨均匀度。综合区域打磨质量和打磨均匀度,则金属件表面的打磨质量/>。也就是,根据公式,确定所述金属制品表面的打磨质量/>,其中,/>为各分块区域打磨质量的均值,值越大,则金属件表面的打磨质量越好;/>为行打磨质量序列/>、列打磨质量序列/>的DTW距离,将各分块的区域打磨质量分别按行、按列组织,并计算其DTW距离,可以将图像中各分块之间的区域打磨质量进行比较,同时将相邻区域打磨质量的关系,以及距离较远区域打磨质量的关系考虑在内,对整幅图像的打磨均匀度进行计算,当两序列之间的DTW距离越小时,打磨均匀度越高,打磨质量越好。
在本实施例中,通过获取打磨后的金属制品表面的图像;根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度/>,确定各所述分块区域的打磨质量/>,所述打磨方向均匀度包括根据所述分块区域的打磨方向变化次数以及打磨方向黏着度确定的值,所述打磨力控平稳一致度包括根据所述分块区域的打磨光滑度确定的值;根据各所述分块区域的打磨质量和DTW距离,确定所述金属制品表面的打磨质量,所述DTW距离包括所述图像中各像素点组成的行打磨质量序列和列打磨质量序列的DTW距离。通过金属件表面各分块区域的所述打磨质量和DTW距离对金属制品的打磨质量进行检测,不仅衡量了各区域打磨质量的高低,还将整体打磨的均匀度考虑在内,使得对金属制品打磨质量的检测更加准确。/>
Claims (1)
1.基于图像处理的金属件打磨质量检测方法,其特征在于,包括:
获取打磨后的金属制品表面的图像;
根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度/>,确定各所述分块区域的打磨质量/>,所述打磨方向均匀度包括根据所述分块区域的打磨方向变化次数以及打磨方向黏着度确定的值,所述打磨力控平稳一致度包括根据所述分块区域的打磨光滑度确定的值;
根据各所述分块区域的所述打磨质量和DTW距离,确定所述金属制品表面的打磨质量,所述DTW距离包括所述图像中各像素点组成的行打磨质量序列和列打磨质量序列的DTW距离;
所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度,确定各所述分块区域的打磨质量/>之前,还包括:
将所述图像通过边缘检测canny算子处理,确定所述金属制品表面的边缘像素点;
将所述边缘像素点连续个数大于阈值的连通域,确定为缺陷区域;
所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度,确定各所述分块区域的打磨质量/>之前,还包括:
将边缘像素点反光程度均值和非边缘像素点反光程度均值相减,并将获得的差值绝对值的倒数作为所述边缘像素点的打磨光滑度,所述边缘像素点反光程度均值包括所述边缘像素点的邻域窗口内第一边缘像素点的反光程度的均值,所述非边缘像素点反光程度均值包括所述边缘像素点的邻域窗口内第一非边缘像素点的反光程度的均值;/>为边缘像素点的坐标;
所述将边缘像素点反光程度均值和非边缘像素点反光程度均值相减,并将获得的差值绝对值的倒数作为所述边缘像素点的打磨光滑度之前,还包括:
将所述缺陷区域中所有边缘像素点的所述打磨光滑度进行相加,确定所述缺陷区域的打磨力控平稳度;
所述将缺陷区域中所有边缘像素点的所述打磨光滑度进行相加,确定所述缺陷区域的打磨力控平稳度之后,还包括:
将所述缺陷区域内的两个边缘像素点的所述打磨光滑度进行相减,确定所述缺陷区域的打磨力控一致度;
所述将所述缺陷区域内的两个边缘像素点的打磨光滑度进行相减,确定所述缺陷区域的打磨力控一致度之后,还包括:
将所述打磨力控一致度与所述打磨力控平稳度相乘,相乘的乘积为所述缺陷区域的所述打磨力控平稳一致度;
所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度,确定各所述分块区域的打磨质量/>之前,还包括:
根据公式,确定第k个缺陷区域的打磨方向变化次数,其中,/>为在第i个方向上连续出现j个边缘像素点的次数,/>为连续出现边缘像素点的个数,i为在所述分块区域中边缘像素点的延伸方向,M为边缘像素点的延伸方向,K为在一延伸方向上连续出现边缘像素点的最大个数;
所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度,确定各所述分块区域的打磨质量/>之前,还包括:
根据公式,确定第k个缺陷区域的打磨方向黏着度,其中,/>为连续出现边缘像素点的个数,i为在所述分块区域中边缘像素点的延伸方向;
所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度,确定各所述分块区域的打磨质量/>之前,还包括:
根据公式,确定第k个缺陷区域的打磨方向均匀度;
所述根据所述图像中各分块区域的打磨力控平稳一致度和打磨方向均匀度,确定各所述分块区域的打磨质量/>,包括:
根据公式,确定各所述分块区域的打磨质量/>;
所述根据各所述分块区域的打磨质量和DTW距离,确定所述金属制品表面的打磨质量,包括:
根据公式,确定所述金属制品表面的打磨质量/>,其中,/>为行打磨质量序列/>、列打磨质量序列/>的DTW距离,/>为各分块区域打磨质量的均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310974139.5A CN116703906B (zh) | 2023-08-04 | 2023-08-04 | 基于图像处理的金属件打磨质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310974139.5A CN116703906B (zh) | 2023-08-04 | 2023-08-04 | 基于图像处理的金属件打磨质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116703906A CN116703906A (zh) | 2023-09-05 |
CN116703906B true CN116703906B (zh) | 2023-10-20 |
Family
ID=87839608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310974139.5A Active CN116703906B (zh) | 2023-08-04 | 2023-08-04 | 基于图像处理的金属件打磨质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116703906B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118471A (zh) * | 2018-06-26 | 2019-01-01 | 广东工业大学 | 一种适用于复杂环境下的打磨工件缺陷检测方法 |
CN109115785A (zh) * | 2018-08-08 | 2019-01-01 | 长沙理工大学 | 一种铸件打磨质量检测方法、装置及其使用方法 |
CN109483556A (zh) * | 2018-10-30 | 2019-03-19 | 武汉大学 | 一种基于示教学习的机器人打磨系统及方法 |
CN115661076A (zh) * | 2022-10-26 | 2023-01-31 | 重庆滨渝科技发展有限公司 | 一种铸件待打磨区域智能视觉评估及标定方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230092470A (ko) * | 2021-12-17 | 2023-06-26 | 현대자동차주식회사 | 사상 자동화 시스템 및 그 방법 |
-
2023
- 2023-08-04 CN CN202310974139.5A patent/CN116703906B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118471A (zh) * | 2018-06-26 | 2019-01-01 | 广东工业大学 | 一种适用于复杂环境下的打磨工件缺陷检测方法 |
CN109115785A (zh) * | 2018-08-08 | 2019-01-01 | 长沙理工大学 | 一种铸件打磨质量检测方法、装置及其使用方法 |
CN109483556A (zh) * | 2018-10-30 | 2019-03-19 | 武汉大学 | 一种基于示教学习的机器人打磨系统及方法 |
CN115661076A (zh) * | 2022-10-26 | 2023-01-31 | 重庆滨渝科技发展有限公司 | 一种铸件待打磨区域智能视觉评估及标定方法 |
Non-Patent Citations (1)
Title |
---|
基于KNN算法的铝合金阳极化层打磨质量检测系统研究;李明洋;唐国宝;李乾;刘尔彬;高永卓;;机械与电子(06);第45-49页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116703906A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109682839B (zh) | 一种金属弧形工件表面缺陷在线检测方法 | |
CN116721106A (zh) | 一种基于图像处理的型材瑕疵视觉检测方法 | |
CN112326671A (zh) | 一种基于机器视觉的金属板材表面缺陷检测方法 | |
CN115908269B (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
CN114881915A (zh) | 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法 | |
CN112200808B (zh) | 一种基于局部基尼系数的带钢表面缺陷检测方法 | |
CN115063407B (zh) | 一种用于环形铜垫片的划痕及裂纹识别方法 | |
CN111192273A (zh) | 一种基于计算机视觉技术的数字化喷丸覆盖率测量方法 | |
CN111968100B (zh) | 机器视觉检测方法与系统 | |
CN110634128A (zh) | 一种球头销尺寸检测方法、装置、计算机设备及存储介质 | |
CN115096206A (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
CN116228768A (zh) | 一种电子元器件表面划痕检测方法 | |
CN114998322A (zh) | 基于计算机视觉的轧机智能控制方法及系统 | |
Feng et al. | Image processing of the grinding wheel surface | |
CN116703906B (zh) | 基于图像处理的金属件打磨质量检测方法 | |
CN114581805A (zh) | 一种采用3d线激光轮廓技术的涂敷辊面缺陷检测方法 | |
CN114332041A (zh) | 基于U-Net的抛釉砖表面瑕疵检测方法及装置 | |
CN108805854B (zh) | 一种复杂环境下药片快速计数与完整性检测方法 | |
JP2001205327A (ja) | 表面性状判別装置 | |
CN111353981B (zh) | 基于机器视觉的齿轮检测方法、系统及存储介质 | |
Coulthard | Image processing for automatic surface defect detection | |
TW200842339A (en) | Mura detection method and system | |
Bharat et al. | Surface finish evaluation using curvelet transforms based machine vision system | |
JP7469740B2 (ja) | ベルト検査システムおよびベルト検査プログラム | |
CN114383522A (zh) | 一种测量反光差异工件表面间隙、面差的方法 |
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 |