CN117422705B - 基于图像视觉的连接器端子质量检测方法 - Google Patents
基于图像视觉的连接器端子质量检测方法 Download PDFInfo
- Publication number
- CN117422705B CN117422705B CN202311583549.3A CN202311583549A CN117422705B CN 117422705 B CN117422705 B CN 117422705B CN 202311583549 A CN202311583549 A CN 202311583549A CN 117422705 B CN117422705 B CN 117422705B
- Authority
- CN
- China
- Prior art keywords
- chain code
- area
- window
- edge
- obtaining
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 229920003023 plastic Polymers 0.000 claims abstract description 64
- 239000004033 plastic Substances 0.000 claims abstract description 64
- 238000010586 diagram Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 34
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000013441 quality evaluation Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction 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
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像增强处理技术领域,具体涉及基于图像视觉的连接器端子质量检测方法,包括:获取连接器端子的塑料外壳的灰度图,根据塑料外壳的灰度图得到种子点,根据生长准则得到待定区域,得到待定区域边缘像素点的链码,根据预设第一窗口和待定区域边缘像素点的链码得到平滑边缘集合,根据平滑边缘集合中每一个平滑边缘的链码中链码值得到裂缝区域,根据裂缝区域像素点的数量对连接器端子的质量进行评估。本发明通过分析连接器端子的待定区域边缘特征,通过边缘的链码进行分析,排除了待定区域中阴影区域对裂缝区域的干扰,使得连接器端子的质量检测更加准确。
Description
技术领域
本发明涉及图像增强处理技术领域,具体涉及基于图像视觉的连接器端子质量检测方法。
背景技术
连接器是一种用于连接电子设备或电气设备之间的接口元件。连接器端子是连接器的关键组成部分,是电子设备中信号或电力传输的通道,通常由金属制成且有塑料外壳。
由于连接器端子的塑料外壳上有卡扣或定位线等装置,使得塑料外壳表面在光照下含有因卡扣或定位线等装置形成的阴影区域。从而在塑料灰度图中含有与裂缝区域灰度值较为接近的阴影区域。因此通过基于灰度值的传统区域生长从塑料提取裂缝区域时,得到包含裂缝区域与阴影区域的待定区域。
发明内容
为解决上述问题,本发明提供基于图像视觉的连接器端子质量检测方法。
本发明的基于图像视觉的连接器端子质量检测方法采用如下技术方案:
本发明一个实施例提供了基于图像视觉的连接器端子质量检测方法,该方法包括以下步骤:
采集连接器端子的塑料外壳图像灰度化得到塑料外壳的灰度图;
预设窗口,根据预设窗口和塑料外壳的灰度图得到种子点,根据种子点的灰度值和种子点的八邻域范围内任意一个像素点的灰度值,得到生长准则,根据生长准则得到待定区域;
根据待定区域的边缘像素点得到待定区域边缘像素点的链码,预设第一窗口,根据预设第一窗口和待定区域边缘像素点的链码得到若干链码窗口,根据链码窗口中链码值出现的概率得到链码窗口内链码值的有序性;
根据链码窗口内链码的有序性得到平滑集合和粗糙集合,根据平滑集合和粗糙集合得到平滑边缘集合,获取平滑边缘集合中每一个平滑边缘的链码,根据平滑边缘集合中每一个平滑边缘的链码中链码值得到裂缝区域;
根据裂缝区域像素点的数量对连接器端子的质量进行评估。
进一步地,所述预设窗口,根据预设窗口和塑料外壳的灰度图得到种子点,包括的具体步骤如下:
预设N×N大小的窗口,N为预设数值,利用预设窗口在塑料外壳的灰度图中按照从左往右从上到下的顺序进行滑动,预设窗口每次滑动的步长为N,获取每次预设窗口滑动后窗口范围内的灰度均值,将灰度均值最小的预设窗口范围内灰度值最小的像素点作为种子点。
进一步地,所述根据种子点的灰度值和种子点的八邻域范围内任意一个像素点的灰度值,得到生长准则,包括的具体步骤如下:
生长准则如下,所述生长准则包括第一生长准则和第二生长准则;
式中,hi为种子点的八邻域范围内第i个像素点的灰度值,h为种子点的灰度值,α为预设灰度阈值,S1为第一生长准则,S2为第二生长准则,||为取绝对值。
进一步地,所述根据生长准则得到待定区域,包括的具体步骤如下:
根据种子点对塑料外壳的灰度图进行区域生长,得到待定区域,所述区域生长过程中,每次生长的方法包括:若hi符合第一生长准则S1,将种子点的八邻域范围内第i个像素点作为生长点;若hi符合第二生长准则S2,则不将种子点的八邻域范围内第i个像素点作为生长点;将生长点作为新的种子点,所述新的种子点用于根据生长准则进行下一次生长,所述待定区域包含裂缝区域和阴影区域,且待定区域是一个闭合的连通域。
进一步地,所述根据待定区域的边缘像素点得到待定区域边缘像素点的链码,包括的具体步骤如下:
在待定区域的所有边缘像素点中任选一个像素点作为待定区域的边缘起始点,利用链码算法得到待定区域边缘像素点的链码,所述链码中包含若干数字记为链码值。
进一步地,所述预设第一窗口,根据预设第一窗口和待定区域边缘像素点的链码得到若干链码窗口,包括的具体步骤如下:
预设长度为th的第一窗口,第一窗口的滑动步长为1,利用第一窗口沿待定区域边缘像素点的链码进行滑动,得到若干链码窗口。
进一步地,所述根据链码窗口中链码值出现的概率得到链码窗口内链码值的有序性,包括的具体步骤如下:
对于任意一个链码窗口,式中,Pv为链码窗口中链码值为v出现的概率,n为链码窗口中链码值的总个数,v为链码窗口中链码值为v出现的个数,log2()为以2为底的对数函数,m为链码窗口内链码值的有序性。
进一步地,所述根据链码窗口内链码的有序性得到平滑集合和粗糙集合,根据平滑集合和粗糙集合得到平滑边缘集合,包括的具体步骤如下:
预设有序阈值,记为T,将任意一个链码窗口记为第i个链码窗口,将第i个链码窗口内链码值的有序性记为mi,若T>mi,则将第i个链码窗口对应的待定区域的边缘像素点作为待定区域的平滑边缘像素点,若T≤mi,则将第i个链码窗口对应的待定区域的边缘像素点作为待定区域的粗糙边缘像素点,将所有平滑边缘像素点构成的集合作为平滑集合,记为H,将所有粗糙边缘像素点构成的集合作为粗糙集合,记为C,所述H和C中会有重复的边缘像素点;
获取H和C中公共的边缘像素点,将所有公共的边缘像素点构成的集合,记为D,将H中包含D中的边缘像素点归属到C中,得到第一平滑集合,记为H1,获取H1中边缘像素点对应的若干平滑边缘,得到平滑边缘集合。
进一步地,所述根据平滑边缘集合中每一个平滑边缘的链码中链码值得到裂缝区域,包括的具体步骤如下:
对于平滑边缘集合中每一个平滑边缘,获取每一个平滑边缘的链码中出现最多的链码值,所述链码中的任意一个链码值都对应一个方向,将平滑边缘集合中每一个平滑边缘沿对应链码中出现最多的链码值对应方向进行两侧延伸,将延伸后的所有平滑边缘形成的闭合区域记为阴影区域,将待定区域中的阴影区域进行去除,得到裂缝区域。
进一步地,所述根据裂缝区域像素点的数量对连接器端子的质量进行评估,包括的具体步骤如下:
获取所有裂缝区域,将所有裂缝区域的所有像素点的数量记为TA,获取塑料外壳的灰度图中所有像素点的数量,记为TB,将TA与TB的比值作为连接器端子的质量评估系数,记为TC,预设评估阈值,记为TH,若TC大于TH,则连接器端子的质量低。
本发明的技术方案的有益效果是:获取连接器端子的塑料外壳的灰度图,根据预设窗口和塑料外壳的灰度图得到种子点,所述种子点通过分析待定区域的灰度值特征得到,待定区域包含裂缝区域和无关的阴影区域,根据种子点的灰度值和种子点的八邻域范围内任意一个像素点的灰度值,得到生长准则,根据生长准则得到待定区域;
根据待定区域的边缘像素点得到待定区域边缘像素点的链码,通过分析待定区域中不同区域的边缘特点,根据链码窗口中链码值出现的概率得到链码窗口内链码值的有序性,根据链码窗口内链码的有序性得到阴影区域,进而排除掉待定区域中包含的阴影区域得到裂缝区域;通过分析连接器端子的待定区域边缘特征,通过边缘的链码进行分析,排除了待定区域中阴影区域对裂缝区域的干扰,使得连接器端子的质量检测更加准确。
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为本发明一个实施例所提供的基于图像视觉的连接器端子质量检测方法的步骤流程图;
图2为本发明一个实施例所提供的基于图像视觉的连接器端子质量检测方法的塑料外壳的灰度图。
具体实施方式
为了更进一步阐述本发明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,对依据本发明提出的基于图像视觉的连接器端子质量检测方法,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,一个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发明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发明所提供的基于图像视觉的连接器端子质量检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于图像视觉的连接器端子质量检测方法的步骤流程图,该方法包括以下步骤:
步骤S001、采集连接器端子的塑料外壳图像灰度化得到塑料外壳的灰度图。
需要说明的是,本实施例的目的是,通过基于灰度值的传统区域生长从连接器端子塑料外壳的灰度图中得到含有阴影区域和裂缝区域的待定区域,通过裂缝区域边缘粗糙且趋势多变的特征,从待定区域中得到裂缝区域边缘进而得到裂缝图像,根据裂缝图像达到辅助质检人员对连接器端子质量进行检测的目的。
进一步需要说明的是,当通过对连接器端子塑料外壳上的裂缝进行观察,以达到辅助检测连接器端子质量的目的。因为塑料外壳上有卡扣或分割线,使得一部分塑料区域与其他塑料区域之间产生高度差,进而在光照下的塑料表面含有因高度差形成的阴影区域。而在灰度图中阴影区域与裂缝区域的灰度值较为接近,通过基于灰度值的传统区域生长从塑料灰度图中提取裂缝区域时得到包含裂缝区域和阴影区域的待定区域。
具体的,利用工业相机对连接器端子的塑料外壳进行拍摄,得到连接器端子的塑料外壳图像,对塑料外壳图像进行灰度化处理,得到塑料外壳的灰度图,请参阅图2,图2为本实施例的塑料外壳的灰度图。
至此,得到塑料外壳的灰度图。
步骤S002、预设窗口,根据预设窗口和塑料外壳的灰度图得到种子点,根据种子点的灰度值和种子点的八邻域范围内任意一个像素点的灰度值,得到生长准则,根据生长准则得到待定区域。
需要说明的是,由于在塑料灰度图中,裂缝区域为连通域,裂缝区域各像素点的灰度值较为均匀且与正常区域大多数像素点在灰度值上有较为明显的差异。因此,通过基于灰度值的传统区域生长从包含阴影区域的塑料图像中提取裂缝区域。但因为连接器端子的塑料外壳上存在定位线或卡扣等使得在塑料平面中一部分塑料区域与其他塑料区域之间形成高度差,从而在光照下塑料外壳上出现因高度差而形成的与裂缝区域灰度值较为接近的阴影区域。因为塑料中的裂缝是塑料生产中因意外产生的而塑料灰度图中阴影区域为塑料自身因素产生的,因此裂缝边缘较为粗糙且同一裂缝边缘各段趋势多变,而阴影区域边缘平滑且同一阴影区域边缘的整体趋势较为一致。因此通过基于灰度值的传统区域生长从塑料灰度图中提取裂缝图像时得到含有裂缝区域和阴影区域的待定区域。本实施例通过待定区域各边缘的平滑程度与边缘趋势一致性,从待定区域中提取出裂缝区域,得到裂缝区域图像。
需要说明的是,塑料外壳的灰度图中待定区域像素点的灰度值较小而正常区域像素点的灰度值较大,因此通过基于灰度值的传统区域生长从塑料外壳的灰度图中提取出灰度值较小像素点构成的待定区域。
具体的,预设窗口,根据预设窗口和塑料外壳的灰度图得到种子点,具体如下:
预设N×N大小的窗口,N为预设数值,本实施例以N=5为例进行叙述,利用预设窗口在塑料外壳的灰度图中按照从左往右从上到下的顺序进行滑动,预设窗口每次滑动的步长为N,获取每次预设窗口滑动后窗口范围内的灰度均值,将灰度均值最小的预设窗口范围内灰度值最小的像素点作为种子点。需要说明的是,本实施例在利用预设窗口在塑料外壳的灰度图中进行滑动时,可能会超出塑料外壳的灰度图的边界,此时本实施例利用二次线性插值的方法将超出塑料外壳的灰度图的边界部分进行插值填充数据。
需要说明的是,由于待定区域各像素点的灰度值较小而正常区域各像素点的灰度值较大,因此根据灰度值预设生长准则。
具体的,根据种子点的灰度值和种子点的八邻域范围内任意一个像素点的灰度值,得到生长准则,具体如下:
生长准则如下,所述生长准则包括第一生长准则和第二生长准则;
式中,hi为种子点的八邻域范围内第i个像素点的灰度值,h为种子点的灰度值,α为预设灰度阈值,本实施例以α=10进行叙述,S1为第一生长准则,S2为第二生长准则,||为取绝对值。
需要说明的是,引入α目的是表示背景像素点与目标像素点的最小差异值,目标像素点即待定区域的像素点。
进一步地,根据生长准则得到待定区域,具体如下:
根据种子点对塑料外壳的灰度图进行区域生长,得到待定区域,所述区域生长过程中,每次生长的方法包括:若hi符合第一生长准则S1,说明种子点的八邻域内第i个像素点的灰度值与种子点的灰度值较为接近,将种子点的八邻域范围内第i个像素点作为生长点;若hi符合第二生长准则S2,说明种子点的八邻域内第i个像素点的灰度值与种子点的灰度值有较大差异,则不将种子点的八邻域范围内第i个像素点作为生长点;将生长点作为新的种子点,所述新的种子点用于根据生长准则进行下一次生长。
需要说明的是,待定区域包含裂缝区域和阴影区域,且待定区域是一个闭合的连通域,通过上述处理可以得到多个待定区域,本实施例以一个待定区域为例进行分析处理,其他待定区域同理。
至此,得到待定区域。
步骤S003、根据待定区域的边缘像素点得到待定区域边缘像素点的链码,预设第一窗口,根据预设第一窗口和待定区域边缘像素点的链码得到若干链码窗口,根据链码窗口中链码值出现的概率得到链码窗口内链码值的有序性,根据链码窗口内链码的有序性得到平滑集合和粗糙集合,根据平滑集合和粗糙集合得到平滑边缘集合,获取平滑边缘集合中每一个平滑边缘的链码,根据平滑边缘集合中每一个平滑边缘的链码中链码值得到裂缝区域。
需要说明的是,经过上述步骤已经得到了包含裂缝区域和阴影区域的待定区域。因为塑料中的裂缝是在生产过程中因操作失误而产生的,具有极大的随机性,所以裂缝的边缘较为粗糙且边缘趋势多变;而塑料中的阴影区域是因塑料自身原因产生的,所以阴影区域边缘较为平滑且阴影区域的边缘趋势较为一致。因此,根据待定区域边缘的平滑程度与趋势一致性,构建每一待定区域边缘评估方法,找出阴影区域的边缘,通过阴影边缘得到阴影区域,从待定区域中去除阴影区域得到裂缝区域。
进一步需要说明的是,待定区域的边缘是由若干像素点构成,链码是一种描述边缘形态的方法,在链码中第P个链码点表示第P个像素点与第P+1个像素点之间的相对位置关系。如果一段边缘较为平滑,那么这段边缘组成的链码中有大多数数字较为相似。因此通过链码中数字的相似性判断边缘的平滑程度。
具体的,根据待定区域的边缘像素点得到待定区域边缘像素点的链码,具体如下:
在待定区域的所有边缘像素点中任选一个像素点作为待定区域的边缘起始点,利用链码算法得到待定区域边缘像素点的链码,需要说明的是,利用链码方法得到待定区域边缘像素点的链码为现有链码的方法,本实施例不再赘述,链码中包含若干链码值即一些数字。
需要说明的是,得到待定区域边缘像素点的链码,链码是一个序列,本实施例链码规则采用的是8链码,若待定区域的边缘较为平滑,则待定区域边缘像素点的链码中各数字的排列较为有序,则可以根据这一特征进行分析边缘的平滑性。
进一步地,预设第一窗口,根据预设第一窗口和待定区域边缘像素点的链码得到若干链码窗口,具体如下:
预设长度为th的第一窗口,本实施例以th=5为例进行叙述,第一窗口的滑动步长为1,利用第一窗口沿待定区域边缘像素点的链码进行滑动,得到若干链码窗口。
进一步地,根据链码窗口中链码值出现的概率得到链码窗口内链码值的有序性,具体如下:
对于任意一个链码窗口,式中,Pv为链码窗口中链码值为v出现的概率,n为链码窗口中链码值的总个数,v为链码窗口中链码值为v出现的个数,log2()为以2为底的对数函数,m为链码窗口内链码值的有序性。
需要说明的是,m的取值越小,表明链码窗口中有一个数字出现的次数接近于n,则链码窗口对应的待定区域边缘较平滑。
进一步地,根据链码窗口内链码的有序性得到平滑集合和粗糙集合,具体如下:
预设有序阈值,记为T,本实施例以T=0.2进行叙述,将任意一个链码窗口记为第i个链码窗口,将第i个链码窗口内链码值的有序性记为mi,若T>mi,则将第i个链码窗口对应的待定区域的边缘像素点作为待定区域的平滑边缘像素点,若T≤mi,则将第i个链码窗口对应的待定区域的边缘像素点作为待定区域的粗糙边缘像素点,将所有平滑边缘像素点构成的集合作为平滑集合,记为H,将所有粗糙边缘像素点构成的集合作为粗糙集合,记为C。需要说明的是,H和C中会有重复的边缘像素点。
需要说明的是,通过链码窗口判断待定区域边缘像素点是否为平滑边缘像素点时,如果链码窗口中包含少量粗糙边缘像素点和多个平滑边缘像素点,那么粗糙边缘像素点可能会认为是平滑边缘像素点,因此需要将少量粗糙边缘像素点进行排除。
具体的,根据平滑集合和粗糙集合得到平滑边缘集合,具体如下:
获取H和C中公共的边缘像素点,将所有公共的边缘像素点构成的集合,记为D,将H中包含D中的边缘像素点归属到C中,得到第一平滑集合,记为H1,获取H1中边缘像素点对应的若干平滑边缘,得到平滑边缘集合。
需要说明的是,由于阴影区域的边缘趋势波动性不大,即阴影区域中同一条边缘各部分的趋势较为相似,且阴影区域中所有像素点都包含在待定区域内,对于平滑边缘集合中任意一个边缘为例,因为边缘较为平滑,在边缘像素点的链码上表现为有一个链码值即数字出现次数远超其他链码值出现次数,即出现次数最多的链码值为边缘的边缘趋势,因此可以通过链码值判断两条边缘趋势的一致性,通过边缘趋势一致性以及阴影区域中所有像素点都在待定区域中的特征,从平滑边缘集合得到阴影区域的完整边缘,之后得到阴影区域的所有像素点,去除阴影区域的影响进而得到裂缝区域。
具体的,获取平滑边缘集合中每一个平滑边缘的链码,根据平滑边缘集合中每一个平滑边缘的链码中链码值得到裂缝区域,具体如下:
获取平滑边缘集合中每一个平滑边缘的链码,获取每一个平滑边缘的链码中出现最多的链码值。需要说明的是,链码中的任意一个链码值都对应一个方向。将平滑边缘集合中每一个平滑边缘沿对应链码中出现最多的链码值对应方向进行两侧延伸,将延伸后的所有平滑边缘形成的闭合区域记为阴影区域,将待定区域中的阴影区域进行去除,得到裂缝区域。
步骤S004、根据裂缝区域像素点的数量对连接器端子的质量进行评估。
本实施例示是以一个待定区域进行分析的,因此得到的裂缝区域只是部分裂缝区域,获取所有裂缝区域,将所有裂缝区域的所有像素点的数量记为TA,需要说明的是,待定区域在连接器端子的塑料外壳的灰度图中,获取塑料外壳的灰度图中所有像素点的数量,记为TB,将TA与TB的比值作为连接器端子的质量评估系数,记为TC,预设评估阈值,记为TH,本实施例以TH=0.05进行叙述,若TC大于TH,则连接器端子的质量低。
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 (9)
1.基于图像视觉的连接器端子质量检测方法,其特征在于,该方法包括以下步骤:
采集连接器端子的塑料外壳图像灰度化得到塑料外壳的灰度图;
预设窗口,根据预设窗口和塑料外壳的灰度图得到种子点,根据种子点的灰度值和种子点的八邻域范围内任意一个像素点的灰度值,及生长准则得到待定区域;所述种子点为灰度均值最小的预设窗口范围内灰度值最小的像素点;
根据待定区域的边缘像素点得到待定区域边缘像素点的链码,预设第一窗口,根据预设第一窗口和待定区域边缘像素点的链码得到若干链码窗口,根据链码窗口中链码值出现的概率得到链码窗口内链码值的有序性;
根据链码窗口内链码的有序性得到平滑集合和粗糙集合,根据平滑集合和粗糙集合得到平滑边缘集合,获取平滑边缘集合中每一个平滑边缘的链码,根据平滑边缘集合中每一个平滑边缘的链码中链码值得到阴影区域,将待定区域中的阴影区域进行去除,得到裂缝区域;
根据裂缝区域像素点的数量对连接器端子的质量进行评估;
所述生长准则具体包括:所述生长准则包括第一生长准则和第二生长准则;
式中,hi为种子点的八邻域范围内第i个像素点的灰度值,h为种子点的灰度值,α为预设灰度阈值,S1为第一生长准则,S2为第二生长准则,||为取绝对值。
2.根据权利要求1所述基于图像视觉的连接器端子质量检测方法,其特征在于,所述预设窗口,根据预设窗口和塑料外壳的灰度图得到种子点,包括的具体步骤如下:
预设N×N大小的窗口,N为预设数值,利用预设窗口在塑料外壳的灰度图中按照从左往右从上到下的顺序进行滑动,预设窗口每次滑动的步长为N,获取每次预设窗口滑动后窗口范围内的灰度均值,将灰度均值最小的预设窗口范围内灰度值最小的像素点作为种子点。
3.根据权利要求1所述基于图像视觉的连接器端子质量检测方法,其特征在于,所述待定区域的获取方法包括:
根据种子点对塑料外壳的灰度图进行区域生长,得到待定区域,所述区域生长过程中,每次生长的方法包括:若hi符合第一生长准则S1,将种子点的八邻域范围内第i个像素点作为生长点;若hi符合第二生长准则S2,则不将种子点的八邻域范围内第i个像素点作为生长点;将生长点作为新的种子点,所述新的种子点用于根据生长准则进行下一次生长,所述待定区域包含裂缝区域和阴影区域,且待定区域是一个闭合的连通域。
4.根据权利要求1所述基于图像视觉的连接器端子质量检测方法,其特征在于,所述根据待定区域的边缘像素点得到待定区域边缘像素点的链码,包括的具体步骤如下:
在待定区域的所有边缘像素点中任选一个像素点作为待定区域的边缘起始点,利用链码算法得到待定区域边缘像素点的链码,所述链码中包含若干数字记为链码值。
5.根据权利要求1所述基于图像视觉的连接器端子质量检测方法,其特征在于,所述预设第一窗口,根据预设第一窗口和待定区域边缘像素点的链码得到若干链码窗口,包括的具体步骤如下:
预设长度为th的第一窗口,第一窗口的滑动步长为1,利用第一窗口沿待定区域边缘像素点的链码进行滑动,得到若干链码窗口。
6.根据权利要求1所述基于图像视觉的连接器端子质量检测方法,其特征在于,所述根据链码窗口中链码值出现的概率得到链码窗口内链码值的有序性,包括的具体步骤如下:
对于任意一个链码窗口,式中,Pv为链码窗口中链码值为v出现的概率,n为链码窗口中链码值的总个数,H为链码窗口中链码值为v出现的个数,log2()为以2为底的对数函数,m为链码窗口内链码值的有序性。
7.根据权利要求1所述基于图像视觉的连接器端子质量检测方法,其特征在于,所述根据链码窗口内链码的有序性得到平滑集合和粗糙集合,根据平滑集合和粗糙集合得到平滑边缘集合,包括的具体步骤如下:
预设有序阈值,记为T,将任意一个链码窗口记为第i个链码窗口,将第i个链码窗口内链码值的有序性记为mi,若T>mi,则将第i个链码窗口对应的待定区域的边缘像素点作为待定区域的平滑边缘像素点,若T≤mi,则将第i个链码窗口对应的待定区域的边缘像素点作为待定区域的粗糙边缘像素点,将所有平滑边缘像素点构成的集合作为平滑集合,记为H,将所有粗糙边缘像素点构成的集合作为粗糙集合,记为C,所述H和C中会有重复的边缘像素点;
获取H和C中公共的边缘像素点,将所有公共的边缘像素点构成的集合,记为D,将H中包含D中的边缘像素点归属到C中,得到第一平滑集合,记为H1,获取H1中边缘像素点对应的若干平滑边缘,得到平滑边缘集合。
8.根据权利要求1所述基于图像视觉的连接器端子质量检测方法,其特征在于,所述裂缝区域的获取方法包括:
对于平滑边缘集合中每一个平滑边缘,获取每一个平滑边缘的链码中出现最多的链码值,所述链码中的任意一个链码值都对应一个方向,将平滑边缘集合中每一个平滑边缘沿对应链码中出现最多的链码值对应方向进行两侧延伸,将延伸后的所有平滑边缘形成的闭合区域记为阴影区域,将待定区域中的阴影区域进行去除,得到裂缝区域。
9.根据权利要求1所述基于图像视觉的连接器端子质量检测方法,其特征在于,所述根据裂缝区域像素点的数量对连接器端子的质量进行评估,包括的具体步骤如下:
获取所有裂缝区域,将所有裂缝区域的所有像素点的数量记为TA,获取塑料外壳的灰度图中所有像素点的数量,记为TB,将TA与TB的比值作为连接器端子的质量评估系数,记为TC,预设评估阈值,记为TH,若TC大于TH,则连接器端子的质量低。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311583549.3A CN117422705B (zh) | 2023-11-24 | 2023-11-24 | 基于图像视觉的连接器端子质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311583549.3A CN117422705B (zh) | 2023-11-24 | 2023-11-24 | 基于图像视觉的连接器端子质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117422705A CN117422705A (zh) | 2024-01-19 |
CN117422705B true CN117422705B (zh) | 2024-04-05 |
Family
ID=89524952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311583549.3A Active CN117422705B (zh) | 2023-11-24 | 2023-11-24 | 基于图像视觉的连接器端子质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117422705B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115359237A (zh) * | 2022-10-19 | 2022-11-18 | 镭戈斯智能装备江苏有限公司 | 一种基于图形识别的齿轮断齿识别方法 |
CN115375676A (zh) * | 2022-10-24 | 2022-11-22 | 微山三利特不锈钢有限公司 | 一种基于图像识别的不锈钢制品质量检测方法 |
CN116228771A (zh) * | 2023-05-09 | 2023-06-06 | 山东克莱蒙特新材料科技有限公司 | 基于视觉分析矿物材料机床铸件检测方法 |
CN116721391A (zh) * | 2023-08-11 | 2023-09-08 | 山东恒信科技发展有限公司 | 一种基于计算机视觉的原料油分离效果检测方法 |
CN117036341A (zh) * | 2023-10-07 | 2023-11-10 | 青岛奥维特智能科技有限公司 | 一种基于图像处理的路面裂缝检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7146057B2 (en) * | 2002-07-10 | 2006-12-05 | Northrop Grumman Corporation | System and method for image analysis using a chaincode |
-
2023
- 2023-11-24 CN CN202311583549.3A patent/CN117422705B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115359237A (zh) * | 2022-10-19 | 2022-11-18 | 镭戈斯智能装备江苏有限公司 | 一种基于图形识别的齿轮断齿识别方法 |
CN115375676A (zh) * | 2022-10-24 | 2022-11-22 | 微山三利特不锈钢有限公司 | 一种基于图像识别的不锈钢制品质量检测方法 |
CN116228771A (zh) * | 2023-05-09 | 2023-06-06 | 山东克莱蒙特新材料科技有限公司 | 基于视觉分析矿物材料机床铸件检测方法 |
CN116721391A (zh) * | 2023-08-11 | 2023-09-08 | 山东恒信科技发展有限公司 | 一种基于计算机视觉的原料油分离效果检测方法 |
CN117036341A (zh) * | 2023-10-07 | 2023-11-10 | 青岛奥维特智能科技有限公司 | 一种基于图像处理的路面裂缝检测方法 |
Non-Patent Citations (2)
Title |
---|
乔景慧 ; 赵校伟 ; 何鑫达 ; .基于视觉的连接器特征辨识.电子技术应用.2020,(第10期),全文. * |
基于视觉的连接器特征辨识;乔景慧;赵校伟;何鑫达;;电子技术应用;20201006(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117422705A (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115311301B (zh) | 一种pcb板焊点缺陷检测方法 | |
CN116385448A (zh) | 基于机器视觉的氧化铝陶瓷表面加工缺陷检测方法 | |
CN116309537A (zh) | 一种极耳模具表面油污的缺陷检测方法 | |
CN116030060B (zh) | 一种塑料颗粒质量检测方法 | |
CN116721107B (zh) | 一种电缆生产质量智能监控系统 | |
CN116862910B (zh) | 基于自动化裁切生产的视觉检测方法 | |
CN116137036B (zh) | 基于机器学习的基因检测数据智能处理系统 | |
CN116993718B (zh) | 基于机器视觉的tft阵列基板缺陷检测方法 | |
CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
CN116718218A (zh) | 一种光电集成式传感芯片测试数据处理方法 | |
CN117422705B (zh) | 基于图像视觉的连接器端子质量检测方法 | |
CN117541582B (zh) | 一种高频变频器igbt绝缘质量检测方法 | |
CN117058143B (zh) | 一种电路板引脚智能检测方法及系统 | |
CN117788459A (zh) | 基于图像特征的链条磨损检测方法 | |
CN116823808B (zh) | 基于机器视觉的电缆绞线智能检测方法 | |
CN112819842A (zh) | 适用于工件质检的工件轮廓曲线拟合方法、装置及介质 | |
CN117237350A (zh) | 一种铸钢件质量实时检测方法 | |
CN116958126A (zh) | 基于计算机视觉的模具注塑检测方法及系统 | |
CN112750154A (zh) | 一种基于双目视觉的立体匹配方法 | |
CN110349129B (zh) | 一种高密度柔性ic基板外观缺陷检测方法 | |
CN115330762B (zh) | X射线图像的保险丝断丝检测方法 | |
CN113191997B (zh) | 一种基于机器视觉的卡簧测量方法 | |
CN114742849A (zh) | 一种基于图像增强的水准仪距离测量方法 | |
CN113643245A (zh) | 一种屏幕缺陷的测量方法、装置及计算机可读存储介质 | |
CN116523904B (zh) | 一种基于人工智能的金属冲压件表面划痕检测方法 |
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 |